Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "skaning" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 59
Tytuł:
Analiza dokładności przestrzennej danych z lotniczego, naziemnego i mobilnego skaningu laserowego jako wstęp do ich integracji
Analysis of accuracy airborne, terrestrial and mobile laser scanning data as an introduction to their integration
Autorzy:
Warchoł, A.
Powiązania:
https://bibliotekanauki.pl/articles/131184.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
lotniczy skaning laserowy
naziemny skaning laserowy
mobilny skaning laserowy
chmura
integracja
dokładność
airborne laser scanning (ALS)
terrestrial laser scanning
mobile laser scanning
cloud
integration
accuracy
Opis:
The following article presents an analysis of accuracy three point clouds ( airborne, terrestrial and mobile) obtained for the same area. The study was conducted separately for the coordinates (X, Y) - examining the location of buildings vertex and separately for the coordinate (Z) - comparing models built on each of the clouds. As a baseline measurement for both analyzes (X, Y and Z), the totalstation measurement was taken.
Poniższy artykuł przedstawia analizę dokładnościową trzech chmur punktów (dane lotnicze, naziemne i mobilne) pozyskanych dla tego samego obszaru. Badania przeprowadzono osobno dla współrzędnych (X,Y) – badając położenie załamań ścian budynków oraz osobno dla współrzędnej (Z) - porównując modele zbudowane na każdej z chmur. Jako pomiar referencyjny dla obu analiz (X,Y oraz Z) przyjęto wyniki z pomiaru tachimetrycznego.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, 25; 255-260
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Aspekty integracji danych fotogrametrycznych dla generowania 3D modeli wybranych obiektów przestrzeni miejskiej
Aspects of photogrammetric data integration for generation 3D models of the selected objects located in the urban space
Autorzy:
Markiewicz, J.
Powiązania:
https://bibliotekanauki.pl/articles/130478.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
integracja danych
naziemny skaning laserowy
lotniczy skaning laserowy
terratriangulacja
ArcGIS
data integration
terrestrial laser scanning
airborne laser scanning (ALS)
bundle adjustment
Opis:
Technologie fotogrametryczne są najczęściej stosowane w dokumentacji i analizie zarówno obiektów przestrzeni miejskiej jak i dziedzictwa kulturowego. Coraz częściej wykorzystywana jest do tych celów nowoczesna technika skanowania laserowego. Mimo zalet posiada swoje ograniczenia, jednak w połączeniu z klasycznym podejściem fotogrametrycznym bazującym na obrazach obie metody wzajemnie się uzupełniają. Niniejszy artykuł prezentuje doświadczenia związane z integracją danych z różnych źródeł fotogrametrycznych przy budowie modelu trójwymiarowego pomnika żołnierzy Armii Czerwonej w Wiedniu. Pierwszy etap pracy polegał na pozyskaniu danych z pułapu naziemnego i lotniczego, które zorientowano i odpowiednio przetworzono. Następnie wykonano właściwą integrację danych w programie ArcGIS. Jednym z głównych celów przeprowadzonych badań było sprawdzenie możliwości wykorzystania różnych źródeł fotogrametrycznych pozyskanych zarówno z platformy lotniczej i naziemnej pod kątem generowania 3D modeli wybranych obiektów zlokalizowanych w przestrzeni miejskiej.
Photogrammetry is the most common method which is used to document and analyze the historic buildings and cultural heritage. However terrestrial laser scanning method is becoming more often use in this purpose. Although many advantages the terrestrial laser scanning method has some limitations which in combination with the classical photogrammetric approaches makes this both methods complementary. This paper present the experience related to the process of photogrammetric data integration for creation of 3D model Red Army monument located in Vienna. The process included two steps. The first one consisted of data acquisition, retrieved with classical geodetic technique, both airborne and terrestrial laser scanning and ground-based images. Through pre-processing and orientation it was possible to verify data accuracy and to prepare it for further processing. The second step referred to combination and visualization of all data in the ArcGIS. The main purpose of this study was to verify the possibility of using different data sources to generate 3D models of selected objects located in urban space.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 199-209
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Dokładność opracowań z wykorzystaniem pomiaru metodą skaningu laserowego - LIDAR. Standard ASPRS
Accuracy of mapping production based on laser scanning - LiDAR. ASPRS standards
Autorzy:
Tukaj, R.
Powiązania:
https://bibliotekanauki.pl/articles/129915.pdf
Data publikacji:
2004
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
skaning laserowy
LIDAR
pomiar geodezyjny
laser scanning
geodetic measurement
Opis:
Artykuł traktuje na temat standardów tworzonych z myślą o uporządkowaniu kwestii związanych z dokładnością danych pozyskiwanych metodą skanningu laserowego LiDAR. Szeroko opisany został standard wprowadzany przez 161 American Society for Photogrammetry and Remote Sensing. Podano też przykładowe dokładności uzyskane na projektach realizowanych w firmie Tukaj Mapping Central Europe.
This article intends to point the main idea of creating and classifying problems connected to accuracy o f data from laser scanning technology - LIDAR. It was widely described by American Society for Photogrammetry and Remote Sensing. As samples there is data shown based on projects done by TUKAJ MAPPING CENTRAL EUROPE.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2004, 15; 41-47
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Możliwości generowania precyzyjnego NMT na podstawie chmury punktów z projektu ISOK
Possibilities of generation a precision DTM based on clouds of points obtained in project ISOK
Autorzy:
Biszof, A.
Oberski, T.
