ON THE SEGMENTATION OF HETEROGENEOUS LASER SCANNING DATA
Notice bibliographique
Résumé
The segmentation of Laser scanning data into planar features is a crucial first step in the post processing of Laser data. Classically, a planar segmentation procedure is performed over a single scan, or a group of homogeneous and co-registered scans. In this work, we address cases where the datasets used vary significantly in terms of local point density, relative point accuracy, and the collection method (i.e., ground versus airborne). First, an initial segmentation procedure is performed over individual strips to collect vital pieces of information about the scan nature such as local point densities, approximate surface roughness and surface normal of segmented regions. Once the aforementioned information is collected, and the registration of overlapping scans is verified, the combined segmentation stage may begin. In the combined case, a recursive weighted least squares and a region-growing-based algorithm is adopted. Weighting of individual points is estimated using the information collected in the initial segmentation step. Using the proposed combined segmentation is beneficial for multiple reasons: (1) missing or incomplete features in one or more scans are likely to be complete in the combined dataset, (2) the overall increased point density is very beneficial for detecting finer planar patches, and the weighted least squares will ensure that the integrity of the combined dataset is maintained, and (3) the results of the combined segmentation is useful to verify the correctness of the registration procedure. In this paper, we present a case study of two sets of airborne scans and one set of six tripod mounted laser scans. Results demonstrate improved extraction of planar features from the combined dataset as appose to segmenting individual strips.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».