نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

خلاصه

در Ordnance Survey، GB، ما یک رویکرد افزایشی را برای ایجاد پایگاه داده جغرافیایی سه بعدی خود اتخاذ کرده ایم. تحقیقات در Ordnance Survey نه تنها بر روش‌های استخراج داده‌های سه بعدی، بلکه بر نیازهای کاربر از نظر وظایف واقعی که انجام می‌دهند نیز متمرکز شده است. این بینشی در مورد نوع و کیفیت داده های مورد نیاز و نحوه انتقال کیفیت آن ارائه می دهد. در سال 2007، با استفاده از تجزیه و تحلیل کار و طراحی کاربر محور، مجموعه‌ای از ویژگی‌های هندسی نمای بیرونی ساختمان را استخراج کردیم که به یک یا چند زمینه کاربری مرتبط است. این کار برای هدایت داده‌های ساختمانی برای جمع‌آوری و نحوه افزایش محصولاتمان ارزشمند بوده است. در سال 2014، ما شروع به ارائه ویژگی های ارتفاع ساختمان به عنوان بهبود آلفا رهاسازی برای داده های توپوگرافی دو بعدی خود کردیم، OS MasterMap®لایه توپوگرافی این اولین مورد از یک سری پیشرفت‌های داده‌های دو بعدی ما است که بخشی از یک نقشه راه را تشکیل می‌دهد که در نهایت به طیف کاملی از محصولات سه بعدی منجر می‌شود. این مقاله سفر تحقیقاتی ما را از درک ویژگی‌های کلیدی ساختمان‌های سه بعدی تا توسعه محصولات ژئوفضایی و مشخصات تحقیق را تشریح می‌کند. مجموعه‌ای غنی از تحقیقات در مورد روش‌هایی برای گرفتن داده‌های جغرافیایی-مکانی متمرکز بر کاربر برای فعال کردن تجسم و تجزیه و تحلیل در سه بعدی وجود دارد. از آنجایی که فرآیند اطلاع رسانی و طراحی یک محصول لزوماً بر روی جنبه های عملی تولید، ذخیره سازی و توزیع متمرکز است، این مقاله به عنوان یک گزارش موردی ارائه شده است، زیرا ما معتقدیم سفر ما برای سایرین که درگیر در گرفتن ساختمان های سه بعدی هستند جالب خواهد بود. یک سطح ملی
کلید واژه ها: 

مدل سازی سه بعدی شهر ; ارتفاع ساختمان ; طراحی کاربر محور

 

1. معرفی

تحقیقات در Ordnance Survey، آژانس نقشه برداری بریتانیا، برای مدت طولانی تمرکز خود را بر درک وظایف انجام شده توسط کاربران بالقوه داده های مکانی به منظور بهبود قابلیت استفاده محصولات ما حفظ کرده است [ 1 ، 2 ]. یک دهه پیش، هنگام بررسی ابزارها و روش‌های جمع‌آوری داده‌های سه‌بعدی، ما باید ارزیابی کنیم که داده‌های سه‌بعدی حاصل چقدر نیازهای مورد انتظار مشتری را برآورده می‌کنند. به طور خاص، ما نگران دقت هندسی داده های ساختمان سه بعدی بودیم، زیرا این تمرکز تحقیقات جمع آوری داده های ما بود. کارهای مفصلی برای توسعه روش هایی برای ارزیابی دقت هندسی مدل های سه بعدی، [ 3 ، 4 ] و اخیراً [ 5 ، 6 ، 7 انجام شده است.]. وظایف کاربران هنگام طراحی ابزارهایی برای تعامل با اطلاعات مکانی سه بعدی [ 8 ] و ویژگی های دنیای واقعی که برای وظایف مختلف مورد نیاز است در نظر گرفته می شود [ 9 ]. هیچ یک از این کارها دانش مربوط به وظایف کاربران داده را در بر نداشت، به طوری که ارزیابی کیفیت آن جنبه‌هایی از داده‌ها را که برای یک کار معین کلیدی هستند، اولویت‌بندی کرد.
در غیاب بینش زیادی در مورد نیازهای واقعی مشتری (همانطور که همچنان وجود دارد [ 10 ، 11 ])، بخش تحقیقات Ordnance Survey از روش های طراحی کاربر محور برای درک بهتر وظایف انجام شده توسط کاربران بالقوه داده های مکانی استفاده کرد. طراحی کاربر محور طیف وسیعی از ابزارها را برای اطمینان از توجه به نیازهای کاربر و قابلیت استفاده در طول توسعه محصولات فراهم می کند (به عنوان مثال، [ 12 ] را ببینید). به طور خاص، تحقیقات ما با انجام یک سری مصاحبه‌های متمرکز بر کار، جزئیاتی را در مورد طیف وسیعی از وظایف به دست آورد، که نتایج آن می‌تواند برای درک عمیق‌تر دیدگاه کاربر مورد بازجویی قرار گیرد. با استفاده از خروجی این فرآیند ( برای جزئیات روش ما به [ 13 ] مراجعه کنید)، کار ما [ 13]] هشت ویژگی هندسی کلیدی ساختمان های سه بعدی را شناسایی کرد که برای یک یا چند کار کاربر ارزش داشتند. این هشت ویژگی در جدول 1 آورده شده است . شرح هر یک از مشخصه ها، وظایفی که برای آنها اعمال می شود و دقت مورد نیاز در مقاله اصلی آورده شده است.
هدف اصلی این کار اطلاع رسانی توسعه معیارهای کیفیت متمرکز بر کاربر برای مدل‌های ساختمان سه بعدی کامل بود. با این حال، فشارهای تجاری و منابع، تمرکز این کار را در دهه بعد به سمت روش هایی برای ایجاد سریع محصولات تغییر داد. در طول این زمان، تعداد مدل‌های سه بعدی شهر افزایش یافته است [ 14 ]، همچنین ابزارهای موجود برای جمع‌آوری آن داده‌ها [ 15 ] و بلوغ مدل‌های داده [ 10]]. ما می‌توانیم انتظار داشته باشیم که دامنه استفاده از داده‌های ساختمان‌های سه بعدی از زمان کار قبلی ما گسترش یافته است و کاربران به طور فزاینده‌ای پیچیده هستند. بنابراین، این احتمال وجود دارد که وظایف کاربر که بر اساس آنها هشت ویژگی است، تا حدودی قدیمی باشد. با این حال، در حالی که کار بر روی اندازه‌گیری کیفیت هندسی داده‌های ساختمان با استفاده از هشت ویژگی به‌عنوان راهنما ادامه دارد، کار «ویژگی‌ها» برای توسعه محصول سه‌بعدی که Ordnance Survey ارائه می‌دهد ارزشمندتر نشان داده است. در این مقاله، ما در مورد اینکه چگونه درک ما از هشت ویژگی اصلی توسعه یافته است و چگونه این درک در طراحی محصولات ما و مشخصات تحقیق گنجانده شده است، بحث می کنیم.
جدول
جدول 1. 8 ویژگی داده های ساختمان سه بعدی که برای کاربران مهم شناخته شدند.

