ELEV-VISION: Automated Lowest Floor Elevation Estimation from Segmenting Street View Images

要約

ストリートビュー画像の潜在的な情報を活用するために、コンピュータビジョン技術に基づく自動最低床面標高（LFE）推定アルゴリズムを提案します。洪水深-被害モデルでは、LFEと洪水深を組み合わせて、洪水リスクと物件への被害の程度を判断するために使用します。Googleストリートビュー画像からドア底や道路脇のエッジを検出するために、画像分割を利用した。水平方向と垂直方向の角度を一定の間隔で表現する等角投影の特性により、カメラからドア底までのピッチ角度を抽出することができる。カメラからドア底までの奥行きは、Googleストリートビュー画像と対になったデプスマップから取得しました。ピッチ角と奥行きからLFEを算出した。提案手法を適用するためのテストベッドは、Meyerland（テキサス州ハリス郡）である。その結果、提案手法はLFEを推定する際に0.190 m (1.18 %)の平均絶対誤差を達成しました。また、道路と最下階との高低差（HDSL）を推定し、洪水被害推定のための情報を提供した。ストリートビュー画像と画像分割を用いた提案するLFE自動推定アルゴリズムは、トータルステーションセオドライトや無人航空機を用いた調査と比較して、LFE推定を迅速かつ費用対効果の高い方法で行うことができる。提案手法により、より正確で最新のLFEデータを得ることで、都市計画者、緊急計画者、保険会社は、より正確な洪水被害の推定を行うことができる。

要約(オリジナル)

We propose an automated lowest floor elevation (LFE) estimation algorithm based on computer vision techniques to leverage the latent information in street view images. Flood depth-damage models use a combination of LFE and flood depth for determining flood risk and extent of damage to properties. We used image segmentation for detecting door bottoms and roadside edges from Google Street View images. The characteristic of equirectangular projection with constant spacing representation of horizontal and vertical angles allows extraction of the pitch angle from the camera to the door bottom. The depth from the camera to the door bottom was obtained from the depthmap paired with the Google Street View image. LFEs were calculated from the pitch angle and the depth. The testbed for application of the proposed method is Meyerland (Harris County, Texas). The results show that the proposed method achieved mean absolute error of 0.190 m (1.18 %) in estimating LFE. The height difference between the street and the lowest floor (HDSL) was estimated to provide information for flood damage estimation. The proposed automatic LFE estimation algorithm using Street View images and image segmentation provides a rapid and cost-effective method for LFE estimation compared with the surveys using total station theodolite and unmanned aerial systems. By obtaining more accurate and up-to-date LFE data using the proposed method, city planners, emergency planners and insurance companies could make a more precise estimation of flood damage.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL