The integration of photogrammetric images and lidar data is becoming a powerful procedure that can be applied in the optimisation of photogrammetric mapping techniques. The complementary nature of lidar and photogrammetric data optimises the performance of many procedures used to extract 3D spatial information from data. For example, photogrammetric imagery enables the accurate extraction of building borders and lidar provides accurate 3D points that give information on the physical surfaces of buildings. These properties demonstrate the usefulness of combining the two types of data to achieve a more robust and complete reconstruction of 3D objects. Photogrammetric procedures require the exterior orientation parameters (EOPs) of the images to extract mapping information. Despite the availability of GPS ⁄ INS systems, which greatly assist in direct georeferencing of the imagery, the majority of commercially available photogrammetric systems require control information in order to carry out photogrammetric mapping. Due to improvements in the accuracy of lidar systems in recent years, lidar data is considered a viable source of photogrammetric control. Point features are the principal source of control for photogrammetric triangulation, although linear features and planar patches have also been used. This paper presents a method of georeferencing photogrammetric images using lidar data. The method uses the centroids of rectangular building roofs as control points in the photogrammetric procedure. The centroid of a rectangular building roof derived using lidar data is equivalent to a single control point with 3D coordinates, and can therefore be used in traditional photogrammetric systems. Two photogrammetric experiments were carried out to verify the feasibility of the methodology. The results obtained from these experiments confirm the feasibility of applying the proposed methodology to the georeferencing of photogrammetric images using lidar data.

RESUMOO laser scanner terrestre é uma alternativa para a coleta de dados dendrométricos em campo sem a necessidade da derrubada da árvore. Assim, este estudo teve como objetivo avaliar a influência da distância da varredura laser terrestre na determinação das variáveis dendrométricas. Foram analisadas duas árvores com altura total de 17,14 m e 16,00 m. A varredura laser foi realizada a 5, 10, 15 e 20 m de distância da árvore. Os diâmetros foram obtidos em alturas parciais até o topo da árvore. Os resultados obtidos com a varredura laser foram validados com as medidas obtidas tradicionalmente em campo com suta e trena. A melhor distância para a obtenção das variáveis dendrométricas foi de 15 m para ambas as árvores. As

Resumo:A utilização do laser terrestre para levantamentos em povoamentos florestais tem como objetivo prover dados à modelagem tridimensional das árvores, no entanto, para que seja possível aplicar tal modelo, é necessário realizar a detecção dos pontos que fazem parte de árvores na varredura. O presente estudo propõe um método para a detecção de árvores a partir da nuvem de pontos 3D de plantios florestais. Inicialmente, procura-se reconstituir a distribuição espacial das árvores a partir da aplicação de um algoritmo de segmentação em uma seção transversal (1 metro) da nuvem de pontos. Em seguida, é apresentado um algoritmo para detectar a posição das árvores com base no padrão de alinhamento do povoamento. Por fim, os resultados obtidos são apresentados para validação pelo usuário da nuvem de pontos. O método apresentado foi testado em parcelas circulares instaladas em povoamentos de Eucalyptus spp. levantados por varreduras simples e múltiplas. Os resultados apontaram a necessidade de utilização de múltiplas estações de TLS para redução do efeito de sombreamento no levantamento das parcelas circulares. A aplicação do método de detecção de árvores em conjunto com a análise visual resultou na identificação de 100% das árvores a partir das nuvens de pontos das parcelas.Palavras-chave: plantios florestais, varredura simples e múltiplas, parcelas circulares, componentes conectadas, Eucalyptus spp. Abstract:Terrestrial LIDAR measurements in forest stands is often used to gather data for 3D tree models. However, such models require the detection of points representing trees in the scanning field. The present study offers a method for tree detection from a 3D point cloud of forest plantations. Initially the spatial distribution of trees is reconstructed by applying a segmentation algorithm in a transverse slice (1 meter) through the point cloud. This is followed by an algorithm for detecting tree position based on plantation stand row alignment. Finally, the results are presented

A varredura laserterrestre vem sendo testada e apontada como alternativa não destrutiva para mensuração de árvores. Variáveis dendrométricas podem ser obtidas a partir de técnicas de modelagem tridimensional. Porém, é necessária a filtragem dos dados para eliminar pontos que não representam a superfície do tronco. Esse trabalho teve como objetivo apresentar uma proposta de algoritmo, baseada em métodos já consolidados na literatura, para filtragem automática da nuvem de pontos do tronco da árvore. O estudo foi conduzido a partir de doze árvores inseridas em um povoamento inequiâneo de Pinusspp. Três estações laser foram utilizadas para o recobrimento de cada árvore. O algoritmo proposto, denominado de Filtro Distância Máxima (Filtro Dmax), realiza a filtragem do tronco de forma iterativa e em seções da nuvem de pontos. Para o melhor desempenho da automatização optou-se por um algoritmo parametrizado. O Filtro Dmax foi testado experimentalmente e os resultados apontaram que as superfícies dos troncos foram efetivamente filtradas até aproximadamente dois terços da altura total das árvores estudadas. A alta densidade de acículas impediu a representação das superfícies dos troncos no terço superior das árvores. A aplicação do Filtro Dmax não alterou as características geométricas dos troncos proporcionando dados à modelagem tridimensional.

The identification of significant underlying data patterns such as image composition and spatial arrangements is fundamental in remote sensing tasks. Therefore, the development of an effective approach for information extraction is crucial to achieve this goal. Affinity propagation (AP) algorithm is a novel powerful technique with the ability of handling with unusual data, containing both categorical and numerical attributes. However, AP has some limitations related to the choice of initial preference parameter, occurrence of oscillations and processing of large data sets. This paper evaluates the clustering performance of AP algorithm taking into account the influence of preference parameter and damping factor. The study was conducted considering the AP algorithm, the adaptive AP and partition AP. According to the experiments, the choice of preference and damping greatly influences on the quality and the final number of clusters.