Оптимизация процесса классификации данных лазерного сканирования для преодоления избыточностистатья из журнала
База данных: Каталог библиотеки СФУ (Г 962)
Библиографическое описание: Гусев, Владимир Николаевич. Оптимизация процесса классификации данных лазерного сканирования для преодоления избыточности = Optimizing the data classification process in laser scanning to overcome redundancy / В. Н. Гусев, А. А. Филиппов. - (Маркшейдерское и геологическое обеспечение горных работ). - Текст : непосредственный // Маркшейдерия и недропользование. - 2024. - № 1 (129). - С. 80-89 : 6 рис. - Библиогр.: с. 87-89 (33 назв.). - ISSN 2079-3332.
Аннотация: Приведены результаты анализа существующих методик для классификации маркшейдерско-геодезических данных, в частности данных лазерного сканирования. В настоящее время применяются различные программные решения для моделирования объектов подземной разработки, карьеров, а также объектов нефтедобычи. Существуют алгоритмы для решения конкретных задач, связанных с этапами моделирования, однако большинство из них создаются как универсальные инструменты. Проведена оценка существующих программных алгоритмов для решения задачи классификации. В условиях горной промышленности адаптация существующих алгоритмов позволила бы значительно ускорить и упростить процессы актуализации маркшейдерско-геодезической информации, что в свою очередь косвенно повлияет на скорость и качество отработки месторождения в целом. Результаты исследований могут быть полезны при работе с данными лазерного сканирования и выбора оптимальных решений.
Год издания: 2024
Источник: Маркшейдерия и недропользование
Выпуск: № 1 (129)
Номера страниц: 80-89
Количество экземпляров:
- Читальный зал (пер. Вузовский, 6Д): свободно 1 из 1 экземпляров
Ключевые слова: адаптация алгоритмов для маркшейдерских съемок, измерения маркшейдерско-геодезические, лазерное сканирование, маркшейдерско-геодезические измерения, программные решения для моделирования, сканирование лазерное
Рубрики: Горное дело,
Маркшейдерское дело
Маркшейдерское дело
Классификационные коды: ГРНТИ 52
ISSN: 2079-3332
Идентификаторы: полочный индекс Г 962, шифр mrkn/2024/1-233578