خلاصه
کلید واژه ها:
هوابرد LIDAR ; فتوگرامتری پهپاد ; ارجاع جغرافیایی ; مدل زمین دیجیتال ; ژئوئید محلی ؛ داده عمودی
۱٫ معرفی
۲٫ مواد و روشها
۲٫۱٫ سایت تست
۲٫۲٫ داده های LiDAR هوابرد
بردار موقعیت، ایکسپه=(ایکسبه yبه zبه r پ y ρ θ)تی، از نقطه اسکن شده مشاهده شده پرا می توان اساساً به عنوان تابعی از مسیر GPS/INS (INS-Inertial Navigation System) تخمین زده شده بیان کرد ( شکل ۲ را ببینید )، با موقعیت GPS/INS پارامتر شده است. ایکسبه=(ایکسبه yبه zبه)تیو پارامترهای جهت ( r)، گام صدا ( پ) و یاو ( y)) (r پ y)تیبه ترتیب با داشتن محدوده مشاهده شده، ρو زاویه رمزگذاری، θ، از پرتو لیزر همانطور که در شکل ۲ نشان داده شده است. معادله مشاهده در قاب e (قاب زمین محور، زمین ثابت (ECEF) که توسط ITRF محقق شد) به شرح زیر است [ ۱۸ ]:
ایکسپه(تی)=ایکسبه(تی)+آرℓه(φ(تی)،λ(تی))آربℓ(r(تی)،پ(تی)،y(تی))آرسب(ω،φ،κ)(ایکسبس+ρ(تی)(۰گناهθ(تی)cosθ(تی)))
در معادله (تی)نماد یک کمیت است که بر اساس زمان تغییر می کند. در اینجا، پارامترهای موقعیت وابسته به مسیر ایکسبه(تی)و نگرش آربℓ، که با سه زاویه اویلر پارامتر می شود r(تی)، پ(تی)، y(تی)، دامنه ρ(تی)و زاویه رمزگذار θ(تی)به عنوان اندازه گیری در نظر گرفته می شوند. اهرم-بازو ایکسسبو دید خسته کننده آرسبثابت فرض می شوند که از فرآیند کالیبراسیون و چرخش به دست می آیند آرℓه(تی)به عنوان تابعی از موقعیت جغرافیایی با توجه به بیضی مرجع می آید و تبدیل از ژئودتیک محلی ( ℓ-قاب) به سیستم ژئودزی جهانی ( ه-قاب).
۲٫۳٫ داده های فتوگرامتری پهپاد
دو رویکرد اصلی برای ارجاع جغرافیایی داده های تصویر وجود دارد [ ۳۶ ]. یکی از آنها رویکرد غیر مستقیم در کاربردهای فتوگرامتری هوایی با استفاده از پهپاد است. در این روش، داده های تصویر به صورت غیرمستقیم با استفاده از نقاط کنترل زمینی (GCP) دارای مختصات شناخته شده ای که روی تصاویر قابل مشاهده است، ارجاع داده می شوند. برای ژئوارفرانس غیرمستقیم، وسیله نقلیه هوایی لزوماً مجهز به ابزار موقعیت و جهت گیری نیست و این به عنوان یک مزیت در نظر گرفته می شود. بر این اساس، ژئوارفرانس غیرمستقیم، بسته به دقت و داده مرجع مختصات نقاط کنترل زمینی مورد استفاده، نتایج موقعیتیابی دقیقی را در دادههای ژئودزی مورد نیاز فراهم میکند. فرآیند ارجاع جغرافیایی غیرمستقیم در رابطه (۲) فرموله شده است.
roآg=roمنg(تی)+سآ آرمنg(تی)rمنآمن(تی)
جایی که roآgبردار مختصات زمین نقطه شی ( A ) را در سیستم مختصات ژئودتیکی ( g -frame) نشان می دهد. roمنg(تی)بردار مختصات سنسورهای دوربین در آن زمان است ( تی) که در g-قاب، آرمنg(تی)ماتریس چرخش i- frame به g -frame است، سآعامل مقیاس است، rمنآمن(تی)بردار مختصات شی را نشان می دهد من-قاب ( شکل ۴ را ببینید ).
ژئو ارجاع مستقیم برای به دست آوردن مختصات زمین نقطه شی ( A ) در سیستم مختصات ژئودتیکی ( g -frame)، بر معادله (۳) تکیه دارد. استفاده از این معادله در رویکرد مستقیم مستلزم دانش پیشینی تعدادی از پارامترهای سیستماتیک است. سآ ، rتومن تو) در معادله [ ۳۷ ] بیان شده است.
roآg=roتوg(تی)+آرتوg(تی)(سآ آرمنتو(تی)rمنآمن(تی)+rتومن تو) ،
جایی که roتوg(تی)بردار مختصات حسگرهای GNSS-IMU در آن زمان است ( تی) قرار گرفتن در معرض، آرتوg(تی)ماتریس چرخش u -frame به g -frame است، آرمنتو(تی)ماتریس چرخش از i- frame به u -frame است، rمنآمن(تی)بردار مختصات شی در است من-قاب، rتومن توبردار موقعیت مرکز نمایش دوربین در قاب u است ( شکل ۴ را ببینید ). این rتومن تو اهرم-بازو و آرمنتوپارامترهای boresight در تو-قاب ثابت هستند.
۲٫۴٫ تولید DTM از دادههای Point Cloud برای مدلسازی سطح زمین ژئویدی محلی
در مرحله فیلتر کردن ابرهای نقطه، نویز و اشتباهات موجود در ابرهای نقطه با استفاده از الگوریتم فیلتر آماری حذف پرت (SOR) در نرم افزار CloudCompare [ ۴۴ ] پاکسازی شدند. فیلتر SOR دارای یک الگوریتم محاسباتی نسبتاً ساده است که بر اساس تجزیه و تحلیل تصادفی تمام نقاط در ابر نقطه است و نقاطی را که آستانه تعیین شده به عنوان معیار را برآورده نمی کنند، از ابر نقطه حذف می کند [ ۴۵ ].]. در فیلتر کردن، برای هر نقطه در ابر نقطه، فاصله مکانی تا تعدادی از نقاط همسایه محاسبه می شود. میانگین فاصله های محاسبه شده در نظر گرفته شده است. توزیع تفاوت بین فواصل محاسبه شده از میانگین آنها به صورت گاوسی در نظر گرفته شده است. سپس هر نقطه ای که اختلاف فاصله داشته باشد و با توزیع مناسب نباشد به عنوان یک اشتباه حذف می شود. بنابراین، فاصله بین یک زوج-نقطه بر اساس تعداد نقاط تعیین شده برای تعیین مرزهای همسایگی تشکیل می شود (بگذارید بگوییم کنقاط اطراف نقطه مورد نظر) نمی تواند تجاوز کند دمترآایکس.در متر که:
دمترآایکس.=μ+n×σ
جایی که μفاصله متوسط است، n= 1،۲،۳ یک ثابت ضریب است که بسته به فاصله اطمینان مورد نیاز انتخاب می شود. σانحراف معیار فواصل است. از این رو، نقاطی که دورتر از دمترآایکس.حذف می شوند. در این فرآیند، تعریف از ک، تعداد نقاط محله و nضریب انحراف استاندارد، پارامترهای مهمی هستند که تعداد نقاط حذف شده از مجموعه داده را تعیین می کنند. از این رو، موفقیت فرآیند فیلترینگ. در مطالعه، در نتیجه رویکرد مبتنی بر آزمون و خطا، به عنوان تعیین و استفاده شدیم ک= ۶ و n= 1، با توجه به رسیدن به دقت مورد نیاز از DTM های تولید شده مطابق با هدف ما. پس از حذف اشتباهات با اعمال فیلتر حذف پرت آماری مبتنی بر فاصله، ما یک الگوریتم فیلتر مانند SOR را برای حذف نویز بیشتر از داده های ابر نقطه به منظور به دست آوردن داده های DTM با دقت بالاتر در نتیجه اجرا کردیم [ ۴۶ ]. فرمولبندی الگوریتم حذف نویز، که پس از فیلتر تشخیص پرت مبتنی بر فاصله اعمال شد، مشابه فیلتر SOR است. فیلتر حذف نویز متفاوت از مرحله اول، به جای فاصله، اختلاف ارتفاع بین نقاط را در نظر می گیرد و نقاطی را که اختلاف ارتفاع بیش از مقدار آستانه دارند حذف می کند. ساعتمترآایکس.=μ+n.σ، جایی که μمقدار میانگین اختلاف قد است، nثابت ضرب است، σانحراف استاندارد اختلاف ارتفاع از مقدار متوسط آنها است). در اعمال فیلتر حذف نویز، تعداد نقاط همسایگی ۶ و ثابت ضریب نیز ۱ انتخاب شد.
