Core Concepts
本研究では、衛星画像から得られるデジタル表面モデルとオルソフォトを用いて、建物のLoD-2モデルを自動的に再構築する新しい手法を提案する。
Abstract
本研究では、建物検出、2Dポリゴン抽出、グリッドベースの矩形分解、方位角の最適化、3Dモデルフィッティング、モデル後処理の6つのステップからなる新しい手法を提案した。
まず、U-NetベースのセマンティックラベリングとMask R-CNNセグメンテーションアルゴリズムを組み合わせて建物領域を検出する。次に、Douglas-Peucker法とLSDを組み合わせて建物ポリゴンを抽出する。その後、グリッドベースの分解手法を用いて建物矩形を生成し、Graph-Cutと必要に応じてOpenStreetMapデータを使って方位角を最適化する。3Dモデルフィッティングでは、DSMとの誤差が最小になるよう、あらかじめ定義したモデルライブラリから最適なモデルを選択する。最後に、Graph-Cutによるルーフタイプの最適化と、単純なモデルの統合により、複雑な建物モデルを生成する。
提案手法は、衛星画像から得られるデータの課題に対処し、LoD-2レベルの高精度な建物モデル再構築を実現している。
Stats
建物検出の精度は、IoU 0.8以上を達成した。
建物ポリゴン抽出の精度は、IoU 0.75以上を達成した。
建物矩形分解の精度は、IoU 0.7以上を達成した。
最終的な3Dモデルの高さ誤差は、RMSE 1.5m以下であった。
Quotes
"提案手法は、衛星画像から得られるデータの課題に対処し、LoD-2レベルの高精度な建物モデル再構築を実現している。"
"本研究では、建物検出、2Dポリゴン抽出、グリッドベースの矩形分解、方位角の最適化、3Dモデルフィッティング、モデル後処理の6つのステップからなる新しい手法を提案した。"