2. تحقیق و توسعه داده های سه بعدی کاربر محور

در اینجا، ما هشت ویژگی اصلی مدل های ساختمان سه بعدی را مورد بحث قرار می دهیم. ما مقاله اصلی را با نشان دادن اینکه چگونه درک و تحقیق ما توسعه یافته و محصولات چگونه طراحی شده اند، به دنبال کار اصلی گسترش می دهیم. فهرست ویژگی‌ها از زمان انتشار اولیه به برخی به‌روزرسانی‌ها نیاز داشته است. این عمدتا به این دلیل است که نه تکنیک های مصاحبه متمرکز بر کاربر و نه تجزیه و تحلیل مقاله 2007 برای شناسایی الزامات خاص برای یک محصول سه بعدی در نظر گرفته شده بود (آنها برای اطلاع از توسعه روش های ارزیابی کیفیت انجام شده بودند). بعلاوه، در حالی که مطالعات “مبتنی” از مصاحبه‌های کاربر و بازجویی آنها تجربه بسیار آموزنده و عملی با ایجاد و استفاده از داده‌های سه بعدی، هم از جانب ما و هم از طرف مشتریانمان (به عنوان مثال، از طریق OS Insight؛ رجوع کنید به [16 ])، چندین جنبه کلیدی داده های سه بعدی را برجسته کرده است که توسط هشت ویژگی مورد توجه قرار نگرفته است. با این وجود، ما ارزش زیادی از تمرین استخراج هشت ویژگی با گسترش کاربرد آنها فراتر از هدف اصلی آنها برای طراحی معیارهای کیفیت، به دست آورده ایم.
برای هدف این مقاله، منطقی است که به ویژگی های گروه بندی شده بر اساس نوع هندسه ای که پیشنهاد می کنند پرداخته شود: داده های ارتفاع ساختمان ( بخش 2.1 )، شکل سه بعدی ( بخش 2.2 ) و اسناد مربوط به هندسه ساختمان ( بخش 2.3 ) . .

2.1. داده های ارتفاع ساختمان

در کار اصلی، چهار ویژگی از ساختمان های سه بعدی که مربوط به ارتفاعات ویژگی های یک ساختمان است، شناسایی شد ( شکل 1 ). هنگام در نظر گرفتن طراحی محصولات سه بعدی، این کار یک راه حل موقت برای ارائه داده های سه بعدی پیشنهاد کرد: به جای آن مجموعه ای از ارتفاعات منفرد برای هر ساختمان در داده های توپوگرافی دوبعدی ما ارائه شود. این بخش نشان می‌دهد که چگونه این چهار مشخصه به پنج ویژگی ارتفاع ساختمان که اکنون در حال ثبت هستند، و همچنین دو ویژگی ارتفاع دیگر که در حال حاضر از آنها استفاده نمی‌کنیم، توسعه یافته‌اند.
Ijgi 04 02890 g001 1024
شکل 1. این شکل از مدل های ساختمانی سه بعدی مصنوعی برای نمایش مشخصات ارتفاع ساختمان ساختمان های سه بعدی استفاده می کند. ( الف ) مشخصه 8: ارتفاع طبقه همکف. ( ب ) مشخصه 7: ارتفاع ساختمان تا پایه سقف. ( ج ) مشخصه 6: حداکثر ارتفاع پشته سقف. ( د ) مشخصه 5: بالاترین نقطه سازه.
مشخصه 8 نشان دهنده ارتفاع کف در سطح زمین (“ارتفاع طبقه همکف”) یک ساختمان است و برای طراحی و برنامه ریزی شهری و همچنین ارزیابی خطر سیل مفید است. از آنجایی که این ارتفاع را می توان فقط در داخل ساختمان اندازه گیری کرد که بسیار گران است، ما این ارتفاع را به «حداقل مطلق ارتفاع تقاطع دیوارهای ساختمان خارجی و سطح زیرین زمین» ترجمه کردیم (AbsHmin؛ شکل 2) و اکنون گرفتن این ویژگی ارتفاع برای ساختمان ها.
علاوه بر ساختمان‌ها و سازه‌هایی که زمین را قطع می‌کنند، Ordnance Survey لبه‌های ساختمان‌ها و سازه‌هایی را که «بدون مانع» یا بالای سر هستند، مانند سایبان‌ها، ساختمان‌های کنسولی، بالکن‌ها، سقف‌های آویزان و ساختمان‌هایی که بر روی ستون‌ها تکیه دارند، ثبت می‌کند. تمایز بین این و “ارتفاع طبقه همکف” در ویژگی های ساختمان سه بعدی مشخص نشد، حذفی که تنها با تجربه عملی نمایش دنیای واقعی به عنوان اطلاعات جغرافیایی آشکار شد. علاوه بر این، ما در حال حاضر ویژگی‌های زیرزمینی را نمی‌گیریم، اما یک مورد واضح برای ارتفاع پایین زیرزمین یک ساختمان وجود دارد (همانطور که در INSPIRE [17] و CityGML [18] شناسایی شده است .]) و به عنوان مثال در مصاحبه های کاربر در مورد واکنش اضطراری. بنابراین «ارتفاع پایه بنا» را می‌توان نهمین ویژگی دانست. فیلدی در ویژگی های ارتفاع ساختمان به نام “ارتفاع مطلق پایه ساختمان” (AbsH1؛ شکل 3 ) برای تطبیق با این ویژگی ایجاد شد. با این حال، گرفتن این ارتفاع برای مواردی که پایین ساختمان با زمین منطبق نیست، به منبع داده ای غیر از تصاویر نادر، منبع داده فعلی ما نیاز دارد. دستیابی به منبع داده دیگری صرفاً برای ثبت این ارتفاع ساختمان مقرون به صرفه نخواهد بود، و بنابراین، در حال حاضر، این میدان پر نشده است.
Ijgi 04 02890 g002 1024
شکل 2. این شکل از داده های ساختمان سه بعدی مصنوعی برای نشان دادن ویژگی های ارتفاع ساختمان استفاده می کند که در حال حاضر به عنوان بخشی از محصول لایه توپوگرافی MasterMap OS ارائه می شود. ( الف ) در داده‌های ما، Ordnance Survey بین سازه‌هایی که روی زمین نشسته‌اند و ساختارهایی که جزئیات «بدون مانع» هستند، تمایز قائل می‌شود. ویژگی های زیر برای سه نوع ساختمان نشان داده شده است: ساختمان با سقف مسطح با نرده، ساختمان پشت بام با دودکش و سایبان بالای سر (در این مورد، متصل به ساختمان پشته ای). ( ب ) AbsHmin: حداقل ارتفاع مطلق تقاطع دیوارهای ساختمان خارجی و سطح زیرین زمین. ( ج ) AbsH2: ارتفاع مطلق پایه سقف. ( د) AbsHmax: ارتفاع مطلق بالاترین نقطه ساختمان. ( e ) RelH2: AbsH2 – AbsHmin; ( f ) RelHmax: AbsHmax – AbsHmin
مشخصه 7، “ارتفاع ساختمان تا پایه پشت بام” برای تجسم برای طراحی و برنامه ریزی شهری و برنامه ریزی حوادث خدمات اضطراری، به عنوان مثال، مهم است. این به عنوان ارتفاع از زمین (به جای پایه ساختمان) تا پایه سقف محاسبه می شود (RelH2؛ شکل 2 ). این امر مستلزم گرفتن “ارتفاع مطلق پایه سقف” است، و بنابراین، این نیز ذخیره می شود (به عنوان AbsH2؛ شکل 2 )، که به مشتریان گزینه هایی برای ایجاد مدل های بلوک سه بعدی “با سقف مسطح” با اکسترود می دهد. داده های توپوگرافی دو بعدی
Ijgi 04 02890 g003 1024
شکل 3. تصاویری از ویژگی های ارتفاع ساختمان که در حال حاضر در دسترس نیستند ( الف ) AbsH1: ارتفاع مطلق پایه ساختمان. ( ب ) AbsH3: حداکثر مطلق ارتفاع سقف اصلی.
تجزیه و تحلیل کار در اصل در مورد نیاز به اطلاعات در مورد خط الراس سقف، از جمله جهت آن (که در مشخصه 2 گنجانده شده است) و ارتفاع کاملاً خاص بود. با این حال، همه ساختمان ها دارای برجستگی نیستند، و بنابراین، ما تعریف مشخصه 6 را به “حداکثر ارتفاع مطلق سقف اصلی” در ویژگی های ارتفاع ساختمان گسترش داده ایم (AbsH3؛ شکل 3 ). تحقیقات برای ثبت خودکار این مقدار در مراحل اولیه است، اما امیدواریم بتوانیم این ویژگی ارتفاع را در آینده پر کنیم.
“بالاترین نقطه سازه”، مشخصه 5، به عنوان “ارتفاع مطلق بالاترین نقطه ساختمان” در نظر گرفته می شود (AbsHmax؛ شکل 2 ). با توجه به فرآیندهای خودکاری که برای گرفتن این مقدار استفاده می شود، مقدار AbsHmax نشان دهنده ارتفاع هیچ شیء روی سقف با ردپای کمتر از حدود 50 سانتی متر نیست. 22.
اساس هر مدل شهر سه بعدی مدلی از هندسه سطح زمین زیرین است. در سال 2013، Ordnance Survey خانواده جدیدی از محصولات زمین را منتشر کرد، OS Terrain [ 19 ، 20 ]، که در حال حاضر شامل یک مدل زمین دیجیتال پنج متری (DTM)، OS Terrain 5، و یک فاصله شبکه 50 متری DTM، OS Terrain است. 50، هر دو با استفاده از فتوگرامتری دیجیتال مشتق شده اند. در سال 2014، ما شروع به انتشار ویژگی های ارتفاع ساختمان [ 21 ] با داده های توپوگرافی دوبعدی خود، OS MasterMap Topography Layer [ 22] کردیم.]. این نقطه اوج چندین سال تحقیق و توسعه روش‌های قوی برای پر کردن مجموعه داده ملی با داده‌های مربوط به ارتفاع اشیاء بود. در داده‌های انتشار آلفا، هر چند ضلعی ردپای ساختمان در داده‌های توپوگرافی با مجموعه‌ای از مقادیر ارتفاع نسبت داده می‌شود. در حال حاضر، سه مقدار ارتفاع مطلق (ارتفاع مطلق، ارتفاع بالاتر از میانگین سطح دریا، Ordnance Datum Newlyn) و دو مقدار ارتفاع نسبی محاسبه می‌شوند که: (1) حداقل ارتفاع مطلق تقاطع دیوارهای ساختمان خارجی و سطح زمین زیرین. (ابسحمین); (2) ارتفاع مطلق پایه سقف (AbsH2)؛ (3) ارتفاع مطلق بالاترین نقطه در ساختمان (AbsHmax)؛ (4) AbsH2 – AbsHmin (RelH2). و (5) AbsHmax – AbsHmin (RelHmax) ( شکل 2b–f).
داده های ارتفاع ساختمان با استفاده از آمار خلاصه از یک مدل سطح دیجیتال (DSM) که به طور خودکار از عکاسی هوایی استخراج شده است، محاسبه می شود. این فرآیند توسعه ای از [ 23 ] بود که یک فرآیند تولید کارآمدتر را ایجاد کرد، اما با افزایش دقت مقادیر.
بازخورد کاربران مثبت بوده است. به طور غیررسمی، بسیاری بیان کرده‌اند که ویژگی‌های ارتفاع ساختمان، تحلیل‌های جدیدی را ممکن می‌سازد، مانند مدل‌سازی انرژی ساختمان و مدل‌سازی باد در محیط‌های ساخته شده، و همچنین تجسم مورد انتظار محیط شهری برای توسعه و برنامه‌ریزی. بازخورد ارائه شده در پایان آزمایش داده های اولیه ما (با استفاده از OS Insight [ 16]) دریافتند که کاربران داده های ارتفاع ساختمان را ارزشمند می دانند. با این حال، جا برای بهبود وجود دارد. به عنوان مثال، AbsH2، ارتفاع مطلق پایه سقف، در مقایسه با ارتفاعات ثبت شده با استفاده از روش فتوگرامتری دستی، دقت کمتری نسبت به سایر ارتفاعات دارد. این به این دلیل است که روش فعلی محاسبه این ارتفاع (با میانگین ارتفاع در DSM سقف) قوی است، اما اشکال و سبک های مختلف سقف را در نظر نمی گیرد. ارتفاع AbsHmin در حال حاضر همیشه با مدل زمین ما تلاقی نمی کند، اما این با توسعه مدل زمین ما برای هماهنگی با DSM برطرف می شود. ما همچنین معتقدیم که با اضافه کردن یک ارتفاع بیشتر، AbsH3، “حداکثر ارتفاع مطلق سقف اصلی”،
جدول 2 نشان می دهد که چگونه ویژگی های ارتفاع ساختمان لایه توپوگرافی MasterMap OS با چهار ویژگی ارتفاع ساختمان مرتبط است. مقادیر مرجع INSPIRE Elevation [ 17 ] برای مرجع گنجانده شده است.
جدول
جدول 2. مقایسه ویژگی های ارتفاع ساختمان، که با لایه توپوگرافی MasterMap سیستم عامل موجود است، و ویژگی های ارتفاع ساختمان. مقادیر مرجع INSPIRE Elevation برای مرجع گنجانده شده است.
ارزیابی کیفیت هندسه داده‌های ارتفاع ساختمان نسبتاً ساده است و نیاز به مقایسه ارتفاع پیش‌بینی‌شده با مقادیر اندازه‌گیری شده دارد. علاوه بر این، ما حدس می زنیم که کاربران علاقه بیشتری به درک اینکه آیا مجموعه ارتفاعات به طور معنی داری هر ساختمان معین را نشان می دهد، علاقه مند هستند. برای این منظور، ما در حال بررسی این موضوع هستیم که آیا می‌توان ساختمان‌هایی را که می‌توانند به خوبی با ردپای اکسترود شده («ساختمان‌های ساده») و ساختمان‌هایی که نمی‌توانند («ساختمان‌های پیچیده») به خوبی نشان دهند، نشان دهیم. این پرچم را می توان برای تشخیص خود، برای برجسته کردن ساختمان هایی که نیاز به مدل سه بعدی کامل دارند، و همچنین اطلاع رسانی به مشتریان از ساختمان هایی که ممکن است از شکل ساده منحرف شوند استفاده کرد. البته، “به خوبی نشان داده شده” یا “ساده” مفاهیم ذهنی هستند، و بنابراین، ما این را با استفاده از موقعیت پایین سقف (AbsH2) یک ساختمان تعریف کردیم:

ساختمان “ساده” ساختمانی است که دارای دیوارهای عمودی مسطح است و برای آن می توان پایه مهم ترین قسمت سقف را با استفاده از یک صفحه افقی به خوبی مشخص کرد. اگر چنین صفحه افقی را نتوان به راحتی ایجاد کرد، ساختمان به عنوان “پیچیده” طبقه بندی می شود.
ما این را برای درک اینکه کدام ساختمان ها با استفاده از مجموعه ای از ارتفاعات به راحتی مدل سازی می شوند و آنهایی که با مدل سازی دقیق در سه بعدی بهتر نشان داده می شوند مفید یافتیم. تحقیقات در مورد این اندازه گیری ادامه دارد، و ما امیدواریم که بتوانیم به طور خودکار “ساختمان های پیچیده” را با استفاده از داده های مدل سطح دیجیتال یا ابر نقطه علامت گذاری کنیم.

2.2. شکل سه بعدی

ارائه ردپای ساختمان با داده های ارتفاع ساختمان گامی به سوی یک محصول ساختمانی سه بعدی است، اما واضح است که برخی از کاربران یک مدل بلوک را برای هر ساختمان ترجیح می دهند. برخی دیگر مدل “کامل سه بعدی” را ترجیح می دهند که در آن شکل سقف و سایر جنبه های ساختمان ها به صورت سه بعدی مدل سازی شده است. کار اصلی ما نشان داد که نه تنها مدل سازی شکل ساختمان (ویژگی 3) و سقف (ویژگی 2) مهم است، بلکه فضای بین ساختمان ها (ویژگی 1) نیز مهم است. ویژگی ها به ویژه برای استفاده هایی مانند تجزیه و تحلیل تأثیر بصری توسعه پیشنهادی، تجزیه و تحلیل خط دید، مدل سازی نور و مدل سازی برای استفاده ها، مانند برنامه ریزی شبکه مخابراتی و تجزیه و تحلیل خطر، مهم هستند.
بر خلاف ویژگی های ارتفاع ساختمان، که منجر به ویژگی های ارتفاع ساختمان می شود، این ویژگی ها حاکی از آن است که یک مدل سه بعدی از یک ساختمان برای رفع نیازهای کاربران خاص ضروری است. تا به امروز، بیشتر مدل‌های ساختمانی سه‌بعدی با مدل‌سازی شکل سقف، یا با نصب مدل سقف کتابخانه (مثلاً [ 24 ، 25 ]) یا با نصب صفحات (مثلا، [ 26 ، 27 ]) و ادغام این جامد ایجاد شده‌اند. با یک چند ضلعی اکسترود شده برای نشان دادن دیوارهای ساختمان [ 28 ]. روش‌های دیگر ممکن است [ 29 ]، اما به عنوان گزینه‌های نرم‌افزاری غیرمجاز در دسترس نیستند. این مدل‌های ساختمان سه‌بعدی متمرکز روی سقف برای کاربردهایی مانند موقعیت‌یابی پانل‌های فتوولتائیک [ 30] حیاتی هستند.] و مدل سازی انتشار صدا (به عنوان مثال، [ 31 ]). با این حال، گرفتن حتی این مدل های سه بعدی نسبتاً ساده گران است و به تلاش دستی زیادی نیاز دارد. Ordnance Survey طیف وسیعی از نرم‌افزارهای ارائه شده را در طول سال‌ها آزمایش کرده است (از جمله SOCET SET، CyberCity Modeller، Erdas Feature Assist، Stereo Analyst و Tridicon [32] ) ، اما هنوز روشی را شناسایی نکرده است که پایگاه داده ما را به طور مقرون‌به‌صرفه پر کند. کیفیت مورد نیاز ما از تحقیقات بیشتر در این زمینه حمایت می کنیم [ 33 ، 34 ].
برای خودکارسازی بیشتر تصویربرداری و مدل‌سازی ساختمان‌های سه بعدی و ارائه انتساب بیشتر با ویژگی‌های ارتفاع ساختمان، ما تحقیقاتی را در مورد طبقه‌بندی خودکار شکل سقف ساختمان آغاز کرده‌ایم. تا به امروز، چندین رویکرد بدون نظارت برای تجزیه و تحلیل داده ها برای DSMهای سقف چرخان و مقیاس شده اعمال شده است. اینها خوشه‌هایی (با استفاده از k-means) از DSMهای ساختمانی، از جمله سقف‌های پشته‌دار، ساختمان‌های L شکل و سقف‌های هرمی شناسایی کرده‌اند ، و به نظر می‌رسد که حتی ساختمان‌هایی با پوشش گیاهی آویزان را شناسایی کرده‌اند [ 35]]. این رویکرد در تضاد مستقیم با تحقیقات قبلی استخراج شکل سقف است، زیرا سعی در ایجاد یک مجموعه قوانین یا مدل آماری برای برچسب‌گذاری داده‌ها ندارد، بلکه رویکردهای یادگیری ماشینی را برای “یادگیری” طبقات سقف به کار می‌برد. ما رویکرد خود به این مشکل را بر این باور استوار می‌کنیم که انسان‌ها برای مثال، با شمارش صفحات، به این شکل‌ها برچسب نمی‌زنند، بلکه با تشخیص الگوی حاصل از تعامل سطوح و منحنی‌های سقف، برچسب‌گذاری می‌کنند.
ما چندین پروژه تحقیقاتی را برای توسعه روش‌هایی برای کمی‌سازی وفاداری هندسی یک مدل تکمیل کرده‌ایم. پژوهشی که با مشارکت ETH زوریخ [ 36 ] انجام شد، سطح یک مدل شهر سه بعدی را با یک ابر نقطه تأیید، که با استفاده از اسکن لیزری به دست می‌آمد، مطابقت داد. این روش به ما این امکان را داد که به سرعت مناطقی را که مدل سه بعدی از «حقیقت» منحرف شده است، شناسایی کنیم. این کار بر روی استفاده از اسکن لیزری از یک سکوی هوابرد به عنوان داده های “حقیقت زمینی” برای شناسایی اختلافات در مدل سقف متمرکز بود. روش هایی برای تعیین کمیت چنین اختلافاتی هنوز توسعه نیافته است. این باید به دنبال شناسایی یک روش مناسب برای گرفتن داده سه بعدی اتفاق بیفتد.
کار ما به دنبال «زیر سقف» [ 37 ] بر درک شکل تفاوت بین دیوارهای ساختمان، همانطور که با استفاده از روش «استاندارد» (اکستروژن) بالا مدل‌سازی شده و واقعیتی که در اسکن لیزری زمینی به تصویر کشیده شده است، متمرکز بود. با توجه به یک نمونه محدود، کار نشان داد که چگونه فرض دیوارهای عمودی که از زمین تا زیر سقف را پوشانده‌اند، می‌توان حتی در ساختمان‌های کاملاً ساده نقض کرد. این دو پروژه نشان داده اند که تعیین کمیت شکل هندسی ساختمان ها و فضای بین آنها چقدر می تواند دشوار باشد.
برای تولید روش‌هایی برای تعیین کمیت یک شکل سه‌بعدی، به کار بیشتری نیاز است. برای تولید کننده داده، تحقیق در مورد ارزیابی کیفیت داده های سه بعدی در حال پیشرفت است (به عنوان مثال، [ 3 ، 5 ، 38 ]). با این حال، اقدامات موجود مسلماً معنای کمی برای کاربر ارائه می دهد.
در کار اصلی 2007، احتمالاً شگفت‌انگیزترین نتیجه، اهمیت مشخصه 1، «شکل هندسی بین ساختمان» بود، به‌ویژه برای تحلیل‌های خط دید. رعایت این ویژگی برای گرفتن یا شناسایی معیارهای کیفی دشوارترین ویژگی است. این تا حد زیادی به این دلیل است که تمرکز روش های ضبط بر روی ساختمان ها بوده است، بنابراین، فضای بین آن ساختمان ها اولویت بسیار پایین تری دارد. در واقع، این فضا به ندرت خالی است، و بنابراین، خط دید از یک ساختمان به ساختمان دیگر، حتی اگر ساختمان‌های مدل‌سازی شده کاملاً قرار گرفته باشند، احتمالاً توسط اشیاء دنیای واقعی، مانند پوشش گیاهی، وسایل خیابان و وسایل نقلیه قطع می‌شود. واضح است که برخی از این ویژگی‌های اضافی اجزای ضروری داده‌های فضایی سه بعدی هستند که می‌توانند نه تنها برای تجسم، بلکه برای مقاصد تحلیلی استفاده شوند. ما برخی تحقیقات اولیه را برای مدل‌سازی پوشش گیاهی در سه بعد انجام داده‌ایم. همانند ساختمان ها، سوالاتی در مورد ساختار مدل برای این داده ها وجود دارد.

2.3. اسناد مربوط به هندسه ساختمان

در حالی که به نظر می رسد هندسه کل ساختمان دغدغه اصلی مدل سازی ساختمان سه بعدی باشد، ویژگی های دیگری از ساختمان وجود دارد که برای موارد استفاده مختلف مورد نیاز است. مدل‌های داده، مانند مدل ساختمان INSPIRE [ 17 ] و CityGML [ 18 ]، این کار را با اجازه دادن به ایجاد و تجزیه به اجزای سازنده ساختمان‌ها و انتساب آن ساختمان‌ها و بخش‌های ساختمان امکان‌پذیر می‌کنند. همانطور که قبلاً گفته شد، ما دامنه کار خود را به جنبه های هندسی مدل های ساختمان محدود کرده ایم.
در مقاله اصلی، موقعیت و ابعاد پنجره‌ها و درها (ویژگی 4) برای خدمات اضطراری، کسانی که تجزیه و تحلیل خطر سیل، جرم و جنایت و امنیت را انجام می‌دهند و برای تحلیل‌های بصری، مانند مدل‌سازی روشنایی یا اهداف برنامه‌ریزی از اهمیت بالایی برخوردار است. . نتایج اولیه تحقیقات در مورد نشانه های ناوبری [ 39 ] نشان می دهد که این ویژگی ها برای ناوبری عابر پیاده نیز ارزشمند هستند، به خصوص اگر در چند متر پایین ساختمان قرار داشته باشند.
با اشاره به چارچوب سطح جزئیات CityGML (LOD) [ 40 ]، کارگاه ما در Loughborough [ 41 ] “توافق نامه ای را یافت که LOD 0 تا 2 را می توان در مجموعه داده پایه عمومی گنجانده شود”، و “پیشنهاد شد که می تواند این باشد” مسئولیت Ordnance Survey برای ارائه زیرساخت های اولیه سه بعدی، که دیگران می توانند بر اساس آن بسازند و جزئیات بیشتری را اضافه کنند. در واقع، چنین توسعه پذیری یکی از اهداف CityGML [ 42 ] بوده است.
از آنجایی که گرفتن مدل های ساختمان های سه بعدی هنوز بخشی از عملیات تجاری ما نیست، ما در حال حاضر روش هایی را برای افزودن ویژگی هایی مانند پنجره ها و درها به مدل های سه بعدی بررسی نمی کنیم. با این حال، ما تصور می کنیم که داده های ساختمانی سه بعدی را ضبط کنیم که به ما امکان می دهد ویژگی های برجسته را در طول زمان و همچنین کاربر داده به کار ببریم. در راستای این چشم انداز، ما از تحقیقات برای شناسایی خودکار ویژگی های برجسته در بافت ها و تخصیص اطلاعات معنایی به آن ها حمایت می کنیم [ 43 ، 44 ].
بارها و بارها آموخته‌ایم که چگونه تعداد طبقات (طبقه‌ها) در یک ساختمان برای مشتریان مانند شرکت‌های تحویل کالا و بیمه‌گران ارزش دارد. باید بررسی شود که آیا می توانیم تعداد طبقات یک ساختمان را با دقت کافی با هزینه قابل قبول پیش بینی کنیم، اما این ویژگی همچنان چیزی است که امیدواریم بتوانیم در آینده ارائه دهیم.
علاوه بر درک کیفیت “شکل هندسی سقف” (ویژگی 2)، ما از بازخورد دریافتیم که بسیاری از کاربران با برچسب گذاری ساده کلاس شکل سقف ساختمان برای فعالیت های تجسمی، مانند برنامه ریزی، خوشحال خواهند شد. تحقیقی که در بخش 2.2 در مورد ثبت خودکار کلاس شکل سقف توضیح داده شد، به ارائه این ویژگی کمک خواهد کرد.
ویژگی‌های احتمالی زیادی وجود دارد که می‌تواند داده‌های ساختمان سه بعدی را افزایش دهد، اما وقتی صحبت از جنبه‌های هندسی ساختمان می‌شود، موقعیت پنجره‌ها و درها، تعداد طبقات و شکل سقف در اولویت فعلی قرار دارند.

