سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

[ 96 | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]


عنوان مقاله:تولید و نقطه ابر TIN فشرده سازی برای سیستم های نقشه برداری تلفن همراه مبتنی بر خودرو
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره): (0)
سال انتشار:Available online 25 June 2015
شماره صفحات: 000-0
نشانگر دیجیتالی شیء:[ 10.1016/j.aei.2015.05.007 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. Advanced Engineering Informatics »
  4. TIN generation and point-cloud compression for vehicle-based mobile mapping systems

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 3.80.128.196

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

خلاصه مقاله، نویسندگان و کلمات کلیدی

TIN Generation And Point-cloud Compression For Vehicle-based Mobile Mapping Systems


مقاله: تولید و نقطه ابر TIN فشرده سازی برای سیستم های نقشه برداری تلفن همراه مبتنی بر خودرو

نويسند‌گان:


خلاصه مقاله:


The vehicle-based mobile mapping system (MMS) is effective for capturing dense 3D data of roads, roadside objects and buildings. Since discrete points are not convenient for many application systems, a triangulated irregular network (TIN) is often generated from point-clouds. However, TIN data require two or three times larger storage than point-clouds. If TIN models can be promptly generated while loading point-clouds, it would not be necessary to store huge TIN models on a hard disk. In this paper, we propose two efficient TIN generation methods according to types of laser scanners. One is the line-by-line TIN generation method, and the other is the GPS-time based method. These methods can quickly generate TIN models based on scan lines of laser scanners. In addition, we introduce a new compression method to reduce the loading time of point-clouds. Our compression method is also based on the scan lines of laser scanners. Since points captured by a MMS tend to be positioned on nearly straight lines, their data size can be significantly reduced by coding the second order differences.


سیستم نقشه برداری تلفن همراه مبتنی بر خودرو (MMS) برای گرفتن اطلاعات 3D متراکم از جاده ها، اشیاء کنار جاده و ساختمان موثر است. از آنجا که نقاط گسسته هستند مناسب برای بسیاری از سیستم های برنامه نیست، یک شبکه نامنظم مثلثی (TIN) است که اغلب از نقطه ابرهای تولید می شود. با این حال، داده TIN نیاز به ذخیره سازی دو یا سه برابر بزرگتر از نقطه ابرها. اگر مدل TIN را می توان به سرعت در حالی که بارگذاری نقطه ابرهای تولید، آن را لازم نیست که برای ذخیره مدل TIN بزرگ بر روی یک دیسک سخت باشد. در این مقاله، ما دو روش نسل TIN کارآمد با توجه به نوع اسکنرهای لیزری ارائه شده است. یکی از این روش تولید TIN خط به خط است، و از سوی دیگر از روش های مبتنی بر GPS-زمان است. این روش می تواند به سرعت تولید مدل TIN بر اساس خطوط اسکن از اسکنرهای لیزری. علاوه بر این، یک روش جدید فشرده سازی برای کاهش زمان بارگذاری از نقطه ابرها معرفی می کنیم. روش فشرده سازی ما نیز در خطوط اسکن از اسکنرهای لیزری است. از آنجا که نقاط گرفته شده توسط MMS تمایل به خطوط نزدیک به مستقیم قرار شود، اندازه داده های خود می تواند به طور قابل توجهی توسط برنامه نویسی تفاوت مرتبه دوم کاهش می یابد.


كلمات كليدي:

Geometry compression, Laser scanning, Mesh generation, Mobile mapping system, Point-cloud, Triangulated irregular network
فشرده سازی هندسه , لیزر اسکن, نسل مش, سیستم نقشه برداری تلفن همراه, نقطه ابر, شبکه نامنظم مثلثی


موضوعات:

Artificial Intelligence, Information Systems



[ ]

فهرست مقالات مرتبط و مشابه

  1. Kohira, K., Masuda, H. (2017) 'POINT-CLOUD COMPRESSION FOR VEHICLE-BASED MOBILE MAPPING SYSTEMS USING PORTABLE NETWORK GRAPHICS', ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, Copernicus GmbH, pp:99-106
  2. FUNATO, Tomoya, SADA, Tatsunori, ISHIZAKA, Tetsuhiro (2013) 'EVALUATION OF VISIBILITY IN THE INTERSECTION USING POINT CLOUD DATA BY MOBILE MAPPING SYSTEM', Journal of Japan Society of Civil Engineers, Ser. F3 (Civil Engineering Informatics), Japan Society of Civil Engineers, pp:0-0
  3. Bletterer, Arnaud, Payan, Fr�d�ric, Antonini, Marc, Meftah, Anis (2016) 'Point Cloud Compression using Depth Maps', Electronic Imaging, Society for Imaging Science & Technology, pp:1-6
  4. Yang, Bisheng, Wang, Jinling (2016) 'Mobile mapping with ubiquitous point clouds', Geo-spatial Information Science, Informa UK Limited, pp:169-170
  5. Huang, Fangfang, Wen, Chenglu, Luo, Huan, Cheng, Ming, Wang, Cheng, Li, Jonathan (2016) 'Local quality assessment of point clouds for indoor mobile mapping', Neurocomputing, Elsevier BV, pp:0-0
  6. Aversa, Rocco, Di Martino, Beniamino, Rak, Massimiliano, Venticinque, Salvatore (2010) 'Cloud Agency: A Mobile Agent Based Cloud System', 2010 International Conference on Complex, Intelligent and Software Intensive Systems, Institute of Electrical and Electronics Engineers (IEEE), pp:0-0
  7. Fan, Yuxue, Huang, Yan, Peng, Jingliang (2013) 'Point cloud compression based on hierarchical point clustering', 2013 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference, Institute of Electrical and Electronics Engineers (IEEE), pp:0-0
  8. Cui, Tingting, Ji, Shunping, Shan, Jie, Gong, Jianya, Liu, Kejian (2016) 'Line-Based Registration of Panoramic Images and LiDAR Point Cloud for Mobile Mapping', MDPI AG, pp:0-0
  9. Daribo, Ismael, Furukawa, Ryo, Sagawa, Ryusuke, Kawasaki, Hiroshi, Hiura, Shinsaku, Asada, Naoki (2011) 'Dynamic Compression of Curve-Based Point Cloud', Advances in Image and Video Technology, Springer Berlin Heidelberg, pp:323-334
  10. Huang, Fangfang, Wen, Chenglu, Wang, Cheng, Li, Jonathan (2016) 'Feature selection for quality assessment of indoor mobile mapping point clouds', 2nd ISPRS International Conference on Computer Vision in Remote Sensing (CVRS 2015), SPIE, pp:0-0

 

فهرست مراجع و منابع




 

برگشت به بالا
× 🎁
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×