Aktualności

Badania nad klasyfikacją chmur punktów w IGiG finansowane przez NCN [Preludium NCN]
17-12-2021

Chmury punktów są obecnie jednym z podstawowych produktów wykorzystywanych do modelowania 3D. Ich pozyskanie możliwe jest m.in. z wykorzystaniem lotniczego skaningu laserowego, który pozwala uniknąć czasochłonnych prac terenowych i w pewnym stopniu przeniknąć przez szatę roślinną. Dzięki temu może służyć do pomiaru powierzchni terenu nawet na obszarach zalesionych. Ponadto umożliwia on szybkie pozyskiwanie danych przestrzennych o dużej dokładności geometrycznej (zwłaszcza wysokościowej) reprezentujących rozległe obszary. Ze względu na te zalety lotniczy skaning laserowy jest obecnie główną techniką stosowaną do pozyskiwania danych służących do modelowania powierzchni terenu na poziomie regionalnym, a nawet krajowym. Jednak surowa chmura punktów musi zostać przetworzona przed wykonaniem dalszych analiz. Ręczna interpretacja tak dużych zbiorów danych (liczących często miliardy punktów) jest czasochłonna i podatna na błędy. W związku z tym, w przypadku większości zastosowań, istnieje potrzeba opracowania automatycznych algorytmów przetwarzania chmur punktów. Zwykle jednych z etapów takich algorytmów jest klasyfikacja, która polega na przypisaniu każdemu punktowi informacji o typie obiektu, który reprezentuje (np. budynek, drzewo, samochód, powierzchnia terenu itp.). W rezultacie dokładność metod przetwarzania chmur punktów w dużym stopniu zależy od jakości klasyfikacji.

Tradycyjnie klasyfikacja była wykonywana w oparciu o tzw. algorytmy „uczenia płytkiego”, które pozwalają na rozróżnienie obiektów na postawie ich cech. Cechy te są definiowane przez człowieka i obliczane na podstawie chmury punktów. W ostatnich latach dużą popularność zyskały głębokie sieci neuronowe, których zastosowanie pozwala na uniknięcie definiowania cech reprezentujących poszczególne obiekty, ponieważ cechy te są wyznaczane automatycznie podczas trenowania sieci. Jednak ze względu na jej skomplikowany charakter, trenowanie głębokiej sieci neuronowej jest czasochłonne i wymaga dużej ilości danych uczących, które są trudno dostępne. Zatem opracowanie metodologii pozwalającej na jednokrotne wytrenowanie sieci neuronowej a następnie wykorzystywanie jej do klasyfikacji danych pozyskanych przy pomocy różnego sprzętu i posiadających różną charakterystykę (np. gęstość) pozwoliłoby na wyeliminowanie tych wad.

Dlatego podczas realizacji projektu zostaną podjęte badania pozwalające na opracowanie metodologii powtarzalnej klasyfikacji chmur punktów opartej na głębokim uczeniu. Dzięki zastosowaniu opracowanej metody możliwe będzie skrócenie czasu potrzebnego na przetwarzanie chmur punktów, ponieważ raz wytrenowany klasyfikator będzie mógł zostać ponownie użyty do klasyfikacji kolejnych danych.


powrót do poprzedniej strony
Poczta / Logowanie do systemu
Stacja permanentna GNSS 'WROC'
GISLab - Laboratorium GIS
Laboratorium Multisensoryki
Stacja permanentna GNSS 'WROC'
Nasze konferencje

 2nd Gathers Hackathon
Rzym (Włochy), 17 - 18 lutego 2024
 Advanced Gathers School
Rzym (Włochy), 12 - 16 lutego 2024
 2nd Summer School
Delft (Holandia), 28 sierpnia– 1 września 2023
 1st Gathers Hackathon
Wiedeń (Austria), 13-14 kwietnia 2023
 1st Summer School
WROCŁAW-RYBNIK, 19 – 24 września 2022
 Gathers Kick-off meeting
WROCŁAW, 4-5 grudnia 2019
 GNSS Meteorology Workshop 2019
WROCŁAW, 19 - 20 września 2019
 XXIII Jesienna Szkoła Geodezji im. Jacka Rajmana
Wałbrzych, 21 - 22 września 2017
 EUREF 2017 Symposium
Wrocław, 17 - 19 maj 2017
 EUREF 2017 Tutorial
Wrocław, 16 maj 2017
 III Polski Kongres Geologiczny
WROCŁAW, 14 - 18 września 2016 r
Kartka z kalendarza
Maj 2024Imieniny obchodzi:
Mikołaj, Piotr, Urban

140 dzień roku (do końca pozostało 226 dni)
19
Niedziela

Efemerydy dla słońca:Tranzyt słońca []:12:48:17
Brzask astronomiczny []:01:39:12Zachód słońca []:20:42:08
Brzask nawigacyjny []:03:14:13Zmierzch cywilny []:21:24:07
Brzask cywilny []:04:12:27Zmierzch nawigacyjny []:22:22:21
Wschód słońca []:04:54:26Zmierzch astronomiczny []:23:57:22
Kontakt
INSTYTUT GEODEZJI I GEOINFORMATYKI
Uniwersytet Przyrodniczy we Wrocławiu
ul. Grunwaldzka 53
50-357 Wrocław

NIP: 896-000-53-54, REGON: 00000 18 67

tel. +48 71 3205617
fax +48 71 3205617

e-mail: igig@upwr.edu.pl