Towards an unsupervised large-scale 2D and 3D building mapping with airborne LiDAR data

要約

2D および 3D の建物マップは、人間の活動と地球とその環境への影響を理解するための貴重な情報を提供します。
建物マップの品質を向上させるための多大な努力にもかかわらず、自動化された方法で生成された現在の大規模な建物マップには多くのエラーと不確実性があり、多くの場合、2D 建物情報のみの提供に制限されています。
この研究では、大規模な建物のマッピングに適した空中 LiDAR データを使用した、オープンソースの教師なし 2D および 3D 建物抽出アルゴリズムを紹介します。
私たちのアルゴリズムは完全に教師なしで動作し、トレーニング ラベルやトレーニング手順を必要としません。
私たちのアルゴリズムは、形態学的フィルタリングと平面性ベースのフィルタリングの単純な操作で構成されています。
したがって、計算は効率的で、結果は予測しやすく、結果として得られる建物マップの不確実性を大幅に減らすことができます。
デンバーとニューヨーク市の大規模なデータセット (> 550 $km^2$) を使用した定量的および定性的な評価により、当社のアルゴリズムは、ディープ ラーニング ベースの方法で生成される Microsoft Building Footprints よりも正確な建物マップを生成できることが示されました。
.
ランドスケープのさまざまな条件での広範な評価により、アルゴリズムはスケーラブルであり、適切なパラメーターを選択することでさらに改善できることが確認されました。
また、アルゴリズムの潜在的なユーザーを支援するために、パラメーターの影響と潜在的なエラーの原因についても詳しく説明しました。
当社の LiDAR ベースのアルゴリズムには、正確で説明可能な結果を​​生成しながら、2D と 3D の両方の建物マップを生成する計算効率が高いという利点があります。
私たちが提案したアルゴリズムは、空中 LiDAR データを使用した地球規模の 2D および 3D 建物マッピングに大きな可能性をもたらします。

要約(オリジナル)

A 2D and 3D building map provides invaluable information for understanding human activities and their impacts on the Earth and its environment. Despite enormous efforts to improve the quality of building maps, current large-scale building maps generated from automated methods have many errors and uncertainties and are often limited to providing only 2D building information. This study presents an open-source unsupervised 2D and 3D building extraction algorithm with airborne LiDAR data that is suitable for large-scale building mapping. Our algorithm operates in a fully unsupervised manner and does not require either any training label or training procedure. Our algorithm consists of simple operations of morphological filtering and planarity-based filtering. Thus, the computation is efficient, and the results are easy to predict, which can greatly reduce uncertainties in the resulting building map. A quantitative and qualitative evaluation with a large-scale dataset (> 550 $km^2$) of Denver and New York City showed that our algorithm can produce more accurate building maps than Microsoft Building Footprints which is generated by a deep learning-based method. Extensive evaluations in different conditions of landscapes confirmed that our algorithm is scalable and can be improved further with appropriate parameter selection. We also detailed the impact of parameters and potential sources of error to assist potential users of our algorithm. Our LiDAR-based algorithm has advantages in that it is computationally efficient to generate both 2D and 3D building maps, while it generates accurate and explainable results. Our proposed algorithm provides great potential towards a global-scale 2D and 3D building mapping with airborne LiDAR data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google