借助机器学习进行4D建筑物重建

来自Skoltech和FBK()的研究团队提出了一种使用历史地图和机器学习来推导4-D建筑模型的方法。所实施的方法依赖于几何，邻域和类别属性，以预测建筑物的高度。该方法对于理解城市现象和有助于定义我们城市实际形态的变化很有用。研究结果发表在《应用科学》上。

历史地图是用于分析城市发展变化的最有力资源。不过，地图代表的是2D空间中的3D世界，该地图描述了城市环境的主要特征，但未能结合其他空间信息，例如建筑物高度。在基于历史数据的3-D / 4-D城市建模应用中，缺乏建筑物高度是精确空间表示，分析，可视化或模拟的主要障碍。

FBK Trento的Skoltech和3DOM研究小组的科学家探索了用于从历史地图推断建筑物高度的机器学习解决方案。

他们的方法在特伦托(1851、1887、1908和1936年)和博洛尼亚(1884和1945年)的四张历史地图上进行了测试，反映了过去几个世纪以来城市结构的最大变化，帮助重建了多时相(4-D )这些城市的版本。

“对历史数据进行测试的已实施的学习和预测程序已被证明对于许多其他应用是有效且有前途的。基于很少的预测属性，它将很快扩展到缺少海拔数据的各种现实环境中。生成的模型在弥补过去或偏远地区的地理空间知识鸿沟方面将提供巨大帮助。” Skoltech和FBK Trento博士Emre Ozdemir说道。学生，解释。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！