フォトグラメトリに基づく点群における建物点を検出するための機械学習の適用

地上レーザースキャナー（TLS）、空中レーザースキャナー（ALS）、モバイルマッピングシステム（MMS）、および無人航空機（UAV）などの異なる点群技術は、近年、土地測量や地理情報学でますます一般的になっています。これらの現代的なツールのおかげで、専門家は高解像度または高精度で大規模なエリアをコスト効果的に測量できます。しかし、何百万もの点からなる点群の処理は大きな課題です。これらの大規模データセットの手動処理は非常に時間がかかり、ハードウェア要求が厳しく、ほとんどの場合、最終製品を導出するために点群の限られた部分しか使用されません。解決策は、可能な限りプロセスを自動化することです。多くの高度な数学的手法、特に機械学習（ML）アルゴリズムは、点群の効率的な自動処理を可能にします。本論文では、大規模なフォトグラメトリに基づく点群から建物点を検出および分離するための処理チェーンを提示します。この処理は、ランダムサンプルコンセンサス（RANSAC）と、ノイズのあるアプリケーションの密度に基づく空間クラスタリング（DBSCAN）や多層パーセプトロン（MLP）などの機械学習（ML）アルゴリズムの組み合わせに基づいています。提示された手法は、屋根と植生の点を90%以上の精度で分離するために確立されたオープンに利用可能なハイシギム3D（H3D）データセットでトレーニングおよびテストされており、大規模な点群における建物点の分離を強化します。