基于无人机系统、运动恢复结构与深度学习的地貌分析
机器人学
2021-02-18 v5 地球与行星天体物理
机器学习
地球物理
摘要
我们提出一种地貌分析流程，该流程利用运动恢复结构（SfM）和深度学习处理近景航空影像，以估算沿构造断崖的岩石特征（尺寸、圆度和产状）的空间分布。断崖上岩石的性质源于初始火山破裂与后续构造和地貌破裂的共同作用，而我们的流程使科学家能够利用基于无人机系统（UAS）的影像更好地理解此类地表过程。我们首先对航空影像使用 SfM 以生成地理参考正射影像拼图和数字高程模型（DEM）。随后，人类专家从正射影像拼图中采样的一组图像块上标注岩石，这些标注用于训练深度神经网络以检测并分割整个场地的单个岩石。在大量未标注的高分辨率 SfM 产品上提取的语义信息（岩石掩膜）使得后续结构分析与形状描述子能够估算岩石尺寸、圆度和产状。我们展示了在加利福尼亚州毕晓普附近火山台地沿一处断崖进行的两个实验结果。第一个概念验证实验我们使用配备 RGB 相机的 DJI Phantom 4 Pro，并检查高程信息是否辅助了来自 RGB 通道的实例分割。利用神经网络推断获得了沿断崖和横跨断崖的岩石特征直方图。在第二个实验中，我们部署了一架六旋翼和多光谱相机，以生成 DEM 以及红、绿、蓝、红边和近红外五个光谱正射影像拼图。我们着重考察了不同输入通道组合在实例分割中的有效性。
引用
@article{arxiv.1909.12874,
title = {Geomorphological Analysis Using Unpiloted Aircraft Systems, Structure from Motion, and Deep Learning},
author = {Zhiang Chen and Tyler R. Scott and Sarah Bearman and Harish Anand and Devin Keating and Chelsea Scott and J Ramon Arrowsmith and Jnaneshwar Das},
journal= {arXiv preprint arXiv:1909.12874},
year = {2021}
}