An assessment of roof-mounted PV capacity over a local region can be a การแปล - An assessment of roof-mounted PV capacity over a local region can be a ไทย วิธีการพูด

An assessment of roof-mounted PV ca

An assessment of roof-mounted PV capacity over a local region can be accurately calculated by established roof segmentation algorithms using high-resolution light detection and ranging (LiDAR) datasets. However, over larger city regions often only low-resolution LiDAR data is available where such algorithms prove unreliable for small rooftops. A methodology optimised for low-resolution LiDAR datasets is presented, where small and large buildings are considered separately. The roof segmentation algorithm for small buildings, which are typically residential properties, assigns a roof profile to each building from a catalogue of common profiles after identifying LiDAR points within the building footprint. Large buildings, such as warehouses, offer a more diverse range of roof profiles but geometric features are generally large, so a direct approach is taken to segmentation where each LiDAR point within the building footprint contributes a separate roof segment. The methodology is demonstrated by application to the city region of Leeds, UK. Validation by comparison to aerial photography indicates that the assignment of an appropriate roof profile to a small building is correct in 81% of cases. © 2014 Elsevier Ltd.
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
การประเมินกำลังผลิต PV หลังคาติดตั้งเหนือภูมิภาคท้องถิ่นสามารถจะคำนวณ โดยสร้างหลังคาแบ่งอัลกอริทึมโดยใช้แสงตรวจละเอียด และตั้งแต่ datasets (LiDAR) อย่างถูกต้อง อย่างไรก็ตาม เหนือพื้นที่เมืองใหญ่มักเท่า ข้อมูลจาก LiDAR แสได้ที่อัลกอริทึมดังกล่าวพิสูจน์น่าสำหรับหลังคาขนาดเล็ก วิธีที่เหมาะสำหรับการแส LiDAR datasets งานกราฟฟิกการนำเสนอ ซึ่งอาคารขนาดเล็ก และใหญ่จะพิจารณาแยกต่างหาก อัลกอริทึมการแบ่งเซกเมนต์ของหลังคาสำหรับอาคารขนาดเล็ก ที่อยู่อาศัยโดยทั่วไป กำหนดโพรไฟล์หลังคาให้แต่ละอาคารจากแคตตาล็อกของโพรไฟล์ทั่วไปหลังจากระบุ LiDAR จุดภายในอาคารรอย อาคารขนาดใหญ่ เช่นคลังสินค้า ให้บริการหลากหลายมากขึ้นของโพรไฟล์หลังคาแต่คุณสมบัติเรขาคณิตมีขนาดใหญ่โดยทั่วไป เพื่อเป็นแนวทางตรงมาใช้แบ่งที่ละจุด LiDAR ภายในอาคารรอยจัดสรรเซ็กเมนต์หลังคาแยกต่างหาก วิธีจะแสดง โดยการประยุกต์การภูมิภาคเมืองลีดส์ สหราชอาณาจักร ตรวจสอบโดยการเปรียบเทียบการถ่ายภาพทางอากาศบ่งชี้ว่า การกำหนดโพรไฟล์หลังคาที่เหมาะสมกับอาคารขนาดเล็กถูกต้อง 81% ของกรณีและปัญหา © 2014 Elsevier จำกัด
