JP7294678B2 - 学習モデル生成装置、地物変化判定装置、学習モデル生成方法、地物変化判定方法、及びプログラム - Google Patents
学習モデル生成装置、地物変化判定装置、学習モデル生成方法、地物変化判定方法、及びプログラム Download PDFInfo
- Publication number
- JP7294678B2 JP7294678B2 JP2020548522A JP2020548522A JP7294678B2 JP 7294678 B2 JP7294678 B2 JP 7294678B2 JP 2020548522 A JP2020548522 A JP 2020548522A JP 2020548522 A JP2020548522 A JP 2020548522A JP 7294678 B2 JP7294678 B2 JP 7294678B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- difference
- change
- learning model
- paired images
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Description
特定地域を上空から時期を変えて撮影して得られたペア画像 を取得する、画像取得部と、
前記ペア画像それぞれについて、被写体となっている地物 の高さの情報を画素毎に保持する3次元データを取得する、3次元データ取得部と、
前記ペア画像の対応する画素のペア毎に、画素値 の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、差分データ作成部と、
前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ラベル取得部と、
前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、学習モデル生成部と、
を備えている、ことを特徴とする。
前記特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、画像取得部と、
前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、3次元データ取得部と、
前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、差分データ作成部と、
ペア画像の差分データと地物の変化との関係を機械学習することによって得られている学習モデルに、前記差分データを適用して、前記特定地域における前記地物の変化を判定する、判定部と、
を備えている、ことを特徴とする。
(a)特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、ステップと、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、ステップと、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、ステップと、
(d)前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ステップと、
(e)前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、ステップと、
を有する、ことを特徴とする。
(a)前記特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、ステップと、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、ステップと、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、ステップと、
(d)ペア画像の差分データと地物の変化との関係を機械学習することによって得られている学習モデルに、前記差分データを適用して、前記特定地域における前記地物の変化を判定する、ステップと、
を有する、ことを特徴とする。
コンピュータに、
(a)特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、ステップと、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、ステップと、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、ステップと、
(d)前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ステップと、
(e)前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、ステップと、
を実行させる、ことを特徴とする。
前記コンピュータに、
(a)前記特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、ステップと、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、ステップと、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、ステップと、
(d)ペア画像の差分データと地物の変化との関係を機械学習することによって得られている学習モデルに、前記差分データを適用して、前記特定地域における前記地物の変化を判定する、ステップと、
を実行させる、ことを特徴とする。
最初に、本発明の実施の形態における、学習モデル生成装置、学習モデル生成方法、及びプログラムについて説明する。
最初に、本実施の形態における学習モデル生成装置の構成について図1を用いて説明する。図1は、本発明の実施の形態における学習モデル生成装置の構成を示すブロック図である。
次に、本発明の実施の形態における学習モデル生成装置10の動作について図8を用いて説明する。図8は、本発明の実施の形態における学習モデル生成装置の動作を示すフロー図である。以下の説明においては、適宜図1~図7を参酌する。また、本実施の形態では、学習モデル生成装置10を動作させることによって、学習モデル生成方法が実施される。よって、本実施の形態における学習モデル生成方法の説明は、以下の学習モデル生成装置10の動作説明に代える。
本実施の形態における第1のプログラムは、コンピュータに、図8に示すステップA1~A5を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における学習モデル生成装置10と学習モデル生成方法とを実現することができる。この場合、コンピュータのプロセッサは、画像取得部11、3次元データ取得部12、差分データ作成部13、ラベル取得部14、及び学習モデル生成部15として機能し、処理を行なう。
続いて、本発明の実施の形態における、地物変化判定装置、地物変化判定方法、及びプログラムについて説明する。
最初に、本実施の形態における地物変化判定装置の構成について図9を用いて説明する。図9は、本発明の実施の形態における地物変化判定装置の構成を示すブロック図である。
次に、本発明の実施の形態における地物変化判定装置20の動作について図14を用いて説明する。図14は、本発明の実施の形態における学習モデル生成装置の動作を示すフロー図である。以下の説明においては、適宜図1~図7を参酌する。また、本実施の形態では、学習モデル生成装置10を動作させることによって、学習モデル生成方法が実施される。よって、本実施の形態における学習モデル生成方法の説明は、以下の学習モデル生成装置10の動作説明に代える。
本実施の形態における第2のプログラムは、コンピュータに、図14に示すステップB1~B5を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における地物変化判定装置20と地物判定方法とを実現することができる。この場合、コンピュータのプロセッサは画像取得部21、3次元データ取得部22、差分データ作成部23、及び判定部24として機能し、処理を行なう。
続いて、図15を用いて、本実施の形態における地物変化判定装置20の変形例について説明する。図15は、本発明の実施の形態における地物変化判定装置の変形例の構成を示すブロック図である。
ここで、本実施の形態における第1のプログラムを実行することによって、学習モデル生成装置10を実現するコンピュータと、本実施の形態における第2のプログラムを実行することによって、地物変化判定装置20を実現するコンピュータとについて図16を用いて説明する。図16は、本発明の実施の形態における学習モデル生成装置及び地物変化判定装置を実現するコンピュータの一例を示すブロック図である。
特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、画像取得部と、
前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、3次元データ取得部と、
前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、差分データ作成部と、
前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ラベル取得部と、
前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、学習モデル生成部と、
を備えている、
ことを特徴とする学習モデル生成装置。
付記1に記載の学習モデル生成装置であって、
前記差分データ作成部が、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とする学習モデル生成装置。
付記1または2に記載の学習モデル生成装置であって、
前記地物が建物である場合に、
前記ラベル取得部が、前記ペア画像の対応する1又は2以上の画素のペア毎に、前記ラベルとして、新築、滅失、改築、及び変化無しのいずれかを少なくとも含むラベルを取得する、
ことを特徴とする学習モデル生成装置。
特定地域における地物の変化を判定するための装置であって、
前記特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、画像取得部と、
前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、3次元データ取得部と、
前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、差分データ作成部と、
ペア画像の差分データと地物の変化との関係を機械学習することによって得られている学習モデルに、前記差分データを適用して、前記特定地域における前記地物の変化を判定する、判定部と、
を備えている、
ことを特徴とする地物変化判定装置。
付記4に記載の地物変化判定装置であって、
前記差分データ作成部が、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とする地物変化判定装置。
付記4または5に記載の地物変化判定装置であって、
前記地物が建物である場合に、
前記学習モデルは、前記ペア画像の差分データと、新築、滅失、改築、及び変化無しのいずれかを少なくとも含む前記地物の変化と、の関係を機械学習することによって、得られている、
ことを特徴とする地物変化判定装置。
付記4~6のいずれかに記載の地物変化判定装置であって、
前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ラベル取得部と、
前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、学習モデル生成部と、
を更に備えている、
ことを特徴とする地物変化判定装置。
(a)特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、ステップと、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、ステップと、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、ステップと、
(d)前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ステップと、
(e)前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、ステップと、
を有する、
ことを特徴とする学習モデル生成方法。
付記8に記載の学習モデル生成方法であって、
前記(c)のステップにおいて、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とする学習モデル生成方法。
付記8または9に記載の学習モデル生成方法であって、
前記地物が建物である場合に、
前記(d)のステップにおいてラベル取得部が、前記ペア画像の対応する1又は2以上の画素のペア毎に、前記ラベルとして、新築、滅失、改築、及び変化無しのいずれかを少なくとも含むラベルを取得する、
ことを特徴とする学習モデル生成方法。
特定地域における地物の変化を判定するための方法であって、
(a)前記特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、ステップと、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、ステップと、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、ステップと、
(d)ペア画像の差分データと地物の変化との関係を機械学習することによって得られている学習モデルに、前記差分データを適用して、前記特定地域における前記地物の変化を判定する、ステップと、
を有する、
ことを特徴とする地物変化判定方法。
付記11に記載の地物変化判定方法であって、
前記(c)のステップにおいて、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とする地物変化判定方法。
付記11または12に記載の地物変化判定方法であって、
前記地物が建物である場合に、
前記学習モデルは、前記ペア画像の差分データと、新築、滅失、改築、及び変化無しのいずれかを少なくとも含む前記地物の変化と、の関係を機械学習することによって、得られている、
