Informacja

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

Wyszukujesz frazę "chmury punktów" wg kryterium: Wszystkie pola


Tytuł:
Generowanie numerycznych modeli powierzchni oraz terenu w Tatrach na podstawie chmury punktów z lotniczego skaningu laserowego (ALS)
Generation of digital surface and terrain models of the Tatras Mountains based on airbone laser scanning (ALS) point cloud
Autorzy:
Wężyk, P
Borowiec, N.
Szombara, S.
Wańczyk, R.
Powiązania:
https://bibliotekanauki.pl/articles/131204.pdf
Data publikacji:
2008
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
ALS
NMPT
NMT
znormalizowany NMPT
Tatry
DTM
DSM
nDSM
Tatra Mts.
Opis:
Celem pracy było zaprezentowanie metod zastosowanych w półautomatycznym procesie generowania numerycznych modeli bazujących na chmurze punktów zarejestrowanych technologią lotniczego skaningu laserowego (ang. Airborne Laser Scanning; ALS) w trudnych obszarach wysokogórskich Tatr. Teren badań o powierzchni około 60 km2, obejmował masyw Kasprowego Wierchu, Kuźnice oraz fragment miasta Zakopane ze stokami Gubałówki. Dane ALS pozyskano w 2007 roku w 33 pasach (RIEGL LMS-Q560), w zagęszczeniu, co najmniej 20 pkt/m2. Wpasowania połączonych skanów dokonano w oparciu o pomiary tachimetryczne powierzchni planarnych (dachy budynków) i dowiązanie przez dGPS. Błędy położenia punktów w płaszczyźnie poziomej wahały się w przedziale -0.09÷+0.28 m, a błędy wysokościowe w przedziale od -0.12÷0.14 m (HAE). Wykonawca dostarczył dane osobno z 2 skanerów, dla każdego: pierwsze i ostatnie odbicie impulsu. Ze względu na duży rozmiar plików podzielono ja na mniejsze generując 353 obszary robocze o rozmiarze 500·500 m dla każdego skanera i numeru odbicia. Przeprowadzono filtrację chmury punktów oraz ich klasyfikację do zestawów danych: „low points”, „ground", „low vegetation”, „medium vegetation”, „high vegetation” oraz „air points”. W celu wygenerowania NMPT stworzono klasę „ground_inverse" wymagającą kontroli operatora wspomagającego się ortofotomozaiką cyfrową (RGB\CIR; kamera Vexcel). Dla każdego przetwarzanego obszaru roboczego wygenerowano NMT oraz NMPT. Na podstawie zweryfikowanych modeli wygenerowano znormalizowany numeryczny model powierzchni terenu obrazujący wysokości względne obiektów występujących w obszarze opracowania (drzewa, piętro kosodrzewiny, budynki, linie energetyczne, liny wyciągów, etc). Analizy przestrzenne bazujące na wygenerowanych modelach otwierają zupełnie nowe możliwości licznym badaniom naukowym.
The work presented was aimed at constructing a semi-automatic work-flow of Digital Surface Model (DSM) and Digital Terrain Model (DTM) generation based on an ALS point cloud gathered in a very difficult mountain area. The study area located in the Polish part of the Tatras Mountains covered about 60 km2 and included the Kasprowy Wierch, Kuźnice, and downtown Zakopane with the Gubałówka. ALS data, collected in 2007, consisted of 33 scans (minimum density of 20 points/m2). To combine all the scans and match them to the coordinate system, planar surfaces (building roofs) were measured using a tachimeter and a dGPS survey. Position errors of the ALS points in the horizontal plane varied from -0.09m to +0.28m; height errors ranged from -0.12m to 0.14m (HAE). The operator delivered the data separately from 2 Riegl Q- 560 scanners, for every FE and LE. The ALS files, due to their huge size, were divided into smaller ones and generated 353 sheets (500x500 m in size ) for every scanner and number of returns combination. The point cloud was filtered and assigned to the following levels: "low points”, "ground", "low vegetation”, "medium vegetation”, "high vegetation” and "air points”. To generate a DSM, a special class called "ground_inverse" was created; it required an operator control supported by a digital orthophoto (RGB\CIR; Vexcel camera). For every sheet processed, the DTM and DSM were generated. Those verified models served as a basis for developing an nDSM model using the ER Mapper software. The nDSM shows relative heights of objects in the study area (forest stands, dwarf mountain pines, buildings, power lines, ski lifts, etc.). Development of a precise DSM and nDSM as well as analyses of the nDSM open new perspectives for numerous scientific projects.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2008, 18b; 651-661
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Modelowanie chmury punktów ze skaningu laserowego w obszarze koron drzew
The lidar point cloud data-based forest canopy modelling
Autorzy:
Wężyk, P.
Powiązania:
https://bibliotekanauki.pl/articles/130582.pdf
Data publikacji:
2008
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
lotniczy skaning laserowy
ALS
inwentaryzacja lasu
wysokość drzew
podstawa korony
powierzchnia warstwy koron
objętość warstwy koron
forest inventory
tree height
canopy base
canopy surface
canopy volume
Opis:
Celem pracy było określenie przydatności i zaproponowanie rozwiązań automatyzacji procesu określania wybranych parametrów taksacyjnych drzewostanów związanych z koronami drzew, w oparciu o dane z lotniczego skaningu laserowego (ALS). Analiza przydatności danych ALS bazuje na pomiarach referencyjnych 432 sosen w obszarze badawczym Milicz (RDLP Wrocław). Osiągnięte wyniki wskazują, iż: (1) wysokość pojedynczych drzew określona na podstawie modelowanej chmury punktów ALS w zależności od użytego algorytmu, prowadzi do niewielkiego zaniżenia wartości (średnia różnica -0.90 m CHM1 lub -0.12 m CHM2); (2) średnia wysokość analizowanych drzewostanów na powierzchniach kołowych określana na podstawie ALS, była wyższa (+0.85 m) od wartości zapisanych w bazie danych SILP (2005) co w efekcie prowadzić może do zaniżenia zasobności drzewostanów w całym obrębie; (3) automatycznie analizowana średnia wysokość drzewostanów sosnowych (95 centyl FE) była wyższa o +0.46 m w stosunku do danych z SILP; (4) automatycznie określona podstawa korony sosny wykazuje błąd zaledwie około 0.56 m; (5) analiza histogramów chmury punktów umożliwiła określenie długości korony z przeszacowaniem o +0.44 m w stosunku do danych referencyjnych; (6) modelowanie warstwy koron otwiera dyskusje na temat homogeniczności jednowiekowych i jednogatunkowych pododdziałów oraz istniejącego podziału przestrzennego. Nowa metoda inwentaryzacji leśnej bazująca na technologii pozyskiwania danych ALS i modelowaniu chmury punktów ma duże szanse na wdrożenie w lasach Polski o powinno przynieść ze sobą wzrost dokładności jak i obniżyć koszty prac urządzeniowych.