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
การประเมินกำลังการผลิตพีวีหลังคาติดตั้งทั่วภูมิภาคในท้องถิ่นสามารถคำนวณได้อย่างถูกต้องตามขั้นตอนวิธีการที่จัดตั้งขึ้นหลังคาแบ่งส่วนการใช้การตรวจจับแสงที่มีความละเอียดสูงและหลากหลาย (LiDAR) ชุดข้อมูล แต่กว่าพื้นที่เมืองที่มีขนาดใหญ่มักจะเป็นเพียงข้อมูล LiDAR ความละเอียดต่ำสามารถใช้ได้ที่ขั้นตอนวิธีการดังกล่าวไม่น่าเชื่อถือในการพิสูจน์หลังคาขนาดเล็ก วิธีการที่ดีที่สุดสำหรับความละเอียดต่ำ LiDAR ชุดข้อมูลที่จะนำเสนอที่อาคารขนาดเล็กและขนาดใหญ่ที่ได้รับการพิจารณาแยกต่างหาก ขั้นตอนวิธีการแบ่งส่วนหลังคาสำหรับอาคารขนาดเล็กซึ่งโดยทั่วไปจะมีคุณสมบัติที่อยู่อาศัย, กำหนดรายละเอียดหลังคาแต่ละอาคารจากแคตตาล็อกของโปรไฟล์ที่พบหลังจากระบุจุด LiDAR ภายในสิ่งปลูกสร้าง อาคารขนาดใหญ่เช่นคลังสินค้ามีช่วงที่หลากหลายมากขึ้นของโปรไฟล์หลังคา แต่คุณสมบัติทางเรขาคณิตที่มีขนาดใหญ่โดยทั่วไปดังนั้นวิธีการโดยตรงถูกนำไปแบ่งส่วนที่จุด LiDAR แต่ละภายในสิ่งปลูกสร้างมีส่วนช่วยในส่วนของหลังคาที่แยกต่างหาก วิธีการแสดงให้เห็นโดยการประยุกต์ใช้ในพื้นที่ของเมืองลีดส์, สหราชอาณาจักร การตรวจสอบโดยเปรียบเทียบกับการถ่ายภาพทางอากาศแสดงให้เห็นว่าการกำหนดรายละเอียดของหลังคาที่เหมาะสมกับอาคารขนาดเล็กที่ถูกต้องใน 81% ของกรณี © 2014 เอลส์ จำกัด
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
การประเมินการติดตั้งหลังคาแสงอาทิตย์ความจุเกินพื้นที่ท้องถิ่นสามารถได้อย่างถูกต้องคำนวณโดยการใช้แสงที่มีความละเอียดสูงขึ้นหลังคาขั้นตอนวิธีการตรวจหาและตั้งแต่ ( LIDAR ) ชุดข้อมูล อย่างไรก็ตาม กว่าภูมิภาคเมืองใหญ่มักจะมีความละเอียดต่ำ LIDAR ข้อมูลสามารถใช้ได้ที่ขั้นตอนวิธีดังกล่าวพิสูจน์ไม่น่าเชื่อถือสำหรับหลังคาเล็ก ๆวิธีการปรับให้เหมาะสมกับข้อมูล LIDAR ความละเอียดต่ำที่นำเสนอ ที่อาคารขนาดเล็กและขนาดใหญ่จะพิจารณาแยกต่างหาก ขั้นตอนวิธีการตัดหลังคาสำหรับอาคารขนาดเล็ก ซึ่งโดยปกติจะกำหนดคุณสมบัติที่อยู่อาศัย , หลังคาโปรไฟล์ของแต่ละอาคาร จากแคตตาล็อกของโปรไฟล์ทั่วไปหลังจากการระบุจุด LIDAR ในรอยเท้าของอาคาร อาคารขนาดใหญ่เช่นคลังสินค้า เสนอที่หลากหลายของรูปแบบหลังคาแต่คุณสมบัติเรขาคณิตโดยทั่วไปมีมาก ดังนั้นวิธีการโดยตรงคือการถ่ายให้ที่แต่ละจุดภายในสิ่งปลูกสร้าง LIDAR จัดสรรส่วนหลังคาแยก วิธีการแสดงให้เห็นโดยการเมืองภาคในลีดส์ , UKการตรวจสอบโดยการเปรียบเทียบกับภาพถ่ายทางอากาศ พบว่า การใช้หลังคาโปรไฟล์ของอาคารขนาดเล็กที่ถูกต้องใน 81% ของกรณี สงวนลิขสิทธิ์ 2010 บริษัทจำกัด
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2024 I Love Translation. All reserved.

E-mail: