地理空间数据融合：结合 Lidar、SAR 与光学遥感影像用于城市制图
计算机视觉与模式识别
2024-12-30 v1 人工智能
图像与视频处理
摘要
本研究探索了通过高级人工智能技术整合Lidar、合成孔径雷达（SAR）和光学遥感影像，以实现城市制图。通过融合这些多样化的地理空间数据集，我们旨在克服单一传感器数据所固有的局限，实现对城市环境的更全面表征。研究采用全卷积网络（FCN）作为主要深度学习模型进行城市特征提取，实现对关键城市要素（包括建筑物、道路和植被）的精确像素级分类。为优化FCN模型的性能，我们利用粒子群优化（PSO）进行超参数调优，显著提升了模型准确率。关键发现表明，FCN-PSO模型在像素准确率达到92.3%，平均交并比（IoU）达到87.6%，显著优于传统单一传感器方法。这些结果凸显了融合地理空间数据和AI驱动方法在城市制图中的潜力，为城市规划和管理提供了宝贵见解。本研究的意义为未来在实时制图和自适应城市基础设施规划方面的发展指明了道路。
引用
@article{arxiv.2412.18994,
title = {Geospatial Data Fusion: Combining Lidar, SAR, and Optical Imagery with AI for Enhanced Urban Mapping},
author = {Sajjad Afroosheh and Mohammadreza Askari},
journal= {arXiv preprint arXiv:2412.18994},
year = {2024}
}