論文の概要: SimTreeLS: Simulating aerial and terrestrial laser scans of trees
- arxiv url: http://arxiv.org/abs/2011.11954v1
- Date: Tue, 24 Nov 2020 08:25:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-21 13:54:38.688664
- Title: SimTreeLS: Simulating aerial and terrestrial laser scans of trees
- Title（参考訳）: SimTreeLS: 樹木の空中および地上レーザースキャンのシミュレーション
- Authors: Fredrik Westling, Mitch Bryson, James Underwood
- Abstract要約: 我々は,ユーザ定義センサ,軌道,木の形状,レイアウトパラメータによる走査をシミュレートする点雲を生成するオープンソースツールSimTreeLSを提案する。
材料分類はポイントワイズに維持されているため、葉や木質の物質は完全に知られている。
SimTreeLSは、公開ライブラリ上に構築されたオープンソースリソースとして利用できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There are numerous emerging applications for digitizing trees using
terrestrial and aerial laser scanning, particularly in the fields of
agriculture and forestry. Interpretation of LiDAR point clouds is increasingly
relying on data-driven methods (such as supervised machine learning) that rely
on large quantities of hand-labelled data. As this data is potentially
expensive to capture, and difficult to clearly visualise and label manually, a
means of supplementing real LiDAR scans with simulated data is becoming a
necessary step in realising the potential of these methods. We present an open
source tool, SimTreeLS (Simulated Tree Laser Scans), for generating point
clouds which simulate scanning with user-defined sensor, trajectory, tree shape
and layout parameters. Upon simulation, material classification is kept in a
pointwise fashion so leaf and woody matter are perfectly known, and unique
identifiers separate individual trees, foregoing post-simulation labelling.
This allows for an endless supply of procedurally generated data with similar
characteristics to real LiDAR captures, which can then be used for development
of data processing techniques or training of machine learning algorithms. To
validate our method, we compare the characteristics of a simulated scan with a
real scan using similar trees and the same sensor and trajectory parameters.
Results suggest the simulated data is significantly more similar to real data
than a sample-based control. We also demonstrate application of SimTreeLS on
contexts beyond the real data available, simulating scans of new tree shapes,
new trajectories and new layouts, with results presenting well. SimTreeLS is
available as an open source resource built on publicly available libraries.
- Abstract（参考訳）: 地上および空中レーザースキャンによる樹木のデジタル化には,特に農業や林業の分野において,多くの応用がなされている。
LiDARポイントクラウドの解釈は、大量のハンドラベリングデータに依存するデータ駆動手法(教師付き機械学習など)にますます依存している。
このデータはキャプチャが高価で、手動で視覚化やラベル付けが難しいため、シミュレーションデータで実際のLiDARスキャンを補完する手段が、これらの手法の可能性を実現するための必要なステップになりつつある。
我々は,ユーザ定義センサ,軌道,木形状,レイアウトパラメータを用いて走査をシミュレートする点雲を生成するオープンソースツールSimTreeLS(Simulated Tree Laser Scans)を提案する。
シミュレーションでは、材料分類は点的に保たれ、葉や木質は完全に知られ、独特な識別子は個々の木を分離し、シミュレーション後のラベル付けを行う。
これにより、実際のlidarキャプチャと同様の特性を持つ手続き的に生成されたデータを無限に供給することができ、データ処理技術の開発や機械学習アルゴリズムのトレーニングに使用できる。
本手法の有効性を検証するため,模擬走査と実走査の特性を類似木と同一のセンサと軌道パラメータを用いて比較した。
その結果、シミュレーションデータはサンプルベース制御よりも実データに近いことが示唆された。
また、SimTreeLSを実データ以外のコンテキストに適用し、新しい木の形状、新しい軌跡、新しいレイアウトのスキャンをシミュレートし、その結果をよく示す。
