[论文解读] A state of the art of urban reconstruction: street, street network, vegetation, urban feature

Rémi Cura, Julien Perret+1 more|arXiv (Cornell University)|Jan 18, 2018

Automated Road and Building Extraction参考文献 19被引用 4

一句话总结

本文对城市重建技术进行了全面的最新研究综述，重点关注街道、街道网络、植被以及建筑以外的城市特征。它整合了多种数据源，提出了包括数据驱动、基于模型和逆向程序化建模在内的重建策略，并指出程序化建模是捕捉复杂城市关系与层级结构的强大框架。

ABSTRACT

World population is raising, especially the part of people living in cities. With increased population and complex roles regarding their inhabitants and their surroundings, cities concentrate difficulties for design, planning and analysis. These tasks require a way to reconstruct/model a city. Traditionally, much attention has been given to buildings reconstruction, yet an essential part of city were neglected: streets. Streets reconstruction has been seldom researched. Streets are also complex compositions of urban features, and have a unique role for transportation (as they comprise roads). We aim at completing the recent state of the art for building reconstruction (Musialski2012) by considering all other aspect of urban reconstruction. We introduce the need for city models. Because reconstruction always necessitates data, we first analyse which data are available. We then expose a state of the art of street reconstruction, street network reconstruction, urban features reconstruction/modelling, vegetation , and urban objects reconstruction/modelling. Although reconstruction strategies vary widely, we can order them by the role the model plays, from data driven approach, to model-based approach, to inverse procedural modelling and model catalogue matching. The main challenges seems to come from the complex nature of urban environment and from the limitations of the available data. Urban features have strong relationships, between them, and to their surrounding, as well as in hierarchical relations. Procedural modelling has the power to express these relations, and could be applied to the reconstruction of urban features via the Inverse Procedural Modelling paradigm.

研究动机与目标

• 通过聚焦街道和建筑以外的城市特征，填补城市重建研究中的空白。
• 分析可用于城市重建任务的数据源及其局限性。
• 对重建策略进行分类与评估，重点强调程序化建模与关系建模。
• 突出城市元素（如街道、植被和城市物体）之间的相互依赖性及其对建模精度的影响。
• 倡导采用逆向程序化建模作为可扩展且语义丰富的复杂城市环境重建方法。

提出的方法

• 根据模型在重建中的作用对方法进行分类：数据驱动、基于模型、逆向程序化建模以及模型目录匹配。
• 回顾用于城市特征重建的数据源，包括航空影像、LiDAR、RGB-D扫描和GPS轨迹。
• 使用语法对城市特征之间的空间关系与层级关系进行程序化建模。
• 通过逆向程序化建模从观测数据中推断参数与规则，实现自动化三维重建。
• 利用优化框架集成关系约束（如对称性、连通性），以提升重建的保真度。
• 提出可从场景中提取的关系数据（如通过贝叶斯网络）可用于指导物体布局，提升真实感。

实验结果

研究问题

• RQ1 在重建街道、植被和街面物体等城市特征时，面临哪些关键挑战？
• RQ2 数据限制与城市复杂性如何影响城市重建的准确性与可行性？
• RQ3 程序化建模，尤其是逆向程序化建模，在统一重建多样化城市元素方面能发挥多大作用？
• RQ4 如何对城市特征之间的关系（如街道–植被–建筑）进行建模，并在重建中加以利用？
• RQ5 用户输入、优化算法与关系约束在提升重建质量与真实感方面发挥何种作用？

主要发现

• 尽管在交通、规划与环境建模中具有关键作用，街道和城市特征在城市重建中常被忽视。
• 数据稀疏性与城市复杂性是主要挑战，尤其对街面特征（如标线与路缘）影响显著。
• 程序化建模，特别是逆向程序化建模，为实现具有结构一致性和关系一致性的城市特征重建，提供了一种可扩展且语义丰富的框架。
• 城市元素之间的关系（如连通性、对称性与空间层级）对实现真实感重建至关重要，可通过优化与基于语法的系统进行建模。
• 现有方法通常依赖用户提供的关系数据；然而，近期进展使得可自动提取此类关系，借助概率模型实现。
• 将城市特征整合到城市模型中，可支持城市规划、危机管理、环境模拟与娱乐等高级应用。