Comparative evaluation of photogrammetric reconstruction methods and 3D Gaussian Splatting for road surface roughness analysis

📄 arXiv: 2605.29452v1 📥 PDF

作者: Marouane Elmegdar, Teng Xiao

分类: cs.CV

发布日期: 2026-05-28

备注: accepted by RSMIP 2026

💡 一句话要点

比较四种三维重建方法以评估路面粗糙度

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)

关键词: 三维重建 路面评估 图像处理 开源技术 粗糙度分析

📋 核心要点

  1. 现有的路面评估方法多依赖于昂贵的传感器，成本高且不易普及。
  2. 本研究提出比较四种图像基础的三维重建方法，以评估其在路面粗糙度分析中的有效性。
  3. 实验结果显示，COLMAP在微观纹理敏感性方面表现最佳，Meshroom则提供了平衡的重建效果。

📝 摘要（中文）

基于图像的三维重建为路面评估提供了一种低成本的替代传统传感器技术的方法。本研究比较了四种重建流程——COLMAP、Meshroom、Metashape和3D Gaussian Splatting（3DGS），评估它们从智能手机图像中估算路面粗糙度的能力。所有点云在CloudCompare中使用一致的工作流程进行处理，包括方向对齐、分割、法线估计和在0.2、0.4和0.6模型单位的邻域半径下计算粗糙度。结果表明，COLMAP对微观纹理的敏感性最高，而Meshroom则在粗糙度变化上表现出平衡的重建。Metashape由于其内部过滤产生了最平滑的几何形状，而3DGS捕捉到可见的不规则性，但噪声较高且密度较低。比较结果表明，开源流程在相对粗糙度评估中是可行的，为低成本的路面监测提供了实用的方法。

🔬 方法详解

问题定义：本研究旨在解决传统路面评估方法成本高、技术门槛高的问题，探索低成本的图像基础三维重建方法在路面粗糙度分析中的应用。

核心思路：通过比较COLMAP、Meshroom、Metashape和3D Gaussian Splatting四种重建方法，评估其从智能手机图像中提取路面粗糙度的能力，寻找最佳的开源解决方案。

技术框架：研究采用了一致的工作流程，包括方向对齐、点云分割、法线估计和粗糙度计算，确保各方法在相同条件下进行比较。

关键创新：本研究的创新在于系统性地比较了多种开源三维重建方法在路面粗糙度评估中的表现，填补了相关领域的研究空白。

关键设计：在实验中，粗糙度计算采用了不同的邻域半径（0.2、0.4和0.6模型单位），并在CloudCompare中进行处理，以确保结果的可靠性和一致性。

📊 实验亮点

实验结果显示，COLMAP在微观纹理的敏感性上表现最佳，Meshroom在粗糙度变化上提供了平衡的重建，而Metashape则生成了最平滑的几何形状。3DGS虽然捕捉到可见的不规则性，但噪声较高且密度较低，显示出不同方法在性能上的显著差异。

🎯 应用场景

该研究的潜在应用领域包括城市基础设施监测、道路维护和交通安全评估。通过提供低成本的路面监测方案，可以帮助相关部门更有效地管理和维护道路，提高公共安全和出行体验。

📄 摘要（原文）

Image-based 3D reconstruction offers a low-cost alternative to traditional sensor-based techniques for road surface assessment. This study compares four reconstruction pipelines--COLMAP, Meshroom, Metashape, and 3D Gaussian Splatting (3DGS)--to evaluate their ability to estimate road surface roughness from smartphone imagery. All point clouds were processed in CloudCompare using a consistent workflow involving orientation alignment, segmentation, normal estimation, and roughness computation at neighborhood radiuses of 0.2, 0.4, and 0.6 model units. The results show that COLMAP provides the highest sensitivity to micro-texture, while Meshroom yields balanced reconstructions with moderate roughness variation. Metashape produces the smoothest geometry due to its internal filtering, and 3DGS captures visible irregularities but exhibits higher noise and lower density. The comparison demonstrates that open-source pipelines are viable for relative roughness evaluation, offering a practical approach for low-cost pavement monitoring.