Estymacja objętości obiektów o złożonej geometrii na podstawie pomiarów naziemnym skaningiem laserowym

• Autorzy: Tymków P.

Warianty tytułu

EN

Volume estimation of object with complex geometry based on terrestrial laser scanning

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono propozycję automatycznej metody zgrubnego modelowania 3D obiektów o skomplikowanej geometrii na potrzeby szybkiej estymacji parametrów geometrycznych tych obiektów, a zwłaszcza objętości. Badania w terenie obejmowały wykonanie pomiarów skanerem laserowym zabytkowej kutej kraty stanowiącej osłonę studni w Nysie (woj. opolskie). Przedstawiona metodyka modelowania opiera się o warstwową metodę convex-hull, która zakłada podział chmury punktów pomiarowych na segmenty. W obrębie każdego segmentu dokonywana jest segmentacja w oparciu o minimalne odległości między punktami. Otrzymane zbiory punktów modelowane są następnie jako bryły wypukłe. Dzięki zastosowaniu segmentacji chmury punktów w każdym segmencie oraz integracji uzyskanych otoczek wypukłych uzyskano model obiektu, który umożliwia oszacowanie takich parametrów geometrycznych jak objętość i pole powierzchni obiektu. Zaletą proponowanej metody jest ograniczenie liczby parametrów do dwóch: grubości segmentu oraz parametru maksymalnej odległości między punktami w procesie segmentacji chmury w obrębie segmentu. Dzięki zastosowaniu metody convex-hull dokonywana jest selektywna filtracja punktów dzięki czemu model 3D oparty jest na znacznie mniejszej liczbie werteksów i trójkątów niż początkowa liczba punktów w chmurze. Wadą proponowanego algorytmu jest natomiast nieregularność siatki trójkątów wpływająca na gładkość powierzchni oraz wrażliwość na błędy pomiarowe.

EN

The paper presents an automatic, coarse method for 3D modelling of metal objects with complex geometry for a need of volume estimation. The field research were conducted on a historic wrought iron bar that covers the historic well in Nysa (city In southern Poland). The presented modelling methodology is based on a layered convex-hull method, which involves dividing of a point cloud on the segments. Within each segment, segmentation is performed based on the minimum distance between points. The resulting sets of points are then modelled as a convex solids. Thanks to the segmentation of point clouds in each segment and the integration of convex shells a detailed object model can be obtained. That allows to estimate the geometric parameters such as volume and surface area of the object. The advantage of the proposed method is that it has a small number of parameters: a thickness of segment and the parameter of maximum distance between points in the process of segmentation of clouds within the segment. Applying the convex hull algorithm causes a selective filtering point clouds, thus resulting 3D model is based on a much smaller number of vertexes than the initial number of points in the cloud. The disadvantage of the proposed algorithm is an irregular triangle mesh models, resulting in low surface regularity and larger items, and sensitivity to measurement errors (noise, ghost points).

Słowa kluczowe

PL

naziemny skaning laserowy; modelowanie 3D; algorytm modelowania; convex-hull; geometria obliczeniowa; bliski zasięg; TLS; GIS 3D

EN

terrestrial laser scanning; 3D modelling; modelling algorithms; convex hull; computational geometry; close range; TLS; GIS 3D

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2012
• Tom: Vol. 24
• Strony: 383--391
• Opis fizyczny: Bibliogr. 6 poz.

Twórcy

autor

Tymków P.

• Instytut Geodezji i Geoinformatyki, Uniwersytet Przyrodniczy we Wrocławiu, tel. [phone]

Bibliografia

• 1. Awrangjeb M., Ravanbakhsh, M., Fraser, C. S., 2010. Automatic detection of residential buildings using LIDAR data and multispectral imagery. ISPRS Journal of Photogrammetry and Remote Sensing, 65 (2010), s. 457-467.
• 2. Dorniger P., Pfeifer N., 2008. A comprehensive automated 3D approach for building extraction, re construction and regularization from air borne laser scanning point cloud. Sensors, vol. 8, 7323-7343.
• 3. Tymków P., Borkowski A., 2010. Vegetation modelling based on TLS data for roughness coefficient estimation in river Valley. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Science, Vol. XXXVIII No. 8, Kyoto, Japan 2010, 309-313.
• 4. Keil, J.M., 2000, Polygondecomposition. Handbook of Computational Geometry, Elsevier Science Publishers B.V. North-Holland, Amsterdam, s. 491-518.
• 5. Lien J.-M. and Amato. N.M., 2007, Approximate Convex Decomposition of Polyhedra, Proceedings of the ACM Symposium on Solid and Physical Modeling (SPM), Beijing, China, s. 121-131.
• 6. Igarashi Y., Suzuki H., 2011. Cover Geometry Design using Multiple Convex Hulls. Computer-Aided Design, Vol. 43, Issue 9, s. 1154-1162.