Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 10

Liczba wyników na stronie
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych:  airborne laser scanning
help Sortuj według:

help Ogranicz wyniki do:
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
1
100%
The use of new technology, which is airborne laser scanning (LiDAR), allows to analyze changes in the natural environment. Due to its accuracy and precision, this method makes possible to study even small landforms. It is an excellent complement to traditional surveying methods. The analysis deals with Dębina Cliff – the several-kilometers long form located at the coast of the Ustka Gulf. The cliff was developed using LiDAR images and generated DEMs (Digital Elevation Models). Orthophotomaps and topographic maps in scale 1:10 000 proved to be helpful as well. The usefulness of LiDAR images and products for studying small landforms was presented. On their basis, the exact morphometric characteristics of Dębina Cliff was determined. By comparing images taken at different seasons, it was also possible to determine the changes that have occurred during the survey. Calculations and measurements have been developed with a help of GIS software: ArcGIS, QuantumGIS and Global Mapper.
The aim of this paper is to overview and analyse existing methods for estimation of tree geometric parameters from Airborne Laser Scanning (ALS) data in the context of their possible application for agricultural areas. A detailed description of the estimation methodology proposed by various research groups is presented, including Canopy Height Model creation, tree identification, crown delineation in 2D and 3D, estimation of tree height, crown base height, crown diameters and crown volume. Efficiency and drawbacks of presented methods are identified. It is also analysed, whether the existing methods, originally developed for forestry areas, are suitable for agricultural trees.
Lotniczy skaning laserowy jest obecnie jedną z najwydajniejszych technik pozyskiwania danych o powierzchni i elementach pokrycia terenu. Dynamiczny rozwój technologii pozwolił na szersze zastosowanie systemów typu full-waveform, które rejestrują kształt całej krzywej fali powracającej do odbiornika. W celu pozyskania dodatkowych informacji o obiektach, od których nastąpiło odbicie, zapisane dyskretne wartości przybliża się za pomocą zestawu funkcji parametrycznych. Prace badawcze koncentrują się na tworzeniu algorytmów pozwalających na przeprowadzenie szybkiej dekompozycji fali przy jednoczesnym wykryciu i aproksymacji słabych oraz nakładających się ech. Większość istniejących metod dekompozycji wymaga znajomości liczby wierzchołków występujących w sygnale i określenia przybliżonych parametrów wpasowywanych krzywych. W artykule zaproponowano alternatywny algorytm będący modyfikacją metody progresywnej, który pozwala na skuteczne przeprowadzenie dekompozycji sygnału z pominięciem prac przygotowawczych. Metoda polega na iteracyjnym wpasowaniu krzywych za pomocą algorytmu Levenberga–Marquardta z zastosowaniem wagowania poszczególnych sampli. Wykorzystując dane testowe, wykonano dwuetapową walidację algorytmu. W pierwszej kolejności zbadano wielkość i rozkład błędów aproksymacji powstałych podczas dekompozycji sygnału przy zastosowaniu funkcji Gaussa. W drugim etapie porównano otrzymane wyniki z wynikami aproksymacji za pomocą standardowej procedury. Na podstawie walidacji algorytmu można stwierdzić, że umożliwia on prawidłowe wykrycie wszystkich komponentów oraz ich poprawną aproksymację przy użyciu wybranego modelu matematycznego.
Dane lotniczego skanowania laserowego (ALS) pozyskiwane są najczęściej na potrzeby budowy numerycznych modeli wysokościowych. W Polsce dane takie pozyskane zostały dla obszaru niemal całego kraju w ramach projektu ISOK, związanego z osłoną przed zagrożeniami naturalnymi. Dane te zostały wykorzystane w niniejszej pracy do modelowania obrysów budynków. W tym celu zaproponowano algorytm będący kombinacją algorytmu α-shape do detekcji konturów budynków oraz iteracyjnego ogólnego modelu wyrównawczego do aproksymacji rzutów ortogonalnych ścian budynków. Identyfikację punktów reprezentujących obrysy budynków wykonano na podstawie chmury punktów, z której odrzucono punkty powyżej zadanej wysokości progowej. Identyfikacja obrysów budynków jako otoczki pustych powierzchni reprezentujących budynki dokładniej przybliża rzeczywiste położenie przyziemi ścian budynków. Do weryfikacji algorytmu wykorzystano chmurę punktów o gęstości 12 pkt/m2 reprezentującą miejski obszar zurbanizowany o zabudowie regularnej. Wyniki modelowania 2D budynków porównano z ich reprezentacją w bazie Ewidencji Gruntów i Budynków oraz obliczono odchyłki liniowe odpowiadających sobie narożników. Otrzymano średnią wartość odchyłki liniowej na poziomie 0,56 m. Wartość ta jest zgodna z nominalną dokładnością sytuacyjną danych ALS projektu ISOK. Błąd średniokwadratowy policzony na podstawie odchyłek liniowych wynosi 0,64 m. Otrzymane wyniki modelowania spełniają wymagania dokładnościowe Bazy Danych Obiektów Topograficznych 1:10000 (BDOT10k) i mogą być wykorzystane do jej weryfikacji, aktualizacji bądź zasilania.
Lotnicze skanery laserowe (ALS) wykorzystują najczęściej wiązkę światła z zakresu bliskiej podczerwieni, która absorbowana jest przez wodę. Powoduje to występowanie pustych obszarów (brak odbić promienia laserowego), pozbawionych punktów, w zbiorze danych skaningu laserowego. Detekcja konturów zbiorników wodnych w zbiorze danych skaningu laserowego może być zatem rozumiana jako identyfikacja obrysu obszarów pozbawionych punktów. Tak rozumiana detekcja zbiorników może być wykorzystana do aktualizacji i zasilania Bazy Danych Obiektów Topograficznych 1:10 000 (BDOT10k). Do detekcji zbiorników wodnych wykorzystano w pracy współrzędne x, y punktów klasy grunt, uprzednio sklasyfikowanej chmury punktów, o gęstości nominalnej 4 pkt/m2. Automatyczną identyfikację konturu zbiornika wykonano z wykorzystaniem algorytmu α-shape. Eksperymenty numeryczne wykonano dla 16 zestawów danych testowych (zbiorników wodnych). Ocenę dokładności identyfikacji konturów wykonano na podstawie porównania z ortofotomapą cyfrową o terenowej wielkości piksela 0,10 m. Na podstawie pomierzonych maksymalnych wartości odchyłek stwierdzono, że przeciętnie zbiorniki wodne zostały zidentyfikowane w 95%, a dla 62% obiektów testowych zidentyfikowano kontur ze 100% skutecznością. Ponadto wykorzystany algorytm posiada pewien mechanizm odpornościowy – eliminuje pojedyncze przypadkowe punkty na powierzchni zbiornika. Zaproponowana metoda może stanowić dodatkowe źródło zasilania BDOT, zwłaszcza dla zbiorników wodnych, których brzeg porośnięty jest roślinnością i trudno identyfikowalny na ortofotomapie.
Przedmiotem badań było określenie możliwości rozpoznawania elementów linii kolejowej na lotniczej chmurze punktów i wykorzystanie tego typu opracowań w geodezji inżynieryjnej. Obiekt opracowania stanowił fragment odcinka kolejowego w miejscowości Bochnia. Badania obejmują ogólny opis technologii LiDAR i lotniczego skaningu laserowego, identyfikację części elementów z linii kolejowej, które spełniają wymagania dokładnościowe, potwierdzone pomiarami kontrolnymi. Następnie omówiono sposób zaprezentowania opracowanej chmury punktów za pomocą nałożenia na nią tekstury ze zdjęcia lotniczego.
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.