Modélisation automatique de bâtiments à partir de relevés lidar aérien
Extraction et modélisation automatique de bâtiments en 3D à partir de relevés lidar aéroportés
Versandkostenfrei!
Versandfertig in 6-10 Tagen
62,99 €
inkl. MwSt.
PAYBACK Punkte
31 °P sammeln!
Pour construire automatiquement un modèle 3D d''une ville à partir de données lidar, deux étapes sont indispensables. La première consiste à segmenter automatiquement le nuage de points pour en extraire des classes (le sol, les bâtiments et la végétation). La seconde est la modélisation automatique des bâtiments. L''approche proposée commence par la segmentation du Modèle Numérique de Surface en deux classes que sont le "sol" et le "sursol". Ensuite, il détecte les bâtiments à partir de la classe "sursol". A cet effet, le MNS et le nuage de points sont utilisés conjointement ...
Pour construire automatiquement un modèle 3D d''une ville à partir de données lidar, deux étapes sont indispensables. La première consiste à segmenter automatiquement le nuage de points pour en extraire des classes (le sol, les bâtiments et la végétation). La seconde est la modélisation automatique des bâtiments. L''approche proposée commence par la segmentation du Modèle Numérique de Surface en deux classes que sont le "sol" et le "sursol". Ensuite, il détecte les bâtiments à partir de la classe "sursol". A cet effet, le MNS et le nuage de points sont utilisés conjointement de manière à profiter des atouts de chacun. Ensuite, concernant la modélisation de bâtiments, l''approche est composé de 3 étapes: la modélisation des façades, la modélisation 2D des toits et la modélisation 3D des toits. Pour modéliser les façades on utilise la technique de Douglas-Peucker qui permet de décomposer le contour des bâtiments selon ses façades. Pour construire ensuite le modèle du toit, la technique RANSAC est adaptée afin de détecter automatiquement les plans les plus probables du toit. Pour terminer, les arêtes de toit et les n uds principaux entre arêtes sont détectés.
Andere Kunden interessierten sich für
