Fugu-MT 論文翻訳(概要): Urban GeoBIM construction by integrating semantic LiDAR point clouds with as-designed BIM models

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/2304.11719v2
Date: Mon, 22 May 2023 05:21:06 GMT
ステータス: 処理完了
システム内更新日: 2023-05-24 03:11:00.011605
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

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)
TorchSpatial: A Location Encoding Framework and Benchmark for Spatial Representation Learning [36.725822223732635]
位置(ポイント)エンコーディングのための学習フレームワークとベンチマークであるTorchSpatialを提案する。 TorchSpatialには3つの重要なコンポーネントが含まれている: 1) 一般的に認識されている15のロケーションエンコーダを統合する統合されたロケーションエンコーダフレームワーク、2) LocBenchベンチマークタスクは、7つのジオアウェアイメージ分類と4つのジオアウェアイメージ回帰データセットを含む。
論文参考訳（メタデータ） (2024-06-21T21:33:16Z)
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)
SE-KGE: A Location-Aware Knowledge Graph Embedding Model for Geographic Question Answering and Spatial Semantic Lifting [9.949690056661218]
位置認識型KG埋め込みモデルSE-KGEを提案する。点座標や地理的実体の境界ボックスなどの空間情報をKG埋め込み空間にエンコードする。また、SE-KGEの性能を評価するために、地理知識グラフと、DBGeoと呼ばれる地理的問合せ対のセットを構築した。
論文参考訳（メタデータ） (2020-04-25T17:46:31Z)

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。