TLS point cloud as a data surce for multi-lod of 3D models

• Autorzy: Klapa Przemysław

Identyfikatory

DOI

10.15576/GLL/2022.2.63

• Języki publikacji: EN

Abstrakty

EN

The development of science and technology had a strong impact on all branches of engineering, including geodesy and the possibility of acquiring and processing measurement data. The best example of this is the Terrestrial Laser Scanning, whih can perform measurements in the form of a multi-million-point cloud. The cloud, representing places and objects, becomes a spatial database. The current problem in engineering is no longer data acquisition and processing, but information excess and redundancy. The solution to this problem is optimisation, which is the process of reducing the amount of data. It should implement its assumptions in such a way as to remove or reduce unnecessary information without losing the information presented by an object. This issue is particularly important in the process of using point clouds in 3D modelling at various levels of detail. The appropriate levels of the LOD0–LOD4 model require a different type of data: on the one hand ensuring the obtainment of the appropriate accuracy class in the study, and on the other hand, the data source should not contain too detailed information that is unnecessary for the study, which makes the work harder and slows it down due to the need to operate on a huge amount of redundant information Therefore, the purpose of this paper is to determine the scope of work on the optimisation of the point cloud in order to adjust its number and quality to the needs of individual LODs. The results of the work allowed to determine the scope of data unification for the respective precision groups of 3D models generating.

PL

Rozwój nauki i techniki wpłynął mocno na wszystkie gałęzie inżynierii, w tym również na geodezję oraz możliwości pozyskiwania i przetworzenia danych pomiarowych. Najlepszym tego przykładem jest naziemnym skaning laserowym, który realizuje pomiar w postaci wielomilionowej chmury punktów. Chmura ta, będącą reprezentacją miejsc i obiektów, staje się przestrzenną bazą danych. Aktualnym problem w inżynierii nie jest już pozyskiwanie i przetwarzanie danych, a natomiast nadmiarowością i redundancja informacji. Rozwiązaniem tego problemu jest optymalizacja, czyli proces zmniejszenia ilości danych. Powinien on w taki sposób realizować swoje założenia, aby usunąć bądź zredukować zbędne informacje bez straty informacji prezentowanej przez obiekt. To zagadnienie szczególnie istotne jest w procesie wykorzystania chmur punktów w modelowaniu 3D na różnych poziom szczegółowości. Odpowiednie poziomy modelu LOD0-LOD4 wymagają innego rodzaju danych z jednej strony zapewniających uzyskanie odpowiedniej klasy dokładnościowej opracowaniu, z drugiej źródło danych nie powinno zawierać zbyt szczegółowych informacji, niepotrzebnych dla opracowania, co utrudnia i spowalnia pracę z uwagi na konieczność operowania na ogromnej liczbie nadmiarowych informacji. Dlatego celem niniejszej pracy jest określenie zakresu prowadzonych prac nad optymalizacją chmury punktów, celem dostosowania jej liczby oraz jakości dla potrzeb poszczególnych poziomów szczegółowości LoD. Wyniki prac pozwoliły określić zakres unifikacji danych dla odpowiednich grup dokładnościowych generowania modeli 3D.

Słowa kluczowe

EN

data optimisation; point cloud; TLS; LOD; 3D modelling

PL

optymalizacja danych; chmura punktów; TLS; LOD; modelowanie 3D

• Wydawca: Wydawnictwo Uniwersytetu Rolniczego w Krakowie
• Czasopismo: Geomatics, Landmanagement and Landscape
• Rocznik: 2022
• Tom: no. 2
• Strony: 63--73
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Klapa Przemysław

• University of Agriculture in Krakow Department of Land Surveying ul. Balicka 253a, 30-198 Kraków

• https://orcid.org/0000-0003-1964-7667

Bibliografia

• Akmalia R., Setan H., Majid Z., Suwardhi D. 2014. Representing 3D Model of Building from TLS Data Scanning in CityGML. Jurnal Teknologi, 71, 4, 49–53.
• Bęcek K., Gawronek P., Klapa P., Kwoczyńska B., Matuła P., Michałowska K., Mikrut S., Mitka B., Piech I., Zygmunt M. 2015. Modelowanie i wizualizacja danych 3D na podstawie pomiarów fotogrametrycznych i skaningu laserowego. Wyższa Szkoła Inżynieryjno-Ekonomiczna, Rzeszów.
• Błaszczak-Bąk W., Janowski A., Kamiński W., Rapiński J. 2011. Optimization algorithm and filtration using the adaptive TIN model at the stage of initial processing of the ALS point cloud. Canadian Journal of Remote Sensing, 37, 6, 583–589.
• Cyclone. 2017. Leica Cyclone Basic User Manual, C.R. Kennedy & Company.
• Klapa P., Mitka B. 2017. Edge effect and its impact upon the accuracy of 2D and 3D modeling using laser scanning. Geomatics, Landmanagement and Landscape, 1, 25–33.
• Klapa P. 2021. Integration and optimisation of geospatial data in the process of generating three-dimensional cartographic materials. Ph.D. thesis. University of Agriculture in Krakow, Kraków.
• Open Geospatial Consortium Inc. 2008. OpenGIS City Geography Markup Language (CityGML) Encoding Standard. Version: 1.0.0.
• Open Geospatial Consortium Inc. 2012. OpenGIS City Geography Markup Language (CityGML) Encoding Standard. Version: 2.0.0.
• Pesci A., Teza G., Bonali E. 2011. Terrestrial Laser Scanner Resolution: Numerical Simulations and Experiments on Spatial Sampling Optimization. Remote Sens, 3, 167–184.
• Remondino F., El-Hakim S. 2006. Image-based 3D modelling: A review. The Photogrammetric Record, 21(115), 269–291.
• Toschi I., Ramos M.M., Nocerino E., Menna F., Remondino F., Moe K., Poli D., Legat K., Fassi F. 2017. Oblique photogrammetry supporting 3D urban reconstruction of complex scenarios. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-1/W1. ISPRS Hannover Workshop: HRIGI 17 – CMRT 17 – ISA 17 – EuroCOW 17, 6–9 June 2017. Hannover, Germany, 519–526.
• Yang B., Huang R., Li J., Tian M., Dai W., Zhong R. 2017. Automated Reconstruction of Building LoDs from Airborne LiDAR Point Clouds Using an Improved Morphological Scale Space. Remote Sens., 9, 14.
• Yi-Chen C., Chao-Hung L. 2016. Image-based Airborne LiDAR Point Cloud Encoding for 3D Building Model Retrieval. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLI-B8. XXIII ISPRS Congress, 12–19 July 2016, Prague, Czech Republic, 1237–1242.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).