Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first previous
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-5b1f3ed2-57c0-4ce0-b7e4-240ac85d063d

Czasopismo

Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum

Tytuł artykułu

Algorytm dekompozycji i modelowania sygnału full-waveform w lotniczym skaningu laserowym

Autorzy Walicka, A.  Borkowski, A. 
Treść / Zawartość
Warianty tytułu
EN An algorithm for full-waveform laser scanning signal decomposition and modeling
Języki publikacji PL
Abstrakty
PL Lotniczy skaning laserowy jest obecnie jedną z najwydajniejszych technik pozyskiwania danych o powierzchni i elementach pokrycia terenu. Dynamiczny rozwój technologii pozwolił na szersze zastosowanie systemów typu full-waveform, które rejestrują kształt całej krzywej fali powracającej do odbiornika. W celu pozyskania dodatkowych informacji o obiektach, od których nastąpiło odbicie, zapisane dyskretne wartości przybliża się za pomocą zestawu funkcji parametrycznych. Prace badawcze koncentrują się na tworzeniu algorytmów pozwalających na przeprowadzenie szybkiej dekompozycji fali przy jednoczesnym wykryciu i aproksymacji słabych oraz nakładających się ech. Większość istniejących metod dekompozycji wymaga znajomości liczby wierzchołków występujących w sygnale i określenia przybliżonych parametrów wpasowywanych krzywych. W artykule zaproponowano alternatywny algorytm będący modyfikacją metody progresywnej, który pozwala na skuteczne przeprowadzenie dekompozycji sygnału z pominięciem prac przygotowawczych. Metoda polega na iteracyjnym wpasowaniu krzywych za pomocą algorytmu Levenberga–Marquardta z zastosowaniem wagowania poszczególnych sampli. Wykorzystując dane testowe, wykonano dwuetapową walidację algorytmu. W pierwszej kolejności zbadano wielkość i rozkład błędów aproksymacji powstałych podczas dekompozycji sygnału przy zastosowaniu funkcji Gaussa. W drugim etapie porównano otrzymane wyniki z wynikami aproksymacji za pomocą standardowej procedury. Na podstawie walidacji algorytmu można stwierdzić, że umożliwia on prawidłowe wykrycie wszystkich komponentów oraz ich poprawną aproksymację przy użyciu wybranego modelu matematycznego.
EN Airborne laser scanning is one of the most powerful techniques for acquiring information about Earth’s surface and land cover. Dynamic development of technology enabled the broader use of full-waveform’s type systems, which register the entire reflected waveform. In order to provide some additional information about the structure of the illuminated surface, discrete values should be approximated by parametric functions. Research is focused on algorithm development that would allow to carry out a rapid decomposition of the wave while detecting and approximating weak and overlapping echoes. Most of existing methods for full-waveform signal modeling requires knowledge of the number of peaks and approximate parameter values. In this paper new algorithm for signal decomposition has been investigated. It allows to carry out the decomposition effectively without preprocessing. This algorithm can be considered as a progressive algorithm modification. The method involves an iterative curve fitting using weighted Levenberg-Marquardt algorithm. Two-step validation of decomposition method has also been carried out on test data. Firstly, the quantity and distribution of approximation error have been investigated. Furthermore the results have been compared to standard procedure. Basing on algorithm validation it can be stated that the method allows proper detection of all components and their correct approximation.
Słowa kluczowe
PL lotniczy skaning laserowy   full waveform   aproksymacja   dekompozycja sygnału  
EN airborne laser scanning   full waveform   approximation   signal decomposition  
Wydawca Wydawnictwo Uniwersytetu Przyrodniczego we Wrocławiu
Czasopismo Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
Rocznik 2016
Tom Vol. 15, nr 1-4
Strony 35--48
Opis fizyczny Bibliogr. 20 poz., rys., tab.
Twórcy
autor Walicka, A.
  • Uniwersytet Przyrodniczy we Wrocławiu
autor Borkowski, A.
Bibliografia
Chauve A., Mallet C., Bretar F., Durrieu S., Deseilligny M.P., Puech W., 2007. Processing fullwaveform LIDAR data: modeling raw signals. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVI-3/W52, 102–107.
Dempster A.P., Laird N.M., Rubin D.B., 1976. Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society. Series B (Methodological), Vol. 39, No. 1, 1–38.
Hofton M.A., Minster J.B., Blair J.B., 2000. Decomposition of laser altimeter waveforms. IEEE Transactions on Geoscience and Remote Sensing, Vol. 38, 1989–1996.
Jutzi B., Stilla U., 2003. Laser pulse analysis for reconstruction and classification of urban objects. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXIV-3/W8, 151–156.
Levenberg K., 1944. A method for the solution of certain non-linear problems in least squares. The Quarterly of Applied Mathematics, Vol. 2, 164–168.
Li P., Xu Q., Cui P., Xing S., Lan Ch., 2014. Stepwise Decomposition of Full-Waveform Data Based on Levenberg Marquardt. Studies in Surveying and Mapping Science, Vol. 2, 14–19.
Li Q., 2008. Decomposition of airborne laser scanning waveform data based on EM algorithm. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVII. Part B1. Beijing, 211–218.
Mallet C., Bretar F., Roux M., Soergel U., Heipke C., 2011. Relevance assessment of full-waveform lidar data for urban area classification. ISPRS Journal of Photogrammetry and Remote Sensing, nvol. 66 (6), supplement, S71–S84.
Mallet C., Bretar F., 2009. Full-waveform topographic lidar: State-of-the-art. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 64 (1), 1–16.
Mallet C., Lafarge F., Bretar F., Soergel U., Heipke C., 2009. Lidar waveform modeling using a marked point process. Image Processing (ICIP), IEEE, 16th IEEE International Conference, 1713–1716.
Marquardt D., 1963. An algorithm for least-squares estimation of nonlinear parameters. Society for Industrial and Applied Mathematics, Vol. 11, No. 2, 431–441.
Molnar B., Laky S., Toth C., 2011. Using full waveform data in urban areas. The International Archives of the Photogrammetry Remote Sensing and Spatial Information Sciences, Vol. XXXVIII-3/W22, 203–208.
Persson A., Söderman U., Töpel J., Ahlberg S., 2005. Visualization and analysis of full-waveform airborne laser scanner data. ISPRS WG III/3, III/4, V/3 Workshop "Laser scanning 2005", Enschede, the Netherlands, September 12–14, 103–108.
Redner R.A., Walker H.F., 1984. Mixture densities, maximum likelihood and the EM algorithm. Society for Industrial and Applied Mathematics Review, Vol. 26, Issue 2, 195–239.
Reitberger J., Krzystek P., Stilla U., 2006. Analysis of full waveform lidar data for tree species classification. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. 36, 228–233.
Słota M., 2014a. Decomposition techniques for full-waveform airborne laser scanning data. Geomatics and Environmental Engineering, Vol. 8, Nr 1, 61–74.
Słota M., 2014b. Advanced processing techniques and Classification of full-waveform airborne laser scanning data. Geomatics and Environmental Engineering, Vol. 8, Nr 2, 85–95.
Wagner W., Ullrich A., Ducic V., Melzer T., Studnicka N., 2006. Gaussian decomposition and calibration of a novel small-footprint full-waveform digitizing airborne laser scanner. ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 60 (2), 100–112.
Wagner W., Ullrich A., Melzer T., Briese C., Kraus K., 2004. From single-pulse to full-waveform airborne laser scanners: potential and practical challenges. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXV-B3, 201–206.
Zhu J., Zhanga Z., Hu X., Lia Z., 2011. Analysis and application of LiDAR waveform data using a progressive waveform decomposition method. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVIII-5/W12, 31–36.
Uwagi
Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-5b1f3ed2-57c0-4ce0-b7e4-240ac85d063d
Identyfikatory