A Framework for the Integration of Remote Sensing Systems for 3D Urban Mapping
Notice bibliographique
Résumé
As one of the fields of civil and architecture engineering, 3D urban mapping plays avital role in various applications such as urban planning, surveillance, virtual reality,virtual tourism, and military training. In this regard, the interest in 3D urban mappingtechnologies is rapidly increasing within the surveying and photogrammetriccommunity. Such an interest is also motivated by the advent of new technologies, whichenable accurate and practical 3D urban mapping. In other words, the proliferation ofdirect geo-referencing, digital imaging system (including medium-format digitalcamera) and LiDAR (Light Detection And Ranging) provide the respective researchbody with the potential to satisfy the detail level and complexity needed by the aboveapplications. Hence, there must be a framework for integrating these different kinds ofsensors. The proposed framework in this paper consists of three main components: 1)Quality Assurance/Quality Control; 2) Co-registration; and 3) Element Matching. Morespecifically, quality assurance of the mapping process and quality control of delivereddata/products are the first components of the proposed framework. Quality assuranceencompasses management activities to ensure that a process, item, or service is of thequality needed by the user. The key activity in the quality assurance is the systemcalibration procedure. After the calibration of the involved systems, quality controlprocedures determine whether the desired quality has been achieved through internaland external evaluation. As the second component of the framework, a registrationprocedure is conducted to ensure that the datasets from different systems are georeferencedwith respect to a common reference frame. After the registration procedure is completed, matching between different information from different systems is carried outto derive realistic 3D urban mapping that takes advantage of the synergisticcharacteristics of the available datasets. For example, the spectral information from adigital imaging system can be related to the positional information from LiDAR. Thepaper will illustrate the main components and the necessary activities of the proposedframework with the help of a real dataset.
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 | 0,008 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».