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 "chmura punktow" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    A new approach to dtm error estimation basing on laplacian probability distribution function
    Autorzy:
    Hejmanowska, B.
    Kay, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/130024.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    Aerial
    lidar
    accuracy
    point cloud
    laser scanning
    LIDAR
    dokładność
    chmura punktów
    skanowanie laserowe
    Opis:
    A Digital Terrain Model (DTM) derived from Airborne Laser Scanning (ALS) was the subject of our research. In this paper, the vertical accuracy of the DTM was analyzed on the basis of the commonly used statistics, i.e. mean error and standard deviation, assuming a normal (Gauss) error distribution. The further approach, the so-called robust method (Höhle, Höhle 2009), was also tested, where the median was a substitute for the mean error and the Normalized Median Absolute Deviation (NMAD) for the standard deviation. An alternative method based on the Laplace function is proposed in the paper for describing the probability density function, where the parameters of the Laplace function are proposed for DTM error estimation. The test area was near the Joint Research Centre in Ispra, Italy; raw ALS data covering the test area were collected in 2005 and processed for DTM generation. Accuracy analysis was performed based on the comparison of DTM with the raw ALS data and with in-situ height measurements. The distribution of DTM errors calculated from ALS data was significantly non-normal, confirming other results reported in the literature. The Gauss distribution function considerably overestimated the vertical DTM errors; however, the robust method underestimated them. The Laplace function matched the error histograms the best, and accuracy parameters derived from this function could be considered as an alternative method for DTM accuracy evaluation.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2011, 22; 201-213
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Building outline reconstruction from als data set with a priori information
    Autorzy:
    Jarząbek-Rychard, M.
    Borkowski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/131135.pdf
    Data publikacji:
    2011
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    lidar
    reconstruction
    algorithms
    generalization
    building
    point cloud
    LIDAR
    odbudowa
    algorytmy
    generalizacja
    budownictwo
    chmura punktów
    Opis:
    Extraction of building boundaries is a n important step towards 3D buildings reconstruction. It may be also of interest on their own, for the real estate industry, GIS and automated updating of cadastral maps. In this paper we propose a comprehensive method for an automated extraction and delineation of building outlines from raw airborne laser scanning data. The presented workflow comprises three steps. It starts with identification of the points belonging to each singular building. The second step is to trace the points that compose a building boundary. In the last step an adjustment process is applied, that aims in boundary lines regularization. The first step – building detection is a most computationally expensive process and has a fundamental importance for the whole algorithm. A proposed approach is to include building address points that give exact information about building location. This additional information highly reduces the complexity of the building points extraction.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2011, 22; 227-236
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Generowanie trójwymiarowego modelu budynku na podstawie danych lidarowych
    3D modeling of buildings based on lidar data
    Autorzy:
    Borowiec, N.
    Powiązania:
    https://bibliotekanauki.pl/articles/129890.pdf
    Data publikacji:
    2009
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    LIDAR
    chmura punktów
    rekonstrukcja
    model budynku
    3D
    lidar
    cloud of points
    reconstruction
    building modeling
    Opis:
    Artykuł przedstawia pół-automatyczą metodę rekonstrukcji budynku 3D w oparciu o dane pochodzące z lotniczego skaningu laserowego. Głównym celem jest określenie kształtu dachu budynku, a następnie zrekonstruowanie budynku z zachowaniem topologii. Metoda, jaką zaproponowano do wykrycia płaszczyzn dachu działa na zasadzie dziel – łącz (ang. split– merge). Chmura punktów dzielona jest na jednakowe woksele (ang. voxels – wyraz utworzony z dwóch angielskich słów: volumetric element), tak aby odpowiadały one standardom CityGML, na poziomie szczegółowości LoD2. W wokselach aproksymowane są płaszczyzny, które w oparciu o wyliczone parametry są łączone. Zatem szukanie połaci dachowych budynku odbywa się na zasadzie przejścia od szczegółu do ogółu. Na podstawie wykrytych płaszczyzn wyznaczane są naroża oraz punkty charakterystyczne dachu. Ostatnim etapem jest eksport modelu budynku do uniwersalnego formatu wektorowego
    This paper presents a semi-automatic method, using only ALS data, to build a model of a building. This method focuses on modelling the roof, assuming that by knowing the shape of the roof and the digital presentation of a terrain, one can easily obtain a model of the whole building. The step consists of detecting plane surfaces from which we define the shape of the building’s roof. The roof planes are detected using the split-merge method in which a LIDAR point cloud is organized and planes are extracted from each voxel. The planes are joined when parameters such as slope, azimuth and height are contained in the definition of boundary. The final step is exporting the building model to dxf format.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2009, 20; 47-56
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Airborne laser scanning data for railway line survey
    Wykorzystanie lotniczego skaningu laserowego do pomiaru torów kolejowych
    Autorzy:
    Pyka, T.
    Borowiec, N.
    Poręba, M.
    Słota, M.
    Kundzierewicz, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/155340.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    LIDAR
    lotniczy skaning laserowy
    wyrównanie szeregów
    chmura punktów
    płaszczyzna referencyjna
    lidar
    ALS
    strip adjustment
    point cloud
    reference plane
    Opis:
    In this study there is verified the suitability of airborne laser scanning data for railway line survey with main focus on rail tracks geometry measurements. Analysis was performed on two separate point clouds with point density of 11 and 17 pts/m2 and flying height of 300 and 500 m, respectively. Surprisingly better results of rail selection were achieved for 500 m altitude scanning data. It was proved that for the purpose of the railhead identification, the point density of 11 pts/m2 is sufficient.
    Celem przeprowadzonych badań było sprawdzenie przydatności lotniczego skaningu laserowego do pomiarów sytuacyjno-wysokościowych wzdłuż linii kolejowej, przy czym skupiono się na pomiarze niwelacyjnym torów kolejowych. Dla potrzeb badań na odcinku linii kolejowej Kraków-Tarnów wybrany został obszar testowy o długości ok 25 km. Wykonano dwie rejestracje lotniczym skanerem laserowym - z wysokości 300 m i 500 m, uzyskując dwie chmury punktów o gęstości 17 i 11 pkt /m2. Dla potrzeb wyrównania geometrycznego szeregów z możliwie najwyższą dokładnością pomierzono tachimetrycznie płaszczyzny referencyjne zmaterializowane w postaci dachów budynków. Dodatkowo wykonano terenowy pomiar kontrolny trzech odcinków, każdy o długości ok. 1 km. W zakresie możliwości detekcji i aproksymacji szyn z danych ALS (a pośrednio osi torów) badania przyniosły pozytywne rezultaty. Udowodniono, iż dla potrzeb identyfikacji i pomiaru wysokości główek szyn wystarczająca jest gęstość 11 pkt/m2. Podobnie jest z pomiarem takich danych jak szerokość międzytorzy, szerokości i długość peronów. Większa gęstość skaningu ułatwia identyfikację i lokalizację osi słupów trakcyjnych o konstrukcji ażurowej oraz jest korzystniejsza do badania skrajni kolejowej. Niemożliwe natomiast do identyfikacji, są obiekty małe i wąskie (tablice ostrzegawcze, wskaźniki, tarcze rozrządowe).
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 3, 3; 260-263
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatyczna budowa wektorowych modeli 3d budynków na podstawie danych lotniczego skaningu laserowego
    Automatic reconstruction of 3d building skeleton models based on airborne laser scanning data
    Autorzy:
    Jarząbek-Rychard, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/129652.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    modelowanie budynków 3D
    LIDAR
    ALS
    chmura punktów
    topologia dachów
    3D buildings modeling
    lidar
    point cloud
    roof topology
    Opis:
    W artykule opisana jest w pełni automatyczna metoda budowy trójwymiarowych modeli budynków przedstawionych za pomocą linii szkieletowych. Budynki rekonstruowane są na podstawie chmury punktów, bez potrzeby wsparcia w postaci dodatkowych informacji i zbiorów danych. Warunek ten dodatkowo komplikuje zadanie rekonstrukcji, lecz jednocześnie czyni przedstawiony algorytm dużo bardziej uniwersalnym. Topologiczny model budynku tworzony jest na podstawie punktów charakterystycznych, wyznaczających miejsca przecięć sąsiednich połaci dachowych, bądź linii rzutów ścian. Punkty charakterystyczne zlokalizowane na zewnętrznych krawędziach budynków wyznaczane są za pomocą autorskiego algorytmu wykrywającego kontury. W kolejnym etapie rekonstrukcji określone są relacje topologiczne między punktami, które pozwalają na wyznaczenie linii krawędziowych poszczególnych płaszczyzn budynku. Ostatecznie, przeprowadzone jest wyrównanie punktów wierzchołkowych i linii krawędziowych, co pozwala na otrzymanie zregularyzowanego modelu zabudowy. Algorytm przetestowany został z wykorzystaniem danych lotniczego skaningu laserowego przedstawiających fragment zabudowy małego miasta. W wyniku przeprowadzonych eksperymentów można stwierdzić, że opisana metoda pozwala na poprawne i wydajne generowanie szkieletowych modeli budynków o skomplikowanej strukturze.
