論文の概要: Dense 3D Displacement Estimation for Landslide Monitoring via Fusion of TLS Point Clouds and Embedded RGB Images

• arxiv url: http://arxiv.org/abs/2506.16265v1
• Date: Thu, 19 Jun 2025 12:28:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.068103
• Title: Dense 3D Displacement Estimation for Landslide Monitoring via Fusion of TLS Point Clouds and Embedded RGB Images
• Title（参考訳）: TLS点雲と埋め込みRGB画像の融合による地すべりモニタリングのための高密度3次元変位推定
• Authors: Zhaoyi Wang, Jemil Avers Butt, Shengyu Huang, Tomislav Medic, Andreas Wieser,
• Abstract要約: 地すべりモニタリングは、ジオハザードを理解し、関連するリスクを軽減するために不可欠である。 既存の点クラウドベースの手法は、一般的に幾何学的またはラジオメトリック的な情報に依存する。 本稿では,3次元点雲と共登録RGB画像とを融合した階層的分割に基づく粗い微細化手法を提案する。
• 参考スコア（独自算出の注目度）: 7.144866519844918
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Landslide monitoring is essential for understanding geohazards and mitigating associated risks. However, existing point cloud-based methods typically rely on either geometric or radiometric information and often yield sparse or non-3D displacement estimates. In this paper, we propose a hierarchical partition-based coarse-to-fine approach that fuses 3D point clouds and co-registered RGB images to estimate dense 3D displacement vector fields. We construct patch-level matches using both 3D geometry and 2D image features. These matches are refined via geometric consistency checks, followed by rigid transformation estimation per match. Experimental results on two real-world landslide datasets demonstrate that our method produces 3D displacement estimates with high spatial coverage (79% and 97%) and high accuracy. Deviations in displacement magnitude with respect to external measurements (total station or GNSS observations) are 0.15 m and 0.25 m on the two datasets, respectively, and only 0.07 m and 0.20 m compared to manually derived references. These values are below the average scan resolutions (0.08 m and 0.30 m). Our method outperforms the state-of-the-art method F2S3 in spatial coverage while maintaining comparable accuracy. Our approach offers a practical and adaptable solution for TLS-based landslide monitoring and is extensible to other types of point clouds and monitoring tasks. Our example data and source code are publicly available at https://github.com/zhaoyiww/fusion4landslide.
• Abstract（参考訳）: 地すべりモニタリングは、ジオハザードを理解し、関連するリスクを軽減するために不可欠である。 しかし、既存の点雲ベースの手法は、通常は幾何的または放射的情報に依存し、しばしばスパースまたは非3次元変位推定をもたらす。 本稿では,高密度な3次元変位ベクトル場を推定するために,3次元点雲と共登録RGB画像とを融合する階層的分割に基づく粗大きめのアプローチを提案する。 我々は3次元幾何と2次元画像特徴の両方を用いてパッチレベルのマッチングを構築する。 これらのマッチは幾何的整合性チェックによって洗練され、その後、マッチごとに剛性変換が推定される。 2つの実世界の地すべりデータセットによる実験結果から, 高空間範囲(79%, 97%)で高精度な3次元変位推定が得られた。 外部測定(Total Station または GNSS の観測)に対する変位の大きさのずれは、それぞれ2つのデータセットにおいて 0.15 m と 0.25 m であり、手動で導いた基準に比べて 0.07 m と 0.20 m である。 これらの値は平均走査解像度 (0.08 m と 0.30 m) 以下である。 提案手法は,空間的カバレッジにおいて最先端のF2S3よりも優れ,精度は同等である。 我々のアプローチはTLSベースの地すべりモニタリングに実用的で適応的なソリューションを提供し、他の種類の点雲やモニタリングタスクにも拡張可能である。 私たちのサンプルデータとソースコードはhttps://github.com/zhaoyiww/fusion4landslide.comで公開されています。

関連論文リスト

• GSFeatLoc: Visual Localization Using Feature Correspondence on 3D Gaussian Splatting [3.68055792519924]
  本稿では,事前計算した3次元シーン表現に対して,クエリ画像をローカライズする手法を提案する。 その結果,提案手法は推定時間と推定誤差の両方を著しく低減することがわかった。 また,本手法は,55degの回転と1.1単位の翻訳において,初期ポーズ推定において大きな誤差を許容することを示した。
  論文  参考訳（メタデータ） (2025-04-29T02:48:24Z)
• DVMNet++: Rethinking Relative Pose Estimation for Unseen Objects [59.51874686414509]
  既存のアプローチでは、通常、接地構造オブジェクト境界ボックスと、多数の離散仮説を持つ近似3次元回転を用いて3次元翻訳を予測している。 本稿では,1回のパスで相対オブジェクトのポーズを計算するDeep Voxel Matching Network (DVMNet++)を提案する。 提案手法は,最先端手法と比較して計算コストの低い新しいオブジェクトに対して,より正確な相対的ポーズ推定を行う。
  論文  参考訳（メタデータ） (2024-03-20T15:41:32Z)
• Unleash the Potential of 3D Point Cloud Modeling with A Calibrated Local Geometry-driven Distance Metric [62.365983810610985]
  そこで我々は,Callibated Local Geometry Distance (CLGD) と呼ばれる新しい距離測定法を提案する。 CLGDは、基準点の集合によってキャリブレーションされ誘導される基礎となる3次元表面の差を計算する。 一般的な指標として、CLGDは3Dポイントのクラウドモデリングを前進させる可能性がある。
  論文  参考訳（メタデータ） (2023-06-01T11:16:20Z)
• Normal Transformer: Extracting Surface Geometry from LiDAR Points Enhanced by Visual Semantics [7.507853813361308]
  本稿では,LiDARとカメラセンサから得られた3次元点雲と2次元カラー画像を利用して表面正規化を行うマルチモーダル手法を提案する。 本稿では,視覚的意味論と3次元幾何学的情報を巧みに融合した,トランスフォーマーに基づくニューラルネットワークアーキテクチャを提案する。 交通シーンを模倣したシミュレーション3D環境から,提案モデルが学習可能であることが確認された。
  論文  参考訳（メタデータ） (2022-11-19T03:55:09Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)
• SketchSampler: Sketch-based 3D Reconstruction via View-dependent Depth Sampling [75.957103837167]
  1枚のスケッチ画像に基づいて3次元形状を再構成することは、スパースで不規則なスケッチと正規の高密度な3次元形状との間に大きな領域ギャップがあるため困難である。 既存の作品では、3D座標を直接予測するためにスケッチから抽出されたグローバルな特徴を活用しようとするが、通常は入力スケッチに忠実でない細部を失う。
  論文  参考訳（メタデータ） (2022-08-14T16:37:51Z)
• VPFNet: Improving 3D Object Detection with Virtual Point based LiDAR and Stereo Data Fusion [62.24001258298076]
  VPFNetは、ポイントクラウドとイメージデータを仮想のポイントで巧みに調整し集約する新しいアーキテクチャである。 当社のVPFNetは,KITTIテストセットで83.21%の中等度3D AP,91.86%中等度BEV APを達成し,2021年5月21日以来の1位となった。
  論文  参考訳（メタデータ） (2021-11-29T08:51:20Z)
• 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。