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.
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.
Original language | German |
---|---|
Pages (from-to) | 53-58 |
Number of pages | 6 |
Journal | AGIT ‒ Journal für Angewandte Geoinformatik |
Volume | 2018 |
Issue number | 4 |
DOIs | |
Publication status | Published - Jul 2018 |