    This paper presents a fully automatic method for generation of 3D building skeleton models. Objects are reconstructed from point clouds, without the need for a support, like additional information and data sets. This condition makes the reconstruction task even more complicated, however at the same time, presented algorithm becomes much more versatile. Topological model of a building is created based on characteristic points, which determine intersections of adjacent planes of the roof or walls. The characteristic points located on the outer edges of a building are extracted using author’s contour detecting algorithm. In the next stage of reconstruction topological relations between the points are defined, which allow to detect contour lines of individual planes of a building. Finally, adjustment of vertex points and edge lines is performed that enables to obtain regularized building model. The algorithm was tested against airborne laser scanning data set that shows a part of the small town. As a result of experiments it can be concluded that the described method allows the correct generation of skeletal building models with a complex structure.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 99-109
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie działania algorytmów aktywnego modelu TIN i predykcji liniowej do segmentacji punktów terenowych
    Comparison of TIN active model and prediction of linear algorithms for terrain points segmentation
    Autorzy:
    Brodowska, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/130626.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    LIDAR
    ALS
    chmura punktów
    algorytm aktywnego modelu TIN
    predykcja liniowa
    filtracja
    segmentacja
    lidar
    point cloud
    active TIN model algorithm
    linear prediction
    filtration
    segmentation
    Opis:
    Istotną część punktów pozyskanych z wykorzystaniem technologii lotniczego skaningu laserowego stanowią odbicia od obiektów leżących ponad powierzchnią terenu np. drzew, krzewów czy budynków. Jednoznaczna i dokładna segmentacja jest kluczowym procesem pozwalającym na identyfikację obszarów homologicznych pod względem określonych własności w zbiorze punktów, co z kolei umożliwia generowanie NMT czy modelowanie brył budynków. W niniejszej pracy przedstawiono porównanie dwóch najczęściej stosowanych algorytmów filtracji chmury punktów ALS: aktywnego modelu TIN oraz predykcji liniowej. Badania wykonano dla wyodrębnionych 24 pól testowych charakteryzujących się różnym ukształtowaniem i użytkowaniem terenu. Weryfikacja wyników automatycznych filtracji polegała na ich porównaniu ze zbiorami referencyjnymi. W wyniku tego porównania określono względne procentowe błędy segmentacji punktów terenowych, które kształtowały się na poziomie od 0% do około 20% i zależne były od charakteru badanej powierzchni oraz obiektów na niej występujących. Przeprowadzone testy potwierdziły wysoką skuteczność obydwu badanych algorytmów, pokazując jednocześnie ich pewne ograniczenia i różnice w przypadku filtracji terenów o skomplikowanym ukształtowaniu lub pokryciu. Oba algorytmy zwracają podobny wynik w przypadku klasyfikacji chmury punktów opisujących tereny wykorzystywane rolniczo oraz tereny, na których zlokalizowane są pojedyncze budynki, krzewy i drzewa oraz parkingi z samochodami. Metoda oparta na predykcji liniowej lepiej eliminuje punkty zarejestrowane w wyniku odbicia wiązki lasera od podjazdów/wiaduktów/mostów, niż algorytm aktywnego modelu TIN.
    A significant part of the data points obtained by using airborne laser scanning technology come from points reflected from objects situated above the ground such as trees, shrubs or buildings. Clear-cut and accurate segmentation is a crucial stage in data processing which allows to identify the homologous regions in terms of specific properties within a dataset of points, which further allows to generate DTM's or model building shapes. This paper shows an analysis of the two most commonly used algorithms for ALS point cloud filtering: active TIN model and linear prediction. The study was performed on 24 specifically extracted testing samples characterized by different topography and land use. The verification of the results of the automatic filtration process of both algorithms was based on comparison to reference datasets. As a result of this comparisons the relative percentage errors of automatic segmentation were determined. The level of the estimated errors varies from 0% to around 20% and depends on the characteristics of the land and the objects which are on the surface. The conducted study confirmed the high efficiency of both evaluated algorithms, at the same time revealing their limitations and differences in the filtration process for areas of a complex topography or terrain coverage. Both algorithms provide similar classification of point clouds describing land use for agriculture, areas on which a single building, shrub or tree is located, and for used car parks. Method based on linear prediction works better than active algorithm TIN model in terms of points recorded by the laser beam being reflected from vehicles/flyovers/bridges.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 63-71
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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