Slaven Kalenjuk

Large-scale deformation monitoring using mobile laser scanning and tailored point cloud processing


voorkant	achterkant

ISBN:

978-3-8440-9125-0

Reeks:

Engineering Geodesy – TU Graz
Uitgever: Univ.-Prof. Dr. Werner Lienhart
Graz

Trefwoorden:

mobile laser scanning; deformation monitoring; point cloud processing; retaining structures; safety assessment; quality analysis; stochastic modeling

Soort publicatie:

Dissertatie

Taal:

Engels

Pagina's:

264 pagina's

Gewicht:

500 g

Formaat:

21 x 14,8 cm

Bindung:

Softcover

Prijs:

49,80 € / 62,30 SFr

Verschijningsdatum:

Juni 2023

Kopen:

DOI:

10.2370/9783844091250 (Online-Publicatie-Document)

Download:

Beschikbare online documenten voor deze titel:

U heeft Adobe Reader, nodig, om deze bestanden te kunnen bekijken. Hier vindt u ondersteuning en informatie, bij het downloaden van PDF-bestanden.

Let u er a.u.b. op dat de online-bestanden niet drukbaar zijn.


	Document		Document
	Soort bestand		PDF
	Kosten		37,35 EUR
	Acties		Tonen en kopen van het bestand - 31,9 MB (33478309 Byte)
	Acties		Kopen en downloaden van het bestand - 31,9 MB (33478309 Byte)


	Document		Inhoudsopgave
	Soort bestand		PDF
	Kosten		gratis
	Acties		Het bestand tonen - 530 kB (542414 Byte)
	Acties		downloaden van het bestand - 530 kB (542414 Byte)

Gebruikersinstellingen voor geregistreerde online-bezoekers

Hier kunt u uw adresgegevens aanpassen en uw documenten inzien.

Gebruiker:	niet aangemeld
Acties:	aanmelden/registreren Paswoord vergeten?

Aanbevelen:

Wilt u dit boek aanbevelen?

Recensie-exemplaar

Bestelling van een recensie-exemplaar.

Verlinking

Wilt u een link hebben van uw publicatie met onze online catalogus? Klik hier.

Samenvatting

This dissertation introduces a novel method for deformation analysis of retaining structures using mobile laser scanning (MLS). The idea is to use a commercial MLS system on the roof of a vehicle to capture infrastructure while passing by, thus without impeding traffic flow. New, tailored algorithms enable the analysis of the MLS data in an automated, efficient, and repeatable manner. The goal is to apply the approach on a large scale to detect those objects that show signs of damage among the vast number of structures.
The tailored point cloud processing algorithms work for different structural types and surface properties. In short, the algorithms aim to describe complex structural deformation patterns by rigid-body motion of many small parts. These small parts may represent perceptually meaningful objects or point subsets created by spatial clustering. Both methods yield groups of thousands of points, allowing precise and robust estimates of tilt and displacements.
This thesis presents novel methods to eliminate systematic discrepancies between two MLS point clouds. The benefits are significant, as laser scans from two different epochs can be registered over stable reference surfaces. Moreover, it allows determining uncertainty of MLS point clouds. Both aspects, accurate registration and knowledge about uncertainty, are crucial components of deformation monitoring.
Finally, the thesis presents a guideline for implementing the proposed methodology in practice. The guideline addresses the needs of both infrastructure operators and service providers. The aim is to avoid monopolies while ensuring the quality of the deformation analysis independent of the service providers.