JP7042146B2 - 衛星画像変化抽出システムおよび衛星画像変化抽出方法、並びに衛星画像変化抽出システムにおけるフロントエンド部 - Google Patents
衛星画像変化抽出システムおよび衛星画像変化抽出方法、並びに衛星画像変化抽出システムにおけるフロントエンド部 Download PDFInfo
- Publication number
- JP7042146B2 JP7042146B2 JP2018073583A JP2018073583A JP7042146B2 JP 7042146 B2 JP7042146 B2 JP 7042146B2 JP 2018073583 A JP2018073583 A JP 2018073583A JP 2018073583 A JP2018073583 A JP 2018073583A JP 7042146 B2 JP7042146 B2 JP 7042146B2
- Authority
- JP
- Japan
- Prior art keywords
- satellite image
- change
- change extraction
- satellite
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Description
最近、大規模災害の増加やアジア情勢の緊迫化に伴い、迅速に広域の状況把握(物体抽出・変化抽出)ができる解析プラットフォームが求められている。一般に広域の変化を長期間にわたってモニタし,意味のある情報を手に入れ続けるには多くの衛星画像が必要になる。
従来、無料でダウンロードできる画像を提供する衛星にはLandsatやMODISがある。しかし,マルチスペクトルのバンドにおいて解像度が30m,250mと解像度が低い問題があった。
近年、高解像度センサを搭載した超小型衛星の登場により、衛星画像取得コストの低廉化も進んでおり、さらに民間向けの高解像度衛星画像を提供する米Digital Globe社がGBDX platformを公開するなど、高解像度衛星画像のアーカイブ利用の黎明期を迎えており、多数の高解像度衛星画像を前提としたソリューションの検討が始まっている。
一般に、衛星画像における変化抽出は、複数枚の衛星画像を直接的に画素値比較するだけでなく、地上の被覆分類あるいは物体認識の結果を比較する方法がとられる。
衛星画像は、太陽の強度、大気の含有水分、センサの向きや位置などに起因する撮像条件の違いや、植生のように季節によって見え方が異なる地物の存在により、画素自体は変化していることから、人の主観では変化とみなしたくない領域も変化としてとらえてしまう。
よって、物体認識や被覆分類を加味してから、その結果の画像同士を比較するという、変化抽出のアプローチをとることがある。
衛星画像の物体認識や被覆分類を行う際には,領域のクラスタリング(clustering)を施して領域を分割する前処理が行われることがある。領域のクラスタ(cluster)ごとに認識や分類を行う方式はオブジェクトベースの方式と呼ばれ、ピクセルごとに認識や分類を行うピクセルベースの方式よりも有効であることが報告されている。
オブジェクトベースでの変化抽出は、比較的大きなピクセル集合内の画素値の分散や平均といったテクスチャ(texture)の情報を加味できるためである。
これらの工夫を行ったとして問題になるのが、太陽の強度および角度に起因する影領域の出現と、衛星画像の撮影角度に起因する高度を持つ地物の倒れ込みである。
ここでは、衛星画像の撮影方向が直下視から外れた場合に、高い地物の側面が撮影され、隣接ピクセルまではみだす現象を倒れ込みと呼んでいる。
地物の高さの変化など三次元的な変化は、二次元の画像ではとらえられない問題があるから、例えば、特開2016-151414号公報(特許文献2)のように三次元点群に変換してからの差分をとる手法がとられている。
また、特許文献2に記載された発明は、第1時期と第2時期の座標算出済み三次元点群データを取得し、この点群データの差分を算出して地表変化を解析するものであり、文献1と同様に衛星画像の変化抽出については考慮されていない。つまり、二次元の画像を三次元点群に変換してからの差分をとる手法に留まる。
また、ドローンを活用した写真測量における三次元化ではSfM (Structure from Motion)などの技術とMVSを組み合わせて単眼カメラでも三次元の座標を復元できるような仕組みが確立されている。ドローンでの撮影コストは1度のフライトで複数回にわたって地上を撮影することが通例であるから、多視点の画像を一度のフライトで得ることが可能である。
一方、衛星画像は、ステレオペア撮影を依頼した場合を除いて、一度の撮影依頼に対して複数枚の撮影画像は提供されず、撮像条件のよい画像を選択的に提供する。また、ステレオペア撮影を行ったとして、一度の撮影で地物を完全に三次元化することは難しい。
そのため、衛星画像を三次元化するためには、複数回の撮影依頼をする必要があり、コストが高くなる問題がある。
