根据飓风后航空图像快速估计碎片体积

飓风碎片清除工作是根据体积估计进行计划、签订合同和联邦报销的，但操作实践仍然依赖于参数预测（41-90% 的记录过高估计）或仅在运输开始后才到达的卡车装载计数。我们提出了 DebrisHeightNet，这是一种分割条件单目碎片高度网络，可通过事件后航空 RGB 图像的单次传递来估计空间明确的碎片体积，这种调查通常在飓风登陆后的几天内进行。我们仅在两个冻结视觉基础模型之上训练一个轻量级 1.08 M 参数头部。该头从 Depth Anything V2 主干回归高度，以我们之前工作中的 CLIPSeg-debris 碎片分割为条件。由于不存在飓风后碎片高度 真值，因此我们通过置信加权 LiDAR-单目融合 (CW-LMF) 合成训练目标，旨在抑制非碎片 LiDAR 回波。这个融合目标是一个构建的监督信号，而不是 真值，因此我们根据外部参考来证实它，而不是声称它是事实。由每个区域的低密度碎片部分驱动的区域级幂律校准将模型体积转换为对报告的拖运碎片的估计值，并具有量化的不确定性。在跨越五场飓风和三个州的十个地区中，未经校准的模型与斯皮尔曼训练区的独立无人驾驶飞行器 (UAV) 调查一致 $ρ= 0.87$，并且落在报告记录的 30% 范围内，其中 Hazus 和 FEMA 混合参数预测比预测高出 2.7-4.8$\times$。部署不需要激光雷达，不需要地面接入，也不需要第二次飞行，因此该方法可以在单次事件后图像飞行的任何地方产生空间明确的体积估计。