論文の概要: Urban GeoBIM construction by integrating semantic LiDAR point clouds
with as-designed BIM models
- arxiv url: http://arxiv.org/abs/2304.11719v1
- Date: Sun, 23 Apr 2023 18:16:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 16:45:11.605456
- Title: Urban GeoBIM construction by integrating semantic LiDAR point clouds
with as-designed BIM models
- Title(参考訳): 意味的LiDAR点雲とAs-Designed BIMモデルの統合による都市GeoBIMの構築
- Authors: Jie Shao, Wei Yao, Puzuo Wang, Zhiyi He, Lei Luo
- Abstract要約: グローバルナビゲーション衛星システムと統合された光検出・測光(LiDAR)は、地理的に参照された空間情報を提供することができる。
グローバルナビゲーション衛星システムと統合された光検出・測光(LiDAR)は、地理的に参照された空間情報を提供することができる。
LiDARデータセットの全体セグメンテーション精度は最大90%に達し、BIMモデルの平均位置推定精度は極状物体が0.023m、建物が0.156mである。
- 参考スコア(独自算出の注目度): 31.081640657066227
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Developments in three-dimensional real worlds promote the integration of
geoinformation and building information models (BIM) known as GeoBIM in urban
construction. Light detection and ranging (LiDAR) integrated with global
navigation satellite systems can provide geo-referenced spatial information.
However, constructing detailed urban GeoBIM poses challenges in terms of LiDAR
data quality. BIM models designed from software are rich in geometrical
information but often lack accurate geo-referenced locations. In this paper, we
propose a complementary strategy that integrates LiDAR point clouds with
as-designed BIM models for reconstructing urban scenes. A state-of-the-art deep
learning framework and graph theory are first combined for LiDAR point cloud
segmentation. A coarse-to-fine matching program is then developed to integrate
object point clouds with corresponding BIM models. Results show the overall
segmentation accuracy of LiDAR datasets reaches up to 90%, and average
positioning accuracies of BIM models are 0.023 m for pole-like objects and
0.156 m for buildings, demonstrating the effectiveness of the method in
segmentation and matching processes. This work offers a practical solution for
rapid and accurate urban GeoBIM construction.
- Abstract(参考訳): 3次元実世界の発展は、都市建設においてGeoBIMとして知られる地理情報と構築情報モデル(BIM)の統合を促進する。
グローバルナビゲーション衛星システムと統合された光検出・測位(lidar)は、地理参照空間情報を提供することができる。
しかし、詳細な都市GeoBIMの構築は、LiDARデータ品質の観点からの課題となっている。
ソフトウェアから設計されたBIMモデルは幾何情報に富んでいるが、正確な地理的参照位置がないことが多い。
本稿では,LiDAR点雲とBIMモデルを組み合わせた都市景観の再構築手法を提案する。
最先端のディープラーニングフレームワークとグラフ理論は、まずLiDARポイントクラウドセグメンテーションのために組み合わせられる。
次に、オブジェクトポイントクラウドと対応するBIMモデルを統合するために、粗粒度マッチングプログラムを開発する。
その結果、LiDARデータセットの全体セグメンテーション精度は最大90%に達し、BIMモデルの平均位置精度は極状物体が0.023m、建物が0.156mであり、セグメンテーションおよびマッチングプロセスにおける手法の有効性が示された。
この研究は、高速かつ正確なGeoBIM建設のための実用的なソリューションを提供する。
関連論文リスト
- Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。
大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。
また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
論文 参考訳(メタデータ) (2025-02-19T14:21:25Z) - LiDAR-based Registration against Georeferenced Models for Globally Consistent Allocentric Maps [16.335109366948473]
現代の無人航空機(UAV)は、状況の概要を把握したり、人員を危険にさらすことなくクローズアップを提供するため、捜索救難(SAR)ミッションでは不可能である。
しかし、UAVはオープンスペースでうまく機能するグローバルナビゲーション衛星システム(GNSS)に大きく依存しているが、その精度は建物周辺で劇的に低下している。
対照的に、CityGMLモデルは正確なジオレファレンスポーズを持つ近似的な建物形状を提供する。
論文 参考訳(メタデータ) (2024-12-03T16:25:08Z) - Textured As-Is BIM via GIS-informed Point Cloud Segmentation [0.0]
本稿では,鉄道プロジェクトにおけるGISインフォームドとBIM対応のビルディング情報モデルの自動生成の概念実証について述べる。
その結果、コスト削減の可能性が高く、GISデータの非失業資源が内部に浮かび上がっていることが判明した。
論文 参考訳(メタデータ) (2024-11-28T04:13:08Z) - The S2 Hierarchical Discrete Global Grid as a Nexus for Data Representation, Integration, and Querying Across Geospatial Knowledge Graphs [4.358099505067763]
本稿では,KnowWhereGraphにおけるGoogleのS2幾何の実装について概説する。
最終的にこの研究は、スケーラブルなGeoKGを構築するためのDGGSフレームワーク、特にS2の可能性を示している。
論文 参考訳(メタデータ) (2024-10-18T18:30:05Z) - Swarm Intelligence in Geo-Localization: A Multi-Agent Large Vision-Language Model Collaborative Framework [51.26566634946208]
smileGeoは、新しい視覚的ジオローカライゼーションフレームワークである。
エージェント間のコミュニケーションによって、SmithGeoはこれらのエージェントの固有の知識と、検索された情報を統合する。
その結果,本手法は現在の最先端手法よりも優れていた。
論文 参考訳(メタデータ) (2024-08-21T03:31:30Z) - Image-Based Geolocation Using Large Vision-Language Models [19.071551941682063]
画像に基づく位置情報の精度を大幅に向上する革新的なフレームワークであるToolを紹介した。
ツールは体系的なチェーン・オブ・シント(CoT)アプローチを採用し、人間のジオゲスティング戦略を模倣する。
GeoGuessrゲームの平均スコアは4550.5で85.37%で、高精度な位置情報予測を行う。
論文 参考訳(メタデータ) (2024-08-18T13:39:43Z) - GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。
我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。
実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
論文 参考訳(メタデータ) (2023-10-10T00:03:23Z) - Semi-supervised Learning from Street-View Images and OpenStreetMap for
Automatic Building Height Estimation [59.6553058160943]
本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。
提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。
予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
論文 参考訳(メタデータ) (2023-07-05T18:16:30Z) - A Hybrid Semantic-Geometric Approach for Clutter-Resistant Floorplan
Generation from Building Point Clouds [2.0859227544921874]
本研究では,レーザ走査型ビルディングポイント雲からのクラッタ耐性フロアプラン生成のためのハイブリッドセマンティック・ジオメトリ手法を提案する。
提案手法は,精度,リコール,インターセクション・オーバー・ユニオン(IOU),ベティ誤差,ワープ誤差の計測値を用いて評価する。
論文 参考訳(メタデータ) (2023-05-15T20:08:43Z) - A General Purpose Neural Architecture for Geospatial Systems [142.43454584836812]
本稿では,空間的帰納バイアスを持つ汎用ニューラルアーキテクチャ(GPNA)の構築に向けたロードマップを示す。
このようなモデルがコミュニティのメンバー間の協力をいかに促進するかを考察する。
論文 参考訳(メタデータ) (2022-11-04T09:58:57Z) - Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial
Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。
データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
論文 参考訳(メタデータ) (2020-12-23T21:48:47Z)
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。