SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 5 / 5
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
BREZPARAMETRIČNI ALGORITEM GRADNJE DIGITALNEGA MODELA RELIEFA IZ PODATKOV LiDAR
Domen Mongus, 2012, doktorska disertacija

Opis: V doktorski disertaciji opišemo dva postopka gradnje digitalnega modela reliefa iz podatkov LiDAR. Prva metoda iterativno približuje zlepke tankih plošč proti terenu, pri čemer s postopnim zmanjševanjem strukturnega elementa opravlja filtriranje točk glede na njihove viške razlike z interpolacijsko ploskvijo. S cilindrično transformacijo okrepimo nezveznosti v porazdelitvi točk, ki so posledica prisotnosti objektov. Brezparametrično pragovno filtriranje dosežemo samodejno s pragovno vrednostjo, definirano s standardno deviacijo. Rezultati pokažejo, da metoda pravilno določi teren tudi v najzahtevnejših primerih. Pričakovana natančnost metode nad podatki, danes uporabljenimi v vsakodnevni praksi, je več kot 96 %, medtem ko povprečna skupna napaka nad naborom testnih podatkov združenja ISPRS ne preraste 6 %. Druga metoda uporablja prilagodljiv morfološki filter, kjer je velikost strukturnega elementa v vsaki točki določena glede na njeno razdaljo do najbližjega roba. Vhodni nabor podatkov v ta namen najprej razporedimo v mrežo, nad katero izvedemo zaznavo robov z metodo kompas in Sobelovim operatorjem. Z morfološkim polnjenjem regij razdelimo mrežo v regije ospredja in ozadja. Definicijo strukturnega elementa izpeljemo iz transformacije razdalj regij ospredja. Končno filtriranje podatkov opravimo s cilindrično transformacijo in pragovnim filtriranjem. Z rezultati pokažemo, da na ta način v primerjavi s prvo metodo dosežemo 94 % višjo računsko učinkovitost, medtem ko je natančnost metode višja za 20 % nad podatki z nižjo ločljivostjo ter 30 % nad podatki z višjo ločljivostjo.
Ključne besede: algoritmi, daljinsko zaznavanje, računalniška geometrija, razpoznava vzorcev, digitalni model reliefa, matematična morfologija, LiDAR, samodejno filtriranje podatkov, klasifikacija, zlepki tankih plošč
Objavljeno: 28.09.2012; Ogledov: 1364; Prenosov: 242
.pdf Celotno besedilo (12,56 MB)

2.
UPODABLJANJE VREDNOSTI GEOMETRIJSKIH ATRIBUTOV V VOKSELSKEM PROSTORU
Denis Horvat, 2013, magistrsko delo

Opis: V magistrskem delu opišemo postopek upodabljanja ter analize geometrijskih atributov vokselskih podatkov. Upodabljanje realiziramo z algoritmom metanja žarka(angl. ray-casting), ki skozi vokselski prostor pošlje žarek. Končno vrednost posameznega piksla prikaže s pomočjo funkcije prikaza ERT, XRAY, MIP ali LMIP. Ker se najzahtevnejši računski del za več pikslov hkrati izvaja na gračni kartici, dosežemo upodobitev v realnem času. Drugi del magistrskega dela opisuje postopek analize vokselskih podatkov, ki jo izvedemo s profifili atributnih razlik, kjer posamezen profifil določa razlika dveh zaporednih atributnih filtriranj. Izhod iz analize prikažemo z modeloma CSL in ABV, ki za predstavitev uporabljata barvna prostora HSV in CIELab LCH.
Ključne besede: algoritmi, računalniška geometrija, matematična morfologija, realno-časovno upodabljanje, profili atributnih razlik, barvni modeli
Objavljeno: 23.08.2013; Ogledov: 1348; Prenosov: 112
.pdf Celotno besedilo (7,56 MB)

3.
ZAZNAVA DALJNOVODOV V PODATKIH LIDAR
Robi Cvirn, 2015, magistrsko delo/naloga

Opis: V tem magistrskem delu predstavljamo novo metodo za razpoznavo daljnovodov v podatkih LiDAR. Ker so ti predstavljeni kot množice linearno razporejenih točk nad terenom, izvedemo zaznavo področij na katerih se ti nahajajo s pomočjo cilindrične transformacije na osnovi morfološkega odpiranja. S pragovnim filtrom zaznamo predele z visokim odzivom, nato pa preverimo linearnost njihove porazdelitve s postopkom lokalnega prilagajanja premic. Slednjega ponovimo dvakrat, pri čemer najprej zaznamo položaje daljnovodov, nato pa razpoznamo točke posameznih vodnikov. V zadnjem koraku metode razpoznamo še stebre daljnovodov. Predlagana metoda je hitra, saj je zmožna obdelati 5 milijonov točk v manj kot 40 sek. Glede na rezultate opravljenih eksperimentov, pa metoda dosega točnost in specifičnost razpoznave nad 60% ter natančnost nad 99%.
Ključne besede: LiDAR, razpoznava vzorcev, matematična morfologija, geografski informacijski sistemi
Objavljeno: 14.10.2015; Ogledov: 407; Prenosov: 53
.pdf Celotno besedilo (6,12 MB)

4.
Pohitritev transformacije domnevnih razdalj
Danijel Žlaus, 2016, magistrsko delo/naloga

Opis: V magistrskem delu opisujemo pohitritev transformacije domnevnih razdalj, ki je izpeljanka tradicionalnih algoritmov transformacij razdalj. Transformacije razdalj običajno delujejo nad dvodimenzionalnimi binarnimi slikami, kjer vsakemu elementu ospredja določijo oddaljenost do najbližjega elementa ozadja. Kadar slika ni binarna, je nad njo potrebno izvesti dodano predprocesiranje, ki vključuje korak binarizacije. Nasprotno pa lahko transformacijo domnevnih razdalj uporabimo neposredno nad sivinskimi, barvnimi in multispektralnimi slikami in se tako izognemo pogoste neželenemu predprocesiranju. Slabost tega pristopa pa je časovna zahtevnost, ki je v naivni implementaciji kar O(N^2.5). V magistrskem delu predstavimo pohitren algoritem transformacije domnevnih razdalj ter teoretično analizo njegove časovne zahtevnosti. Nad implementiranim algoritmom izvedemo tudi meritve, s čimer potrdimo teoretične časovne zahtevnosti pohitrenega pristopa, ki je enaka O(N^1.5) v pričakovanem ter O(N^2) v najslabšem primeru.
Ključne besede: matematična morfologija, transformacija domnevnih razdalj, transformacija razdalj, časovna zahtevnost, optimizacijske metode
Objavljeno: 06.09.2016; Ogledov: 288; Prenosov: 31
.pdf Celotno besedilo (6,77 MB)

5.
Algoritem za klasifikacijo točk vegetacije iz posnetkov LiDAR
Denis Horvat, 2017, doktorska disertacija

Opis: V doktorski disertaciji predstavimo nov algoritem za klasifikacijo vegetacije v podatkih LiDAR. Klasifikacijski postopek povzamemo z dvema korakoma: analiza porazdelitve točk ter analiza njihovega konteksta. Poglavitna značilnost točk vegetacije je namreč statistično visoka razpršenost višin, zato jih lahko učinkovito razpoznamo v odvisnosti od napak pri prileganju ravnin. Klasifikacijo dodatno izboljšamo z uvedbo treh kontekstnih filtrov, ki obravnavajo povezane objekte (na primer zidove, dimnike, balkone), razraščeno vegetacijo in majhne objekte (na primer avtomobile, ograje, kipe). Pokazali smo, da lahko s predlaganim algoritmom vegetacijo razpoznamo neodvisno od tipa vegetacije (listavci in iglavci), okolja (gorsko, gozdnato, urbano) in nivoja olistanosti. V postopku validacije algoritma smo namreč v povrečju dosegli 97,9% rezultat F1 v neurbanih območjih in 91% v urbanih, ki iz vidika težavnosti klasifikacije veljajo za zahtevnejša. Pri klasifikaciji uporabljamo samo geometrijske podatke oblaka točk, kar predstavlja prednost algoritma pred drugimi, katerih uspešnost je v veliki meri odvisna od lastnosti, kot so visoka gostota točk in zanesljivost (ali prisotnost) drugih informacij. Analiza treh vhodnih parametrov je prav tako pokazala, da so le-ti stabilni in robustni. Predlagani algoritem zato omogoča uporabniško interakcijo ter nadzor razmerja celovitosti in pravilnosti klasifikacije.
Ključne besede: algoritem, daljinsko zaznavanje, LiDAR, matematična morfologija, prileganje površij, klasifikacija vegetacije
Objavljeno: 04.04.2017; Ogledov: 333; Prenosov: 85
.pdf Celotno besedilo (11,60 MB)

Iskanje izvedeno v 0.09 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici