ZeD-MAP：基于束调整引导的零样本深度图实时航空成像技术

ZeD-MAP: Bundle Adjustment Guided Zero-Shot Depth Maps for Real-Time Aerial Imaging

从超高分辨率无人机影像进行实时深度重建对于灾害响应等时效性强的地理空间任务至关重要，但由于宽基线视差、大尺寸图像、低纹理或镜面表面、遮挡以及严格的计算限制，这一任务仍具挑战性。近期出现的零样本扩散模型无需针对特定任务进行重新训练即可实现快速单帧密集预测，与基于Transformer的预测器相比所需标注数据集更少，同时避免了传统多视角立体视觉对拍摄几何结构的严苛要求。然而，其概率性推断机制难以保证序列帧与重叠图块间的可靠度量精度与时间一致性。本文提出ZeD-MAP框架，通过集成增量式集群束调整技术，将测试阶段的扩散深度模型转化为具有度量一致性的类SLAM建图流程。该框架将连续输入的无人机帧分组为重叠集群；周期性束调整生成度量一致的位姿与稀疏三维连接点，这些数据被重投影至选定帧中，作为扩散深度估计的度量引导。通过在约50米飞行高度（地面采样距离约0.85厘米/像素，单帧覆盖地面约2650平方米）使用DLR模块化航空相机系统采集的地面标记航拍数据进行验证，本方法实现了亚米级精度——水平面（XY）误差约0.87米，垂直方向（Z）误差约0.12米，同时保持单帧处理时间在1.47至4.91秒之间。结果受人工点云标注产生的轻微噪声影响。研究表明，基于束调整的度量引导在显著加速处理速度、实现实时三维地图生成的同时，能够提供与传统摄影测量方法相当的几何一致性。