JP2021179839A - 地物の分類システム、分類方法及びそのプログラム - Google Patents
地物の分類システム、分類方法及びそのプログラム Download PDFInfo
- Publication number
- JP2021179839A JP2021179839A JP2020085247A JP2020085247A JP2021179839A JP 2021179839 A JP2021179839 A JP 2021179839A JP 2020085247 A JP2020085247 A JP 2020085247A JP 2020085247 A JP2020085247 A JP 2020085247A JP 2021179839 A JP2021179839 A JP 2021179839A
- Authority
- JP
- Japan
- Prior art keywords
- polygon
- polygons
- road surface
- building
- attribute table
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 47
- 238000000605 extraction Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 23
- 239000000284 extract Substances 0.000 claims abstract description 13
- 238000013135 deep learning Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000007493 shaping process Methods 0.000 claims description 2
- 230000004397 blinking Effects 0.000 claims 1
- 238000012217 deletion Methods 0.000 claims 1
- 230000037430 deletion Effects 0.000 claims 1
- 238000002372 labelling Methods 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 235000015842 Hesperis Nutrition 0.000 description 1
- 235000012633 Iberis amara Nutrition 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
しかしながら、デジタルカメラで撮影した一般的な写真と比べて、衛星画像は高精度な分類結果が出にくい。理由はいくつか考えられるが、第1に、衛星画像は直上から撮影した画像であり、基本的には上からの一面しか映らない極端な画像であることが主要因である。これにより、画像の上下にも意味がなく画像内の典型的な配置パタンの情報が存在せず、前景と背景の分離が難しくなってしまうなどの難しさが生じる。また、第2に、天気や太陽と地球の位置関係などにより、衛星画像の撮像条件が毎回異なることが自動判読を難しくしている別の要因である。特許文献1では、既知の3Dモデルが撮像条件の変化によってどのように見えるかという形をシミュレートすることで、ユーザの判読をサポートするような仕組みを提供している。また、第3に、衛星画像中には様々な地物が存在し、人が地物に対して付与したラベルのバリエーションが多すぎて機械学習の適用が難しい場合がある。見た目が異なる物や、サイズが全然違うものを同じクラスにするなど、人が与えるラベルには、計算機には理解が難しいことがある。例えば、市街地などを例にすると、様々なピクセル数で構成される建物を同一のクラスとして抽出する深層学習のモデルを生成すると、性能が劣化してしまうことが知られている。
複数枚の空撮画像を用いて地物を分類する分類システムであって、複数の解像度で認識した抽出結果を統合して路面ポリゴンを抽出する路面ポリゴン抽出部と、複数の空撮画像ペアによる多眼ステレオで得られる三次元情報と前記路面ポリゴンを用いて建物ポリゴンを抽出する建物ポリゴン抽出部と、前記建物ポリゴンと前記路面ポリゴンを類別するための各ポリゴンの画像特徴と幾何情報を取り出して属性テーブルに格納する属性テーブル作成部と、前記属性テーブルを用いて建物ポリゴンを類別し、さらに、確度高く類別出来たポリゴンについて、他のポリゴンとの関係を評価して前記属性テーブルに追加更新し、類別処理を繰り返す類別部と、を有するものである。
12 路面ポリゴン抽出部
13 建物ポリゴン抽出部
14 整形済みポリゴン取得部
15 属性テーブル作成部
16 類別部
17 属性テーブル
18 ユーザインタフェース
51 表示装置
52 記憶装置
53 CPU
54 GPU
55 メモリ
56 ユーザインタフェース
57 通信インタフェース
Claims (15)
- 複数枚の空撮画像を用いて地物を分類する分類システムであって、
複数の解像度で認識した抽出結果を統合して路面ポリゴンを抽出する路面ポリゴン抽出部と、
複数の空撮画像ペアによる多眼ステレオで得られる三次元情報と前記路面ポリゴンを用いて建物ポリゴンを抽出する建物ポリゴン抽出部と、
前記建物ポリゴンと前記路面ポリゴンを類別するための各ポリゴンの画像特徴と幾何情報を取り出して属性テーブルに格納する属性テーブル作成部と、
前記属性テーブルを用いて建物ポリゴンを類別し、さらに、確度高く類別出来たポリゴンについて、他のポリゴンとの関係を評価して前記属性テーブルに追加更新し、類別処理を繰り返す類別部と、
