基于您提供的论文，以下是四个问题的专业解读： ### 中文标题 基于可靠性感知的多视图融合框架用于郊区建筑首层高度自动估算：First-Floor-Finder (F3)

《ADVANCED ENGINEERING INFORMATICS》：First-Floor-Finder (F3): Reliability-aware multi-view fusion for automated first-floor height estimation of suburban buildings

　　

### 摘要专业翻译
洪水对郊区基础设施构成重大威胁，推动了可扩展的洪水风险评估方法的需求。评估建筑物洪水易损性的一个关键参数是首层高度（First-Floor Height, FFH），这是一项通常通过劳动密集型测量获得的工程决策变量。传统的土地测量方法精度高，但劳动强度大且难以大规模应用。现有的计算机视觉方法展现出潜力，但许多方法依赖单视角线索和高分辨率图像，使其在住宅场景中对遮挡和稀疏视角较为敏感。本文提出了First-Floor-Finder (F3)，一种用于自动FFH估计的多视图、多阶段框架，该框架将二维图像与三维LiDAR几何信息相整合。F3跨多个视角检测并细化三种立面线索——前门、门廊和地下室窗户，随后利用深度特征融合网络（Deep Feature Fusion Network, DFFNet）合并由此产生的候选高度测量值，该网络根据每个候选值的可靠性分配自适应权重。在一个独立收集的、易受遮挡影响的数据集上的实验表明，F3实现了16.3厘米的均方根误差（Root Mean Squared Error, RMSE）、13.4厘米的平均绝对误差（Mean Absolute Error, MAE）以及94.1%的可用性。消融研究表明，多线索融合和学习权重分配在前景遮挡和可变立面配置下提高了准确性和覆盖率（可用性）。这些结果支持将F3用作洪水风险分析中郊区FFH估算的可扩展方法，通过将FFH推断形式化为异构视觉和几何证据的可靠性感知融合。

### 论文解读文章
**一、研究背景与问题陈述**

洪水风险分析正从地块或社区级指标转向建筑级信息需求。在建筑尺度上，首层高度（FFH）是衡量洪水水位与建筑物居住楼层之间竖向关系的关键变量，直接影响深度-损失模型（depth-damage models）中的预期损失估算、保险暴露度评估及减灾需求判断。尽管联邦紧急事务管理署（FEMA）将最低楼层高程（LFE）和首层高程（FFE）定义为与特定垂直基准面相关的测量值，而FFH在洪水保险工作流中描述了最低居住楼层与邻近地面之间的高度差，但获取可靠的FFH数据长期面临瓶颈。传统的外业测量及Elevation Certificate流程依赖训练有素的测量师或工程师进行实地检验，虽然精度高，但在大型建筑清单上成本高昂、耗时且覆盖不全。现有的计算机视觉和遥感方法，如基于Google Street View (GSV)和街景图像（SLI）的方法，在处理郊区场景时，常因相关线索（前门、门廊、地下室窗户）尺寸小、位置贴近地面且易被植被、车辆、门廊家具等遮挡，导致单一视角图像无法提供完整可用的地面到楼层参考。因此，将FFH估算问题形式化为一个可靠性感知的证据融合问题，成为克服单一视角、单一线索局限性的关键研究方向。

**二、研究目标与总体框架**

研究人员提出了一个名为First-Floor-Finder (F3)的多视图、多阶段框架，旨在从街景图像和LiDAR点云中基于可靠性感知的融合进行建筑级FFH的自动化估算。F3的核心设计思路是：不依赖单一检测对象或单一视角，而是从多个立面线索中提取候选高度，并通过学习模型融合这些带有不确定性指示的异构证据，形成对建筑级FFH的稳健估计。该方法将FFH定义为相邻室外地面平面与目视推断的首个居住楼层或入口楼层之间的局部垂直距离，可作为支持FFE/LFE工作流的建筑尺度几何组件。

**三、主要技术方法**

为开展此项研究，研究人员构建了一套集成的传感器平台和数据处理流水线，主要关键技术方法如下。

首先，在地理空间数据处理层面，通过将图像位置投影到建筑足迹多边形上，按建筑对多视角图像进行分组排序。其次，在特征提取层面，微调了YOLOv8x检测器以定位三类高层（HL）立面特征——门、门廊和地下室窗户；随后利用分割一切模型（SAM）生成高质量掩码，并通过Sobel算子提取水平边界以细化特征边缘。再次，在几何建模层面，借助同步定位与建图（SLAM）系统Fast-LIO2生成的相机位姿和配准点云，建立二维图像特征与三维LiDAR点之间的对应关系，并使用随机采样一致性（RANSAC）算法拟合特征三维直线和局部地平面，计算特征点到地面的垂直距离作为候选高度值。最后，在融合决策层面，设计了深度特征融合网络（DFFNet），该网络由扩展层（EL）、压缩层（IL）和加权平均层（WAL）组成，以候选高度、检测置信度、类别级定位先验和空间一致性指标为输入，通过掩码归一化加权平均计算最终的建筑级FFH估计值。

研究数据来源于一个独立收集的专有数据集，包含82栋建筑（65栋用于训练，17栋用于测试）的2802张图像，这些图像通过定制的步行移动测绘平台获取，平台集成了Livox Avia LiDAR、FLIR RGB相机、RTK-GPS和Intel NUC计算单元。采集场景针对性地呈现了郊区住宅频繁的前景遮挡状况。参考FFH值由研究人员直接从配准的三维点云中手动选取代表性首层点并计算其到局部地面的垂直距离获得。

**四、主要研究结果**

在独立测试集上的实验结果表明，F3框架实现了13.4厘米的平均绝对误差（MAE）、16.3厘米的均方根误差（RMSE）和94.1%的可用性。以下按文中报告的各个子项介绍研究结果。

**1. 特征定位性能**：测试集上的特征定位实验显示，YOLOv8x检测器对门和门廊表现出较强的定位性能，门类的平均精度（mAP50）达到0.905，门廊类为0.842；而地下室窗户因其尺寸更小、外观差异大且频繁遮挡，性能相对较低（mAP50为0.709）。该结果表明检测误差会传播到后续的几何测量环节。

**2. 建筑级FFH估算性能**：F3在整体测试集上取得了前述的13.4厘米MAE和16.3厘米RMSE。预测值与参考值的对比图显示预测值集中在一对一参考线附近，残差分布显示平均残差为-1.4厘米，表明存在轻微的低估倾向，整体偏差有限。

**3. 交叉验证与不确定性分析**：为评估对有限数据集大小的敏感性，研究人员进行了建筑级5折交叉验证，各折的MAE在13.1至14.7厘米之间波动，RMSE在15.8至17.6厘米之间，平均可用性为95.5%。自举重采样得到的95%置信区间为MAE 10.9-16.2厘米、RMSE 13.2-19.7厘米，表明结果并非由单一数据划分主导。

**4. 建筑配置下的性能差异**：基于交叉验证的池化预测分析表明，F3在无遮挡或轻微遮挡、可见门廊和可见地下室窗户的建筑上表现最佳。重度遮挡场景下的误差显著增大（RMSE 22.6厘米），缺少独立候选线索也会降低可用性。

**5. 消融研究**：
- **DFFNet层消融**：移除扩展层（EL）使RMSE从16.3厘米增至19.8厘米，移除加权平均层（WAL）进一步使RMSE增至21.9厘米，表明候选级交互学习和自适应加权对于处理遮挡驱动的异常值至关重要。
- **高层特征消融**：门的单独可用性最高（82.2%），门廊提供的几何证据最强（单独使用时RMSE为26.2厘米）；组合使用所有线索（门、门廊、地下室窗户）获得最低RMSE（16.3厘米）和最高可用性（94.1%），验证了多线索互补的价值。
- **低层描述符消融**：去除类别编码导致的性能下降最大（RMSE增至19.7厘米），去除像素距离上下文也使RMSE增至18.4厘米，证实DFFNet并非简单的平均操作。

**6. 融合权重的可解释性**：特征级权重统计显示，门获得的平均权重最高（0.46），其次是门廊（0.38）和地下室窗户（0.16）。在不同遮挡水平下，模型在轻度遮挡时更依赖门证据，在重度遮挡时将权重转向门廊和地下室窗户，展现出诊断性行为。

**7. 阶段式失败归因**：在最大误差案例的诊断审计中，主要误差来源为特征检测（2例）、SAM/边缘提取（3例）、二维-三维对应（2例）和融合阶段（1例），表明融合可以降低孤立不可靠候选值的影响，但无法完全纠正共享的上游几何误差。

**8. 与基线及先前方法的比较**：与中值融合、均值融合、Lasso回归和线性回归等基线相比，DFFNet显著优于所有替代方法，其RMSE最低（16.3厘米）且绝对误差分布最紧凑。与先前基于GSV的方法（如ELEV-VISION）相比，F3在独立采集的低矮、易遮挡的郊区场景数据上取得了具有竞争力的误差水平，同时提供了更高的一致可用性。

**五、讨论与结论总结**

在讨论部分，研究人员指出，当前数据集的规模（82栋建筑）适合受控方法验证，但不足以支撑城市尺度的通用性声明，建筑配置子组结果应视为描述性而非确定性结果。同时，F3估计的FFH作为局部立面尺度几何量，不应被解释为对所有建筑图和占用类型都适用的完整FEMA合规LFE测定，尤其在存在地下室、爬行空间或高架围护结构等复杂配置时，目视可见的入口层可能并非保险相关的最低层。框架的可解释性设计允许将每个预测分解为检测线索、候选高度、低层描述符和学习权重，有助于在工程部署中追踪错误来源并判断预测的可信度。此外，F3依赖Fast-LIO2生成配准几何和相机位姿，SLAM漂移、标定误差和局部点稀疏性可能对候选高度产生系统性偏差，未来工作应显式传播这些映射不确定性。

研究结论部分的核心内容为：本文介绍了First-Floor-Finder (F3)，一个用于从街景图像和LiDAR几何中估计住宅首层高度的可靠性感知多视图框架。F3利用目标检测、分割引导的边缘细化和基于LiDAR的几何建模，从多个高层立面线索——门、门廊和地下室窗户——中提取候选度量高度，随后通过DFFNet在编码检测置信度、类别级定位可靠性和空间上下文的低层可靠性描述符下融合这些候选值。在独立收集的包含82栋郊区住宅建筑的2802张图像数据集上的实验表明，F3实现了13.4厘米MAE、16.3厘米RMSE和94.1%的可用性。消融研究表明，多线索融合提高了相对单线索变体的可用性，而DFFNet学习权重减少了由局部遮挡、不稳定边缘提取或薄弱二维-三维对应引起的不一致候选值的影响。DFFNet的诊断输出进一步允许将每个最终估计分解为候选高度、特征类别、可靠性描述符和学习贡献权重，支持对主要误差来源的分阶段解释。当前的验证应在其预期范围内解读：易受遮挡的郊区住宅FFH估算。F3估计的是局部立面尺度的FFH组件，不旨在替代跨所有建筑图、基础类型或占用条件的完整FEMA合规LFE测定。未来工作将扩展数据集至更大的地理区域、商业和密集城市类型、高架沿海结构以及更广泛的FEMA相关基础配置，同时传播SLAM、标定和局部测绘不确定性至候选高度置信度，并对照独立测量验证恢复的FFH值。