文献

J-GLOBAL ID：202102239525136231   整理番号：21A2453925

LiDAR点雲を用いた鉄道構造監視のための自己組織化モデルフィッティング法【JST・京大機械翻訳】

Self-Organized Model Fitting Method for Railway Structures Monitoring Using LiDAR Point Cloud

著者 (3件)： Karunathilake Amila ,  Honma Ryohei ,  Niina Yasuhito
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 22  ページ： 3702  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 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】

シソーラス用語： アルゴリズム ,  鉄道軌道 ,  道路 ,  レール ,  特徴抽出 ,  踏切 ,  受信 ,  リモートセンシング ,  データ処理 ,  インフラストラクチャー ,  三次元 ,  *自己組織化 ,  携帯電話
準シソーラス用語： 物体検出 ,  レーザ走査 , 【Automatic Indexing@JST】

著者キーワード (4件)： モバイルレーザ走査(MLS) ,  鉄道インフラモニタリング ,  モデルフィッティング ,  3Dポイントクラウド

分類 (3件)： 道路計画・調査,道路の構造  (RC08020X) ,  応用測量,その他  (RC02060Z) ,  線路構造,軌道材料  (RC07030B)

引用文献 (30件)：

• Niina, Y.; Oketani, E.; Yokouchi, H.; Honma, R.; Tsuji, K.; Kondo, K. Monitoring of railway structures by MMS. J. Jpn. Soc. Photogramm. Remote Sens. 2016, 55, 95-99.
• Miao, Z.; Wang, B.; Shi, W.; Wu, H. A Method for Accurate Road Centerline Extraction from a Classified Image. IEEE J. Sel. Top. Appl. Earth Obs. Remote Sens. 2014, 7, 4762-4771.
• Miao, Z.; Shi, W.; Zhang, H.; Wang, X. Road Centerline Extraction from High-Resolution Imagery Based on Shape Features and Multivariate Adaptive Regression Splines. IEEE Geosci. Remote Sens. Lett. 2012, 10, 583-587.
• Wang, Y.; Chen, Q.; Zhu, Q.; Liu, L.; Li, C.; Zheng, D. A Survey of Mobile Laser Scanning Applications and Key Techniques over Urban Areas. Remote Sens. 2019, 11, 1540.
• Petrie, G. Mobile mapping systems: An introduction to the technology. GeoInformatics 2010, 13, 32-43.

タイトルに関連する用語 (5件)： LIDAR ,  点雲 ,  鉄道 ,  自己組織化 ,  モデルフィッティング