The study was aimed at determining the utility of and to improve the understanding of the airborne laser scanning (ALS) technology in acquisition of selected parameters of canopy layers for individual trees and whole stands. This approach, based on ALS data (TopoSys fiber scanner; swing mode + optical line scanner), was compared with reference data drawn from a forest inventory (432 Scots pines). The study showed that: (1) the height of a single tree, as derived from ALS data, leads to underestimation (mean difference -0.90 m or +0.12 m depending on CHM generation algorithm); (2) the mean stand height was higher (+0.85 m) than the height recorded in the SILP database, which may result in underestimation of the timber volume in the entire Milicz forest district; (3) the stand mean height (understood as 95th percentile of the FE point cloud) was +0.46 m higher than the height recorded in the SILP inventory database; (4) it was possible to estimate the canopy base with 0.56 m overestimation; (5) the canopy length as measured during the forest inventory was +0.44 m lower compared to the ALS data (histogram analysis); (6) the homogeneity of a contemporaneous-pine stand is questionable. In a very near future, a new approach to the forest inventory, supported by ALS data, will be presented as a list of new parameters and guidelines.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2008, 18b; 685-695
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sezonowa zmienność rozkładu chmury punktów skanowania laserowego w drzewostanach iglastych i jej związek z cechami taksacyjnymi drzewostanu
Seasonal variability of distribution of laser scanning point cloud in coniferous stands and its relationship with stand valuation characteristics
Autorzy:
Będkowski, K.
Brach, M.
Banaszczak, P.
Powiązania:
https://bibliotekanauki.pl/articles/973707.pdf
Data publikacji:
2011
Wydawca:
Polskie Towarzystwo Leśne
Tematy:
lasy
skanowanie laserowe
lidar
drzewostany iglaste
cechy taksacyjne
pomiary terenowe
zwarcie drzewostanu
leśnictwo
rozkład punktów odbić impulsów laserowych
zmienność sezonowa
wysokość drzew
wysokość miejsca zwarcia
wysokość osadzenia korony
pierśnice drzew
point cloud
accuracy
forestry
LIDAR
DTM
Opis:
Increasing knowledge of the spatial structure of forests can contribute to the improvement of stand stability and silviculture rules. New opportunities in this respect are offered by the laser scanning technique, which allows to determine different stand characteristics and anticipate their spatial structure. It was found that certain features of laser pulse distribution histograms do not change significantly during the growing season and show a strong correlation with the characteristics of the stands located in the Rogów Arboretum, Warsaw University of Life Sciences – SGGW.
Źródło:
Sylwan; 2011, 155, 11; 736-748
0039-7660
Pojawia się w:
Sylwan
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza algorytmów detekcji obiektów infrastruktury kolejowej na podstawie chmury punktów mobilnego skaningu laserowego
Analysis of detection algorithms of railway infrastructure object based on scanning mobile laser point cloud
Autorzy:
Marmol, U.
Powiązania:
https://bibliotekanauki.pl/articles/130674.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
mobilny skaning laserowy
filtracja
detekcja obiektów
mobile laser scanning
filtering
object detection
Opis:
Tematem niniejszego artykułu jest detekcja obiektów infrastruktury kolejowej na podstawie chmury punktów mobilnego skaningu laserowego. Pierwszym istotnym etapem, zanim przystąpi się do właściwej detekcji, jest usunięcie szumu pomiarowego. W przypadku skaningu mobilnego szum jest kluczowym problemem, gdyż wprowadza duże zakłócenia do danych pomiarowych. W pierwszej części artykułu zawarto krótką charakterystykę programów pod kątem prostych filtrów geometrycznych, które zarówno usuwają szumy jak i przeprowadzają proste operacje klasyfikacji (na przykład wydzielenie obiektów oddalonych o określoną wartość głębokości). Dopiero po usunięciu szumu jest możliwe rozpoznawanie obiektów. Jest to stosunkowo nowe zagadnienie, otwierające szerokie pole do analiz i badań naukowych. Do tej pory zostało opisanych kilka metod klasyfikacji danych pochodzących z mobilnych systemów laserowych. Część algorytmów opiera się na metodach wywodzących się z teorii przetwarzania obrazów. Rozproszona chmura punktów jest zapisywana w siatce regularnej jako raster, którego wartości pikseli odpowiadają głębokości lub intensywności danych laserowych. Do metod opartych na obrazach możemy zaliczyć: algorytmy wykorzystujące filtry morfologiczne i algorytmy wyszukiwania. Inne metody detekcji obiektów bazują na danych rozproszonych, czyli oryginalnej chmurze punktów. Przykładem może być metoda oparta na algorytmie RANSAC. Przeprowadzona analiza algorytmów filtracji ujawniła, że mobilny skaning laserowy może stanowić miarodajne źródło do wyodrębniania obiektów.
