文献

J-GLOBAL ID：202202266511358988   整理番号：22A0848633

UAV高密度画像マッチングに基づく選択された航空障害物の検出と分類の方法論【JST・京大機械翻訳】

Methodology of Detection and Classification of Selected Aviation Obstacles Based on UAV Dense Image Matching

著者 (2件)： Lalak Marta (Institute of Navigation, Polish Air Force University, Deblin, Poland) ,  Wierzbicki Damian (Department of Imagery Intelligence, Faculty of Civil Engineering and Geodesy, Military University of Technology, Warsaw, Poland)
資料名： IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing  (IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing)
巻： 15  ページ： 1869-1883  発行年： 2022年 
JST資料番号： W2259A  ISSN： 1939-1404  CODEN： IJSTHZ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 現在,UAVsによって提供されるますます正確なデータは,対象とそれらの個々の要素の検出を必要とする土地被覆の分析を可能にする。低高度から得られた画像に基づいて生成された高密度点雲のおかげで,それらの幾何学的特徴の物体検出と決定が可能である。UAVsからの3Dデータは,空港の近傍における空気空間における安全性を確保するために極めて有用であることが分かった。本論文では,低高度データ(UAV)に基づく自動航空障害物検出の方法論を提示した。高密度3D点雲について研究を行った。航空障害物を検出するための開発した方法論は3つの主な段階から成る。第1は,航空障害物の高度-差同定に基づくポイントクラウド濾過であり,次に,修正RANSACアルゴリズムを使用する3Dポイントクラウド分割によって,分割プロセスの精度を改良するために,航空障害の二次元ベクトルデータによって補足した。最後の段階は,採用した高さと断面判定基準によって,航空障害の分類であった。航空障害物を検出する提案方法を,高精度によって特徴づけた。点雲を障害物データベースに当てはめる平均誤差は,±0.04mから±0.07mの範囲であった。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  *航空輸送 ,  データ ,  データベース ,  空港 ,  高さ ,  *画像 ,  二次元 ,  三次元 ,  判定基準 ,  土地被覆
準シソーラス用語： *画像マッチング ,  物体検出 ,  三次元データ ,  RANSAC , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： UAV ,  高密度 ,  画像マッチング ,  航空 ,  障害物 ,  分類 ,  方法論