Тип работы:
Предмет:
Язык работы:


Исследование алгоритмов автоматической регистрации данных лазерного сканирования

Работа №127901

Тип работы

Магистерская диссертация

Предмет

картография

Объем работы49
Год сдачи2022
Стоимость4800 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
77
Не подходит работа?

Узнай цену на написание


Введение 3
Глава 1. Регистрация данных наземного лазерного сканирования. Теория 5
1.1. Наземные лазерные сканеры. Принципы работы 5
1.2. Алгоритмы регистрации данных лазерного сканирования 8
1.2.1. Регистрация по опорным точкам 9
1.2.2. Регистрация по геометрическим элементам 9
1.2.3 Регистрация по результатам инструментальных измерений 10
1.2.4. Алгоритм ICP 11
1.3. Алгоритмы поиска опорных точек для регистрации 13
Глава 2. Опыт предыдущих исследований 18
2.1. Применение метода SIFT 18
2.2. Проверка полного алгоритма метода SIFT 19
2.2.1. Развертки 19
2.2.2. Ортофотопланы 19
2.3. Проверка метода SIFT с фильтрацией по расстояниям 22
Глава 3. Исследование методов отбора общих точек на ортофотопланах 25
3.1. Программные средства 25
3.2. Описание функционала алгоритма на языке Python 26
3.2.1 Методы указания точек на ортофотопланах 27
3.2.2 Метод определения общих точек на втором ортофотоплане 28
3.3 Проверка работы метода на объектах 31
3.3.1 Проверка субпиксельной точности 31
3.3.2 Проверка работы метода при ручном наборе точек 32
3.3.3 Проверка работы метода при наборе точек методом SIFT 34
3.3.4 Проверка эффективности фильтрации точек с указанием местоположения 35
3.3.5 Проверка работы метода при указании точек на двух ортофотопланах 38
3.3.6 Проверка работы метода на повернутых сканах 40
Заключение 42
Литература 43
Приложение 46


В последние десятилетия все больше в различных сферах производственной деятельности используется технология наземного лазерного сканирования (НЛС). Достоинствами данной технологии, которые высоко ценятся при архитектурных, реставрационных, строительных и иных работах, стали высокая скорость сканирования, существенная степень автоматизации процесса, а также высокоточное и полное представление трехмерных данных. Такой вид представления пространственной информации существенно упрощает процесс создания и обновления планов, разрезов, что является неотъемлемой частью обмерной документации любых архитектурных объектов.
При этом, не смотря на в целом высокую степень автоматизации, важной особенностью большинства сканирующих систем является то, что материалы каждого сеанса сканирования получаются в собственной системе координат, что приводит к необходимости сведения всех результатом в единую систему отсчета. Классическим вариантом регистрации данных лазерного сканирования является сведение по общим точкам, в качестве таких обычно выступают марки заранее закрепленные на объекте, поиск и указание таких точек на сканах производится вручную специалистом и занимает много времени.
Поиск соответствующих точек может быть осуществлен на развертках скана и на ортофотопланах, которые являются цифровыми изображениями, исходя из чего, при подборе и поиске таких точек можно применить методы компьютерного зрения.
Актуальность исследования: использование методов компьютерного зрения позволяет значительно ускорить и упростить процесс регистрации данных лазерного сканирования.
Цель работы: изучение алгоритмов автоматизации регистрации данных лазерного сканирования, и их точности.
Для достижения поставленной цели необходимо было решить следующие задачи:
- Рассмотрение методов регистрации данных лазерного сканирования;
- Изучение методов поиска общих точек на ортофотопланах с использованием алгоритмов компьютерного зрения;
- Исследование методов отбора общих точек на ортофотопланах;
- Разработка алгоритма нахождения общих точек на ортофотопланах;
- Проверка работы алгоритма на реальных объектах;
- Анализ полученных результатов и формулирование выводов на основе исследования.
Объект исследования: регистрация данных лазерного сканирования;
Предмет исследования: методы автоматической регистрации данных лазерного сканирования.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В ходе реализации поставленной цели были достигнуты следующие задачи:
- Рассмотрены и изучены методы регистрации данных лазерного сканирования, методы поиска общих точек на ортофотопланах с использованием алгоритмов компьютерного зрения;
- Исследованы и реализованы на языке Python методы отбора общих точек на ортофотопланах;
- Разработан алгоритм поиска общих точек на ортофотопланах;
- Проведены исследования по проверке работоспособности метода на реальных объектах.
Из результатов анализа исследований следует вывод, что рассмотренные методы выбора, нахождения и фильтрации опорных точек на ортофотопланах могут успешно применяться для цели регистрации данных лазерного сканирования. Расчеты показывают, что среднеквадратическая погрешность нахождения точек рассмотренными методами может находиться в пределах 1 сантиметра, что позволяет использовать их для приведения сканов друг к другу.
Результаты, полученные в данном исследовании, можно использовать как основу для создания и развития автоматической системы регистрации данных лазерного сканирования.