Powiązania:
https://bibliotekanauki.pl/articles/129707.pdf
Data publikacji:
2018
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
interpolacja
lotniczy skaning laserowy
NMT
interpolation
airborne laser scanning
DTM
Opis:
Procesy tworzenia oraz wizualizacji NMT na podstawie danych z lotniczego skaningu laserowego stają się coraz powszechniejsze. Jakość NMT jest uzależniona od wielu czynników. W pracy poddano analizie proces tworzenia NMT w aspekcie zróżnicowania ukształtowania terenu, wielkości siatki GRID oraz metod interpolacji na podstawie danych pozyskanych z projektu ISOK dla fragmentu (1km2) miasta Koszalin. Wykorzystano interpolacje deterministyczne oraz stochastyczną do uzyskania modeli o rozdzielczościach 0.1 m, 0.25 m oraz 0.5 m. Porównano ponadto otrzymane modele ze standardowym NMT pozyskanym z ISOK. Największy wpływ na jakość NMT zbudowanego na podstawie danych LIDAR ma zróżnicowanie terenu. Ponadto w zależności od przeznaczenia modelu sprawdzono, czy zmiana wielkości oczka tworzonego modelu GRID ma wpływ na jakość NMT zwłaszcza w kontekście odwzorowania form morfologicznych rzeźby.
Creating and visualizing DTM based on data from airborne laser scanning become a common practice. Quality of DTM depends on many factors. The paper analyzes the process of creating a DTM in terms of diversity of terrain, the size of grid (the cell size) and methods of interpolation, based on data obtained from the project ISOK for a part (1km2) of the city of Koszalin. Deterministic and stochastic interpolations are used for cellsizes of 0.1 m, 0.25 m and 0.5 m. Moreover, the models were compared with DTM obtained from the ISOK. Diversity of terrain has the biggest impact on the quality of DTM based on LIDAR data. Furthermore, depending on the application of the model, it has been checked if reducing the cellsize of the created model GRID affects the quality of the DTM, especially in the context of mapping morhological forms.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2018, 30; 95-106
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Stereometryczna weryfikacja NMT uzyskanego ze skaningu laserowego
Autorzy:
Piechocka, N.
Marmol, U.
Jachimski, J.
Powiązania:
https://bibliotekanauki.pl/articles/130266.pdf
Data publikacji:
2004
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
skaning laserowy
stereometria
NMT
powierzchnia topograficzna
TIN
laser scanning
stereometry
topographic survey
Opis:
Lotniczy skaning laserowy zyskuje coraz większe znaczenie jako metoda pozyskiwania informacji o powierzchni topograficznej oraz elementach pokrycia terenu. W ostatnich latach zostało opracowanych kilkanaście algorytmów do automatycznej filtracji danych laserowych. Niestety, istniejące metody posiadają jeszcze widoczne ograniczenia, związane z nieprawidłową eliminacją punktów w obszarach o skomplikowanym ukształtowaniu i użytkowaniu terenu i nadal niezbędny jest znaczący, interaktywny udział operatora. W niniejszym referacie przedstawiona jest stereometryczna weryfikacja dwóch metod filtracyjnych: algorytmu aktywnego modelu TIN i algorytmu częstotliwościowego opartego na FFT. Algorytm aktywnego modelu TIN został rozwinięty na Wydziale Geodezji i Fotogrametrii w Królewskim Instytucie w Sztokholmie. Na opracowanym algorytmie bazuje komercyjne oprogramowanie - TerraScan. Metoda oparta na FFT została opracowana w Zakładzie Fotogrametrii i Informatyki Teledetekcyjnej AGH i jest nadal w fazie badań empirycznych, określających jej wiarygodność i dokładność. W prezentowanym opracowaniu dane uzyskane w wyniku filtracji zostały porównane ze stereogramami cyfrowych zdjęć lotniczych. Obrazy cyfrowe zostały pozyskane w trakcie nalotu laserowego, odpowiadają więc dokładnie danym uzyskanym w procesie skanowania. Analiza polegała na wyborze próbek, charakteryzujących się różnym ukształtowaniem i użytkowaniem terenu (roślinność, zabudowa). Dla każdego obszaru testowego zostały wyznaczone, na podstawie odchyłek pomiędzy wzorcem pochodzącym z pomiaru stereometrycznego a odfiltrowaną powierzchnią, podstawowe parametry statystyczne: średni błąd kwadratowy RMSE, średnia arytmetyczna i odchylenie standardowe. Uzyskane wyniki ujawniają, że w przypadku terenów o skomplikowanym ukształtowaniu lub pokryciu, obydwa algorytmy wykazują pewne ograniczenia i różnice. Algorytm aktywnego modelu TIN, lepiej niż algorytm oparty na FFT, eliminuje pomierzone punkty w miejscach pokrycia terenu gęstymi, wysokimi drzewami liściastymi oraz wysokimi trawami. W miejscach takich jak krzaki, pojedynczo rosnące drzewo, uzyskane wyniki odfiltrowania przy wykorzystaniu obu algorytmów są porównywalne. Natomiast teren o dużym stopniu zurbanizowania został prawidłowo odfiltrowany przez oba algorytmy.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2004, 14; 1-12
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Gęstość chmury punktów pochodzącej z mobilnego skanowania laserowego
Density of point clouds in mobile laser scanning
Autorzy:
Warchoł, A.
Powiązania:
https://bibliotekanauki.pl/articles/130766.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
mobilny skaning laserowy
chmura punktów
gęstość
mobile laser scanning
point clouds
density
Opis:
Dzięki intensywnemu rozwojowi technologia LiDAR (Light Detection And Ranging) jest w ostatnim czasie co raz bardziej popularną metodą pozyskiwania informacji przestrzennej. Rejestrowanie przestrzeni za pomocą skanerów laserowych zamontowanych na mobilnej platformie łączy w sobie szybkość pozyskiwania gęstej chmury punktów z dokładnościami centymetrowymi. Jest to więc bardzo skuteczne rozwiązanie do pozyskiwania informacji o obiektach wydłużonych (liniowych), a także ich otoczeniu. Wynikowa chmura punktów, aby mogła być wykorzystywana do poszczególnych zastosowań, musi spełniać określone parametry, zarówno dokładnościowe jak i jakościowe. Zwykle zamawiający określa wartości parametrów, które w projekcie należy uzyskać. O ile w kwestii parametrów dokładnościowych nie pojawiają się rozbieżności co do metodyki, o tyle w przypadku gęstości chmury punktów sytuacja nie jest jednoznaczna. Ze względu na specyfikę danych MLS (Mobile Laser Scanning), nie można tu zastosować bezpośrednio rozwiązań z ALS (Airborne Laser Scanning). Podawanie również gęstości chmury punktów jako ilorazu liczby punktów przez „płaskie” pole powierzchni powstające z rzutu granicy projektu na płaszczyznę, powoduje mylne wrażenie o gęstości chmury punktów na zeskanowanych obiektach. A właśnie gęstość chmury punktów na obiektach jest kluczowym kryterium w kwestii jej przydatności do dalszego przetwarzania i wykorzystania (np. możliwość rozpoznania obiektów na chmurze). W niniejszym artykule, na trzech polach testowych, zbadano trzy różne metody obliczania gęstości zbioru danych LiDAR dzieląc liczbę punktów: najpierw przez „płaskie” pole powierzchni, następnie przez „trójwymiarowe”, a kończąc na metodzie voxelowej. Najbardziej wiarygodną wydaje się być metoda voxelowa, która oprócz samych lokalnych wartości gęstości, przedstawia ich przestrzenny rozkład.
The LiDAR (Light Detection And Ranging) technology is becoming a more and more popular method to collect spatial information. The acquisition of 3D data by means of one or several laser scanners mounted on a mobile platform (car) could quickly provide large volumes of dense data with centimeter-level accuracy. This is, therefore, the ideal solution to obtain information about objects with elongated shapes (corridors), and their surroundings. Point clouds used by specific applications must fulfill certain quality criteria, such as quantitative and qualitative indicators (i.e. precision, accuracy, density, completeness).Usually, the client fixes some parameter values that must be achieved. In terms of the precision, this parameter is well described, whereas in the case of density point clouds the discussion is still open. Due to the specificities of the MLS (Mobile Laser Scanning), the solution from ALS (Airborne Laser Scanning) cannot be directly applied. Hence, the density of the final point clouds, calculated as the number of points divided by "flat" surface area, is inappropriate. We present in this article three different ways of determining and interpreting point cloud density on three different test fields. The first method divides the number of points by the "flat" area, the second by the "three-dimensional" area, and the last one refers to a voxel approach. The most reliable method seems to be the voxel method, which in addition to the local density values also presents their spatial distribution.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2015, 27; 149-161
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie danych lotniczego skaningu laserowego w metodyce badawczej zespołów fortyfikacji nowszej w Polsce
Utilization of aerial laser scanning data in investigations of modern fortifications complexes in Poland
Autorzy:
Zawieska, D.
Ostrowski, W.
Antoszewski, M.
Powiązania:
https://bibliotekanauki.pl/articles/129672.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
lotniczy skaning laserowy
fortyfikacja
chmura punktów
aerial laser scanning
fortification
point cloud
Opis:
Due to the turbulent history extremely reach and unique resources of military architectural objects (modern fortification complexes) are located in Poland. The paper presents results of analysis of utilization of aerial laser scanning data for identification and visualization of forts in Poland. A cloud of point from the ISOK Projects has been utilized for that purpose. Two types of areas are distinguished in this Project, covered by products of diversified standards: standards II - laser scanning of the increased density (12 points per sq.m.), standard I - laser scanning of the basic density (4 points per sq.m.). Investigations were carried out concerning the quality of geospatial data classification with respect to further topographic analysis of fortifications. These investigations were performed for four test sites, two test sites for each standard. Objects were selected in such a way that fortifications were characterized by the sufficient level of restoration and that at least one point located in forest and one point located in an open area could be located for each standard. The preliminary verification of the classification correctness was performed with the use of ArcGIS 10.1 software package, basing on the shaded Digital Elevation Model (DEM) and the Digital Fortification Model (DFM), an orthophotomap and the analysis of sections of the spatial cloud of points. Changes of classification of point clouds were introduced with the use of TerraSolid software package. Basing on the performed analysis two groups of errors of point cloud classification were detected. In the first group fragments of fortification facilities were classified with errors; in the case of the second group - entire elements of fortifications were classified with errors or they remained unclassified. The first type error, which occurs in the majority of cases, results in errors of 2÷4 meters in object locations and variations of elevations of those fragments of DFM, which achieve up to 14 m. At present, fortifications are partially or entirely covered with forests or invasive vegetation. Therefore, the influence of the land cover and the terrain slope on the DEM quality, obtained from Lidar data, should be considered in evaluation of the ISOK data potential for topographic investigations of fortifications. Investigations performed in the world proved that if the area is covered by dense, 70 year old forests, where forest clearance is not performed, this may result in double decrease of the created DTM. (comparing to the open area). In the summary it may be stressed that performed experimental works proved the high usefulness of ISOK laser scanning data for identification of forms of fortifications and for their visualization. As opposed to conventional information acquisition methods (field inventory together with historical documents), laser scanning data is the new generation of geospatial data. They create the possibility to develop the new technology, to be utilized in protection and inventory of military architectural objects in Poland.
