文献

J-GLOBAL ID：201802277435506182   整理番号：18A1648328

点雲からの局所表面粗さを推定するための新しい多重分解能ベース法【JST・京大機械翻訳】

A new multi-resolution based method for estimating local surface roughness from point clouds

著者 (2件)： Fan Lei (The Department of Civil Engineering, Xi’an Jiaotong- Liverpool University, Suzhou, China) ,  Atkinson Peter M. (The Faculty of Science and Technology, Lancaster University, Lancaster LA1 4YR, UK)
資料名： ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing)  (ISPRS Journal of Photogrammetry and Remote Sensing (International Society for Photogrammetry and Remote Sensing))
巻： 144  ページ： 369-378  発行年： 2018年 
JST資料番号： H0048A  ISSN： 0924-2716  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 異なるソースデータ密度に対して得られたデジタル標高モデル(DEM)精度に関するいくつかの経験的および理論的研究から,同じ程度のデータ低減が全面積に適用される場合,DEM誤差の変化率は表面が粗い地域で統計的に大きいことを観測した。この観測に基づいて,同じ地形表面を表す点雲を用いて構築された2つのデジタル標高モデル(DEMs)間の差から表面粗さまたは複雑さを特性化することが可能であるが,空間分解能(またはデータ間隔)が異なる。本論文では,この論理に従って,表面粗さを推定するための新しいアプローチを提案した。数値実験を用いて,この手法の有効性を試験した。本論文で考察した研究データセットは,地上レーザ走査(TLS)と空中光検出と測距(LiDAR)から得た4つの標高点雲から成る。これらのタイプの地形データは,地球科学と関連分野において現在広く使われている。提案した方法は,局所地形表面粗さを定量化する有効な手段であることが分かった。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 距離測定 ,  数値地形モデル ,  空間分解能 ,  標高点 ,  キャラクタリゼーション ,  光検出 ,  *表面粗さ
準シソーラス用語： 地球科学 ,  レーザ走査 ,  数値実験 ,  *多重解像度 , 【Automatic Indexing@JST】

著者キーワード (4件)： レーザ走査 ,  ポイントクラウド ,  地形表面粗さ ,  DEM誤差

分類 (2件)： 地形データの処理  (RC02050O) ,  写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (4件)： 点雲 ,  表面粗さ ,  推定 ,  多重分解能