The automatic point based approache

The automatic point based approaches, which are based on hierarchical rules, have been proposed to achieve ground, building and vegetation classes using the raw LiDAR point cloud data. In proposed approaches, every single LiDAR point is analyzed according to their features such as height, multi-return, etc. then automatically assigned to the class which they belong to. The use of un-gridded point cloud in proposed point based classification process helped the determination of more realistic rule sets. The detailed parameter analyses have been performed to obtain the most appropriate parameters in the rule sets to achieve accurate classes. The hierarchical rule sets were created for proposed Approach 1 (using selected spatial-based and echo-based features) and Approach 2 (using only selected spatial-based features) and have been tested in the study area in Zekeriyaköy, Istanbul which includes the partly open areas, forest

ผลลัพธ์ (ไทย) 1:

วิธีการอัตโนมัติจุดคะแนน ซึ่งเป็นไปตามกฎการลำดับชั้น ได้รับการเสนอเพื่อให้เกิดพื้นดิน เรียนอาคารและพืชที่ใช้ LiDAR ดิบชี้มูลคลาวด์ ในวิธีการนำเสนอ ทุกจุด LiDAR เดียวเป็นวิเคราะห์ตามคุณสมบัติเช่นความสูง กลับหลาย ฯลฯ แล้ว โดยอัตโนมัติกำหนดที่ระดับซึ่งพวกเขาอยู่ การใช้ cloud จุดแทบ un ในเสนอจุดตามการจัดประเภทกระบวนการช่วยกำหนดของชุดกฎที่สมจริงมากขึ้น วิเคราะห์รายละเอียดพารามิเตอร์มีการรับพารามิเตอร์เหมาะสมที่สุดในการตั้งค่ากฎเพื่อให้บรรลุระดับชั้นถูกต้อง การตั้งค่ากฎลำดับชั้นถูกสร้างขึ้นสำหรับการเสนอแนวทางที่ 1 (ใช้คุณสมบัติ ตาม echo และเชิงพื้นที่ตามที่เลือก) และวิธีที่ 2 (ใช้เฉพาะเชิงพื้นที่ตามคุณสมบัติที่เลือก) และได้รับการทดสอบในพื้นที่ศึกษาใน Zekeriyaköy อิสตันบูลซึ่งมีพื้นที่เปิดบางส่วน ป่า

ผลลัพธ์ (ไทย) 2:

วิธีการจุดอัตโนมัติตามซึ่งจะขึ้นอยู่กับกฎลำดับชั้นได้รับการเสนอเพื่อให้บรรลุพื้นอาคารเรียนและพืชผักโดยใช้ LiDAR ข้อมูลดิบเมฆจุด ในวิธีการที่นำเสนอทุกจุด LiDAR เดียวคือการวิเคราะห์ตามคุณสมบัติของพวกเขาเช่นความสูงหลายผลตอบแทนเป็นต้นจากนั้นได้รับมอบหมายในชั้นเรียนโดยอัตโนมัติซึ่งพวกเขาอยู่ การใช้งานของ UN-gridded เมฆจุดในจุดกระบวนการจัดหมวดหมู่ตามที่เสนอช่วยให้การกำหนดชุดของกฎที่สมจริงมากขึ้น การวิเคราะห์พารามิเตอร์รายละเอียดได้รับการดำเนินการขอรับค่าพารามิเตอร์ที่เหมาะสมที่สุดในการปกครองชุดเพื่อให้เกิดการเรียนที่ถูกต้อง ชุดกฎลำดับชั้นที่สร้างขึ้นสำหรับการเสนอวิธีการ 1 (โดยใช้การเลือกคุณลักษณะเชิงพื้นที่ตามและ Echo-based) และวิธีการที่ 2 (ใช้เลือกเท่านั้นคุณสมบัติเชิงพื้นที่-based) และได้รับการทดสอบในพื้นที่ศึกษาในZekeriyaköy, อิสตันบูลซึ่งรวมถึงบางส่วน เปิดพื้นที่ป่า

ผลลัพธ์ (ไทย) 3:

จุดอัตโนมัติตามแนวทาง ซึ่งตามกฎลำดับชั้นได้รับการเสนอเพื่อให้พื้นอาคาร และพืชชั้นใช้จุดดิบ LIDAR เมฆข้อมูล ในการนำเสนอวิธีการจุด LIDAR ทุกเดียวจะวิเคราะห์ตามคุณลักษณะของตนเอง เช่น ความสูง หลายคืน ฯลฯ แล้วจะมอบหมายให้ห้องที่พวกเขาอยู่ . การใช้และ gridded เมฆจุดในกระบวนการการเสนอประเด็นช่วยหาชุดกฎที่สมจริงมากขึ้น การวิเคราะห์พารามิเตอร์รายละเอียดได้ดำเนินการเพื่อให้ได้ค่าพารามิเตอร์ที่เหมาะสมที่สุดในชุดกฎเพื่อให้ชั้นเรียนที่ถูกต้อง กฎที่ถูกสร้างขึ้นเพื่อเสนอวิธีการแบบชุด 1 ( ใช้เลือกพื้นที่ตาม และเสียงสะท้อนจากคุณสมบัติ ) และการสอน 2 ( ใช้พื้นที่คุณลักษณะที่เลือกเท่านั้น ) และได้รับการทดสอบในพื้นที่ศึกษาใน zekeriyak ö y , อิสตันบูลซึ่งรวมถึงพื้นที่ที่เป็นป่าเปิด