The subject of this paper is detection of railway infrastructure objects based on mobile laser scanning. The first important step, made before proceeding with correct detection, is to remove the measurement noise. In the case of mobile scanning noise is a key issue, since it introduces a large distortion of the measurement data. In the first part of the article a brief description of the programs in terms of simple geometric filters which both remove noise and carry out simple operations of the classification (for example, the separation of objects spaced by a certain depth). Object recognition is possible only after the removal of the noise This is a relatively new problem, opening a wide field for analysis and research. So far several methods have been described for the classification of the mobile data. Some algorithms based on methods derived from the image processing theory. Scattered cloud of points is stored in a regular grid, the pixel values correspond to the depth or intensity of the laser data. The image-based methods: algorithms using morphological filters and retrieval algorithms. Other methods are based on the detection of objects from the original cloud of points. An example is the method based on RANSAC algorithm. An analysis of filtering algorithms revealed that mobile laser scanning can be a reliable information source to extract objects.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 211-220
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Klasyfikacja chmury punktów lotniczego skaningu laserowego z zastosowaniem programów Tiltan Tlid, Terrascan VRMesh
Classification of points cloud from aerial laser scanning with the use of programs Tiltan Tlid, Terrascan VRMesh
Autorzy:
Borowiecki, I.
Michalik, A.
Powiązania:
https://bibliotekanauki.pl/articles/62172.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Stowarzyszenie Infrastruktura i Ekologia Terenów Wiejskich PAN
Tematy:
lotniczy skaning laserowy
filtracja
chmura punktow
klasyfikacja
program Tiltan Tlid
program TerraScan
program VRMesh
Opis:
W artykule przedstawiono analizę wyników procesu automatycznej klasyfikacji chmury punktów lotniczego skaningu laserowego. Badania przeprowadzono na wydzielonym fragmencie miejscowości Brzeg o powierzchni 21.37 ha (obiekt testowy składać się z 3048246 punktów lidarowych). Automatyczną klasyfikację wykonano przy zastosowaniu następujących programów: Tiltan Tlid (v. 3.21), TerraSolid (v. 011.007) oraz VRMesh Survey (v. 6.1), natomiast do edycji chmury punktów - aplikacją Furgo Viewer. Na podstawie przeprowadzonej analizy ilościowej, jakościowej oraz wizualnej sklasyfikowanej chmury punków sformułowano wnioski dotyczące użytkowania wykorzystanych aplikacji.
An analysis of results of the process of automatic classification of the points cloud gained from the aerial laser scanning was presented. Research was conducted on the separated part of the area of 21.37 ha from the city Brzeg. The tested object comprised 3048246 lidar points. The automatic classification was performed with the use of the following programs: Tiltan Tlid (v. 3.21), TerraSolid (v. 011.007) and VRMesh Survey (v. 6.1).To the edition of the cloud of points an application Furgo Viewer was used.
Źródło:
Infrastruktura i Ekologia Terenów Wiejskich; 2012, 1/III
1732-5587
Pojawia się w:
Infrastruktura i Ekologia Terenów Wiejskich
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Określenie biomasy sosny zwyczajnej (pinus sylvestris l.) w Puszczy Niepołomickiej na podstawie przestrzennego rozkładu chmury punktów naziemnego skaningu laserowego
Biomass and volume profile of the scots pine (pinus sylvestris l.) In the niepolomice forest based on terrestrial laser scanning data – a case study
Autorzy:
Wężyk, P.
Szostak, M.
Tompalski, P.
Powiązania:
https://bibliotekanauki.pl/articles/346170.pdf
Data publikacji:
2012
Wydawca:
Polskie Towarzystwo Informacji Przestrzennej
Tematy:
masa części nadziemnej
TLS
woksel
sekwestracja węgla
above-ground biomass
voxel
carbon sequestration
Opis:
Najnowocześniejsze technologie teledetekcyjne takie jak naziemny skaning laserowy (TLS) umożliwiają pomiar 3D rzeczywistej struktury obiektów przestrzeni w tym drzew. Dane dostarczone przez TLS - bardzo gęste chmury punktów - reprezentują kształty i powierzchnie obiektów oraz ich rodzaj (np. z wykorzystaniem intensywności wiązki laserowej). Ekosystem leśny odgrywa ważną rolę w aspekcie regulacji zawartości dwutlenku węgla (CO2) w atmosferze jak również w zakresie sekwestracji węgla. Węgiel w lesie jest kumulowany w biomasie drzewnej: pnie drzew, gałęzie, Korzenie, liście (igły) oraz w materii organicznej w glebie. W modelowaniu sekwestracji węgla w krajobrazie z wykorzystaniem analiz przestrzennych oraz w zarządzaniu przestrzenią leśną informacja 2D wydaje się nie być wystarczająca. Potrzebna jest informacja 3D tj. rozkład przestrzenny biomasy i objętości drzewostanu. Jest to ważne nie tylko dla zarządzających przestrzenią leśną, ale i w aspekcie polityki energetycznej oraz konwencji międzynarodowych. Dla określenia przestrzennego rozkładu biomasy przeprowadzono badania w Puszczy Niepołomickiej (Regionalna Dyrekcja Lasów Państwowych w Krakowie, pododdział 153f) w drzewostanie sosnowym (Pinus sylvestris L.). Średni wiek drzewostanu wynosił 147 lat, średnia wartość pierśnicy D = 42 cm i wysokości H = 27 metrów (wg SILP). Kołowa powierzchnia badawcza (r = 18 m; powierzchnia 1017.88 m2) składała się z 16 sosen (średnia: D 46 cm; H = 26.0 m), które zostały zeskanowane przy użyciu skanera laserowego FARO PHOTON 80. Wykonano 4 skany (1 pozycja centralna i 3 dodatkowe wokół) aby uzyskać pełną reprezentację pni i koron drzew (gałęzie z igłami). Dla określenia biomasy została wybrana testowa sosna zwyczajna o pierśnicy 52.7 cm, wysokości 28.3 m, długości korony 8.6 m oraz szerokości korony 9.3 m. W celu uzyskania referencji dla analiz chmury punktów TLS zostały w terenie pomierzone średnica i obwód pnia w sekcjach co 1 m. W terenie zebrano: 490.0 kg gałęzi, 109.3 kg pędów z igłami oraz 13.5 kg jemioły. W sumie biomasa mokrej korony wyniosła 612.8 kg (96.3 t/ha). Badania laboratoryjne przeprowadzono na 6 próbkach pędów z igłami, które po wysuszeniu ważyły 53.3 kg, w tym: igły 34.0 kg, pędy 19.3 kg. Wartości z badań laboratoryjnych porównano do wyznaczonych wg wzoru empirycznego (Socha, Wężyk 2007), które wyniosły: dla pędów z igłami w stanie wilgotnym 104.1 kg. (-4.8% różnicy) i w stanie suchym 71.2 kg (33.5% różnicy). Na podstawie analizy chmury punktów TLS (woksele) został wyznaczony pionowy rozkład biomasy.