1. Комиссаров А.В. «Теория и технология лазерного сканирования для пространственного моделирования территорий», 2016, 279 с.
2. Середович В.А., Комиссаров А.В., Комиссаров Д.В., Широкова Т.А. «Наземное лазерное сканирование», Новосибирск: СГГА, 2009., 261 с.
3. Шамарина А. А., Мезенина К. О. «Методика наземного лазерного производства и обработка данных при хранении объектов историко-культурного наследия», Вестник ПНИПУ. Прикладная экология. Урбанистика. 2016. № 2. С. 45.
4. Хорошилова Ж. А. «О возможности построения математических моделей инженерных объектов по данным лазерного сканирования», Геодезия, геоинформатика, картография, маркшейдерия: сборник материалов в 3 томах Международной научной конференции. - Новосибирск : СГГА, 2013., Т. 3., С. 116 - 119.
5. Шамарина А.А. «Подбор уникальных моделей наземного лазерного сканера для анализа городской среды», AMIT . 2015. №2 (31)
6. Geoff Jacobs. «3d laser scanning // Ultra-fast, High-Definition, Reflector less Topographic Survey», Professional Surveyor magazine №5., 2004
7. Geoff Jacobs. «Uses in Building and Architectural Surveys», Professional Surveyor magazine №6. - 2005
8. Geoff Jacobs. «Uses of Scanning in Construction and Fabrication», Professional Surveyor magazine N 2., 2006
9. Besl P.J., McKay N.D. «A method for registration of 3-D shapes», IEEE Trans. Pattern Anal. Mach. Intell 1992, 14(2), 239-256.
10. Godin G., Boulanger, P. «Range image registration through viewpoint invariant computation of curvature», International Archives of Photogrammetry and Remote Sensing, Zurich, Switzerland, 1995; 30, pp. 170-175.
11. Sharp G.C., Lee S.W., Wehe D.K. «ICP registration using invariant features», IEEE Trans. Pattern Anal. Mach. Intell 2002, 24(1), 90-102.
12. Sequeira V., Ng K., Wolfart E., Goncalves J.G.M., Hogg, D. «Automated reconstruction of 3D models from real environments», ISPRS J. Photogramm. Remote Sens 1999, 54(1), 1-22.
13. Zhengyou Zhang, «Iterative Point Matching for Registration of Free-Form Curves and Surfaces» INRIA Sophia-Antipolis, route des Lucioles, BP 93, F-06902 Sophia-Antipolis Cedex-FRANCE, 2004
14. David G. Lowe. «Object recognition from local scale-invariant features», International Conference on Computer Vision, Corfu, Greece, 1999
15. Herbert Bay, Andreas Ess, Tinne Tuytelaars, Luc Van Gool, «Speeded Up Robust Features», ETH Zurich, Katholieke Universiteit Leuven, 2006
16. David G. Lowe. «Distinctive Image Features from Scale-Invariant Keypoints», Computer Science Department University of British Columbia Vancouver, B.C., Canada, 2004
17. Тихонов С.Г., Войнаровский А.Е. «Руководство по ScanIMAGER», Санкт- Петербург: ООО «Н1П1 Фотограмметрия», 2014
18. Szymon Rusinkiewicz, Marc Levoy, «Efficient Variants of the ICP Algorithm», International Conference on 3D Digital Imaging and Modeling (3DIM), 2001.
Электронные ресурсы:
19. What is NumPy?// Официальный сайт NumPy. URL:
https://numpy.org/doc/stable/user/whatisnumpy.html(дата обращения: 07.02.2022)
20. AboutOpenCV // Официальный сайт OpenCV. URL:https://opencv.org/about/(дата обращения: 07.02.2022)
21. 16. Histograms - 2: Histogram Equalization // Онлайн учебник по OpenCV. URL: https://docs.opencv.org/4.x/d5/daf/tutorial py histogram equalization.html(дата обращения 14.03.2022)
22. Image Blending Using Laplacian Pyramids // Becoming Human: Artificial
Intelligence Magazine. URL: https://becominghuman.ai/image-blending-using-laplacian-
pyramids-2f8e9982077f(дата обращения 22.05.2022)
23. Трехмерное лазерное сканирование // Инфопедия. URL: https://infopedia.su/8x20b3.html(дата обращения 26.04.2022)
24. Лидар или световой радар. Лазерная система управления ветротурбинами //
Наука и техника. URL: https://naukatehnika.com/lazernaya-sistema-upravleniya-
vetroturbinami.html(дата обращения 26.04.2022)
25. Принцип работы фазового дальномера. // Лазерный портал.URL: https://laserportal.ru/content 1268(дата обращения 26.04.2022)
26. Современные типы 3d сканеров и их особенности. // MyGadgetShop. URL:
https://mygs.ru/blog/sovremennye-tipy-3d-skanerov-i-ih-osobennosti (дат обращения
26.04.2022)
27. Template Matching // учебник по OpenCV. URL:
https://docs.opencv.org/3.4/de/da9/tutorial template matching.html (дата обращения
26.04.2022)


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