2021 Fiscal Year Annual Research Report
A study on the scoring of landscapes by using deep learning and photogrammetry
| Project/Area Number |
19K06115
|
|---|
| Research Institution | Tokyo University of Agriculture |
|---|
Principal Investigator |
國井 洋一 東京農業大学, 地域環境科学部, 教授 (10459711)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | レーザ測量 / 点群データ / VQM / 奥行き情報 / Semantic Segmentation |
|---|
| Outline of Annual Research Achievements |
本研究では深層学習を用いて景観を点数化し、自動的に出力されるシステムの構築に取り組んだ。2019～2020年度はSemantic Segmentationの手法検討により、造園空間における景観構成要素に対する分類を可能とした。また、分類した各要素のさらなる高精度化ならびに、奥行き情報を中心とした3次元情報を付与するための測量手法の確立を試みた。Semantic Segmentationの高精度化に際しては、PSPNetを用いた。さらに、オープンデータセットであるCityscapeを用い、自動でアノテーション作業を行った。
以上を踏まえて、2021年度はレーザ測量による点群データを用いた景観定量評価を試みた。景観評価に対して点群データを用いるメリットとしては、対象空間を高密度な3 次元座標によって表現するため、任意の視点を再現できる点や、点群の存在する空間内において視点から対象までの距離を算出できるため、景観構成要素を近景、中景、遠景のように分類することが可能である点が挙げられる。本研究においては、地上型レーザスキャナによって取得された点群データを利用し、景観の全体的な特徴を定量化する指標として各構成要素が存在する奥行きなどの情報から景観をスコアリングする評価モデルであるVisual and Ecological Environmental Quality Model(以下 VQM)を用いて景観の総合的な特徴を捉えた定量化を行った。VQMは、景観画像から近景、中景、遠景を抽出して点数化する手法であるが、点群データは距離分類が可能であるため、VQMと点群データの適合性は極めて高い結果となった。また、VQMと点群データの有用性を検証するために、動画像データとの比較および検証を行ったところ、ほぼ同等の結果が得られた。
|
