Artificial Neural Network for Estimation of Physical Parameters of Sea Water using LiDAR Waveforms

要約

光検出と範囲（LIDAR）は、地球観測の分野で急速に新たなセンサーです。
これは、レーザービームを利用して距離を測定し、オブジェクトと環境の詳細な3次元表現を作成するリモートセンシングテクノロジーです。
完全な波形Lidarの可能性は、高さの推定と3D再構成のみよりもはるかに大きいです。
信号の全体的な形状は、水域の特性に関する重要な情報を提供します。
ただし、波形内の最大値を利用することにより、ほとんどのLIDARソフトウェアがPoint Cloudで機能するため、FWLの形状は未開拓です。
LIDARデータ分析の分野における既存の手法には、減衰係数を近似するための対数強度と深さの逆モデリングと回帰による深度推定が含まれます。
ただし、これらの方法は正確さの制限に悩まされています。
逆モデリングによる深度推定は、近似値のみを提供し、表面特性の変動を説明しませんが、減衰係数の回帰アプローチは、精度がなく、推定に有意なエラーにつながる可能性のあるいくつかのデータポイントを介して値を一般化することができます。
さらに、現在、底部反射率を予測するための確立されたモデリング方法はありません。
この研究では、LIDARデータ分析におけるパラメーター推定のためのニューラルネットワークに基づく新しいソリューションを提案しました。
ニューラルネットワークの能力を活用することにより、提案されたソリューションは反転モデルを成功裏に学習し、深さ、減衰係数、底反射などのパラメーターの予測を行うことができました。
モデルのパフォーマンスは、実際のLIDARデータでテストすることにより検証されました。
将来的には、データの可用性が増えると、このようなモデルの精度と信頼性が向上します。

要約(オリジナル)

Light Detection and Ranging (LiDAR) are fast emerging sensors in the field of Earth Observation. It is a remote sensing technology that utilizes laser beams to measure distances and create detailed three-dimensional representations of objects and environments. The potential of Full Waveform LiDAR is much greater than just height estimation and 3D reconstruction only. Overall shape of signal provides important information about properties of water body. However, the shape of FWL is unexplored as most LiDAR software work on point cloud by utilizing the maximum value within the waveform. Existing techniques in the field of LiDAR data analysis include depth estimation through inverse modeling and regression of logarithmic intensity and depth for approximating the attenuation coefficient. However, these methods suffer from limitations in accuracy. Depth estimation through inverse modeling provides only approximate values and does not account for variations in surface properties, while the regression approach for the attenuation coefficient is only able to generalize a value through several data points which lacks precision and may lead to significant errors in estimation. Additionally, there is currently no established modeling method available for predicting bottom reflectance. This research proposed a novel solution based on neural networks for parameter estimation in LIDAR data analysis. By leveraging the power of neural networks, the proposed solution successfully learned the inversion model, was able to do prediction of parameters such as depth, attenuation coefficient, and bottom reflectance. Performance of model was validated by testing it on real LiDAR data. In future, more data availability would enable more accuracy and reliability of such models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google