The classification of the LiDAR poi

The classification of the LiDAR points is the first step of LiDAR data processing chain and should be handled in proper way since the 3D city modelling, building extraction, DEM generation, etc. applications directly use the classified point clouds. The different classification methods can be seen in recent researches and most of researches work with the gridded LiDAR point cloud. In grid based data processing of the LiDAR data, the characteristic point loss in the LiDAR point cloud especially vegetation and buildings or losing height accuracy during the interpolation stage are inevitable. In this case, the possible solution is the use of the raw point cloud data for classification to avoid data and accuracy loss in gridding process. In this study, the point based classification possibilities of the LiDAR point cloud is investigated to obtain more accurate classes

ผลลัพธ์ (ไทย) 1:

การจัดประเภทของจุด LiDAR เป็นขั้นตอนแรกของห่วงโซ่การประมวลผลข้อมูล LiDAR และควรจัดการในทางเหมาะสมตั้งแต่การสร้างโมเดล 3D เมือง อาคารสกัด สร้าง DEM ฯลฯ โดยตรงใช้เมฆจุดจัด วิธีการจำแนกแตกต่างกันสามารถมองเห็นในงานวิจัยล่าสุด และส่วนใหญ่ของงานวิจัยที่ทำงานกับ cloud จุด LiDAR แทบ ในการประมวลผลข้อมูลจากตารางข้อมูล LiDAR สูญเสียลักษณะจุดใน cloud จุด LiDAR โดยเฉพาะพืช และอาคาร หรือสูญเสียความแม่นยำสูงในระหว่างการแก้ไข ขั้นหลีกเลี่ยงไม่ได้ ในกรณีนี้ การแก้ปัญหาที่เป็นไปได้คือ การใช้ข้อมูลดิบจุดเมฆสำหรับการหลีกเลี่ยงการสูญเสียข้อมูลและความถูกต้องในกระบวนการ gridding ประเภท ในการศึกษานี้ จุดตามการจัดประเภทเป็นไปได้ของ LiDAR เมฆจุดจะตรวจสอบการเรียนถูกต้องมากขึ้น

ผลลัพธ์ (ไทย) 2:

การจำแนกประเภทของจุด LiDAR เป็นขั้นตอนแรกของ LiDAR ห่วงโซ่การประมวลผลข้อมูลและควรได้รับการจัดการในวิธีการที่เหมาะสมตั้งแต่การสร้างแบบจำลอง 3 มิติเมืองอาคารสกัดรุ่น DEM ฯลฯ การใช้งานโดยตรงใช้เมฆจุดประกาศ วิธีการจัดหมวดหมู่ที่แตกต่างกันสามารถเห็นได้ในงานวิจัยเมื่อเร็ว ๆ นี้และส่วนใหญ่ของงานวิจัยที่ทำงานร่วมกับระบบคลาวด์จุด LiDAR gridded ในตารางตามการประมวลผลข้อมูลของข้อมูล LiDAR การสูญเสียจุดในลักษณะเมฆจุด LiDAR โดยเฉพาะอย่างยิ่งพืชและสิ่งปลูกสร้างหรือการสูญเสียความแม่นยำสูงในระหว่างขั้นตอนการแก้ไขอย่างหลีกเลี่ยงไม่ ในกรณีนี้การแก้ปัญหาที่เป็นไปได้คือการใช้ข้อมูลเมฆจุดดิบสำหรับการจัดหมวดหมู่เพื่อหลีกเลี่ยงการสูญเสียข้อมูลและความถูกต้องในกระบวนการ gridding ในการศึกษานี้ชี้ตามความเป็นไปได้จำแนกประเภทของเมฆจุด LiDAR มีการตรวจสอบเพื่อให้ได้เรียนถูกต้องมากขึ้น

ผลลัพธ์ (ไทย) 3:

You want a ride?