文献

J-GLOBAL ID：201902226508892429   整理番号：19A2216256

ポストイベントライダーデータを用いた建物被害地図作成のための新しい自動フレームワーク【JST・京大機械翻訳】

A novel and automatic framework for producing building damage map using post-event LiDAR data

著者 (2件)： Janalipour Milad (PhD in Remote Sensing, Faculty of Geodesy & Geomatics Engineering, K. N. Toosi University of Technology, Tehran, Iran) ,  Mohammadzadeh Ali (Faculty of Geodesy & Geomatics Engineering, K. N. Toosi University of Technology, Tehran, Iran)
資料名： International Journal of Disaster Risk Reduction  (International Journal of Disaster Risk Reduction)
巻： 39  ページ： Null  発行年： 2019年 
JST資料番号： W3381A  ISSN： 2212-4209  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： 建物被害マップは,特に地震後の救助作業を管理するのに役立つ。リモートセンシングと写真測量科学におけるデータとしての光検出と測距(LiDAR)は,最近,建物の損傷マップを作成するために使用されている。しかし,イベント後LiDARデータに基づく自動建築損傷検出法は存在しない。この理由のために,本研究では,イベント後LiDARデータに基づく新規で自動的な建物損傷検出フレームワークを提案した。提案フレームワークでは,最初に3つのテクスチャ抽出戦略を用いてテクスチャ特徴を達成した。次に,K-平均クラスタリングアルゴリズムを用いて,抽出したテクスチャ特徴を用いて損傷した建物を検出し,予備的な建物損傷マップを作成した。その後,パンケーキ建物を特定するために,イベント後LiDARデータから得られた正規化ディジタル表面モデル(nDSM)を採用した。最後に,傾斜した建物を検出するために,最初に,各建物の傾斜角を,イベント後のLiDARデータから抽出した。次に,傾斜した建物を抽出した傾斜角を用いて特定した。結果は,テクスチャ抽出のための適切な戦略を選択することが,結果の精度を大いに増加させることを示した。得られた結果は,K-平均クラスタ化アルゴリズムに沿ったイベント後テクスチャ特徴,傾斜角およびnDSMが,建物損傷検出における許容できる結果に到達するのを助けることができることを示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 損傷検出 ,  *地図作成 ,  距離測定 ,  救助 ,  クラスタ化 ,  ディジタル方式 ,  傾斜角 ,  正規化 ,  写真測量 ,  アルゴリズム ,  地震 ,  リモートセンシング
準シソーラス用語： テクスチャ特徴 ,  質感 ,  *建物被害 , 【Automatic Indexing@JST】

著者キーワード (6件)： 建物被害地図 ,  イベント後ライダデータ ,  NDSM ,  傾斜角 ,  自動フレームワーク ,  テクスチャ抽出

分類 (1件)： 自然災害  (RA02030M)

タイトルに関連する用語 (3件)： 建物被害 ,  地図作成 ,  フレームワーク