The state of the art technology like Terrestrial Laser Scanning (TLS) allows measuring the 3D structure of real world objects, including trees. The data delivered by the TLS - very dense point clouds - represent shapes and surfaces of the objects and their type (e.g. using intensity of the laser beam). Forest ecosystem plays an important role in the regulation of the carbon dioxide (CO2) content in the atmosphere and in carbon sequestration as well. In forest, carbon is stored in wood biomass: tree trunks, branches, roots, foliage (needles and leaves) and in the organic material in soil. Using GIS spatial analyses for the carbon sequestration modeling, the 2D information seems to be not sufficient. 3D information of the spatial biomass and volume distribution is needed and is important not only for forest professionals, but also for energy policy and international conventions. The study was done in the Niepolomice Forest in the mature Scots pine (Pinus sylvestris L.) stand (Regional Forest Directorate Krakow. compartment 153f). The age of the stand was 147 years and mean values of DBH 42 cm and height 27 m. The study circular plot (r=18m; area ~1000sqm) consisted of 16 pines (mean: DBH 46 cm; H = 26.0 m) which were scanned using the FARO PHOTON 80. The 4 scans (1 central position and 3 additional around the central one) were made to get full representation of the tree stems and crowns (branches with needles). Tree number 13 (DBH 52.7 cm; H 28.3 m; crown length 8.6 m. crown width 9.3 m) was selected for the biomass study. The stem diameter and perimeter was measured every 1m (section) to get the references for the TLS analysis. The wet biomass of the selected tree parts was: 490.0 kg - branches. 109.3 kg shoots with needles 13.5 kg – mistletoe. The sum of the wet crown biomass was 612.8 kg (96.3 t/ha). The laboratory elaboration based of 6 samples from the crown allowed to receive the dry biomass of crown (53.3 kg) and its fractions: needles 34.0 kg, shoots 19.3 kg. The obtained results were compared to empiric formula (Socha, Wężyk 2007), which delivered results for the wet biomass of shots with needles 104.1 kg (4.8 % difference) and dry biomass 71.2 kg (33.5 % difference). Based on the voxel analysis of the TLS data the vertical characteristic of the volume and biomass distribution was determined.
Źródło:
Roczniki Geomatyki; 2012, 10, 5; 79-89
1731-5522
2449-8963
Pojawia się w:
Roczniki Geomatyki
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:
Wizualizacja i przetwarzanie chmury punktów lotniczego skaningu laserowego
Visualization and processing of airborne laser scanning points cloud
Autorzy:
Twardowski, M.
Marmol, U.
Powiązania:
https://bibliotekanauki.pl/articles/130604.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
lotniczy skaning laserowy
wizualizacja
przetwarzanie danych
airborne laser scanning (ALS)
visualization
data processing
Opis:
Lotniczy skaning laserowy stwarza szerokie pole dla badań naukowych i prac badawczych nad rozwojem nowych algorytmów i metod analizy danych przestrzennych. Niestety większość istniejących oprogramowań do przetwarzania danych laserowych nie pozwala na modyfikację istniejących procedur, niekiedy wręcz działając na zasadzie „czarnej skrzynki”. Wejściowe dane laserowe ulegają bliżej nie określonym operacjom, przynosząc trudne do zweryfikowania wyniki, co zdecydowanie ogranicza wolność naukową w pracach badawczych. Dlatego w Katedrze Geoinformacji, Fotogrametrii i Teledetekcji Środowiska AGH narodziła się idea stworzenia własnego narzędzia, opartego na licencji OpenSource, które nie będzie obarczone żadnymi ograniczeniami. Były to główne przesłanki do powstania projektu LIDARView. Założeniem projektu jest otwarty dostęp do kodu źródłowego obiektów, co pozwoli na udoskonalanie zastosowanych algorytmów. Modularna budowa systemu umożliwi nieograniczone rozwijanie jego potencjału poprzez aktualizację i dodawanie nowych elementów do systemu. Projekt LIDARView jest obecnie w początkowej fazie rozwoju. Oprogramowanie umożliwia podstawowe operacje na chmurze punktów, takie jak: powiększanie, obracanie i przesuwanie danych laserowych. Zakładka Image pozwala na integrację danych laserowych z danymi obrazowymi. Umożliwia także wykorzystanie obserwacji stereoskopowej w procesie przetwarzania danych lidarowych poprzez możliwość edycji linii nieciągłości i form morfologicznych W zakładce Cloud zostały zaimplementowane algorytmy do klasyfikacji i filtracji chmury punktów. Na obecnym etapie rozwoju zostały zaprogramowane proste filtry usunięcia błędów grubych i rozrzedzenia chmury punktów. Została także wprowadzona procedura automatycznej klasyfikacji chmury danych laserowych na punkty terenowe i punkty pokrycia. Filtracja odbywa się z wykorzystaniem algorytmu częstotliwościowego (Marmol, 2010). Autorzy projektu mają nadzieję, że dzięki otwartej strukturze systemu, projekt LIDARView nie ulegnie stagnacji i będzie rozwijany także w innych ośrodkach badawczych.
Relatively new technology which is laser scanning provides wide area of scientific study and research on new algorithms and spatial analysis methods. Unfortunately most of existing software does not allow for modification of existing procedures, usually working on a “black box” principle, where laser input data are treated with unknown operations, yielding results which are hard to verify. It severely impedes scientific freedom while research is involved. That is why idea of creating own software was born, based on open source license, not encumbered with those restricttions. Those were main reasons for creating LIDARView project. It assumes open access to modules source code allowing for improvements of used algorithms and modular design allows for unrestricted research through additions of new elements. LIDARView project is currently in its starting phase. Software allows for basic point cloud operations such as: zooming, translation and rotation of laser data. Included image module allows for displaying photographs as background for a point cloud. Cloud module can be used for accessing classification and filter functions. Current development state includes: gross error removal, cloud thinning and point classification for topographic surface.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 23; 457-465
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Błędy NMT i NMPT wynikające z automatycznej klasyfikacji chmury punktów pochodzącej z lotniczego skaningu laserowego przy zastosowaniu oprogramowania TerraScan
DTM and DSM errors resulting from automatic classification of a cloud of points which originate from aerial laser scanning using TerraScan software
Autorzy:
Kwoczynska, B.
Powiązania:
https://bibliotekanauki.pl/articles/60059.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Stowarzyszenie Infrastruktura i Ekologia Terenów Wiejskich PAN
Tematy:
lotniczy skaning laserowy
chmura punktow
przetwarzanie danych
klasyfikacja manualna
klasyfikacja automatyczna
program TerraScan
Opis:
Kluczowym zagadnieniem w przetwarzaniu danych pochodzących z lotniczego skaningu laserowego jest filtracja, rozumiana jako procedura eliminacji wszystkich punktów, które nie należą do określonej powierzchni z pomierzonej „chmury punktów”. Pozwala ona wyznaczyć przebieg powierzchni topograficznej, czyli określić NMT. Wstępna klasyfikacja punktów przeprowadzana jest zazwyczaj automatycznie z wykorzystaniem różnego rodzaju algorytmów do automatycznej filtracji danych laserowych. W zależności od zastosowanego oprogramowania istnieje możliwość korekty takiej filtracji poprzez ręczną klasyfikację. W publikacji dokonano analizy algorytmów wykorzystywanych w oprogramowaniu TerraScan stosowanych do klasyfikacji „chmury punktów”. Porównano wyniki otrzymane przy zastosowaniu algorytmów o różnych parametrach oraz zwrócono uwagę na najczęściej pojawiające się błędy NMT i NMPT. Badania przeprowadzone zostały na danych pochodzących ze skaningu lotniczego wykonanego w 2011 roku, obejmującego część województwa śląskiego. Skanowanie zostało wykonane z pokładu samolotu skanerem LMS-Q680i ze średnią wysokością lotu 850 metrów, a nalot przebiegał w dwóch kierunkach: północ-południe oraz wschód-zachód z kątem poprzecznym skanowania wynoszącym odpowiednio 25 i 30 stopni. Średnia gęstość skanowania w jednym przelocie wynosiła 6 punktów na metr kwadratowy.
Key problem in processing data originating from airborne laser scanning is filtration understood as a procedure of elimination of all points which do not belong to specific surface in measured cloud of points. It enables determination of topographic surface course, that is determine DTM. Preliminary classification is usually performed automatically with use of various algorithms for automatical filtration of laser scanning data. Depending on used program exist possibilities of such filtration correction through manual classification. In the paper analysis of automats applied in classification of cloud of points originating from airborne laser scanning on example of TerraScan program. Results obtained using automates with different parameters were compared, and the most often appearing errors DTM and DSM were taken into consideration. Investigations were performed on data originating from the airborne laser scanning performed in 2011, containing a part of Silesia Voivodship. The scanning was performed from a plane using LMS-Q680i scanner with the average height of flight about 850 meters, and the flight was proceeded in two directions: northsouth, and east-west with transverse scanning angle respectively 25 and 30 grades. Average density of scanning in single flight came to 6 points on a square meter.
Źródło:
Infrastruktura i Ekologia Terenów Wiejskich; 2013, 2/II
1732-5587
Pojawia się w:
Infrastruktura i Ekologia Terenów Wiejskich
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Identyfikacja obiektów na podstawie chmury punktów
Objects identification based on a point cloud
Autorzy:
Dzierżanowski, Ł.
Koza, R.
Powiązania:
https://bibliotekanauki.pl/articles/377125.pdf
Data publikacji:
2013
Wydawca:
Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
Tematy:
identyfikacja obiektów
chmura punktów
skanowanie przestrzenne
algorytm ICP
drzewo kd
Opis:
Artykuł przedstawia problematykę identyfikacji obiektów w obrazach uzyskanych ze skanerów przestrzennych z wykorzystaniem chmury punktów. Przybliża zasadę algorytmu ICP, popularnej metody wykorzystywanej w celu dopasowania do siebie dwóch chmur punktów w oparciu o wskazanie najbliższego sąsiada. Ponadto zaprezentowano metodę kd-drzew znacznie zwiększającą wydajność algorytmu ICP, co zostało poparte wynikami działania autorskiej aplikacji służącej do dopasowywania chmur punktów z wykorzystaniem różnych metod: kd-drzew, triangulacji Delaunay oraz metody Brute-Force.