Z uwagi na burzliwą historię, na obszarze Polski znajduje się niezwykle bogaty i unikatowy w swojej różnorodności zbiór obiektów architektury militarnej (zespołów fortyfikacji nowszej). Artykuł prezentuje wyniki analiz wykorzystania danych z lotniczego skaningu laserowego do identyfikacji i wizualizacji fortów w Polsce. W tym celu wykorzystano chmurę punktów dla standardu I i II z projektu ISOK (Informatyczny System Osłony Kraju). Przeprowadzono badania pod kątem jakości klasyfikacji geoprzestrzeniach danych w aspekcie późniejszych analiz topografii fortyfikacji. Badania przeprowadzono na czterech polach testowych, po dwa pola z każdego standardu. Obiekty dobrano tak by fortyfikacje cechowały się wystarczającym stopniem zachowania oraz żeby w każdym ze standardów, znalazł się przynajmniej jeden położony w lesie i jeden odkryty. Wstępną weryfikację poprawności klasyfikacji wykonano w programie ArcGIS 10.1 w oparciu o cieniowany Numeryczny Model Terenu (NMT) i Numeryczny Model Fortyfikacji (NMF), ortofotomapę oraz analizę przekrojów przestrzennej chmury punktów. Zmianę klasyfikacji chmur punktów przeprowadzono z wykorzystaniem oprogramowania TerraSolid. Na podstawie przeprowadzonych analiz wykryto dwie grupy błędów klasyfikacji chmury punktów. W pierwszej z nich błędnie sklasyfikowane są fragmenty urządzeń fortu, w drugiej błędnie sklasyfikowane lub nieklasyfikowane pozostają całe jego elementy. Najczęściej występujący z błędów pierwszego rodzaju powoduje błędy w lokalizacji rzędu 2÷4 m oraz kilku metrowe (max. do 14 m) różnice w wysokości tych fragmentów w NMF. Obecnie fortyfikacje pokryte są częściowo lub w całości lasami lub roślinnością inwazyjną. Dlatego też w ocenie potencjału danych z ISOK do celów badania topografii fortyfikacji, należy uwzględnić również wpływ pokrycia oraz nachylenie terenu na jakość NMT uzyskiwanego z LiDAR. Przeprowadzone eksperymenty wykazały dużą przydatność wykorzystania danych ze skaningu laserowego z projektu ISOK do identyfikacji form fortyfikacji oraz wizualizacji tych obiektów. W przeciwieństwie do tradycyjnych metod pozyskiwania informacji (inwentaryzacje terenowe w zestawieniu z dokumentacją historyczną), dane ze skaningu laserowego stanowią nową generację danych geoprzestrzennych. Stwarzają możliwość opracowania nowej technologii wykorzystywanej w ochronie i inwentaryzacji architektury militarnej w Polsce.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, 25; 303-314
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza algorytmów detekcji obiektów infrastruktury kolejowej na podstawie chmury punktów mobilnego skaningu laserowego
Analysis of detection algorithms of railway infrastructure object based on scanning mobile laser point cloud
Autorzy:
Marmol, U.
Powiązania:
https://bibliotekanauki.pl/articles/130674.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
mobilny skaning laserowy
filtracja
detekcja obiektów
mobile laser scanning
filtering
object detection
Opis:
Tematem niniejszego artykułu jest detekcja obiektów infrastruktury kolejowej na podstawie chmury punktów mobilnego skaningu laserowego. Pierwszym istotnym etapem, zanim przystąpi się do właściwej detekcji, jest usunięcie szumu pomiarowego. W przypadku skaningu mobilnego szum jest kluczowym problemem, gdyż wprowadza duże zakłócenia do danych pomiarowych. W pierwszej części artykułu zawarto krótką charakterystykę programów pod kątem prostych filtrów geometrycznych, które zarówno usuwają szumy jak i przeprowadzają proste operacje klasyfikacji (na przykład wydzielenie obiektów oddalonych o określoną wartość głębokości). Dopiero po usunięciu szumu jest możliwe rozpoznawanie obiektów. Jest to stosunkowo nowe zagadnienie, otwierające szerokie pole do analiz i badań naukowych. Do tej pory zostało opisanych kilka metod klasyfikacji danych pochodzących z mobilnych systemów laserowych. Część algorytmów opiera się na metodach wywodzących się z teorii przetwarzania obrazów. Rozproszona chmura punktów jest zapisywana w siatce regularnej jako raster, którego wartości pikseli odpowiadają głębokości lub intensywności danych laserowych. Do metod opartych na obrazach możemy zaliczyć: algorytmy wykorzystujące filtry morfologiczne i algorytmy wyszukiwania. Inne metody detekcji obiektów bazują na danych rozproszonych, czyli oryginalnej chmurze punktów. Przykładem może być metoda oparta na algorytmie RANSAC. Przeprowadzona analiza algorytmów filtracji ujawniła, że mobilny skaning laserowy może stanowić miarodajne źródło do wyodrębniania obiektów.
The subject of this paper is detection of railway infrastructure objects based on mobile laser scanning. The first important step, made before proceeding with correct detection, is to remove the measurement noise. In the case of mobile scanning noise is a key issue, since it introduces a large distortion of the measurement data. In the first part of the article a brief description of the programs in terms of simple geometric filters which both remove noise and carry out simple operations of the classification (for example, the separation of objects spaced by a certain depth). Object recognition is possible only after the removal of the noise This is a relatively new problem, opening a wide field for analysis and research. So far several methods have been described for the classification of the mobile data. Some algorithms based on methods derived from the image processing theory. Scattered cloud of points is stored in a regular grid, the pixel values correspond to the depth or intensity of the laser data. The image-based methods: algorithms using morphological filters and retrieval algorithms. Other methods are based on the detection of objects from the original cloud of points. An example is the method based on RANSAC algorithm. An analysis of filtering algorithms revealed that mobile laser scanning can be a reliable information source to extract objects.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 211-220
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sprawdzenie możliwości wykorzystania kontrolera Kinect jako skanera 3D do rejestracji kolorowych chmur punktów
Checking the possibilities of Kinect controller as a scanner for registration of color 3D point clouds
Autorzy:
Podlasiak, P.
Powiązania:
https://bibliotekanauki.pl/articles/130286.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
skaning
światło strukturalne
kinect
chmura punktów
DTM
scanning
structured light
Kinect
cloud points
Opis:
Kontroler Kinect jest czujnikiem ruchu będącym urządzeniem wejściowym do konsoli gier XBOX (Microsoft®) pozwalającym na sterowane za pomocą gestów i poleceń słownych. Konstrukcja urządzenia zawiera dwie kamery (RGBi IR) oraz laserowy projektor podczerwieni. Procesor zawarty w urządzeniu na podstawie obrazu z kamery IR wyznacza „mapę głębokości” (640 x 480) w zakresie od 0.8 m do 5 m w czasie rzeczywistym (30 Hz). Niska cena urządzenia w porównaniu do jego możliwości sugeruje zastosowanie go jako odpowiednik skanerów laserowych 3D bliskiego zasięgu. W pracy przedstawiono szereg zagadnień związanych z pobieraniem informacji z urządzenia do komputera PC, generowaniem chmury punktów i jej kolorowaniem tzn. łączeniem obrazu z kamer RGB i IR. W czasie praktycznych prób okazało się, że format informacji jest nietypowy a dane dostarczane są ze zmienną dokładnością zależną od odległości od urządzenia. Konieczne stało się opracowanie własnych metod kalibracji sensora „głębokości” uwzględniających specyfikę działania urządzenia i cechy otrzymywanej chmury punktów. Istotnym problemem w kalibracji był brak możliwości wykonywania jej metodą klasyczną na „punktach” terenowych, które nie ulegały odwzorowaniu na mapie głębokości. Szereg problemów należało rozwiązać przy łączeniu obrazu „głębokościowego” z widzialnym ze względu na różne rozmieszczenie, rozdzielczość i pole widzenia obu kamer. W drugiej części pracy przedstawione zostanie metoda kalibracji i jej wyniki dla konkretnego egzemplarza czujnika Kinect oraz uzyskane dokładności. W celu sprawdzenia „jakości” uzyskanej chmury punktów przeprowadzono także porównanie wyników skaningu uzyskanych innymi bardziej profesjonalnymi urządzeniami. Uzyskane wyniki pozwalają na oszacowanie dokładności pomiaru rzędu kilku mm przy jednocześnie dużej nieciągłości pomiarów - mapa głębokości zawiera tylko około tysiąca różnych wartości.
The controller Kinect is a motion sensor which is an input device for the XBOX 360 game console (Microsoft ®) allows the controlled with gestures and verbal commands. Device has two cameras (RGB and IR) and IR laser projector. The processor included in the device based on IR camera image compute „depth map” (640 x 480) in the range from 0.8 m to 5 m in real time (30 Hz). The low price of the device compared to its features suggest its use as the equivalent of 3D laser scanners shipping. The paper presents a number of issues related to the collection of information from the device to a PC, point cloud generation and its coloring. During practical tests proved that the format is unusual information and data are provided with variable accuracy depending on the distance from the device. It became necessary to develop their own methods for sensor calibration „depth” specific to the operation and features of the obtained point cloud. A major problem in the calibration was not possible to exercise its classical way to „point” field, which may not yield a depth map projection. A number of problems had to be solved by combining depth image with visible due to the different distribution, resolution and field of view of both cameras. In the second part of the study will be presented calibration method and results for a specific copy of the Kinect sensor and the accuracy obtained. In order to check the „quality” of the resulting point cloud was carried out to compare the results of other more professional scanning methods. The obtained results allow us to estimate the accuracy of a few mm at the same time a large discontinuity measurements - depth map contains only about a thousand different values.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 289-300
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wizualizacja i przetwarzanie chmury punktów lotniczego skaningu laserowego
Visualization and processing of airborne laser scanning points cloud
Autorzy:
Twardowski, M.
Marmol, U.
Powiązania:
https://bibliotekanauki.pl/articles/130604.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
lotniczy skaning laserowy
wizualizacja
przetwarzanie danych
airborne laser scanning (ALS)
visualization
data processing
Opis:
Lotniczy skaning laserowy stwarza szerokie pole dla badań naukowych i prac badawczych nad rozwojem nowych algorytmów i metod analizy danych przestrzennych. Niestety większość istniejących oprogramowań do przetwarzania danych laserowych nie pozwala na modyfikację istniejących procedur, niekiedy wręcz działając na zasadzie „czarnej skrzynki”. Wejściowe dane laserowe ulegają bliżej nie określonym operacjom, przynosząc trudne do zweryfikowania wyniki, co zdecydowanie ogranicza wolność naukową w pracach badawczych. Dlatego w Katedrze Geoinformacji, Fotogrametrii i Teledetekcji Środowiska AGH narodziła się idea stworzenia własnego narzędzia, opartego na licencji OpenSource, które nie będzie obarczone żadnymi ograniczeniami. Były to główne przesłanki do powstania projektu LIDARView. Założeniem projektu jest otwarty dostęp do kodu źródłowego obiektów, co pozwoli na udoskonalanie zastosowanych algorytmów. Modularna budowa systemu umożliwi nieograniczone rozwijanie jego potencjału poprzez aktualizację i dodawanie nowych elementów do systemu. Projekt LIDARView jest obecnie w początkowej fazie rozwoju. Oprogramowanie umożliwia podstawowe operacje na chmurze punktów, takie jak: powiększanie, obracanie i przesuwanie danych laserowych. Zakładka Image pozwala na integrację danych laserowych z danymi obrazowymi. Umożliwia także wykorzystanie obserwacji stereoskopowej w procesie przetwarzania danych lidarowych poprzez możliwość edycji linii nieciągłości i form morfologicznych W zakładce Cloud zostały zaimplementowane algorytmy do klasyfikacji i filtracji chmury punktów. Na obecnym etapie rozwoju zostały zaprogramowane proste filtry usunięcia błędów grubych i rozrzedzenia chmury punktów. Została także wprowadzona procedura automatycznej klasyfikacji chmury danych laserowych na punkty terenowe i punkty pokrycia. Filtracja odbywa się z wykorzystaniem algorytmu częstotliwościowego (Marmol, 2010). Autorzy projektu mają nadzieję, że dzięki otwartej strukturze systemu, projekt LIDARView nie ulegnie stagnacji i będzie rozwijany także w innych ośrodkach badawczych.
Relatively new technology which is laser scanning provides wide area of scientific study and research on new algorithms and spatial analysis methods. Unfortunately most of existing software does not allow for modification of existing procedures, usually working on a “black box” principle, where laser input data are treated with unknown operations, yielding results which are hard to verify. It severely impedes scientific freedom while research is involved. That is why idea of creating own software was born, based on open source license, not encumbered with those restricttions. Those were main reasons for creating LIDARView project. It assumes open access to modules source code allowing for improvements of used algorithms and modular design allows for unrestricted research through additions of new elements. LIDARView project is currently in its starting phase. Software allows for basic point cloud operations such as: zooming, translation and rotation of laser data. Included image module allows for displaying photographs as background for a point cloud. Cloud module can be used for accessing classification and filter functions. Current development state includes: gross error removal, cloud thinning and point classification for topographic surface.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 457-465
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie powierzchni terenu zawierającej linie nieciągłości na podstawie danych skaningu laserowego
Modelling of terrain surface involving discontinuities from laser scanner data
Autorzy:
Borkowski, A.
