| DC Field | Value | Language |
|---|
| dc.contributor.author | Алексеев, В. Ф. | - |
| dc.contributor.author | Бавбель, Е. И. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2024-03-14T11:43:17Z | - |
| dc.date.available | 2024-03-14T11:43:17Z | - |
| dc.date.issued | 2024 | - |
| dc.identifier.citation | Алексеев, В. Ф. Оценка облаков точек БПЛА с помощью искусственного интеллекта = Assessment of UAV point clouds using artificial intelligence / В. Ф. Алексеев, Е. И. Бавбель // BIG DATA и анализ высокого уровня = BIG DATA and Advanced Analytics : сборник научных статей X Международной научно-практической конференции, Минск, 13 марта 2024 г. : в 2 ч. Ч. 2 / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск, 2024. – С. 12–18. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/54739 | - |
| dc.description.abstract | Разработки в области искусственного интеллекта достигли больших успехов в области
автоматической семантической сегментации, как в 2D (изображении), так и в 3D пространствах. В контексте
технологии 3D-записи она также нашла применение в нескольких областях, в первую очередь при создании
облаков точек, что обычно выполняется вручную. Сегодня изображения, полученные с помощью беспилотных летательных аппаратов (БПЛА), стали
важным источником данных для исследователей, занимающихся картографированием в различных
дисциплинах фотограмметрии и дистанционного зондирования. Реконструкция территории с помощью
трехмерных (3D) облаков точек по изображениям, полученным с помощью БПЛА, является важным
процессом, который можно использовать для традиционных двумерных кадастровых карт или для создания
топографических карт. Облака точек следует классифицировать, поскольку они подвергаются различному
анализу для извлечения дополнительной информации из прямых данных облака точек. Из-за высокой
плотности облаков точек обработка данных и сбор информации делают классификацию облаков точек
сложной задачей и могут занять много времени. Таким образом, обработка классификации позволяет найти оптимальное решение для получения ценной информации | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | информационные технологии | en_US |
| dc.subject | беспилотные летательные аппараты | en_US |
| dc.subject | искусственный интеллект | en_US |
| dc.subject | облака точек | en_US |
| dc.title | Оценка облаков точек БПЛА с помощью искусственного интеллекта | en_US |
| dc.title.alternative | Assessment of UAV point clouds using artificial intelligence | en_US |
| dc.type | Article | en_US |
| local.description.annotation | Developments in the field of artificial intelligence have made great strides in the field of
automatic semantic segmentation, both in 2D (image) and 3D spaces. In the context of 3D recording
technology, it has also found application in several areas, most notably in the creation of point clouds, which is usually done manually. Today, unmanned aerial vehicle (UAV) imagery has become an important source of data for
mapping researchers in various disciplines of photogrammetry and remote sensing. Reconstructing an
area using three-dimensional (3D) point clouds from UAV imagery is an important process that can be
used for traditional 2D cadastral maps or for creating topographic maps. Point clouds should be classified
as they undergo various analyzes to extract additional information from the direct point cloud data. Due to
the high density of point clouds, data processing and information collection make point cloud
classification challenging and can be time consuming. Thus, classification processing allows finding the
optimal solution to obtain valuable information. | en_US |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей : в 2 ч. (2024)
|
