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 "point cloud segmentation" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Segmentacja danych MLS z użyciem procedur Point Cloud Library
    MLS data segmentation using Point Cloud Library procedures
    Autorzy:
    Grochowska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/130244.pdf
    Data publikacji:
    2013
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    segmentacja
    Point Cloud Library
    chmura punktów
    RANSAC
    mobilny skaning laserowy
    segmentation
    point cloud
    mobile laser scanning
    Opis:
    Mobilny skaning laserowy jest dynamicznie rozwijającą się technologią pomiarową, która staje się coraz bardziej powszechna w zakresie pozyskiwania trójwymiarowej informacji przestrzennej. W artykule przedstawiono wstępne wyniki segmentacji danych pozyskanych techniką MLS. Dane użyte w niniejszej pracy pozyskano w ramach pomiaru inwentaryzacyjnego infrastruktury linii kolejowej na odcinku Warszawa Zachodnia – Rembertów. Pomiar chmury punktów zrealizowano za pomocą zespołu skanerów profilowych zainstalowanych na platformie kolejowej. Proces segmentacji wykonano przy zastosowaniu narzędzi programu ‘open source’ Point Cloud Library. Wykorzystano szablony biblioteki PCL, która zawiera algorytmy segmentacji do odrębnych klasterów. Algorytmy te są najlepiej dostosowane do przetwarzania chmury punktów, składającej się z określonej liczby izolowanych przestrzennie regionów. Szablon biblioteki wykonuje ekstrakcję klastra w oparciu o dopasowanie modelu poprzez metody konsensusu próbek dla różnych parametrycznych modeli (płaszczyzny, walce, kule, linie, itp.). Większość operacji matematycznych jest realizowana na podstawie biblioteki Eigen, zbioru szablonów algebry liniowej. W niniejszym referacie przedstawiono szereg zagadnień związanych z zastosowaniem oprogramowania PCL i jego możliwościami.
    Mobile laser scanning is dynamically developing measurement technology, which is becoming increasingly widespread in acquiring three-dimensional spatial information. Continuous technical progress based on the use of new tools, technology development, and thus the use of existing resources in a better way, reveals new horizons of extensive use of MLS technology. Mobile laser scanning system is usually used for mapping linear objects, and in particular the inventory of roads, railways, bridges, shorelines, shafts, tunnels, and even geometrically complex urban spaces. The measurement is done from the perspective of use of the object, however, does not interfere with the possibilities of movement and work. This paper presents the initial results of the segmentation data acquired by the MLS. The data used in this work was obtained as part of an inventory measurement infrastructure railway line. Measurement of point clouds was carried out using a profile scanners installed on the railway platform. To process the data, the tools of ‘open source' Point Cloud Library was used. These tools allow to use templates of programming libraries. PCL is an open, independent project, operating on a large scale for processing 2D/3D image and point clouds. Software PCL is released under the terms of the BSD license (Berkeley Software Distribution License), which means it is a free for commercial and research use. The article presents a number of issues related to the use of this software and its capabilities. Segmentation data is based on applying the templates library pcl_segmentation, which contains the segmentation algorithms to separate clusters. These algorithms are best suited to the processing point clouds, consisting of a number of spatially isolated regions. Template library performs the extraction of the cluster based on the fit of the model by the consensus method samples for various parametric models (planes, cylinders, spheres, lines, etc.). Most of the mathematical operation is carried out on the basis of Eigen library, a set of templates for linear algebra.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, 25; 67-76
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Porównanie algorytmów RANSAC oraz rosnących płaszczyzn w procesie segmentacji danych lotniczego skaningu laserowego
    Comparison of RANSAC and plane growing algorithms for airborne laser scanning data segmentation
    Autorzy:
    Jarząbek-Rychard, M.
    Borkowski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/130203.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    segmentacja
    skaning laserowy
    chmura punktów
    RANSAC
    rosnące płaszczyzny
    modelowanie 3D
    segmentation
    laser scanning
    point cloud
    3D modeling
    Opis:
    W ostatnich latach, wraz z osiągnięciem zdolności operacyjnej i wzrostem dostępności lotniczego skanowania laserowego (LIDAR) nastąpiło również zwiększenie zainteresowania opracowaniami 3D tworzonymi na podstawie danych pozyskanych z wykorzystaniem tej techniki. Jednym z centralnych zagadnień modelowania geoinformacji na podstawie danych LIDAR jest modelowanie zabudowy. W modelowaniu tym główny nacisk kładzie się na automatyzację procesów. Dostępne oprogramowanie komercyjne charakteryzuje się bowiem znacznym poziomem interaktywności – tworzenie modelu wymaga dużego udziału operatora. W procesie trójwymiarowego modelowania zabudowy wyróżnia się na ogół cztery podstawowe etapy, przy czym kluczowym wydaje się etap polegający na segmentacji punktów należących do budynku. W procesie tym ze zbioru zawierającego zarówno punkty obarczone błędami przypadkowymi jak i grubymi wyodrębniane zostają podzbiory punktów reprezentujących (modelujących) poszczególne płaszczyzny. Wynika to z faktu, iż budynki formowane są najczęściej jako kombinacja płaszczyzn w przestrzeni 3D. W pracy przedstawiono analizę dwóch, najczęściej wykorzystywanych w celu segmentacji algorytmów: RANSAC i rosnących płaszczyzn, przy czym w tym ostatnim, wprowadzono modyfikacje, uwzględniające topologię w zbiorze danych. Podano podstawowe informacje dotyczące omawianych metod. Testy numeryczne wykonano z wykorzystaniem zarówno syntetycznych jak i rzeczywistych danych skaningu laserowego. W wyniku przeprowadzonych eksperymentów można stwierdzić, że algorytm RANSAC charakteryzuje się krótkim czasem wykonania segmentacji dla nieskomplikowanych modeli. Potrafi jednak łączyć ze sobą odrębne w rzeczywistości obiekty leżące w tej samej płaszczyźnie; dobrze nadaje się do segmentacji standardowych dachów, złożonych z małej liczby elementów. Algorytm rosnących płaszczyzn jest bardziej odpowiedni dla modeli o większym stopniu skomplikowania. Poprawnie rozdziela odrębne obiekty leżące w tej samej płaszczyźnie. Czas wykonania zależy głównie od liczby punktów w zbiorze – nie zależy od liczby wyodrębnianych płaszczyzn.
    In recent years, the LIDAR technique has undergone fast development. The increasing access and operating ability caused a growing interest in 3D processing of data acquired by LIDAR. One of the main tasks of geo-information modeling is to create virtual city models. As the available commercial softwares require a high level of user interactivity, the crucial issue of modeling is its automation. There are four main steps that comprise virtual building extraction. One of them, building point cloud segmentation, appears to be the core part of the whole modeling process. Segmentation allows partitioning of a data set, that contains points biased by random and gross errors, into smaller sets which represent different planes. This arises from the fact, that buildings are formed by a combination of planes in 3D space. The paper presents an analysis of two algorithms that are most commonly applied to segmentation: RANSAC and plane growing. The latter is modified, taking into consideration topology between points. The essential information about both algorithms is presented. Numerical tests based on synthetic and real laser scanning data are executed. It is inferred from the experiments that the RANSAC algorithm features short time performance for simple models. However, at times it merges different objects lying in the same plane. The algorithm is suited well for segmentation of standard roofs that contain small number of elements. The plane growing algorithm is more suitable for more complicated models. It separates different objects situated in the same plane. Time performance depends mostly on the number of points within a data set; it is not affected by the number of identified planes.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 119-129
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    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:
    Automatyczna detekcja płaszczyzn w chmurze punktów w oparciu o algorytm RANSAC i elementy teorii grafów
    RANSAC algorithm and elements of graph thory for automatic plane detection in 3D point cloud
    Autorzy:
    Poręba, M.
    Goulette, F.
    Powiązania:
    https://bibliotekanauki.pl/articles/129757.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    chmura punktów
    segmentacja
    RANSAC
    graf
    algorytm najbliższego sąsiada
    etykietowanie
    spójny komponent
    point cloud
    segmentation
    graph
    k-nearest neighbour algorithm
    labelling
    connected component
    Opis:
    Artykuł przedstawia metodę automatycznego wyodrębniania punktów modelujących płaszczyzny w chmurach punktów pochodzących z mobilnego bądź statycznego skaningu laserowego. Zaproponowany algorytm bazuje na odpornym estymatorze RANSAC umożliwiającym iteracyjną detekcję płaszczyzn w zbiorze cechującym się znacznym poziomem szumu pomiarowego i ilością punktów odstających. Aby zoptymalizować jego działanie, dla każdej wykrytej płaszczyzny uwzględniono relacje sąsiedztwa pomiędzy punktami przynależnymi. W tym celu zastosowano podejście oparte na teorii grafów, gdzie chmura punktów traktowana jest jako graf nieskierowany, dla którego poszukiwane są spójne składowe. Wprowadzona modyfikacja obejmuje dwa dodatkowe etapy: ustalenie najbliższych sąsiadów dla każdego punktu wykrytej płaszczyzny wraz z konstrukcją listy sąsiedztwa oraz etykietowanie spójnych komponentów. Rezultaty uzyskane pokazują iż algorytm poprawnie wykrywa płaszczyzny modelujące, przy czym niezbędny jest odpowiedni dobór parametrów początkowych. Czas przetwarzania uzależniony jest przede wszystkim od liczby punktów w chmurze. Nadal jednak aktualny pozostaje problem wrażliwości algorytmu RANSAC na niską gęstość chmury oraz nierównomierne rozmieszczenie punktów.
    Laser scanning techniques play very important role in acquiring of spatial data. Once the point cloud is available, the data processing must be performed to achieve the final products. The segmentation is an inseparable step in point cloud analysis in order to separate the fragments of the same semantic meaning. Existing methods of 3D segmentation are divided into two categories. The first family contains algorithms functioning on principle of fusion, such as surface growing approach or split-merge algorithm. The second group consists of techniques making possible the extraction of features defined by geometric primitives i.e.: sphere, cone or cylinder. Hough transform and RANSAC algorithm (RANdom SAmple Consensus) are classified to the last of aforementioned groups. This paper studies techniques of point cloud segmentation such as fully automatic plane detection. Proposed method is based on RANSAC algorithm providing an iterative plane modelling in point cloud affected by considerable noise. The algorithm is implemented sequentially, therefore each successive plane represented by the largest number of points is separated. Despite all advantages of RANSAC, it sometimes gives erroneous results. The algorithm looks for the best plane without taking into account the particularity of the object. Consequently, RANSAC may combine points belonging to different objects into one single plane. Hence, RANSAC algorithm is optimized by analysing the adjacency relationships of neighbouring points for each plane. The approach based on graph theory is thus proposed, where the point cloud is treated as undirected graph for which connected components are extracted. Introduced method consists of three main steps: identification of k-nearest neighbours for each point of detected plane, construction of adjacency list and finally connected component labelling. Described algorithm was tested with raw point clouds, unprocessed in sense of filtration. All the numerical tests have been performed on real data, characterized by different resolutions and derived from both mobile and static laser scanning techniques. Obtained results show that proposed algorithm properly separates points for particular planes, whereas processing time is strictly dependent on number of points within the point cloud. Nevertheless, susceptibility of RANSAC algorithm to low point cloud density as well as irregular points distribution is still animportant problem. This paper contains literature review in subject of existing methods for plane detection in data set. Moreover, the description for proposed algorithm based on RANSAC, its principle, as well as the results is also presented.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 301-310
    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 1-5 z 5

      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