論文の概要: A Novel Solution for Drone Photogrammetry with Low-overlap Aerial Images using Monocular Depth Estimation

• arxiv url: http://arxiv.org/abs/2503.04513v1
• Date: Thu, 06 Mar 2025 14:59:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 15:59:20.422043
• Title: A Novel Solution for Drone Photogrammetry with Low-overlap Aerial Images using Monocular Depth Estimation
• Title（参考訳）: 単眼深度推定を用いた低周波空中画像を用いた新しいドローン写真計測法
• Authors: Jiageng Zhong, Qi Zhou, Ming Li, Armin Gruen, Xuan Liao,
• Abstract要約: 低オーバラップの空中画像は、従来のフォトグラム法に重大な課題を生んでいる。 本稿では,従来の手法の限界に対処するため,単眼深度推定に基づく新しいワークフローを提案する。
• 参考スコア（独自算出の注目度）: 6.689484367905018
• License:
• Abstract: Low-overlap aerial imagery poses significant challenges to traditional photogrammetric methods, which rely heavily on high image overlap to produce accurate and complete mapping products. In this study, we propose a novel workflow based on monocular depth estimation to address the limitations of conventional techniques. Our method leverages tie points obtained from aerial triangulation to establish a relationship between monocular depth and metric depth, thus transforming the original depth map into a metric depth map, enabling the generation of dense depth information and the comprehensive reconstruction of the scene. For the experiments, a high-overlap drone dataset containing 296 images is processed using Metashape to generate depth maps and DSMs as ground truth. Subsequently, we create a low-overlap dataset by selecting 20 images for experimental evaluation. Results demonstrate that while the recovered depth maps and resulting DSMs achieve meter-level accuracy, they provide significantly better completeness compared to traditional methods, particularly in regions covered by single images. This study showcases the potential of monocular depth estimation in low-overlap aerial photogrammetry.
• Abstract（参考訳）: 低オーバラップの空中画像は、高精度で完全なマッピング製品を生成するために高画質のオーバーラップに大きく依存する従来のフォトグラム法に重大な課題を生んでいる。 本研究では,従来の手法の限界に対処するため,単眼深度推定に基づく新しいワークフローを提案する。 本手法は, 空中三角測量から得られたタイポイントを利用して, 単眼深度とメートル法深度の関係を確立することにより, 元の深度マップをメートル法深度マップに変換することにより, 密集深度情報の生成とシーンの総合的な再構築を可能にする。 実験では,296枚の画像を含む高オーバラップのドローンデータセットをMetashapeを用いて処理し,深度マップとDSMを地上真実として生成する。 その後、実験評価のために20個の画像を選択し、低オーバーラップのデータセットを作成する。 得られた深度マップと結果のDSMはメートルレベルの精度を達成できるが、従来の手法、特に単一画像でカバーされた領域と比較して、はるかに優れた完全性が得られることを示した。 本研究は,低オーバーラップ空中光度計における単分子深度推定の可能性を示す。

関連論文リスト

• Marigold-DC: Zero-Shot Monocular Depth Completion with Guided Diffusion [51.69876947593144]
  奥行き完了のための既存の手法は、厳密に制約された設定で動作する。 単眼深度推定の進歩に触発されて,画像条件の深度マップ生成として深度補完を再構成した。 Marigold-DCは、単分子深度推定のための事前訓練された潜伏拡散モデルを構築し、試験時間ガイダンスとして深度観測を注入する。
  論文  参考訳（メタデータ） (2024-12-18T00:06:41Z)
• Monocular Visual-Inertial Depth Estimation [66.71452943981558]
  単眼深度推定と視覚慣性計測を統合した視覚慣性深度推定パイプラインを提案する。 提案手法は, 疎度度に対する大域的スケールとシフトアライメントを行い, 続いて学習に基づく高密度アライメントを行う。 本研究では,TartanAir と VOID のデータセットを用いて,密集したスケールアライメントによるRMSE の最大30%の削減を観測した。
  論文  参考訳（メタデータ） (2023-03-21T18:47:34Z)
• Depth Estimation from Single-shot Monocular Endoscope Image Using Image Domain Adaptation And Edge-Aware Depth Estimation [1.7086737326992167]
  領域適応によるランベルト面の変換とマルチスケールエッジロスを用いた深度推定による単眼単眼単眼内視鏡像からの深度推定法を提案する。 臓器の表面のテクスチャと特異反射により、深さ推定の精度が低下する。 本研究では,畳み込みニューラルネットワークを用いた大腸内視鏡像の解剖学的位置同定に,推定深度画像を適用した。
  論文  参考訳（メタデータ） (2022-01-12T14:06:54Z)
• Weakly-Supervised Monocular Depth Estimationwith Resolution-Mismatched Data [73.9872931307401]
  単眼深度推定ネットワークをトレーニングするための弱教師付きフレームワークを提案する。 提案フレームワークは, 共有重量単分子深度推定ネットワークと蒸留用深度再構成ネットワークから構成される。 実験結果から,本手法は教師なし・半教師付き学習ベース方式よりも優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2021-09-23T18:04:12Z)
• Deep Learning-based High-precision Depth Map Estimation from Missing Viewpoints for 360 Degree Digital Holography [2.174116094271494]
  本研究では, 欠落した視点から高精度な深度マップを抽出する畳み込みニューラルネットワークモデルを提案する。 提案したHDD Netモデルでは,損失関数として深度マップ推定の性能向上のためにMSEを用いている。 ホログラフィック3D画像シーンを直接再構成することにより, 推定深度マップの品質を実証する実験結果を示す。
  論文  参考訳（メタデータ） (2021-03-09T00:38:23Z)
• Progressive Depth Learning for Single Image Dehazing [56.71963910162241]
  既存の脱湿法は、しばしば深度を無視し、より重いヘイズが視界を乱す遠くの地域で失敗する。 画像深度と伝送マップを反復的に推定するディープエンドツーエンドモデルを提案する。 私たちのアプローチは、画像深度と伝送マップの内部関係を明示的にモデリングすることから利益を得ます。
  論文  参考訳（メタデータ） (2021-02-21T05:24:18Z)
• Adaptive confidence thresholding for monocular depth estimation [83.06265443599521]
  本稿では,自己教師付ステレオマッチング法から生成されたステレオ画像の擬似地上真実深度マップを利用する新しい手法を提案する。 擬似地底深度マップの信頼度マップを推定し、不正確な擬似地底深度マップによる性能劣化を緩和する。 実験結果から, 最先端の単分子深度推定法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-09-27T13:26:16Z)
• Self-Supervised Learning for Monocular Depth Estimation from Aerial Imagery [0.20072624123275526]
  航空画像からの単眼深度推定のための自己教師型学習法を提案する。 このために、単一の移動カメラからの画像シーケンスのみを使用し、深度を同時に推定し、情報をポーズすることを学ぶ。 ポーズと深さ推定の重みを共有することによって、比較的小さなモデルが実現され、リアルタイムの応用が好まれる。
  論文  参考訳（メタデータ） (2020-08-17T12:20:46Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)
• Depth Edge Guided CNNs for Sparse Depth Upsampling [18.659087667114274]
  ガイドされたスパース深度アップサンプリングは、アライメントされた高解像度カラー画像がガイダンスとして与えられるとき、不規則にサンプリングされたスパース深度マップをアップサンプリングすることを目的としている。 奥行き画像を用いたスパース・不規則深度画像から深度を復元するためのガイド付き畳み込み層を提案する。 実世界の屋内および合成屋外データセット上で,本手法を検証するための総合的な実験を行った。
  論文  参考訳（メタデータ） (2020-03-23T08:56:32Z)

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。