MétaCan
Menu
Retour à la cohorte
Enregistrement W2969884576 · doi:10.21608/iccae.2010.45110

A Framework for the Integration of Remote Sensing Systems for 3D Urban Mapping

2010· article· en· W2969884576 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueThe International Conference on Civil and Architecture Engineering · 2010
Typearticle
Langueen
DomaineEngineering
Thématique3D Modeling in Geospatial Applications
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaElectronics and Telecommunications Research Institute
Mots-clésComputer scienceRemote sensingMobile mappingGeographyData scienceComputer vision

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,829
Score d'incertitude au seuil0,321

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,250
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle