第三十九届全国空间探测学术研讨会

随着空间探测任务向自主化、智能化和精细化方向发展，探测目标的精细三维重建、材料特征识别及复杂环境感知已成为空间智能科学探测的重要研究方向。在深空探测、行星表面探测及空间目标观测等任务中，探测载荷获取的数据不仅需要反映目标的外部形态和空间结构，还需要提供表面材料组成、物理属性及光谱特征等信息，以满足目标识别、环境分析和科学数据解译等任务需求。因此，如何充分利用不同类型传感器获取的多模态观测信息，实现目标几何结构与材料属性的协同感知，是空间智能探测需要解决的重要问题。
多视角三维重建是获取目标空间结构的重要技术手段。传统运动恢复结构和多视图立体视觉方法通过建立不同视角图像之间的特征对应关系，实现相机位姿估计与三维结构恢复，为复杂场景的空间信息获取提供了基础。深度学习方法的发展进一步推动了视觉几何估计技术的进步，提高了多视角场景理解与几何恢复能力。在三维场景表示方面，神经辐射场通过连续场景建模实现三维重建与新视角合成，三维高斯泼溅则利用显式高斯基元实现高效的场景表示和实时渲染，为复杂场景重建提供了新的技术选择。在光谱信息获取方面，高光谱成像能够记录目标在多个连续波段上的光谱响应，相较于传统彩色成像具有更加丰富的光谱信息，在材料识别、矿物分析、地表特征提取及目标属性判别等方面具有重要价值。围绕高光谱数据的处理与应用，光谱解混、深度学习及三维神经渲染等技术也为材料光谱信息与空间结构的联合表达提供了研究基础。
尽管上述技术已取得较多进展，但三维场景重建与高光谱信息分析仍存在一定的衔接问题。一方面，现有三维重建方法主要依赖彩色图像获取几何和外观信息，受成像通道限制，对材料光谱差异的表达能力不足；另一方面，高光谱相关研究较多集中于图像级光谱分析和材料识别，二维光谱信息与三维场景结构之间尚未形成充分有效的关联。此外，不同视角下的观测差异以及多模态数据之间的特征不一致，也会给几何重建和材料属性融合带来挑战。因此，如何在保持三维几何结构稳定的基础上，充分利用高光谱信息增强场景的材料属性表达，是多模态三维重建值得深入研究的方向。
针对上述问题，本文开展高光谱信息引导的三维场景重建与材料属性表达研究，提出一种彩色图像与高光谱图像协同驱动的几何保持三维场景表示方法。该方法以多视角彩色图像提供的几何信息为基础，引入高光谱观测所包含的材料组成及光谱特征，建立多模态观测信息与三维场景几何及材料属性之间的关联，并在保持场景几何结构稳定的基础上，对场景外观及材料相关属性进行细化，以增强三维场景对目标几何结构和材料光谱特征的综合表达能力。实验基于包含35个观测视角和31个光谱波段的汽车场景数据集开展，采用30个训练视角和5个评估视角，并通过图像重建质量和光谱恢复质量相关指标进行评价。相关研究可为空间探测中的多源观测数据融合、探测目标三维结构恢复、材料光谱特征分析及复杂场景精细化理解提供技术参考。
 

高光谱成像；三维高斯泼溅；多视角重建