从360°全景图中自动提取建筑图像用于灾后评估
计算机视觉与模式识别
2019-11-06 v2
摘要
灾后，结构工程师团队会收集大量受损建筑图像，以获取新认识并从中提炼教训。然而在许多情况下，所收集的图像缺乏足够的空间上下文。当损坏严重时，甚至很难辨认出建筑。为了准确识别建筑失效原因或实际损失，需要获取这些建筑灾前的图像。为此，本文提出一种从360°全景图像（全景图）中自动提取事件前建筑图像的方法。以在目标建筑附近采集的带地理标签图像作为输入，通过街景服务（如美国的Google或Bing）自动下载靠近输入图像位置的全景图。通过计算全景图与目标建筑之间的几何关系，确定每张全景图最合适的投影方向，从而生成高质量的建筑2D图像。利用基于区域的卷积神经网络（Region-based convolutional neural networks）在这些2D图像中识别建筑。使用多张全景图，使检测到的建筑图像提供建筑的不同视角。为展示该技术的能力，我们以美国德克萨斯州Holiday Beach的住宅建筑为例，这些建筑在2017年Harvey飓风中也遭受了严重破坏。利用实际灾后建筑勘察任务中收集的带地理标签图像，我们成功地从事件前拍摄的Google街景图像中提取出住宅建筑图像，从而验证了该方法。
引用
@article{arxiv.1905.01524,
title = {Automated building image extraction from 360{\deg} panoramas for postdisaster evaluation},
author = {Ali Lenjani and Chul Min Yeum and Shirley Dyke and Ilias Bilionis},
journal= {arXiv preprint arXiv:1905.01524},
year = {2019}
}