1. Razpoznava vinogradov iz podatkov LiDARŽan Tomaž Šprajc, 2025, master's thesis Abstract: Tehnologija LiDAR človeku omogoča nove načine odkrivanja svojega okolja, v katerem se skrivajo arheološki ostanki naših prednikov in namigi k optimizaciji vsakdanjika. V magistrskem delu smo raziskovali pot, ki je vodila do daljinskega zaznanja, in rešitve, ki so omogočile njeno raziskovanje. Algoritme iskanja po drevesih in gručanja smo vgradili v tri rešitve, ki so iz podatkov LiDAR, zajetih z letalnikom in letalom, poskušale razpoznati linije vinske trte. Zagoni rešitev so temeljili na cevovodu, ki je izvorne .laz datoteke vodil do ciljnih oblik. Izplene zagonov smo predstavili v okviru njihove statistične analize, s katero smo izpostavili prednosti in slabosti posamičnega pristopa.
Keywords: LiDAR, DBSCAN, RANSAC, vinogradništvo, daljinsko zaznavanje
Published in DKUM: 04.09.2025; Views: 0; Downloads: 36
 Full text (2,38 MB) |
2. Region segmentation of images based on a raster-scan paradigmLuka Lukač, Andrej Nerat, Damjan Strnad, Štefan Horvat, Borut Žalik, 2024, original scientific article Abstract: This paper introduces a new method for the region segmentation of images. The approach is based on the raster-scan paradigm and builds the segments incrementally. The pixels are processed in the raster-scan order, while the construction of the segments is based on a distance metric in regard to the already segmented pixels in the neighbourhood. The segmentation procedure operates in linear time according to the total number of pixels. The proposed method, named the RSM (raster-scan segmentation method), was tested on selected images from the popular benchmark datasets MS COCO and DIV2K. The experimental results indicate that our method successfully extracts regions with similar pixel values. Furthermore, a comparison with two of the well-known segmentation methods—Watershed and DBSCAN—demonstrates that the proposed approach is superior in regard to efficiency while yielding visually similar results.
Keywords: segment, image analysis, distance metric, Watershed, DBSCAN
Published in DKUM: 05.12.2024; Views: 0; Downloads: 8
 Link to file |
3. GRUČENJE PODATKOV LiDARBoštjan Založnik, 2014, undergraduate thesis Abstract: Cilje diplomske naloge je raziskati možnosti uporabe algoritmov gručenja za obdelavo
podatkov LiDAR. Prvi del diplomske naloge predstavlja podatke LiDAR in algoritme
gručenja. S senzorji LiDAR, pritrjenimi na letala ali helikopterje, je omogočeno hitro in
natančno modeliranje površja. Metode gručenje predstavljajo enega izmed pristopov za
detekcijo objektov na površju. Gručenje je vrsta nenadzorovane klasifikacije podatkov. Za
učinkovito implementacijo algoritmov gručenja so potrebne posebne podatkovne strukture.
Pri diplomski nalogi uporabljamo drevesa KD. V drugem delu diplomske naloge
predstavimo aplikacijo. Pripravi podatkov s predobdelavo sledi uporaba algoritma
DBSCAN za iskanje zgradb in cest. Za iskanje dreves smo uporabili algoritem k-means. V
zaključku podamo rezultate in uporabljene parametre.
Keywords: algoritmi gručenja, k-means, DBSCAN, iskanje zgradb, iskanje
cest, iskanje drevesnih krošenj, podatki LiDAR
Published in DKUM: 20.05.2014; Views: 1793; Downloads: 203
Full text (5,21 MB) |
