論文の概要: Population estimation using 3D city modelling and Carto2S datasets -- A case study
- arxiv url: http://arxiv.org/abs/2411.04612v1
- Date: Thu, 07 Nov 2024 10:52:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-08 19:38:37.721810
- Title: Population estimation using 3D city modelling and Carto2S datasets -- A case study
- Title（参考訳）: 3次元都市モデルとCarto2Sデータセットを用いた人口推定 -- ケーススタディ
- Authors: Jai G Singla,
- Abstract要約: カルト2Sシリーズの打ち上げにより、高解像度画像(0.6-1.0m)が取得され、使用することができる。
精度の良い高解像度ディジタル標高モデル(DEM)は、C2Sマルチビューとマルチ日付データセットを使用して生成することができる。
DEMは、デジタル地形モデル(DTM)を導出し、地球表面上の物体(建物と木)の正確な高さを抽出するためにさらに使用される。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: With the launch of Carto2S series of satellites, high resolution images (0.6-1.0 meters) are acquired and available for use. High resolution Digital Elevation Model (DEM) with better accuracies can be generated using C2S multi-view and multi date datasets. DEMs are further used as an input to derive Digital terrain models (DTMs) and to extract accurate heights of the objects (building and tree) over the surface of the Earth. Extracted building heights are validated with ground control points and can be used for generation of city modelling and resource estimation like population estimation, health planning, water and transport resource estimations. In this study, an attempt is made to assess the population of a township using high-resolution Indian remote sensing satellite datasets. We used Carto 2S multi-view data and generated a precise DEM and DTM over a city area. Using DEM and DTM datasets, accurate heights of the buildings are extracted which are further validated with ground data. Accurate building heights and high resolution imagery are used for generating accurate virtual 3D city model and assessing the number of floor and carpet area of the houses/ flats/ apartments. Population estimation of the area is made using derived information of no of houses/ flats/ apartments from the satellite datasets. Further, information about number of hospital and schools around the residential area is extracted from open street maps (OSM). Population estimation using satellite data and derived information from OSM datasets can prove to be very good tool for local administrator and decision makers.
- Abstract（参考訳）: カルト2Sシリーズの打ち上げにより、高解像度画像(0.6-1.0m)が取得され、使用できるようになった。
精度の良い高解像度デジタル標高モデル(DEM)は、C2Sマルチビューとマルチ日付データセットを使用して生成することができる。
DEMはさらに、デジタル地形モデル(DTM)を導出し、地球表面上の物体(建物と木)の正確な高さを抽出するための入力として使われる。
抽出された建物の高さは地上制御点を用いて検証され、人口推定、健康計画、水および輸送資源推定などの都市モデルの作成や資源推定に利用することができる。
本研究では,インドにおける高解像度リモートセンシング衛星データを用いたタウンシップの人口評価の試みを行った。
我々はCarto 2Sマルチビューデータを用いて、都市部における正確なDEMとDTMを生成した。
DEMとDTMのデータセットを用いて、建物の正確な高さを抽出し、さらに地上データで検証する。
正確な建物の高さと高解像度画像を用いて、正確な仮想3次元都市モデルを作成し、住宅・アパート・アパートの床面積とカーペット面積を評価する。
この地域の人口推定は、衛星データセットから、住宅、アパート、アパートの一切の情報を導出した情報を用いて行われる。
また、オープンストリートマップ(OSM)から住宅地周辺の病院・学校数も抽出する。
衛星データとOSMデータセットからの派生情報を用いた人口推定は、地域管理者や意思決定者にとって非常に良いツールであることが証明できる。
関連論文リスト
- 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) - Building Floorspace in China: A Dataset and Learning Pipeline [0.32228025627337864]
本稿は、中国40大都市における建物の床面積を計測する最初のマイルストーンを提供する。
我々は、メインデータソースとしてSentinel-1と-2の衛星画像を使用する。
データ、アルゴリズム、評価の詳細な説明を提供する。
論文 参考訳（メタデータ） (2023-03-03T21:45:36Z) - sat2pc: Estimating Point Cloud of Building Roofs from 2D Satellite
Images [1.8884278918443564]
2次元衛星画像から建物屋根の点を予測するディープラーニングアーキテクチャである sat2pc を提案する。
以上の結果から,SAT2pcは既存のベースラインを少なくとも18.6%上回る性能を示した。
論文 参考訳（メタデータ） (2022-05-25T03:24:40Z) - SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point
Clouds [52.624157840253204]
センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。
データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
論文 参考訳（メタデータ） (2022-01-12T14:48:11Z) - Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。
我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文 参考訳（メタデータ） (2021-06-23T17:27:04Z) - 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) - Towards Semantic Segmentation of Urban-Scale 3D Point Clouds: A Dataset,
Benchmarks and Challenges [52.624157840253204]
我々は、30億点近い注釈付きポイントを持つ都市規模の測光点クラウドデータセットを提示する。
私たちのデータセットは、イギリスの3つの都市からなり、都市の景観の約7.6km2をカバーしています。
我々は,データセット上での最先端アルゴリズムの性能を評価し,その結果を包括的に分析する。
論文 参考訳（メタデータ） (2020-09-07T14:47:07Z) - HoliCity: A City-Scale Data Platform for Learning Holistic 3D Structures [39.2984574045825]
このデータセットには6,300個の現実世界のパノラマがあり、ロンドンのダウンタウンのCADモデルと正確に一致しており、面積は20km2である。
このデータセットの最終的な目標は、都市再建、マッピング、拡張現実のための実際のアプリケーションをサポートすることだ。
論文 参考訳（メタデータ） (2020-08-07T17:34:47Z) - RGB-D Salient Object Detection: A Survey [195.83586883670358]
様々な観点からRGB-Dに基づくSODモデルを総合的に調査する。
また、このドメインからSODモデルと人気のあるベンチマークデータセットもレビューします。
今後の研究に向けたRGB-DベースのSODの課題と方向性について論じる。
論文 参考訳（メタデータ） (2020-08-01T10:01:32Z) - A Nearest Neighbor Network to Extract Digital Terrain Models from 3D
Point Clouds [1.6249267147413524]
本稿では,3Dポイントのクラウド上で動作し,エンド・ツー・エンドのアプローチを用いてシーンの基盤となるDTMを推定するアルゴリズムを提案する。
我々のモデルは近隣情報を学習し、これをポイントワイドでブロックワイドなグローバルな特徴とシームレスに統合する。
論文 参考訳（メタデータ） (2020-05-21T15:54:55Z)
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。