Powiązania:
https://bibliotekanauki.pl/articles/130918.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
zadanie wariacyjne
nieciągłość powierzchni
snakes
skaning laserowy
variational principle
surface discontinuity
laser scanning
Opis:
Wzrost rozdzielczości techniki skaningu laserowego w ostatnich latach pozwala na modelowanie linii nieciągłości powierzchni terenu na podstawie informacji punktowej. W pracy przedstawiono metodę aproksymacji powierzchni będącą rozwiązaniem zadania wariacyjnego (uogólnienie techniki snake), w którym minimalizowana jest energia wewnętrzna powierzchni i zewnętrzna opisująca defekt danych. Energia wewnętrzna opisuje nachylenie i naprężenie powierzchni i jest sumą składowych gradientu i krzywizny powierzchni. Poszczególne składniki energii wewnętrznej są wzajemnie ważone za pomocą swobodnych parametrów, poprzez które możliwe jest lokalne modelowanie właściwości geometrycznych powierzchni. Zadanie wariacyjne rozwiązano metoda Ritza z funkcją bazową typu Gaussa. Parametry modelowanej powierzchni otrzymuje się z rozwiązania układu równań liniowych. Podano przykład modelowania danych skaningu laserowego.
The resolution increase of the laser-scanning technique within the last few years enables on modeling of terrain discontinuities considering only discrete information. In the paper there has been presented the method of surface approximation which was a solution of variational principle (generalization of the snakes technique) where the internal – and external energy of surface describing the data defect are minimized. The internal energy describes an inclination and tension of surface and presents a sum of gradient and curvature components. Particular components of internal energy have been weighted by the use of free parameters enabling a modeling of geometrical properties of surface. The variational problem has been solved by the use of the Ritz method with the base Gaussian-type function. Parameters of modeled surface are obtained by solving the linear equations system. Furthermore, a modeling example of laser-scanning data has been presented.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2003, 13b; 307-314
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena dokładności danych lotniczego skaningu laserowego systemu SCALARS
The accuracy of airborne laser scanning data received from the SCALARS system
Autorzy:
Gołuch, P.
Borkowski, A.
Józków, G.
Powiązania:
https://bibliotekanauki.pl/articles/131048.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
lotniczy skaning laserowy
system ScaLARS
NMT
airborne laser scanning (ALS)
ScaLARS system
DTM
Opis:
Dokładność NMT interpolowanych na podstawie danych skanowania laserowego zależy w głównej mierze od dokładności danych źródłowych, jak równie_ od zastosowanej metody filtracji tych danych i metody interpolacji. Na dokładność źródłowych danych lotniczego skaningu laserowego wpływa wiele czynników, miedzy innymi stabilność nalotu fotogrametrycznego, jakość danych nawigacyjnych, dokładność kalibracji, terenowa wielkości śladu plamki promienia lasera (wysokości lotu i zbieżności wiązki), ukształtowanie terenu oraz pokrycie terenu. Wpływ poszczególnych czynników trudno jest rozdzielić i dlatego należy rozpatrywać ich ogólny wpływ na dokładność produktu końcowego. W pracy przedstawiono ocenę dokładności wysokościowej danych zarejestrowanych prototypowym skanerem ScaLARS. Skaning laserowy zrealizowano dla 20 kilometrowego odcinka doliny rzeki Widawy. Rejestracje sygnałów z INS i GPS przeprowadzono przy użyciu systemu Applanix POS/AV 510. Skanowanie zrealizowano z pokładu samolotu AN-2, z wysokości 550 m. Terenowa wielkość śladu plamki lasera wyniosła około 0.6 m. Badanie dokładności danych skaningu przeprowadzono w oparciu o punkty pozyskane z bezpośredniego pomiaru terenowego technikami GPS i tachimetryczna. Pomiary przeprowadzono na czterech reprezentatywnych obszarach obiektu badawczego (razem 10 obszarów testowych o zróżnicowanym pokryciu terenu). Uzyskano dokładności wysokościowe rzędu: a) tereny zalesione i zadrzewione – obszary o bardzo zróżnicowanym ukształtowaniu pionowym – 0.40 m, b) teren wzdłuż koryta rzeki, z wysoka trawa i zaroślami – 0.40 m, c) tereny użytkowane rolniczo (pola orne, łąki, pastwiska) – generalnie obszary płaskie - 0.25 m, d) drogi asfaltowe, brukowe i gruntowe – 0.20 m.
The accuracy of DTMs interpolated based on laser scanning data depends mainly on the accuracy of original data, filtering and interpolation method. There are many factors that influence the accuracy of original data, namely the stability of photogrammetric flight, quality of navigation data, accuracy of calibration, size of the footprint on the ground (flight height and beam convergence), landscape and land cover. It is difficult to separate the influence of each factor, therefore the total impact of all factors on the final product should be taken into consideration. In this work, the evaluation of height accuracy of data acquired by prototypical scanner ScaLARS was presented. Laser scanning was performed for 20-kilometer section of Widawa river valley. Registration of INS and GPS signals was carried out using Applanix POS/AV 510 system. Scanning was performed from airplane AN-2 at flight height 550 m. Terrain size of footprint was about 0.6 m. The study of scanning data accuracy was executed based on points obtained from direct terrain measurements using GPS and tachometry techniques. From the 20-kilometer section, four representative areas were selected. In those areas, there were ten testing fields of miscellaneous land cover. The height accuracy results obtained were as follows: a) forestry terrains – areas of considerable height differences – 0.40 m, b) terrain along river bed with high grass and bush – 0.40 m, c) agricultural terrain (arable fields, meadows, pastures) – mainly flat terrain – 0.25 m, d) tarmac, cobblestone and gravel roads – 0.20 m.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17a; 251-260
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Budowa modelu budynku na podstawie danych z ewidencji gruntów i budynków oraz z lotniczego skaningu laserowego
Reconstructing building model based on integrating lidar data and cadastral maps
Autorzy:
Borowiec, N.