3. نتیجه گیری

با چنین سرمایه گذاری بزرگی در فرآیندها و زیرساخت ها، سازمان های ملی نقشه برداری باید مدل سازی سه بعدی شهر را تقریباً در اولین بار درست انجام دهند. ما باید مطمئن باشیم که داده‌هایی که ارائه می‌کنیم برای هدف مناسب هستند و فرآیندهای ما داده‌هایی با کیفیت مناسب را تضمین می‌کنند که می‌تواند در طول عمر محصول نگهداری و توسعه یابد. ما با دیگران مخالفیم (به عنوان مثال، [ 38 ، 45 ]) که وظیفه مشخص کردن نیازهای آنها از نظر کیفیت با کاربر است. برعکس، زمینه کاربردپذیری و طراحی کاربر محور درک خوبی دارد که «کاربران اغلب نمی‌دانند چه می‌خواهند یا به چه چیزی نیاز دارند، یا حتی چه امکاناتی دارند» [46] .]. در عوض، ما وظایفی را که متخصصان مختلف انجام می‌دهند بررسی کرده‌ایم تا در وهله اول دیدگاه ما در مورد ارزیابی کیفیت و بعداً طراحی محصول را راهنمایی کنند. با تمرکز بر وظایف کاربران، تحقیقات ما منجر به انتشار داده های DTM و ارتفاع ساختمان شده است که از آن می توان یک مدل شهر ساده ایجاد کرد. علاوه بر توسعه داده‌های سه‌بعدی کامل، ما به‌طور فعال در حال تحقیق در مورد بهبود داده‌های خود با اسناد مرتبط با بعد سوم و روش‌های پرچم‌گذاری کیفیت داده‌هایی هستیم که منتشر می‌کنیم. چیزهای زیادی برای دستیابی باقی مانده است، که به داده ها و تجزیه و تحلیل بسیار بیشتری نیاز دارد. در حالی که ما خود را در دنیای سه بعدی با ویژگی های ارتفاع ساختمان تثبیت کرده ایم، اما باید اعتراف کنیم که انتظار داشتیم تا کنون در مسیر رسیدن به داده های جغرافیایی سه بعدی کامل حرکت کنیم.
ما قصد داریم محصولات فضایی خود را به گونه‌ای توسعه دهیم که اطلاعات سه بعدی بیشتری را شامل شود، مانند ارائه ویژگی‌های زمین به عنوان سطوح ارتفاعی و پوشش گیاهی مدل‌سازی‌شده در ۳ بعدی، و همچنین مدل‌های هندسی بهبود یافته ساختمان‌ها. ایجاد چنین داده هایی با هزینه ای که برای مشتری قابل قبول است و می تواند به راحتی در نرم افزارهای موجود مورد استفاده قرار گیرد، تمرکز مداوم تحقیقات ما است. ما بر اساس دانش خود در مورد نیازهای کاربر و همچنین قابلیت های عملی ایجاد محصولات با هزینه قابل قبول هدایت می شویم. در طول دهه گذشته، الگوریتم های تطبیق تصویر به طور قابل توجهی بهبود یافته اند، و آنهایی که به صورت تجاری در دسترس هستند، مانند الگوریتم های موجود در UltraMap 3.0 [ 47 ] و SURE [ 48]]، داده های مدل ابر نقطه ای و سطح دیجیتال بسیار دقیق و دقیق را تولید می کنند. در حال حاضر، این منابع کمتر مورد استفاده قرار می‌گیرند و مسلماً می‌توانند اطلاعات قابل‌توجهی (اگرچه بسیاری از آنها از کاربر پنهان است) برای خودکارسازی داده‌های سه بعدی فراهم کنند. ما انتظار داریم در آینده از این داده ها در فرآیندهای خود استفاده کنیم یا با استفاده از ابزارهایی که در داخل توسعه داده ایم یا احتمالاً ابزارهایی که آن ارائه دهندگان نرم افزار در حال توسعه با در نظر گرفتن سازمان های نقشه برداری هستند.
قابل توجه است که در سال‌های اخیر اعتماد به مدل‌سازی و مدل‌سازی سه‌بعدی از نظراتی مانند «سیستم‌های مدل‌سازی داده‌های جغرافیایی سه‌بعدی در حال بالغ شدن هستند» [47] به چیزی واقعی‌تر کاهش یافته است. مشکل، و مشخص نیست که آیا مزایای بعد اضافی بیشتر از پیچیدگی آن است یا خیر.» [ 39 ]. با این حال، شهرها بیشتر و بیشتر به عنوان مدل های شهر سه بعدی نشان داده می شوند و دامنه وظایفی که این مدل ها برای آنها اعمال می شوند، در حال گسترش است. اگر قرار است این داده ها به درستی به طیف وسیعی از کاربردها خدمت کنند، ضروری است که یک برنامه جامع تحقیق و توسعه برای درک و اولویت بندی نیازهای کاربران از طریق درک وظایف آنها انجام شود.

منابع

  1. هاردینگ، جی. کیفیت داده های برداری: دیدگاه ارائه دهنده داده. در مبانی کیفیت داده های مکانی ; Devillers, R., Jeansoulin, R., Eds. ISTE: لندن، انگلستان، 2010; صص 141-159. [ Google Scholar ]
  2. دیویس، سی. هولت، آی. گرین، جی. هاردینگ، جی. Diamond, L. نیازها و مفاهیم کاربر برای مدلسازی مکانهای نامگذاری شده مبهم. تف کردن شناخت. محاسبه کنید. 2009 ، 9 ، 174-194. [ Google Scholar ] [ CrossRef ]
  3. شوستر، HF; ویدنر، U. رویکردی جدید به سمت ارزیابی کمی کیفیت مدل‌های ساختمان سه بعدی. در مجموعه مقالات کمیسیون ISPRS IV چالش های کارگاه مشترک در تجزیه و تحلیل جغرافیایی، یکپارچه سازی و تجسم II، اشتوتگارت، آلمان، 8-9 سپتامبر 2003.
  4. میدو، جی. شوستر، ارزیابی کیفیت مبتنی بر HF Voxel از اکتساب‌های ساختمان فتوگرامتری. در مجموعه مقالات استخراج اشیاء 2005 برای مدل‌های سه بعدی شهر، پایگاه‌های داده جاده و نظارت بر ترافیک – مفاهیم، ​​الگوریتم‌ها و ارزیابی، وین، اتریش، 29 تا 30 اوت 2005.
  5. لندز، تی. گرسن مایر، پ. بولاسال، اچ. محمد، م. ارزیابی مدل های سه بعدی به دست آمده از داده های لیدار و TLS. بین المللی قوس. فتوگرام. حسگر از راه دور اسپات. Inf. علمی 2012 ، 34 ، 95-100. [ Google Scholar ] [ CrossRef ]
  6. زنگ، سی. ژائو، تی. وانگ، جی. روش ارزیابی چند معیاره برای بازسازی ساختمان سه بعدی. IEEE Geosci. سنسور از راه دور Lett. 2014 ، 11 ، 1619-1623. [ Google Scholar ] [ CrossRef ]
  7. Musungu، K. ارزیابی کیفیت داده های مکانی مطالعات GIS مشارکتی: مطالعه موردی در کیپ تاون. در مجموعه مقالات کنفرانس بین المللی اطلاعات جغرافیایی 2015، کوالالامپور، مالزی، 29 تا 30 اوت 2015. صص 75-82.
  8. ون ارپ، جی بی. کرمرز، ق. Kessens، JM Challenges در اطلاعات 3D Geo و طراحی مشارکتی و تصمیم گیری. در مجموعه مقالات پنجمین کنفرانس بین المللی در زمینه اطلاعات جغرافیایی سه بعدی، برلین، آلمان، 3 تا 4 نوامبر 2010.
  9. دی کابر، آی. Van Orshoven, J. قابلیت های سه بعدی مورد نیاز کاربران پایگاه داده مرجع توپوگرافی دو بعدی در مقیاس بزرگ در فلاندر، بلژیک. در مجموعه مقالات پنجمین کنفرانس بین المللی در زمینه اطلاعات جغرافیایی سه بعدی، برلین، آلمان، 3 تا 4 نوامبر 2010.
  10. استوتر، جی. استرایلین، آ. پلا، م. بائلا، بی. Capstick، D.; خانه، ر. رونزدورف، سی. رویکردهای لاگرانژ، JP نقشه برداری سه بعدی ملی: نتایج تحقیقات و استانداردسازی در عمل. در مجموعه مقالات هشتمین کنفرانس 3DGeoInfo و کارگاه WG II/2، استانبول، ترکیه، 27-29 نوامبر 2013.
  11. بیلن، آر. Cutting-Decelle، AF; مارینا، او. د آلمیدا، جی پی; Caglioni، GF; لدوچ، تی. مترال، سی. مورو، جی. پرت، جی. رابینو، جی. و همکاران مدل های سه بعدی شهر و اطلاعات شهری: مسائل و دیدگاه های کنونی. اقدام اروپایی هزینه TU0801 ; EDP ​​Sciences: Cedex، فرانسه، 2014. [ Google Scholar ]
  12. Maguire, M. روش‌های حمایت از طراحی انسان محور. بین المللی جی. هوم. محاسبه کنید. گل میخ. 2001 ، 55 ، 587-634. [ Google Scholar ] [ CrossRef ]
  13. سارجنت، آی. هاردینگ، جی. فریمن، ام. کیفیت داده در سه بعدی: اندازه گیری معیارهای کیفیت بر اساس نیازهای کاربران. در مجموعه مقالات پنجمین سمپوزیوم بین المللی کیفیت داده های مکانی، سانتاندر، اسپانیا، 20 تا 23 ژوئن 2007.
  14. مورتون، PJ دیدگاه جهانی در توسعه و توزیع VCM. در مجموعه مقالات کنفرانس تحقیقاتی Northumbria، نیوکاسل، انگلستان، 15-16 مه 2013.
  15. جزایری، ط. رجبی فرد، ع. کلانتری، م. ارزیابی هندسی و معنایی روش‌های منبع‌یابی داده‌های سه بعدی برای اطلاعات زمین و ملک. سیاست کاربری زمین 2014 ، 36 ، 219-230. [ Google Scholar ] [ CrossRef ]
  16. OS Insight. در دسترس آنلاین: http://www.ordnancesurvey.co.uk/business-and-government/help-and-support/os-insight/index.html (در 11 نوامبر 2015 قابل دسترسی است).
  17. ساختمانهای گروه کاری موضوعی INSPIRE. در SPIRE Data Specification on Buildings — Technical Guidelines ; مرکز تحقیقات مشترک کمیسیون اروپا: بروکسل، بلژیک، 2012.
  18. گروگر، جی. کلبه، تی. ناگل، سی. Hafele, KH OGC City Geography Markup Language (CityGML) En-Coding Standard ; کنسرسیوم فضایی باز: Wayland، MA، ایالات متحده آمریکا، 2012. [ Google Scholar ]
  19. نلسون، جی. ما محصول جدیدی با ارتفاع راه اندازی کردیم—OS Terrain 5. در دسترس آنلاین: http://www.ordnancesurvey.co.uk/blog/2013/07/weve-launched-a-new-height-product- os-terrain-5/ (دسترسی در 10 دسامبر 2015).
  20. Osborne, M. OS OpenData Product Update—OS Terrain 50. موجود آنلاین: http://www.ordnancesurvey.co.uk/blog/2013/04/os-opendata-product-update-os-terrain-50/ (دسترسی در 10 دسامبر 2015).
  21. نلسون، جی. داده های ارتفاع ساختمان جدید منتشر شد. در دسترس آنلاین: http://www.ordnancesurvey.co.uk/blog/2014/03/new-building-height-data-released/ (دسترسی در 10 دسامبر 2015).
  22. بررسی مهمات. لایه توپوگرافی MasterMap سیستم عامل. راهنمای کاربر. در دسترس آنلاین: http://www.ordnancesurvey.co.uk/docs/user-guides/os-mastermap-topography-layer-user-guide.pdf (در 11 نوامبر 2015 قابل دسترسی است).
  23. امیری پریان، ج. Sargent, I. تخصیص ویژگی ارتفاع خودکار برای ساختمان چند ضلعی: مدلسازی شهر با سطح جزئیات صفر. در مجموعه مقالات هشتمین کنفرانس تکنیک های اندازه گیری سه بعدی نوری، آتن، یونان، 9 تا 12 ژوئیه 2007.
  24. هوانگ، اچ. برنر، سی. Sester، M. بازسازی سقف ساختمان سه بعدی از ابرهای نقطه ای از طریق مدل های مولد. در مجموعه مقالات نوزدهمین کنفرانس بین‌المللی ACM SIGSPATIAL در مورد پیشرفت‌ها در سیستم‌های اطلاعات جغرافیایی، شیکاگو، IL، ایالات متحده آمریکا، 1–4 نوامبر 2011. ص 16-24.
