文献

J-GLOBAL ID：201702236046910606   整理番号：17A0698527

モバイルレーザ走査データを用いた道路施設認定のための計算多重凝集レベルおよび文脈的特徴【Powered by NICT】

Computing multiple aggregation levels and contextual features for road facilities recognition using mobile laser scanning data

著者 (7件)： Yang Bisheng (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China) ,  Dong Zhen (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China) ,  Liu Yuan (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China) ,  Liang Fuxun (State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China) ,  Wang Yongjun (Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China) ,  Wang Yongjun (Key Laboratory of Virtual Geographic Environment, Ministry of Education, Nanjing Normal University, Nanjing 210093, China) ,  Wang Yongjun (State Key Laboratory Cultivation Base of Geographical Environment Evolution, Nanjing 210093, China)
資料名： ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing)  (ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing))
巻： 126  ページ： 180-194  発行年： 2017年 
JST資料番号： H0048A  ISSN： 0924-2716  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 近年,フィールドワークに基づく道路インフラストラクチャのインベントリーを更新した労働集約的で,時間がかかり,費用がかかる。幸いなことに,車両ベースモバイルレーザー走査(MLS)システムは,高い柔軟性と精度で道路環境の三次元(3D)ポイントクラウドを迅速に効率的な解を提供する。しかし,巨大な体積3D点雲からの道路施設のロバストな認識は,複雑で不完全な構造,オクルージョンおよび種々の点密度のために挑戦的な課題である。殆どの現存する手法はオブジェクト候補を認識するために基づく特徴点や物体を利用し,比較的低い認識率,特に不完全で小物体の限られたタイプのオブジェクトを抽出できるだけである。これらの欠点を克服するために,本論文では,幹線道路インフラストラクチャ在庫のための道路施設を認識し,道路表面,道路境界,建物,ガードレール,街路灯,交通標識,街路樹,電力線,自動車などの,特徴および文脈的特徴の多重集合レベル(点セグメント物体)を組合せて意味標識フレームワークを提案した。提案した方法は,最初の地表および非地表を同定し,基底点から路面施設を抽出した。非グラウンド点は,提案したマルチルール領域成長法に基づいた個別候補オブジェクトに分割する。,各候補物体に関連する特徴および文脈的特徴(相対位置,相対的方向,および空間的パターン)の多重凝集レベルは対応する候補物体を標識するためにSVM分類器に計算し,供給される。多重凝集レベルおよび文脈的特徴を組み合わせることの認識性能は,大規模な道路シーン点雲を用いたベース特徴単一レベル(点,セグメント,または物体)と比較した。比較研究は,提案したセマンティック標識フレームワークは,道路施設認識精度(90.6%)と想起(91.2%),特に不完全で小物体を大幅に改善することを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 三次元 ,  *道路 ,  柔軟性 ,  *多重化 ,  ロバスト性 ,  インフラストラクチャー ,  *携帯電話 ,  自動車 ,  精度 ,  *凝集 ,  物体認識 ,  路面 ,  現地調査 ,  地表面
準シソーラス用語： *道路施設 , 【Automatic Indexing@JST】

著者キーワード (5件)： 点は雲処理 ,  物体認識 ,  文脈特徴 ,  多重凝集レベルは特徴 ,  意味論的標識

分類 (1件)： 写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (8件)： モバイル ,  レーザ走査 ,  道路施設 ,  認定 ,  計算 ,  多重 ,  凝集 ,  文脈