高解像度衛星は、およそ1.5日に一回程度の頻度で同一地点のシャッターが切れる軌道で地球上空を周回している。
しかし、被雲があると撮影できない等の問題により、視差を確保して二度撮影するには時間が予想外にかかる問題もある。
ステレオペア撮影を含む写真測量をベースとした地物の三次元化には必ず2枚以上の画像が必要である。
例えば、新規に撮影した衛星画像が1枚の場合、新規画像にのみ変化が生じていた場合、変化部分に相当するステレオペアが確定しないため、三次元データの生成が生成できず、形状差分を抽出することができない。
1枚の新規画像撮影で新たに復元あるいは消失した三次元形状は、ひとつ前の撮影で復元されるはずだった部位であり、1枚の新規撮影によってステレオペアが確定し、三次元の形状変化として確定する。
なお、本処理にて検出した三次元データの部分は、実際の三次元変化と色分けして結果表示するとよい。また、本処理にて検出した三次元データは、次回の更新で実際の三次元変化として検出される可能性が高い部位として候補化されるが、事前情報として表示するとよい。
上記した以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。
以下の説明において,図中で同じ符号番号がついたものは,同様の動作を行うため,説明を省略する。同様の動作を行うが,一部動作が異なるものについては,数字の末尾にハイフン及びアルファベットをつけて派生形であることを表す。
本発明の衛星画像変化抽出システムは、オンライン解析装置を構成する衛星画像解析プラットフォーム1と、オフライン解析装置を構成するフロントエンド部2で構成される。衛星画像解析プラットフォーム1とフロントエンド部2は、インターネット4を介して接続される。
演算装置(CPU)14や大容量記憶装置13は、1以上の物理装置により構成されている。
これらは、複数の物理装置で1つの論理的な装置を構成するクラウドサーバ3の形態をとってもよい。
また、さらに、アクセス制御部12は、閲覧のためのデータを整理して、フロントエンド部2のフロントエンド表示部21で表示するためのポータル情報を生成してデータ化する。
フロントエンド部2での情報取得形態は、メール受信の形式であってもよい。また、解析エンジン11にて得られた結果を所定のフォーマットに変換して、アクセス制御部12からメールサーバーに対してデータを送信してもよい。
フロントエンド部2は、表示データの配置を加工する機能を有し、ユーザが所望するフォーマットに変換する機能が付いていてもよい。
衛星画像変化抽出システムは、過去に撮影した過去衛星画像(又は過去画像)を取得し、過去に撮影した衛星画像群で三次元化したデータに対し、新規に撮影した新規衛星画像(又は新規画像、最新画像)を撮影した地点および時間の情報を取得する。
衛星画像変化抽出システムは、過去に撮影した衛星画像群で三次元化したデータに対し、新規に撮影した衛星画像の撮影地点および時間を含む情報から地物(土地や建物、植木など)の影のできる方向と長さ(倒れ込み)を予測し、予想画像(予想した衛星画像)を作成する。
衛星画像変化抽出システムは、予想画像と過去に撮影した衛星画像から取得した過去画像を比較し、それらの差分を判定し、当該差分の判定により影が形成されたかを判定する。
つまり、予想画像で予測した影のできる方向および長さと、新規に撮影した新規衛星画像から特定された影の方向および長さの差分を求め、当該差分から対象となる地物の三次元データの変化を推定する。
衛星画像変化抽出システムは、二次元変化を抽出する処理で検出した変化領域を直方体仮定で投影逆変換して三次元データにマークする。また、予測で作成した三次元の部分は、実際の三次元変化と色分けして結果表示する。
さらに、前処理部112は、画像の輝度値が適切な値になるようにカラーストレッチをかける、あるいは衛星画像の撮影条件やデータシートから画像の輝度値を反射係数に変換する、などの処理を施してもよい。
また、形状情報が重要になる解析タスク、例えば、三次元形状復元に使用する衛星画像は、パンクロマティック画像とマルチスペクトル画像を用いて、パンシャープン化の処理を追加でかけておいてもよい。
逆に、被覆分類や画像差分を抽出する際には、低解像度の画像が重要になることがあるため、予め解像度を落とした衛星画像も用意しておくとよい。
MVSを実施する前段処理として、SfMによって衛星画像のカメラ位置の相対関係を取得する。SfMでは衛星画像間の特徴点マッチングによって画像間の対応関係を計算するが、この処理を高精度化するため、メタ情報に含まれる衛星情報から、カメラの光学性能のデータベースを参照し、焦点距離の情報、画像のゆがみの情報などカメラの内部パラメータを取得する。
ここで、特徴点よりも信頼度の高い情報を使用することで、ステレオペアの基点となるカメラの位置姿勢情報の推定精度の向上を図るとよい。また、信頼のおけるGCP情報は三次元形状の生成精度を向上させるから、ユーザが新たに入力したGCP情報を蓄積する仕組みを設けるとよい。
