|
|
3D Mapping from Sparse LiDAR Data
Veľas, Martin ; Hofierka,, Jaroslav (oponent) ; Kaartinen,, Harri (oponent) ; Herout, Adam (vedoucí práce)
This work deals with the proposal of novel algorithms for sparse 3D LiDAR data processing, including the design of a whole mobile backpack mapping solution. This research was driven by the need for such solutions in the field of geodesy, mobile surveying, and the building construction. Firstly, there is a proposal of the iterative algorithm for reliable point cloud registration and odometry estimation from 3D LiDAR point clouds. The sparsity and the size of these data are overcome using random sampling by Collar Line Segments (CLS). The evaluation, using standard KITTI dataset, showed superior accuracy over the well known General ICP algorithm. Convolutional neural networks play an important role in the second method of odometry estimation, which processes encoded LiDAR data in form of 2D matrices. The method is able to run online, while the accuracy is preserved when only translation motion parameters are required. This can be handy when the online preview of mapping is required and the rotation parameters can be reliably provided by e.g. IMU sensor. Based on the CLS algorithm, mobile backpack mapping solution 4RECON was designed and implemented. Using the calibrated and synchronized pair of Velodyne LiDARS and the deployment of dual antenna GNSS/INS solution, the universal system, providing accurate 3D modeling of both small indoor and large open environments, was developed. Our evaluation proved that the requirements set for this system were fulfilled -- relative accuracy up to $5$~cm and the average error of georeferencing under $12$~cm. The last pages contain the description and the evaluation of another method based on the convolutional neural networks -- designed for ground segmentation of 3D LiDAR point clouds. This method outperformed the current state-of-the-art in this task and represents the way semantics cad be introduced into the 3D laser data.
|
|
|
Detekce disturbance lesa pomocí UAV multispektrální fotogrammetrie
Minařík, Robert ; Langhammer, Jakub (vedoucí práce) ; Hofierka, Jaroslav (oponent) ; Miřijovský, Jakub (oponent)
V současné době nejvíce negativně ovlivňují vývoj smíšených a boreálních lesů Evropy epidemické (kalamitní) přemnožení kůrovců (Scolytinae Latreille, 1804) vlivem klimatické změny a nevhodné skladby dřevin, která mohou výrazně narušit zdravotní stav lesů a způsobit ekonomické ztráty. Proto je nezbytné použít vhodné metody pro včasnou detekci kůrovcové disturbance. Metody multispektrálního dálkového průzkumu země (DPZ) pomocí bezpilotních leteckých systémů (UAS) představují novou možnost bezkontaktního monitoringu krajiny poskytující kvantitativní informaci o zdravotním stavu vegetace s vysokým časoprostorovým rozlišením, proto se jeví jako vhodné i pro včasnou detekci disturbance. Disertační práce se zaměřila na ověření využití metod UAS multispektrální fotogrammetrie a klasifikace obrazu pro detekci disturbance lesa způsobené lýkožroutem smrkovým (Ips typographus Linnaeus, 1758) na úrovni jednotlivých stromů s rozlišením jednotlivých fází napadení pro studium dynamiky disturbance. V disertační práci byly rozpracovány všechny důležité aspekty detekce: analýza vhodnosti spektrálních pásem pro detekci disturbance, radiometrická kalibrace multispektrálních kamer, automatizovaná segmentace jednotlivých korun z fotogrammetrického mračna bodů (PPC) a klasifikace fází disturbance na úrovni jednotlivých...
|
|
|
3D Mapping from Sparse LiDAR Data
Veľas, Martin ; Hofierka,, Jaroslav (oponent) ; Kaartinen,, Harri (oponent) ; Herout, Adam (vedoucí práce)
This work deals with the proposal of novel algorithms for sparse 3D LiDAR data processing, including the design of a whole mobile backpack mapping solution. This research was driven by the need for such solutions in the field of geodesy, mobile surveying, and the building construction. Firstly, there is a proposal of the iterative algorithm for reliable point cloud registration and odometry estimation from 3D LiDAR point clouds. The sparsity and the size of these data are overcome using random sampling by Collar Line Segments (CLS). The evaluation, using standard KITTI dataset, showed superior accuracy over the well known General ICP algorithm. Convolutional neural networks play an important role in the second method of odometry estimation, which processes encoded LiDAR data in form of 2D matrices. The method is able to run online, while the accuracy is preserved when only translation motion parameters are required. This can be handy when the online preview of mapping is required and the rotation parameters can be reliably provided by e.g. IMU sensor. Based on the CLS algorithm, mobile backpack mapping solution 4RECON was designed and implemented. Using the calibrated and synchronized pair of Velodyne LiDARS and the deployment of dual antenna GNSS/INS solution, the universal system, providing accurate 3D modeling of both small indoor and large open environments, was developed. Our evaluation proved that the requirements set for this system were fulfilled -- relative accuracy up to $5$~cm and the average error of georeferencing under $12$~cm. The last pages contain the description and the evaluation of another method based on the convolutional neural networks -- designed for ground segmentation of 3D LiDAR point clouds. This method outperformed the current state-of-the-art in this task and represents the way semantics cad be introduced into the 3D laser data.
|
|
|
Convergence of the embedding scheme
Hofierka, Jaroslav ; Klimeš, Jiří (vedoucí práce) ; Čížek, Martin (oponent)
Výpočet presných adsorpčných energií molekúl na povrchoch je neľahká úloha, pretože metódy s dostatočnou presnosťou sú príliš výpočtovo náročné na to, aby sa mohli aplikovať na tieto systémy. Teórie vnorenia predstavujú prirodzené riešenie tohto problému: zameranie výpočtov na malú oblasť a zahrnutie efektov prostredia. V tejto diplomovej práci sa skúma metóda vnorenia a odozva mnoho- elektrónových systémov na adsorbovanú nečistotu. Na tento účel sa používajú dva prístupy: tesná väzba a ab initio. V tesnej väzbe študujeme formalizmus Greenových funkcií a získavame explicitné výrazy pre Greenove funkcie rôznych jedno- a dvojrozmerných modelov. Pomocou tohto formalizmu študujeme kvalitatívne lokálnu hustotu stavov a adsorpčné energie. V druhej časti tejto práce sú použité moderné metódy ab initio na štúdium konvergencie schémy subtraktívneho vnorenia pre adsorpčné energie malých systémov s uzavretou valenčnou vrstvou na dvojrozmernom graféne a hexagonálnom nitride boritom. Účinnosť a použiteľnosť schémy je posudzovaná pre neón a fluorovodík ako adsorbáty. Zistili sme, že skúmaná metóda vnorenia funguje lepšie pre neón v porovnaní s fluorovodíkom, čo možno vysvetliť použitou párovou disperznou korekciou.
|
|
|
Lattice energies of molecular solids
Hofierka, Jaroslav ; Klimeš, Jiří (vedoucí práce) ; Bludský, Ota (oponent)
Molekulárne kryštály sú dôležité materiály s mnohými aplikáciami v rôznych vedných odboroch a priemysle. Často majú bohatý fázový diagram a môžu sa vyskytovať v rôznych kryštálových štruktúrach. K popisu malých energetických rozdielov medzi jednotlivými fázami alebo kryštálovými štruktúrami sú potrebné presné kvantovo-mechanické metódy. V tejto práci počítame väzbové energie kryštálov metánu, metanolu, amoniaku a oxidu uhličitého dvomi rôznymi prístupmi, a to fragmentovým prístupom a prístupom s periodickými okrajovými podmienkami. Tieto dve metódy majú rozličné nároky na výpočtový čas a ľudské zdroje. V rámci fragmentového prístupu sme použili kvantovo mechanické metódy Hartree-Fock (HF), MP2 a CCSD(T). S periodickými okrajovými podmienkami sme aplikovali HF a MP2 metódy. Pre všetky skúmané systémy, ktoré sa navzájom líšia dominantnými medzimolekulárnymi interakciami, sme obomi prístupmi získali zhodné výsledky s odchýlkami 0,1 - 0,6 kJ/mol na úrovni MP2 metódy.
|
host ::
RSS.