論文の概要: Real-Scale Island Area and Coastline Estimation using Only its Place Name or Coordinates

• arxiv url: http://arxiv.org/abs/2605.11267v1
• Date: Mon, 11 May 2026 21:45:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.445544
• Title: Real-Scale Island Area and Coastline Estimation using Only its Place Name or Coordinates
• Title（参考訳）: 地名・座標のみを用いた実大規模島域と海岸線推定
• Authors: Quanyun Wu, Kyle Gao, Wentao Sun, Hongjie He, Yuhao Chen, David A. Clausi, Jonathan Li,
• Abstract要約: 本稿では,純粋単眼視に基づく幾何学的一貫した実スケール島計測フレームワークを提案する。 本研究は,全自動処理によるマッピングコストを大幅に削減し,GISデータを使わずに高効率な計測を実現する。 実験の結果, システムの最終測定誤差は約10%であり, 精度とロバスト性に優れていた。
• 参考スコア（独自算出の注目度）: 16.428253509804627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate measurement of island area and coastline length is crucial for coastal zone monitoring and oceanographic analysis. However, traditional measurement and mapping methods usually rely heavily on orthophotos, expensive airborne depth sensors, or dense ground control points, which face serious limitations of high labor costs, time-consuming efforts, and low operational efficiency in vast and inaccessible open sea environments. To overcome these challenges and break away from the reliance on manual field exploration, this paper proposes a geometrically consistent, real-scale island measurement framework based on pure monocular vision. This project significantly reduces the mapping cost through a fully automated process and achieves high-efficiency measurement without prior GIS data. In our system pipeline, only the geographical coordinates or names of the target area need to be input to obtain a low-altitude surrounding image sequence. After obtaining the point clouds, a lightweight trajectory alignment algorithm (Umeyama) is used to restore the global physical scale, and the scaled model is orthorectified, enabling high-precision area and perimeter extraction directly on the 2D rasterized plane. We have fully verified this pipeline on four islands with different terrain features (covering natural landform islands and islands with complex artificial facilities). The experimental results show that the final measurement error of the system is stable at around 10\%, demonstrating excellent accuracy and robustness. Moreover, this framework has outstanding inference speed, requiring only 70 ms to process a single high-resolution image and generate point clouds, providing a highly practical new paradigm for large-scale marine and coastline
• Abstract（参考訳）: 沿岸域のモニタリングと海洋分析には,島域と海岸線の長さの正確な測定が不可欠である。 しかし、従来の計測とマッピングの手法は、通常、高コストの労働コスト、時間のかかる努力、広範囲で到達不能な開海環境での運用効率の低下といった深刻な制限に直面した、整形写真、高価な空中深度センサー、あるいは高密度の地上制御ポイントに大きく依存している。 本稿では,これらの課題を克服し,手動のフィールド探索への依存を解消するために,純粋単眼視に基づく幾何学的一貫した実スケール島計測フレームワークを提案する。 本研究は,全自動処理によるマッピングコストを大幅に削減し,GISデータを使わずに高効率な計測を実現する。 システムパイプラインでは、低高度の画像シーケンスを得るためには、対象領域の地理的座標や名前のみを入力する必要がある。 点雲を得た後、軽量な軌道アライメントアルゴリズム(梅山)を用いてグローバルな物理スケールを復元し、スケールモデルを修正し、2次元ラスタ化平面上で高精度な領域と周方向の抽出を可能にする。 我々はこのパイプラインを地形の特徴の異なる4つの島(複雑な人工施設を備えた自然のランドフォーム島や島)で完全に検証した。 実験の結果, システムの最終測定誤差は約10 %で安定であり, 精度とロバスト性に優れていた。 さらに、このフレームワークは優れた推論速度を持ち、単一の高解像度画像を処理して点雲を生成するのに70ミリ秒しか必要とせず、大規模海洋および海岸線のための非常に実用的な新しいパラダイムを提供する。

関連論文リスト

• Palm-sized Omnidirectional Vision-Based UAV Exploration with Sparse Topological Map Guidance [30.757664816308345]
  本稿では,全方位視とスパーストポロジカルマップガイダンスを利用した軽量自律探査システムを提案する。 具体的には、全方位視野(FoV)を実現し、深度推定を行うために、多眼カメラのセットアップを利用する。 古典的な密度表現とは異なり、我々の手法はキーノードとその記述子からなるスパース位相写像を用いて環境を抽象化する。
  論文  参考訳（メタデータ） (2026-05-08T05:40:20Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• Analytical Logit Scaling for High-Resolution Sea Ice Topology Retrieval from Weakly Labeled SAR Imagery [1.6984114279983211]
  高解像度の海氷マッピングは北極航法と気候モニタリングに不可欠である。 粗い地域レベルの多角形(弱いラベル)のみを提供する運用用氷チャート 本研究では,Sentinel-1 SAR と AMSR-2 を融合した弱教師付き深層学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2026-03-13T20:21:33Z)
• Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
  本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。 地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。 実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
  論文  参考訳（メタデータ） (2025-09-11T18:52:16Z)
• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• Automated Linear Disturbance Mapping via Semantic Segmentation of Sentinel-2 Imagery [0.0]
  道路、地震探査線、パイプラインは、森林地帯のカリブーの人口に重大な脅威をもたらす。 本研究では、低解像度(10m)のSentinel-2衛星画像のセマンティックセグメンテーションのためのVGGNet16アーキテクチャに基づく深部畳み込みニューラルネットワークモデルを用いる。 このモデルは、無料のAlberta Institute of Biodiversity Monitoring Human Footprintデータセットから得られた、地平線ラベルマップを使って訓練されている。
  論文  参考訳（メタデータ） (2024-09-19T14:42:12Z)
• Real-Time Stochastic Terrain Mapping and Processing for Autonomous Safe Landing [0.0]
  本稿では,新しいリアルタイムな惑星地形マッピングアルゴリズムを開発した。 サンプル点間の地形的不確実性や、スパース3次元測定による不確かさを考慮に入れている。
  論文  参考訳（メタデータ） (2024-09-14T05:12:14Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)

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。