谷歌街景数据制作3D城市点云模型算法评估

谷歌街景数据可以拿来制作3D城市点云模型，这里跟大家讲讲这么做的算法后的评估吧。

评估

投射以及位置精确度

虽然我们还没有制定任何精确的公制来进行优化，但由于设定的虚拟单位和米之间的呼应，我们倒也能以一种较为粗犷的角度来进行观察。

尽管以我们的方式能够制造出传达优美几何意识的非真representation，但是要说到更多纹理和色彩的3D创建时，我们还是有一些小问题的。

例如，如图，我们能够发现深度地图和RGB全景图片之间的不协调：建筑的边缘，被旁边的淡蓝色天空给扰乱了。

另外，平面上投射的点同时也包括了代表天空的点，而后者按理说应该是定义为无穷远，因此不应该出现的。

关于这点，此前有专家(Branislav Micusik)的项目使用了异常值消除，而其使用的场景是更复杂的机器学习算法。

另一个问题是较远的点，当每个全景图片载入时，最远的点变得更加稀少并且精确度消失。当组合多个点云时，有些就是不能匹配，并在重建的模型上留下噪点，

如图所示。一个简单的祛除的方式，就是在合成多个全景图片时，根据他们的距离来祛除。

最后，当单个全景的方向和维度看起来已经匹配的时候，经度方向依然有几米的误差，以至于合成多个全景图片时会出现垂直方向的“重影”效果。这个可以归咎于第四个步骤中方程式的不精确。

探索空间

为了完成上述评估，我们认为需要建立一个特定的用户交互，让他们能从不同角度探索这个重建的世界。为此，我们加上了3个camera：

·1个静止的俯瞰的摄像机，当算法联系载入全景图片时，能够一步一步的观察重建过程。这个相机永远根据最新载入的点云而变化，但同时旋转保持不变。

·1个沿椭圆形轨道旋转的相机，能够给用户一个广阔的视角来观察建造起来的点云。它的运动会根据每一帧定义为：

算法5：计算机轨道计算

·1个互动相机，可以让用户自由的在空间中移动。摄像机根据键盘方向以及鼠标移动的[x,y]平面进行移动。

另外，一个简化的菜单，让用户可以改变FOV，将全景图片重新投射在一个球面上。

最后一个特性尤其重要，因为它可以让用户匹配全景图片和点云。