ことを特徴とする地物変化判定方法。
付記11~13のいずれかに記載の地物変化判定方法であって、
(e)前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ステップと、
(f)前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、ステップと、
を更に有している、
ことを特徴とする地物変化判定方法。
コンピュータに、
(a)特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、ステップと、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、ステップと、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、ステップと、
(d)前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ステップと、
(e)前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、ステップと、
を実行させる、プログラム。
付記15に記載のプログラムであって、
前記(c)のステップにおいて、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とするプログラム。
付記15または16に記載のプログラムであって、
前記地物が建物である場合に、
前記(d)のステップにおいてラベル取得部が、前記ペア画像の対応する1又は2以上の画素のペア毎に、前記ラベルとして、新築、滅失、改築、及び変化無しのいずれかを少なくとも含むラベルを取得する、
ことを特徴とするプログラム。
コンピュータによって、特定地域における地物の変化を判定するためのプログラムであって、
前記コンピュータに、
(a)前記特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、ステップと、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、ステップと、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、ステップと、
(d)ペア画像の差分データと地物の変化との関係を機械学習することによって得られている学習モデルに、前記差分データを適用して、前記特定地域における前記地物の変化を判定する、ステップと、
を実行させる、プログラム。
付記18に記載のプログラムであって、
前記(c)のステップにおいて、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とするプログラム。
付記18または19に記載のプログラムであって、
前記地物が建物である場合に、
前記学習モデルは、前記ペア画像の差分データと、新築、滅失、改築、及び変化無しのいずれかを少なくとも含む前記地物の変化と、の関係を機械学習することによって、得られている、
ことを特徴とするプログラム。
付記18~20のいずれかに記載のプログラムであって、
前記コンピュータに、
(e)前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ステップと、
(f)前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、ステップと、
を更に実行させる、
ことを特徴とするプログラム。
11 画像取得部
12 3次元データ取得部
13 差分データ作成部
14 ラベル取得部
15 学習モデル生成部
20 地物変化判定装置
21 画像取得部
22 3次元データ取得部
23 差分データ作成部
24 判定部
25 モデル格納部
110 コンピュータ
111 CPU
112 メインメモリ
113 記憶装置
114 入力インターフェイス
115 表示コントローラ
116 データリーダ/ライタ
117 通信インターフェイス
118 入力機器
119 ディスプレイ装置
120 記録媒体
121 バス
Claims (21)
- 特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、画像取得手段と、
前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、3次元データ取得手段と、
前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、差分データ作成手段と、
前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ラベル取得手段と、
前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、学習モデル生成手段と、
を備えている、
ことを特徴とする学習モデル生成装置。 - 請求項1に記載の学習モデル生成装置であって、
前記差分データ作成手段が、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とする学習モデル生成装置。 - 請求項1または2に記載の学習モデル生成装置であって、
前記地物が建物である場合に、
前記ラベル取得手段が、前記ペア画像の対応する1又は2以上の画素のペア毎に、前記ラベルとして、新築、滅失、改築、及び変化無しのいずれかを少なくとも含むラベルを取得する、
ことを特徴とする学習モデル生成装置。 - 特定地域における地物の変化を判定するための装置であって、
前記特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、画像取得手段と、
前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、3次元データ取得手段と、
前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、差分データ作成手段と、
ペア画像の差分データと地物の変化との関係を機械学習することによって得られている学習モデルに、前記差分データを適用して、前記特定地域における前記地物の変化を判定する、判定手段と、
を備えている、
ことを特徴とする地物変化判定装置。 - 請求項4に記載の地物変化判定装置であって、
前記差分データ作成手段が、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とする地物変化判定装置。 - 請求項4または5に記載の地物変化判定装置であって、
前記地物が建物である場合に、
前記学習モデルは、前記ペア画像の差分データと、新築、滅失、改築、及び変化無しのいずれかを少なくとも含む前記地物の変化と、の関係を機械学習することによって、得られている、
ことを特徴とする地物変化判定装置。 - 請求項4~6のいずれかに記載の地物変化判定装置であって、
前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ラベル取得手段と、
