ARVEE: AUTOMATIC ROAD GEOMETRY EXTRACTION SYSTEM FOR MOBILE MAPPING
Notice bibliographique
Résumé
Land-based mobile mapping systems have yielded an enormous time saving in road networks and their surrounding utilities survey. However, the manual extraction of the road information from the mobile mapping data is still a time-consuming task. This paper presents ARVEE (Automated Road Geometry Vectors Extraction Engine)), a robust automatic road geometry extraction system developed at the University of Calgary. The extracted road information includes the 3D lane lines, road edges as well as lane lines attributes. There are three innovations in this work. First, all the visible lane lines in the georeferenced image sequences are extracted, instead of only extracting the central lane line or the nearby lane line pair. Second, the lane line types are recognized, so the output is a functional description of the road geometry. Third, the output is the absolute-georeferenced model of lane lines in mapping coordinates, and is compatible to the GIS databases. Four steps are included: First, extract the linear features in each image. Second, the linear features are filtered and grouped into lane line segments (LLS). Geometric and radiometric characteristics are extracted for each LLS. Third, a Multiple-Hypothesis Analysis (MHA) method is used to link the LLSs into long lane lines 3D model. Finally, each lane line is classified into a lane line type based on the synthetic analysis of the included LLSs ’ features. The system has been tested on large number of VISAT ™ mobile mapping data. The experiments on massive real MMS data sets demonstrate that ARVEE can deliver accurate and robust 3D continuous functional road geometry model. Full automatic processing result from ARVEE can replace most of the human efforts in road geometry modelling.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».