論文の概要: Vehicle Vectors and Traffic Patterns from Planet Imagery

• arxiv url: http://arxiv.org/abs/2406.06320v1
• Date: Mon, 10 Jun 2024 14:35:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-11 13:38:29.294464
• Title: Vehicle Vectors and Traffic Patterns from Planet Imagery
• Title（参考訳）: 惑星画像からの車両ベクトルと交通パターン
• Authors: Adam Van Etten,
• Abstract要約: 静止車と移動車の両方が高解像度のSkySat画像で確実に識別可能であることを示す。 移動物体のバンド間変位(またはレインボー効果)を利用して移動車両の速度と進路を推定できる。
• 参考スコア（独自算出の注目度）: 4.013337799051293
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We explore methods to detect automobiles in Planet imagery and build a large scale vector field for moving objects. Planet operates two distinct constellations: high-resolution SkySat satellites as well as medium-resolution SuperDove satellites. We show that both static and moving cars can be identified reliably in high-resolution SkySat imagery. We are able to estimate the speed and heading of moving vehicles by leveraging the inter-band displacement (or "rainbow" effect) of moving objects. Identifying cars and trucks in medium-resolution SuperDove imagery is far more difficult, though a similar rainbow effect is observed in these satellites and enables moving vehicles to be detected and vectorized. The frequent revisit of Planet satellites enables the categorization of automobile and truck activity patterns over broad areas of interest and lengthy timeframes.
• Abstract（参考訳）: 我々はプラネット画像中の自動車を検知し、物体を動かすための大規模ベクトル場を構築する方法を探究する。 プラネットは高解像度のSkySat衛星と高解像度のSuperDove衛星の2つの異なる星座を運営している。 静止車と移動車の両方が高解像度のSkySat画像で確実に識別可能であることを示す。 移動物体のバンド間変位(またはレインボー効果)を利用して移動車両の速度と進路を推定できる。 中高解像度のSuperDove画像における車やトラックの識別ははるかに難しいが、これらの衛星では同様の虹効果が観測されており、移動車両の検出とベクトル化を可能にしている。 プラネット衛星の頻繁な再検討により、自動車とトラックの活動パターンを幅広い関心と長い時間枠で分類することができる。

関連論文リスト

• Detection of Moving Objects in Earth Observation Satellite Images [0.0]
  衛星画像の特定のアーカイブにおける移動物体の検出と速度測定の可能性を評価する。 その結果,一般的な輸送車両,飛行機,車,ボートの移動を検知し,測定できることが示唆された。
  論文  参考訳（メタデータ） (2024-05-18T20:55:49Z)
• Vehicle Perception from Satellite [54.07157185000604]
  データセットは、GTA-Vから記録された12の衛星ビデオと14の合成ビデオに基づいて構築されている。 小さなオブジェクトの検出、カウント、密度推定など、いくつかのタスクをサポートする。 128,801両は完全に注釈付けされており、各画像の車両数は0から101まで様々である。
  論文  参考訳（メタデータ） (2024-02-01T15:59:16Z)
• MSight: An Edge-Cloud Infrastructure-based Perception System for Connected Automated Vehicles [58.461077944514564]
  本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。 MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。 評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
  論文  参考訳（メタデータ） (2023-10-08T21:32:30Z)
• 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)
• Towards Transformer-based Homogenization of Satellite Imagery for Landsat-8 and Sentinel-2 [1.4699455652461728]
  Landsat-8(NASA)とSentinel-2(ESA)は、公開データを提供する2つの著名なマルチスペクトルイメージング衛星プロジェクトである。 この研究は、両方の衛星プロジェクトから観測されるスペクトルと空間の差を減らすために、トランスフォーマーベースのモデルを使用する可能性について、一目でわかる。
  論文  参考訳（メタデータ） (2022-10-14T09:13:34Z)
• Autonomous Satellite Detection and Tracking using Optical Flow [0.0]
  画像中の衛星検出と追跡の自律的手法を光学フローを用いて実装する。 光の流れは、一連の宇宙画像において検出された物体の速度を推定するために用いられる。 検出アルゴリズムは、シミュレートされた恒星画像と衛星の地上画像の両方を用いて実施される。
  論文  参考訳（メタデータ） (2022-04-14T15:23:27Z)
• Big Plastic Masses Detection using Sentinel 2 Images [91.3755431537592]
  このコミュニケーションは、地球観測衛星システムを用いて、海や海におけるプラスチック(海洋ゴミ)の大きな塊の検出に関する予備的な研究を記述している。
  論文  参考訳（メタデータ） (2021-03-17T10:45:33Z)
• Geometry-Guided Street-View Panorama Synthesis from Satellite Imagery [80.6282101835164]
  オーバヘッド衛星画像から新しいストリートビューパノラマを合成するための新しいアプローチを提案する。 本手法は,googleの全方位ストリートビュー型パノラマを,衛星パッチの中央と同じ地理的位置から取得したかのように生成する。
  論文  参考訳（メタデータ） (2021-03-02T10:27:05Z)
• V2VNet: Vehicle-to-Vehicle Communication for Joint Perception and Prediction [74.42961817119283]
  車両間通信(V2V)を用いて、自動運転車の知覚と運動予測性能を向上させる。 複数の車両から受信した情報をインテリジェントに集約することで、異なる視点から同じシーンを観察することができる。
  論文  参考訳（メタデータ） (2020-08-17T17:58:26Z)
• On Learning Vehicle Detection in Satellite Video [0.0]
  空中および衛星画像における車両検出は、リモートセンシング画像の全体像と比較すると、ピクセルの出現が小さいため、依然として困難である。 本研究は,衛星映像における広域動画像(WAMI)の深層学習への応用を提案する。
  論文  参考訳（メタデータ） (2020-01-29T15:35:16Z)

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。