Ryhmät & uudet mahdollisuudet

Samankaltaiset tiedostot
TERRASOLID Terrasolidin ratkaisut UAVkartoitussovelluksiin Kimmo Soukki

Kaupunkimallit

Laserkeilauksen ja kuvauksen tilaaminen

TERRASOLID Point Cloud Intelligence

Uutta Terra-ohjelmissa

Luennon 3 oppimistavoitteet. Solulajit PUUSOLUT. Luennon 3 oppimistavoitteet. Puu Puun rakenne ja kemia

Algoritmi I kuvioiden ja niille johtavien ajourien erottelu. Metsätehon tuloskalvosarja 7a/2018 LIITE 1 Timo Melkas Kirsi Riekki Metsäteho Oy

Teledyne Optech Titan -monikanavalaser ja sen sovellusmahdollisuudet

TERRASOLID Point Cloud Intelligence

Summamuuttujat, aineiston pilkkominen ja osa-aineiston poiminta 1

Laserkeilauksella kattavaa tietoa kaupunkimetsistä

Kennelliiton Omakoira-jäsenpalvelu Ohje Kennelpiireille, osoitelistat

Tekijä Pitkä matematiikka Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4).

LIITE 1 1. Tehtävänä on mallintaa kitara ohjeiden mukaan käyttäen Edit Poly-tekniikkaa.

Tiheäpulssinen ja monikanavainen laserkeilausaineisto puulajeittaisessa inventoinnissa

OULUN YLIOPISTO, BIOLOGIAN LAITOS Puututkimus

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

SAAREN ASEMAKAAVA JA ASEMAKAAVAN MUUTOS

Mobiilikartoituspäivä Pistepilvien ja kuvien hyödyntäminen Locusympäristössä

Käyttöliittymän muokkaus

Mobiilikartoitusdatan prosessointi ja hyödyntäminen

Maastotietokannan torrent-jakelun shapefile-tiedostojen purkaminen zip-arkistoista Windows-komentojonoilla

Taso 1/5 Sisältö ESITIEDOT: vektori, koordinaatistot, piste, suora

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 3: Osittaisderivaatta

3 TOISEN ASTEEN POLYNOMIFUNKTIO

Puukarttajärjestelmä hakkuun tehostamisessa. Timo Melkas Mikko Miettinen Jarmo Hämäläinen Kalle Einola

S09 04 Kohteiden tunnistaminen 3D datasta

Viimeistely Ajourien huomiointi puutiedoissa ja lopullinen kuviointi. Metsätehon tuloskalvosarja 5/2018 LIITE 4 Timo Melkas Kirsi Riekki Metsäteho Oy

Käsiteltävät asiat LIITE 2 1. Tehtävänä on mallintaa keilarata ohjeiden mukaan. MassFX Boolean Lathe

OULUN ASEMATALOT - RAUTATIENKADUN YMPÄRISTÖTARKASTELU

Suorien ja tasojen geometriaa Suorien ja tasojen yhtälöt

Käsiteltävät asiat LIITE 3 1. Tehtävänä on mallintaa lipputanko ja siihen lippu ohjeiden mukaan. Cloth. Wind Garment Maker

Kehittyvä puun mallinnus ja laskenta

Männyn laaturajojen integrointi runkokäyrän ennustamisessa. Laura Koskela Tampereen yliopisto

58131 Tietorakenteet (kevät 2009) Harjoitus 6, ratkaisuja (Antti Laaksonen)

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Koristepuiden taimien kevättarjous 2016

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

SPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö

MAA7 Kurssikoe Jussi Tyni Tee B-osion konseptiin pisteytysruudukko! Kaikkiin tehtäviin välivaiheet näkyviin! Laske huolellisesti!

Malleja ja menetelmiä geometriseen tietokonenäköön

Algebralliset tietotyypit ym. TIEA341 Funktio ohjelmointi 1 Syksy 2005

Juurien kiinnitys / Puun sidonta

Kennelliiton Omakoira-jäsenpalvelu Ohje Kennelpiireille, osoitelistat

Visma Fivaldi -käsikirja Tehtävienhallinta- ohje käyttäjälle

Laskennallinen menetelmä puun biomassan ja oksien kokojakauman määrittämiseen laserkeilausdatasta

AKTIVITEETIN KIRJAAMINEN

Jypelin käyttöohjeet» Ruutukentän luominen

Lipas 2.0 käyttöohjeet ( )

Laserkeilaus ja rakennettu ympäristö, Teemu Salonen Apulaiskaupungingeodeetti Porin kaupunki

Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun

Algoritmit 2. Luento 6 Ke Timo Männikkö

Ryhmät. Pauliina Munter/Suvi Junes Tampereen yliopisto/ Tietohallinto 2014

TUTKIMUSOPAS. SPSS-opas

Siitepölykehät siitepölyjen valoilmiöt

JOHDATUS TEKOÄLYYN TEEMU ROOS

Kansallinen maastotietokanta 3D-kaupunkimallit

Rautatiekasvillisuudenhallinta laserkeilauksen avulla

Tree map system in harvester

Hakkuualueen rajan muodostus hakkuukoneen sijaintitietoon perustuen

Asiakashallinta. TaikaTapahtumat -käyttöohje

Puusolut ja solukot. Puu Puun rakenne ja kemia 2007 Henna Sundqvist, VTT

1. Olkoot vektorit a, b ja c seuraavasti määritelty: a) Määritä vektori. sekä laske sen pituus.

1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Sinulle on annettu bittijono, ja tehtäväsi on muuttaa jonoa niin, että jokainen bitti on 0.

Tiedonhallinnan perusteet. H11 Ovien ja kulun valvontajärjestelmän tietokanta

Juurien kiinnitys/ Puun sidonta

Algoritmi III Vierekkäisten kuvioiden käsittely. Metsätehon tuloskalvosarja 7a/2018 LIITE 3 Timo Melkas Kirsi Riekki Metsäteho Oy

815338A Ohjelmointikielten periaatteet Harjoitus 7 Vastaukset

Dendron Resource Surveys Inc. Arbonaut Oy Finnish Forest Research Institute University of Joensuu

Datatähti 2019 alku. task type time limit memory limit. A Kolikot standard 1.00 s 512 MB. B Leimasin standard 1.00 s 512 MB

PPG esittelee uuden PaintManager version 4.0

1. OHJAAMATON OPPIMINEN JA KLUSTEROINTI

Differentiaali- ja integraalilaskenta 2 Laskuharjoitus 4 / vko 40

Tekijä Pitkä matematiikka Pisteen (x, y) etäisyys pisteestä (0, 2) on ( x 0) Pisteen (x, y) etäisyys x-akselista, eli suorasta y = 0 on y.


Työpalvelupaikat. Xwiki Admin 2016/07/06 16:35

Artikkelin lisääminen

Luento 10: Optinen 3-D mittaus ja laserkeilaus

MARV Metsikkökoealaharjoitus Aluepohjaiset laserpiirteet puustotunnusten selittäjinä. Ruuduille lasketut puustotunnukset:

Miehittämättömän ilma-aluksen käyttö toimitustuotannon kartoitustyössä

Webforum. Version 14.2 uudet ominaisuudet. Viimeisin päivitys:

Vaatimusten versiointi DOORSissa

Siltaaminen: Piaget Matematiikka Inductive Reasoning OPS Liikennemerkit, Eläinten luokittelu

Tekstinkäsittelyn jatko Error! Use the Home tab to apply Otsikko 1 to the text that you want to appear here. KSAO Liiketalous 1

