авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 ||

Векторизация и конвертация данных лазерной локации в гис-технологиях

-- [ Страница 2 ] --

Jiang и Bunke (1994) впервые описали алгоритм сегментации точек по линии сканирования. Их алгоритм предлагал рассматривать каждую линию сканирования по отдельности. Данные расстояний между точками сегментируются таким образом, чтобы превышения между пикселями одного сегмента описывались линейной функцией. Когда все отрезки сегментированы, сегменты группируют по линиям, опираясь на критерии приближения (критерии были подобраны экспериментальным путем для каждого типа поверхностей, обычно изменяются от 0.5 до 1). Алгоритмы определения поверхности в первую очередь выбирают начальную поверхность с помощью определения превышения точек, отстоящих на некотором расстоянии от определяемой точки, и определения, может ли она аппроксимироваться на поверхность земли. Таким образом отсеиваются точки, находящиеся даже на небольшом расстоянии от поверхности земли по перпендикуляру.

 Пример сегментов, относящихся к различным объектам. Предложенная в 1994 году-2

Рис. 3. Пример сегментов, относящихся к различным объектам.

Предложенная в 1994 году методика хорошо справлялась на классификации простых объектов (например, отделение мостов, строений), но существовали случаи ошибок на более сложных участках (отделение кустов и т. д.) См. рис. 4 (а). В 1996 году другая группа ученых попробовала усовершенствовать данный алгоритм путем использования точек на параллельных линиях сканирования (см. рис. 4 (b)).

 Рис 4. Ландшафт (а). Сегментирование облака точек в различных направлениях для-3

Рис 4. Ландшафт (а). Сегментирование облака точек в различных направлениях для получения профилей местности (в). Перекрытие профилей для получения рассоединенных графов (с).

Сегментация профилей проводится следующим образом:

  • Соединяются все точки профилирующими линиями (рис. 5(а)).
  • Из профилей убираются точки с превышением на много выше окружающих (рис. 5 (b)).

 Пример автоматической классификации точек методом линейного вычисления-4

Рис. 5. Пример автоматической классификации точек методом линейного вычисления превышений.

Превышение точки (W) можно рассчитать на компьютере используя следующую формулу:

В данном случае и являются профильными координатами оконечных точек I и J на отрезке. Параметр К(>1) задается пользователем и является шкалой функции приближения координат X и Z на заданном отрезке.

Как мы видим на рисунке 5 (b), в таком алгоритме существуют ошибки при определении точек земли. Автором предложена модифицированная методика классификации точек, позволяющая сократить количество таких ошибок в несколько раз. Данная методика будет рассматривать отрезки между точками во всех направлениях, создавая таким образом перекрытия – рассоединенные графы (см. рис. 4 (c)). При таком методе классификации нет необходимости в параметре (К).

Контроль классификации. По завершении автоматической классификации точек земли целесообразно провести визуальный контроль. Для этого производится построение TIN-модели и раскраска ее по высоте. В таком случае даже небольшие отклонения модели в связи с неправильной классификацией заметны при просмотре. После чего производится переклассификация отдельных точек (при необходимости).

Рассмотрим более подробно алгоритмы автоматической классификации зданий, кустов и деревьев. По завершении процедуры классификации точек земли данные точки заменяются на ЦМР. Это упрощает процесс вычисления превышений точек над поверхностью земли и сокращает количество точек, рассматриваемых компьютером. В первую очередь отфильтровываются незначительные с точки зрения картографирования точки – это точки, превышение которых не более 40 см над поверхностью земли. Как правило, это точки травы, мусора и т. д. Примем за основу, что интересующие нас строения и деревья имеют высоту более 2-х метров. Все точки, лежащие ниже данной высоты, на время убираются из рассматриваемого облака точек, что позволяет значительно сократить временные затраты по классификации.

Проведенные исследования показали, что линейные превышения точек, попавших на деревья, изменяются на всем промежутке сегментального фрагмента. В то время как превышение точек, относящихся к строениям, можно описать линейными выражениями.

TIN-модель поверхности может быть передана в ГИС уже на этом этапе. Точки растительности заменяются на заранее подобранные 3d-модели со сравнимыми параметрами (высота, площадь, тип растений) и передаются в ГИС. Строения и сооружения подвергаются процедуре векторизации.

3d-векторизация объектов и строений на данный момент времени выполняется вручную, что занимает довольно большое количество времени. Перед обработкой облако точек, относящееся к объекту, делится на части: стены, пол, потолок и более сложные конструкции (например, барельефы), передается в таком виде в программу 3d Studio Max, где заново обрисовывается по контурам (векторизуется) и сшивается в одну модель. Точное соответствие элементов системе координат позволяет получить точное расположение объектов. В результате получаем «остов», который в большинстве случаев будет выглядеть как набор плоскостей и линий. В таком варианте непосвященному человеку все еще довольно сложно разобраться, что к чему (см. рис. 6).

 Остов комнаты, содержит только плоскости и основные линии перегиба. В связи с-8

Рис. 6. Остов комнаты, содержит только плоскости и основные линии перегиба.

В связи с чем далее выполняется визуализация. Для этого на данный остов «натягиваются» необходимые текстуры. Текстуры изготавливаются с помощью цифрового фотоаппарата и программного продукта Photoshop (или любого другого графического редактора).

Следует отметить, что в данной методике текстуры изготавливаются на каждый фрагмент отдельно, что позволяет передать фотореалистичность с максимальной точностью и не дает искажений текстур при их монтаже на остов.

Если до этого момента данные находились в местной системе координат, то до интеграции модели в ГИС необходимо провести ее пересчет в систему координат ГИС (обычно в картографическую). Это можно сделать двумя способами:

  1. с помощью сопоставления опорных точек на плане местности в ГИС опорным точкам на модели;
  2. с помощью ручного назначения координат опорных точек на модели (обычно координаты получают посредством GPS-приемников или тахеометра).

Немаловажной деталью процедуры векторизации является контроль точности получаемой модели. Для контроля выполняются следующие действия:

  • в ходе векторизации точечной модели исполнителем производится текущий контроль соответствия опорных точек «скелета» модели реальным измерениям;
  • по завершении векторизации точечной модели выполняется выборочный контроль другим исполнителем;
  • для окончательного контроля точности созданной модели проводится процедура выборочного сравнения полученной цифровой модели с результатами контрольных измерений на объекте.

Конвертация. В ходе выполнения анализа форматов данных были выбраны наиболее удобные форматы, а результаты их исследования составлены в таблицу 1. Кроме того, была предложена и опробована схема конвертации данных в рамках разработанного метода векторизации облака точек (см. схему 1).

Автором было проведено исследование разработанных алгоритмов классификации облаков точек и сопоставление с тремя уже используемыми в промышленном применении алгоритмами. Алгоритм автоматической классификации точек земли позволяет определить точки, относящиеся к поверхности на 98%, что значительно сокращает участие оператора в процессе классификации. Методика автоматической классификации строений и растительности позволяет определять растительность со средней точностью 96%, а строения с относительной точностью 80%. Следует отметить, что алгоритм автоматической классификации точек растительности значительно превышает по точности результат используемых в настоящее время методик. Что относится к определению строений, надо признать, точность определения оставляет желать лучшего и алгоритм следует доработать т. к. он значительно отстает от используемых в настоящее время алгоритмов.

Схема 1. Перенос данных между ПО для работы с трёхмерной графикой.


Стандарт Максимальное кол-во полигонов в модели Возможность передачи по низкоскоростным каналам (Internet) Соответствие модели реальному объекту Скорость загрузки модели, сек Поддерживается ПО Проблемы, возникающие при конвертации разработанным конвертором
VRML 2.0 200 000 Есть Визуальное + метрическое в опорных точках 10 Internet-браузер 3DsMax CAD-системы Leica Cyclone GisStation Не выявлено
3ds Неограниченно Нет Визуальное и метрическое 30 GisStation 3DsMax CAD-системы Не выявлено
Dxf 20 000 Есть Метрическое, визуальное без текстур 20 GisStation 3DsMax CAD-системы 3d GIS приложения Смещение в координатной сетке, изменение масштаба
Msh Неограниченно Нет Возможны появления «лишних» поверхностей 60 GisStation 3DsMax Появление «лишних» поверхностей
dwg 20 000 нет Визуальное и метрическое 20 GisStation 3DsMax CAD-системы 3d GIS приложения Ошибки, носящие периодический характер…..

Таблица 6. Результаты исследования конвертации и форматов данных.

Заключение

В результате проведенных исследований был разработан новый метод векторизации данных, включающий в себя несколько этапов, описанных выше.

Разработан и исследован алгоритм автоматической фильтрации облаков точек от шумовой составляющей.

Разработаны и исследованы методики автоматизированной классификации облаков точек на классы «растительность» и «земля», существенно превосходящие используемые в данный момент как по производительности, так и по проценту ошибочности данных. Алгоритм определения точек, относящихся к строениям, требует дельнейшей проработки т. к. процент ошибок велик.

Автором предложено 2 конечных варианта ручной векторизации данных лазерной локации в зависимости от поставленной задачи и конечного использования модели.

Автором проведено исследование современных форматов данных и предложен модуль конвертации данных между форматами, результаты этого исследования приведены в таблице 1.

Для полноты работы автором предложена и исследована методика отображения 3d-моделей в ГИС, результаты исследования представлены в кандидатской диссертации (гл. 3.3).

В результате работ создано несколько небольших программ-модулей, написанных автором. Все программы объединены под общей оболочкой GIS Station (также написанной автором), которая предусматривает возможность подключения дополнительных модулей в будущем.

Все алгоритмы и методики были опробованы на следующих объектах:

  • Архитектурная композиция «Золотые комнаты МИИГАиК»,
  • 4-ая Доменная печь завода «Северсталь»,
  • Воздушный газопровод завода «Северсталь»,
  • Станция метро «Проспект Мира» (кольцевая, радиальная и переход),
  • Скульптура «Рабочий и Колхозница»,
  • Гостиница «Космос»,
  • Отдельно стоящее здание по адресу г. Москва, ул. Полянка д. 60/2,
  • Храм Василия Блаженного.

Учитывая все написанное выше, можно утверждать, что работа носит законченный характер, результаты исследования нашли свое применение в создаваемом программном продукте GIS Studio, а также внедрены на кафедре ВТиАОАИ в ГИС лаборатории МИИГАиК.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

  1. Журкин И.Г., Жигалов К. Ю. Современные методы обработки данных лазерной локации в ГИС // Материалы X международной научно-практической конференции «Методы дистанционного зондирования и ГИС-технологий для оценки состояния окружающей среды, инвентаризации земель и объектов недвижимости» – Китай, 2006 – с. 6-10
  2. Жигалов К.Ю., Волкович Е.В. Применение лазерных технологий для создания 3d-модели архитектурной композиции «Золотые комнаты МИИГАиК» // Сборник материалов Всероссийской выставки научно-технического творчества молодежи Москва, 2005 с. 115-116
  3. Жигалов К.Ю., Дружинин М.Ю. Применение лазерного сканирования для сохранения памятников архитектуры (на примере скульптуры Мухиной и Храма Василия Блаженного) // Сборник докладов GEOFORM+ Москва, 2006 – с. 96-97
  4. Журкин И.Г., Волкович Е.В., Жигалов К.Ю. Обновление картографического материала с помощью данных, полученных методом лазерной локации // Журнал геодезия и картография – Москва, 2007, №5 – с. 35-37
  5. Журкин И.Г., Волкович Е.В., Жигалов К.Ю. Технология обработки данных лазерной локации для получения крупномасштабных планов сложных инженерных сооружений // Материалы международного промышленного форума GEOFORM+ Москва, 2007 – с. 20

Подписано в печать 20.11.2007. Гарнитура Таймс

Формат 60*90/16. Бумага офсетная. Печать офсетная.

Объем 1,5 усл. печ. л.

Тираж 80 экз. Заказ №281 Цена договорная

Издательство МИИГАиК

105064, Москва, Гороховский пер., 4

Отпечатано в типографии МИИГАиК



Pages:     | 1 ||
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.