基于结构和语义意识的网格简化方法，用于生成轻量级3D建筑模型 陈东（Dong Chen）、 朱晨伟（Chenwei Zhu）、 杜胜兰（Shenglan Du）、 王玉良（Yuliang Wang）、 曹臻（Zhen Cao）、 隋明明（Mingming Sui）、 孔一阳（Yiyang Kong）、 冯胜杰（Shengjie Feng）、 Peethambaran Jiju（Jiju Peethambaran）和 张立强（Liqiang Zhang）

《Remote Sensing》：Structure- and Semantics-Aware Mesh Simplification for Generating Lightweight 3D Building Models Dong Chen, Chenwei Zhu, Shenglan Du, Yuliang Wang, Zhen Cao, Mingming Sui, Yiyang Kong, Shengjie Feng, Jiju Peethambaran and Liqiang Zhang

　　

摘要

实现具有精确几何形状和精细结构细节的轻量级建筑网格模型表示是城市3D建模中的一个关键挑战。大多数现有的网格简化方法侧重于最小化几何误差，同时忽略了建筑模型在几何结构和语义层次方面的特定特性，从而导致结构退化和语义不一致。为了解决这个问题，本文提出了一种结构-语义双重约束的边缘压缩简化方法，用于简化从点云重建的密集建筑网格模型。我们的核心技术创新在于联合执行几何结构约束和建筑语义约束，以有效保留模型的几何结构特征和组件级语义结构。通过结合这两种约束，我们会为关键的结构边缘和语义边界分配更高的压缩惩罚，从而在保持高压缩比的情况下实现轻量级的建筑模型简化，并保留详细的结构细节。我们的方法在多个不同规模和复杂性的数据集上进行了广泛验证，包括Sketchfab的单个建筑模型、大规模城市数据集SUM和STPLS3D，以及ArCH文化遗产数据集。实验结果表明，与现有方法相比，我们的方法在所有测试数据集上均表现出更优或可比的性能，一致地实现了更低的几何误差（通过RMSE和MAE衡量）。此外，我们简化后的结果可以按照CityGML范式进行语义组织和存储，这为轻量级建筑模型的共享、语义检索、下游分析和其他应用提供了统一的数据支持。