ELEV-VISION：基于街景图像分割的最低楼层高程自动估算
计算机视觉与模式识别
2025-06-10 v1
摘要
我们提出一种基于计算机视觉技术的自动化最低楼层高程（LFE）估算算法，以利用街景图像中的潜在信息。洪水深度-损失模型结合LFE与洪水深度来确定洪灾风险及财产损失程度。我们使用图像分割从Google街景图像中检测门底与路边边缘。等距柱状投影具有水平与垂直角度等间距表示的特征，可提取从相机到门底的俯仰角。从与Google街景图像配对的深度图中获得从相机到门底的深度。LFE由俯仰角与深度计算得出。所提方法的应用测试区为Meyerland（德克萨斯州哈里斯县）。结果表明，所提方法在LFE估算中达到0.190 m（1.18%）的平均绝对误差。估算了街道与最低楼层之间的高差（HDSL），为洪水损失估算提供信息。与使用全站仪经纬仪和无人机系统的测量相比，所提的利用街景图像与图像分割的自动LFE估算算法提供了一种快速且经济的方法。通过所提方法获取更准确和最新的LFE数据，城市规划者、应急规划者与保险公司可对洪水损失做出更精确的估算。
引用
@article{arxiv.2306.03050,
title = {ELEV-VISION: Automated Lowest Floor Elevation Estimation from Segmenting Street View Images},
author = {Yu-Hsuan Ho and Cheng-Chun Lee and Nicholas D. Diaz and Samuel D. Brody and Ali Mostafavi},
journal= {arXiv preprint arXiv:2306.03050},
year = {2025}
}