論文の概要: Positional Accuracy Assessment of Historical Google Earth Imagery
- arxiv url: http://arxiv.org/abs/2205.01969v2
- Date: Sun, 24 Jul 2022 16:40:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 16:41:10.134167
- Title: Positional Accuracy Assessment of Historical Google Earth Imagery
- Title（参考訳）: 歴史的Google Earth画像の位置精度評価
- Authors: Peter C. Nwilo., Chukwuma J. Okolie, Johanson C. Onyegbula, Ikenna D.
Arungwa, Owolabi Q. Ayoade, Olagoke E. Daramola, Michael J. Orji, Ikechukwu
D. Maduako and Imeime I. Uyo
- Abstract要約: 今日、Google Earthは最も人気のあるバーチャルワールドだ。その人気と有用性を考えると、ほとんどのユーザーは画像の位置精度に注意を払っていない。
本研究は,2000年から2018年にかけての4つの時代における歴史的GE画像の水平精度と,ナイジェリアのラゴス州における標高データの垂直精度を評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Google Earth is the most popular virtual globe in use today. Given its
popularity and usefulness, most users do not pay close attention to the
positional accuracy of the imagery, and there is limited information on the
subject. This study evaluates the horizontal accuracy of historical GE imagery
at four epochs between year 2000 and 2018, and the vertical accuracy of its
elevation data within Lagos State in Nigeria, West Africa. The horizontal
accuracies of the images were evaluated by comparison with a very high
resolution (VHR) digital orthophoto while the vertical accuracy was assessed by
comparison with a network of 558 ground control points. The GE elevations were
also compared to elevation data from two readily available 30m digital
elevation models (DEMs), the Shuttle Radar Topography Mission (SRTM) v3.0 and
the Advanced Land Observing Satellite World 3D (AW3D) DEM v2.1. The most recent
GE imagery (year 2018) was the most accurate while year 2000 was the least
accurate. This shows a continuous enhancement in the accuracy and reliability
of satellite imagery data sources which form the source of Google Earth data.
In terms of the vertical accuracy, GE elevation data had the highest RMSE of
6.213m followed by AW3D with an RMSE of 4.388m and SRTM with an RMSE of 3.682m.
Although the vertical accuracy of SRTM and AW3D are superior, Google Earth
still presents clear advantages in terms of its ease of use and contextual
awareness.
- Abstract（参考訳）: Google Earthは、現在最も人気のあるバーチャルワールドだ。
その人気と有用性を考えると、ほとんどのユーザーは画像の位置精度に細心の注意を払っておらず、対象に関する情報は限られている。
本研究は,2000年から2018年にかけての4つの時代における歴史的GE画像の水平精度と,ナイジェリアのラゴス州における標高データの垂直精度を評価する。
超高分解能デジタルオルソ写真(vhr)と比較し, 垂直方向の精度を558個の地上制御点のネットワークと比較して評価した。
GEの標高は、利用可能な30mのデジタル高度モデル(DEM)、シャトルレーダー地形ミッション(SRTM) v3.0、高度観測衛星ワールド3D(AW3D) DEM v2.1の高度データと比較された。
最新のge画像(2018年)は最も正確であり、2000年は最も正確であった。
これは、Google Earthデータソースを形成する衛星画像データソースの精度と信頼性の継続的な向上を示している。
縦方向の精度では、GEの高度データが最も高いRMSEは6.213m、AW3Dは4.388m、SRTMは3.682mであった。
SRTMとAW3Dの垂直精度は優れているが、Google Earthは使いやすさとコンテキスト認識という点で明確な優位性を示している。
関連論文リスト
- PEnG: Pose-Enhanced Geo-Localisation [15.324623975476348]
衛星画像の密集が重なり合うため、横方向の地理的局所化は通常粗い粒度で行われる。
都市規模のグラフ表現から最も可能性の高いエッジを予測する2段階システムであるPEnGを開発した。
次に、これらのエッジ内で相対的なポーズ推定を行い、正確な位置を決定する。
論文 参考訳（メタデータ） (2024-11-24T07:42:50Z) - Game4Loc: A UAV Geo-Localization Benchmark from Game Data [0.0]
クロスビューペアデータの部分的マッチングを含む,より実用的なUAV測位タスクを提案する。
実験により,UAV測地のためのデータとトレーニング手法の有効性が示された。
論文 参考訳（メタデータ） (2024-09-25T13:33:28Z) - Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve
Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。
MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。
これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文 参考訳（メタデータ） (2023-12-07T18:59:14Z) - Boosting 3-DoF Ground-to-Satellite Camera Localization Accuracy via
Geometry-Guided Cross-View Transformer [66.82008165644892]
地上レベルの画像と一致/検索衛星画像との相対的な回転と変換を推定することにより、地上カメラの位置と方向の精度を向上させる手法を提案する。
実験の結果,本手法は最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2023-07-16T11:52:27Z) - Energy-Based Models for Cross-Modal Localization using Convolutional
Transformers [52.27061799824835]
GPSのない衛星画像に対して、距離センサを搭載した地上車両を位置決めする新しい枠組みを提案する。
本稿では, 畳み込み変換器を用いて, 高精度な計量レベルの局所化を行う手法を提案する。
我々は、エンドツーエンドでモデルをトレーニングし、KITTI、Pandaset、カスタムデータセットの最先端技術よりも高い精度でアプローチを実証する。
論文 参考訳（メタデータ） (2023-06-06T21:27:08Z) - WEDGE: A multi-weather autonomous driving dataset built from generative
vision-language models [51.61662672912017]
本稿では,視覚言語生成モデルを用いて生成した合成データセットWEDGEを紹介する。
WEDGEは16の極度の気象条件で3360枚の画像で構成され、16513個の境界ボックスを手動で注釈付けしている。
53.87%の検定精度と45.41mAPで分類・検出のためのベースライン性能を確立した。
論文 参考訳（メタデータ） (2023-05-12T14:42:47Z) - Vision Transformers, a new approach for high-resolution and large-scale
mapping of canopy heights [50.52704854147297]
分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。
このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
論文 参考訳（メタデータ） (2023-04-22T22:39:03Z) - A Large Scale Homography Benchmark [52.55694707744518]
1DSfMデータセットから10万枚の画像から約1000個の平面が観測された3D, Pi3Dの平面の大規模データセットを示す。
また,Pi3Dを利用した大規模ホモグラフィ推定ベンチマークであるHEBを提案する。
論文 参考訳（メタデータ） (2023-02-20T14:18:09Z) - Uncertainty-aware Vision-based Metric Cross-view Geolocalization [25.87104194833264]
地上画像と空中画像を用いて車両のポーズの確率分布を予測するエンド・ツー・エンドの微分モデルを提案する。
テストエリアからの地上データや空中データなしでも、最先端の技術を大きなマージンで改善する。
論文 参考訳（メタデータ） (2022-11-22T10:23:20Z) - Manipulating UAV Imagery for Satellite Model Training, Calibration and
Testing [4.514832807541816]
現代の家畜の農業はますますデータ駆動化が進み、広範囲のデータを収集するために効率的なリモートセンシングに依存している。
衛星画像はそのようなデータソースの1つであり、カバー範囲が増加しコストが低下するにつれて、農家にとってアクセスしやすくなっている。
本稿では,衛星データの品質に合わせた高分解能UAV画像の多時間データセットを提案する。
論文 参考訳（メタデータ） (2022-03-22T03:57:02Z)
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。