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 "cloud point" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    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:
    Opracowanie i ocena skuteczności działania algorytmu segmentacji słupów trakcyjnych pomierzonych techniką mobilnego skaningu laserowego
    Automatic extraction of tracion poles using mobile laser scanning data
    Autorzy:
    Pastucha, E.
    Słota, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/131232.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    mobilny skaning laserowy
    chmura punktów
    detekcja obiektów
    klasyfikacja
    infrastruktura kolejowa
    mobile laser scanning
    point cloud
    object detection
    segmentation
    railway infrastructure
    Opis:
    W artykule przedstawiono metodę detekcji kolejowych słupów trakcyjnych w oparciu o dane pochodzące ze skaningu laserowego. Głównymi założeniami podczas opracowywania algorytmu były uniwersalność metody, niezależność od parametrów definiowanych przez użytkownika oraz wysoki stopień automatyzacji. Z uwagi na objętość zbiorów danych ze skaningu laserowego i związanych z tym problemów z efektywnym przetwarzaniem chmur punktów, w proponowanym algorytmie obliczenia podzielono na dwa etapy. W etapie pierwszym wyznaczane są regiony, w których potencjalnie mogą występować słupy trakcyjne. Natomiast w etapie drugim weryfikowane jest położenie słupów w obszarach potencjalnych oraz wyszukiwane są punkty zarejestrowane na powierzchniach słupów. W celu uproszczenia obliczeń w pierwszym etapie analizowana jest różnica w gęstości punktów, znajdujących się bezpośrednio nad torami kolejowymi. W etapie drugim każdy z potencjalnych regionów analizowany jest indywidualnie. Po pierwsze wyznaczane są podzbiory punktów z wykorzystaniem kryterium wysokości. W podzbiorach w sposób iteracyjny odrzucane są punkty, których odległość do średniego położenia punktów w podzbiorze jest większa od przyjętej wielkości granicznej. W ten sposób usuwane są odbicia od obiektów znajdujących sie w sąsiedztwie słupów takich jak drzewa czy lampy, natomiast zachowywane są punkty należące do poszukiwanych słupów trakcyjnych. Przeprowadzone badania potwierdziły skuteczność opracowanego algorytmu. Proponowana metoda pozwoliła na detekcję wszystkich rodzajów słupów, znajdujących się w obszarze zainteresowania.
    In the last few years in Poland the railway infrastructure modernization program was lounged. It requires fast and precise technique to acquire data sets. Mobile laser scanning could be implemented, however automatic modeling methods from point cloud data sets are not suitable for geometrically complex railway infrastructure equipment such as traction poles. The main object of this study is the development of automatic traction poles extraction algorithm from laser scanning data. The flexibility of the method and independence from user-defined parameters were the main algorithm objectives. Because of the laser scanning data volume, simple calculations on point cloud subsets should be used to assure processing efficiency. In this study the combination of density and distance analysis was used. Proposed algorithm has been divided into two stages. In the first step regions of interest are selected by analysis of density difference for points located directly above the railway tracks. The influence of point density bin size on the number of correctly classified region was tested. In the second stage, each of the potential regions is analyzed individually. Iterative method of rejecting points based on distance criteria was used to extract traction poles points. In the study the point cloud from mobile laser scanner with density of 700 points/m2 was used. The test area covers 1.5 km railroad section between Miechow and Slomniki in Poland and contains 26 traction poles. All traction poles within study area were detected. It was proved that by appropriate combination of density and distance analysis, accurate traction poles extraction is possible even in complex regions with many surrounding objects.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 267-278
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Teksturowanie modeli obiektów o złożonej geometrii na podstawie danych z naziemnego skaningu laserowego
    Complex objects texturing based on terrestrial laser scanner data
    Autorzy:
    Kolecki, J.
    Słota, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/130068.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    naziemny skaning laserowy
    przetwarzanie chmury punktów
    modelowanie 3D
    inwentaryzacja
    teksturowanie
    terrestrial laser scanning
    point cloud processing
    3D modeling
    stocktaking
    texture mapping
    Opis:
    Obrazy pozyskane podczas rejestrowanej w trakcie skanowania laserowego chmury punktów pozwalają na tworzenie tekstur modelowanego obiektu, co zwiększa jego zawartość informacyjną. Generowanie tekstur bezpośrednio z pozyskanych obrazów wymaga znajomości parametrów odwzorowania, w którym powstaje zdjęcie. Jednak także informacja o kolorze zapisana jako atrybuty punktów chmury może być wykorzystana do tworzenia tekstur modelowanego obiektu. W takim przypadku chmura punktów może pośredniczyć w tworzeniu obrazów tekstur a cały proces teksturowania odbywa się bez bezpośredniego udziału zdjęć. Celem niniejszych badań było opracowanie metody teksturowania modeli obiektów o złożonej geometrii na podstawie kolorowej chmury punktów pochodzącej z naziemnego skaningu laserowego. Wynikiem pracy jest autorski program do tworzenia tekstur, bezpośrednio w oparciu o kolory RGB chmury punktów. Danymi wejściowymi do programu są chmury punktów w formacie tekstowym oraz obiekty 3D w formacie VRML. W celu przyspieszenia obliczeń w pierwszym kroku wykonywana jest automatyczna segmentacja chmur punktów. Następnie pozyskiwana jest informacja o geometrii płaszczyzn obiektu na podstawie pliku VRML. W efekcie analiz przestrzennych pomiędzy położeniem pikseli na teksturowanych płaszczyznach i chmurą punktów, pozyskiwane są informacje o kolorze pikseli oraz tworzone są tekstury obiektu. Uzyskane wyniki pokazują, że tworzone w ramach prac testowych tekstury mogą posiadać artefakty, będące efektem niedopasowania radiometrycznego zdjęć pozyskiwanych z różnych stanowisk skanowania.
    Images taken during point cloud acquisition using laser scanning can be subsequently utilized for generating textures of 3D models. As a result the final amount of information associated with produced model is increased. Automatic texture generation using captured images directly, demands the knowledge about parameters describing image projection. However using the information about color stored as point cloud attributes allows texture generation without using the images directly. The addressed researches aim to develop a method of model texturing. As the final result a simple GUI application has been created in C++. Point clouds in text format and VRML models are used as the input data. In order to speed up the calculation process, in the first step the automatic segmentation of the point clouds is performed. Secondly the information about the object surfaces is obtained based on VRML file and then textures are defined. After performing spatial analysis between pixels position on textured surfaces and point cloud, the pixels color information is computed and texture images are generated. The results show that the test objects textures may be affected by noise resulting from radiometric discrepancies between images acquired from different standpoints.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 145-154
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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