基于 LiDAR 移动测绘数据确定建筑洪水风险图
计算机视觉与模式识别
2022-02-03 v1
摘要
随着城市化进程加剧，洪水已成为当今许多城市面临的主要挑战。基于降水预报、地形和管网，洪水模拟可为面临洪水风险的区域和建筑提供早期预警。地下室窗户、门和地下车库入口是洪水流入建筑的常见位置。一些建筑在考虑洪水威胁时已进行准备或设计，而另一些则没有。因此，了解这些立面开口的高度有助于识别更易进水的位置。然而，此类数据在大多数城市中尚不易获取。传统上对所需目标进行测绘可使用，但这是一个非常耗时且费力过程。本研究提出了一种从 LiDAR 移动测绘数据中提取窗户和门的新流程。训练深度学习目标检测模型来识别这些对象。通常，这需要提供大量人工标注。在本文中，我们通过利用基于规则的方法缓解了此问题。第一步，基于规则的方法用于生成伪标签。然后应用半监督学习策略，包含三个不同监督级别。结果表明，仅使用自动生成的伪标签，基于学习的模型在 F1-score 上优于基于规则的方法 14.6%。经过五小时人工监督后，模型可再提升 6.2%。通过将检测到的立面开口高度与洪水模拟模型预测的水位进行比较，可生成一幅按建筑分配洪水风险等级的地图。该信息可与洪水预报结合，为城市基础设施和住宅建筑提供更有针对性的防灾指南。
引用
@article{arxiv.2201.05514,
title = {Determination of building flood risk maps from LiDAR mobile mapping data},
author = {Yu Feng and Qing Xiao and Claus Brenner and Aaron Peche and Juntao Yang and Udo Feuerhake and Monika Sester},
journal= {arXiv preprint arXiv:2201.05514},
year = {2022}
}