Marker-Based 3D Reconstruction of Aggregates with a Comparative Analysis of 2D and 3D Morphologies¶

会议: CVPR 2026
arXiv: 2603.12667
作者: Haohang Huang, Jiayi Luo, Issam Qamhia, Erol Tutumluer, John M. Hart, Andrew J. Stolba 领域: medical_imaging
关键词: 3D reconstruction, photogrammetry, aggregate morphology, point cloud, marker-based, 2D-3D comparison

一句话总结¶

提出一种基于标记物（marker）的低成本摄影测量方法，实现骨料（aggregate）颗粒的高质量三维重建，并通过 2D 与 3D 形态学指标的系统对比分析，揭示了仅依赖 2D 图像进行骨料形态评估的显著局限性。

研究背景与动机¶

骨料是建筑与交通基础设施中的核心骨架材料，广泛应用于路面基层、铁路道砟、水泥混凝土、沥青混凝土及护岸块石等场景。骨料颗粒的尺寸与形态（morphology）信息对质量保证/质量控制（QA/QC）至关重要，因为形态直接影响骨料在组合与堆积过程中的力学行为。

现有方法的局限¶

2D 图像方法：如 AIMS（Aggregate Imaging System）、E-UIAIA 等，仅分析颗粒轮廓（silhouette），将三维形态简化为二维投影，丢失大量空间信息。扁平度（Flatness）、椭球体特征等三维属性无法从单张投影精确获取
3D 扫描方法：3D 激光扫描仪或 X 射线 CT（Computed Tomography）设备虽可提供完整三维信息，但设备昂贵（数十万美元级）、操作复杂、不适合现场部署
核心矛盾：工业界需要低成本、易部署、能提供完整 3D 形态信息的解决方案，而现有方法要么精度不足（2D），要么成本过高（3D 扫描）

研究动机¶

利用摄影测量（photogrammetry）技术——仅需普通相机从多角度拍摄即可重建 3D 模型——结合标记物设计，解决背景抑制、点云拼接和尺度标定三大关键问题，实现低成本高质量的骨料 3D 重建，并定量揭示 2D 与 3D 形态学差异。

方法详解¶

整体流程¶

提出的方法包含四个核心阶段：图像采集 → 标记物辅助处理 → 三维重建 → 形态学分析。

1. 标记物设计（Marker-Based Design）¶

标记物系统承担三重功能： - 背景抑制：通过在已知图案的标记板上放置骨料，利用标记物自动分割前景骨料与背景，避免背景纹理干扰重建质量 - 点云拼接：多视角拍摄产生多组局部点云，标记物提供稳定的特征点用于不同视角点云的精确配准与拼接 - 尺度标定：标记物之间的已知物理距离提供绝对尺度参考，将无量纲的重建结果转化为真实物理尺寸

2. 多视角图像采集与 SfM 重建¶

使用普通数码相机围绕骨料样本从多个角度拍摄
基于 Structure-from-Motion（SfM）算法从多视角图像中恢复相机位姿并生成稀疏点云
进一步通过 Multi-View Stereo（MVS）算法加密为密集点云
标记物辅助的背景掩模确保仅保留骨料区域的点

3. 点云后处理与网格生成¶

利用标记物进行多组点云的刚体变换配准
去除噪声点与离群点
通过泊松表面重建或类似算法从密集点云生成封闭三角网格
尺度标定：根据标记物间距将模型缩放至真实尺寸

4. 形态学指标提取¶

从重建的 3D 模型中提取完整的三维形态学指标： - 尺寸参数：最长轴 \(L\)、中间轴 \(I\)、最短轴 \(S\) - 扁平度与伸长度：\(\text{Flatness} = S/I\)，\(\text{Elongation} = I/L\) - 球度（Sphericity）：\(\psi = \frac{\pi^{1/3}(6V)^{2/3}}{A}\)，其中 \(V\) 为体积，\(A\) 为表面积 - 棱角性（Angularity）：基于 3D 曲率分布量化颗粒边缘的尖锐程度 - 表面纹理（Surface Texture）：通过表面粗糙度指标量化

同时从 2D 投影中提取对应的二维指标用于对比分析。

实验关键数据¶

重建精度验证¶

选取多种类型的骨料样本，将重建结果与真值（ground-truth，通过精密卡尺测量或 CT 扫描获得）对比验证。

验证指标	重建值 vs 真值误差	说明
尺寸精度（长/宽/高）	< 2% 相对误差	标记物尺度标定带来高精度
体积精度	< 5% 相对误差	封闭网格体积与 CT 体积一致性好
表面积精度	< 5% 相对误差	密集点云确保表面细节捕捉
球度一致性	高度相关（\(r > 0.95\)）	3D 形状描述子重建可靠

2D 与 3D 形态学对比¶

对同一组骨料样本，分别计算 2D 投影形态学指标与 3D 重建形态学指标，进行统计对比。

形态学指标	2D 统计值	3D 统计值	差异显著性
扁平度 (Flatness)	偏高估计	真实值	显著 (\(p < 0.05\))
伸长度 (Elongation)	存在系统偏差	真实值	显著
球度 (Sphericity)	2D 近似最高偏离 ~15-20%	精确计算	显著
棱角性 (Angularity)	投影方向依赖大	方向无关	显著
表面纹理 (ST)	无法准确获取	可完整量化	—

关键发现：2D 投影方法在所有形态学指标上均与 3D 真实值存在统计显著差异。特别是球度和扁平度的 2D 估计误差最大，因为这些指标本质上依赖三维空间信息。2D 方法对棱角性的估计高度依赖投影方向，同一颗粒不同投影角度可导致 30% 以上的棱角性变化。

亮点与洞察¶

低成本 3D 解决方案：仅需普通数码相机 + 标记板，成本远低于 3D 激光扫描仪（数万美元）或 CT 设备（数十万美元），使 3D 形态分析可在采石场和施工现场普及
标记物三合一设计：一套标记物同时解决背景分割、点云配准、尺度标定三个问题，设计简洁高效
2D vs 3D 的定量证据：首次在骨料领域系统定量证明 2D 形态学指标与 3D 真实值之间的统计显著差异，为行业标准从 2D 向 3D 转型提供数据支撑
工程实用性强：直接面向 QA/QC 流程，可用于骨料检验、数据采集和形态学分析，具有明确的工程应用价值

局限性¶

自动化程度有限：当前方法仍需人工摆放标记物和手动拍摄多视角图像，未实现全自动流水线
处理通量较低：每个骨料样本需要多角度拍摄和重建，处理速度远慢于 2D 图像扫描方法，不适合大批量在线检测
遮挡与凹陷区域：摄影测量方法对深度凹陷或自遮挡严重的区域重建质量下降，可能遗漏部分表面细节
环境依赖：现场光照条件不稳定可能影响特征匹配和重建质量
缺少深度学习集成：方法完全基于传统几何方法，未探索结合深度学习（如 NeRF、3D Gaussian Splatting）可能带来的精度和效率提升
样本规模有限：验证实验选取的骨料样本数量有限，大规模统计结论的代表性有待加强

评分¶

新颖性: ⭐⭐⭐ — 标记物辅助的摄影测量非全新思路，但在骨料领域的系统应用和三合一标记物设计有方法论贡献
实验充分度: ⭐⭐⭐ — 有精度验证和 2D-3D 对比，但样本规模有限，缺少与其他 3D 方法的直接对比
写作质量: ⭐⭐⭐⭐ — 结构清晰，问题动机表述明确，工程应用价值阐述充分
价值: ⭐⭐⭐ — 对骨料工程领域有实际应用价值，但对 CV 社区的方法论贡献相对有限