Содержание к диссертации
Введение
1. Лазерно-локационная съемка и ее применение в ГИС-технологиях 18
1.1 Области применения и преимущества наземного лазерного сканирования .18
1.2 Принципы формирования Лазерно-локационного изображения 23
1.3. Современные методы векторизации данных лазерной локации 27
1.4. Краткий обзор основных форматов данных, применяемых при хранении, передачи и обработки трехмерных данных 31
1.5 Обзор технических средств, для лазерного сканирования 34
1.6 Программные средства, применяемые для наземного лазерного сканирования 38
Выводы 41
2. Разработка методов обработки данных лазерной локации для последующей интеграции в ГИС 43
2.1. Разработка алгоритма программного модуля для фильтрации и прореживания данных лазерной локации 44
2.2. Разработка технологии сшивки облаков точек воздушного и наземного лазерных локаторов 46
2.3. Разработка методики автоматизированной классификации данных лазерной локации 48
2.4. Разработка методик векторизации отдельных объектов 61
2.6. Исследование алгоритмов автоматизированной классификации облака точек ЛЛ 64
Выводы 69
3. Разработка метода представления трехмерных данных в ГИС 71
3.1. Разработка методики совместного использования данных различных видов в ГИС 72
3.2. Разработка метода отображения 3d данных в программных комплексах ГИС 74
3.3. Исследование точности отображения 3d моделей на интегрированном плане 90
3.4. Разработка методики конвертации полученных Зй-моделей для представления в ГИС 93
3.5. Исследование используемых методов конвертации 98
Выводы 101
Заключение 104
Список использованных источников: 107
Приложения 120
Приложение 1. Текст программы конвертора (фрагментами) 120
Приложение 2. Фрагменты текста программы GISStation 123
Приложение 3. Текст программы оптимизации облака точек 140
- Принципы формирования Лазерно-локационного изображения
- Обзор технических средств, для лазерного сканирования
- Разработка технологии сшивки облаков точек воздушного и наземного лазерных локаторов
- Разработка метода отображения 3d данных в программных комплексах ГИС
Введение к работе
Методы лазерной локации, также как и стандартные методы (например: стереофотографирование, тахеометрическая съемка и т.д.) в настоящее время начинают активно использоваться для построения 3d моделей зданий, сооружений, цифровых моделей рельефа (ЦМР), отдельных предметов, как для решения геодезических задач, так и для решения целого ряда задач иного рода. К последним, относятся многочисленные задачи, возникающие при проведении инженерных изысканий, проектировании, эксплуатации, реконструкции, моделировании, создании виртуальных 3d памятников архитектуры, проведении виртуальных экскурсий и т.д. Во-первых, задачи моделирования реальных объектов включают [18] прецизионное определение фактического (в зарубежной литературе "as built" -«как построено») положения компонентов моделируемого объекта (стены, окна, откосы, ручки, двери и т.д.), а также наблюдение за их смещениями в процессе эксплуатации. Во-вторых, к прикладным задачам лазерной локации могут быть отнесены вопросы оценки состояния сооружений, в частности определения критических смещений несущих конструкций здания, которые могут явиться причиной частичного или полного обрушения, и определения габаритов до соседних объектов - инженерных коммуникаций, других зданий.
Необходимо сразу отметить, что термин объект в настоящей работе понимается широко - он подразумевает не только здания, деревья, но так же и всю подстилающую поверхность земли, включающую рельеф, растительность, наземную гидрографию, а так же многочисленные объекты антропогенного происхождения - дороги, инженерные коммуникации, строения, отдельные предметы и т.п.
Метод получения данных посредством лазерной локации (ЛЛ) характеризуется высокой оперативностью сбора пространственных данных об объектах в отдельности и местности в целом. В настоящее время используются два типа лазерных сканирующих систем:
лазерный локатор наземного базирования;
лазерный локатор воздушного базирования.
Наземный ЛЛ позволяет получить высокоточную (с координатами каждой точки до 6 мм) информацию о сравнительно небольших (в применение к картографии) объектах, например: фрагменты фасадов зданий, комплекс рядом расположенных строений, цеха и т.д. Для съемок площадных объектов (от 2 км и более) применение такой системы экономически не обосновано.
Воздушный лазерный локатор позволяет получать информацию средней точности (с координатами каждой точки до 30 см) по площадным объектам, например: ЛЭП, город, район и т.д.
