Применение генеративного искусственного интеллекта для повышения качества результатов аэрофотосъемки при проведении комплексных кадастровых работ

Лозовая С. Ю.; Поляков А. И.; Ширина Н.В.; Рыжакова Н. С.

doi:10.30533/GiA-2025-003

ВАК 1.6.15 УДК 528.7 ГРНТИ 36.23 ВАК 1.6.19

Ещё 4 Свернуть

ПРИМЕНЕНИЕ ГЕНЕРАТИВНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПОВЫШЕНИЯ КАЧЕСТВА РЕЗУЛЬТАТОВ АЭРОФОТОСЪЕМКИ ПРИ ПРОВЕДЕНИИ КОМПЛЕКСНЫХ КАДАСТРОВЫХ РАБОТ Применение генеративного искусственного интеллекта для повышения качества результатов аэрофотосъемки при проведении комплексных кадастровых работ

АА Аа

Опубликовано в Известия высших учебных заведений «Геодезия и аэрофотосъемка» · Том 69, Номер 1 · Страницы 36–49 · Рубрика: Аэрокосмические исследования Земли, фотограмметрия

DOI: https://doi.org/10.30533/GiA-2025-003

Получено: 29.10.2024 Одобрено: 21.02.2025 Опубликовано: 28.02.2025 Язык публикаций: RUS

Авторы

ЛО

Лозовая С. Ю.

ПО

Поляков А. И.

ШИ

Ширина Н.В.

РЫ

Рыжакова Н. С.

ЛО

Лозовая С. Ю.

Ученая степень: доктор технических наук

Белгородский государственный технологический университет им. В.Г. Шухова Белгород

ПО

Поляков А. И.

Белгородский государственный технологический университет им. В.Г. Шухова Белгород

ШИ

Ширина Н.В.

Белгородский государственный технологический университет им В.Г. Шухова Белгород

РЫ

Рыжакова Н. С.

АННОТАЦИЯ

Нередко снимки, получаемые при аэрофотосъемке с помощью беспилотных летательных аппаратов (БПЛА), вследствие различных причин могут иметь низкое разрешение, шумы, смазы, артефакты и искажения, что затрудняет дешифрирование объектов недвижимости и снижает точность определения их границ и площадей, увеличивая тем самым трудозатраты на выполнение кадастровых работ. Получение точных результатов обеспечивается качественными исходными данными, поэтому исследовалась возможность применения генеративного искусственного интеллекта с целью повышения качества снимков, получаемых при проведении аэрофотосъемки для решения задач кадастра недвижимости. В статье представлены результаты применения метода машинного обучения с использованием генеративных состязательных сетей. Исследование выполнялось на материалах, полученных при проведении комплексных кадастровых работ с помощью БПЛА. Представлены результаты обработки исходных аэрофотоснимков в модифицированной генеративной состязательной сети Real-ESRGAN. Выполнена фотограмметрическая обработка улучшенных аэрофотоснимков, созданы ортофотоплан и трехмерная модель местности. Проведен анализ обработанных изображений и полученного по ним ортофотоплана. Актуальность и важность применения данной технологии обусловлены задачами обеспечения кадастра недвижимости качественными исходными данными.

КЛЮЧЕВЫЕ СЛОВА

аэрофотоснимок, беспилотный летательный аппарат, точность, генеративная сеть, ортофотоплан, комплексные кадастровые работы

Финансирование

Работа проведена в научно-исследовательской лаборатории беспилотных и геоинформационных систем в сфере дистанционного мониторинга БГТУ им. В.Г. Шухова в рамках темы государственного задания № FZWN-2024-0011 «Разработка адаптивно-вариативного комплекса беспилотных авиационных систем для инфраструктурных задач на основе цифровых двойников».

Текст

Текст (PDF)

Читать Скачать

1. Захлебин А.С. Повышение точности построения ортофотоплана местности по видеоданным с беспилотного летательного аппарата: дис. ... канд. техн. наук. Томск, 2022. 139 с.

2. Zheng X., Xu Z., Yin Q., et al. A Transformer-Unet Generative Adversarial Network for the Super-Resolution Reconstruction of DEMs // Remote Sensing. 2024. Vol. 16. No. 19. P. 3676. DOIhttps://doi.org/10.3390/rs16193676.

3. Фомина Е.С. Оценка эффективности применения специализированных нейронных сетей для повышения разрешения изображений, получаемых при дистанционном зондировании Земли // Системы управления, связи и безопасности. 2023. № 3. С. 71–90. DOIhttps://doi.org/10.24412/2410-9916-2023-3-71-90.

4. Kupyn O., Budzan V., Mykhailych M., et al. DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks // 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City, 2018. P. 8183–8192. DOIhttps://doi.org/10.1109/CVPR.2018.00854.

5. Liu Y., Yeoh J.K.W., Chua D.K.H. Deep Learning–Based Enhancement of Motion Blurred UAV Concrete Crack Images // Journal of Computing in Civil Engineering. 2020. Vol. 34. No. 5. P. 04020028. DOIhttps://doi.org/10.1061/(asce)cp.1943-5487.0000907.

6. Yuan B., Sun Z., Pei L., et al. Super-Resolution Reconstruction Method of Pavement Crack Images Based On an Improved Generative Adversarial Network // Sensors (Basel). 2022. Vol. 22. No. 23. P. 9092. DOIhttps://doi.org/10.3390/s22239092.

7. Wang X., Xie L., Dong C., et al. Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data // 2021 IEEE/CVF International Conference on Computer Vision Workshops (ICCVW). Montreal, 2021. P. 1905–1914. DOIhttps://doi.org/10.1109/ICCVW54120.2021.00217.

8. Liang J., Cao J., Sun G., et al. SwinIR: Image Restoration Using Swin Transformer // IEEE/CVF International Conference on Computer Vision Workshops (ICCVW). Montreal, 2021. P. 1833–1844. DOIhttps://doi.org/10.1109/ICCVW54120.2021.00210.

9. Wang X., Yu K., Wu S., et al. ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks // Computer Vision – ECCV 2018 Workshops. Munich, 2018. P. 63–79. DOIhttps://doi.org/10.48550/arXiv.1809.00219.

10. Agustsson E., Timofte R. NTIRE 2017 Challenge on Single Image Super-Resolution: Dataset and Study // 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). Honolulu, 2017. P. 1122–1131. DOIhttps://doi.org/10.1109/CVPRW.2017.150.

11. Timofte R., Agustsson E., Gool L.V., et al. NTIRE 2017 Challenge on Single Image Super-Resolution: Methods and Results // 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). Honolulu, 2017. P. 1110–1121. DOIhttps://doi.org/10.1109/CVPRW.2017.149.

12. Wang X., Yu K., Dong C., et al. Recovering Realistic Texture in Image Super-Resolution by Deep Spatial Feature Transform // 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City, 2018. P. 606–615. DOIhttps://doi.org/10.1109/CVPR.2018.00070.

13. Шин Е.Р., Щекина А.Ю., Черкасов Р.А. Технология создания топопланов масштаба 1 : 500 по данным съемки с квадрокоптера Phantom 4 // Вектор ГеоНаук. 2019. Т. 2. № 1. С. 54–58. DOIhttps://doi.org/10.24411/2619-0761-2019-10008.

14. Захлебин А.С., Курячий М.И., Капустин В.В. и др. Повышение контраста и точности локализации объектов интереса на ортофотопланах местности, построенных по искаженным изображениям с беспилотного летательного аппарата // Омский научный вестник. 2024. Т. 1. № 189. С. 119–126. DOIhttps://doi.org/10.25206/1813-8225-2024-189-119-126.

PDF JATS XML

Главный редактор, председатель редколлегии

САВИНЫХ Виктор Петрович ГЛАВНЫЙ РЕДАКТОР Академик РАН, доктор технических наук, профессор дважды Герой Советского Союза, летчик-космонавт СССР Президент МИИГАиК Москва, Россия В.П. Савиных — известный ученый и исследователь в области разработки методов дистанционного зондирования и использования космических средств в экологических и природно-ресурсных целях. Он является автором множества научных трудов (в том числе монографий), учебников, автором проекта «Космическое кругосветное путешествие», соавтором многих географических атласов, книги «Информационные технологии в системах экологического мониторинга». Им опубликовано более 350 научных работ. В 2008 году под его редакцией было издано уникальное научно-справочное издание — «Энциклопедия по геодезии, картографии, геоинформатике и кадастру». Виктор Петрович является членом членом ученого совета Русского географического общества.

456

загрузок

ГОСТ

Лозовая С. Ю., Поляков А. И., Ширина Н., Рыжакова Н. С. Применение генеративного искусственного интеллекта для повышения качества результатов аэрофотосъемки при проведении комплексных кадастровых работ // Известия высших учебных заведений «Геодезия и аэрофотосъемка». 2025. № 1. С. 36-49. DOI: https://doi.org/10.30533/GiA-2025-003. (дата обращения: 14.10.2026).

MLA

Лозовая С. Ю., Поляков А. И., Ширина Н., Рыжакова Н. С.. "Применение генеративного искусственного интеллекта для повышения качества результатов аэрофотосъемки при проведении комплексных кадастровых работ." Известия высших учебных заведений «Геодезия и аэрофотосъемка» 69.1 (2025): 36-49. DOI: https://doi.org/10.30533/GiA-2025-003.

APA

Лозовая С. Ю., Поляков А. И., Ширина Н., Рыжакова Н. С. (2025). Применение генеративного искусственного интеллекта для повышения качества результатов аэрофотосъемки при проведении комплексных кадастровых работ. Известия высших учебных заведений «Геодезия и аэрофотосъемка», 69(1), 36-49. https://doi.org/10.30533/GiA-2025-003

Chicago

Лозовая С. Ю., Поляков А. И., Ширина Н., Рыжакова Н. С.. "Применение генеративного искусственного интеллекта для повышения качества результатов аэрофотосъемки при проведении комплексных кадастровых работ." Известия высших учебных заведений «Геодезия и аэрофотосъемка» 69, no. 1 (2025): 36-49. https://doi.org/10.30533/GiA-2025-003.

WIKI

{{cite journal | author = Лозовая С. Ю., Поляков А. И., Ширина Н., Рыжакова Н. С. | title = Применение генеративного искусственного интеллекта для повышения качества результатов аэрофотосъемки при проведении комплексных кадастровых работ | journal = Известия высших учебных заведений «Геодезия и аэрофотосъемка» | year = 2025 | volume = 69 | issue = 1 | pages = 36-49 | doi = 10.30533/GiA-2025-003 }}

Скопировать

Экспорт: BibTeX EndNote RefMan RusMARC

Подтверждение