当前位置：首页>深圳>【团队篇】深圳大学王伟玺教授团队近期空天视觉智能十一篇代表性成果

【团队篇】深圳大学王伟玺教授团队近期空天视觉智能十一篇代表性成果

2026-04-02 20:24:57

🔥深圳大学王伟玺教授团队在郭仁忠院士指导下，深耕实景三维与数字孪生领域，构建了“感知、理解、重建、分析”全链条创新体系。团队实现关键软硬件国产替代，在复杂场景感知装备、多源融合高精度分类、建构筑物耦合建模、植被树木的高精度三维建模等核心技术上取得系统性突破，并首创全球规模最大的仿真树木数据集。研究成果已服务全国20余城，广泛应用于自然资源、生态及国防等领域。凭借卓越的科研实力，团队荣获广东省科技进步一等奖、自然资源科技进步一等奖及多项特等奖，获得业界高度评价。本文将重点梳理该团队近期在空天视觉领域的十一篇代表性研究成果🔍🚀

⭐⭐⭐⭐⭐

朋友们，创作不易，如您觉得该内容对您的学习和科研有帮助，请帮我们点赞、转发、推荐，让更多人看到我们的工作！谢谢大家！

协同感知：

论文一

动态位姿估计

论文题目：TransCNNLoc: End-to-end pixel-level learning for 2D-to-3D pose estimation in dynamic indoor scenes

论文链接：https://www.sciencedirect.com/science/article/pii/S0924271623003398

代码链接：https://github.com/Geelooo/TransCNNloc

论文作者：Shengjun Tang* , Yusong Li* , Jiawei Wan, You Li, Baoding Zhou, Renzhong Guo, Weixi Wang† , Yuhong Feng （*为共同一作，†为通讯作者）

作者单位：深圳大学建筑与城市规划学院智慧城市研究院，亚热带建筑科学国家重点实验室，深圳大学计算机与软件学院，人工智能与数字经济广东省实验室（深圳），深圳大学土木与交通工程学院

发表年份： ISPRS JPRS 2024

⭐论文摘要：

在无GPS环境下，准确的室内定位是计算机视觉与机器人研究的核心。针对室内环境易受光照、视角及动态目标干扰的问题，本文提出了TransCNNLoc框架。该框架采用编码-解码结构，融合CNN与Swin Transformer提取全局上下文与局部特征。在解码阶段，通过跨层连接实现多级特征解算并计算像素级权重。为提升对动态物体的鲁棒性，引入了动态物体识别网络优化权重分布。最后，通过从粗到精的多级迭代优化恢复六自由度相机位姿。实验显示，在7scenes等数据集上，该方法在静态环境下精度达5cm，在动态及光照剧烈变化场景下精度达3cm，显著优于现有SOTA算法。

论文二

多传感器鲁棒标定

论文题目：Robust Calibration of Vehicle Solid-State Lidar-Camera Perception System Using Line-Weighted Correspondences in Natural Environments

论文链接：https://ieeexplore.ieee.org/document/10315057

论文作者：Shengjun Tang* , Yuqi Feng* , Junjie Huang, Xiaoming Li, Zhihan Lv, Yuhong Feng† , Weixi Wang† （*为共同一作，†为通讯作者）

作者单位：深圳大学亚热带建筑科学国家重点实验室及粤港澳智慧城市联合实验室, 瑞典乌普萨拉大学游戏设计系

发表年份：TITS 2024

⭐论文摘要：

随着自动驾驶和SLAM技术的快速发展，车辆感知系统严重依赖激光和图像传感器。为了实现精确且鲁棒的多传感器融合计算，相机与激光扫描仪的高精度外参标定是必要条件。传统的基于人工特征的方法依赖特定场景，可能无法提供长距离的特征信息。在本文中，我们提出了一种在自然环境中稳健标定固态（SS）激光雷达-相机系统外参的方法。我们首先创新地采用超体素聚类方法从完整点云中提取全局3D线特征，并将其投影回2D空间。随后，利用基于Transformer的边缘检测网络EDTER检测边缘特征并估计像素级概率。考虑到二维线特征的不确定性和不同距离下残差的不一致性，我们构建了线特征权重模型进行残差计算。最后，使用最小二乘优化使残差平方和最小化，从而恢复相机与激光雷达传感器的相对位姿。实验结果表明，我们的方法具有更高的鲁棒性、准确性和一致性，适用于实际应用。

智能理解：

论文三
植被点云智能解析

论文题目：Leaf–Wood Separation in Tree Point Clouds via Unlearning-Driven Supervoxel Random Forest