До настоящего момента информация воздушной и наземной сканирующих систем обрабатывалась отдельно и применялась для решения узкого круга задач. Это связано с:
трудоемкостью обработки данных;
отсутствием единого формата данных;
отсутствием единой методики векторизации;
отсутствием технологии интеграции данных ЛЛ в ГИС.
Наиболее сложным и трудоемким этапом интеграции данных ЛЛ в ГИС является обработка съемочных данных (векторизация). Данные ЛЛ
представляют собой набор облако точек, расположенных в пространстве и несущих, в основном, пространственную информацию о снимаемом объекте.
Следует отметить, что в получаемом облаке точек содержится, как правило, довольно значительное число точек, относящихся либо к шумовой составляющей, либо к избыточным точкам, что существенно усложняет автоматизацию процесса обработки данных ЛЛ. Кроме того, при сканировании сложных объектов или сцен возникает необходимость проводить съемку при различном пространственном расположении лазерного локатора. В связи с чем, возникает необходимость последующей «сшивки» данных в единое облако точек. На этапе сшивки можно интегрировать данные воздушного и наземного лазерных локаторов, что позволит добиться повышения точности на необходимых участках местности при ее дальнейшем использовании в ГИС.
Исходя из вышесказанного, векторизацию данных рекомендуется разбить на несколько этапов, описанных в данной диссертационной работе.
Сшивка облаков точек лазерной локации может осуществляться по измеренным координатам опорных точек или по координатам связующих точек на сканах. Во втором случае предполагается наличие зоны перекрытия между сканами.
Процедуру прореживания точек можно разделить на следующие задачи:
определение геометрической принадлежности точек одной и той же поверхности (например, плоскости);
определение избыточной плотности;
определение точек отражения от зеркальных поверхностей.
Наиболее сложной и востребованной является задача
автоматизированной классификации облаков точек. Классификация
позволяет разделить единое облако точек на слои, что в дальнейшем позволяет производить процедуру векторизации объектов с наименьшим количеством трудозатрат. Кроме того, предложенный метод интеграции данных лазерной локации подразумевает послойное интегрирование обработанных данных лазерной локации в ГИС.
Векторизация отдельных объектов (за исключением поверхности земли и растительности) осуществляется вручную за счет выделения опорных точек и построения «скелета» модели. Более подробно этот вопрос рассмотрен во второй главе данной диссертационной работы.
Полученный таким образом трехмерный (3d) объект, как правило, находится в местной системе координат. При использовании модели в ГИС следует ее привести в систему координат ГИС (например: географическую). Эта задача может быть выполнена следующими способами:
измерением координат реального объекта с помощью GPS приемника или тахеометра и дальнейшим пересчетом координатной системы модели;
расстановкой взаимных точек на плане/карте в ГИС и на модели, после чего координатная система модели пересчитывает в автоматическом режиме.
Для контроля точности производится проверка метрических параметров модели, интегрированной в ГИС. Проверка производится путем выборочного контроля координат опорных точек модели с фактическими измерениями.
Задачи исследования
Задачами настоящей работы являлись разработки методик векторизации и конвертации данных ЛЛ для целей использования пространственных данных в ГИС-технологиях.
Вопросы применимости разрабатываемых методик рассматриваются в 2-х аспектах:
векторизация данных ЛЛ. Сюда входят вопросы оптимизации первичных данных, и алгоритмы конвертации, а так же вопросы форматной совместимости ЛЛ данных с данными цифровой съемки и некоторые другие вопросы методического плана;
конвертация данных между различными форматами, применяемыми в моделировании и в географических системах.
Методы исследования
Для экспериментальной проверки теоретических выводов по оптимизации и конвертации использовались визуальные методы совмещения с цифровой фотографией, которые позволяют выявить метрические искажения, в случае их возникновения, а так же сравнение с тахеометрическими измерениями тестовых отрезков. Кроме того, проводилось сопоставление опорных точек полученной метрической модели с точками, снятыми с помощью электронного тахеометра. Приведенные результаты сравнения записывались в таблицы, представленные в данной диссертационной работе.
Научная новизна
Научная новизна выполненной работы состоит в следующем:
предложена методика совместного использования и векторизации данных воздушного и наземного лазерного локатора;
разработана методика прореживания облака точек лазерной локации;
разработана методика автоматической классификации данных лазерной локации;
предложена методика и программный продукт для построения, использования и конвертации трехмерных векторных моделей объектов и топопланов по данным наземного и воздушного лазерного сканирования;
предложен формат данных для совместного хранения и обработки картографической, атрибутивной информации и 3d моделей объектов
Практическая значимость
Разработанная технология позволяет оптимизировать процесс векторизации и интеграции в ГИС данных наземного и воздушного лазерного сканирования. Разработанные алгоритмы автоматической классификации точек позволяют значительно сократить трудозатраты на классификацию. Проведенные исследования форматов хранения 3d данных позволили использовать созданную 3d модель в различных ГИС.
Разработанная компьютерная программа, имеет следующие основные возможности:
фильтрацию облака точек лазерной локации;
классификацию облака точек ЛЛ;
построение триангуляционной (TIN) модели поверхности по классу «земля»;
векторизацию отдельных 3d объектов;
Приведение 3d моделей и сцен в необходимую для дальнейшего
использования систему координат.
Защищаемая методика, алгоритмы и сопутствующее программное обеспечение внедрены в практическое использование в ООО НПФ "Талка-ТДВ" а так же на кафедре ВТиАОАИ Московского Государственного Университета Геодезии и Картографии (МИИГАиК). Разработанные алгоритмы легли в основу ядра программного комплекса GIS Studio, разрабатываемого 000 НПФ «Талка-ТДВ», на момент написания автореферата программа находилась на стадии финального тестирования в производственных условиях.
Апробация работы
Достигнутые результаты по теме диссертационной работы обсуждались на следующих российских конференциях:
-Международный промышленный форум «Технологии 3d моделирования для создания 3d моделей архитектурной композиции «Золотые комнаты МИИГАиК» и «Нижегородский Кремль» GEOFORM+ Москва,2005 Жигалов К.Ю., Волкович Е.В.;
-Международный промышленный форум «3-D моделирование ледниковых образований в горных районах» GEOFORM+ Москва,2005 Жигалов К.Ю., Волкович Е.В.
-Научный конгресс «ГЕО-Сибирь-2005» «Разработка методов 3d моделирования для создания 3d моделей архитектурных композиций» Новосибирск, 2005 Докладчики: Жигалов К.Ю., Волкович Е.В.;
-Конференция «60-я юбилейная научно-техническая конференция студентов, аспирантов и молодых ученых МИИГАиК» Москва, 2005. Доклад на секции «Геоинформатики и ГИС - технологий» «Применение лазерных технологий для 3d модели архитектурной композиции «Золотые комнаты МИИГАиК» докладчики: Жигалов К.Ю., Волкович Е.В.;
-Совместный доклад ООО НПФ «Талка-ТДВ» и компании Leica Geosystems
«Применение лазерного сканирования для сохранения памятников
архитектуры (на примере скульптуры Мухиной и Храма Василия
Блаженного)» Геоформ2006, Москва, Сокольники март 2006.
Докладчики:
Жигалов К. Ю., Дружинин М.Ю.;
- «Разработка теории и научных основ высокопроизводительной обработки сверхбольших объемов геопространственных данных в процессе 3-d моделирования и обновления электронных карт (ЭК)» НАУЧНО-ТЕХНИЧЕСКАЯ КОНФЕРЕНЦИЯ ПРОФЕССОРСКО-ПРЕПОДАВАТЕЛЬСКОГО СОСТАВА «МИИГАиК - 227» 25 мая 2006 года Докладчик: Жигалов К. Ю.;
-Конференция «62-ая Научно-техническая конференция студентов,
аспирантов и молодых ученых МИИГАиК» Москва, 2007
«Оптимизация данных лазерной локации для современных российских ГИС-
приложений»
Докладчик: Жигалов К.Ю.;
-X Международная научно-практическая конференция «Методы дистанционного зондирования и ГИС-технологий для оценки состояния окружающей среды, инвентаризации земель и объектов недвижимости» Китай 20-29 мая 2006 года
«Современные методы обработки данных лазерной локации в ГИС» Докладчики: Журкин И.Г., Жигалов К.Ю.;
-Международный промышленный форум «Геопространственные технологии и сферы их применения 2005» GEOFORM+ Москва,2007 «Технология обработки данных лазерной локации для получения крупномасштабных планов сложных инженерных сооружений» Докладчики проф. Журкин И.Г., асп. Волкович Е.В., асп. Жигалов К.Ю.;
По результатам работы были опубликованы следующие статьи:
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-Ю;
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;
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;
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;
Жигалов К.Ю., Волкович Е.В. Применение лазерных технологий для создания Зс1-модели архитектурной композиции «Золотые комнаты МИИГАиК // Материалы всероссийская выставка научно-технического творчества молодежи - Москва, 2005 - с. 115-116;
Структура работы
Диссертационная работа состоит из трех глав, введения и заключения, трех приложений и списка использованной литературы, содержащего 93 наименования. Основная часть работы изложена на 119 страницах, включая 6 таблиц, 3 диаграммы, 19 рисунков и 3 схемы и 36 страниц приложений с фрагментами текстов, разработанных программ.
