文献

J-GLOBAL ID：202202248247198501   整理番号：22A1210730

地上レーザー計測点群の画像化に基づくセマンティックセグメンテーション

著者 (2件)： 田中慧 (日本大) ,  溝口知広 (日本大)
資料名： 精密工学会大会学術講演会講演論文集(CD-ROM)  (精密工学会秋季大会学術講演会講演論文集(CD-ROM))
巻： 2022  号： 春季(CD-ROM)  ページ： ROMBUNNO.B104  発行年： 2022年03月02日 
JST資料番号： Y0914B  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本研究では,地上型レーザスキャナによる計測点群中のセグメンテーションのため,3次元点群の画像化に基づき,点群に対し2次元深層学習を適用可能なフレームワークを提案する.提案手法の利点として,学習データに比較的入手しやすい画像を利用できることが挙げられる.よく知られたU-netによる森林内樹木の樹幹検出を対象とし,3次元点群へのセマンティックラベル割り当て性能を評価する.(著者抄録)

シソーラス用語： 光学的測定 ,  陸地 ,  *点群 ,  データ ,  セグメンテーション ,  レーザスキャナ ,  機械学習 ,  ニューラルネットワーク ,  樹幹 ,  解析 ,  ラベル ,  分配
準シソーラス用語： U-Net ,  *セマンティックセグメンテーショ ,  *レーザ計測 ,  画像化 ,  学習データ ,  割当 ,  樹幹解析 ,  深層学習 ,  地上 ,  点群データ

分類 (6件)： データベースシステム  (JD03030U) ,  計測学一般  (AD01000Q) ,  長さ,面積,断面,体積,容積,角度の計測法・機器  (AD05020O) ,  人工知能  (JE08000Z) ,  測樹学  (FF01040T) ,  レーザの応用  (BD04100V)

引用文献 (4件)：

• Lloyd Windrim et al, “Forest Tree Detection and Segmentation using High Resolution Airborne LiDAR”, in 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp.3898-3904, 2019.
• Alexamdre Boulch et al, “SnapNet: 3D Point Cloud Semantic Labeling with 2D Deep Segmentation Networks”, Computers & Graphics, 71:189-198, 2018.
• Olaf Ronneberger et al, “U-Net: Convolutional Networks for Biomedical Image Segmentation”, Lecture Notes in Computer Science, Vol. 9351, pp. 234-241, 2015.
• labelme, https://github.com/wkentaro/labelme, (参照 2022-1-25)

タイトルに関連する用語 (5件)： 地上 ,  レーザー ,  計測点 ,  画像化 ,  セマンティックセグメンテーション