The paper presents the aspects of objects identification based on 3D scanning with use of the point cloudes. The ICP, a popular algorithm for point cloud adjustment based on the nearest neighbor iteration. Moreover a kd-tree method for ICP efficiency improving has been described along with the results of testing the authors’ program for point cloud adjustment based on kd-tree, Delaunay’s triangulation and brute force methods.
Źródło:
Poznan University of Technology Academic Journals. Electrical Engineering; 2013, 76; 135-142
1897-0737
Pojawia się w:
Poznan University of Technology Academic Journals. Electrical Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Weryfikacja i aktualizacja bazy klaso-użytków EGIB w oparciu o analizy chmury punktów z lotniczego skanowania laserowego na przykładzie wsi Tuklęcz w województwie świętokrzyskim
Revision and update of the EGIB land-use database using the airborne laser scanning point cloud – the case study of Tuklęcz village in świętokrzyskie voivodeship
Autorzy:
Wężyk, P.
Gęca, T.
Powiązania:
https://bibliotekanauki.pl/articles/129739.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
EGiB
sukcesja leśna
sukcesja wtórna
lotnicze skanowanie laserowe
ALS
projekt ISOK
analiza przestrzenna
GIS
forest succession
secondary succesion
Airborne Laser Scanning
ISOK project
spatial analyses
Opis:
Transformacja ustrojowa, jaka miała miejsce w Polsce ponad 20 lat temu, a także przystąpienie naszego kraju do UE, pociągnęły za sobą liczne zmiany, m.in. w rolnictwie (likwidacja PGR, porzucanie upraw roli, wolny rynek zbytu czy wzrost konkurencyjności producentów) oraz w gospodarce prowadząc do głębokich przemian społeczno – ekonomicznych. Skutki tych transformacji zauważalne są także w przestrzeni rolniczej, najczęściej w przemianach krajobrazu. Zmiany te mają zazwyczaj charakter procesu wtórnej sukcesji leśnej zachodzącej na działkach rolnych. Tempo wkraczania i rozszerzający się z roku na rok zasięg terytorialny wtórnej sukcesji, najczęściej nie jest przedmiotem zainteresowania odpowiednich agencji lub urzędów. Technologią, która może wspomagać określanie zmian ilościowych (powierzchni, liczby działek rolniczych podlegających zmianom) i jakościowych (typ sukcesji – zbiorowiska roślinnego) przebiegających w krajobrazie - jest lotnicze skanowanie laserowe (ang. Airborne Laser Scanning; ALS). Prezentowane w pracy badania objęły 79.87 ha gruntów rolnych wsi Tuklęcz (gm. Rytwiany, powiat Staszów, woj. świętokrzyskie). W pracach wykorzystano dane EGiB (PODGiK w Staszowie) oraz dane ALS w postaci 2 zestawów chmur punktów ALS o gęstości: 2 pkt/m2 (RZGW Kraków; XI.2009r.) oraz 4 pkt/m2 (ISOK; XI.2012r.). Detekcję wtórnej sukcesji leśnej przeprowadzono stosując 4 warianty różniące się wysokością roślinności (odpowiednio: 0.4m, 1.0m, 2.0m oraz 3.0m ponad wygenerowanym NMT). Uzyskane wyniki wskazują, iż w każdym wariancie, na 50% liczby działek z użytkiem rola („R”; 60.54% całego obszaru) koncentrowało się ponad 70% wtórnej sukcesji leśnej. W zależności od jej wysokości nad gruntem, pokrywała ona od 61.05% do 31.38% klasoużytku „R” oraz od 67.03% do 34.93% pastwisk („Ps”) co świadczy o dynamicznych przemianach zachodzących na tym terenie. Cykliczne pozyskiwanie danych ALS w odpowiednich porach roku (zestaw danych ISOK wykazywał znaczący brak informacji o zadrzewieniach liściastych gatunków) bądź też stosowanie alternatywnych technologii (np. stereo-matching ze zdjęć lotniczych czy zobrazowania radarowe), stwarza szanse na zarządzanie i monitorowanie zmian zachodzących na obszarach rolniczych w Polsce. Jest to istotne ze względu na sporządzanie miejscowych planów zagospodarowania przestrzennego czy też wdrażanie Krajowego Programu Zwiększania Lesistości (KPZL), zakładającego osiągnięcie poziomu 30% lesistości w Polsce w roku 2020 oraz 33% w roku 2050. Nie należy zapominać o ogromnym potencjale biomasy zgromadzonej na obszarach wtórnej sukcesji nie ujętej w bazach EGiB czy LMN PGL Lasów Państwowych a stanowiącej istotny czynnik w dobie handlu emisjami CO2 czy wdrażania dyrektyw UE o energiach odnawialnych.
Dynamic economic and social changes taking place for the past 20 years in Poland, effects often of such loss of extensive agriculture and abandonment of agricultural activities particularly on small and narrow plots, usually on the soils of poor grading. Even before the Polish accession to the EU, set-aside and fallow areas cover approx. 2.3 million ha (in 2002), but in subsequent years the area drastically decreased from 1.3 million ha (in 2004), by 1.0 million ha (2005) to 0.4 million hectares (2011). As a result of cessation of mowing meadows, grazing pastures and agricultural measures, we can observed the phenomenon of secondary forest succession (plant communities of a forest properties) leading to changes in land use and land cover classes structure. Recording changes in the agro-forestry space, update reference registers of the land and building (EGiB) and control granted to farmers subsidies (direct EU payments) requires an efficient and automated technology acquisition, processing and analysis of spatial data. In addition to the used by ARiMR (in the LPIS system) vector data and aerial orthophotomaps, there is still a need to strengthen the decision-making process such as update of current ranges of land-use classes. One of the GI technologies that could be a real breakthrough is the Airborne Laser Scanning (ALS). The study area cover 137.17 ha in the village Tuklęcz (commune Rytwiany, Staszów County, Świętokrzyskie Voivodeship). The EGiB geodata came from PODGiK in Staszów. They were two ALS point cloud data sets: one provided by the RZGW in Krakow (from airborne campaign Nov. 2009; density ~2 pts/m2) and the second from ISOK project (Nov. 2012; density ~4 pts/m2). The Terrasolid and FUSION (USDA Forest Service) and ArcGIS Esri software were used in the study. Detection of vegetation was carried out in 4 variants differ in the “height above ground” of the class "succession" (thresholds: from 0.4m, 1m, 2m and 3m). The results indicate that in each scenario (variant), in the area of arable land ("R")- class (covering 60.55% of the analyzed area) were over 70% of all detected secondary forest succession polygons, covering more than 50% of agricultural land. Secondary succession occupied from 31.38% to 61.05% the land-use "R" and from 34.93% to 67.03% of the land-use Pastures’ ("Ps"), which shows the high economic transformations taking place in the area. The use of wide-scale ALS data in Poland, has been made possible by the ISOK project assuming execution to the end of 2013 for an area of about 191.000 km2 of classified ALS point cloud (cloud density: 4 pts/m2 – Standard I for agricultural areas; 12 pts/m2 - Standard II for urban areas), digital terrain model (DTM) and the digitals (topographic) surface model (DSM). In addition, the aerial photographs are obtained in the ISOK project for coloring of ALS point clouds or for orthophoto generation purpose. Observed in the years 2002 -2010 decrease by 26% the number of farms in Poland (up to 1 ha area) is some indication that the problem of abandonment of agricultural land has not yet been closed. Regular ALS campaigns or the use of alternative technologies such as stereo-matching of aerial photographs or radar technologies, it gives a good chance to manage and monitor the changes in rural areas. This retrieved data can be used in the construction of development plans of communes or management plans of Natura2000, which largely depend on properly conducted agricultural economy (Special Protection Areas - SPA) means eg mowing overgrown meadows and pastures. On the other hand, since 1995, the National Afforestation Programme (KPZL) exist, which implies achieving 30% forest cover in Poland in year 2020 and 33% in year 2050.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2013, Spec.; 97-108
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wpływ algorytmu przetwarzania chmury punktów na dokładność wyznaczenia wymiaru małych elementów
The influence of point cloud processing on the accuracy of determining a small element dimension
Autorzy:
Rak, M.
Woźniak, A.
Powiązania:
https://bibliotekanauki.pl/articles/155232.pdf
Data publikacji:
2013
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
chmura punktów
skaning
filtracja
point cloud
scanning
filtration
Opis:
Celem badań było wyznaczenie wpływu algorytmów przetwarzania chmury punktów na dokładność wyznaczenia wymiaru, na przykładzie danych pochodzących z pomiaru elementu o prostej geometrii i małym wymiarze. Dane zostały otrzymane z pomiarów przeprowadzonych na zasadzie triangulacji laserowej. Chmury punktów były poddawane przetwarzaniu różnego typu, a porównywanym parametrem był wymiar i odchyłka kształtu. Wykazano, iż stosowanie filtracji, a w szczególności tworzenie siatki trójkątów znacząco poprawia wygląd chmury. Jest to natomiast wyłącznie wizualizacja, która dodatkowo negatywnie wpływa na dokładność wyznaczenia wymiaru.
The aim of the study was to determine the effect of point cloud processing on the accuracy of determination of dimension. The experiment was conducted on an example of the data from a measurement of the element of small diameter and simple geometry – a ceramic ball. The data was obtained from the optical measuring method - laser triangulation. When measuring, the noise caused by properties of the measured surface or environmental conditions is generated. It should be filtered in order not to adversely affect the measurement result. Point clouds were processed in different ways: creating a mesh of triangles, and filtering with a median filter, and an average filter. The parameter taken into account in the analysis was the sphere radius and the sphericity error. Optical measuring methods are used mainly for large elements since they provide a large number of measuring points in a short period of time. This paper presents the problem which appears when small parts of simple geometry are for example a part of large free surfaces. It was shown that the use of filtration, in particular creation of the mesh of triangles, improved the appearance of clouds significantly in the case of a small element for which the ratio of noise to the measurement points is higher. However, it is only the visualization, which additionally affects the accuracy of dimension determination.
Źródło:
Pomiary Automatyka Kontrola; 2013, R. 59, nr 5, 5; 406-409
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Porównanie właściwości chmury punktów wygenerowanej metodą dopasowania obrazów zdjęć lotniczych z danymi z lotniczego skanowania laserowego
Comparison of point clouds derived from aerial image matching with data from airborne laser scanning
Autorzy:
Dominik, W.
Powiązania:
https://bibliotekanauki.pl/articles/129621.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
chmura punktów
dopasowanie obrazów
semi-global matching
lotnicze skanowanie laserowe
numeryczny model pokrycia terenu
point cloud
image matching
airborne laser scanning (ALS)
digital surface model
Opis:
Celem niniejszego opracowania było zbadanie właściwości chmur punktów tworzonych metodą dopasowania obrazów zdjęć lotniczych semi-global matching (SGM) i porównanie ich z chmurami punktów z lotniczego skanowania laserowego. Do badań wykorzystane zostały zdjęcia lotnicze oraz dane z lotniczego skanowania laserowego pozyskane w latach 20102013 na obszarze centrum Elbląga. Na podstawie wejściowego zbioru danych wygenerowano chmury punktów metodą SGM, które poddano następnie analizie. Otrzymane chmury punktów badano poprzez porównanie dokładności wysokościowej względem profilu pomierzonego w terenie, porównanie wizualne profili chmur punktów oraz porównanie wizualne wygenerowanych na podstawie chmur punktów modeli pokrycia terenu. Przeprowadzone badania pozwoliły na sformułowanie szeregu szczegółowych wniosków dotyczących jakości chmur punktów SGM w odniesieniu do różnych czynników. Sformułowane wnioski szczegółowe prowadzą do generalnego spostrzeżenia, że chmury punktów SGM są produktem mniej niezawodnym, bardziej nieprzewidywalnym i zależnym od większej liczby czynników niż chmury punktów LIDAR. Mimo to przy odpowiednich parametrach chmury punktów SGM mogą przewyższać dokładnościowo chmury punktów LIDAR, a także dostarczać bardziej szczegółowej informacji dotyczącej pokrycia terenu. Skłania to do wniosku, że chmury punktów SGM mają potencjał i warto rozwijać tę metodę generowania chmur punktów.
The aim of this study was to investigate the properties of point clouds derived from aerial image matching and to compare them with point clouds from airborne laser scanning. A set of aerial images acquired in years 2010-2013 over the city of Elblag were used for the analysis. Images were acquired with the use of three digital cameras: DMC II 230, DMC I and DigiCAM60 with a GSD varying from 4.5 cm to 15 cm. Eight sets of images that were used in the study were acquired at different stages of the growing season – from March to December. Two LiDAR point clouds were used for the comparison – one with a density of 1.3 p/m2 and a second with a density of 10 p/m2. Based on the input images point clouds were created with the use of the semi-global matching method. The properties of the obtained point clouds were analyzed in three ways: – by the comparison of the vertical accuracy of point clouds with reference to a terrain profile surveyed on bare ground with GPS-RTK method – by visual assessment of point cloud profiles generated both from SGM and LiDAR point clouds – by visual assessment of a digital surface model generated from a SGM point cloud with reference to a digital surface model generated from a LiDAR point cloud. The conducted studies allowed a number of observations about the quality of SGM point clouds to be formulated with respect to different factors. The main factors having influence on the quality of SGM point clouds are GSD and base/height ratio. The essential problem related to SGM point clouds are areas covered with vegetation where SGM point clouds are visibly worse in terms of both accuracy and the representation of terrain surface. It is difficult to expect that in these areas SGM point clouds could replace LiDAR point clouds. This leads to a general conclusion that SGM point clouds are less reliable, more unpredictable and are dependent on more factors than LiDAR point clouds. Nevertheless, SGM point clouds generated with appropriate parameters can have better accuracy than LiDAR point clouds and present more detailed information about the terrain surface.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2014, 26; 53-56
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
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:
Gęstość chmury punktów pochodzącej z mobilnego skanowania laserowego
Density of point clouds in mobile laser scanning
Autorzy:
Warchoł, A.
Powiązania:
https://bibliotekanauki.pl/articles/130766.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
mobilny skaning laserowy
chmura punktów
gęstość
mobile laser scanning
point clouds
density
Opis:
Dzięki intensywnemu rozwojowi technologia LiDAR (Light Detection And Ranging) jest w ostatnim czasie co raz bardziej popularną metodą pozyskiwania informacji przestrzennej. Rejestrowanie przestrzeni za pomocą skanerów laserowych zamontowanych na mobilnej platformie łączy w sobie szybkość pozyskiwania gęstej chmury punktów z dokładnościami centymetrowymi. Jest to więc bardzo skuteczne rozwiązanie do pozyskiwania informacji o obiektach wydłużonych (liniowych), a także ich otoczeniu. Wynikowa chmura punktów, aby mogła być wykorzystywana do poszczególnych zastosowań, musi spełniać określone parametry, zarówno dokładnościowe jak i jakościowe. Zwykle zamawiający określa wartości parametrów, które w projekcie należy uzyskać. O ile w kwestii parametrów dokładnościowych nie pojawiają się rozbieżności co do metodyki, o tyle w przypadku gęstości chmury punktów sytuacja nie jest jednoznaczna. Ze względu na specyfikę danych MLS (Mobile Laser Scanning), nie można tu zastosować bezpośrednio rozwiązań z ALS (Airborne Laser Scanning). Podawanie również gęstości chmury punktów jako ilorazu liczby punktów przez „płaskie” pole powierzchni powstające z rzutu granicy projektu na płaszczyznę, powoduje mylne wrażenie o gęstości chmury punktów na zeskanowanych obiektach. A właśnie gęstość chmury punktów na obiektach jest kluczowym kryterium w kwestii jej przydatności do dalszego przetwarzania i wykorzystania (np. możliwość rozpoznania obiektów na chmurze). W niniejszym artykule, na trzech polach testowych, zbadano trzy różne metody obliczania gęstości zbioru danych LiDAR dzieląc liczbę punktów: najpierw przez „płaskie” pole powierzchni, następnie przez „trójwymiarowe”, a kończąc na metodzie voxelowej. Najbardziej wiarygodną wydaje się być metoda voxelowa, która oprócz samych lokalnych wartości gęstości, przedstawia ich przestrzenny rozkład.
The LiDAR (Light Detection And Ranging) technology is becoming a more and more popular method to collect spatial information. The acquisition of 3D data by means of one or several laser scanners mounted on a mobile platform (car) could quickly provide large volumes of dense data with centimeter-level accuracy. This is, therefore, the ideal solution to obtain information about objects with elongated shapes (corridors), and their surroundings. Point clouds used by specific applications must fulfill certain quality criteria, such as quantitative and qualitative indicators (i.e. precision, accuracy, density, completeness).Usually, the client fixes some parameter values that must be achieved. In terms of the precision, this parameter is well described, whereas in the case of density point clouds the discussion is still open. Due to the specificities of the MLS (Mobile Laser Scanning), the solution from ALS (Airborne Laser Scanning) cannot be directly applied. Hence, the density of the final point clouds, calculated as the number of points divided by "flat" surface area, is inappropriate. We present in this article three different ways of determining and interpreting point cloud density on three different test fields. The first method divides the number of points by the "flat" area, the second by the "three-dimensional" area, and the last one refers to a voxel approach. The most reliable method seems to be the voxel method, which in addition to the local density values also presents their spatial distribution.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2015, 27; 149-161
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł

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