从谷歌地图到细粒度街道树木目录
计算机视觉与模式识别
2019-10-08 v1 机器学习
摘要
最新的城市树木种群目录对于市政当局监测和改善城市生活质量十分重要。尽管在树木制图自动化方面已有大量研究，主要依赖专门的机载激光雷达或高光谱观测，但在实际中树木仍大多靠人工制图。我们提出了一个全自动的树木检测与树种识别流程，利用谷歌地图(Google MapsTM)公开可用的航拍和街景图像，在几小时内处理数千棵树。这些数据提供了从全局树形到树皮纹理的丰富信息（视点、尺度）。我们的工作流围绕一个监督分类构建，该分类从数千棵树及相应的公共树木清单数据中自动学习最具判别力的特征。此外，我们引入了一个变化追踪器以保持城市树木清单的更新。通过在两个不同时间比较同一树木位置的街景图像，在城市的尺度上识别单棵树木的变化。借助计算机视觉与机器学习的最新进展，我们将卷积神经网络(CNN)应用于所有分类任务。我们提出如下流程：下载感兴趣区域所有可用的全景图和俯视图像，逐图像检测树木并在概率框架下结合多视角检测、加入先验知识，识别检测到的树木的细粒度树种。在之后的独立模块中，随时间追踪树木并识别变化类型。我们认为这是首项利用公开图像数据在城市尺度、或针对数千棵树进行细粒度树木制图的工作。在美国加利福尼亚州帕萨迪纳市的实验表明，我们能检测到超过 70% 的街道树木，对 40 个不同树种正确指定物种的比例超过 80%，并在超过 90% 的案例中正确检测并分类变化。
引用
@article{arxiv.1910.02675,
title = {From Google Maps to a Fine-Grained Catalog of Street trees},
author = {Steve Branson and Jan Dirk Wegner and David Hall and Nico Lang and Konrad Schindler and Pietro Perona},
journal= {arXiv preprint arXiv:1910.02675},
year = {2019}
}