三维重建中倾斜摄影重叠度分析（对比AR数据特点）——利用最小割对拓扑结构进行分块问题

1.倾斜摄影建模或产出点云容易产出，并且，相对比，AR数据（360全景相机采集加工）则比较难（尤其是环形绕障碍物采集的AR数据，两条航带隔着障碍物，无关联度。）

2.除了点云产出质量，还有一个速度问题，利用最小割讲所有图片关联组成的图结构切割，利用分布式分块进行重建，会提速很多，但是倾斜摄影产生的图结构，关联度是可以很大的。拓扑结构是网状的（并且是可以交叉重叠的网）几刀下去，还是会有一定的关联度；而AR（中间带建筑物）采集出来的街景是环形拓扑结构，一刀下去就那两个边有流量(最小割)。

 

直觉上，倾斜摄影在高空，能跨航带重叠，并且因为五机位+倾斜度，实际重叠度会更大。

而AR为地面采集数据，重叠度对采集方式敏感，在工程化加工时（区域分块重建）会发生很多问题。

 

倾斜摄影关联度如图（image_id）

通过image——id查询db对应图片路径进行分析

 

拓扑关系如图：

 

back 862对应球场位置

 

 

用图片路径在cc中查找相机

 

 

横向第二“航带"第五机位

 

第二航带第一机位

 

横向第四"航带"

 

纵向，第八个机位

 

 

 

这种环形拓扑结构切割很看运气，极端条件下，16万条边，切割完成后，两边的交界处overlapping直接为零，两区域关联度为0，切割失败（无法利用多视角进行分块合并）

 

 

结论：倾斜摄影，横纵跨度大，关联度高。back 862已属角落，若选取中心区域摄影，会产生更高重叠度。

对比：AR PURAN数据(绕圈采集，并且圈内是实墙障碍)：1/1.jpg只与后续1/2.jpg~1/29.jpg有关联，是线性结构，而非S型网状结构。

这种环形拓扑结构切割很看运气，如果刚好数据密度和关联性差，而最小割一定就取最小关联度的点去切，势必导致切割之后失去关联度。要求全局数据密度合理，运气好，才能切割。

并且1/1.jpg与2/1.jpg关联，与5/1.jpg关联，认为裁剪存在问题。