抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
モバイルレーザ走査(MLS)は,その微細精度とより高い点密度に対して,オブジェクト再構成のために好ましい,インフラストラクチャ監視のために首尾よく使用された。大規模なデータサイズ,計算時間,より広い空間分布および特徴抽出は,建物,道路および鉄道軌道のような地上構造からのMLSポイントクラウド受信による3Dポイントデータ処理のための挑戦的な課題になった。本論文では,鉄道踏切,ターンアウトのような鉄道軌道形状を有する構造を検出する新しい手法を提案し,長距離レーザ測定に対する点雲データに垂直スライスを反復適用することにより,それらの寸法と空間位置を定量的に推定した。長方形垂直スライスを定義し,それらの境界座標を幾何学的方法に基づいて推定した。推定垂直スライス境界を繰り返し用いて,鉄道線路のクロストラック方向に沿った各垂直スライスの点密度を評価した。それらの点密度をさらに分析し,レール床に沿ったそれらの形状および空間位置によって鉄道線路軌道物体を検出した。ここでは,調査データセットを辞書として用いて,物体の空間位置を特定し,次に,高密度点雲からゲージコーナー(GC)を推定することにより,レールトラックの正確な推定として使った。提案方法は,レールトラック抽出プロセスの顕著な改善を示し,既存のリモートセンシング技術に対する挑戦になる。この適応物体検出法は鉄道軌道抽出の前に鉄道軌道構造を同定するのに使用可能であり,GC位置を正確に見つけることができる。さらに,それは鉄道軌道の並列性に基づき,それは従来の鉄道軌道抽出方法とは異なる。従って,それはMLS調査と共に慣性測定を必要とせず,観測されたMLS点雲のより少ないバックグラウンド情報に適用できる。提案したアルゴリズムを,西日本鉄道会社と共同したパイロットプロジェクトの間に取得したMLSデータセットに対して試験した。結果は鉄道構造検出の100%精度を示し,鉄道構造モニタリングのためのGC抽出を強化する。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】