我院本科生团队在SCI期刊上发表大创项目研究成果

        近日，我院19级本科生何泳（第一作者）、廖文婷在SCI期刊《Remote Sensing》（中科院二区Top期刊，IF= 5.349）发表了题为“High-precision single building model reconstruction based on the registration between OSM and DSM from satellite stereos”的研究成果（图1），该成果依托中山大学2022年大学生创新创业训练计划项目，项目指导老师和论文通讯作者为黄旭副教授，研究生洪浩参与论文撰写指导。

图1 论文首页信息

        自2019年以来，我院以学生为中心，突出创新精神和实践能力培养，制定了具有特色的专业培养方案，建立了丰富多样的专业实践平台，高度重视学生综合素质的培养，鼓励学生积极参与开展大学生创新创业训练活动和学科专业竞赛，拓展视野，培养学生将专业知识运用于科研工作中的能力。我院在本科阶段就建立起导师制，将人才培养与科学研究紧密结合起来，改革人才培养模式，激发学生学习兴趣，培养学生成为富有创造力的卓越人才。

项目组研究内容和发表论文内容介绍

        对于大规模三维建筑模型重建，目前已有方法使用多视卫星影像生成数字表面模型DSM和建筑物掩膜，分别可以提供建筑物高度和边缘信息。但是，由于卫星影像分辨率和观测视角的限制，现有方法存在DSM边缘重建精度较低、建筑掩膜提取泛化性较低等问题，从而导致大范围模型重建精度较低。

        针对上述问题，本研究提出了一种自动单体建筑模型重建方法，其核心是实现DSM栅格数据和OpenStreetMap（OSM）矢量数据之间的高精度配准。由于OSM可以提供全球大部分城市里高精度且完整的建筑矢量，本研究使用OSM为单体模型提供边缘信息。为了实现OSM与DSM间的高精度配准，本研究提出了一种由粗到精的配准算法（流程图如图2），通过边缘梯度、内部高程均值与方差等约束构建全局能量函数，优化粗配准和精配准两个阶段。粗配准通过在固定步长下移动OSM矢量快速得到最优粗平移参数，为精配准提供可靠的初值。精配准是在粗配准的基础上，通过全局遗传算法求出最优平移和旋转参数，最终实现OSM和DSM之间的高精度配准。在北京/上海两个研究区上的实验显示，配准后的OSM的交并比（IoU）分别提高了69.8%/26.2%，F1-score提高了42.7%/15.8%，平移误差平均减小4.656 m/2.815 m，旋转误差减小0.538/0.228°。两个研究区的单体建筑模型如图3，展示了本研究在3D智能应用上的潜力。

图2 论文流程图

图3 北京（a）、上海（b）研究区单体建筑模型结果展示

心得体会

        回想过去参加大创项目的过程，从最初的课题思考到申请立项撰写项目申请书，到查阅相关文献确定研究目标和创新点，再到制定具体的实验方案、撰写论文，我们遇到了许多难题，也成长了许多。在学院的支持和导师的指导下，我们充分锻炼了动手实践能力，培养了科学思维和创新意识，学会了科研论文撰写的逻辑思路。在此期间，我们和导师之间保持了良好的沟通机制，经常就相关问题进行深入的探讨，我们也很感谢导师提供的建议和帮助。这是一次难得的经历，一次让我们得到锻炼和成长的经历。