CVPR2023新作：三维场景的线条映射

1. Title: 3D Line Mapping Revisited

2. Affiliation: Department of Computer Science, ETH Zurich (苏黎世联邦理工学院计算机科学系)

3. Authors: Shaohui Liu, Yifan Yu, R´emi Pautrat, Marc Pollefeys, Viktor Larsson

4. Keywords: 3D reconstruction, line mapping, Structure-from-Motion, geometric constraints

5. Summary:

• (1): 该论文研究了三维场景的线条映射，寻求更加高效准确的解决方案。
• (2): 过去的方法主要是基于点云的，但是在硬件设备的有限资源下很难稳定地提取足够多的关键点，而线条本身就是场景的主要结构要素，因此使用线条来进行3D重建更加合理。当前的线条重建方法存在着诸多问题，例如点定位精度不高、部分覆盖等等，而本文的方法则利用了线条的多种几何约束，如共面、平行、垂直等约束，通过优化求解线条的3D坐标。该方法还可以与基于点云的SfM方法无缝集成使用，并能够更好地提升线条重建的准确性，线条重建结果本身还可以用于构建3D关系图，有利于场景分析中的场景结构、空间关系等的推断。
• (3): 本文提出了一种基于线条的3D场景重建方法，通过改进线条定位和匹配方法，利用线条之间的约束来推断线条的空间位置，从而得到稠密的3D线条地图。该方法还可以结合点云重建方法的3D点云结果来优化线条重建的效果。本文提出的方法被命名为LIMAP，其源代码公开发布在https://github.com/cvg/limap上。
• (4): 在实验评估中，作者比较了本文方法与其他方法在3D线条重建、视觉定位和捆绑调整等任务上的性能，结果表明本文方法在多种情况下都表现出较好的性能，广泛适用于室内场景和城市景观的三维重建。该方法的性能达到了作者设定的目标。

6. Methods:

• (1): 本文提出了一种基于线条的3D场景重建方法，命名为LIMAP。该方法改进了线条的定位和匹配方法，利用了线条之间的多种几何约束，如共面、平行、垂直等约束，从而推断线条的空间位置，并优化求解线条的3D坐标。该方法可以与基于点云的SfM方法无缝集成使用，可以有效提升线条重建的准确性，将线条重建结果用于构建3D关系图，有利于场景分析中的场景结构、空间关系等的推断。

• (2): 本文在实验评估中，比较了本文方法与其他方法在3D线条重建、视觉定位和捆绑调整等任务上的性能，结果表明本文方法在多种情况下表现出较好的性能，广泛适用于室内场景和城市景观的三维重建。

• (3): 本文提出的LIMAP方法可以实现线条的稠密重建，进一步采用点线联合优化的方式，优化场景的3D重建，能够提升视觉定位的精度。在实验评估中，本文方法在多个数据集上取得了优异的性能表现。

7. Conclusion:

• (1): 本文的意义在于提出了一种基于线条的高效准确的三维重建方法，可以无缝与现有的SfM方法集成使用，适用于室内场景和城市景观，为视觉定位和场景分析的应用提供了有力支持。该方法可以稠密重建线条，提取线条之间的多种几何约束，优化求解线条的3D坐标，并可用于构建3D关系图，具有较高的准确性和稳定性。

• (2): 创新点：该方法采用线条进行三维重建，克服了点云重建的局限性，提高了线条重建的准确性；利用了线条之间的多种几何约束，如共面、平行、垂直等约束，推断线条的空间位置，优化求解线条的3D坐标，具有较高的稠密度和精度；通过与SfM方法集成，结合点云重建对线条重建进行优化。性能：经实验评估，该方法可以在多种情况下表现出较好的性能，具有较高的准确性和稳定性。工作量：所提出的方法需要进行线条定位和匹配、多种几何约束的优化求解、点线联合优化等步骤，需要一定的计算资源和时间。