SimTreeLSは、公開ライブラリ上に構築されたオープンソースリソースとして利用できる。
関連論文リスト
- BranchPoseNet: Characterizing tree branching with a deep learning-based pose estimation approach [0.0]
本稿では、ポーズ推定深層学習モデルを用いて、近位レーザー走査データ中の木の輪郭を自動的に検出するパイプラインを提案する。
正確な輪郭検出は、木の成長パターン、木質に関する貴重な洞察を与え、林業価値連鎖全体にわたって木を追跡するバイオメトリックマーカーとして使われる可能性がある。
論文 参考訳（メタデータ） (2024-09-23T07:10:11Z) - Training point-based deep learning networks for forest segmentation with synthetic data [0.0]
我々は,人工林のシーンを手続き的に生成する現実的なシミュレータを開発した。
森林分断のための最先端の深層学習ネットワークの比較研究を行った。
論文 参考訳（メタデータ） (2024-03-21T04:01:26Z) - Radio Map Estimation -- An Open Dataset with Directive Transmitter
Antennas and Initial Experiments [49.61405888107356]
実世界の現実的な都市地図とオープンなデータソースからの航空画像とともに、シミュレーションされた経路損失無線マップのデータセットをリリースする。
モデルアーキテクチャ,入力特徴設計,航空画像からの無線マップの推定に関する実験を行った。
論文 参考訳（メタデータ） (2024-01-12T14:56:45Z) - Exploring the Effectiveness of Dataset Synthesis: An application of
Apple Detection in Orchards [68.95806641664713]
本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。
我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。
その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
論文 参考訳（メタデータ） (2023-06-20T09:46:01Z) - Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep
Learning [77.34726150561087]
本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。
我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
論文 参考訳（メタデータ） (2022-09-28T18:51:59Z) - Learning to Simulate Realistic LiDARs [66.7519667383175]
リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。
本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。
我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
論文 参考訳（メタデータ） (2022-09-22T13:12:54Z) - TRoVE: Transforming Road Scene Datasets into Photorealistic Virtual
Environments [84.6017003787244]
本研究では、シミュレーションデータセットに存在する困難とドメインギャップに対処する合成データ生成パイプラインを提案する。
既存のデータセットからアノテーションや視覚的手がかりを利用すれば、自動マルチモーダルデータ生成が容易になることを示す。
論文 参考訳（メタデータ） (2022-08-16T20:46:08Z) - AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。
我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
論文 参考訳（メタデータ） (2022-01-31T20:02:22Z) - Fully Automated Photogrammetric Data Segmentation and Object Information
Extraction Approach for Creating Simulation Terrain [0.0]
本研究は,全自動写真計測データセグメンテーションとオブジェクト情報抽出フレームワークを開発することを目的とする。
トレーニングやシミュレーションのためのリアルな仮想環境を作成する際のデータのユースケースを考えると、データのセグメンテーションとオブジェクト情報の抽出が不可欠である。
論文 参考訳（メタデータ） (2020-08-09T09:32:09Z) - Automatic marker-free registration of tree point-cloud data based on
rotating projection [23.08199833637939]
本研究では,1本の木を複数スキャンした点クラウドデータの登録のための粗大な自動登録手法を提案する。
粗い登録では、各スキャンによって生成された点雲を球面に投影して一連の2次元画像を生成する。
対応する特徴点対は、これらの一連の2次元画像から抽出される。
微細な登録では、点雲データスライシングとフィッティング法を用いて、対応する中心茎と分岐中心を抽出する。
論文 参考訳（メタデータ） (2020-01-30T06:53:59Z) - SLOAM: Semantic Lidar Odometry and Mapping for Forest Inventory [9.927061361867237]
本稿では,木径推定のための終端パイプラインについて,セマンティックセグメンテーションとライダー・オドメトリーとマッピングを用いて述べる。
本稿では,ロボットのポーズを推定しながら,木モデルの改良を同時に行う意味的特徴に基づくポーズ最適化を提案する。
従来のライダーと画像に基づく手法は,無人航空機 (UAV) とハンドキャリーシステムの両方の森林環境において失敗することを示す。
論文 参考訳（メタデータ） (2019-12-29T20:38:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。