論文の概要: A Fully Automated and Scalable Surface Water Mapping with Topographic
Airborne LiDAR Data
- arxiv url: http://arxiv.org/abs/2301.06567v1
- Date: Mon, 16 Jan 2023 19:04:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 15:32:04.802566
- Title: A Fully Automated and Scalable Surface Water Mapping with Topographic
Airborne LiDAR Data
- Title(参考訳): 地形型LiDARデータによる完全自動・スケーラブルな表面水マッピング
- Authors: Hunsoo Song, Jinha Jung
- Abstract要約: 本稿では, 様々な景観において, 表面水体を非常に微細なスケールまで正確に抽出する手法を提案する。
提案手法は、重力が常に液体分子を降ろすため、表面水は平らであるという頑健な仮定を利用する。
持続的でレジリエントな環境を構築する上で,私たちの作業がより効果的なソリューションに結びつくことを期待して,コードを一般向けに公開します。
- 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: Reliable and accurate high-resolution maps of surface waters are critical
inputs to models that help understand the impacts and relationships between the
environment and human activities. Advances in remote sensing technology have
opened up the possibility of mapping very small bodies of water that are
closely related to people's daily lives and are mostly affected by
anthropogenic pressures. However, a robust and scalable method that works well
for all types of water bodies located in diverse landscapes at high-resolution
has yet to be developed. This paper presents a method that can accurately
extract surface water bodies up to a very fine scale in a wide variety of
landscapes. Unlike optical image-based methods, the proposed method exploits
the robust assumption that surface water is flat as gravity always pulls liquid
molecules down. Based on this natural law, the proposed method extracts
accurate, high-resolution water bodies including their elevations in a fully
automated manner using only airborne LiDAR data. Extensive experiments with
large ($\approx$ 2,500$km^{2}$) and diverse landscapes (urban, coastal, and
mountainous areas) confirmed that our method can generate accurate results
without site-specific parameter tunings for varied types of surface water. The
proposed method enables an automated, scalable high-resolution mapping of a
full 3D topography that includes both water and terrain, using only point
clouds for the first time. We will release the code to the public in the hope
that our work would lead to more effective solutions to help build a
sustainable and resilient environment.
- Abstract(参考訳): 表面水の信頼性と正確な高解像度マップは、環境と人間の活動の間の影響と関係を理解するのに役立つモデルへの重要な入力である。
リモートセンシング技術の進歩は、人々の日常生活と密接な関係を持ち、主に人為的な圧力によって影響を受ける非常に小さな水域をマッピングする可能性を開く。
しかし、高分解能の多様な景観にあるあらゆる種類の水域でうまく機能する堅牢でスケーラブルな手法はまだ開発されていない。
本稿では, 様々な景観において, 表面水体を非常に微細なスケールまで正確に抽出する手法を提案する。
光学的イメージベース法とは異なり、提案手法は表面水が平らであり、重力は常に液体分子を降ろすという強固な仮定を生かしている。
この自然法則に基づいて, 空中LiDARデータのみを用いて, 高度を含む高精度で高分解能な水域を全自動で抽出する手法を提案する。
大規模 (2,500$km^{2}$) および多様な景観(都市, 沿岸, 山岳地域) による大規模な実験により, 各種表層水に対するサイト固有パラメータチューニングを伴わずに正確な結果が得られることを確認した。
提案手法は,水と地形の両方を含む全3次元地形を,初めて点雲のみを用いて,自動でスケーラブルな高分解能マッピングを可能にする。
持続的でレジリエントな環境を構築する上で,私たちの作業がより効果的なソリューションに結びつくことを期待して,コードを一般向けに公開します。
関連論文リスト
- Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity
Monocular Dense Mapping [51.739466714312805]
ニューラルラジアンス場(NeRF)に基づく新しいモノクリン高密度マッピング手法であるHi-Mapを導入する。
ハイマップは、RGB入力のみを用いた効率的かつ高忠実なマッピングを実現する能力において例外的である。
論文 参考訳(メタデータ) (2024-01-06T12:32:25Z) - NeuSD: Surface Completion with Multi-View Text-to-Image Diffusion [56.98287481620215]
本稿では,対象物の一部のみを捉えた複数の画像から3次元表面再構成を行う手法を提案する。
提案手法は, 表面の可視部分の再構成に神経放射場を用いた表面再構成法と, SDS (Score Distillation Sampling) 方式で事前学習した2次元拡散モデルを用いて, 可観測領域の形状を再現する手法である。
論文 参考訳(メタデータ) (2023-12-07T19:30:55Z) - PaintHuman: Towards High-fidelity Text-to-3D Human Texturing via
Denoised Score Distillation [89.09455618184239]
テキスト・ツー・3D世代における最近の進歩は画期的なものである。
そこで我々はPaintHumanというモデルを提案し,その課題を2つの側面から解決する。
奥行きマップを手引きとして,現実的なセマンティックなテクスチャの整合性を保証する。
論文 参考訳(メタデータ) (2023-10-14T00:37:16Z) - DeepAqua: Self-Supervised Semantic Segmentation of Wetland Surface Water
Extent with SAR Images using Knowledge Distillation [44.99833362998488]
トレーニングフェーズ中に手動アノテーションを不要にする自己教師型ディープラーニングモデルであるDeepAquaを提案する。
我々は、光とレーダーをベースとしたウォーターマスクが一致する場合を利用して、水面と植物の両方を検知する。
実験の結果,DeepAquaの精度は7%向上し,Intersection Over Unionが27%,F1が14%向上した。
論文 参考訳(メタデータ) (2023-05-02T18:06:21Z) - Generating an interactive online map of future sea level rise along the
North Shore of Vancouver: methods and insights on enabling geovisualisation
for coastal communities [0.0]
研究地域はカナダのブリティッシュコロンビア州バンクーバーのノースショアであった。
我々は,高解像度で垂直精度の1mのLiDARのオープンアクセスを探索した。
様々なSLRシナリオにおいて, 浸水帯を規定する水文接続型浴槽法モデルを用いて検討した。
ディープラーニングと3D可視化は、過去、現在、そして将来の土地利用/土地被覆と3Dをモデル化するために使用された。
論文 参考訳(メタデータ) (2023-04-15T04:12:55Z) - GLH-Water: A Large-Scale Dataset for Global Surface Water Detection in
Large-Size Very-High-Resolution Satellite Imagery [2.342488890032597]
本稿では,250個の衛星画像と手動による表層水アノテーションからなるGLH-waterデータセットを提案する。
それぞれの画像サイズは12,800ドル(約12,800円)で、空間解像度0.3mの12,800ピクセル。
GLH-waterのベンチマークを構築するために,代表表面水検出モデル,一般的なセマンティックセグメンテーションモデル,超高分解能セグメンテーションモデルを用いた広範囲な実験を行った。
論文 参考訳(メタデータ) (2023-03-16T13:35:56Z) - An evaluation of deep learning models for predicting water depth
evolution in urban floods [59.31940764426359]
高空間分解能水深予測のための異なる深層学習モデルの比較を行った。
深層学習モデルはCADDIESセル-オートマタフラッドモデルによってシミュレーションされたデータを再現するために訓練される。
その結果,ディープラーニングモデルでは,他の手法に比べて誤差が低いことがわかった。
論文 参考訳(メタデータ) (2023-02-20T16:08:54Z) - Neuroevolution deep learning architecture search for estimation of river
surface elevation from photogrammetric Digital Surface Models [0.0]
機械学習を用いて、乱れたフォトグラムデータから水面上昇値(WSE)を抽出した。
データは、水文学、水文学、流体力学のモデルの検証と校正に使用することができ、水文学の予測をより正確にすることができる。
論文 参考訳(メタデータ) (2021-12-22T11:25:23Z) - Water Level Estimation Using Sentinel-1 Synthetic Aperture Radar Imagery
And Digital Elevation Models [0.0]
Sentinel-1 Synthetic Aperture Radar ImageryとDigital Elevation Modelデータセットを用いた新しい水位抽出手法を提案する。
実験の結果、このアルゴリズムは世界中の3つの貯水池で0.93mの低い平均誤差を達成した。
論文 参考訳(メタデータ) (2020-12-11T18:42:15Z) - Depth Completion using Piecewise Planar Model [94.0808155168311]
深度マップは一連の学習された基底で表現することができ、閉じた解法で効率的に解ける。
しかし、この方法の1つの問題は、色境界が深さ境界と矛盾する場合にアーチファクトを生成することである。
私たちは、より厳密な深度回復モデルを実行します。
論文 参考訳(メタデータ) (2020-12-06T07:11:46Z) - SelfVoxeLO: Self-supervised LiDAR Odometry with Voxel-based Deep Neural
Networks [81.64530401885476]
本稿では,これら2つの課題に対処するために,自己教師型LiDARオドメトリー法(SelfVoxeLO)を提案する。
具体的には、生のLiDARデータを直接処理する3D畳み込みネットワークを提案し、3D幾何パターンをよりよく符号化する特徴を抽出する。
我々は,KITTIとApollo-SouthBayという2つの大規模データセット上での手法の性能を評価する。
論文 参考訳(メタデータ) (2020-10-19T09:23:39Z)
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。