論文の概要: Feature matching for multi-epoch historical aerial images

• arxiv url: http://arxiv.org/abs/2112.04255v1
• Date: Wed, 8 Dec 2021 12:28:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-09 19:38:37.598277
• Title: Feature matching for multi-epoch historical aerial images
• Title（参考訳）: 多時代歴史的空中画像の特徴マッチング
• Authors: Lulin Zhang, Ewelina Rupnik, Marc Pierrot-Deseilligny
• Abstract要約: 本研究では,異なるタイミングで撮影された歴史的画像の特徴対応を検出するための完全自動アプローチを提案する。 現状と比較すると,画像のジオレファレンス精度は2。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Historical imagery is characterized by high spatial resolution and stereo-scopic acquisitions, providing a valuable resource for recovering 3D land-cover information. Accurate geo-referencing of diachronic historical images by means of self-calibration remains a bottleneck because of the difficulty to find sufficient amount of feature correspondences under evolving landscapes. In this research, we present a fully automatic approach to detecting feature correspondences between historical images taken at different times (i.e., inter-epoch), without auxiliary data required. Based on relative orientations computed within the same epoch (i.e., intra-epoch), we obtain DSMs (Digital Surface Model) and incorporate them in a rough-to-precise matching. The method consists of: (1) an inter-epoch DSMs matching to roughly co-register the orientations and DSMs (i.e, the 3D Helmert transformation), followed by (2) a precise inter-epoch feature matching using the original RGB images. The innate ambiguity of the latter is largely alleviated by narrowing down the search space using the co-registered data. With the inter-epoch features, we refine the image orientations and quantitatively evaluate the results (1) with DoD (Difference of DSMs), (2) with ground check points, and (3) by quantifying ground displacement due to an earthquake. We demonstrate that our method: (1) can automatically georeference diachronic historical images; (2) can effectively mitigate systematic errors induced by poorly estimated camera parameters; (3) is robust to drastic scene changes. Compared to the state-of-the-art, our method improves the image georeferencing accuracy by a factor of 2. The proposed methods are implemented in MicMac, a free, open-source photogrammetric software.
• Abstract（参考訳）: 歴史的画像は高空間分解能と立体視的取得によって特徴付けられ、3Dランドカバー情報を復元するための貴重な資源を提供する。 進化する景観下での十分な特徴対応を見つけることが困難であるため、自己校正によるダイアクロニックな歴史的画像の正確な地理参照はボトルネックとなっている。 本研究では,異なる時刻(すなわち時代間)に撮影された歴史的画像の特徴対応を補助的データなしで検出するための完全自動手法を提案する。 同じエポック内(すなわち、エポック内)で計算された相対配向に基づいて、DSM(Digital Surface Model)を取得し、それらを粗と精度のマッチングに組み込む。 本手法は,(1)方向とDSM(すなわち3次元ヘルマート変換)を大まかに共登録するために適合するエポック間DSMと,(2)元のRGB画像を用いたエポック間特徴マッチングとからなる。 後者の生来の曖昧さは、共登録データを用いて検索空間を狭くすることで軽減される。 本研究では,地震による地盤変位を定量化し,ddo(dsmの相違),地盤チェックポイント,および(3)地盤変位の定量化により,画像の向きを洗練し,その結果を定量的に評価した。 本手法は,(1)ダイアクロニックな歴史的画像を自動的にジオリファレンスし,(2)不測のカメラパラメータによって引き起こされる系統的誤りを効果的に軽減し,(3)劇的なシーン変化にロバストであることを示す。 本手法は最先端技術と比較し,画像測位精度を2。 提案手法は,オープンソースのフォトグラムソフトウェアであるmicmacで実装されている。

関連論文リスト

• Hierarchical Temporal Context Learning for Camera-based Semantic Scene Completion [57.232688209606515]
  カメラによるセマンティックシーンの補完を改善するための,新たな時間的文脈学習パラダイムであるHTCLを提案する。 提案手法は,Semantic KITTIベンチマークで1st$をランク付けし,mIoUの点でLiDARベースの手法を超えている。
  論文  参考訳（メタデータ） (2024-07-02T09:11:17Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• LFM-3D: Learnable Feature Matching Across Wide Baselines Using 3D Signals [9.201550006194994]
  学習可能なマーカは、画像ペア間のコビジュアビリティの小さな領域だけが存在する場合、しばしば性能が低下する。 グラフニューラルネットワークに基づくモデルを用いた学習可能な特徴マッチングフレームワーク LFM-3D を提案する。 その結果,画像対の相対的ポーズ精度が向上し,画像対の相対的ポーズ精度が向上することがわかった。
  論文  参考訳（メタデータ） (2023-03-22T17:46:27Z)
• Improving Feature-based Visual Localization by Geometry-Aided Matching [21.1967752160412]
  外観情報と幾何学的文脈の両方を用いて2D-3D特徴マッチングを改善する新しい2D-3Dマッチング手法であるGeometry-Aided Matching (GAM)を導入する。 GAMは高精度を維持しながら2D-3Dマッチのリコールを大幅に強化することができる。 提案手法は,複数の視覚的ローカライゼーションデータセットの最先端結果を実現する。
  論文  参考訳（メタデータ） (2022-11-16T07:02:12Z)
• Unsupervised Foggy Scene Understanding via Self Spatial-Temporal Label Diffusion [51.11295961195151]
  運転シーンの霧画像列の特徴を利用して、自信ある擬似ラベルを密度化する。 局所的な空間的類似性と逐次画像データの隣接時間対応の2つの発見に基づいて,新たなターゲット・ドメイン駆動擬似ラベル拡散方式を提案する。 本手法は,2つの天然霧のデータセット上で51.92%,53.84%の平均交叉結合(mIoU)を達成するのに有効である。
  論文  参考訳（メタデータ） (2022-06-10T05:16:50Z)
• AI-supported Framework of Semi-Automatic Monoplotting for Monocular Oblique Visual Data Analysis [0.0]
  画像間のピクセルレベルの対応とDEM(Digital Elevation Model)を提案する。 画像とDEMのキーポイント検出、ジオレコレーションされた3次元DEMの検索、正規化ポーズ推定、勾配に基づく最適化、画像ピクセルと実世界の座標の識別を含む分析パイプラインを開発した。
  論文  参考訳（メタデータ） (2021-11-28T02:03:43Z)
• Soft Expectation and Deep Maximization for Image Feature Detection [68.8204255655161]
  質問をひっくり返し、まず繰り返し可能な3Dポイントを探し、次に検出器を訓練して画像空間にローカライズする、反復的半教師付き学習プロセスSEDMを提案する。 以上の結果から,sdmを用いてトレーニングした新しいモデルでは,シーン内の下位3dポイントのローカライズが容易になった。
  論文  参考訳（メタデータ） (2021-04-21T00:35:32Z)
• Lidar-Monocular Surface Reconstruction Using Line Segments [5.542669744873386]
  LIDARスキャンと画像データの両方で検出される一般的な幾何学的特徴を利用して、2つのセンサからのデータを高レベル空間で処理することを提案する。 提案手法は, 高精度な地中真理推定を必要とせず, 最先端のLIDARサーベイに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-04-06T19:49:53Z)
• Refer-it-in-RGBD: A Bottom-up Approach for 3D Visual Grounding in RGBD Images [69.5662419067878]
  RGBD画像における接地参照表現は新たな分野である。 本稿では,参照する物体が閉塞により部分的にスキャンされる場合が多い単視点rgbd画像における3次元視覚グランド化の新たな課題を提案する。 提案手法はまず,RGBD画像内の関連領域をローカライズするヒートマップを生成するために,下層の言語と視覚的特徴を融合させる。 次に、ヒートマップに基づく適応的特徴学習を行い、他のビジオ言語融合とオブジェクトレベルのマッチングを行い、最後に参照したオブジェクトを接地する。
  論文  参考訳（メタデータ） (2021-03-14T11:18:50Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)

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。