• Entrar
    Ver item 
    •   Página inicial
    • BIBLIOTECA DIGITAL: Teses & Dissertações
    • 40001016002P6 Programa de Pós-Graduação em Ciências Geodésicas
    • Teses
    • Ver item
    •   Página inicial
    • BIBLIOTECA DIGITAL: Teses & Dissertações
    • 40001016002P6 Programa de Pós-Graduação em Ciências Geodésicas
    • Teses
    • Ver item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Estudo da integração de nuvens de pontos obtidas de aerolevantamentos VANT e LiDAR

    Thumbnail
    Visualizar/Abrir
    R - T - MARLO ANTONIO RIBEIRO MARTINS.pdf (32.98Mb)
    Data
    2021
    Autor
    Martins, Marlo Antonio Ribeiro
    Metadata
    Mostrar registro completo
    Resumo
    Resumo: As características dos dados pontuais do "Light Detection and Ranging" (LiDAR), e aqueles, obtidos com imagens, têm sido reconhecidas como sendo complementares no campo das aplicações fotogramétricas, e as pesquisas para aprimorar a sua utilização de forma integrada se intensificou nos últimos anos. O objetivo desta pesquisa é integrar nuvens de pontos LiDAR, ou seja, "Point Cloud LiDAR" (PCL), com nuvens de pontos obtidas por Fotogrametria utilizando a técnica "Structure from Motion" (SfM), ou seja, "Point Cloud Data" (PCD). Esta integração visa minimizar as falhas de oclusão, melhorar a definição de bordas das edificações, densificação da nuvem de pontos e redução dos pontos espúrios, desta maneira obtendo nuvens de pontos com melhores qualidade geométricas para a reconstrução tridimensional. Foram escolhidas duas áreas de estudo distintas: a primeira foi utilizada para a obtenção dos pontos de controle em nuvens LiDAR; e a segunda foi utilizada para se colocar em prática a metodologia da integração das nuvens de pontos LiDAR e fotogramétrica. Os resultados obtidos nos experimentos mostraram que para o método de determinação dos pontos de controle os resultados apresentaram valores satisfatórios, permitindo enquadrá-los na escala de 1/2.000 ou menores para a Classe A do PEC-PCD. Para o método de integração das nuvens de pontos os resultados apresentaram melhorias significativas na nuvem integrada, como redução das falhas de oclusão, melhorarias na definição de bordas das edificações e uma grande densificação da nuvem integrada.
     
    Abstract:The characteristics of point Light Detection and Ranging (LiDAR) data and those of imagery have been recognized as complementary in photogrammetric applications, and research to improve their integrated use has intensified in recent years. The goal of this research is to integrate LiDAR point clouds, i.e. Point Cloud LiDAR (PCL), with point clouds obtained by photogrammetry using the Structure from Motion (SfM) technique, i.e. Point Cloud Data (PCD). This integration aims to minimize occlusion, improve the definition of building edges, densify the point cloud, and reduce spurious points, thus obtaining point clouds with better geometric conditions for three­dimensional reconstruction. Two distinct study areas were chosen: the first was used to obtain contrai points in LiDAR clouds; and the second was used to apply the methodology of LiDAR and photogrammetric point cloud integration. The results obtained in the experiments showed that for the method of determining the contrai points, the values of the results were satisfactory, allowing them to fit into the 1/2.000 scale or smaller for Class A of the PEC-PCD. For the point cloud integration method, the results showed significant improvements in the integrated cloud, such as reduced occlusion gaps, improved building edge definition, and a large densification of the integrated cloud.
     
    URI
    https://hdl.handle.net/1884/80325
    Collections
    • Teses [95]

    DSpace software copyright © 2002-2022  LYRASIS
    Entre em contato | Deixe sua opinião
    Theme by 
    Atmire NV
     

     

    Navegar

    Todo o repositórioComunidades e ColeçõesPor data do documentoAutoresTítulosAssuntosTipoEsta coleçãoPor data do documentoAutoresTítulosAssuntosTipo

    Minha conta

    EntrarCadastro

    Estatística

    Ver as estatísticas de uso

    DSpace software copyright © 2002-2022  LYRASIS
    Entre em contato | Deixe sua opinião
    Theme by 
    Atmire NV