Feature extraction on façades from

Feature extraction on façades from unstructured point clouds is a challenging work,

especially in the presence of noise. Point cloud segmentation is one of the most important steps in this context.

In this paper, a new approach for automatic processing of façade laser scanner data is introduced. Scanner orientation is partially known through the inclination sensors of the laser scanner used.

Knowing these values allows us to reduce the point cloud data into a profile distribution function. After orientation,

this distribution is a series of peaks and valleys suitable for segmentation. Each segmented layer is afterwards processed to find the façade contours.

The results obtained prove that the approach may be successfully employed in building segmentation and extraction of planar features. Moreover,

the accuracy of contours is very dependent on the resolution of the scan data.

ผลลัพธ์ (ไทย) 1:

สกัดคุณลักษณะบนติดกระจกจากเมฆจุดไม่มีโครงสร้างเป็นงานท้าทาย โดยเฉพาะอย่างยิ่งในที่ที่มีเสียงรบกวน จุดแบ่งกลุ่มเมฆเป็นขั้นตอนสำคัญที่สุดในบริบทนี้อย่างใดอย่างหนึ่ง ในกระดาษนี้ แนวทางใหม่สำหรับการประมวลผลข้อมูลด้านเลเซอร์สแกนเนอร์อัตโนมัติอีกด้วย บางส่วนเป็นแนวสแกนผ่านเซนเซอร์เอียงของเลเซอร์สแกนเนอร์ที่ใช้รู้ค่าเหล่านี้ให้เราได้ลดข้อมูลเมฆจุดลงในฟังก์ชั่นการกระจาย หลังจากปฐมนิเทศ การแจกจ่ายนี้คือ ชุดของยอดเขาและหุบเขาเหมาะสำหรับการแบ่งเซ็กเมนต์ หลังจากนั้นมีการประมวลผลแต่ละชั้นแบ่งการค้นหารูปทรงอาคาร ผลลัพธ์ที่ได้พิสูจน์ว่า วิธีการอาจจะประสบความสำเร็จต้องใช้ในการสร้างเซกเมนต์และสกัดของระนาบ นอกจากนี้ ความถูกต้องของรูปทรงเป็นมากขึ้นอยู่กับความละเอียดของการสแกนข้อมูล

ผลลัพธ์ (ไทย) 2:

การสกัดคุณลักษณะfaçadesจากเมฆจุดที่ไม่มีโครงสร้างเป็นงานที่ท้าทายโดยเฉพาะอย่างยิ่งในการปรากฏตัวของเสียง เมฆจุดแบ่งส่วนเป็นหนึ่งในขั้นตอนที่สำคัญมากที่สุดในบริบทนี้. ในกระดาษนี้เป็นแนวทางใหม่สำหรับการประมวลผลอัตโนมัติของซุ้มข้อมูลเลเซอร์สแกนเนอร์เป็นที่รู้จัก การวางแนวทางสแกนเนอร์เป็นที่รู้จักกันบางส่วนผ่านเซ็นเซอร์เอียงของเลเซอร์สแกนเนอร์ที่ใช้. รู้ค่าเหล่านี้ช่วยให้เราสามารถลดข้อมูลจุดเมฆเป็นฟังก์ชันการแจกแจงรายละเอียด หลังจากการวางแนวการกระจายนี้เป็นชุดของยอดเขาและหุบเขาเหมาะสำหรับการแบ่งส่วน แต่ละชั้นแบ่งการประมวลผลหลังจากนั้นก็จะได้พบกับรูปทรงด้านหน้า. ผลที่ได้พิสูจน์ให้เห็นว่าวิธีการที่อาจจะต้องใช้ประสบความสำเร็จในการสร้างและการสกัดการแบ่งส่วนของคุณสมบัติระนาบ นอกจากนี้ความถูกต้องของรูปทรงมากขึ้นอยู่กับความละเอียดของข้อมูลการสแกน

ผลลัพธ์ (ไทย) 3:

คุณลักษณะการสกัดต่อ เอฟเอ รวมถึงเอดึสจุดจากเมฆที่ไม่มีโครงสร้าง เป็น ท้าทาย งานในการแสดงตนของเสียงโดยเฉพาะ กลุ่มเมฆจุดเป็นหนึ่งในขั้นตอนที่สำคัญที่สุดในบริบทนี้ในกระดาษนี้เป็นแนวทางใหม่สำหรับการประมวลผลอัตโนมัติของเอฟเอ ADE รวมถึงเลเซอร์สแกนเนอร์เป็นข้อมูลแนะนำ การสแกนบางส่วนที่รู้จักผ่านทางเอียงเซ็นเซอร์ของ เลเซอร์ สแกนเนอร์ที่ใช้ทราบว่าค่าเหล่านี้ช่วยให้เราสามารถลด เมฆจุดข้อมูลในโปรไฟล์ของการกระจายฟังก์ชัน หลังจากปฐมนิเทศการกระจายนี้คือชุดของยอดเขาและหุบเขา เหมาะสำหรับการตัด . แต่ละชั้นแบ่งเป็นหลังจากนั้นประมวลผลเพื่อหา 5 เอฟเอ ADE รูปทรง .ผลลัพธ์ที่ได้พิสูจน์ว่าวิธีการอาจจะใช้ในการประสบความสำเร็จในอาคารและการสกัดคุณลักษณะพื้นผิวเรียบ . นอกจากนี้ความถูกต้องของรูปทรงมาก ขึ้นอยู่กับความละเอียดของการสแกนข้อมูล