Recent days point clouds have becom

Recent days point clouds have become one of the most common 3D sources of information which is provides accurate geometry features of the object. 3D point clouds can be derived from either photogrammetry, Lidar or SAR in some cases depending upon the application. These point clouds consisting of 3D geospatial location of an object in form of XYZ coordinates which can be used in various ways to deduct information related to that object either based on visualisation or geometrical interpretation. Quality assessment standards for these point clouds are still very much in nascent stage with optimum accuracy in relative terms only. In this paper, multiple scale of point cloud has been used to understand the level of information these clouds consist on these multiple scales. Based on the 3D spatial information of these point cloud in local neighbourhood, some of invariant geometric properties can be computed for each 3D point with respective covariance matrix. These can be used to describe the local 3D structure using eigenvalues for these matrices. Using these Geometric features an approach is developed to understand the point cloud quality assessment. The proposed methodology exploits these special geometric properties to evaluate the 3D scene structure. Further, the point cloud is classified using shape detection algorithm which evaluates the geometric features to detect the mathematical shapes in the point cloud. This paper also enlightens on different geometric features that can be extracted from a point cloud and the importance of it.

ผลลัพธ์ (ไทย) 1:

วันที่ผ่านมา เมฆพอยต์ได้กลายเป็นหนึ่งในแหล่งข้อมูลสามมิติที่พบบ่อยที่สุด ซึ่งให้คุณสมบัติทางเรขาคณิตที่แม่นยำของวัตถุ เมฆจุด 3 มิติสามารถได้มาจากโฟโตแกรมเมทรี, Lidar หรือ SAR ในบางกรณี ขึ้นอยู่กับการใช้งาน เมฆพอยต์เหล่านี้ประกอบด้วยตำแหน่งเชิงพื้นที่ 3 มิติของวัตถุในรูปแบบของพิกัด XYZ ซึ่งสามารถนำมาใช้ในรูปแบบต่างๆ เพื่อหักข้อมูลที่เกี่ยวข้องกับวัตถุนั้น โดยขึ้นอยู่กับการแสดงภาพหรือการตีความทางเรขาคณิต มาตรฐานการประเมินคุณภาพสำหรับพอยต์คลาวด์เหล่านี้ยังคงอยู่ในขั้นเริ่มต้น โดยมีความแม่นยำสูงสุดในแง่ที่เกี่ยวข้องเท่านั้น ในบทความนี้ มีการใช้พอยต์คลาวด์หลายระดับเพื่อทำความเข้าใจระดับของข้อมูลที่คลาวด์เหล่านี้ประกอบด้วยบนหลายระดับเหล่านี้ จากข้อมูลเชิงพื้นที่ 3 มิติของพอยต์คลาวด์เหล่านี้ในพื้นที่ใกล้เคียง คุณสมบัติทางเรขาคณิตที่ไม่แปรเปลี่ยนบางส่วนสามารถคำนวณได้สำหรับแต่ละจุด 3 มิติด้วยเมทริกซ์ความแปรปรวนร่วมตามลำดับ สิ่งเหล่านี้สามารถใช้เพื่ออธิบายโครงสร้าง 3 มิติในพื้นที่โดยใช้ค่าลักษณะเฉพาะสำหรับเมทริกซ์เหล่านี้ การใช้คุณลักษณะทางเรขาคณิตเหล่านี้ แนวทางได้รับการพัฒนาเพื่อทำความเข้าใจการประเมินคุณภาพพอยต์คลาวด์ วิธีการที่นำเสนอใช้ประโยชน์จากคุณสมบัติทางเรขาคณิตพิเศษเหล่านี้เพื่อประเมินโครงสร้างฉาก 3 มิติ นอกจากนี้ พอยต์คลาวด์ยังถูกจำแนกประเภทโดยใช้อัลกอริธึมการตรวจจับรูปร่าง ซึ่งจะประเมินคุณสมบัติทางเรขาคณิตเพื่อตรวจจับรูปร่างทางคณิตศาสตร์ในพอยต์คลาวด์ บทความนี้ยังให้ความกระจ่างเกี่ยวกับลักษณะทางเรขาคณิตต่างๆ ที่สามารถดึงออกมาจากพอยต์คลาวด์ได้และความสำคัญของมัน

ผลลัพธ์ (ไทย) 2:

เมื่อเร็ว ๆ นี้ ระบบคลาวด์จุดได้กลายเป็นหนึ่งในแหล่งข้อมูลสามมิติที่พบบ่อยที่สุด ซึ่งให้คุณสมบัติทางเรขาคณิตที่แม่นยําของวัตถุ ในบางกรณี 3D Dot Cloud สามารถส่งออกได้จากการวัดภาพถ่าย Lidar หรือ SAR ขึ้นอยู่กับการใช้งาน เมฆจุดเหล่านี้ประกอบด้วยตำแหน่งทางภูมิศาสตร์เชิงพื้นที่ 3 มิติของวัตถุในรูปแบบของพิกัด XYZ ซึ่งสามารถอนุมานข้อมูลที่เกี่ยวข้องกับวัตถุนั้นได้ด้วยวิธีการต่าง ๆ บนพื้นฐานของการแสดงภาพหรือการตีความทางเรขาคณิต เกณฑ์การประเมินคุณภาพของเมฆจุดเหล่านี้ยังอยู่ในช่วงเริ่มต้นและมีความแม่นยำที่ดีที่สุดในแง่ของความสัมพันธ์เท่านั้น ในบทความนี้ ใช้เมฆจุดหลายขนาดเพื่อทำความเข้าใจระดับข้อมูลที่เมฆเหล่านี้ประกอบขึ้นในหลายระดับเหล่านี้ จากข้อมูลเชิงพื้นที่ 3 มิติของเมทริกซ์ dot cloud เหล่านี้ในเขตเพื่อนบ้าน เราสามารถคำนวณสมบัติทางเรขาคณิตที่ไม่เปลี่ยนแปลง สำหรับจุดสามมิติแต่ละจุด โดยใช้เมทริกซ์ความแปรปรวนเกี่ยวเนื่อง เหล่านี้สามารถใช้อธิบาย

ผลลัพธ์ (ไทย) 3:

เมื่อเร็วๆนี้เมฆจุดได้กลายเป็นหนึ่งในแหล่งข้อมูลสามมิติที่พบมากที่สุดซึ่งให้ลักษณะทางเรขาคณิตที่แน่นอนของวัตถุ ในบางกรณีขึ้นอยู่กับแอ็พพลิเคชันเมฆจุด3มิติสามารถหาได้จากphotogrammetry,lidarหรือSAR เมฆจุดเหล่านี้ประกอบด้วยตําแหน่งเชิงพื้นที่3มิติของวัตถุในรูปแบบพิกัดXYZซึ่งสามารถใช้ในรูปแบบต่างๆเพื่ออนุมานข้อมูลที่เกี่ยวข้องกับวัตถุตามการแสดงภาพหรือการตีความทางเรขาคณิต เกณฑ์การประเมินคุณภาพของเมฆจุดเหล่านี้ยังคงอยู่ในวัยเด็กและมีความแม่นยําสูงสุดภายใต้สภาวะสัมพัทธ์เท่านั้น บทความนี้ใช้เมฆจุดหลายระดับเพื่อทําความเข้าใจปริมาณข้อมูลที่มีอยู่ในเมฆจุดเหล่านี้ในหลายระดับเหล่านี้ ขึ้นอยู่กับข้อมูลเชิงพื้นที่สามมิติของเมฆจุดเหล่านี้ในพื้นที่ใกล้เคียงในท้องถิ่นคุณสามารถใช้เมทริกซ์ความแปรปรวนร่วมกันเพื่อคํานวณคุณสมบัติทางเรขาคณิตที่ไม่เปลี่ยนแปลงบางอย่างสําหรับแต่ละจุด3มิติ เหล่านี้สามารถใช้เพื่ออธิบายโครงสร้าง3 dในท้องถิ่นโดยใช้ค่าeigenvalueของเมทริกซ์เหล่านี้ การใช้คุณลักษณะทางเรขาคณิตเหล่านี้ได้มีการพัฒนาวิธีการทําความเข้าใจการประเมินคุณภาพของเมฆจุด วิธีการที่เสนอใช้คุณสมบัติทางเรขาคณิตพิเศษเหล่านี้เพื่อประเมินโครงสร้างฉาก3มิติ นอกจากนี้เมฆจุดจะถูกจําแนกโดยใช้อัลกอริธึมการตรวจจับรูปร่างซึ่งจะประเมินคุณลักษณะทางเรขาคณิตเพื่อตรวจจับรูปร่างทางคณิตศาสตร์ในเมฆจุด บทความนี้ยังแสดงให้เห็นถึงคุณลักษณะทางเรขาคณิตที่แตกต่างกันซึ่งสามารถสกัดได้จากเมฆจุดและความสําคัญของพวกเขา