FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2095957984> ?p ?o ?g. }

• W2095957984 endingPage "456" @default.
• W2095957984 startingPage "441" @default.
• W2095957984 abstract "In the field of disaster management the detection and classification of building damage play an important role. Airborne lidar data is very suitable as a basis for damage analyses because it can be acquired for large areas directly after a disaster. In building damage classification methods, plane surfaces extracted from post-event lidar data are often used as one input. Various different algorithms exist for automatic plane detection from lidar data, of which two are presented in this paper and applied to lidar data of undamaged and damaged buildings. Finally, the suitability of these two algorithms for a more detailed building damage classification is studied and analysed.ResumeDans le contexte de la gestion des catastrophes, la detection et la classification des degâts sur les bâtiments jouent un role important. Les donnees issues de systemes lidar aeroportes conviennent tres bien comme point de depart pour les analyses de degâts car elles peuvent etre acquises sur des grandes zones juste apres une catastrophe. Ainsi, une methode existante de classification des degâts sur les bâtiments utilise comme donnees d’entree parmi d’autres des surfaces planaires extraites des donnees lidar post-desastre. Comme plusieurs algorithmes existent pour la detection automatique de plans dans les donnees lidar, deux d’entre eux sont presentes dans cet article et appliques aux donnees lidar des bâtiments intacts et endommages. Finalement, l’apport des deux algorithmes presentes pour une classification plus detaillee des degâts sur les bâtiments est etudie et analyse.ZusammenfassungIm Bereich des Katastrophenmanagements spielen die Detektion und Klassifizierung von Gebaudeschaden eine wichtige Rolle. Flugzeuggetragene Laserscannerdaten sind als Basis fur Schadensanalysen sehr geeignet, da sie fur grose Gebiete unmittelbar nach der Katastrophe erfasst werden konnen. In Methoden zur Klassifizierung von Gebaudeschaden werden haufig ebene Flachen als eine Eingabe verwendet, die aus nach dem Ereignis erfassten Laserscannerdaten extrahiert werden. Da unterschiedliche Algorithmen fur die automatische Detektion von Ebenen in Laserscannerdaten existieren, werden zwei von ihnen in diesem Artikel prasentiert und auf Laserscannerdaten ungeschadigter und geschadigter Gebaude angewandt. Schlieslich wird die Eignung der prasentierten Algorithmen fur eine detailliertere Klassifizierung von Gebaudeschaden untersucht und analysiert.ResumenLa deteccion y clasificacion del dano en las edificaciones tiene una funcion importante en la gestion de desastres. Los datos de los lidar aerotransportados son muy utiles para evaluar los danos porque se pueden obtener inmediatamente tras un desastre y sobre grandes extensiones. Asi, uno de los metodos disponibles para la clasificacion de danos en las edificaciones usa como datos de partida, entre otros, las superficies planas extraidas de datos lidar tomados tras el evento. Dado que hay diferentes algoritmos para la deteccion automatica de superficies planas en datos lidar, en este articulo se presentan dos y se aplican a datos de edificaciones danadas y sin danos. Finalmente se estudia y analiza la contribucion de dichos algoritmos a la clasificacion pormenorizada de danos en las edificaciones." @default.
• W2095957984 created "2016-06-24" @default.
• W2095957984 creator A5009276817 @default.
• W2095957984 creator A5014748075 @default.
• W2095957984 creator A5026452327 @default.
• W2095957984 creator A5065796714 @default.
• W2095957984 creator A5085489658 @default.
• W2095957984 date "2008-12-01" @default.
• W2095957984 modified "2023-09-26" @default.
• W2095957984 title "Contribution of two plane detection algorithms to recognition of intact and damaged buildings in lidar data" @default.
• W2095957984 cites W1976379828 @default.
• W2095957984 cites W1986427369 @default.
• W2095957984 cites W2015741970 @default.
• W2095957984 cites W2060090591 @default.
• W2095957984 cites W2085261163 @default.
• W2095957984 cites W2482854527 @default.
• W2095957984 doi "https://doi.org/10.1111/j.1477-9730.2008.00501.x" @default.
• W2095957984 hasPublicationYear "2008" @default.
• W2095957984 type Work @default.
• W2095957984 sameAs 2095957984 @default.
• W2095957984 citedByCount "28" @default.
• W2095957984 countsByYear W20959579842012 @default.
• W2095957984 countsByYear W20959579842013 @default.
• W2095957984 countsByYear W20959579842014 @default.
• W2095957984 countsByYear W20959579842015 @default.
• W2095957984 countsByYear W20959579842016 @default.
• W2095957984 countsByYear W20959579842017 @default.
• W2095957984 countsByYear W20959579842018 @default.
• W2095957984 countsByYear W20959579842019 @default.
• W2095957984 countsByYear W20959579842020 @default.
• W2095957984 countsByYear W20959579842021 @default.
• W2095957984 countsByYear W20959579842023 @default.
• W2095957984 crossrefType "journal-article" @default.
• W2095957984 hasAuthorship W2095957984A5009276817 @default.
• W2095957984 hasAuthorship W2095957984A5014748075 @default.
• W2095957984 hasAuthorship W2095957984A5026452327 @default.
• W2095957984 hasAuthorship W2095957984A5065796714 @default.
• W2095957984 hasAuthorship W2095957984A5085489658 @default.
• W2095957984 hasConcept C11413529 @default.
• W2095957984 hasConcept C154945302 @default.
• W2095957984 hasConcept C17825722 @default.
• W2095957984 hasConcept C205649164 @default.
• W2095957984 hasConcept C2524010 @default.
• W2095957984 hasConcept C31972630 @default.
• W2095957984 hasConcept C33923547 @default.
• W2095957984 hasConcept C41008148 @default.
• W2095957984 hasConcept C51399673 @default.
• W2095957984 hasConcept C62649853 @default.
• W2095957984 hasConceptScore W2095957984C11413529 @default.
• W2095957984 hasConceptScore W2095957984C154945302 @default.
• W2095957984 hasConceptScore W2095957984C17825722 @default.
• W2095957984 hasConceptScore W2095957984C205649164 @default.
• W2095957984 hasConceptScore W2095957984C2524010 @default.
• W2095957984 hasConceptScore W2095957984C31972630 @default.
• W2095957984 hasConceptScore W2095957984C33923547 @default.
• W2095957984 hasConceptScore W2095957984C41008148 @default.
• W2095957984 hasConceptScore W2095957984C51399673 @default.
• W2095957984 hasConceptScore W2095957984C62649853 @default.
• W2095957984 hasIssue "124" @default.
• W2095957984 hasLocation W20959579841 @default.
• W2095957984 hasOpenAccess W2095957984 @default.
• W2095957984 hasPrimaryLocation W20959579841 @default.
• W2095957984 hasRelatedWork W2082701464 @default.
• W2095957984 hasRelatedWork W2564833109 @default.
• W2095957984 hasRelatedWork W2970440712 @default.
• W2095957984 hasRelatedWork W3088831177 @default.
• W2095957984 hasRelatedWork W3107819843 @default.
• W2095957984 hasRelatedWork W3108490186 @default.
• W2095957984 hasRelatedWork W4238992361 @default.
• W2095957984 hasRelatedWork W4296010503 @default.
• W2095957984 hasRelatedWork W4312559648 @default.
• W2095957984 hasRelatedWork W4312857205 @default.
• W2095957984 hasVolume "23" @default.
• W2095957984 isParatext "false" @default.
• W2095957984 isRetracted "false" @default.
• W2095957984 magId "2095957984" @default.
• W2095957984 workType "article" @default.