Versatzkorrekturen von Multitemporalen ALS-Daten

Research output: Contribution to journalArticle

Abstract

Für die Registrierung von multi-temporalen ALS- (Airborne Laser Scanning) Daten
existieren eine Fülle von Methoden, die Datensätze mithilfe von korrespondierenden Punkten geometrisch
angleichen. Beispiele für gängige Methoden sind die Least-Mean-Squares-Methode oder der
Iterative-Closest-Point-Algorithmus. In topographisch anspruchsvollen Gebieten kann sich eine flächendeckende
Lageübereinstimmung aber als schwierig erweisen, da oftmals, trotz sorgfältiger Registrierung
und Georeferenzierung, kleinere Lageversätze verbleiben. In dieser Studie wird eine robuste
Methode vorgestellt, die selbst in topographisch stark reliefierten Gelände über Waldgebiete eine vollautomatische
Lageversatzkorrektur von (Raster oder Punktwolken) ASL-Daten ermöglicht. Die Methode
wurde bereits an mehreren Datensätzen getestet und hat sich als ein sehr nützliches Werkzeug
zur Registrierung multi-temporaler ALS-Datensätze erwiesen.
LanguageGerman
Pages53-58
Number of pages6
JournalAGIT ‒ Journal für Angewandte Geoinformatik
Volume2018
Issue number4
DOIs
StatusPublished - Jul 2018

Keywords

    Cite this

    Versatzkorrekturen von Multitemporalen ALS-Daten. / Mustafic, Sead; Schardt, Mathias.

    In: AGIT ‒ Journal für Angewandte Geoinformatik, Vol. 2018, No. 4, 07.2018, p. 53-58.

    Research output: Contribution to journalArticle

    @article{af691e2de2484672adb496a22dd6019b,
    title = "Versatzkorrekturen von Multitemporalen ALS-Daten",
    abstract = "F{\"u}r die Registrierung von multi-temporalen ALS- (Airborne Laser Scanning) Datenexistieren eine F{\"u}lle von Methoden, die Datens{\"a}tze mithilfe von korrespondierenden Punkten geometrischangleichen. Beispiele f{\"u}r g{\"a}ngige Methoden sind die Least-Mean-Squares-Methode oder derIterative-Closest-Point-Algorithmus. In topographisch anspruchsvollen Gebieten kann sich eine fl{\"a}chendeckendeLage{\"u}bereinstimmung aber als schwierig erweisen, da oftmals, trotz sorgf{\"a}ltiger Registrierungund Georeferenzierung, kleinere Lagevers{\"a}tze verbleiben. In dieser Studie wird eine robusteMethode vorgestellt, die selbst in topographisch stark reliefierten Gel{\"a}nde {\"u}ber Waldgebiete eine vollautomatischeLageversatzkorrektur von (Raster oder Punktwolken) ASL-Daten erm{\"o}glicht. Die Methodewurde bereits an mehreren Datens{\"a}tzen getestet und hat sich als ein sehr n{\"u}tzliches Werkzeugzur Registrierung multi-temporaler ALS-Datens{\"a}tze erwiesen.",
    keywords = "LiDAR, ALS, Lageversatz, Datenangleichung, Wald, Einzelbaumdetektion",
    author = "Sead Mustafic and Mathias Schardt",
    year = "2018",
    month = "7",
    doi = "10.14627/537647007",
    language = "deutsch",
    volume = "2018",
    pages = "53--58",
    journal = "AGIT ‒ Journal f{\"u}r Angewandte Geoinformatik",
    issn = "2364-9283",
    publisher = "Wichmann Verlag",
    number = "4",

    }

    TY - JOUR

    T1 - Versatzkorrekturen von Multitemporalen ALS-Daten

    AU - Mustafic,Sead

    AU - Schardt,Mathias

    PY - 2018/7

    Y1 - 2018/7

    N2 - Für die Registrierung von multi-temporalen ALS- (Airborne Laser Scanning) Datenexistieren eine Fülle von Methoden, die Datensätze mithilfe von korrespondierenden Punkten geometrischangleichen. Beispiele für gängige Methoden sind die Least-Mean-Squares-Methode oder derIterative-Closest-Point-Algorithmus. In topographisch anspruchsvollen Gebieten kann sich eine flächendeckendeLageübereinstimmung aber als schwierig erweisen, da oftmals, trotz sorgfältiger Registrierungund Georeferenzierung, kleinere Lageversätze verbleiben. In dieser Studie wird eine robusteMethode vorgestellt, die selbst in topographisch stark reliefierten Gelände über Waldgebiete eine vollautomatischeLageversatzkorrektur von (Raster oder Punktwolken) ASL-Daten ermöglicht. Die Methodewurde bereits an mehreren Datensätzen getestet und hat sich als ein sehr nützliches Werkzeugzur Registrierung multi-temporaler ALS-Datensätze erwiesen.

    AB - Für die Registrierung von multi-temporalen ALS- (Airborne Laser Scanning) Datenexistieren eine Fülle von Methoden, die Datensätze mithilfe von korrespondierenden Punkten geometrischangleichen. Beispiele für gängige Methoden sind die Least-Mean-Squares-Methode oder derIterative-Closest-Point-Algorithmus. In topographisch anspruchsvollen Gebieten kann sich eine flächendeckendeLageübereinstimmung aber als schwierig erweisen, da oftmals, trotz sorgfältiger Registrierungund Georeferenzierung, kleinere Lageversätze verbleiben. In dieser Studie wird eine robusteMethode vorgestellt, die selbst in topographisch stark reliefierten Gelände über Waldgebiete eine vollautomatischeLageversatzkorrektur von (Raster oder Punktwolken) ASL-Daten ermöglicht. Die Methodewurde bereits an mehreren Datensätzen getestet und hat sich als ein sehr nützliches Werkzeugzur Registrierung multi-temporaler ALS-Datensätze erwiesen.

    KW - LiDAR

    KW - ALS

    KW - Lageversatz

    KW - Datenangleichung

    KW - Wald

    KW - Einzelbaumdetektion

    UR - https://gispoint.de/fileadmin/user_upload/paper_gis_open/AGIT_2018/537647007.pdf

    U2 - 10.14627/537647007

    DO - 10.14627/537647007

    M3 - Artikel

    VL - 2018

    SP - 53

    EP - 58

    JO - AGIT ‒ Journal für Angewandte Geoinformatik

    T2 - AGIT ‒ Journal für Angewandte Geoinformatik

    JF - AGIT ‒ Journal für Angewandte Geoinformatik

    SN - 2364-9283

    IS - 4

    ER -