علاوه بر تراکم پیشرونده، فیلتر مورفولوژیکی که ما در تولید DTM با نرم افزار Global Mapper اعمال کردیم، در چهار دسته الگوریتم فیلتر که در [ ۴۸ ] ارائه شده است نیز ذکر شده است. الگوریتم فیلتر مورفولوژیکی مبتنی بر اصول مورفولوژی ریاضی است و عمدتاً از دو عملیات فرسایش ( ⊖ ) و اتساع ( ⊕ ) استفاده میکند.). با توجه به استفاده متوالی این عملگرها، عملیات بستن (فرسایش- اتساع) و باز کردن (اتساع- فرسایش) اعمال می شود. در الگوریتم فیلتر مورفولوژی پیشرونده، نقاط دارای حداقل ارتفاع در یک پنجره انتخاب شده و یک سطح تقریبی به عنوان مکانهای هندسی این نقاط تعیین میشود. سطوح ثانویه با انجام عملیات باز کردن به سطح توصیف شده اولیه تولید می شوند. دو سطح با در نظر گرفتن یک مقدار آستانه ( Δساعتمترآایکس.) و نقاط زیر مقدار آستانه به عنوان نقاط زمین دسته بندی می شوند. نه تنها مقدار آستانه اختلاف ارتفاع، بلکه انتخاب اندازه پنجره نیز برای دستیابی به نتایج خوب در یک فیلتر مورفولوژیکی حیاتی است. اندازه پنجره انتخاب شده را می توان با توجه به اندازه بزرگترین شی در فضای کاری بزرگ کرد تا اشیاء غیرزمینی را به طور موثر شناسایی و فیلتر کرد [ ۴۹ ]]. در عمل، در طول فرآیند فیلتر کردن، اندازه پنجره به تدریج افزایش می یابد. از آنجایی که فیلتر مورفولوژیکی با اندازه پنجره ثابت قادر به تشخیص و حذف اندازهگیریهای ساختمانها و درختان از دادههای ابر نقطهای است، با این حال، تشخیص تمام اجسام غیرزمینی با اندازههای مختلف دشوار است. افزایش اندازه پنجره راه حلی برای افزایش کارایی فیلتر است. نقاط زمین با مقایسه مقدار نقاط با آستانه متمایز می شوند. آستانه اختلاف ارتفاع را می توان با توجه به شیب توپوگرافی در یک منطقه مورد مطالعه تعیین کرد. با فرض ثابت بودن شیب، رابطه بین حداکثر اختلاف ارتفاع ( دساعتمترآایکس(تی)،ک) برای زمین ( تیاندازه پنجره ( wک) در کتیساعتتکرار و شیب زمین ( س) به صورت فرموله شده است:
س=دساعتمترآایکس(تی)،ک(wک-wک-۱)۲
و بر این اساس، آستانه اختلاف ارتفاع دساعتتی،کاست:
دساعتتی،ک={دساعت۰، س(wک-wک-۱)ج+دساعت۰،دساعتمترآایکس، منf wک≤۳ منf wک>3 منf دساعتتی،ک>دساعتمترآایکس
جایی که دساعت۰آستانه اختلاف ارتفاع اولیه است، سشیب است، جاندازه سلول است و دساعتمترآایکسحداکثر آستانه اختلاف ارتفاع [ ۴۹ ] است.
۲٫۵٫ مدلهای ژئوئیدی منطقهای مورد استفاده در اعتبارسنجی
در کاربردهای خاصی که دقت مدل ژوئیدی در سطح دسی متر کافی است، مدلهای پتانسیل ژئوپتانسیل جهانی ( ن≈نجیجیم) ممکن است دقت لازم را ارائه دهد. مدلهای ژئوپتانسیل جهانی به عنوان معادلات انبساط هارمونیک کروی با ضرایب تا درجه / مرتبه معین (d/o) منتشر میشوند. دقت این مدلهای جهانی از سال ۲۰۰۰ با مشارکت دادههای مأموریتهای ماهوارهای میدان گرانش زمین، یعنی CHAMP، GRACE، GOCE و اخیراً GRACE-FO [ ۵۷ ] به طور قابلتوجهی بهبود یافته است. معادله (۷) فرمول ریاضی مقدار ارتفاع ژئوئید را با استفاده از ضرایب انبساط هارمونیک کروی [ ۹ ] ارائه می کند.
نجیجیم= جیمrγ∑ℓ=۲ℓمترآایکس(آr)ℓ∑متر=۰ℓ(Δسی¯ℓمتر جoسمترλ + اس¯ℓمتر سمنnمترλ ) پ¯ℓمتر( جoسθ)
که در آن ( θ ، λ، r ) به ترتیب هم عرض جغرافیایی، طول جغرافیایی و شعاع زمین مرکزی نقطه محاسبه هستند. آشعاع محور اصلی بیضی مرجع است. GM حاصلضرب ثابت گرانش و جرم زمین است. Δسی¯ℓمترو اس¯ℓمترضرایب هارمونیک کروی کاملا نرمال شده، مربوط به پتانسیل نرمال بیضی مرجع از درجه خاصی از ℓو m را سفارش دهیدپ¯ℓمتر( جoسθ)توابع لژاندر مرتبط کاملاً نرمال شده هستند. مدل های ژئوپتانسیل جهانی با ضرایب هارمونیک کروی آنها از تعدادی از مراکز داده بین المللی به دست آمده است. مرکز بینالمللی مدلهای زمین جهانی (ICGEM) فهرست تقریباً کاملی از مدلهای پتانسیل جغرافیایی را ارائه میکند که از سال ۱۹۶۶ منتشر شدهاند [ ۱۵ ].
۳٫ نتایج و بحث
۳٫۱٫ ارزیابی دقت مدل ژئویدی محلی بر اساس استراتژی تولید DEM
۳٫۲٫ مقایسه مدلهای ژئوئید محلی با تکنیکهای فتوگرامتری با ژئوئیدهای منطقهای و جهانی
۳٫۳٫ ارزیابی قابلیت استفاده از تکنیک های فتوگرامتری برای مدل سازی ژئویدی محلی
۴٫ نتیجه گیری
-
با توجه به دقت DTMs، تفاوت بین راهحلهای مدل ژئوئیدی محلی توسط دو الگوریتم طبقهبندی ناچیز بود، اما به هر حال، سطح ژئوئید محلی محاسبهشده در نتیجه روش فیلتر مورفولوژیکی سطوح TG03 و EIGEN6C4-geoid کمی بهتر برازش کرد.
-
در نتایج مقایسه با ژئوئیدهای TG03 و EIGEN6C4، مدل ژئویدی محلی در قالب شبکهای توسط فیلتر مورفولوژیکی با استفاده از انحراف استاندارد اختلاف ارتفاع ژئوئید (انحراف استاندارد برای TG03، ۱۳٫۹ سانتیمتر در مقابل ۹٫۸ سانتیمتر و برای ۲۹ درصد برازش بهتری دارد. EIGEN6C4، ۱۴٫۰ سانتی متر در مقابل ۹٫۹ سانتی متر)؛
-
در نتایج مقایسه نقطهای، مدل سطح ژئوئید محلی با استفاده از الگوریتم فیلتر مورفولوژیک، مدل TG03 را کمی بهتر از مدل EIGEN6C4 برازش میدهد (انحراف استاندارد اختلاف ارتفاع ژئوئید: ۴٫۶ سانتیمتر در مقابل ۵٫۲ سانتیمتر).
-
با در نظر گرفتن دقت تخمین زده شده مدل سطح زمین ژئویدی محلی (~۹٫۲ سانتی متر) با استفاده از مقادیر RMSE ارتفاعات بیضی شکل توسط DTMمنو ارتفاعات ارتومتریک توسط DTMIIعملکرد آن در تطبیق با TG03 منطقه ای و EIGEN6C4 جهانی در محل آزمایش همان طور بود که انتظار می رفت.
-
روشهای فتوگرامتری LiDAR هوایی و پهپاد راهحل مدل ژئویدی محلی را با دقتی معادل مدلهای TG03 منطقهای و مدلهای جهانی با وضوح بالا EIGEN6C4 ارائه کردند.
-
دقت به دست آمده تقریباً در سطح ۱۰ سانتی متر است، اما برای برنامه های نقشه برداری و نقشه برداری مهندسی در مقیاس بزرگ که به دقت ارتفاع بهتر از ۵ سانتی متر نیاز دارند، کافی نیست.
-
انجام اندازهگیریهای LiDAR هوابرد در یک پروژه صرفاً برای مدل ژئوئیدی دقت سطح دسی متر مقرون به صرفه نیست.
-
با این حال، اگر مطالعات بیشتر بر روی تصاویر فتوگرامتری و همچنین اندازهگیریهای اسکن لیزری با استفاده از پهپاد و استراتژیهای ویژه به منظور بهبود دقت ارتفاع با استفاده از این تکنیکها توسعه یابد، سهم قابلتوجهی در تعیین و اعتبارسنجی مدلهای ژئوئید محلی با تکنیکهای فتوگرامتری انتظار میرود.
-
تکنیکهای فتوگرامتری مبتنی بر پهپاد، LiDAR و تصاویر نیز، برای حل اقتصادی و دقیق مشکل تعیین مدل ژئوئید محلی در آینده امیدوارکننده هستند.
منابع
- وارگا، م. باشیچ، تی. ارزیابی کیفیت و مقایسه مدلهای ارتفاع دیجیتال جهانی در قلمرو جمهوری کرواسی. کارتوگر. Geoinformacije (Cartogr. Geoinf.) ۲۰۱۳ ، ۱۲ ، ۴-۱۷٫ [ Google Scholar ]
- Maune، DF; نایگاندی، الف. فناوریها و کاربردهای مدل دیجیتالی ارتفاع: کتابچه راهنمای کاربران DEM ، ویرایش سوم. انتشارات ASPRS: Bethesda، MA، USA، ۲۰۱۹; صص ۱-۶۵۵٫ [ Google Scholar ]
- وارگا، م. باشیچ، تی. اعتبارسنجی دقت و مقایسه مدلهای ارتفاع دیجیتال جهانی در کرواسی. بین المللی J. Remote Sens. ۲۰۱۵ ، ۳۶ ، ۱۷۰-۱۸۹٫ [ Google Scholar ] [ CrossRef ]
- Hirt, C. مدل های زمین دیجیتال. در دایره المعارف ژئودزی ; Grafarend، E.، Ed. Springer Nature: Cham، سوئیس، ۲۰۱۹; صص ۱-۶٫ [ Google Scholar ] [ CrossRef ]
- وکسلر، SP ادراک عدم قطعیت مدل ارتفاعی دیجیتال توسط کاربران DEM. URISA J. ۲۰۰۳ ، ۱۵ ، ۵۷-۶۴٫ [ Google Scholar ]
- Liu, X. Airborne LiDAR برای نسل DEM: برخی مسائل مهم. Prog. فیزیک Geogr. ۲۰۰۸ ، ۳۲ ، ۳۱-۴۹٫ [ Google Scholar ]
- پولات، ن. نسل Uysal، M. DTM با ابر نقطه فتوگرامتری مبتنی بر پهپاد. در آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات فضایی، مجموعه مقالات چهارمین کارگاه بین المللی GeoAdvances، Karabük، ترکیه، ۱۴–۱۵ اکتبر ۲۰۱۷ . ISPRS: Karabuk، ترکیه، ۲۰۱۷٫ [ Google Scholar ]
- صالح، MRM; اسماعیل، ز. رحمان، MZA ارزیابی دقت مدل زمین دیجیتال مشتق شده از لیدار (DTM) با شیب و پوشش تاج متفاوت در منطقه جنگل های گرمسیری. در انجمن بین المللی فتوگرامتری و سنجش از دور، مجموعه مقالات کنفرانس مشترک بین المللی اطلاعات جغرافیایی، کوالالامپور، مالزی، ۲۸ تا ۳۰ اکتبر ۲۰۱۵ . ISPRS: کوالالامپور، مالزی، ۲۰۱۵٫ [ Google Scholar ]
- تورج، دبلیو. مولر، جی. ژئودزی ، ویرایش سوم. Walter de Gruyter: نیویورک، نیویورک، ایالات متحده آمریکا، ۲۰۱۲٫ [ Google Scholar ]
- سانسو، اف. سیدریس، MG (ویرایشگران) تعیین ژئوئید: نظریه و روشها . Springer: برلین/هایدلبرگ، آلمان، ۲۰۱۳; صص ۱-۷۳۴٫ [ Google Scholar ] [ CrossRef ]
- ارول، اس. Erol, B. ارزیابی مقایسه ای از الگوریتم های درون یابی مختلف برای پیش بینی GNSS / سطح ژئوید سطح با استفاده از داده های کنترل پراکنده. اندازه گیری ۲۰۲۰ . تحت بررسی [ Google Scholar ]
- وانگ، YM; بکر، سی. مادر، جی. مارتین، دی. لی، ایکس. جیانگ، تی. برایدنباخ، اس. جوغگان، سی. وینستر، دی. گیوم، اس. و همکاران بررسی اعتبارسنجی شیب زمین ۲۰۱۴ و گرانش هوابرد GRAV-D نتایج مقایسه ژئوئیدی را در آیووا افزایش داد. جی. جئود. ۲۰۱۷ ، ۹۱ ، ۱۲۶۱-۱۲۷۶٫ [ Google Scholar ] [ CrossRef ]
- کی، ع. اردوغان، م. نتایج آزمایش Eker، O. LiDAR با استفاده از OPTECH HA-500 و RIEGL LMS-Q1560 انجام شد. نقشه J. ۲۰۱۵ ، ۱۵۳ ، ۴۲-۴۶٫ (به ترکی) [ Google Scholar ]
- یلماز، ن. Cakir, L. تحقیقی در مورد سازگاری و پیشرفت مدلهای ژئوئید در ترکیه. عرب جی. ژئوشی. ۲۰۱۶ ، ۹ ، ۱-۱۱٫ [ Google Scholar ] [ CrossRef ]
- مرکز بین المللی مدل های جهانی زمین (ICGEM). در دسترس آنلاین: http://icgem.gfz-potsdam.de/tom_celestial (در ۲۴ مارس ۲۰۲۰ قابل دسترسی است).
- وور، سی. Lindenberger, J. تجربیات ۱۰ ساله اسکن لیزری. در مجموعه مقالات فتوگرامتری هفته ۹۹ ; Fritsch, D., Spiller, R., Eds. Herbert Wichmann Verlag: برلین/هایدلبرگ، آلمان، ۱۹۹۹; صص ۱۲۵-۱۳۲٫ [ Google Scholar ]
- استیس، م. کروگر، اس. مرسر، جی بی؛ Schnick, S. مقایسه داده های ارتفاعی دیجیتال از لیزرهای هوابرد و سیستم های تداخل سنجی SAR. بین المللی قوس. فتوگرام Remote Sens. ۲۰۰۰ , ۳۳ Pt 3 , ۸۶۶-۸۷۳٫ [ Google Scholar ]
- لیچتی، دی. Skaloud, J. ثبت و کالیبراسیون. در اسکن لیزری هوابرد و زمینی ؛ Vosselman, G., Maas, HG, Eds. انتشارات ویتلز: اسکاتلند، انگلستان، ۲۰۱۰; ۳۳۶p. [ Google Scholar ]
- راوی، ر. حبیب، الف. استراتژی کالیبراسیون مبتنی بر پروفایل کاملاً خودکار برای سیستمهای LiDAR متحرک هوابرد و زمینی با واحدهای لیزر چند پرتوی چرخان. Remote Sens. ۲۰۲۰ , ۱۲ , ۴۰۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- برالدین، ج.ا. بلیز، اف. لوهر، فناوری اسکن لیزری U. در اسکن لیزری هوابرد و زمینی ؛ Vosselman, G., Maas, HG, Eds. انتشارات ویتلز: اسکاتلند، انگلستان، ۲۰۱۰; ۳۳۶p. [ Google Scholar ]
- ژانگ، دبلیو. Li, Q. شبیه سازی مقدماتی برای مطالعه پتانسیل ادغام LIDAR و تصاویر. در مجموعه مقالات SPIE 6366، سنجش از دور برای پایش محیطی، کاربردهای GIS، و زمین شناسی VI، استکهلم، سوئد، ۳ اکتبر ۲۰۰۶٫ [ Google Scholar ] [ CrossRef ]
- سلیمان اوغلو، بی. Soycan، M. مقایسه الگوریتم های فیلتر مورد استفاده برای تولید DTM از داده های هوابرد LiDAR: مطالعه موردی در برگاما، ترکیه. Geod. وستن ۲۰۱۹ ، ۶۳ ، ۳۹۵-۴۱۴٫ [ Google Scholar ] [ CrossRef ]
- حبیب، الف. دقت، تضمین کیفیت و کنترل کیفیت داده های LiDAR. در اصول و پردازش توپوگرافی لیزری محدوده و اسکن ; Shan, J., Toth, CK, Eds. Taylor & Francis Group CRC Press: نیویورک، نیویورک، ایالات متحده آمریکا، ۲۰۰۹; ص ۲۶۹-۲۹۴٫ [ Google Scholar ]
- فرناندز-نونز، م. برنینگهام، اچ. Zujar, JO بهبود دقت مدلهای زمین دیجیتال مشتق شده از LiDAR برای مدیریت نمکزار. جی. ساحل. حفظ کنید. ۲۰۱۷ ، ۲۱ ، ۲۰۹-۲۲۲٫ [ Google Scholar ] [ CrossRef ]
- Reutebuch، SE; مک گاگی، آر جی؛ اندرسن، HE; Carson، WW دقت یک مدل زمین لیدار با وضوح بالا در زیر سایهبان جنگل مخروطیان. می توان. J. Remote Sens. ۲۰۰۳ ، ۲۹ ، ۵۲۷-۵۳۵٫ [ Google Scholar ] [ CrossRef ]
- هاجسون، ام. برسناهان، ص. دقت ارتفاع ناشی از LIDAR در هوا: ارزیابی تجربی و بودجه خطا. فتوگرام مهندس Remote Sens. ۲۰۰۴ , ۷۰ , ۳۳۱-۳۳۹٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- چن، ز. گائو، بی. Devereux, B. پیشرفته ترین: تولید DTM با استفاده از داده های LiDAR در هوا. حسگرها ۲۰۱۷ ، ۱۷ ، ۱۵۰٫ [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
- نرم افزار POSPacMMS، وب سایت شرکت Applanix-Trimble، صفحه محصولات. در دسترس آنلاین: https://www.applanix.com/products/pospac-mms.htm (در ۱۶ اوت ۲۰۲۰ قابل دسترسی است).
- اسناد Optech-Specification. در دسترس آنلاین: https://pdf.directindustry.com/pdf/optech/pegasus-ha500/25132-387525.html (در ۱۷ ژوئن ۲۰۲۰ قابل دسترسی است).
- کراوس، ک. مبانی و فرآیندهای فتوگرامتری . Dummler Verlag: بن، آلمان، ۱۹۹۹٫ [ Google Scholar ]
- اولمن، اس. تفسیر ساختار از حرکت. Proc. R. Soc. لندن. سر. B Biol. علمی ۱۹۷۹ ، ۲۰۳ ، ۴۰۵-۴۲۶٫ [ Google Scholar ]
- وستوبی، ام جی. براسینگتون، جی. گلسر، NF; هامبری، ام جی; رینولدز، فتوگرامتری «ساختار از حرکت» JM: ابزاری کمهزینه و مؤثر برای کاربردهای علوم زمین. ژئومورفولوژی ۲۰۱۲ ، ۱۷۹ ، ۳۰۰-۳۱۴٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- Snavely، N. بازسازی صحنه و تجسم از مجموعه عکس های اینترنتی. دکتری پایان نامه، دانشگاه واشنگتن، واشنگتن، دی سی، ایالات متحده آمریکا، ۲۰۰۸٫ [ Google Scholar ]
- سونا، جی. پینتو، ال. پاگلیاری، د. پاسونی، دی. جینی، آر. تحلیل تجربی بستههای نرمافزاری مختلف جهتیابی و مدلسازی سطح دیجیتال از تصاویر پهپاد. علوم زمین آگاه کردن. ۲۰۱۴ ، ۷ ، ۹۷-۱۰۷٫ [ Google Scholar ] [ CrossRef ]
- رویز، جی جی؛ دیاز-ماس، ال. پرز، اف. ویگوریا، A. ارزیابی دقت الگوریتم های تولید DEM از تصاویر پهپاد. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی ۲۰۱۳ ، ۴۰ ، ۳۳۳-۳۳۷٫ [ Google Scholar ] [ CrossRef ]
- گبرلیک، پ. جلینک، ا. Janata, P. سیستم ژئو ارجاع چند سنسوری دقیق برای پهپادهای میکرو. IFAC-PapersOnLine ۲۰۱۶ ، ۴۹ ، ۱۷۰-۱۷۵٫ [ Google Scholar ] [ CrossRef ]
- چیانگ، KW; تسای، ام ال. الشیمی، ن. حبیب، ع. Chu, CH روش کالیبراسیون جدید با استفاده از MEM IMUهای کم هزینه برای تأیید عملکرد محموله های MMS با پهپاد. سنسورها ۲۰۱۵ ، ۱۵ ، ۶۵۶۰-۶۵۸۵٫ [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
- توران، ای. مقایسه تکنیکهای موقعیتیابی ماهواره بر فتوگرامتری مبتنی بر وسایل نقلیه هوایی بدون سرنشین. پایان نامه کارشناسی ارشد، دانشگاه فنی استانبول، استانبول، ترکیه، ۲۰۱۸٫ [ Google Scholar ]
- اویسال، م. توپراک، ا. نسل پولات، N. DEM با فتوگرامتری پهپاد و آنالیز دقت در تپه Sahitler. اندازه گیری ۲۰۱۵ ، ۷۳ ، ۵۳۹-۵۴۳٫ [ Google Scholar ] [ CrossRef ]
- نرم افزار Global Mapper، وب سایت Blue Marble Geographics. در دسترس آنلاین: http://www.globalmapper.com/ (در ۲ ژوئیه ۲۰۲۰ قابل دسترسی است).
- جیگر فرانک، ای. کراسبی، سی جی; ممون، ا. ناندیگام، وی. اروسمیت، آر. کانر، جی. آلتینتاس، آی. بارو، سی. معماری سه لایه برای درونیابی و تحلیل LiDAR. در مجموعه مقالات ششمین کنفرانس بین المللی علوم محاسباتی-ICCS، ریدینگ، انگلستان، ۲۸-۳۱ مه ۲۰۰۶٫ Springer Verlag: برلین، آلمان؛ ص ۹۲۰-۹۲۷٫ [ Google Scholar ]
- نرمافزار CloudCompare، وبسایت رسمی پروژه CloudCompare—پروژه متنباز نرمافزار پردازش مش و ابر نقطه سهبعدی. در دسترس آنلاین: https://www.cloudcompare.org/ (دسترسی در ۵ ژوئیه ۲۰۲۰).
- نرم افزار سرفر، وب سایت شرکت نرم افزار طلایی. در دسترس آنلاین: https://www.goldensoftware.com/products/surfer (در ۵ ژوئیه ۲۰۲۰ قابل دسترسی است).
- کوچک، RA; ارول، اس. اوزوگل، ای. ارول، بی. بررسی ارزیابی مدل ژئوئیدی با استفاده از DTMهای تولید شده توسط پهپاد و داده های LiDAR هوابرد. در مجموعه مقالات هفدهمین مجمع علمی و فنی نقشه برداری ترکیه، آنکارا، ترکیه، ۲۵ تا ۲۷ آوریل ۲۰۱۹؛ اتاق مهندسین نقشه برداری و کاداستر ترکیه: آنکارا، ترکیه، ۲۰۱۹٫ (به زبان ترکی). [ Google Scholar ]
- کوالک، ک. کامینسکی، ال. Gardziński، P. ماکوویاک، اس. Hofman, R. بازسازی سه بعدی اشیاء واقعی با استفاده از دستگاه اندروید. در چالش های پردازش تصویر و ارتباطات ۷ ; Choras, RS, Ed. Springer: Cham, Switzerland, 2016; پ. ۳۱۰٫ [ Google Scholar ]
- Özögel, E. An Investigation on Use of Point Cloud Data in Evaluation of Local Geoid Models. پایان نامه کارشناسی ارشد، دانشگاه فنی استانبول، استانبول، ترکیه، ۲۰۱۸٫ [ Google Scholar ]
- L3Harris Geospatial Solutions، مقدمه ای بر ENVI LiDAR. در دسترس آنلاین: https://www.harrisgeospatial.com/docs/IntroductionLidar.html (در ۳ ژوئن ۲۰۲۰ قابل دسترسی است).
- فایفر، ن. Mandlburger، G. LiDAR فیلتر داده و تولید مدل زمین دیجیتال. در اصول و پردازش توپوگرافی لیزری محدوده و اسکن ; Shan, J., Toth, CK, Eds. CRC Press: بوکا راتون، فلوریدا، ایالات متحده آمریکا، ۲۰۱۸؛ پ. ۶۵۴٫ [ Google Scholar ]
- ژانگ، ک. چن، SC; ویتمن، دی. Shyu، ML; یان، جی. Zhang, C. یک فیلتر مورفولوژیکی مترقی برای حذف اندازهگیریهای غیرزمینی از دادههای LIDAR در هوا. IEEE Trans. Geosci. Remote Sens. ۲۰۰۳ , ۴۱ , ۸۷۲-۸۸۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- LSMSDPR. نقشه مقیاس بزرگ و مقررات تولید داده های مکانی ; ۲۱۸/۱۱۹۶۲; جمهوری ترکیه: آنکارا، ترکیه، ۲۶ ژوئن ۲۰۱۸٫ (به زبان ترکی) [ Google Scholar ]
- وروننو، م. دووال، آر. Huang, J. یک مدل ژئوئید گرانشی به عنوان یک مبنا عمودی در کانادا. Geomatica ۲۰۰۶ ، ۶۰ ، ۱۶۵-۱۷۲٫ [ Google Scholar ]
- آموس، مدلسازی شبه ژئوئیدی MJ در نیوزلند برای یکسان سازی چندین مبدأ عمودی محلی. دکتری پایان نامه، دانشگاه صنعتی کرتین، پرت، استرالیا، ۲۰۰۷٫ [ Google Scholar ]
- Kılıçoğlu، A. ژئوئید ترکیه جدید (TG-03) با مشاهدات و روش محاسباتی. در مجموعه مقالات نشست سالانه کمیسیون ملی ژئودزی ترکیه: کارگاه ژئویدی و مبنا عمودی، ترابزون، ترکیه، ۲۲ تا ۲۴ سپتامبر ۲۰۰۵٫ (به زبان ترکی). [ Google Scholar ]
- ارول، بی. ایشک، ام اس; ارول، اس. ارزیابی ناهنجاریهای گرانشی شبکهای برای مدلسازی دقیق ژئوئید در ترکیه. J. Surv. مهندس ۲۰۲۰ , ۱۴۶ , ۰۵۰۲۰۰۰۵٫ [ Google Scholar ] [ CrossRef ]
- Lemoine، FG; کنیون، SC; فاکتور، JK; تریمر، RG; پاولیس، NK; چین، دی اس؛ کاکس، سی ام. کلوسکو، اس ام. Luthcke, SB; تورنس، MH; و همکاران توسعه GSFC مشترک ناسا و آژانس تصویربرداری و نقشه برداری ملی (NIMA) مدل ژئوپتانسیل EGM96 . گزارش فنی ناسا NASA/TP1998206861; مرکز پرواز فضایی گدارد: Greenbelt، MD، ایالات متحده آمریکا، ۱۹۹۸٫ [ Google Scholar ]
- ارول، بی. چلیک، RN مدلسازی ژئوئید GPS/همسطح محلی با ارزیابی وزندهی معکوس فاصله و روشهای کریجینگ زمینآماری. در مجموعه مقالات ⅩⅩ XV کنگره ISPRS، کمیسیون فنی چهارم، استانبول، ترکیه، ۱۲ تا ۲۳ ژوئیه ۲۰۰۴٫ [ Google Scholar ]
- ارول، بی. ایشک، ام اس; Erol, S. ارزیابی مرکز پردازش سطح بالا GOCE (HPF) مدلهای ژئوپتانسیل جهانی را با نتایج آزمایش منطقهای در ترکیه منتشر کرد. Remote Sens. ۲۰۲۰ , ۱۲ , ۵۸۶٫ [ Google Scholar ] [ CrossRef ][ Green Version ]
- فورسته، سی. بروینسما، اس. ابریکوسوف، او. فلچتنر، اف. مارتی، جی سی. Lemoine, JM; داهل، سی. نیومایر، اچ. بارتلمز، اف. کونیگ، آر. و همکاران EIGEN-6C4 جدیدترین مدل میدان گرانشی جهانی ترکیبی شامل داده های GOCE تا درجه و سفارش ۲۱۹۰ GFZ Potsdam و GRGS تولوز. سرویس داده GFZ ۲۰۱۴ . [ Google Scholar ] [ CrossRef ]
- پاولیس، NK; هلمز، SA; کنیون، SC; فاکتور، JK توسعه و ارزیابی مدل گرانشی زمین ۲۰۰۸ (EGM2008). جی. ژئوفیس. Res. زمین جامد ۲۰۱۲ ، ۱۱۷ ، ۱-۳۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- برزقی، ر. کریون، دی. پپه، م. Prezioso، G. محاسبه انحراف عمودی برای بهبود بررسیهای هوایی: مقایسه بین تخمینهای EGM2008 و ITALGEO05. Sensors ۲۰۱۶ , ۱۶ , ۱۱۶۸٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- گولدن، تی. هاپکینسون، سی. بررسی اثر انحراف عمودی بر مشاهدات لیدار. می توان. J. Remote Sens. ۲۰۱۰ ، ۳۶ (Suppl. S2)، ۳۶۵-۳۷۵٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
- ارول، بی. چلیک، RN تعیین ژئوید محلی دقیق برای موثرتر کردن تکنیک GPS در کاربردهای عملی ژئودزی. در مجموعه مقالات هفته کاری FIG، آتن، یونان، ۲۲-۲۷ مه ۲۰۰۴٫ [ Google Scholar ]
- ارول، بی. تبدیل خودکار ارتفاع با استفاده از مدلهای ژئوئید دقیق. علمی Res. مقالات ۲۰۱۱ ، ۶ ، ۱۳۵۱-۱۳۶۳٫ [ Google Scholar ]
- دوگانالپ، اس. تعیین ژئوئید محلی Selvi، HZ در پروژههای ناحیه نواری با استفاده از چند جملهای، همآمیزی حداقل مربعات و توابع پایه شعاعی. اندازه گیری ۲۰۱۵ ، ۷۳ ، ۴۲۹-۴۳۸٫ [ Google Scholar ] [ CrossRef ]
بدون دیدگاه