BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN KHOA HỌC VÀ CÔNG NGHỆ

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  20,051,678
  • Công bố khoa học và công nghệ Việt Nam

87

Kỹ thuật kết cấu và đô thị

BB

Nguyễn Hữu Long, Phạm Văn Chung(1), Phạm Thị Làn, Nguyễn Văn Trung, Lê Thị Thu Hà, Đặng Diệu Huệ, Phạm Trung Dũng

Ứng dụng mạng học sâu tự động trích xuất thông tin công trình xây dựng từ dữ liệu UAV phục vụ công tác quản lý đô thị và hỗ trợ thành lập mô hình 3D LoD1

Building extraction f-rom UAV images using deep learning for urban management and establishment of 3D LoD1

Khí tượng Thủy văn

2025

774

1-12

2525-2208

Mạng học sâu, Thông tin, Công trình xây dựng, Dữ liệu UAV, Phục vụ, Công tác, Quản lý đô thị, Hỗ trợ, Mô hình 3D LoD1

Automatically building extraction, Deep learning, 3D model LoD1, Urban management, UAV.

Tự động trích xuất đối tượng trên ảnh UAV là quá trình nhận dạng và véc tơ hóa đối tượng trực tiếp từ dữ liệu ảnh. Trong công tác quản lý và phát triển đô thị hiện nay, các công trình xây dựng như tòa nhà và các kiến trúc xây dựng cần được thể hiện trên môi trường đồ họa, lưu trữ và quản lý thống nhất trên hệ thống cơ sở dữ liệu. Bài báo này giới thiệu một phương pháp mới sử dụng công nghệ học sâu để tự động trích xuất mái của các tòa nhà và công trình xây dựng trực tiếp trên ảnh UAV. Dữ liệu mái nhà được trích xuất nhanh chóng được kết hợp với độ cao và các thông tin sẵn có của tòa nhà hoặc công trình xây dựng cho phép thành lập và cập nhật mô hình 3D LoD1. Kết quả trích xuất tòa nhà được thử nghiệm trên mô hình mạng học sâu U-Net tại hai khu vực đô thị mới và cũ đều đạt kết quả mức trên 60% về độ chính xác. Kết quả bài báo hoàn toàn có thể áp dụng trong công tác quản lý xây dựng tại các đô thị lớn có mức tốc độ đô thị hóa cao ở nước ta hiện nay.

Automatic building extraction f-rom UAV (Unmanned Aerial Vehicle) images involves identifying and vectorizing buildings directly f-rom image data. In urban management and development, it is essential to store buildings and architectural structures in a geo-database and visualize them on a computer. This paper introduces a novel method that utilizes deep learning technology to automatically extract the roofs of buildings and construction projects f-rom UAV images. The extracted roof data is combined with height and other relevant information about the structures to establish and up-date 3D Level of Detail (LoD1) models. We tested the building extraction using the U-Net deep learning model in both new and older urban areas, achieving an accuracy of 60%. The findings of this study can be applied to construction management in cities experiencing rapid urbanization in our country today.
 

TTKHCNQG, CVt 39

Xem toàn văn