We gebruiken cookies om de website specifiek voor u in te richten. Als u verder navigeert, accepteert u dat. Uw gedrag op onze website wordt vastgelegd en kan worden gebruikt ter verbetering van onze dienstverlening. Meer informatie over cookies
Sociale media
Cookies waarmee pagina´s van deze site op sociale netwerken gedeeld kunnen worden. Door deze cookies te accepteren, staat u sociale netwerken toe uw surfactiviteit te volgen.
Open het menu om verder te navigeren
Navigatie sluiten
Sla op in leeslijst Exclusief voor leden Maak pdf Exclusief voor leden
Alle laserdata worden ingewonnen met indirecte (contactloze) metingen, de sensor raakt het te meten oppervlak niet aan. Dit betekent dat de data verstoringen kunnen bevatten, veroorzaakt door: de sensor; objecten tussen de sensor en het te meten oppervlak. Oorzaak: sensor Deze verstoringen bestaan uit afwijkingen in de sensorpositie: de afstand en hoek tot het te meten oppervlak. Als de po
Alle laserdata worden ingewonnen met indirecte (contactloze) metingen, de sensor raakt het te meten oppervlak niet aan. Dit betekent dat de data verstoringen kunnen bevatten, veroorzaakt door: de sensor; objecten tussen de sensor en het te meten oppervlak. Oorzaak: sensor Deze verstoringen bestaan uit afwijkingen in de sensorpositie: de afstand en hoek tot het te meten oppervlak. Als de positie van de sensor tijdens de opname nauwkeurig wordt vastgelegd, zijn deze verstoringen doorgaans eenvoudig (geautomatiseerd) te herstellen. Zowel in een vliegtuig als voertuig gebeurt dit met zeer nauwkeurige GPS en gyroscopische sensoren. Oorzaak: objecten tussen sensor en te meten oppervlak Deze foutbron bestaat uit ruis of blinde vlekken door (deeltjes in) de lucht of tussenliggende objecten. Deze verstoringen zijn vaak lastig in geautomatiseerde processen te verhelpen. Met statistische methoden (vormherkenning) is een goede eerste slag te maken, maar handmatige beoordeling en aanpassing zijn altijd noodzakelijk om de laatste ‘restjes’ van bomen, auto’s en andere zaken te verwijderen en zo de hoogst mogelijke betrouwbaarheid van de dataset te verkrijgen. De aanwezigheid van tussenliggende objecten leidt altijd tot verlies van data (blinde vlekken). Dit is zo veel mogelijk te voorkomen door de opnamen in de winter (weinig vegetatie) of ’s nachts (weinig verkeer op straat) te maken. Stilstaande objecten die geen deel uitmaken van het maaiveld maar er wel op staan (zoals geparkeerde auto’s), zijn voor alle inmeetmethoden een probleem. Het maaiveld onder de auto is niet zichtbaar en daardoor niet in te meten. De ervaring leert dat het weinig zinvol is een traject (bijvoorbeeld woonstraten) meerdere malen te rijden, omdat vaak dezelfde auto’s op dezelfde plaatsen staan. N.B.: De auto in figuur A is in de twee meetrondes niet verplaatst, onder de auto is dus geen data beschikbaar. In figuur B is er wel data zichtbaar onder de auto, maar ook de auto zelf, dus heeft tijdens een van de twee meetrondes de auto niet op die plaats gestaan. Figuur A Auto zorgt voor blinde vlek tijdens datainwinningVergroot afbeelding Figuur B Verplaatste auto levert wel data opVergroot afbeelding
Exclusief voor leden
Geïnteresseerd in dit artikel? Log in!
En krijg toegang tot dit artikel en andere besloten delen van de website, met o.a. de kennisbank, beeldenbank en onderzoekspublicaties.