もちろん、衛星画像のみを用いて三次元化する必要はなく、ドローン(drone)など、比較的地上に近い場所で撮像した画像を用いて三次元化したものに地図情報を付与したモデルや、レーザセンサーで取得した三次元点群を併用してもよい。
カメラパラメータとは、位置姿勢の情報や、歪、焦点距離などの情報のことを指す。例えば、バンドル調整をするときに、これらの三次元点群を既知情報として固定したうえで、再投影誤差が小さくなるようなカメラパラメータを各衛星画像について探索するとよい。
このように較正されたカメラパラメータの情報を用いたMVSにより、衛星画像による三次元点群の位置精度の向上が期待できる。
光源の位置は太陽であり、衛星画像の撮影日などの情報を用いれば太陽までの距離等も計算可能であるから、どの地物を用いて影領域を再現するかは、3Dグラフィックス業界で標準的に使用されるデプスシャドウ(depth shadow)技法などにより計算するとよい。デプスシャドウ技法とは、ライトから見たDepth Textureを予め生成し、ピクセルを描画する際、その「ピクセルとライト間の距離」と「Depth Textureの深度」を比べて影かどうかを判定する、現状メジャーな影描画方法である。
クラスタリング後は、各クラスタの属性を割り当てる。そして、教師ありでクラスタリングした場合は、教師データにラベル付けがされているから、属性の割り当て処理は明示的には必要ない。一方、教師なしクラスタリングをした場合には、そのクラスタの属性は未知であるから、予め学習しておいたクラス分類器を用いてクラスを付与するとよい。
物体の形状の情報を使用できれば、色の違いを吸収できる可能性はあるから、先に物体抽出のアルゴリズムを実行して物体だけ抽出を済ませておいてもよい。特に人工建造物、大型の乗物は規則正しい形状をしているから、形状情報をベースでの抽出ができる。
単に色が黒いだけのものもあるから、影領域として抽出された領域と、メタ情報から得られる太陽光の向きを比較して、ステップ1001のクラス分類の結果にて、建物や森林など高さを持つ地物が影領域に近接しているかを判定し、隣接している場合には影領域として確定する。
雲影領域を推定する代わりに、雲マスク作成時に雲影領域も予め除去しておいてもよい。
すなわち、太陽光の到来方向の影が長くなったか、その側の影が短くなったか、の判定を行う。
変化の確認方法としては、予め設定されたサイズ以上の影領域の差が発生したかどうかをもって判断してよい。
太陽光の到来方向の逆方向の影領域の変化があった場合には、最新画像撮影時点において当該クラスタの場所にあったものがなくなったか高度が下がった可能性が高い。
より離れた場所の高い建物がなくなった可能性もあるため、予想画像を生成したときの三次元情報を活用して位置を特定するとよい。
よって、影領域の変化を検出した場合には、予想画像の生成過程をさかのぼって、変化領域の影生成にかかわった地物の場所を特定するとよい。
いずれかの条件が成立した場合には、最新画像で新たに高度の高い建物が発生した確率が高い。
また表示モードを変えて、三次元形状比較部116や三次元再投影部118の出力結果の表示について、ON/OFFを切り替えられるようにしてもよい。
アクセス制御部12は、ユーザ情報制御部121、表示情報制御部122、情報通知制御部123、ネットワークインタフェース124、を有する。
ユーザ名52は、例えば、会社名、個人名、機関名などであり、ライセンス53は、例えば、月課金/標準、ワンタイム/ライト、年課金/ハイグレードなどであり、解析サービス55は、例えば、差分検出などである。
あらかじめ、ユーザがアクセス可能な情報を別個に生成してもよいし、共通の情報に閲覧制限をかける方法で情報を生成してもよい。
エンドユーザ情報は、例えば、最新画像レビュー、二次元変化、表示データ制御ボタン、過去の衛星画像から生成した三次元データプレビュー、予想画像プレビュー、三次元変化、などであり、これらはフロントエンド表示部21に図示のように表示される。
本実施例では、衛星画像解析プラットフォーム1の持つデータベースを、エンドユーザから提供されるユーザ情報を用いてアップデートする双方向のシステム運用方法について説明する。
一方で、三次元形状生成部114の精度を向上させるためには、解像度と位置精度の両方がよい三次元形状データが必要になる。
ドローンとGCPを組み合わせて取得した三次元形状などが例として挙げられるが、ドローンの撮影範囲は衛星画像に対して単位面積当たりの撮影コストが高くつくから、広範にわたって精度の高い前記三次元形状データを解析プラットフォーム1の提供者が準備することは難しい。
ユーザから提供されたユーザ情報を他のユーザに開示することはできないが、利用規約を提示した上で許可が得られた場合には、解析エンジン11は、提供された三次元形状データを使用して、衛星画像の撮影位置姿勢の較正データとして用いてもよい。
同様に、変化抽出の精度を向上するための仕組みを用意する。
これらの実施の形態は単体で動作する必要はなく、組み合わせて使用してもよい。
11 解析エンジン
110 エンドユーザ情報記憶装置
111 画像選択部
112 前処理部
113 メタ情報解析部
114 三次元形状生成部
115 予想画像生成部
116 三次元形状比較部
117 二次元変化抽出部
118 三次元再投影部
119 表示データ生成部
12 アクセス制御部
121 ユーザ情報制御部
122 表示情報制御部
123 情報通知制御部
124 ネットワークインタフェース
13 大容量記憶装置(データベース)
131 衛星画像記憶装置
2 フロントエンド部
21 フロントエンド表示部
3 クラウドサーバ
4 インターネット
Claims (9)
- 衛星画像解析プラットフォームを備え、衛星画像の変化を抽出する衛星画像変化抽出システムであって、
前記衛星画像解析プラットフォームは、
過去に撮影した第1の衛星画像群と、前記第1の衛星画像群に新規に撮影した新規衛星画像を1枚追加して得られる第二の衛星画像群を用いて、それぞれの第一の三次元形状データを生成して三次元形状の変化を抽出する第一の三次元変化抽出部と、
前記第1の衛星画像群から生成した第一の三次元形状データと前記新規衛星画像に付属する太陽光の到来方向と撮影地点における衛星の位置姿勢を用いて、影領域と構造物の倒れこみを予想した衛星画像の予想衛星画像を生成する予想衛星画像部と、
前記新規衛星画像と前記予想衛星画像を比較して、前記影領域の変化を検出する部と、
前記影領域の変化を検出する機能にて検出した影領域の変化から第二の三次元形状の変化を抽出する第二の三次元変化抽出部、
を有することを特徴とする衛星画像変化抽出システム。 - 請求項1に記載の衛星画像変化抽出システムであって、
前記衛星画像解析プラットフォームは、アクセス制御部をさらに有し、
前記アクセス制御部は、
前記第一の三次元変化抽出部および前記第二の三次元変化抽出部にて抽出した三次元形状の変化を示す情報をユーザとのライセンス形態に応じて表示する表示情報制御部と、
前記三次元形状の変化を抽出したとき、前記ユーザに対して通知する通知制御部と、
を有することを特徴とする衛星画像変化抽出システム。 - 請求項1に記載の衛星画像変化抽出システムであって、
前記第一の三次元変化抽出部にて生成した三次元形状データは、ユーザあるいはシステム運用者が入力する高精度な三次元形状データを利用して、前記衛星画像の撮影位置姿勢情報を較正する
ことを特徴とする衛星画像変化抽出システム。 - 請求項1に記載の衛星画像変化抽出システムであって、
前記予想衛星画像部にて、前記予想衛星画像を生成するときに、前記第1の衛星画像群を元に生成された三次元形状と、前記新規衛星画像に付属する前記太陽光の到来角度と、前記衛星の撮影位置姿勢の情報とを用いてデプスシャドウ技法により、前記予想衛星画像の生成上に前記影領域を生成する
ことを特徴とする衛星画像変化抽出システム。 - 請求項1に記載の衛星画像変化抽出システムであって、
前記衛星画像解析プラットフォームは、
前記太陽光の到来方向情報と前記影領域の変化位置から、変化の起きた地物の位置を推定し、
前記新規衛星画像の影領域が、前記予想衛星画像と比較して前記太陽光の到来方向に向かって大きくなっていた場合、あるいは前記太陽光の進行方向に向かっては小さくなった場合に、地物が低くなったことを検出する
ことを特徴とする衛星画像変化抽出システム。 - 請求項1に記載の衛星画像変化抽出システムであって、
前記衛星画像解析プラットフォームは、
前記太陽光の到来方向情報と前記影領域の変化位置から、変化の起きた地物の位置を推定し、
前記新規衛星画像の前記影領域が、前記予想衛星画像と比較して前記太陽光の到来方向に向かって小さくなっていた場合および前記太陽光の進行方向に向かって大きくなった場合に、地物が高くなったことを検出する
ことを特徴とする衛星画像変化抽出システム。 - 請求項5に記載の衛星画像変化抽出システムであって、
前記衛星画像解析プラットフォームは、
前記太陽光の進行方向に向かって影領域が小さくなった場合、前記太陽光の到来方向に隣接するクラスタに直方体があると仮定し、前記直方体の高さは、前記新規衛星画像の前記影領域と太陽角度から計算し、第一の三次元形状データと前記直方体の差分を、第二の三次元形状変化として抽出する
ことを特徴とする衛星画像変化抽出システム。 - 請求項6に記載の衛星画像変化抽出システムであって、
前記衛星画像解析プラットフォームは、
前記太陽光の進行方向に向かって前記影領域が大きくなった場合、前記太陽光の到来方向に隣接するクラスタに直方体があると仮定し、前記直方体の高さは、前記新規衛星画像の前記影領域と太陽角度から計算し、前記第一の三次元形状データと前記直方体の差分を、第二の三次元形状変化として抽出する
ことを特徴とする衛星画像記変化抽出システム。 - 請求項2に記載された衛星画像変化抽出システムであって、
前記表示情報制御部は、
前記第一の三次元変化抽出部によって得られた三次元変化と、前記第二の三次元変化抽出部によって得られた三次元変化を異なる方法で表示する表示データを生成する
ことを特徴とする衛星画像変化抽出システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018073583A JP7042146B2 (ja) | 2018-04-06 | 2018-04-06 | 衛星画像変化抽出システムおよび衛星画像変化抽出方法、並びに衛星画像変化抽出システムにおけるフロントエンド部 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018073583A JP7042146B2 (ja) | 2018-04-06 | 2018-04-06 | 衛星画像変化抽出システムおよび衛星画像変化抽出方法、並びに衛星画像変化抽出システムにおけるフロントエンド部 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019185281A JP2019185281A (ja) | 2019-10-24 |
JP2019185281A5 JP2019185281A5 (ja) | 2021-01-21 |
JP7042146B2 true JP7042146B2 (ja) | 2022-03-25 |
Family
ID=68341261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018073583A Active JP7042146B2 (ja) | 2018-04-06 | 2018-04-06 | 衛星画像変化抽出システムおよび衛星画像変化抽出方法、並びに衛星画像変化抽出システムにおけるフロントエンド部 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7042146B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047566B (zh) * | 2019-12-04 | 2023-07-14 | 昆明市滇池高原湖泊研究院 | 无人机和多光谱卫星影像进行水生植被年变化统计的方法 |
JP7418281B2 (ja) * | 2020-05-14 | 2024-01-19 | 株式会社日立製作所 | 地物の分類システム、分類方法及びそのプログラム |
WO2022259451A1 (ja) * | 2021-06-10 | 2022-12-15 | 日本電気株式会社 | 画像処理装置および画像処理方法 |
CN113936009B (zh) * | 2021-09-14 | 2023-11-21 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种气象卫星洪涝监测的云阴影去除方法、装置及设备 |
KR102502154B1 (ko) * | 2022-07-08 | 2023-02-22 | 에스케이임업 주식회사 | 이산화탄소 포집량 예측 시스템 |
CN117915138A (zh) * | 2024-01-08 | 2024-04-19 | 湖北泰跃卫星技术发展股份有限公司 | 一种在数据中台中对视频时间校准方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016110210A (ja) | 2014-12-02 | 2016-06-20 | 株式会社日立製作所 | 変化検出装置、変化検出方法、および、変化検出プログラム |
-
2018
- 2018-04-06 JP JP2018073583A patent/JP7042146B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016110210A (ja) | 2014-12-02 | 2016-06-20 | 株式会社日立製作所 | 変化検出装置、変化検出方法、および、変化検出プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2019185281A (ja) | 2019-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7042146B2 (ja) | 衛星画像変化抽出システムおよび衛星画像変化抽出方法、並びに衛星画像変化抽出システムにおけるフロントエンド部 | |
US11688036B2 (en) | Generation of synthetic high-elevation digital images from temporal sequences of high-elevation digital images | |
CA2994508C (en) | Vegetation management for power line corridor monitoring using computer vision | |
CN107230251B (zh) | 创建3d城市模型的方法和混合3d成像装置及存储介质 | |
AU2015404580B2 (en) | Condition detection using image processing | |