前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、学習モデル生成手段と、
を更に備えている、
ことを特徴とする地物変化判定装置。 - (a)特定地域を上空から時期を変えて撮影して得られたペア画像を取得し、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得し、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成し、
(d)前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得し、
(e)前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、
ことを特徴とする学習モデル生成方法。 - 請求項8に記載の学習モデル生成方法であって、
前記(c)において、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とする学習モデル生成方法。 - 請求項8または9に記載の学習モデル生成方法であって、
前記地物が建物である場合に、
前記(d)において、前記ペア画像の対応する1又は2以上の画素のペア毎に、前記ラベルとして、新築、滅失、改築、及び変化無しのいずれかを少なくとも含むラベルを取得する、
ことを特徴とする学習モデル生成方法。 - 特定地域における地物の変化を判定するための方法であって、
(a)前記特定地域を上空から時期を変えて撮影して得られたペア画像を取得すし、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得し、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成し、
(d)ペア画像の差分データと地物の変化との関係を機械学習することによって得られている学習モデルに、前記差分データを適用して、前記特定地域における前記地物の変化を判定する、
ことを特徴とする地物変化判定方法。 - 請求項11に記載の地物変化判定方法であって、
前記(c)において、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とする地物変化判定方法。 - 請求項11または12に記載の地物変化判定方法であって、
前記地物が建物である場合に、
前記学習モデルは、前記ペア画像の差分データと、新築、滅失、改築、及び変化無しのいずれかを少なくとも含む前記地物の変化と、の関係を機械学習することによって、得られている、
ことを特徴とする地物変化判定方法。 - 請求項11~13のいずれかに記載の地物変化判定方法であって、更に、
(e)前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得し、
(f)前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、
ことを特徴とする地物変化判定方法。 - コンピュータに、
(a)特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、ステップと、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、ステップと、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、ステップと、
(d)前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ステップと、
(e)前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、ステップと、
を実行させる、プログラム。 - 請求項15に記載のプログラムであって、
前記(c)のステップにおいて、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とするプログラム。 - 請求項15または16に記載のプログラムであって、
前記地物が建物である場合に、
前記(d)のステップにおいて、前記ペア画像の対応する1又は2以上の画素のペア毎に、前記ラベルとして、新築、滅失、改築、及び変化無しのいずれかを少なくとも含むラベルを取得する、
ことを特徴とするプログラム。 - コンピュータによって、特定地域における地物の変化を判定するためのプログラムであって、
前記コンピュータに、
(a)前記特定地域を上空から時期を変えて撮影して得られたペア画像を取得する、ステップと、
(b)前記ペア画像それぞれについて、被写体となっている地物の高さの情報を画素毎に保持する3次元データを取得する、ステップと、
(c)前記ペア画像の対応する画素のペア毎に、画素値の差分及び前記3次元データで保持されている高さの差分を求め、求めた差分を含む差分データを作成する、ステップと、
(d)ペア画像の差分データと地物の変化との関係を機械学習することによって得られている学習モデルに、前記差分データを適用して、前記特定地域における前記地物の変化を判定する、ステップと、
を実行させる、プログラム。 - 請求項18に記載のプログラムであって、
前記(c)のステップにおいて、前記ペア画像の対応する画素のペア毎に、前記画素値の差分として、R値、G値、及びB値それぞれの差分を求める、
ことを特徴とするプログラム。 - 請求項18または19に記載のプログラムであって、
前記地物が建物である場合に、
前記学習モデルは、前記ペア画像の差分データと、新築、滅失、改築、及び変化無しのいずれかを少なくとも含む前記地物の変化と、の関係を機械学習することによって、得られている、
ことを特徴とするプログラム。 - 請求項18~20のいずれかに記載のプログラムであって、
前記コンピュータに、
(e)前記ペア画像の対応する1又は2以上の画素のペア毎に、当該ペアに設定された、前記地物の変化を示すラベルを取得する、ステップと、
(f)前記差分データと前記ラベルとを機械学習することによって、前記差分データと前記地物の変化との関係を特定する学習モデルを生成する、ステップと、
を更に実行させる、
ことを特徴とするプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018185480 | 2018-09-28 | ||
JP2018185480 | 2018-09-28 | ||
PCT/JP2019/036411 WO2020066755A1 (ja) | 2018-09-28 | 2019-09-17 | 学習モデル生成装置、地物変化判定装置、学習モデル生成方法、地物変化判定方法、及びコンピュータ読み取り可能な記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020066755A1 JPWO2020066755A1 (ja) | 2021-09-02 |
JP7294678B2 true JP7294678B2 (ja) | 2023-06-20 |
Family