  25. Tseng، YH; Wang, S. استخراج ساختمان نیمه خودکار بر اساس اتصالات تصویر-مدل CSG. فتوگرام. مهندس Remote Sens. 2003 , 69 , 171-180. [ Google Scholar ] [ CrossRef ]
  26. شولزه، اس. ماه، تی. Gool، LV یک رویکرد احتمالی برای استخراج و بازسازی سقف. در مجموعه مقالات 2002 ISPRS کمیسیون III سمپوزیوم، زوریخ، سوئیس، 5-7 سپتامبر 2002. ص 231-236.
  27. سمپات، ع. شان، جی. تقسیم بندی و بازسازی سقف های ساختمان های چند وجهی از ابرهای نقطه لیدار هوایی. IEEE Trans. Geosci. Remote Sens. 2010 , 48 , 1554-1567. [ Google Scholar ] [ CrossRef ]
  28. مدل‌های برنر، سی. – اتوماسیون در تحقیق و عمل. در هفته فتوگرامتری 01 ; Wichmann: هانوفر، آلمان، 2001; صص 149-158. [ Google Scholar ]
  29. موسیالسکی، پ. ونکا، پی. Aliaga، DG; ویمر، ام. ون گول، ال. پورگاتوفر، W. بررسی بازسازی شهری. محاسبه کنید. نمودار انجمن 2013 ، 32 ، 146-177. [ Google Scholar ] [ CrossRef ]
  30. وونگ، ک. Ellul, C. بهبود موقعیت پانل های فتوولتائیک با استفاده از اطلاعات جغرافیایی سه بعدی. در مجموعه مقالات بیست و یکمین کنفرانس تحقیقات GIS انگلستان (GISRUK)، لیورپول، انگلستان، 3 تا 5 آوریل 2015.
  31. Heimann, D. مدل سه بعدی خطی اویلر شبیه سازی انتشار صدا در موقعیت های شهری ایده آل با اثرات باد. Appl. آکوست. 2007 ، 68 ، 217-237. [ Google Scholar ] [ CrossRef ]
  32. کپستیک، دی. هیثکوت، جی. هورگان، جی. سارجنت، اول. حرکت به سمت سه بعدی: از دیدگاه آژانس نقشه برداری ملی. در مجموعه مقالات سومین کنفرانس بین المللی شهر و قلمرو مجازی، بیلبائو، اسپانیا، 25-27 اکتبر 2006.
  33. Tse، ROC؛ داکوویچ، م. طلا، CM؛ Kidner, D. بازسازی ساختمان با استفاده از داده های LIDAR. در مجموعه مقالات چهارمین کارگاه ISPRS در مورد GIS پویا و چند بعدی، Pontypridd، انگلستان، 5-8 سپتامبر 2005. صص 156-161.
  34. مک کلون، AP; میلر، PE; میلز، جی پی. هلند، دی. بازسازی ساختمان سه بعدی شهری خودکار از فتوگرامتری چند پرتو. در مجموعه مقالات کنفرانس سمپوزیوم سوم کمیسیون فنی ISPRS، زوریخ، سوئیس، 5 تا 7 سپتامبر 2014.
  35. سارجنت، IMJ; هلند، DA یک رویکرد یادگیری ماشین برای طبقه بندی شکل سقف. در مجموعه مقالات کنفرانس مشترک سالانه RSPSoc، NCEO و CEOI-ST 2015، نویدا، هند، 8 تا 11 سپتامبر 2015.
  36. آکجا، دی. فریمن، م. گرون، ا. Sargent، I. ارزیابی کیفیت داده های ساختمان سه بعدی با تطبیق سطح سه بعدی. بین المللی قوس. فتوگرام. حسگر از راه دور اسپات. Inf. علمی 2008 ، 37 ، 771-778. [ Google Scholar ]
  37. فریمن، م. سارجنت، I. کمی سازی و تجسم عدم قطعیت در دیوارهای مدل ساختمانی سه بعدی با استفاده از داده های لیدار زمینی. در مجموعه مقالات کنفرانس انجمن سنجش از دور و فتوگرامتری 2008 در مورد اندازه گیری تغییر در سیستم زمین، اکستر، انگلستان، 15 تا 17 سپتامبر 2008.
  38. اود البرینک، اس. Vosselman, G. تجزیه و تحلیل کیفیت در مدل های ساختمان سه بعدی بازسازی شده از داده های اسکن لیزری هوابرد. ISPRS J. Photogram. Remote Sens. 2011 ، 66 ، 157-165. [ Google Scholar ] [ CrossRef ]
  39. وانگ، KKY؛ Ellul, C. طراحی اطلاعات جغرافیایی سه بعدی برای پیمایش با استفاده از google glass. در مجموعه مقالات بیست و سومین کنفرانس تحقیقات GIS انگلستان (GISRUK)، لیدز، انگلستان، 15-17 آوریل 2015.
  40. کلبه، تی. گروگر، جی. Plümer, L. CityGML—دسترسی متقابل به مدل های سه بعدی شهر. در اطلاعات جغرافیایی برای مدیریت بلایا ؛ van Oosterom، P.، Zlatanova، S.، Fendel، EM، Eds. Springer: برلین، آلمان، 2005; صص 883-899. [ Google Scholar ]
  41. زیبا، S. آینده 3 بعدی شما – چگونه سه بعدی می تواند برای شما کار کند؟ بررسی مهمات: ساوتهمپتون، بریتانیا، کار منتشر نشده. 2005. [ Google Scholar ]
  42. Kolbe، TH ارائه و مبادله مدل های سه بعدی شهر با CityGML. در علوم ژئو اطلاعات سه بعدی ; Lee, J., Zlatanova, S., Eds. Springer: برلین، آلمان، 2009; صص 15-31. [ Google Scholar ]
  43. جونز، سی. روزین، پی. Slade, J. غنی‌سازی معنایی و هندسی مدل‌های ژئوفضایی سه بعدی با عکس‌های زیرنویس و تصاویر برچسب‌دار. در مجموعه مقالات بیست و پنجمین کنفرانس بین المللی زبانشناسی محاسباتی، دوبلین، ایرلند، 23 تا 29 اوت 2014. صص 62-67.
  44. اسلید، جی. جونز، CB; Rosin, PL غنی‌سازی معنایی و هندسی مدل‌های ساختمان‌های ژئوفضایی سه بعدی با شرح عکس و برچسب‌های تصویر. در مجموعه مقالات بیست و سومین کنفرانس تحقیقات GIS انگلستان (GISRUK)، لیدز، انگلستان، 15-17 آوریل 2015.
  45. واگنر، دی. علم، ن. Coors، V. اعتبار سنجی هندسی مدل های شهر سه بعدی بر اساس معیارهای کیفیت استاندارد شده. در مدیریت داده های شهری و منطقه ای UDMS سالانه ; Ellul, C., Zlatanova, S., Rumor, M., Laurini, R., Eds. CRC Press: Boca Raton، FL، USA، 2013; صص 197-210. [ Google Scholar ]
  46. Nielsen, J. Usability Engineering ; مورگان کافمن: سانفرانسیسکو، کالیفرنیا، ایالات متحده آمریکا، 1994. [ Google Scholar ]
  47. ویچرت، آ. گروبر، ام. کارنر، ک. پونتیچلی، ام. Schachinger، B. قدرت فتوگرامتری چند پرتو – Ultramap 3.0. در مجموعه مقالات کنفرانس سالانه ASPRS 2012، ساکرامنتو، کالیفرنیا، ایالات متحده آمریکا، 19 تا 23 مارس 2012.
  48. روترمل، ام. Wenzel، K. SURE – بازسازی سطح فتوگرامتری از تصاویر. در مجموعه مقالات کارگاه LC3D، برلین، آلمان، 6-7 دسامبر 2012.

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربرد جی ای اس در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370