Izvleček

Ažurni katastrski načrti so ključnega pomena za urbanistično načrtovanje, njihovo posodabljanje pa je drago in zahteva veliko časa. Razvoj daljinsko vodenih letalnikov (angl. unmanned aerial vehicles – UAV) je omogočil hiter zajem podatkov z veliko višjo stopnjo podrobnosti od klasične geodetske izmere. V raziskavi se ukvarjamo s samodejnim zajemom odtisov stavb iz ortofotov visoke ločljivosti. Cilja naše študije sta bila: (1) preskusiti možnosti uporabe različnih javno dostopnih podatkovnih nizov (Tanzania, AIRS in Inria) za učenje nevronskih mrež ter nato preskusiti zmožnosti generalizacije modela območja obravnave; (2) oceniti vpliv normaliziranega digitalnega modela površja na rezultate učenja in uporabo nevronskih mrež. Rezultati so pokazali, da modeli, ki smo jih učili na omenjenih podatkovnih nizih, niso zadovoljivi, saj je prekrivanje identificiranih odtisov stavb z referenčnimi podatki znašalo za podatkovni niz Tanzania 36,4%, za AIRS je bila vrednost 64,4% za Inria pa le 7,4%. Boljše rezultate smo dosegli v drugem delu raziskave, kjer je bilo učenje nevronskih mrež izvedeno na delih (256 x 256 pikslov) ortofota, pridobljenega na podlagi podatkov, zajetih z UAV. Pri kombiniranju ortofota z normaliziranim digitalnim modelom površja se je še povečal delež prostorskega ujemanja z referenčnimi podatki (IoU) in znašalo 90 %.

Ključne besede: nevronske mreže, globoko učenje, klasifikacija, grajenje strukture iz gibanja, daljinsko vodeni letalniki, zajemanje odtisa stavbe