研究方案 · 尚未开展本页四组实验 2026-10-21

RGB＋点云＋屋面实例：
保住真实支撑，再补全缺失结构

值得继续。研究问题应从“删掉高点”收窄为：在树冠、邻楼、配准误差和稀疏回波共同存在时，能否减少污染，同时保住各片真实屋面的观测支撑？

两个模态负责不同证据

RGB提供可见的颜色、纹理与边界；点云提供高度、局部几何、回波和屋面平面支撑。聚类把点组织成候选结构，但cluster本身不是树木或屋面的标签。应学习目标屋面、邻楼屋面、植被、其他与不确定类别，并学习屋面平面实例。

同一XY的树冠颜色不能否定下面的屋顶回波。图像可能只看见上层树冠，LiDAR却穿过空隙到达屋面。点与光学特征的关联需要考虑高度、可见性、回波信息及配准置信度。冲突时保留不确定支撑，比整列硬删除更值得检验；这仍是待验证假设。

先做四组，隔离融合与约束的效果

额外保留“全部原始点”和“本轮冻结的point-only模型”作参考。四组先只保留/删除原始点；使用相同点池、原始索引、足迹、ground、分组、标签量、更新预算、seed和几何重建器。光学预训练、额外参数与算力单列。预测平面也可能来自树冠，不能称约束保证了真实屋面保留。

先验证清理，再验证补全

1. 真实标签：生产分类和3DBAG可作弱标签预训练。独立测试需人工复核点语义及屋面实例，区分目标屋面、邻楼、植被和不确定点；补全精度另需同期独立屋面几何。
2. 空间隔离：按完整城市、邻接组与重叠缓冲划分，图像patch和回波跟随同组。当前20栋及已看案例只作开发；阈值只由校准集选择。
3. 主要评价：在匹配真实屋面保留率下比较植被拒绝率、逐平面召回与固定native重建损失，同时报告每栋损伤、缺覆盖和失败。不能靠几乎全部保留取得表面胜利。
4. 补全独立比较：清理验证后，四组接同一个固定补全器，并比较无补全、简单插值与RoofDiffusion等。分别评价观测区与缺失区；生成点不能标成原始观测。

完全遮挡且没有足够几何支撑时，屋顶真形状可能不能唯一确定。模型可以提出候选及不确定性，不能把看起来完整当作恢复了真值。只有RGB时不能计算标准NDVI；要使用NIR，必须核实具体NAIP产品的实际波段。

相关研究与创新边界

“光学＋点云去树”“聚类屋面”和“补全受损屋顶”都已有研究。可检验的贡献是：针对真实NAIP＋3DEP条件，设计可见性/可靠性驱动的屋面支撑融合，并在独立真实城市证明它比单模态和普通融合更少损伤屋面、改善下游LoD2。这是候选创新，不是已完成结论。