- Titel
- Automated Ground Control Point Identification using Deep Learning Techniques
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-986826
- Konferenz
- 5th Virtual Geoscience Conference. Dresden, 21. - 22. September 2023
- Quellenangabe
- VGC 2023 - Unveiling the dynamic Earth with digital methods
Herausgeber: Helmholtz-Institut Freiberg für Ressourcentechnologie
Herausgeber: Technische Universität Dresden
Erscheinungsort: Dresden
Erscheinungsjahr: 2023
Seiten: 128-129 - Erstveröffentlichung
- 2023
- DOI
- https://doi.org/10.25368/2025.217
- Abstract (EN)
- Ground Control Points (GCPs) play a crucial role in photogrammetry, providing essential information for georeferencing, registration and scaling of aerial and satellite imagery. These reference points, with known coordinates, are strategically placed and precisely measured on the ground to achieve accurate georeferencing in the photogrammetric process. The increasing importance of automatic GCP detection stems from technological advancements that have facilitated automated image acquisition, resulting in a significant growth in available datasets.
- Freie Schlagwörter (EN)
- Ground Control Points, Convolutional Neural Network, AI Detection, Keypoint detection
- Klassifikation (DDC)
- 550
- Klassifikation (RVK)
- RB 10081
- Herausgeber (Institution)
- Helmholtz-Institut Freiberg für Ressourcentechnologie, Freiberg
- Technische Universität Dresden, Dresden
- Version / Begutachtungsstatus
- publizierte Version / Verlagsversion
- URN Qucosa
- urn:nbn:de:bsz:14-qucosa2-986826
- Veröffentlichungsdatum Qucosa
- 21.08.2025
- Dokumenttyp
- Konferenzbeitrag
- Sprache des Dokumentes
- Englisch
- Lizenz / Rechtehinweis
CC BY 4.0