Satellite Sunroof: High-res Digital Surface Models and Roof Segmentation for Global Solar Mapping

要約

再生可能エネルギー、特に太陽光発電への移行は、気候変動を緩和する鍵となります。
Google の Solar API は、航空画像から太陽光発電の可能性を推定することでこの移行を支援しますが、その影響は地理的範囲によって制限されます。
この論文では、衛星画像を使用して API の範囲を拡大し、地球規模の太陽光発電の可能性評価を可能にすることを提案しています。
私たちは、深層学習モデルを使用して、デジタル サーフェス モデル (DSM) の構築と、低解像度および単一の斜めビューからの屋根インスタンスのセグメンテーションの構築に伴う課題に取り組みます。
位置合わせされた衛星および航空データセットでトレーニングされた当社のモデルは、25 cm DSM と屋根セグメントを生成します。
建物の DSM MAE が約 1m、屋根ピッチ誤差が約 5 度、屋根セグメンテーションで IOU が約 56% であるため、太陽光発電の導入を促進する Solar API の可能性が大幅に高まります。

要約(オリジナル)

The transition to renewable energy, particularly solar, is key to mitigating climate change. Google’s Solar API aids this transition by estimating solar potential from aerial imagery, but its impact is constrained by geographical coverage. This paper proposes expanding the API’s reach using satellite imagery, enabling global solar potential assessment. We tackle challenges involved in building a Digital Surface Model (DSM) and roof instance segmentation from lower resolution and single oblique views using deep learning models. Our models, trained on aligned satellite and aerial datasets, produce 25cm DSMs and roof segments. With ~1m DSM MAE on buildings, ~5deg roof pitch error and ~56% IOU on roof segmentation, they significantly enhance the Solar API’s potential to promote solar adoption.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google