Automatic detection of aerial survey ground control points based on Yolov5-OBB

要約

地上制御点（GCP）を用いたジオリファレンスは、無人航空機（UAV）写真測量において最も一般的な手法であるが、同時にその収集はUAVキャンペーンにおいて最も時間とコストのかかる部分である。近年、小物検出の分野ではディープラーニングが急速に発展している。本レターでは、UAV画像からGCPマーカーを検出し、グラウンドコントロールポイント（GCP）の座標情報を自動的に抽出するために、深層学習ベースのアーキテクチャであるYOLOv5-OBBと信頼閾値フィルタリングアルゴリズムおよび最適ランキングアルゴリズムを組み合わせたソリューションを提案する。DJI Phantom 4 Proドローンで収集したデータセットに提案手法を適用したところ、クロスタイプのGCP-マーカーに対して、平均平均精度（AP）が0.832、最高APが0.982と良好な検出性能を得た。提案手法は、将来的にエンドツーエンドの空中三角測量プロセスを実現するための有望なツールとなり得る。

要約(オリジナル)

The use of ground control points (GCPs) for georeferencing is the most common strategy in unmanned aerial vehicle (UAV) photogrammetry, but at the same time their collection represents the most time-consuming and expensive part of UAV campaigns. Recently, deep learning has been rapidly developed in the field of small object detection. In this letter, to automatically extract coordinates information of ground control points (GCPs) by detecting GCP-markers in UAV images, we propose a solution that uses a deep learning-based architecture, YOLOv5-OBB, combined with a confidence threshold filtering algorithm and an optimal ranking algorithm. We applied our proposed method to a dataset collected by DJI Phantom 4 Pro drone and obtained good detection performance with the mean Average Precision (AP) of 0.832 and the highest AP of 0.982 for the cross-type GCP-markers. The proposed method can be a promising tool for future implementation of the end-to-end aerial triangulation process.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL