The task of identifying coincident

The task of identifying coincident locations in the lidar data
was facilitated by a suite of image-processing and terrain
visualization tools. We first interpolated a patch of lidar
data around the terrain feature (typically ∼50×50 m) to a
high-resolution DEMusing a Delaunay triangulation gridding
algorithm.We then attempted to identify the precise location
of the terrain point in 3-D space using terrain visualization
software (Quick Terrain Modeler, Applied Imagery). In the
cases where it was possible to confidently identify each
distinctive terrain feature (e.g. a mountain peak or ridge
point) in a shaded relief visualization of the lidar DEM, point
markers were placed onto the DEM surface at the appropriate
location (Fig. 3b). Each point marker was then imported into
a model of the raw lidar point-cloud data (Fig. 3d), and
the 3-D coordinates of the closest raw lidar point to each
marker location were extracted. In those instances where
shaded relief visualization of the terrain surface alone was
insufficient to confidently locate the GCP, we overlaid the
laser signal intensity return over the DEM surface (Fig. 3c).
These data provided additional information with which to
identify coincident points between the aerial images and the
lidar elevation data, in particular when proximal to areas of
very high (e.g. light snow surfaces) or low (e.g. ponded liquid
water) laser reflectivity. Using these methods we were able to
locate a total of 50 GCPs throughout the images comprising
the photo block (Fig. 4). Three-dimensional coordinates
extracted from the nearest raw lidar point to the GCP marker
location were assigned to each relevant control point when
measured in the aerial photographs. As some authors have
reported lidar errors to increase with off-nadir scan angle
(e.g. Baltsavias, 1999a), we selected marker locations as
close as possible to the centre of each of the nine swaths
comprising the full dataset. GCP extraction was therefore

ผลลัพธ์ (ไทย) 1:

งานในการระบุตำแหน่งที่ตั้งตรงในข้อมูล lidarชุดประมวลผลภาพและภูมิประเทศที่อาศัยเครื่องมือแสดงภาพประกอบเพลง เราต้องการสแพทช์ของ lidarข้อมูลสถานลักษณะภูมิประเทศ (ปกติ ∼50 × 50 เมตร) เพื่อเป็นความละเอียดสูง DEMusing การ Delaunay สาม griddingอัลกอริทึมการ จากนั้นเราพยายามที่จะระบุตำแหน่งที่แม่นยำจุดภูมิประเทศในอวกาศ 3 มิติโดยใช้ภูมิประเทศแสดงภาพประกอบเพลงซอฟต์แวร์ (Modeler ภูมิประเทศด่วน หุ่นขี้ผึ้งที่ใช้) ในกรณีที่เป็นไปได้ที่จะระบุแต่ละความลักษณะภูมิประเทศที่โดดเด่น (เช่นยอดเขาหรือริดจ์ชี้) ในเพลงเงาบรรเทาของ lidar DEM จุดเครื่องหมายถูกวางลงบนพื้นผิว DEM ที่เหมาะสมสถาน (Fig. 3b) แต่ละเครื่องหมายจุดที่นำเข้ารูปแบบของข้อมูลดิบ lidar เมฆจุด (Fig. 3d), และพิกัด 3 มิติของ lidar ดิบสุดชี้ไปแต่ละสถานเครื่องหมายถูกสกัด ในกรณีที่ที่ถูกปลดปล่อยเงาภาพแสดงพื้นผิวภูมิประเทศเพียงอย่างเดียวพอค้นหา GCP มั่น เรา overlaidความเข้มของสัญญาณเลเซอร์กลับผ่านผิว DEM (Fig. 3 c)ข้อมูลเหล่านี้ให้ข้อมูลเพิ่มเติมซึ่งจะระบุจุดตรงระหว่างภาพทางอากาศและlidar ยกข้อมูล โดยเฉพาะอย่างยิ่งเมื่อพื้นที่ของ proximalสูงมาก (เช่นแสงพื้นผิวหิมะ) หรือต่ำ (เช่น ponded ของเหลวน้ำแสงสะท้อนเลเซอร์ เราใช้วิธีการเหล่านี้ไม่สามารถค้นหาตำแหน่งของ GCPs 50 ตลอดทั้งภาพประกอบการถ่ายบล็อก (Fig. 4) พิกัดสามมิติแยกจากจุดที่ใกล้ที่สุด lidar ดิบไปหมาย GCPสถานกำหนดให้กับแต่ละตัวควบคุมที่เกี่ยวข้องชี้เมื่อวัดจากรูปถ่ายทางอากาศ มีผู้เขียนบางlidar รายงานข้อผิดพลาดเพิ่มขึ้นกับมุมแกนปิดจุดจอมดิน(เช่น Baltsavias, 1999a), เราเลือกตั้งทำเครื่องหมายเป็นปิดเป็นศูนย์ของแต่ละ swaths เก้าประกอบด้วยชุดข้อมูลทั้งหมด GCP สกัดได้ดังนั้น

ผลลัพธ์ (ไทย) 2:

งานการระบุสถานที่ประจวบในข้อมูล LIDAR
อำนวยความสะดวกโดยชุดของการประมวลผลภาพภูมิประเทศและ
เครื่องมือสร้างภาพ ก่อนอื่นเราหยันแพทช์ของ LIDAR
ข้อมูลรอบคุณลักษณะภูมิประเทศ (ปกติ ~50 × 50 เมตร) ที่จะ
มีความละเอียดสูง DEMusing สม Delaunay gridding
algorithm.We พยายามที่จะระบุตำแหน่ง
ของจุดภูมิประเทศในพื้นที่ 3 มิติโดยใช้ การสร้างภาพภูมิประเทศ
ซอฟแวร์ (ด่วนภูมิประเทศ Modeler ประยุกต์ภาพ) ใน
กรณีที่มันเป็นไปได้ที่จะมีความมั่นใจระบุแต่ละ
คุณลักษณะที่โดดเด่นของภูมิประเทศ (เช่นยอดเขาหรือสันเขา
จุด) ในการแสดงความโล่งใจร่มเงาของ DEM LIDAR ชี้
เครื่องหมายถูกวางลงบนพื้นผิว DEM ที่เหมาะสม
ที่ตั้ง (รูป. 3b) . เครื่องหมายแต่ละจุดถูกนำเข้ามาแล้วเป็น
รูปแบบของข้อมูลดิบ LIDAR จุดเมฆ (รูปที่. 3 มิติ) และ
3 มิติพิกัดของจุด LIDAR ดิบใกล้เคียงกับแต่ละ
สถานที่เครื่องหมายถูกสกัด ในกรณีที่ที่
มองเห็นบรรเทาร่มเงาของพื้นผิวภูมิประเทศอย่างเดียว
ไม่เพียงพอที่จะมั่นใจหา GCP เราวางทับ
สัญญาณเลเซอร์ความเข้มของการกลับมาบนพื้นผิว DEM (รูป. 3c).
ข้อมูลเหล่านี้ให้ข้อมูลเพิ่มเติมกับการที่จะ
ระบุจุดประจวบระหว่าง ภาพทางอากาศและ
ข้อมูลระดับความสูง LIDAR โดยเฉพาะอย่างยิ่งเมื่อใกล้เคียงไปยังพื้นที่ของ
สูงมาก (เช่นพื้นผิวหิมะ) หรือต่ำ (เช่นของเหลว ponded
น้ำ) การสะท้อนแสงเลเซอร์ การใช้วิธีการเหล่านี้เราสามารถที่จะ
หาจำนวน 50 ภาพไปทั่วภาคพื้นประกอบ
บล็อกภาพ (รูปที่. 4) พิกัดสามมิติ
ที่สกัดจากจุด LIDAR ดิบที่ใกล้ที่สุดเพื่อเครื่องหมาย GCP
สถานที่ได้รับมอบหมายให้แต่ละจุดควบคุมที่เกี่ยวข้องเมื่อ
วัดในภาพถ่ายทางอากาศ ในฐานะที่เป็นนักเขียนบางคนได้
รายงานข้อผิดพลาด LIDAR จะเพิ่มขึ้นด้วยการปิดจุดต่ำสุดมุมสแกน
(เช่น Baltsavias, 1999a) เราเลือกสถานที่เป็นเครื่องหมาย
ใกล้เคียงเป็นไปได้ที่จะเป็นศูนย์กลางของแต่ละเก้าเพาะปลูก
ที่ประกอบไปด้วยชุดเต็มรูปแบบ สกัด GCP จึง

ผลลัพธ์ (ไทย) 3:

งานระบุตำแหน่งประจวบใน LIDAR ข้อมูล
คือความสะดวก โดยชุดของการประมวลผลภาพและเครื่องมือการสร้างภาพภูมิประเทศ

เราขัดปะ
ข้อมูล LIDAR รอบภูมิประเทศคุณลักษณะ ( โดยปกติ∼ 50 × 50 เมตร ) เพื่อให้มีความละเอียดสูง demusing เป็นสามเส้า gridding เนย์


algorithm.we จากนั้นพยายามที่จะระบุตำแหน่งที่แม่นยำของภูมิประเทศ จุดในพื้นที่ 3 มิติ โดยใช้ซอฟต์แวร์ภาพ
ภูมิประเทศ ( แบบภูมิประเทศที่รวดเร็วการประยุกต์ ) ใน กรณีที่เป็นไปได้

โดดเด่นอย่างมั่นใจระบุแต่ละภูมิประเทศลักษณะ ( เช่น ยอดเขาหรือสันเขา
จุด ) ในการบรรเทาสีเทาของ lidar เด็ม จุด
เครื่องหมายถูกวางไว้บนผิวเด็มที่สถานที่ที่เหมาะสม
( รูปที่ 3B )แต่ละจุดเครื่องหมายถูกนำเข้าสู่
รูปแบบจุดเมฆข้อมูล LIDAR ดิบ ( รูปที่ 3 ) ,
3 มิติและพิกัดของจุด LIDAR ดิบใกล้แต่ละ
เครื่องหมายสถานที่ สกัด ใน กรณีที่
สีเทาชื้นการพัฒนาพื้นผิวภูมิประเทศคนเดียว
ไม่มั่นใจหา GCP เราหุ้ม
เลเซอร์ความเข้มของสัญญาณกลับผ่านพื้นผิวเด็ม ( รูป
3 C )ข้อมูลเหล่านี้ให้ข้อมูลเพิ่มเติมที่ระบุจุดตรงระหว่างภาพ

LIDAR ข้อมูลภาพถ่ายทางอากาศและความสูง โดยเฉพาะเมื่อใกล้ถึงพื้นที่ของ
สูงมาก ( เช่นแสงหิมะพื้นผิว ) หรือต่ำ ( เช่น ponded ของเหลว
) เลเซอร์ การสะท้อนกลับ การใช้วิธีการเหล่านี้เราสามารถที่จะ
ค้นหาทั้งหมด 50 gcps ตลอดภาพ ประกอบด้วยรูปถ่ายบล็อก
( รูปที่ 4 )พิกัดสามมิติ
สกัดจากจุดที่ใกล้ที่สุดกับ LIDAR ดิบ GCP เครื่องหมาย
สถานที่ มอบหมายให้แต่ละจุดควบคุมที่เกี่ยวข้องเมื่อ
วัดในรูปถ่ายทางอากาศ เป็นผู้เขียนบางรายมีรายงานเพิ่มขึ้น
LIDAR ข้อผิดพลาดออกท้ายน้ำสแกนมุม
( เช่น baltsavias 1999a , ) เราเลือกสถานที่เครื่องหมายเป็น
ใกล้ที่สุดเพื่อศูนย์บริการของแต่ละเก้าเพาะปลูก
ประกอบด้วยข้อมูลเต็มรูปแบบ การสกัด GCP จึง