• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Automatic urban modelling using mobile urban LIDAR data.
【24h】

Automatic urban modelling using mobile urban LIDAR data.

机译：使用移动城市LIDAR数据进行自动城市建模。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Recent advances in Light Detection and Ranging (LIDAR) technology and integration have resulted in vehicle-borne platforms for urban LIDAR scanning, such as Terrapoint Inc.'s TITAN® system. Such technology has lead to an explosion in ground LIDAR data. The large size of such mobile urban LIDAR data sets, and the ease at which they may now be collected, has shifted the bottleneck of creating abstract urban models for Geographical Information Systems (GIS) from data collection to data processing. While turning such data into useful models has traditionally relied on human analysis, this is no longer practical. This thesis outlines a methodology for automatically recovering the necessary information to create abstract urban models from mobile urban LIDAR data using computer vision methods. As an integral part of the methodology, a novel scale-based interest operator is introduced (Difference of Normals) that is efficient enough to process large datasets, while accurately isolating objects of interest in the scene according to real-world parameters. Finally a novel localized object recognition algorithm is introduced (Local Potential Well Space Embedding), derived from a proven global method for object recognition (Potential Well Space Embedding). The object recognition phase of our methodology is discussed with these two algorithms as a focus.
机译：光检测和测距（LIDAR）技术及其集成的最新进展已形成了用于城市LIDAR扫描的车载平台，例如Terrapoint Inc.的TITAN®系统。此类技术已导致地面激光雷达数据爆炸。此类移动城市LIDAR数据集的规模巨大，并且现在可以轻松收集这些数据集，已经为创建地理信息系统（GIS）的抽象城市模型的瓶颈从数据收集转移到了数据处理。传统上，将此类数据转换为有用的模型时，需要依靠人工分析，但这已不再实际。本文概述了一种方法，该方法可使用计算机视觉方法从移动的城市LIDAR数据中自动恢复必要的信息以创建抽象的城市模型。作为该方法的组成部分，引入了一种新颖的基于比例的兴趣运算符（法向差异），该运算符的效率足以处理大型数据集，同时根据实际参数准确地隔离场景中的兴趣对象。最后，引入了一种新颖的局部目标识别算法（局部势阱空间嵌入），该算法源自一种经过验证的全局物体识别方法（势阱空间嵌入）。我们以这两种算法为重点讨论了我们方法的对象识别阶段。

著录项

  • 作者

    Ioannou, Yani.;

  • 作者单位

    Queen's University (Canada).;

  • 授予单位 Queen's University (Canada).;
  • 学科 Computer Science.
  • 学位 M.Sc.
  • 年度 2010
  • 页码 166 p.
  • 总页数 166
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号