を有する地物の分類システム。 - 請求項1に記載の地物の分類システムであって、更に、
抽出された前記建物ポリゴンおよび前記路面ポリゴンを構成する小ポリゴン群について、それぞれの小ポリゴンを包含するように一定の矩形領域を設定し、前記空撮画像を切り出してエッジを抽出し、エッジの情報を用いて整形済みポリゴンを得る整形済みポリゴン取得部を有することを特徴とする地物の分類システム。 - 請求項2に記載の地物の分類システムであって、
前記整形済みポリゴン取得部は、エッジの角度ヒストグラムを取り、頻度の上位の確度を用いて直線グリッドを形成し、前記小ポリゴンを2値ラスタライズしたデータに前記直線グリッドを重畳し、グリッド内の1の占有比率をもって残すグリッドを選択し、整形済ポリゴンを得ることを特徴とする地物の分類システム。 - 請求項1に記載の地物の分類システムであって、
前記属性テーブルは、
前記建物ポリゴンの属性値を有する建物属性テーブルと、
前記路面ポリゴンの属性値を有する路面属性テーブルと、
から構成されることを特徴とする地物の分類システム。 - 請求項1に記載の地物の分類システムであって、
前記属性テーブルは、各ポリゴンごとにIDを割り当て、それぞれの面積、高さ、形状等の幾何情報、画像処理によって得られる色、植生指数、テクスチャ等の画像特徴、深層学習による類別結果の推定クラス、前記類別部で得られる地物ポリゴンの位置関係を含むことを特徴とする地物の分類システム。 - 請求項2に記載の地物の分類システムであって、
ユーザインタフェースを有し、
前記ユーザインタフェースは、前記整形済みポリゴン取得部で得られる整形済みポリゴンの形状を段階的に表示し、ユーザ操作による頂点編集やラインの修正を受け付けることを特徴とする地物の分類システム。 - 請求項1に記載の地物の分類システムであって、
ユーザインタフェースを有し、
前記ユーザインタフェースは、前記類別部で得られる類別結果を表示し、ユーザ操作による類別結果の追加・削除・修正を受け付けることを特徴とする地物の分類システム。 - 請求項1に記載の地物の分類システムであって、
ユーザインタフェースを有し、
前記ユーザインタフェースは、前記類別部で得られる類別結果を、根拠となる1または複数の属性値を伴って表示することを特徴とする地物の分類システム。 - 請求項1に記載の地物の分類システムであって、
ユーザインタフェースを有し、
前記ユーザインタフェースは、前記類別部で得られるポリゴンごとの類別結果が他のポリゴンとの位置関係を用いて算出された場合、ポリゴン同士を結ぶ直線を追加したり、ポリゴンを明滅させたりして関係性を強調することを特徴とする地物の分類システム。 - 複数枚の空撮画像を用いて地物を分類する分類方法であって、
複数の解像度で認識した抽出結果を統合して路面ポリゴンを抽出する路面ポリゴン抽出ステップと、
複数の空撮画像ペアによる多眼ステレオで得られる三次元情報と前記路面ポリゴンを用いて建物ポリゴンを抽出する建物ポリゴン抽出ステップと、
前記建物ポリゴンと前記路面ポリゴンを類別するための各ポリゴンの画像特徴と幾何情報を取り出して属性テーブルに格納する属性テーブル作成ステップと、
前記属性テーブルを用いて建物を類別し、さらに、確度高く類別できたポリゴンについて、他のポリゴンとの関係を評価して前記属性テーブルに追加更新し、類別処理を繰り返す類別処理ステップと、
を有する地物の分類方法。 - 請求項10に記載の地物の分類方法であって、更に、
抽出された前記建物ポリゴンおよび前記路面ポリゴンを構成する小ポリゴン群について、それぞれの小ポリゴンを包含するように一定の矩形領域を設定し、前記空撮画像を切り出してエッジを抽出し、エッジの情報を用いて整形済みポリゴンを得る整形済みポリゴン取得ステップを備えることを特徴とする地物の分類方法。 - 請求項11に記載の地物の分類方法であって、
前記整形済みポリゴン取得ステップは、
空撮画像から整形前ポリゴンの周辺を切り出し、エッジの角度ヒストグラムを取り、頻度の上位の確度を用いて直線グリッドを形成し、前記小ポリゴンを2値ラスタライズしたデータに前記直線グリッドを重畳し、グリッド内の1の占有比率をもって残すグリッドを選択し、整形済ポリゴンを得ることを特徴とする地物の分類方法。 - 請求項10に記載の地物の分類方法であって、
前記属性テーブルは、前記建物ポリゴンの属性値を有する建物属性テーブルと、前記路面ポリゴンの属性値を有する路面属性テーブルと、から構成されることを特徴とする地物の分類方法。 - 請求項10に記載の地物の分類方法であって、
前記属性テーブルは、前記整形済みポリゴン取得ステップで得られる各ポリゴンごとにIDを割り当て、それぞれの面積、高さ、形状等の幾何情報、画像処理によって得られる色、植生指数、テクスチャ等の画像特徴、機械学習による類別結果の推定クラス、前記類別処理ステップで得られる地物ポリゴンの位置関係を含むことを特徴とする地物の分類方法。 - コンピュータに、
複数枚の空撮画像を用いて地物を分類する分類方法であって、
複数の解像度で認識した抽出結果を統合して路面ポリゴンを抽出する路面ポリゴン抽出ステップと、
複数の空撮画像ペアによる多眼ステレオで得られる三次元情報と前記路面ポリゴンを用いて建物ポリゴンを抽出する建物ポリゴン抽出ステップと、
抽出された前記建物ポリゴンおよび前記路面ポリゴンを構成する小ポリゴン群について、それぞれの小ポリゴンを包含するように一定の矩形領域を設定し、前記空撮画像を切り出してエッジを抽出し、エッジの情報を用いて整形済みポリゴンを得る整形済みポリゴン取得ステップと、
前記建物ポリゴンと前記路面ポリゴンを類別するための画像特徴と幾何情報を取り出して属性テーブルに格納する属性テーブル作成ステップと、
前記属性テーブルを用いて建物を類別し、さらに、確度高く類別出来たポリゴンについて、他のポリゴンとの関係を評価して前記属性テーブルに追加更新し、類別処理を繰り返す類別処理ステップと、
を実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020085247A JP7418281B2 (ja) | 2020-05-14 | 2020-05-14 | 地物の分類システム、分類方法及びそのプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020085247A JP7418281B2 (ja) | 2020-05-14 | 2020-05-14 | 地物の分類システム、分類方法及びそのプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021179839A true JP2021179839A (ja) | 2021-11-18 |
JP7418281B2 JP7418281B2 (ja) | 2024-01-19 |
Family
ID=78511538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020085247A Active JP7418281B2 (ja) | 2020-05-14 | 2020-05-14 | 地物の分類システム、分類方法及びそのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7418281B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116246076A (zh) * | 2022-12-28 | 2023-06-09 | 北京华清安地建筑设计有限公司 | 一种传统民居院落肌理特征识别应用方法和*** |
KR102597987B1 (ko) * | 2022-12-26 | 2023-11-06 | 주식회사 데이터메이커 | 인공지능 학습용 라벨 데이터 수정 방법 및 장치 |
KR102597991B1 (ko) * | 2022-12-26 | 2023-11-06 | 주식회사 데이터메이커 | 인공지능 학습용 라벨 데이터 수정 장치 및 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015179346A (ja) * | 2014-03-19 | 2015-10-08 | 株式会社ジオ技術研究所 | 3次元地図表示システム |
JP2019185281A (ja) * | 2018-04-06 | 2019-10-24 | 株式会社日立製作所 | 衛星画像変化抽出システムおよび衛星画像変化抽出方法、並びに衛星画像変化抽出システムにおけるフロントエンド部 |
JP7243867B2 (ja) * | 2020-01-15 | 2023-03-22 | 日本電信電話株式会社 | 撮影範囲推定装置、撮影範囲推定方法およびプログラム |
-
2020
- 2020-05-14 JP JP2020085247A patent/JP7418281B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015179346A (ja) * | 2014-03-19 | 2015-10-08 | 株式会社ジオ技術研究所 | 3次元地図表示システム |
JP2019185281A (ja) * | 2018-04-06 | 2019-10-24 | 株式会社日立製作所 | 衛星画像変化抽出システムおよび衛星画像変化抽出方法、並びに衛星画像変化抽出システムにおけるフロントエンド部 |
JP7243867B2 (ja) * | 2020-01-15 | 2023-03-22 | 日本電信電話株式会社 | 撮影範囲推定装置、撮影範囲推定方法およびプログラム |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102597987B1 (ko) * | 2022-12-26 | 2023-11-06 | 주식회사 데이터메이커 | 인공지능 학습용 라벨 데이터 수정 방법 및 장치 |
KR102597991B1 (ko) * | 2022-12-26 | 2023-11-06 | 주식회사 데이터메이커 | 인공지능 학습용 라벨 데이터 수정 장치 및 방법 |
CN116246076A (zh) * | 2022-12-28 | 2023-06-09 | 北京华清安地建筑设计有限公司 | 一种传统民居院落肌理特征识别应用方法和*** |
CN116246076B (zh) * | 2022-12-28 | 2023-08-11 | 北京华清安地建筑设计有限公司 | 一种传统民居院落肌理特征识别应用方法和*** |
Also Published As
Publication number | Publication date |
---|---|
JP7418281B2 (ja) | 2024-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kakooei et al. | Fusion of satellite, aircraft, and UAV data for automatic disaster damage assessment | |
US7983474B2 (en) | Geospatial modeling system and related method using multiple sources of geographic information | |
US11657533B2 (en) | Computer vision systems and methods for ground surface condition detection and extraction from digital images | |
Teo et al. | Lidar-based change detection and change-type determination in urban areas | |
US9576373B2 (en) | Geospatial imaging system providing segmentation and classification features and related methods | |
Lizarazo et al. | Automatic mapping of land surface elevation changes from UAV-based imagery | |
JP7418281B2 (ja) | 地物の分類システム、分類方法及びそのプログラム | |
WO2008111993A2 (en) | Geospatial modeling system providing geospatial model data target point filtering based upon radial line segments and related methods | |
CN111325788A (zh) | 一种基于街景图片的建筑物高度确定方法 | |
US20210027055A1 (en) | Methods and Systems for Identifying Topographic Features | |
Grigillo et al. | Automated building extraction from IKONOS images in suburban areas | |
US20100182316A1 (en) | Geospatial modeling system for 3d clutter data and related methods | |
KR101549155B1 (ko) | 라이다 자료를 활용한 구조물의 직선경계 추출방법 | |
CN112504271A (zh) | 用于自动生成环境的训练图像集的***和方法 | |
US9372081B2 (en) | Method and system for geo-referencing at least one sensor image | |
CN109657728B (zh) | 样例生产方法及模型训练方法 | |
Yoo et al. | True orthoimage generation by mutual recovery of occlusion areas | |
Koc-San et al. | A model-based approach for automatic building database updating from high-resolution space imagery | |
Rupnik et al. | Contextual classification using photometry and elevation data for damage detection after an earthquake event | |
Chen et al. | Multi-type change detection of building models by integrating spatial and spectral information | |
CN115565072A (zh) | 一种道路垃圾识别和定位方法、装置、电子设备及介质 | |
Schiewe | Integration of multi-sensor data for landscape modeling using a region-based approach | |
US11190902B1 (en) | System and methods for large-scale automated indoor map data georeferencing | |
Lehrbass et al. | Urban tree cover mapping with relief-corrected aerial imagery and LiDAR | |
Zhu | A pipeline of 3D scene reconstruction from point clouds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231107 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231201 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231212 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240109 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7418281 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |