卫星天窗：用于全球太阳能测绘的高分辨率数字表面模型与屋顶分割
计算机视觉与模式识别
2024-08-30 v2 机器学习
摘要
向可再生能源（尤其是太阳能）的转型是减缓气候变化的关键。谷歌的Solar API通过从航拍图像估算太阳能潜力来促进这一转型，但其影响受到地理覆盖范围的限制。本文提出利用卫星图像扩展该API的覆盖范围，从而实现全球太阳能潜力评估。我们应对了从较低分辨率和单一倾斜视角构建数字表面模型(DSM)和屋顶实例分割所涉及的挑战，并采用了深度学习模型。我们的模型在配准的卫星和航拍数据集上训练，可生成25厘米分辨率的DSM和屋顶分割结果。在建筑物上实现了约1米的DSM平均绝对误差(MAE)、约5度的屋顶坡度误差以及约56%的屋顶分割交并比(IOU)，这显著增强了Solar API推广太阳能应用的潜力。
引用
@article{arxiv.2408.14400,
title = {Satellite Sunroof: High-res Digital Surface Models and Roof Segmentation for Global Solar Mapping},
author = {Vishal Batchu and Alex Wilson and Betty Peng and Carl Elkin and Umangi Jain and Christopher Van Arsdale and Ross Goroshin and Varun Gulshan},
journal= {arXiv preprint arXiv:2408.14400},
year = {2024}
}
备注
14 pages