US11710219B2 (en) | Detection and replacement of transient obstructions from high elevation digital images | |
KR102200299B1 (ko) | 3d-vr 멀티센서 시스템 기반의 도로 시설물 관리 솔루션을 구현하는 시스템 및 그 방법 | |
US11989899B2 (en) | Determining object structure using physically mounted devices with only partial view of object | |
CA2899728A1 (en) | Statistical point pattern matching technique | |
US20120027371A1 (en) | Video summarization using video frames from different perspectives | |
CN110807828B (zh) | 一种倾斜摄影三维重建匹配方法 | |
Nyaruhuma et al. | Verification of 2D building outlines using oblique airborne images | |
Ma et al. | An operational superresolution approach for multi-temporal and multi-angle remotely sensed imagery | |
CN113689535A (zh) | 基于无人机影像的建筑物模型的生成方法和装置 | |
Karantzalos et al. | Model-based building detection from low-cost optical sensors onboard unmanned aerial vehicles | |
US20220414362A1 (en) | Method and system for optimizing image data for generating orthorectified image | |
Oliveira et al. | Height gradient approach for occlusion detection in UAV imagery | |
Tyagi et al. | Elevation Data Acquisition Accuracy Assessment for ESRI Drone2Map, Agisoft Metashape, and Pix4Dmapper UAV Photogrammetry Software | |
CN110617800A (zh) | 基于民航客机的应急遥感监测方法、系统及存储介质 | |
Gerke | Dense image matching in airborne video sequences | |
CN116863085B (zh) | 一种三维重建系统、三维重建方法、电子设备及存储介质 | |
EP4276745A1 (en) | Method and system for geo referencing stabilization | |
US20230073366A1 (en) | Methods and apparatuses for calculating building heights from mono imagery | |
Masiero et al. | From Multi-View to Point Cloud Segmentation: the Case Study of Villa Roberti Brugine | |
Zhuo et al. | Fusion and classification of aerial images from MAVS and airplanes for local information enrichment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201204 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201204 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211125 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220124 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220222 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220314 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7042146 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |