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 "chmury punktów" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Filtracja chmur punktów za pomocą dopasowania danych 2D-3D
    Point Cloud Filtering Using 2D-3D Matching Method
    Autorzy:
    Rzepka, Karol
    Kulczykowski, Michał
    Wittels, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/2090882.pdf
    Data publikacji:
    2022
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    chmury punktów 3D
    filtracja chmur punktów
    dopasowanie 2D
    3D point clouds
    point cloud filtering
    2D matching
    Opis:
    Precyzja jest cechą kluczową dla rozwoju systemów pomiarowych 3D. Wykorzystywane do takich pomiarów kamery Time-of-Flight tworzą chmury punktów zawierające dużo szumu, przez co mogą się okazać mało użyteczne w dalszej analizie. W ramach badań nad rozwiązaniem tego problemu proponujemy nową metodę precyzyjnego filtrowania chmur punktów. Do usuwania punktów odstających z pomiarów 3D, zarejestrowanych za pomocą kamery Time-of-Flight, wykorzystujemy informacje 2D z kamery z obiektywem telecentrycznym. Zastosowanie kamery telecentrycznej pozwala uzyskać najbardziej precyzyjną informację o konturze obiektu, co przekłada się na precyzyjne filtrowanie rekonstrukcji obiektu w 3D.
    Precision is a key feature for the development of 3D measurement systems. Time-of-flight cameras used for such measurements create point clouds containing a lot of noise, which may not be useful for further analysis. In our research to solve this problem, we propose a new method for precise point cloud filtering. We use 2D information from a telecentric lens camera to remove outlier points from 3D measurements recorded with a Time-of-Flight camera. The use of a telecentric camera allows us to obtain the most precise information about the contour of an object, which allows us to accurately filter the object reconstruction in 3D.
    Źródło:
    Pomiary Automatyka Robotyka; 2022, 26, 2; 15--21
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Automatyczne określanie średnicy pnia, podstawy korony oraz wysokości sosny zwyczajnej (Pinus Silvestris L.) na podstawie analiz chmur punktów 3D pochodzących z wielostanowiskowego naziemnego skanowania laserowego
    Automatic determination of trunk diameter, crown base and height of scots pine (Pinus Sylvestris L.) Based on analysis of 3D point clouds gathered from multistation terrestrial laser scanning
    Autorzy:
    Ratajczak, M.
    Wężyk, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/130230.pdf
    Data publikacji:
    2015
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    naziemne skanowanie laserowe
    TLS
    przetwarzanie chmury punktów
    algorytmy
    Charakterystyka biometryczna
    terrestrial laser scanning
    point cloud processing
    algorithms
    biometric characteristics
    Opis:
    Rozwój technologii naziemnego skanowania laserowego (TLS) w ostatnich latach spowodował jej uznanie i wdrożenie w wielu gałęziach gospodarki, w tym w leśnictwie i ochronie przyrody. Wykorzystanie chmur punktów 3D TLS w procesie inwentaryzacji drzew i drzewostanów oraz określaniu wybranych cech biometrycznych drzewa (np. średnicy pnia, wysokości drzewa, podstawy korony, liczby kształtu pnia) oraz wielkości surowca drzewnego (objętość drzew) staje się już praktyką. Wartością dodaną technologii TLS poza dokładnością samego pomiaru jest automatyzacja procesu przetwarzania chmury punktów 3D pod katem ekstrakcji wybranych cech drzew i drzewostanów. Praca prezentuje autorskie oprogramowanie (GNOM) służące do automatycznego pomiaru wybranych parametrów drzew na podstawie chmury punktów pozyskanych skanerem laserowym FARO FOCUS 3D. Dzięki opracowanym algorytmom (GNOM) określono lokalizację pni drzew na kołowej powierzchni badawczej oraz dokonano pomiarów: pierśnicy pni (d1.3), kolejnych średnic pnia na różnych wysokościach pnia, wysokości wierzchołka drzewa, podstawy korony i objętości pnia (metoda pomiaru sekcyjnego) oraz korony drzewa. Prace badawcze realizowano na terenie Nadleśnictwa Niepołomice w jednogatunkowym drzewostanie sosnowym (Pinus sylvestris L.) na powierzchni kołowej o promieniu 18.0 m w zasięgu której znajdowało się 16 sosen (14 z nich ścięto). Drzewostan w wieku 147 lat miał jednopiętrową budowę i był pozbawiony podszytu. Naziemne skanowanie laserowe przeprowadzono tuż przed pracami zrębowymi. Pierśnicę 16 sosen określono w pełni automatycznie algorytmem GNOM z błędem około +2,1% w stosunku do pomiaru referencyjnego wykonanego średnicomierzem. Średni, bezwzględny błąd pomiaru w chmurze punktów - półautomatycznymi metodami "PIXEL" (pomiędzy punktami) oraz PIPE (wpasowanie walca) w programie FARO Scene 5.x, wykazał błąd odpowiednio: 3.5% oraz 5.0%. Za referencyjną wysokość wierzchołka przyjęto pomiar taśmą mierniczą na ściętym drzewie. Średni błąd automatycznego określania wysokości drzew algorytmem GNOM na podstawie chmury punktów TLS wyniósł 6.3%, i był niewiele większy niż przy zastosowaniu manualnej metody pomiaru na przekrojach w programie TerraScan (Terrasolid; błąd ~5.6%). Pomiar wysokości podstawy korony wykazał błąd na poziomie +9,5%. Referencję w tym przypadku stanowił pomiar taśmą wykonany ściętych sosnach. Przetwarzanie chmur punktów TLS algorytmami GNOM w przypadku 16 analizowanych sosen trwało poniżej 10 min (37 sek. /drzewo). W pracy wykazano jednoznacznie przydatność technologii TLS w leśnictwie i jej wysoką dokładność przy pozyskiwaniu danych biometrycznych drzew oraz dalszą potrzebę zwiększania stopnia automatyzacji przetwarzania chmur punktów 3D pochodzących z naziemnego skanowania laserowego.
    Rapid development of terrestrial laser scanning (TLS) in recent years resulted in its recognition and implementation in many industries, including forestry and nature conservation. The use of the 3D TLS point clouds in the process of inventory of trees and stands, as well as in the determination of their biometric features (trunk diameter, tree height, crown base, number of trunk shapes), trees and lumber size (volume of trees) is slowly becoming a practice. In addition to the measurement precision, the primary added value of TLS is the ability to automate the processing of the clouds of points 3D in the direction of the extraction of selected features of trees and stands. The paper presents the original software (GNOM) for the automatic measurement of selected features of trees, based on the cloud of points obtained by the ground laser scanner FARO. With the developed algorithms (GNOM), the location of tree trunks on the circular research surface was specified and the measurement was performed; the measurement covered the DBH (l: 1.3m), further diameters of tree trunks at different heights of the tree trunk, base of the tree crown and volume of the tree trunk (the selection measurement method), as well as the tree crown. Research works were performed in the territory of the Niepolomice Forest in an unmixed pine stand (Pinussylvestris L.) on the circular surface with a radius of 18 m, within which there were 16 pine trees (14 of them were cut down). It was characterized by a two-storey and even-aged construction (147 years old) and was devoid of undergrowth. Ground scanning was performed just before harvesting. The DBH of 16 pine trees was specified in a fully automatic way, using the algorithm GNOM with an accuracy of +2.1%, as compared to the reference measurement by the DBH measurement device. The medium, absolute measurement error in the cloud of points - using semi-automatic methods "PIXEL" (between points) and PIPE (fitting the cylinder) in the FARO Scene 5.x., showed the error, 3.5% and 5.0%,.respectively The reference height was assumed as the measurement performed by the tape on the cut tree. The average error of automatic determination of the tree height by the algorithm GNOM based on the TLS point clouds amounted to 6.3% and was slightly higher than when using the manual method of measurements on profiles in the TerraScan (Terrasolid; the error of 5.6%). The relatively high value of the error may be mainly related to the small number of points TLS in the upper parts of crowns. The crown height measurement showed the error of +9.5%. The reference in this case was the tape measurement performed already on the trunks of cut pine trees. Processing the clouds of points by the algorithms GNOM for 16 analyzed trees took no longer than 10 min. (37 sec. /tree). The paper mainly showed the TLS measurement innovation and its high precision in acquiring biometric data in forestry, and at the same time also the further need to increase the degree of automation of processing the clouds of points 3D from terrestrial laser scanning.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2015, 27; 123-138
    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
    Tytuł:
    Wykorzystanie chmur punktów Lidar w ochronie czynnej borów chrobotkowych w Parku Narodowym "Bory Tucholskie"
    Using Lidar point clouds in active protection of forest lichen communities in "Bory Tucholskie" National Park
    Autorzy:
    Wężyk, P.
    Hawryło, P.
    Zięba-Kulawik, K.
    Kuzera, J.
    Turowska, A.
    Bura, M.
    Wietrzyk, P.
    Kołodziejczyk, J.
    Fałowska, P.
    Węgrzyn, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/130308.pdf
    Data publikacji:
    2018
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    chmury punktów
    lotnicze skanowanie laserowe
    naziemne skanowanie laserowe
    modelowanie 3D
    Park Narodowy Bory Tucholskie
    point clouds
    airborne and terrestrial laser scanning
    Bory Tucholskie National Park
    3D modelling
    Opis:
    Zespół boru chrobotkowego (Cladonio-Pinetum) jest zbiorowiskiem wykształcającym się na suchych i ubogich w biogeny obszarach piaszczystych. Najlepiej zachowane płaty tego zbiorowiska roślinnego w Europie występują w Polsce północnej, w tym na terenie Parku Narodowego "Bory Tucholskie" (PNBT). Celem badań było określenie struktury przestrzennej wybranych drzewostanów sosnowych PNBT, w których zainicjowany został program ochronny czynnej borów chrobotkowych. Obszar badań obejmował część dwóch oddziałów leśnych PNBT z wydzieleniami: 18c, 19d, 19g, 19h, 19i, 19j i 19k. Badania przeprowadzono z wykorzystaniem lotniczego (ALS) i naziemnego (TLS) skanowania laserowego (LiDAR). Dzięki zastosowaniu technologii LiDAR możliwe było wykonanie bardzo precyzyjnego opisu struktury drzewostanów w przestrzeni 2D i 3D. W wyniku przeprowadzonych analiz określono szereg cech taksacyjnych i parametrów drzewostanów, takich jak: liczba i zagęszczenie drzew w drzewostanie, średnia odległość pomiędzy drzewami żywymi, liczba drzew martwych, pierśnicowe pole przekroju drzew żywych, zwarcie poziome koron, wskaźnik penetracji koron, wysokość górna drzew w wydzieleniu, wysokość podstawy korony drzewa, długość korony drzewa, objętość warstwy koron, powierzchnia 2D i 3D koron drzew, średni promień korony, współczynnik morfometryczny koron oraz zasięg pionowy martwych gałęzi. Opracowano także mapę występowania luk w wydzieleniach o powierzchni większej niż 2 m2. Badania rozpoczęte w 2017 roku są kontynuowane w 2018 roku z wykorzystaniem skanowania z platformy BSP (UAS) oraz TLS, które posłużą precyzyjnej ocenie zmian struktury przestrzennej drzewostanów, w których przeprowadzono cięcia prześwietleniowe.
    Forest lichen communities develop on dry and poor in biogens sandy areas. The center of occurrence of this plant community in Europe coincides with Natura 2000 sites located in Poland, including the Bory Tucholskie National Park (BT NP). The aim of the study was to determine the spatial structure of selected Scots pine stands of BT NP, where a program of active protection of lichen communities was initiated. The research area included two forest compartments: 18 and 19. The analysis was performed in the following sub-compartments: 18c, 19d, 19g, 19h, 19i, 19j and 19 k. The research was carried out using airborne (ALS) and terrestrial (TLS) laser scanning (LiDAR). Thanks to the use of LiDAR technology, it was possible to make a very precise description of the structure of stands in 2D and 3D space. As a result of the conducted study, a number of stand parameters have been defined, such as: number of trees, tree density in the stand, number of live trees, average distance between living trees, number of dead trees, basal area, horizontal cover of tree crowns, crown penetration ratio, average height of trees, height of the crown base, tree crown length, crown layer volume, 2D and 3D crown surface, average crown radius, canopy relief ration and vertical range of dead branches. A map of crown gaps with an area of more than 2 m2 was also developed. Research activities with the use of laser scanning technology is continued in 2018 (repeated ALS and TLS scanning). The conducted research will allow to determine the influence of the stand structure on factors influencing the occurrence of lichens, including: shaping of microclimatic conditions.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2018, 30; 27-41
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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