Mappatura mobile: Sbloccare l'intelligenza spaziale con la visione artificiale
Di Fouad Sabry
()
Info su questo ebook
Cos'è il Mobile Mapping
La mappatura mobile è il processo di raccolta di dati geospaziali da un veicolo mobile, generalmente dotato di una gamma di sistemi GNSS, fotografici, radar, laser, LiDAR o qualsiasi numero di sistemi di rilevamento remoto. Tali sistemi sono composti da una serie integrata di sensori di navigazione sincronizzati nel tempo e sensori di immagini montati su una piattaforma mobile. L'output principale di tali sistemi include dati GIS, mappe digitali e immagini e video georeferenziati.
Come trarrai beneficio
(I) Approfondimenti e convalide sui seguenti argomenti:
Capitolo 1: Mappatura mobile
Capitolo 2: Modello digitale del prospetto
Capitolo 3: Analisi delle immagini
Capitolo 4: Fotogrammetria
Capitolo 5: Geoinformatica
Capitolo 6: Scansione 3D
Capitolo 7: Georeferenziazione
Capitolo 8: GDAL
Capitolo 9: SOCET SET
Capitolo 10: ILWIS
(II) Rispondere alle principali domande del pubblico sulla mappatura mobile.
(III) Esempi reali di utilizzo del mobile mapping in molti campi.
A chi è rivolto questo libro
Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che vogliono andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di Mobile Mapping.
Leggi altro di Fouad Sabry
Tecnologie Emergenti Nei Trasporti [Italian]
Correlato a Mappatura mobile
Titoli di questa serie (100)
Retinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRiduzione del rumore: Miglioramento della chiarezza, tecniche avanzate per la riduzione del rumore nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIstogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniContorno attivo: Avanzamento della visione artificiale con tecniche di contorno attivo Valutazione: 0 su 5 stelle0 valutazioniGruppo congiunto di esperti fotografici: Sfruttare la potenza dei dati visivi con lo standard JPEG Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEqualizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniConsenso del campione casuale: Stima robusta nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFiltro adattivo: Migliorare la visione artificiale attraverso il filtraggio adattivo Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModello del sistema visivo umano: Comprendere la percezione e l'elaborazione Valutazione: 0 su 5 stelle0 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto del colore: Comprendere la percezione e la rappresentazione nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata di Hadamard: Svelare il potere della trasformazione Hadamard nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniBanca filtri: Approfondimenti sulle tecniche del banco di filtri di Computer Vision Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniPercezione visiva: Approfondimenti sull'elaborazione visiva computazionale Valutazione: 0 su 5 stelle0 valutazioniRegolazione del pacchetto: Ottimizzazione dei dati visivi per una ricostruzione precisa Valutazione: 0 su 5 stelle0 valutazioniCorrelazione incrociata: Sbloccare i modelli nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModello a colori: Comprendere lo spettro della visione artificiale: esplorare i modelli di colore Valutazione: 0 su 5 stelle0 valutazioniFunzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniStima della posa del corpo articolato: Sbloccare il movimento umano nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Mappa dell'altezza: Esplorare la rappresentazione del terreno attraverso la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMappatura dei rilievi: Bump Mapping: esplorazione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTexture Mapping: Esplorare la dimensionalità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniPrimitivo geometrico: Esplorazione dei fondamenti e delle applicazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGrafica raster digitale: Svelare la potenza della grafica raster digitale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIlluminazione globale: Visione avanzata: approfondimenti sull'illuminazione globale Valutazione: 0 su 5 stelle0 valutazioniGrafica vettoriale: Padroneggiare la grafica vettoriale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGrafica di ray-tracing: Esplorazione del rendering fotorealistico nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniComputer grafica di vertice: Esplorando l'intersezione tra la computer grafica di vertice e la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGrafica raster: Comprendere i fondamenti della grafica raster nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModellazione e rendering basati su immagini: Esplorare il realismo visivo: tecniche di visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEditor di grafica raster: Trasformare le realtà visive: padroneggiare gli editor grafici raster nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEditor di grafica vettoriale: Potenziare la creazione visiva con algoritmi avanzati Valutazione: 0 su 5 stelle0 valutazioniVisualizza la sintesi: Esplorare le prospettive nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModellazione geometrica: Esplorazione della modellazione geometrica nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniFatevi le mappe vostre con Google Maps V3 Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniAlgoritmo di disegno di linee: Padroneggiare le tecniche per il rendering di immagini di precisione Valutazione: 0 su 5 stelle0 valutazioniTagli del grafico di visione artificiale: Esplorazione dei tagli grafici nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSegmentazione delle immagini: Sbloccare insight grazie alla precisione dei pixel Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto attivo: Sbloccare la potenza dei modelli di aspetto attivo nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniComputer grafica bidimensionale: Esplorazione del regno visivo: computer grafica bidimensionale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGeometria computazionale: Esplorazione di intuizioni geometriche per la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniNebbia a distanza: Esplorare la frontiera visiva: approfondimenti sulla nebbia a distanza della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDisegno tecnico: Sbloccare la percezione visiva nel disegno tecnico Valutazione: 0 su 5 stelle0 valutazioniDeterminazione della superficie nascosta: Svelare i segreti della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniShader: Esplorare i regni visivi con Shader: un viaggio nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRiconoscimento dei gesti: Sbloccare il linguaggio del movimento Valutazione: 0 su 5 stelle0 valutazioniIntegrazione dell'infrastruttura del veicolo: Sbloccare intuizioni e progressi attraverso la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniStima della posa del corpo articolato: Sbloccare il movimento umano nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioni
Intelligenza artificiale e semantica per voi
ANonniMus: Vecchi rivoluzionari contro giovani robot Valutazione: 0 su 5 stelle0 valutazioniIl Terzo Like Valutazione: 0 su 5 stelle0 valutazioniGuida Intelligenza Artificiale Valutazione: 0 su 5 stelle0 valutazioni
Recensioni su Mappatura mobile
0 valutazioni0 recensioni
Anteprima del libro
Mappatura mobile - Fouad Sabry
Capitolo 1: Mappatura mobile
I principali output di tali sistemi sono dati GIS, mappe digitali, foto e video georeferenziati.
L'avvento della tecnologia di georeferenziazione a lettura diretta ha reso possibili i sistemi di mappatura mobile. Il GPS e i sistemi di navigazione inerziale hanno consentito una determinazione rapida e accurata della posizione e dell'assetto delle apparecchiature di telerilevamento, consentendo la mappatura immediata delle caratteristiche di interesse senza richiedere un'ampia post-elaborazione dei dati osservati.
I mezzi tradizionali per la georeferenziazione della fotografia aerea, il radar di profilazione del terreno o il Lidar sono eccessivamente costosi, soprattutto in luoghi remoti o dove la natura dei dati ottenuti rende impossibile l'analisi di caratteristiche specifiche. La georeferenziazione diretta delle immagini facilita il controllo della mappatura su larga scala.
I dispositivi di mappatura mobile consentono la rapida raccolta di dati per fornire una valutazione accurata delle condizioni del terreno.
Gli utenti di Internet e di dispositivi mobili utilizzano sempre più spesso i dati geospaziali sotto forma di mappe o immagini georeferenziate. Google, Microsoft e Yahoo hanno incluso immagini satellitari e aeree nei loro sistemi di mappatura online. Anche le fotografie di tipo Street View sono un mercato in crescita.