Powiązania:
https://bibliotekanauki.pl/articles/130000.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
lotniczy skaning laserowy
rzut budynku
model 3D
airborne laser scanner
building projection
Opis:
Automatyczna rekonstrukcja trójwymiarowych modeli budynków jest od kilku lat jednym z ważniejszych tematów badawczych na świecie. Obecnie zauważalny jest duży popyt na rekonstruowanie modeli miast 3D, a ich prezentacja i wizualizacja, jest nie tylko przydatna do przeprowadzania fachowych analiz przestrzennych (np. tworzenia map hałasu), ale jest również znakomitą promocją regionu lub miasta poprzez przedstawienie całemu światu interesujących i wartych odwiedzenia zabytków. Wśród światowych metod wykrywania, a następnie budowania modeli 3D budynków użytecznym jest aktywny system pomiarowy, jakim jest lotniczy skaning laserowy (ang. ALS – Airborne Laser Scanner). Jednak identyfikacja budynków tylko na podstawie „chmury punktów” jest zadaniem skomplikowanym i złożonym, dlatego identyfikując punkty warto podpierać się dodatkowymi informacjami pochodzącymi z innych źródeł. W niniejszych badaniach zostały wykorzystane mapy ewidencyjne, które to umożliwiły z całego zbioru punktów wybrać te punkty, które zostały odbite od dachów budynków. Wektory pozyskane z ewidencji uznano za krawędzie dachów budynków, które równocześnie zostały wykorzystane jako granice, w oparciu o które wycięto punkty reprezentujące dach. Połacie dachowe wykryto na podstawie danych lidarowych. Kształt dachu określono w sposób automatyczny wykorzystując w tym celu algorytm dziel - łącz, który to na chmurze punktów rozpościera siatkę przestrzenną złożoną z regularnych prostopadłościanów. Założeniem algorytmu jest przejście od szczegółu do ogółu, dzięki czemu możliwe jest wykrycie elementów dachu o wielkości, które odpowiadają rozmiarom zdefiniowanych na początku pracy algorytmu prostopadłościanom. Proces wyłonienia połaci dachowych przebiega iteracyjnie w oparciu o parametry opisujące płaszczyzny zbudowane na podstawie punktów. Obrysy podstawy budynków pozyskane z ewidencji podnoszone są na wysokość dachu. Model budynku pozyskany dzięki integracji danych wektorowych z ewidencji budynków oraz danych pochodzących z lotniczego skaningu laserowego osadzony jest na Numerycznym Modelu Terenu.
The automatic reconstruction of three-dimensional models of buildings has been for several years a major research project. Models of buildings are increasingly used for economic reasons in spatial planning. Among the global methods of detection, useful is the active measurement system ALS. However, building reconstruction based only on a cloud of points is complicated, therefore it is very useful to use additional information from other sources. In the present study were used cadastral maps, which allowed a whole set of points to choose only those which reflected from the roofs of buildings. Vectors from the ground plans were obtained as the edges of the roofs of buildings, which were also used as boundaries based on cut points that represented the roof. Roof surfaces were detected from the lidar data. The shape of a roof is automatically determined using the algorithm based on the split merge method. The aim of the algorithm is the transition from particular to general, so it is possible to detect the size of roof elements, which correspond to the size defined at the beginning voxels. The process of identifying roofs runs iteratively, based on the parameters describing the plane. Vectors are raised to the height of the building roof. Models of buildings were derived through integration of vector data from the ground plans, and data from airborne laser scanning is placed on digital terrain models. A terrain model was built of automatically filtered clouds of points.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 43-52
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wybrane aspekty integracji danych naziemnego i lotniczego skaningu laserowego
Chosen aspects of terrestrial and aerial laser scanning data integration
Autorzy:
Fryśkowska, A.
Kędzierski, M.
Powiązania:
https://bibliotekanauki.pl/articles/131110.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
naziemny skaning laserowy
lotniczy skaning laserowy
model 3D
integracja
fotogrametria bliskiego zasięgu
fotogrametria lotnicza
terrestrial laser scanning
aerial laser scanning
3D model
integration
close range photogrammetry
aerial photogrammetry
Opis:
Od kilkunastu lat zauważalny jest duży postęp technik wizualizacyjnych. Coraz częściej trójwymiarowe modele pozyskane ze zdjęć lotniczych czy satelitarnych zastępowane są modelami wygenerowanymi na podstawie lotniczego skaningu laserowego (LSL). Najnowocześniejsze systemy skanujące mają możliwość pozyskania nawet kilkudziesięciu punktów na m2 oraz rejestracji wielokrotnego echa, co pozwala na odtworzenie powierzchni terenu wraz z jego pokryciem. Jednak dane z LSL charakteryzują się dokładnością kilkunastu cm, a także specyficznymi brakami w danych: brakiem informacji o przyziemiu (w większości systemów skanujących), często o elewacji, lub o obiektach przysłoniętych innymi, wyższymi obiektami. Zauważalne są również okluzje czy też brak danych „pod obiektem”. Z kolei naziemny skaning laserowy (NSL) pozwala na bardzo dokładne (1÷5 cm) pomiary wszystkich tych elementów, które nie są kompletne czy widoczne w danych z LSL (elewacja, skomplikowana struktura, wnętrze czy kształt budynku, mostu itp.). Pełny model 3D obiektu np. budynku jest możliwy do osiągnięcia tylko poprzez połączenie danych z obu systemów skanowania laserowego. W artykule przedstawiono wybrane aspekty i metody łączenia danych z lotniczego i naziemnego skaningu laserowego w celu wykonywania trójwymiarowych modeli miast na przykładzie danych pozyskanych skanerem lotniczym Lite Mapper Q680i oraz naziemnym skanerem ScanStation2. Przeanalizowano także metody doboru punktów wiążących chmury punktów w różnych układach współrzędnych (UTM – z lotniczego i w lokalnym – z naziemnego skaningu laserowego). Ocenie poddano także wyniki transformacji. Poruszona zostanie również kwestia modelowania chmur punktów oraz łączenia wykonanych modeli z ortoobrazami.