Принципы формирования Лазерно-локационного изображения
Сущностью применения лазерно-локационных методов в ГИС-системах и моделировании является получение высокоточных метрических моделей местности (воздушное лазерное сканирование) и объектов (наземное лазерное сканирование). Типовое изображение облака точек ЛЛ приведено на Рис I.I Лазерно-локационное изображение представляет упорядоченную в пространстве количественную и качественную информацию об объекте моделирования и может быть использовано для определения пространственных координат любой точки (или части) объекта, измерений геометрических параметров и дешифрирования. В этом смысле роль ЛЛ изображений аналогична использованию стереопар или данным дистанционного зондирования (радиолокационным, тепловизионным изображениям), а также данным замеров различного рода (с использованием тахеометра, GPS приемника и т.д.). Правильная и наиболее эффективная векторизация и конвертация ЛЛ изображений возможна, прежде всего, на основе изучения его физической сути и способов их получения и использования. Таким образом, могут быть оценены значения достижимой точности векторизации с помощью этого метода.
По своему физическому содержанию ЛЛ изображение представляет собой дискретную совокупность - облако точек сцены, в каждой из которых имело место отражение зондирующего луча локатора. Каждая такая точка (элемент ЛЛ изображения) изображает реальную точку поверхности объекта. Элемент ЛЛ изображения (лазерная точка) характеризуется, прежде всего, своими пространственными координатами X,Y,Z. В ряде случаев описание лазерной точки может быть расширено за счет введения таких параметров, как время регистрации t, интенсивность отраженного сигнала Е, спектральная яркость в видимом (0.4-0.8 мкм) диапазоне F и некоторых других параметров.
Т.е. ЛЛ изображение можно понимать, как конечную совокупность N лазерных точек, представимых в виде {Xi,Yi,Zi,[ti,Ei,Fi,...]},i=l...N Приведенное выше определение соответствует физическому уровню представления ЛЛ изображения, в том смысле, что каждый элемент изображения содержит лишь параметры непосредственно определяемые (измеряемые) лазерным локатором в ходе выполнения съемки. Получение численных значений указанных параметров является результатом сложного взаимодействия оптико-электронного (дальномерного) и навигационного блоков (для воздушного лазерного сканирования). Характер этого взаимодействия будет описан ниже в данной главе.
Из представленного определения ЛЛ изображения следует, что такое изображение в определенном смысле является математической моделью сцены наблюдения, и этим объясняется возможность использования ЛЛ метода, как метода съемки при проведении моделирования и решении задач вычислительного характера.
Принцип работы сканера тот же, что и у простого тахеометра -измерение расстояния до объекта и двух углов, что в конечном итоге дает возможность вычислить координаты. Пучок лазера исходит из излучателя, отражается от поверхности объекта и возвращается в приемник (рис. 1.2). Вращающаяся призма (или зеркало) распределяет пучок по вертикали с заранее заданным шагом (например, 0.1). Таким образом, в отдельном взятом вертикальном скане будут измерены все точки с дискретностью 0.1 (например, при максимальном вертикальном угле сканирования 140 их будет, соответственно 1400). Затем сервопривод поворачивает блок измерительной головки на угол, равный шагу измерения (при той же дискретности 0.1 полный оборот сканера состоит из 3600 отдельных вертикальных плоскостей). Таким образом, полная цифровая картина пространства будет представлена в виде набора 5040000 точек. Пять миллионов точек за 30 минут! Более полную цифровую картину не может представить никакой другой из известных способов.
Как правило, весь процесс съемки полностью автоматизирован. Данные измерений в реальном времени записываются на внешний или внутренний носитель. Схематично любой сканер можно разделить на несколько основных блоков: измерительная головка, как правило, в ней расположены лазерный излучатель и приемник; вращающаяся призма, обеспечивает распределение пучка в вертикальной плоскости; сервопривод горизонтального круга, Обеспечивает вращение измерительной головки в горизонтальной плоскости; компьютер (внешний, внутренний), Предназначен для управления съемкой и записи данных на носитель. [43,66-70,73-74,83]. Целью данной диссертационной работы является векторизация и конвертация данных лазерной локации, в связи, с чем точность полученных данных с этих приборов примем за условно точную информацию.
Обзор технических средств, для лазерного сканирования
В настоящее время разработкой приборов для трехмерного лазерного сканирования занимается множество фирм: широко известные Trimble (США) и Leica Geosystems (Швейцария) и менее популярные Riegl (Австрия), I-Site (Австралия), Zoller+Frohlich (Германия) и другие. Все эти фирмы выпускают сканеры для различных целей. Задачи, решаемые конкретной моделью ЛЛ, определяются его техническими характеристиками [67].
Фирма Trimble выпускает сканер под названием Callidus 3D Laser Scanner. Конструктивной особенностью данного сканера является то, что внутри головки объединены: блок развертки, цифровая видеокамера (с фокусными расстояниями от 4,1 до 73,8 мм и горизонтальным разрешением 460 линий), датчик наклона прибора (инклинометр), электронный компас и блок управления. Инклинометр, который имеет диапазон действия ±10 и точность ±0,025, предназначен для устранения ошибок за наклон инструмента. ЛС оснащен системой, которая обеспечивает внутренний контроль блоков прибора и автоматический ввод атмосферных поправок [68].
Кроме сканера Callidus 3D под маркой фирмы Trimble выпускались также сканеры GS100, GS200, Soisic, S10 и S25, ныне снятые с производства. Данные сканеры ранее выпускались фирмой Mensi (Франция). Совместно с получением пространственных координат GS100 и GS200 позволяют выполнять съемку объекта цифровой видеокамерой, с помощью которой можно получать цифровые цветные снимки объектов сканирования. Видеокамера оснащена трансфокатором для автоматического изменения фокусного расстояния объектива. НЛС GS100 и GS200 имеют встроенное программное обеспечение [67,66]. После начала выпуска сканера GS200 модель GS100 была снята с производства в виду того, что новая модель является усовершенствованным продолжением старой [66, 67].
Сканеры Mensi S10, S25 и Soisic разработаны специально для съемки объектов малых размеров и внутреннего оборудования помещений. Эти модели НЛС отличаются высокой точностью получения пространственных координат точек объекта (порядка 0,1 мм), так как в них реализован триангуляционный способ измерения расстояний. В данных приборах применяется автоматическая фокусировка и настройка мощности лазерного излучения относительно возвращенного электромагнитного сигнала [83]. Эти модели сканеров также оснащены цифровыми камерами.
Австрийская фирма Riegl Laser выпускает сканеры Riegl серии LMS. Лазерный сканер Riegl LMS-Z210, кроме пространственных координат точек объекта и информации об интенсивности отраженного сигнала, позволяет получать данные о реальном цвете точек за счет внедрения в приемо-передающий тракт дальномера ПЗС-элемента. Приемник, принимающий информацию о реальном цвете, имеет очень высокую интегральную чувствительность, но за счет того, что сканирование производится с высокой скоростью (малое время экспозиции), получаемое изображение имеет низкую цветопередачу [73]. Сканеры LMS-Z360 и LMS-Z420 конструктивно аналогичны LMS-Z210 [73]. Их отличие заключается в разных технических характеристиках. Особенностью этих моделей является возможность установки на сканирующую головку цифровых камер Nikon D100 или Canon EOS IDs [33, 34, 72].
Производством и продажей НЛС занимается известная в геодезии фирма Leica. Она выпускает сканеры: HDS 3000 и HDS 4500. Из данных приборов особого внимания заслуживает сканер HDS 4500 [69,68]. Лазерный сканер Leica HDS 4500 имеет очень высокую скорость сканирования (650000 точек/сек), в то время как другие сканеры - порядка 1000-8000 точек/сек. При этом точность получаемых пространственных координат точек сравнима с точностью других сканеров. У модели HDS 4500 расширено поле зрения в вертикальной плоскости до 310, благодаря чему размер мертвой зоны очень мал. Высокая скорость сканирования достигается за счет применения фазового метода измерения расстояний. Для решения фазовой неоднозначности измерения расстояний используется способ фиксированных частот с двумя несущими частотами, так называемыми: грубой и точной [75]. Разработчиком HDS 4500 является фирма Zoller+Frohlich, поэтому его второе название Z+F Imager [75,60].
Производителем НЛС также является фирма Optech (Канада). Она выпускает прибор под названием Ilris 3D, разработанный компанией «Йена инструмент». Данный сканер принципиально ничем не отличается от других за исключением того, что в него встроена цифровая видеокамера и цветной экран VGA с диагональю 17 см. Это нововведение позволяет отказаться от использования переносного персонального компьютера при задании режимов сканирования [60,9]. Управление сканером осуществляется при помощи карманного компьютера Palm, поставляемого вместе со сканером, через инфракрасный порт [78,10]. Лазерные сканеры iQsun 625 и 880 разработаны фирмой iQvolution (Германия). Конструктивными особенностями этих сканеров являются, во-первых, то, что все данные записываются на внутренний жесткий диск, во-вторых, сканер состоит из отдельных блоков, замена которых позволяет варьировать технические характеристики сканера. В данных сканерах реализован фазовый метод измерения расстояний [35, 53].
Компания I-Site выпускает НЛС I-Site 4400. По техническим характеристикам (в первую очередь по скорости сканирования и внешнему виду) этот прибор больше соответствует классу роботизированных тахеометров, но производитель заявляет его, как сканер [79]. Данный прибор оснащен центриром, инклинометром и визирной трубой (для задания начального направления) [79]. Также сканер оборудуется цифровой камерой, в которой в качестве регистрирующего устройства выступает ПЗС-линейка. С помощью данной камеры можно получить панорамные изображения всей области сканирования. Сканера связан с компьютером через кабель Ethernet. Питание сканера осуществляется при помощи 24-ех вольтовой батареи, которая встроена в корпус [79].
Компания Optech выпускает систему воздушного лазерного сканирования ALTM-1020. К особенностям всех приборов воздушного базирования относится их способность определять координаты точек в системе координат WGS-84, координаты, как правило генерируются с частотой 50-100 Гц. Для этих целей сканер оборудуется GPS приемником. Так же сканер оборудуется цифровой камерой в которой, в качестве региструрующего устройства выступает ПЗС-линейка. Питание сканера осуществляется от бортовой сети.
Разработка технологии сшивки облаков точек воздушного и наземного лазерных локаторов
Сшивка представляет собой уравнивание сканов, или данных сканирования с разных станций, в единую систему координат. Возможно использование нескольких методов сшивки облаков точек: сшивка по специальным плоским маркам-отражателям (прикрепляются на объекте таким образом, что бы получилось не меньше 3 меток на соседних между собой сканах. Далее, во время проведения сканирования на каждой из точек стояния эти метки сканируются дополнительными проходами с максимально возможной точностью). Марки бывают сферические и плоские. Кроме того обычно их изготавливают на магнитной или картонной основе; сшивка по характерным точкам (не требует на полевом этапе использования марок. Во время процесса сканирования оператор выбирает хорошо различимые точки (углы, оконечности объектов, состыковки разных материалов) и проводит сканирование данных фрагментов с увеличенной точностью. Обычно, используется от 6 до 10 точек на каждую сшивку).
Сшивка по специальным плоским маркам-отражателям дает большую точность сшивки, а также уменьшает время камеральных работ. При совместном сшивании воздушного и наземного лазерного сканирования возможно использовать сшивку по характерным точкам (в этом случае точность привязки отдельных 3d объектов падает до точности лазерного сканирования) а также геопривязку (в этом случае точность позиционирования сравнима с точностью наземной лазерной локации).
При технологии векторизации данных лазерной локации крайне важно свести участие человека к минимуму. Для этой цели целесообразно выполнить деление единого облака точек на ряд слоев. В каждый из слоев отбираются точки, относящиеся к одному виду объектов или поверхности земли. При дальнейшей векторизации оператор использует только точки относящиеся к одному типу объектов (например: точки, попавшие на строения используются при векторизации строений). Это значительно экономит аппаратные ресурсы. Следует отметить, что в данном случае триангуляционную модель поверхности (TIN) земли возможно построить в автоматическом режиме. В предложенной автором методики классификации точек первым этапом является определение поверхности.
В общем виде последовательность обработки данных лазерной локационной съемки при построении цифровой модели рельефа (ЦМР) изображена на схеме 1. Загрузка точек ЛЛ Классификация точекЛЛ (выделение слоя земли) Построение триангуляционной модели Экспорт полученных результатов Схема 1. Последовательность обработки данных лазерной локационной съемки при построении ЦМР. Первоначально данные лазерного сканирования находятся в неклассифицированном состоянии. Целесообразно проводить классификацию облака точек в 2 этапа: выделение точек земли; классификация других объектов (растительность, дороги, ЛЭП и т.д.).
Для построения ЦМР необходимо провести их классификацию на 2 слоя «земля» и «не земля». Данную классификацию логичнее всего провести в 2 этапа: провести автоматическую классификацию по предложенному автором алгоритму. При этом участие человека ограничивается вводом нескольких параметров перед применением алгоритма; провести ручное исправление допущенных машиной неточностей или ошибок. При затруднении в определении принадлежности точки (например: большой куст иногда дешифрируется как бугор) предлагается использовать ортофотопланы аэросъемки территории. Следует отметить, что ортофотоплан не обязан соответствовать масштабу конечной продукции т.к. служит исключительно для целей визуального дешифрирования территории.
Первым шагом выполнения алгоритма классификации точек лазерной локации является сегментация всего облака на множество прямых. Две точки рассматриваются, как принадлежащие к одному классу земли, если между соседними сегментами нет острых углов (обычно более 50 градусов), а так же, если под этими сегментами отсутствуют смежные сегменты. Данное определение профиля земли позволяет вылавливать резкие изменения по поверхности (перепады высот) между соединенными точками и смежными с ними линиями. Исходя из выше изложенного, мосты, кусты дороги и т.д. могут быть классифицированы, как поверхность земли, если перепад высоты будет укладываться в погрешность сканирующей системы.
Существует 3 вида алгоритмов сегментации, базирующиеся на наборе параллельных линий, полученных во время сканирования. Jiang и Bunke (1994) впервые описали алгоритм сегментации точек по линии сканирования [93]. 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 коэффициент приближения (были подобраны экспериментальным путем для разного типа поверхностей, обычно изменяются от 0.5 до 1). Алгоритм определения поверхности в первую очередь выбирает начальную поверхность (поверхность земли) 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. При ручном добавлении точек в слой земли параметры поверхности могут меняться. Результат такой классификации представлен на рисунке 2.3. 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 2.4. (а)). [93] В 1996 году другая группа ученых попробовала усовершенствовать данный алгоритм путем использования точек на параллельных линиях сканирования (рис. 2.4 Ь). [93]
Разработка метода отображения 3d данных в программных комплексах ГИС
Любая ГИС стремится к идеалу - абсолютно реалистичному изображению. Максимально достичь такой идеал на данный момент возможно с помощью внедрения 3d моделей в ГИС. Этому внедрению мешает ряд препятствий: 1. точное сопоставление отображаемых точек в ГИС и реальных точек на местности (на объекте). Это самая сложная проблема, обусловленная тем фактом, что при отображении модели в машине (на экране монитора), а так же при ее хранении, модель представляется, как набор точек. В реальной жизни объекты состоят из непрерывных плоскостей и линий. В связи с чем при построении модели и ее отображении в компьютере мы постоянно имеем некоторую погрешность, сильно зависящую от количества точек, из которых построена модель; 2. окраска 3d моделей текстурами, соответствующими реальным объектам. Поверхности из таких материалов, как дерево, камень, ткань обладают богатой палитрой цветов и разнообразием узоров. Хорошая система трехмерной графики должна не только воспроизводить материал, из которого сделан предмет, но и быть быстрой, ведь поверхностей в трехмерной сцене, как правило, очень много; 3. система быстрого отображения большого количества 3d моделей в ГИС. Каждая 3d модель состоит из нескольких полигонов, опорных точек и текстур. Чем выше детализация 3d модели, тем больше в ней опорных точек и полигонов. Соответственно, на такую модель тратится большое количество аппаратных ресурсов компьютера (загрузка памяти, вычислительные мощности центрального процессора и видеокарты). Кроме того, цифровая карта местности содержит на себе большое количество объектов. Все это довольно сильно замедляет процессы обработки информацией персональным компьютером. Далее мы рассмотрим алгоритмы, решающие эту задачу.
Будем считать, что все поверхности задаются наборами треугольников (существуют и более сложные фигуры, но мы ограничимся нашим выбором). В алгоритмах раскраски трехмерных фигур цветом достаточно закрашивать каждый треугольник поверхности исходя из заранее заданных значений цвета в его вершинах. Обычно цвет задается как линейная функция на плоскости, содержащей треугольник, с известными значениями в трех точках вершинах. Процесс вычисления линейной функции удобнее всего организовать так: (процесс закраски треугольника). Сперва задается значение цвета на всех точках каждой стороны треугольника, как линейная функция на отрезке с известными значениями на концах. Затем можно вычислить значение цвета для любой точки внутри треугольника, проведя через нее горизонтальный отрезок с концами на сторонах треугольника (значение цвета на сторонах нам уже известно) и повторив вычисление линейной функции внутри отрезка (см. описание алгоритма далее и Рис. 3.1).
Этот способ обладает одним серьезным изъяном, цвет внутри треугольника плавно изменяется между его вершинами, а материалов с такой плавной окраской немного. Более реалистичную окраску поверхности можно показать, лишь добавляя к поверхности треугольники на каждый перепад цвета материала. Для плоских поверхностей, составляющих основу любой сцены, число треугольников может возрасти на несколько порядков. Большое количество треугольников, составляющих поверхности объектов, сильно замедляет скорость отображения сцены. В связи с этим был предложен метод раскраски, не требующий изменения геометрической структуры модели.
В нем предлагается хранить окраску предмета отдельно от модели в специальной битовой карте называемой текстурой. При отображении сцены карта «натягивается» на поверхность предмета, определяя цвет каждой ее точки. Такой подход позволяет разделить задание формы объекта и цветов его материала.
Формализуем предшествующее не очень строгое описание текстуры. Текстура представляет собой цветную битовую карту изображения с собственной системой координат (s, t,) (см. Рис. 3.2а). Будем считать, что пиксели текстуры, обычно называемые текселями, являются точками-узлами с целочисленными координатами s и t.
Вся трехмерная сцена задана в системе координат OXYZ (см Рис. Ъ2б). Мы рассматриваем сцену через плоский прямоугольный экран параллельный плоскости OXY. Стороны экрана параллельны осям ОХ и OY соответственно. Ось OZ пересекает центр экрана в точке z=l. Поверхности в сцене задаются наборами треугольников. Для любой поверхности известны ее текстура и соответствие координат (s, t) на текстуре координатам (х, у, z) на поверхности. Внутри каждого отдельного треугольника эта зависимость линейна, (т.е. достаточно знать соответствие только для трех вершин каждого треугольника).
Для упрощения изложения рассмотрим треугольник поверхности целиком лежащий внутри области видимости. Треугольник останется треугольником, и после проекции на экран, ведь отсечение за границами видимости отсутствует (частный случай преобразования треугольника в отрезок сложностей не вызывает). Обозначим пространственные координаты вершин треугольника как (Х, уь Z), (х2, у?, г2), (хз, уз, z,) соответственно, а координаты вершин проекции (pi,qi), (рг, Чг), (Рз Оз). Пусть тексели соответствующие вершинам на текстуре имеют координаты (sj, pi), {$2, Рг) (S3, Рз)- (см Рис. 3.3) Линейная зависимость координат (s, t) от координат (х, у, z) позволяет вычислять координаты текстуры на всей поверхности треугольника. В общем случае зависимость между координатами (р, q) и (х, у, z) нелинейная. Однако для небольших треугольников искажениями, вносимыми проективным преобразованием можно пренебречь и считать эту зависимость линейной. Это предположение позволяет построить простой и быстрый алгоритм наложения текстуры.
Перейдем теперь к описанию самого алгоритма. Алгоритм состоит из двух частей. В подготовительной части проводятся предварительные вычисления, выполняющиеся один раз для всего треугольника. Во второй части проводится перебор всех горизонтальных строк треугольника и расчет координат текстуры сначала на границах строки, а затем и для всех внутренних точек строки. Подготовительный этап (выполняется один раз для всего треугольника):