La combinazione di GPS e sistemi di telecamere digitali consente un rapido aggiornamento delle mappe dei percorsi. L'identico sistema può essere utilizzato per condurre efficaci rilievi delle condizioni stradali, Mobile LiDAR dotato di un sistema di imaging digitale viene utilizzato per raccogliere dati che, dopo la post-elaborazione, creano una pianta a strisce, un profilo orizzontale e verticale e tutti gli altri asset all'interno e all'esterno del ROW, come l'uso del suolo adiacente e la geometria insufficiente. Ciò richiede anche la qualità di guida della pavimentazione, le caratteristiche del traffico esistente e la capacità del corridoio, lo studio della velocità-flusso-densità, la revisione della sicurezza stradale del corridoio, l'apertura dello svincolo e dello spartitraffico e le strutture per i veicoli commerciali. Pertanto, tutti i dati utilizzati per creare una matrice delle prestazioni contribuiscono all'identificazione delle lacune di efficienza del corridoio per la definizione delle priorità delle attività di miglioramento dell'efficienza del corridoio.
La mappatura mobile e la mappatura indoor vengono utilizzate nello sviluppo di gemelli digitali. Questi gemelli digitali possono rappresentare una singola struttura o un'intera città o nazione. Diverse società di mappatura mobile soprannominate Maker of Digital Twins
stanno tentando di catturare il mercato dei gemelli digitali mentre le aziende e i governi utilizzano sempre più i gemelli digitali per l'Internet of Things e le applicazioni di intelligenza artificiale nel contesto della quarta rivoluzione industriale. Struttura 4.0.
^ Vitrià, et al.
(2004) p.69 URL consultato nel giugno 2011.
B. Hofmann-Wellenhof et al. (2003), pagine 379-380. Ottenibile a giugno 2011.
Tao, C. V. (2007), pagina 5. URL consultato a giugno 2011
J. Gao (2009), p.196. Ottenibile a giugno 2011.
Estratto nel giugno 2011 da Zlatanova et al. (2008), p.103.
C.V. Tao (2007), p. xiii. Ottenibile a giugno 2011.
Q. Weng (2009), p.70. Ottenibile a giugno 2011.
C.V. Tao (2009), p.614. Ottenibile a giugno 2011.
10. Hammoudi et al., 2013. Ottenibile a novembre 2018.
Hammoudi et al. (2013), pagine da 139 a 144. Ottenibile a gennaio 2016.
Zlatanova e altri (2008), p.113. Ottenibile a giugno 2011.
Gavrilova, M.L., p.996-1001 (2006). Ottenibile a giugno 2011.
P. van Oosterom (2008), pagina 8. Ottenibile da giugno 2011
^ Gemello digitale#cita nota-:4-1
{Fine Capitolo 1}
Capitolo 2: Modello digitale di elevazione
Un modello digitale di elevazione (DEM) o modello digitale di superficie (DSM) è una rappresentazione 3D in computer grafica dei dati di elevazione utilizzata per rappresentare il terreno o gli oggetti sovrastanti, in genere di un pianeta, di una luna o di un asteroide. Il termine DEM globale
si riferisce a una griglia discreta globale. I DEM sono spesso impiegati nei sistemi informativi geografici (GIS) e fungono da base più popolare per le mappe in rilievo generate digitalmente. Un modello digitale del terreno (DTM) cattura la superficie del terreno in modo esplicito, mentre DEM e DSM possono rappresentare le chiome degli alberi o i tetti degli edifici.
Un DSM può essere utile per la modellazione del paesaggio, la modellazione della città e le applicazioni di visualizzazione, ma un DTM è in genere necessario per la modellazione delle inondazioni o del drenaggio, la ricerca sull'uso del suolo e la scienza planetaria.
Nella letteratura scientifica, non esiste un uso coerente delle parole modello digitale di elevazione (DEM), modello digitale del terreno (DTM) e modello digitale di superficie (DSM). Nella maggior parte dei casi, il termine modello digitale di superficie si riferisce alla superficie terrestre e a tutti gli oggetti su di essa. A differenza di un modello digitale di superficie (DSM), un modello digitale del terreno (DTM) rappresenta la superficie del terreno senza elementi come piante o edifici (vedi la figura a destra). Altre versioni equiparano DEM e DTM e definiscono DEM come un sottoinsieme di DTM, che rappresenta elementi morfologici aggiuntivi. La maggior parte dei fornitori di dati (USGS, ERSDAC, CGIAR e Spot Image) si riferiscono a DSM e