Visualization techniques have been greatly developed in the past few years. Threedimensional models based on satellite and aerial imagery are now being replaced by models generated on aerial laser scanning (ALS). The most modern of such scanning systems have the ability to acquire over 50 points per m2 and to register a multiple echo, which allows reconstruction of the terrain together with the terrain cover. However, ALS data accuracy is greater than 10cm and the data is often incomplete: there is no information about the ground level (true for most scanning systems)and often about the facade or objects which are covered by other objects. There is also no data on beneath the object. However, the terrestrial Laser Scanning (TSL) obtains higher accuracy data (1÷5cm) on all of those elements which are incomplete or not visible with ALS methods (facades, complicated structures, interiors, bridges, etc.). This paper presents chosen aspects and methods for combining data from aerial and terrestrial laser scanning for the purpose of creating three-dimensional models of cities. This will be done based on data acquired using the Lite Mapper Q680i aerial scanner and the ScanStation2 terrestrial laser scanner. Methods for choosing tie points to combine point clouds in different data (UTM from aerial measurements and a local datum from terrestrial scanning) will be analyzed. The results of transformations will also be evaluated. The problem of modeling point clouds and combining created models with othro-images will also be dealt with.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 97-107
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Aktualizacja baz danych SILP oraz leśnej mapy numerycznej w oparciu o dane z lotniczego skaningu laserowego
Updating SILP and digital forest map data bases using airborne laser scanning
Autorzy:
Wężyk, P.
Szostak, M.
Tompalski, P.
Powiązania:
https://bibliotekanauki.pl/articles/131120.pdf
Data publikacji:
2010
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
SILP
LMN
lotniczy skaning laserowy
NMT
NMPT
inwentaryzacja lasu
ALS
DTM
DSM
forest inventory
Opis:
Celem pracy było zaimplementowanie danych pozyskanych technologią lotniczego skaningu laserowego (ALS) w zautomatyzowanej procedurze aktualizacji granic pododdziałów, tj. przebiegu wektorów obiektów podstawowych Leśnej Mapy Numerycznej (LMN) oraz weryfikacji atrybutu wysokości drzewostanów, zapisanej w bazie danych Systemu Informatycznego Lasów Państwowych (SILP). Obiektami testowymi były obręby w Nadleśnictwach Milicz (Milicz) i Chojna (Piasek). Obszar badań w każdym z obrębów obejmował ok. 6 000 ha lasów, z czego blisko 80% stanowiły drzewostany sosnowe. Prace rozpoczęto od aktualizacji przebiegu granic wektora (SHAPE) pododdziałów zapisanych w bazie geometrycznej LMN w oparciu o modele generowane z chmury punktów ALS oraz obraz cyfrowej ortofotomapy. Następnie przeprowadzono aktualizację atrybutowej bazy danych SILP/LAS. Określenie wysokości całego drzewostanu oparto na powierzchni pododdziału z wyłączeniem luk, wykorzystując analizę chmury punktów ALS, tj. 95 percentyl. W celu porównania wyników do danych referencyjnych zbieranych metodami tradycyjnymi (SILP), wygenerowano modele rastrowe (GRID) wysokości drzewostanów określone metodą ALS (HALS) oraz HSILP. W obu obrębach stwierdzono zaniżenie wartości wysokości z bazy SILP/LAS. Średnia różnica (HDiff) wyznaczenia wysokości metodą ALS w stosunku do SILP wyniosła dla obrębu Piasek i Milicz, przy uwzględnieniu znaków odchyłek, odpowiednio +0.9 m oraz +2.3 m, natomiast w przypadku wartości bezwzględnych 2.1 m oraz 3.2 m. Ustalono, że zasadniczą rolę w wartości błędu odegrały licznie występujące drzewostany młodszych klas wieku.
Automatic processing of remotely sensed data, like ALS point clouds, is crucial for modern economy, including forestry. The aim of the study was to develop automated procedures for digital forest map (LMN) revision and automated verification of the attributes (height) stored in the forest descriptive database (SILP), both based on airborne laser scanner datasets. The study areas were the Piasek (Chojna) and Milicz management forest districts, covering about 6,000 ha (80% Scots pine stands). The workflow of verifying and updating a digital map started with updating the compartment borders, which was based on nDSM (created from classified point cloud) and digital ortophoto (RGB+NIR) as well. The developed method, based on normalized ALS point cloud and GIS analysis, provided instant possibility for compartment border update, revealing additional objects like gaps or tree biogroups. The total area of automatically detected objects was around 15% lower when compared to the reference data for Chojna forest district and 10% higher regarding Milicz forest district. Around 84.0% and 85.5% of the gaps matched the reference for Chojna and Milicz forest districts, respectively. A method based on point cloud distribution (95th percentile) within compartment borders to assess its height was presented in the study. The results were compared to a height model (GRID) generated from descriptive database. For both the study areas the height stored in SILP database was lower than the height value derived from ALS data. The difference was equal to +0.9 m (Chojna; absolute difference 2.1 m) and +2.3 m (Milicz; absolute difference 3.2 m). When the stand area was used as a weight in the difference calculation, the difference values (HDiff) changed to +0.6 m (Chojna; absolute difference1.5 m) and +2.4 m (Milicz; absolute difference 2.7 m). Concerning the deciduous stands, the difference was higher (~+1 m) than for the Scots pine stands. The analysis performed confirms the possibility of using airborne laser scanning for geometrical (LMN) and descriptive (SILP/height) database updating. Periodical stand monitoring based on ALS technology can guarantee keeping the databases up to date without the necessity of costly and time consuming field measurements.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 437-446
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 59

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies