Разработка методики создания векторных моделей объектов по результатам наземного лазерного сканирования и цифровой фотосъемки

В настоящее время измерительные технологии активно развиваются. Это выражается в появлении новых устройств, позволяющих получать пространственную информацию на качественно новом уровне. Одним из таких устройств являются наземные лазерные сканирующие системы. Активное развитие наземных лазерных сканирующих систем началось в конце 90-х годов XX века с появлением достаточно компактных полупроводниковых лазерных излучателей и производительных ЭВМ. Постоянно развивается как механическая часть сканирующих систем, так и программная. Современные лазерные сканеры становятся все более компактными и мобильными, при этом скорость и точность их работы выросла на порядок, а в отдельных случаях и на несколько порядков. Но дальнейший прирост точности и скорости работы сканера более не дает значительного прироста производительности технологии, включающей в себя помимо сканирования камеральную обработку данных. Для реализации всех возможных преимуществ использования лазерных сканеров необходимо совершенствование методов обработки данных, получаемых в результате сканирования. Чем совершеннее механическая часть прибора, тем более усилий необходимо прилагать к развитию алгоритмов и методов обработки. Одно без другого не возможно.

Дальнейшее увеличение производительности работы сканеров не позволит значительно увеличить общую производительность технологии. Практический опыт использования технологии наземного лазерного сканирования показывает, что от 70 до 90% всего времени, затрачиваемого на работу, составляет камеральная обработка результатов сканирования. Наиболее значительное увеличение эффективности технологии возможно за счет использования более совершенных методов камеральной обработки данных и сокращения времени, затрачиваемого на неё.

Результат наземного лазерного сканирования — набор пространственных координат точек объекта, от которых произошло отражение лазерного сигнала.

Для обозначения этого набора координат широко употребляется термин «облако точек». Облако точек, покрывающих поверхность объекта, формирует его пространственную точечную модель.

Процесс обработки облака точек очень сложен и кропотлив. Это вызвано, в первую очередь, тем, что восприятие точечной модели оператором затруднено в силу огромной избыточности информации. Для формирования в воображении оператора образа объекта по точечной модели, требуется многократное изменение параметров проецирования пространственной точечной модели на плоскость экрана (смещение, масштабирование, разворот), задание ограничений области просмотра данных и отсечение «шума» — точек, расположенных не на поверхности исследуемого объекта. Как правило, между сканером и объектом исследования имеются различные препятствия, от которых также происходит отражение дальномерного сигнала, и появляются точки, отстоящие от поверхности объекта в направлении к точке установки сканера. К появлению шума приводит и особенность метода измерения расстояния с помощью светодальномера, чаще всего выражающаяся в появлении на местах резких геометрических переходов точек, отстоящих от поверхности объекта в направлении от точки установки сканера («пробросы»).

Помимо совершенствования методов обработки непосредственно данных сканирования (облако точек), эффективность метода можно повысить путем комбинирования его с существующими методами. Многие современные сканеры имеют встроенную фотокамеру, которая, как правило, не позволяет получить фотоизображение, пригодное для фотограмметрической обработки. Но при этом современные цифровые фотокамеры, имеющиеся в свободной продаже, при сравнительно не высокой цене позволяют получать достаточно качественные фотоматериалы. Совместная обработка цифровых фотоизображений и облака точек также может значительно повысить эффективность обработки данных, так как фотоизображения гораздо ближе к естественному восприятию объекта человеком, чем облако точек, а также позволяют получать информацию об объекте в «проблемных» для сканирования местах — при наличии препятствий и резких геометрических переходов.

Цель работы состоит в разработке технологии совместного использования данных наземного лазерного сканирования и цифровых фотоизображений для создания векторной модели объекта.

Основные задачи данного исследования заключаются в следующем:

— изучение существующих методов совместной обработки результатов сканирования и фотосъемки;

— разработка алгоритма автоматизированной привязки снимков к облаку точек;

— разработка методики векторизации объектов по облаку точек и одиночному снимку и автоматизация этого процесса.

Объект и предмет исследования. Объектом исследования является процесс создания подробных векторных моделей наземных объектов — фасадов зданий, памятников архитектуры. Предметом исследования являются методы автоматизации привязки фотоизображений, а также методы автоматизации моделирования.

Методы и средства исследования. В исследовании использованы численные методы, методы фотограмметрии, методы цифровой обработки фотоизображений. Для выполнения исследования использованы материалы, полученные с помощью наземного лазерного сканера Topcon GLS-1000, сканера Z+F Imager 5010, цифровой фотокамеры CANON EOS D400. Для создания программных средств использованы программы, составленные на языке программирования MATLAB-7, а также на языке С++.

Научная новизна работы заключается в том, что в данном исследовании предложен новый метод привязки фотоизображений к облаку точек путем построения виртуального фотоизображения (квазиснимка) облака точек и использования алгоритма масштабно-инвариантного преобразования SIFT [59]. Кроме того, разработан новый метод сегментации облака точек по величине кривизны в каждой точке облака. Предложен метод автоматической векторизации облака точек по квазиснимку и реальному снимку.

Теоретическая значимость работы. Разработана методика автоматизированной привязки цифровых фотоизображений к облакам точек. Разработана методика автоматизированного построения векторной модели объектов по одиночным фотоизображениям, привязанным к облаку точек.

Практическая значимость работы. Разработанные методы, реализованные в программном обеспечении, могут быть использованы при создании векторных моделей, планов и чертежей фасадов зданий и объектов культурного наследия с целью сохранения и восстановления их облика. Создано программное обеспечение, позволяющее решать следующие задачи:

— классификация точек и сегментирование облака;

— формирование квазиснимка по облаку точек;

— автоматическая векторизация по квазиснимку;

— автоматизированное определение элементов внешнего ориентирования фотоснимка;

— векторизация облака точек по одиночному фотоснимкувизуализация облака точек, фотоизображения и результата векторизации.

Реализация результатов работы. Созданный программный комплекс используется в ЗАО «ГЕОСТРОЙИЗЫСКАНИЯ» при выполнении работ по моделированию фасадов зданий.

Апробация работы. Основные положения и результаты исследования представлены на Международной научно-технической конференция «Фотограмметрия — вчера, сегодня, завтра», посвященной 85-летию кафедры фотограмметрии МИИГАиК (Москва, 21−22 октября 2010 года), на 6-й Всероссийской научно-практической конференции «Перспективы развития инженерных изысканий в строительстве в Российской Федерации» (Москва, 1617 декабря 2010 года), на XXII конгрессе международного общества фотограмметрии и дистанционного зондирования ТБРЯЗ (Австралия, Мельбурн,.

25 августа — 1 сентября 2012 года),), на конференции геодезия и картография для природных ресурсов и окружающей среды (Вьетнам, Ханой, октябрь 2012 года).

Публикации. По материалам диссертации опубликовано 3 работы на русском языке в журналах «Известия вузов. «Геодезия и аэрофотосъёмка» (МИИГАиК) и «Инженерные Изыскания» (ПНИИС), включенных ВАК в перечень рецензируемых научных журналов и изданий для опубликования основных научных результатов диссертаций, а также одна работа на английском языке, опубликованная в сборнике статей международного конгресса 18РЯ8 в Мельбурне в 2012 году, а также в сборнике статей конференции геодезия и картография для природных ресурсов и окружающей среды в Ханое в 2012 году.

Структура и объем работы.

Диссертация состоит из введения, трёх глав, заключения, списка использованной литературы, состоящего из 78 наименований, и двух приложений. Общий объем работы составляет 116 страниц машинописного текста, включая 50 рисунков и 16 таблиц.

Выводы:

Выполнены экспериментальные исследования предложенных методов и алгоритмов, на основании которых можно сделать следующие выводы: а) Метод автоматизированной привязки одиночного снимка к облаку точек позволяет существенно сократить время, по сравнению с полностью ручным выбором опорных точек, однако, этот метод требует дальнейшей доработки и исследований, особенно в части автоматической отбраковки грубых ошибок отождествления соответственных точек, добавления недостающих. Один из путей решения задачи отбраковки грубых измерений это применение робастного способа уравнивания при решении обратной засечки. б) Методика интерактивной векторизации показала свою эффективность с точки зрения простоты работы оператора и точности выполнения работ. в) Автоматическая векторизация объектов по облаку точек показала достаточно высокую точность по сравнению с векторизацией по стереопаре. С целью повышения надежности алгоритма выявления контуров следует продолжить исследования. Один из путей решения задачи — выделить контуры (например, с помощью оператора Канни) на реальном снимке по фототонам и наложить их на квазиснимок с выделенными контурами.

Заключение

.

В работе выполнен анализ существующих методов создания векторных моделей по результатам наземного лазерного сканирования и фотосъемки, на основании которого сделан вывод о том, что для повышения производительности создания таких моделей целесообразно разработать технологию совместного использования одиночных снимков и облака точек для создания векторных моделей объектов.

Разработан метод автоматизированной привязки одиночных снимков к облаку точек, основанный на формировании квазиснимка по облаку точек и отождествлении соответственных точек реального и квазиснимков. Для этого использован известный алгоритм SIFT, инвариантный к масштабу, сдвигу и повороту одного снимка относительно другого.

Разработана методика интерактивной векторизации объектов по одиночному снимку. Отличительной особенностью данной методики является то обстоятельство, что 1) пространственные координаты узловых точек полилиний получаются автоматически по облаку точек в реальном масштабе времени на любом компьютере- 2) выполняется автоматический анализ принадлежности к прямой линии участка объекта между двумя соседними узловыми точками, измеренными оператором на снимке. Если на объекте это не прямая линия, то автоматически добавляется новая узловая точка между измеренными узловыми точками.

Предложен алгоритм автоматической векторизации объектов по облаку точек, основанный на вычислении для каждой точки облака статистического параметра в виде так называемой «кривизны». Затем облако сегментируется по значениям этой кривизны и формируется квазиснимок, на котором выделяются контуры с помощью оператора Канни.

Разработан алгоритм оптимизации структуры хранения облака точек в виде блоков (вокселей) определенного размера. Это позволило повысить скорость обработки облака точек в десятки раз.

Разработано программное обеспечение, реализующее предложенные методы и алгоритмы обработки облака точек и одиночных снимков.

Выполнены экспериментальные исследования предложенных методов и алгоритмов, на основании которых можно сделать следующие выводы: а) Метод автоматизированной привязки одиночного снимка к облаку точек позволяет существенно сократить время, по сравнению с полностью ручным выбором опорных точек, однако, этот метод требует дальнейшей доработки и исследований, особенно в части автоматической отбраковки грубых ошибок отождествления соответственных точек, добавления недостающих. Один из путей решения задачи отбраковки грубых измеренийэто применение робастного способа уравнивания при решении обратной засечки. б) Методика интерактивной векторизации показала свою эффективность с точки зрения простоты работы оператора и точности выполнения работ. в) Автоматическая векторизация объектов по облаку точек показала достаточно высокую точность по сравнению с векторизацией по стереопаре. С целью повышения надежности алгоритма выявления контуров следует продолжить исследования. Один из путей решения задачи — выделить контуры (например, с помощью оператора Канни) на реальном снимке по фототонам и наложить их на квазиснимок с выделенными контурами.