Остання редакція: 2024-12-28
Анотація
Використовуючи сучасні інформаційні технології, проведено дослідження процесу автоматизованого створення планів будівель на основі аерофотозйомки дахів. У роботі запропоновано підхід до обробки зображень за допомогою нейронних мереж, таких як DETR та Vision Transformers, що дозволяє з високою точністю ідентифікувати та сегментувати дахи будівель. Основною метою є створення точних моделей міської забудови для подальшого використання у геоінформаційних системах та плануванні територій. Розроблений підхід сприяє автоматизації процесів аналізу міської інфраструктури та підвищенню точності картографічних даних.
Abstract
Using modern information technologies, a study was conducted to automate the creation of building plans based on aerial roof photography. The approach leverages image processing through neural networks, such as DETR and Vision Transformers, enabling accurate identification and segmentation of building roofs. The primary goal is to create precise urban development models for further use in geographic information systems and territorial planning. The proposed method enhances the automation of urban infrastructure analysis and improves the accuracy of cartographic data.
Ключові слова
Посилання
1. Є. М. Крижановський, В.Б. Мокін, А.Р. Ящолт, та Л.М. Скорина, Системний аналіз та проектування ГІС. Вінниця, Україна: ВНТУ, 2015.
2. А. І. Зубик, ГІС в урбаністиці та просторовому плануванні: навчально методичний посібник для аудиторної та самостійної роботи студентів з курсу “Використання ГІС в урбаністиці та просторовому плануванні”. Львів, Україна: ЛНУ, 2021.
3. В.Б. Мокін, І.В. Варчук, та Є.М. Крижановський, Інформаційна технологія аналізу та оптимізації топологічної спостережуваності багатозв'язних геоінформаційних систем: монографія. Вінниця, Україна: ВНТУ, 2019.
4. Qi Chen, Lei Wang, Yifan Wu, Guangming Wu, Zhiling Guo, Steven L. Waslander, TEMPORARY REMOVAL: Aerial imagery for roof segmentation: A large-scale dataset towards automatic mapping of buildings, ISPRS Journal of Photogrammetry and Remote Sensing, Volume 147, 2019, Pages 42-55, ISSN 0924-2716, https://doi.org/10.1016/j.isprsjprs.2018.11.011.
5. Q. Li et al., "Instance Segmentation of Buildings Using Keypoints," IGARSS 2020 - 2020 IEEE International Geoscience and Remote Sensing Symposium, Waikoloa, HI, USA, 2020, pp. 1452-1455, doi: 10.1109/IGARSS39084.2020.9324457.
6. Guo M, Liu H, Xu Y, Huang Y. Building Extraction Based on U-Net with an Attention Block and Multiple Losses. Remote sensing (Basel, Switzerland). 2020;12(9):1400-. doi:10.3390/rs12091400
7. Sariturk, Batuhan, et al. "FEATURE EXTRACTION FROM SATELLITE IMAGES USING SEGNET AND FULLY CONVOLUTIONAL NETWORKS (FCN)." International Journal of Engineering and Geosciences, vol. 5, no. 3, Oct. 2020, pp.
8. Gaston Lenczner, Adrien Chan-Hon-Tong, Bertrand Le Saux, Nicola Luminari, Guy Le Besnerais. DIAL: Deep Interactive and Active Learning for Semantic Segmentation in Remote Sensing. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2022, 15, pp.3376 - 3389. ff10.1109/jstars.2022.3166551f, https://ieeexplore.ieee.org/document/9324457.
9. Agustsson, E., et al.: Interactive full image segmentation by considering all regions jointly. In: CVPR. pp. 11622–11631. IEEE (2019).
10. Ю.О. Карпінський, А.А. Лященко, Н.Ю. Лазоренко-Гевель, Основи ГІС. Стандартизація географічної інформації: навч. посіб. Київ, Україна: КНУБА, 2021.