三維重建中傾斜攝影重疊度分析（對比AR數據特點）——利用最小割對拓撲結構進行分塊問題

1.傾斜攝影建模或產出點雲容易產出，並且，相對比，AR數據（360全景相機採集加工）則比較難（尤其是環形繞障礙物採集的AR數據，兩條航帶隔着障礙物，無關聯度。）

2.除了點雲產出質量，還有一個速度問題，利用最小割講所有圖片關聯組成的圖結構切割，利用分佈式分塊進行重建，會提速很多，但是傾斜攝影產生的圖結構，關聯度是可以很大的。拓撲結構是網狀的（並且是可以交叉重疊的網）幾刀下去，還是會有一定的關聯度；而AR（中間帶建築物）採集出來的街景是環形拓撲結構，一刀下去就那兩個邊有流量(最小割)。

 

直覺上，傾斜攝影在高空，能跨航帶重疊，並且因爲五機位+傾斜度，實際重疊度會更大。

而AR爲地面採集數據，重疊度對採集方式敏感，在工程化加工時（區域分塊重建）會發生很多問題。

 

傾斜攝影關聯度如圖（image_id）

通過image——id查詢db對應圖片路徑進行分析

 

拓撲關係如圖：

 

back 862對應球場位置

 

 

用圖片路徑在cc中查找相機

 

 

橫向第二「航帶"第五機位

 

第二航帶第一機位

 

橫向第四"航帶"

 

縱向，第八個機位

 

 

 

這種環形拓撲結構切割很看運氣，極端條件下，16萬條邊，切割完成後，兩邊的交界處overlapping直接爲零，兩區域關聯度爲0，切割失敗（無法利用多視角進行分塊合併）

 

 

結論：傾斜攝影，橫縱跨度大，關聯度高。back 862已屬角落，若選取中心區域攝影，會產生更高重疊度。

對比：AR PURAN數據(繞圈採集，並且圈內是實牆障礙)：1/1.jpg只與後續1/2.jpg~1/29.jpg有關聯，是線性結構，而非S型網狀結構。

這種環形拓撲結構切割很看運氣，如果剛好數據密度和關聯性差，而最小割一定就取最小關聯度的點去切，勢必導致切割之後失去關聯度。要求全局數據密度合理，運氣好，才能切割。

並且1/1.jpg與2/1.jpg關聯，與5/1.jpg關聯，認爲裁剪存在問題。