论文链接：https://ieeexplore.ieee.org/document/11134517

论文作者：Weixi Wang, Yuxuan Wu, Sen Jia, Linfu Xie, Renzhong Guo, Shengjun Tang† （†为通讯作者）

作者单位：深圳大学建筑与城市规划学院，亚热带建筑与城市科学全国重点实验室, 深圳大学计算机与软件学院

发表年份：TGRS 2025

⭐论文摘要：

准确分离树木点云中的木质和叶片成分对于精确的树木参数估算和高保真3-D模型重建至关重要。然而，深度学习方法往往面临跨物种泛化能力差的问题，而传统的基于原始点级特征的机器学习方法对噪声、分辨率不一致和数据不完整性高度敏感。为了解决这些挑战，我们提出了一种新型的遗忘驱动超体素随机森林（USRF）框架。我们的方法在超体素级别重新定义了分类任务，从而实现了更稳定的特征表示和拓扑上下文建模。开发了一个分层特征提取模块，以集成低级几何描述符、基于主成分分析（PCA）的形状特征和超体素邻域特征，促进了多尺度结构感知。为了进一步提高分类性能和可扩展性，引入了基于机器遗忘的特征选择策略。该策略通过评估特征对分类结果的边际贡献，迭代地去除冗余或有害特征。实验结果表明，在提取的27个特征中，仅保留前6个仍能保持94%的准确率，同时显著减少了训练和推理时间。在多个公共和内部数据集上的广泛评估表明，所提出的USRF框架实现了93.7%的平均分类准确率，在精度和鲁棒性方面均优于现有基准。

论文四
植被实例化分割

论文题目：An Individual Tree Segmentation Method From Mobile Mapping Point Clouds Based on Improved 3-D Morphological Analysis

论文链接：https://ieeexplore.ieee.org/document/10040735

论文作者：Weixi Wang, Yuhang Fan, You Li, Xiaoming Li, Shengjun Tang† （†为通讯作者）

作者单位：深圳大学自然资源部城市国土资源监测与仿真重点实验室, 深圳大学人工智能与数字经济广东省实验室

发表年份：JSTARS 2023

⭐论文摘要：

基于3-D移动测量点云的行道树提取在构建智慧城市和创建高精度城市街道地图中起着重要作用。现有方法在分割重叠的街道树冠和提取几何复杂的树木时经常出现过分割或欠分割现象。针对这一问题，我们提出了一种基于改进3-D形态学分析的方法。首先，使用基于深度学习的3-D语义点云分割框架对原始点云进行预分类，以获得场景中的植被点云。考虑到地形不平整的影响，对植被点云进行去地形化处理。在此基础上，提出了一种基于凸包面积变化率约束的超体素区域生长法来定位街道树木。随后提出了一种渐进式树冠分割法：先通过最小增量规则约束的超体素区域生长完成初步分割，再利用基于“山谷”结构的聚类优化树冠边缘。实验结果显示，该方法能有效识别和定位不同几何形状的行道树，对于树冠间存在大量粘连的街道树具有良好的分割效果。树木定位的准确率和召回率分别高于96.08%和95.83%，三个数据集的实例分割平均精度和召回率分别高于93.23%和95.41%。

论文五
室内空间智能理解

论文题目：面向室内空间智能的三维场景图表达与应用

论文链接：http://xb.chinasmp.com/CN/10.11947/j.AGCS.2024.20230482

论文作者：汤圣君, 杜思齐, 王伟玺† , 郭仁忠（†为通讯作者）

作者单位：深圳大学亚热带建筑与城市科学全国重点实验室, 深圳大学建筑与城市规划学院

发表年份：测绘学报 2024

⭐论文摘要：

现有室内三维场景表达聚焦于对象化的描述方法，欠缺对室内场景复杂关系信息的显式表达。面向室内空间智能任务需求，亟需一个能够完整、准确描述室内要素几何、语义及关系，且具备语义检索和分析推理能力的结构化模型支撑。基于三维场景图基础理论，本文创新性地提出面向室内空间智能的三维场景图表达模型，系统性介绍了室内三维场景图要素层级化组织、几何表达、语义描述、关系描述方法，建立了一个可统一描述室内要素几何、语义及关系的室内三维场景图概念模型。同时，该图模型可以与现有的三维场景表达方法进行融合表达，具有良好的数据兼容性。最终，本文基于公开的IFC模型构建了完整且具有多层级关系信息的三维场景图模型，并且结合大语言模型通过复杂场景检索、拓扑分析等应用对该模型的应用能力进行了系统性探讨和分析。结果表明，室内三维场景图模型具备复杂计算和分析能力，可直接与大语言模型集成，通过简单的自然语言提示实现复杂的场景分析应用。

