Informacja

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

Wyszukujesz frazę "terrain modelling" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Rejestracja doliny rzeki Widawy z wykorzystaniem lotniczego skanowania laserowego
Registration of the Widawa river valley using airborne laser scanning
Autorzy:
Borkowski, A.
Gołuch, P.
Wehr, A.
Powiązania:
https://bibliotekanauki.pl/articles/130462.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
lotniczy skaning laserowy
ScaLARS
numeryczny model terenu
numeryczny model pokrycia terenu
modelowanie hydrodynamiczne
airborne laser scanning (ALS)
digital terrain model (DTM)
Digital Surface Model
hydrodynamic modelling
Opis:
W ramach projektu badawczego wykonano skaning laserowy doliny rzeki Widawy, w okolicy Wrocławia. Wykorzystano w tym celu prototypowy skaner ScaLARS (CW scanner), skonstruowany w Instytucie Nawigacji Uniwersytetu Stuttgarcie, a do rejestracji sygnału GPS i INS wykorzystano system Applanix POS/AV 510. Skaning wykonano dla 20 kilometrowego ujściowego odcinka rzeki Widawy w pasie o szerokości 2 km. Zarejestrowano około 150 milionów punktów ze średnią rozdzielczością około 3 pkt/m2 i dokładnością wysokościową na poziomie 0.2 m. Skaning laserowy doliny Widawy wykonany został dla pozyskania danych dla potrzeb modelowania hydrodynamicznego. W pracy podano podstawowe informacje dotyczące systemu ScaLARS, oraz doświadczenia związane z realizacją projektu. Omówiono produkty pochodne skaningu oraz ich przydatność w procesie modelowania hydrodynamicznego.
Airborne Laser Scanning (ALS) is a modern technology, which within last years has revolutionized the process of collecting data on terrain topography, especially in afforested terrains and wooded areas. The laser scanning system integrates three measuring techniques: GPS, INS and laser scanning. The airborne laser scanning of the Widawa river valley near Wrocław was performed in the research project. A prototype scanner - ScaLARS, constructed at Institute of Navigation, University of Stuttgart, was used. The Applanix POS/AV 510 system (Position and Orientation System for Airborne Vehicles) was used for GPS and INS signals registration. The ScaLARS, as opposed to commercial systems, uses the Continuous Wave (CW scanner). The project involved scanning 20 kilometres of the Widawa river estuary with a width range of about 2 km. The calibration of system was executed in support of control areas measured by GPS techniques. The mean error of calibration in reference to control areas carried out 0.3 m along the flight direction and across the flight direction, as well as 0.1 m in the vertical direction About 150 million points were registered with an average resolution of about 3pts / m2. The vertical accuracy of laser scanning was estimated at the level of 0.2 m based upon a large-scale map (1:500) using infrastructure elements. The laser scanning of the Widawa river valley was executed in order to collect data for hydrodynamic modelling. Traditionally, the laser scanning data is used for generation of Digital Terrain Models (DTM) and Digital Surface Models (DSM). The spatial distribution of laser points on forest terrain is also useful information for hydrodynamic modelling. The ScaLARS system also records the intensity of the reflection of the laser ray as well as the quality parameters of the registered returned signal. Moreover, this information can be helpful in classifying land cover that is necessary in hydrodynamic modelling. In this paper, the basic data on the ScaLARS system and the research carried out while implementing the project were presented. Additional products of laser scanning, as well as their usefulness in hydrodynamic modelling were also shown.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 53-62
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie danych lotniczego skaningu laserowego do klasyfikacji pokrycia terenu dla modelowania hydrodynamicznego
The use of airborne laser scanning data to land cover supervised classification for hydrodynamic modelling
Autorzy:
Tymków, P.
Borkowski, A.
Powiązania:
https://bibliotekanauki.pl/articles/129560.pdf
Data publikacji:
2006
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
digital terrain model (DTM)
lotniczy skaning laserowy
klasyfikacja nadzorowana
sztuczna sieć neuronowa
numeryczny model terenu
modelowanie hydrodynamiczne
airborne laser scanning (ALS)
supervised classification
artificial neural network
hydrodynamic modelling
Opis:
Badania nad problematyką zapobiegania powodzi wymagają budowy modeli matematycznych przepływów wezbraniowych. Obliczenia hydrodynamiczne wykonywane są w oparciu o dane charakteryzujące geometrię doliny rzeki oraz opory przepływu, które zależą od pokrycia terenu. W artykule podjęto próbę wykorzystania danych lotniczego skaningu laserowego, wykonanego na potrzeby budowy numerycznego modelu terenu (NMT) dla modelowania hydrodynamicznego, do automatycznej nadzorowanej klasyfikacji pokrycia terenu. Klasyfikację tę oparto o wielowarstwowe sztuczne sieci neuronowe typu feed-forward. Wektor cech klasyfikowanych obiektów (klasyfikacja per-piksel) stanowiły dane o wysokości form pokrycia terenu, kolorowe zdjęcia lotnicze, dane charakteryzujące teksturę obszarów na zdjęciach oraz intensywność odbicia fali elektromagnetycznej skaningu laserowego. Wysokości form pokrycia terenu obliczone zostały na podstawie NMT i numerycznego modelu pokrycia terenu (NMPT) wygenerowanego z danych skaningu lotniczego. Niemetryczne zdjęcia lotnicze wykonane aparatem cyfrowym, poddane kalibracji i mozaikowaniu, stanowiły źródło informacji o jasności odbicia światła obiektów oraz były podstawą obliczeń teksturowych opartych o metodę macierzy sąsiedztwa (GLCM). Jako wektory uczące sieci neuronowej wybrano dziesięć pól testowych o powierzchni 400 m², w tym pięć klas roślinności wysokiej. Otrzymane rezultaty przedstawiono w formie graficznej oraz wykonano ilościową ocenę zgodności wyników z klasyfikacją przeprowadzoną w sposób manualny. Obliczone w tym celu wartości współczynnika κ potwierdzają dużą zgodność wyników klasyfikacji automatycznej z oczekiwanym rezultatem.
Flood protection research requires building mathematic models of flood flows. Hydraulic calculations are carried out on the basis of geometrical description of the valley as well as on surface roughness which depends on a land cover. Currently, geometric description of the modeling area in the form of cross-sections is often replaced with a digital terrain model (DTM). The data which is required to build DTM can be collected with photogrammetry or the airborne laser scanning method. An attempt at using airborne laser scanning data which was made for DTM and digital surface model (DSM) interpolation, for supervised classification of land cover was discussed. The classification was based on feed-forward artificial neural networks. Two cases were investigated: variant I - overall classification using one artificial neural network with 2 hidden layers of 10 neurons and variant II - individual recognition using different networks with one hidden layer of 10 neurons for each class. The feature vector of classified object (per-pixel classification) included: data concerning vegetation height, color aerial photographs, texture features and laser wave intensities. Heights of vegetation were calculated on the basis of DTM and DSM which were created for hydrodynamic modelling. Non-metric aerial photographs were taken by digital camera. After calibration and mosaic they served as sources of information about the lightness of objects. It was also a basis of GLCM (Grey Level Co-occurrence Matrix) texture feature calculations. Ten training fields of 400 m² were chosen as training vectors. Five of them represented various types of high vegetation. The collected data were visualized and computed numerically. A Kappa (κ) coefficient built on the basis of a confusion matrix was used for the quantitative assessment. The high similarity of the obtained results and reference data was confirmed by the value of the calculated kappa coefficient. Better results were obtained for individual classification (variant II) when the kappa value was 0.86.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 537-546
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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