Action Request System

Kuusen esiintyminen ja leviäminen Lapissa

Tilastolliset ohjelmistot A. Pinja Pikkuhookana

Pauliina Munter/Suvi Junes Tietohallinto/Opetusteknologiapalvelut 2015

Koulutus 2: Pistepilviohjelmistot

Turvaa langattomat laitteesi ja verkkosi. Harri Koskinen Rossum Oy

Laatua kuvaavien kasvumallien kehittäminen. Annikki Mäkelä, Anu Kantola, Harri Mäkinen HY Metsäekologian laitos, Metla

SSL syysseminaari Juha Hyssälä

NOVAPOINT Soundings Editor 3.3

LOKINRINNE 1, ESPOO KAUPUNKIYMPÄRISTÖN TUULISUUSLAUSUNTO

Suorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö.

JOHDATUS TEKOÄLYYN TEEMU ROOS

Transkriptio:

www.terrasolid.com Ryhmät & uudet mahdollisuudet Arttu Soininen 22.08.2017

Uudet mahdollisuudet ryhmien avulla Parempi maanpinnan yläpuolisten kohteiden luokittelu Maanpäällisten kohteiden luokittelu toimii hyvin myös fotogrammetrisen datan kanssa Mobiilidatan sovitus ilmasta kerättyyn pylväiden avulla Puulajin tunnistaminen multispektridatan avulla Puiden listaaminen / puutietokannan luonti Pylväiden vektorointi

Luokittelu ryhmien avulla Mitä hyötyä? Parempi automaattinen luokittelu maanpinnan yläpuolisista kohteista Nopeampi manuaalinen luokittelu maanpinnan yläpuolisista kohteista

Luokittelu ryhmien avulla Aja ryhmien muodostus maanpinnan yläpuollella oleville pisteille Tavoite: jokaisesta kohteesta tulee oma ryhmänsä Ohjelma tallettaa jokaiselle pisteelle ryhmänumeron FastBinary muotoon Manuaalinen ja automaattinen luokittelu toimii kohdetasolla

Assign groups Muodostaa ryhmiä valituissa luokissa olevista pisteistä Tyypillisesti korkea kasvillisuus tai keskikorkea+korkea kasvillisuus Voi käyttää neljää eri ryhmittelymenetelmää: Group by selected polygons tekee yhden ryhmän jokaisen 2D monikulmion sisälle Group planar surfaces etsii tarpeeksi suuria tasomaisia ryhmiä kuten katto- ja seinäpinnat Group by tree logic muodostaa ryhmän paikallisen korkeimman pisteen alapuolelta Group by density ryhmittelee toisiaan lähellä olevat pisteet

Classify Groups / By best match Ohjelma voi testata monella tunnistusrutiinilla kuinka hyvin ryhmä vastaa eri tyyppisiä kohteita Luokittelee ryhmän parhaan vastaavuuden antavaan luokkaan Esimerkki tunnistusrutiinit antavat ryhmälle: Katto 0% vastaavuus Kattorakenne 0% vastaavuus Seinä 0% vastaavuus Seinärakenne 0% vastaavuus Puu 77% vastaavuus Pylväs 42% vastaavuus Kasvillisuus 58% vastaavuus Auto 0% vastaavuus

Ilmalaserdatan käsittelyaskeleet Luokittele maanpinta Luokittele ilmajohdot (valinnainen) Laske Compute distance toiminnolla kunkin pisteen korkeus maanpinnasta Luokittele keskikorkea kasvillisuus Classify / By distance toiminnolla Luokittele korkea kasvillisuus Classify / By distance toiminnolla Laske normaalivektorit Tools / Compute normal vectors toiminnolla Ryhmittele pisteet Group / Assign groups toiminnolla Luokittele ryhmät Group / Classify / By best match ja muilla ryhmien luokittelutoiminnoilla

Mobiilidatan sovitus pylväillä TerraMatch osaa hakea sijainnin parannuksen tarvittavia havaintoja laskemalla minkälaisella xyz siirrolla mobiilidatan pisteryhmä osuu parhaiten toisen ajo/lentolinjan pisteryhmän kanssa yhteen Mahdollistaa automaattisen mobiilidatan xy sovituksen ilmasta kerättyyn dataa esim. rautatiekohteessa

Puulajien tunnistus Vaatii multispektridataa: Optech Titan keilaimessa 3 eri aallonpituuslaseria Fotogrammetrinen pistepilvi R+G+NIR kuvista Laser & R+G+B+NIR kuvat Mahdollistaa puiden luokittelun 2-4 eri lajiin / kategoriaan Voi ajaa yksittäisten puiden tai metsäpalstojen tasolla

Group / Test parameters Ohjelma laskee tilastollisia parametreja kullekin ryhmälle (=puu/palsta) Test parameters löytää mitkä parametrit erottelevat eri tyyppiset kohteet parhaiten toisistaan Työkalu vaatii että käyttäjä luokittelee ensin esimerkkejä Käyttäjä voi sitten opettaa ohjelman tunnistamaan eri tyyppisiä kohteita

Classify Groups / By parameters Luokittelee ryhmiä tilastollisten parametrien mukaan Käyttäjän pitää luoda parametritiedosto Group / Test parameters toiminnolla

Puutietokannan luonti Ryhmittelyn kautta ohjelma tietää mitkä pisteet kuuluvat samaan puuhun Kullekin puulle voi laskea: Puun korkeus maanpinnasta Lehvästön leveys Pistejoukon keski xy sijainti eli arvio puun rungon xy sijainnista Maanpinnan z Kuvien avulla voi tehdä puulajitunnistusta Näillä tiedoilla voidaan luoda kaupungin puutietokannan perustieto Lähtötietona voi olla: Ilmalaser ja Street View kuvat Ilmalaser ja viistokuvat ilmasta Ilmalaser ja mobiilikuvat Tulevaisuus: mobiililaser Tulevaisuus: mobiililaser ja kuvat

Create Tree Cells Luo puusoluja aidan/monikulmioiden sisällä olevista ryhmistä Ryhmän luokittelu määrää puulajin Ohjelma laskee puun keskipisteen, maanpinnan korkeustason, puun korkeuden ja lehvästön leveyden Modify Tree Cells työkalulla voi tarkistaa luodut puusolut yksi kerrallaan

Modify Tree Cells Löytyneiden puiden visuaaliseen tarkistamiseen Organisoitu lista tarkistusta varten Automaattiset näkymät listasta valittuun puuhun Käyttäjä tarkistaa, muuttaa ja täydentää tietoja tarvittaessa

Output Tree Cells Kirjoittaa tabulaattorein erotellun listauksen puista Tekstitiedosto soveltuu tietokantaan siirrettäväksi Tilia vulgaris Tilia vulgaris Tilia vulgaris Betula pendula Picea abies Picea abies Tilia vulgaris Tilia vulgaris 487119.54 487109.06 487123.08 487101.72 487129.40 487136.70 487112.09 487140.76 6906463.34 6906422.27 6906477.72 6906395.23 6906504.07 6906531.15 6906436.98 6906545.85 104.11 103.73 104.05 103.19 103.88 103.48 104.10 103.45 7.40 9.37 9.42 5.42 10.03 8.24 9.16 8.70 3.34 5.60 7.44 4.22 6.60 5.52 6.96 5.20 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

Pylväiden vektorointi Automaattinen vakiomuotoisten pylväiden haku ja vektorointi Käyttäjä luo pylvästyypin antamalla: esimerkin pylvään tuottamasta pisteryhmästä vektorisolun joka pylvään kohdalle sijoitetaan Ohjelma vertaa datassa olevia pisteryhmiä pylväskirjastossa oleviin esimerkkiryhmiin Jos löytyy hyvä vastaavuus, ohjelma luokittelee pisteet ja sijoittaa vektorisolun paikalle

Pylväiden vektorointi