论文六
室内点云智能分类

论文题目：超体素随机森林与 LSTM 神经网络联合优化的室内点云高精度分类方法

论文链接：https://ch.whu.edu.cn/article/doi/10.13203/j.whugis20220125?viewType=HTML

论文作者：汤圣君, 张韵婕, 李晓明, 姚萌萌, 叶致煌, 李亚鑫, 郭仁忠, 王伟玺† （†为通讯作者）

作者单位：深圳大学建筑与城市规划学院智慧城市研究院&自然资源部城市自然资源监测与仿真重点实验室, 香港城市大学建筑与土木工程系, 香港理工大学深圳研究院

发表年份：武汉大学学报（信息科学版） 2023

⭐论文摘要：

针对现有三维点云数据分割分类方法存在分类目标内部不一致的问题，提出一种超体素随机森林与长短期记忆神经网络（LSTM）联合优化的室内点云高精度分类方法。该方法根据超体素结构具备内部特征一致性的特点，对原始点云进行超体素划分，以超体素为基本单元进行多元特征计算，搭建随机森林分类模型实现粗分类。在此基础上，引入LSTM对超体素邻域连接关系进行训练与预测，实现粗分类结果的优化。实验结果显示，该方法在公开数据集中对13类要素的分类精度可达到83.2%；与经典的深度学习框架相比，该方法在小样本训练时可以达到更优的分类精度。

精细重建：

论文七
室内BIM模型重建

论文题目：BIM generation from 3D point clouds by combining 3D deep learning and improved morphological approach

论文链接：https://www.sciencedirect.com/science/article/pii/S0926580522002953

论文作者：Shengjun Tang, Xiaoming Li, Xianwei Zheng, Bo Wu, Weixi Wang†, Yunjie Zhang† （†为通讯作者）

作者单位：深圳大学建筑与城市规划学院智慧城市研究院&自然资源部城市自然资源监测与仿真重点实验室, 武汉大学测绘遥感信息工程国家重点实验室, 香港理工大学土地测量与地理资讯学系, 香港城市大学建筑与土木工程系

发表年份：Automation in Construction 2022

⭐论文摘要：

本文提出了一种从非结构化点云重建语义体积建筑室内的参数化建模方法。与现有的分区方法不同，该方法提供了一个结合3D深度学习和改进形态学方法的灵活框架。首先使用3D深度学习将点云分类为13种类型，然后提取表面并生成初始特征空间。在空间正则化中，通过能量最小化公式优化空间边界。最后，设计了语法增强的描述来生成最终的BIM模型。结果表明，该方法能够自动生成几何和语义一致的BIM模型，在几何精度和模型完整性方面具有竞争力。

论文八
树木结构鲁棒重建

论文题目：Branching the limits: Robust 3D tree reconstruction from incomplete laser point clouds

论文链接：https://www.sciencedirect.com/science/article/pii/S1569843223003813

论文作者：Weixi Wang, Yaoyu Li, Hongsheng Huang, Linping Hong, Siqi Du, Linfu Xie, Xiaoming Li, Renzhong Guo, Shengjun Tang† （†为通讯作者）

作者单位：深圳大学建筑与城市规划学院智慧城市研究院, 亚热带建筑科学国家重点实验室, 亚热带建筑科学国家重点实验室

发表年份：IJAEOG 2023

⭐论文摘要：

基于激光点云的精确单木重建对于生物量估算、虚拟地理环境建模至关重要。然而，移动激光3D扫描系统捕获的树木点云经常被叶片遮挡，导致分枝数据缺失，这给详细的树木重建带来了重大挑战。本文提出了一种从不完整点云进行细粒度3D树木模型重建的新方法。该方法重点攻克了两个主要难题：根据数据完整性重建主干和分枝。首先，采用3D形态学算法分离点云中的主干和分枝。接着，利用聚类对分枝点云进行节点聚合，并使用多尺度曲线拟合法计算主干的骨架点。为了弥补缺失的分枝点云，计算Alpha形状并将其作为L-system生长模型的约束，从而实现分枝结构的自动生成。最后，利用形态约束的多级主干融合方法完成整树模型重建。实验结果表明，该方法即使在点云数据不完整的情况下，也能熟练地近似树木节点，其精度优于三维树木建模的SOTA算法。

论文九
树木高保真重建

论文题目：面向虚拟地理环境构建的树木模型高保真三维重建

论文链接：https://ieeexplore.ieee.org/document/10814710

论文作者：王伟玺, 黄鸿盛, 杜思齐, 李晓明, 谢林甫, 洪林平, 郭仁忠, 汤圣君† （†为通讯作者）

作者单位：深圳大学建筑与城市规划学院智慧城市研究院，深圳市城市数字孪生技术重点实验室，广东省粤港澳智慧城市联合实验室

发表年份：遥感学报 2024

⭐论文摘要：

树木模型是虚拟地理环境构建不可或缺的内容。针对现有模型真实感差的问题，提出一种基于高精度激光点云的树木高保真仿生重建方法。首先通过骨架实现参数化重构，按生长参数分级提取主干与枝条要素；其次，提出泊松构网与参数拟合融合的几何重建技术，基于边界约束实现精准拼接；最后采用顾及结构的纹理展开方法实现纹理自动映射。实验表明：模型整体几何误差优于10cm，树干误差优于3cm。在相同数据条件下，本方法对树木三维形态和真实纹理的还原程度显著优于主流方法。

仿真分析：

论文十
低空孪生分析

论文题目：Unmanned Aircraft System Airspace Structure and Safety Measures Based on Spatial Digital Twins

论文链接：https://ieeexplore.ieee.org/document/9531559

论文作者：Weixi Wang, Xiaoming Li†, Linfu Xie, Haibin Lv, Zhihan Lv† （†为通讯作者）

作者单位：深圳大学建筑与城市规划学院智慧城市研究院，城市信息学广东省重点实验室，深圳市空间智能感知与服务重点实验室，自然资源部国土空间大数据技术创新中心，自然资源部北海局北海海洋工程勘察研究院，中国科学院青岛生物能源与过程研究所

发表年份：TITS 2022

⭐论文摘要：

为了探索基于空间数字孪生（DTs）的无人机（UAV）系统空域结构和安全性能，本研究引入了DTs技术，并将卷积神经网络（CNN）算法与无人机自主网络相结合。利用无线通信技术构建了无人机DTs系统，并对其安全性能进行了仿真。结果表明：在系统丢包率分析中，随着采集点的增加，传输数据量仅略有增加，但丢包率没有显著变化；在网络性能分析中，发现基于节点能量的加权聚类算法（EWCA）可以通过合理控制节点数量来延长整体网络寿命。当能量采集系数接近0.5时，能量转换效率较高。该系统能显著提高无人机在空域飞行期间的安全性能。

论文十一
地面交通孪生分析

论文题目：Data information processing of traffic digital twins in smart cities using edge intelligent federation learning

论文链接：https://www.sciencedirect.com/science/article/pii/S0306457322002722

论文作者：Weixi Wang, Fan He, Yulei Li, Shengjun Tang, Xiaoming Li†, Jizhe Xia, Zhihan Lv （†为通讯作者）

作者单位：深圳大学建筑与城市规划学院智慧城市研究院，深圳市空间智能感知与服务重点实验室，自然资源部国土空间大数据技术创新中心，粤港澳智慧城市联合实验室，物流信息中心，瑞典乌普萨拉大学艺术学院游戏设计系

发表年份：IPM 2023

⭐论文摘要：

本工作分析了深度学习在数字孪生（DTs）背景下促进智能城市发展的应用。讨论了五维DTs模型，提出了DTs城市的概念框架。随后引入边缘计算技术，构建了结合DTs的边缘计算智能交通感知系统。此外，利用残差网络优化了SSD算法，形成SSD-ResNet50算法，并对DarkNet-53进行了改进。实验结果表明，SSD-ResNet50和改进后的DarkNet-53算法具有训练速度快、识别准确率高、训练效果好等优点。与原算法相比，识别时间分别减少了6.37ms和4.25ms。

📢 欢迎投稿，我们免费发布推广您的成果！投稿说明请查看：【公众号投稿】

图文：唐仲蒙

责编：卢维

审核：王伟玺

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。

【团队篇】深圳大学王伟玺教授团队近期空天视觉智能十一篇代表性成果

最新文章

热门文章

随机文章

【团队篇】深圳大学王伟玺教授团队近期空天视觉智能十一篇代表性成果

深圳新房维权潮:背后的真相

深圳高考英语:高分必做的事(适合长期主义)

最新文章

热门文章

随机文章