ID=69950526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020548522A Active JP7294678B2 (ja) | 2018-09-28 | 2019-09-17 | 学習モデル生成装置、地物変化判定装置、学習モデル生成方法、地物変化判定方法、及びプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7294678B2 (ja) |
WO (1) | WO2020066755A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7514669B2 (ja) | 2020-06-30 | 2024-07-11 | ジオテクノロジーズ株式会社 | 推論装置、推論方法、推論プログラム、およびコンピュータにより読み取り可能な記憶媒体 |
JP7345035B1 (ja) | 2022-10-20 | 2023-09-14 | スカパーJsat株式会社 | 空撮画像変化抽出装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010128565A (ja) | 2008-11-25 | 2010-06-10 | Nec System Technologies Ltd | 建築物変化検出装置、建築物変化検出方法、及びプログラム |
JP2017220058A (ja) | 2016-06-08 | 2017-12-14 | 株式会社日立ソリューションズ | 地表情報分析システムおよび地表情報分析方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4700756B2 (ja) * | 2010-04-19 | 2011-06-15 | オリンパス株式会社 | カプセル内視鏡 |
JP6397379B2 (ja) * | 2015-07-30 | 2018-09-26 | 日本電信電話株式会社 | 変化領域検出装置、方法、及びプログラム |
-
2019
- 2019-09-17 JP JP2020548522A patent/JP7294678B2/ja active Active
- 2019-09-17 WO PCT/JP2019/036411 patent/WO2020066755A1/ja active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010128565A (ja) | 2008-11-25 | 2010-06-10 | Nec System Technologies Ltd | 建築物変化検出装置、建築物変化検出方法、及びプログラム |
JP2017220058A (ja) | 2016-06-08 | 2017-12-14 | 株式会社日立ソリューションズ | 地表情報分析システムおよび地表情報分析方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020066755A1 (ja) | 2020-04-02 |
JPWO2020066755A1 (ja) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10846870B2 (en) | Joint training technique for depth map generation | |
US9189862B2 (en) | Outline approximation for point cloud of building | |
JP7030493B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
US20140168367A1 (en) | Calibrating visual sensors using homography operators | |
Truong-Hong et al. | Octree-based, automatic building facade generation from LiDAR data | |
WO2021142996A1 (zh) | 基于图像分割的点云去噪方法、系统、装置和存储介质 | |
JP7294678B2 (ja) | 学習モデル生成装置、地物変化判定装置、学習モデル生成方法、地物変化判定方法、及びプログラム | |
KR102026903B1 (ko) | 평면 기반의 3차원 공간 표현 방법 및 장치 | |
KR101853237B1 (ko) | 딥 러닝을 이용한 3차원 기하 디노이징 방법 및 그 장치 | |
US11461884B2 (en) | Field management apparatus, field management method, and computer readable recording medium | |
JP2008530594A (ja) | 地形モデル化のために植生から建物を区別する方法および装置 | |
US20170024930A1 (en) | Consistent tessellation via topology-aware surface tracking | |
KR102158390B1 (ko) | 영상 처리 방법 및 장치 | |
JP6835425B2 (ja) | 建築物高さ算出装置、建築物高さ算出方法、及びプログラム | |
JP6249508B2 (ja) | 異動検出支援装置、異動検出支援方法、及びプログラム | |
JP6874987B2 (ja) | 地物形状抽出装置、地物形状抽出方法、及びプログラム | |
JP4875564B2 (ja) | フリッカ補正装置及びフリッカ補正方法 | |
CN108520259B (zh) | 一种前景目标的提取方法、装置、设备及存储介质 | |
CN111133474B (zh) | 图像处理设备、图像处理方法和计算机可读记录介质 | |
JP7188798B2 (ja) | 座標算出装置、座標算出方法、及びプログラム | |
JP2020041950A (ja) | 測量装置、測量方法、及びプログラム | |
JP2019121237A (ja) | プログラム、画像処理方法、及び画像処理装置 | |
JP6996623B2 (ja) | 横断歩道検出装置、方法およびプログラム | |
JP6897448B2 (ja) | 線幅推定プログラム、装置、及び方法 | |
JP2021093004A (ja) | 画像生成装置、画像生成方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210315 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220803 |
|
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: 20230509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230601 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7294678 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |