Benutzer: Gast  Login
Originaltitel:
Reconstruction of standing and fallen single dead trees in forested areas from LiDAR data and aerial imagery 
Übersetzter Titel:
Rekonstruktion stehender und liegender toter Einzelbäume in Forstgebieten aus Laserscanning-Daten und Luftbildern 
Jahr:
2017 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Architektur 
Betreuer:
Stilla, Uwe (Prof. Dr.) 
Gutachter:
Stilla, Uwe (Prof. Dr.); Mayer, Helmut (Prof. Dr.); Krzystek, Peter (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
BAU Bauingenieurwesen, Vermessungswesen 
Stichworte:
Conditional Random Fields, Normalized Cut, ALS, TLS, LiDAR, CIR, Level-set segmentation, dead wood, forest 
Übersetzte Stichworte:
Conditional Random Fields, Normalized Cut, ALS, TLS, LiDAR, CIR, Level-Set-Segmentierung, Totholz, Forst 
TU-Systematik:
BAU 950d 
Kurzfassung:
Fallen dead tree detection is conducted in ALS data using contextual classification with CRFs and spectral clustering via the Ncut algorithm. A voting framework for retrieving cylindrical shapes based on kernel density estimation is applied for fallen stem mapping in TLS data. A level-set method with priors is used to segment dead tree crowns in aerial CIR imagery, and a new 3D shape descriptor is proposed for detecting dead trunks from ALS data. The semi-supervised entropy regularized logistic...    »
 
Übersetzte Kurzfassung:
Die Erkennung liegender toter Bäume aus ALS-Daten wird mithilfe kontextueller Klassifikation durch CRFs und einer spektralen Clusteranalyse durchgeführt. Ein Framework zur Rekonstruktion von Zylinderformen wird auf TLS-Daten für die Kartierung liegender Stämme angewandt. Ein Level-Set-Ansatz wird für die Segmentierung toter Baumkronen aus CIR-Luftbildern eingesetzt, während stehende tote Stämme aus ALS-Daten mit einem neuartigen 3D-Formdeskriptor erkannt werden. Das teilüberwachte logistische Mo...    »
 
Mündliche Prüfung:
06.12.2017 
Dateigröße:
16634777 bytes 
Seiten:
169 
Letzte Änderung:
30.01.2018