عنوان پایان‌نامه
ارزیابی روش تنا ظر یابی سه بعدی سطو ح در هم مرجع سازی
- رشته تحصیلی
- مهندسی عمران - نقشه برداری - فتوگرامتری
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1851;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 46608
- تاریخ دفاع
- ۰۳ مهر ۱۳۸۹
- دانشجو
- محمدرضا رنجبر
- استاد راهنما
- محمد سعادت سرشت
- چکیده
- امروزه لیزر اسکنرها با برداشت مستقیم مختصات سه بعدی تعداد بی شماری نقطه در زمان کوتاه، جایگاه ویژه ای در کاربردهای مختلف مدلسازی سه بعدی پیدا نموده اند. اگرچه هر ایستگاه لیزراسکنر با وجود افزونگی بالای اطلاعات می تواند به طور موثری صحنه را مدل کند، با این حال بواسطه محدودیت های دقت، میدان دید و نواحی پنهان، برای بازسازی کامل از یک شئ بایستی آن را از نماهای مختلفی اسکن نمود. با توجه به اینکه هر اسکن دارای سیستم مختصات محلی خود است، همه ابر نقاط مختلف بایستی به یک سیستم مختصات مشترک انتقال داده شوند که به آن هم مرجع سازی ابر نقاط گویند. روش های مختلفی برای هم مرجع سازی ابر نقاط وجود دارد شامل روشهای مبتنی بر تارگت، مبتنی بر تصویر و مبتنی بر سطح. روش اخیر از سطح اتوماسیون و دقت بالایی برخوردار است و در این پایان نامه بر اساس راهکار ICP مورد پیاده سازی و ارزیابی قرار گرفته است. در راهکار ICP مهمترین مسأله پیدا کردن جفت نقاط متناظر صحیح می-باشد که در این تحقیق یک مطالعه مقایسه ای بین چند روش حدآستانه گذاری بر روی نقاط متناظر جهت هم مرجع سازی به عمل آمده است. نتیجه آزمایشات نشان می دهند که برای هم مرجع نمودن دقیق تر و پایدارتر می توان از ترکیب دو معیار فاصله بین نقاط و زاویه بین نرمال های متناظر استفاده کرد. براین اساس، الگوریتم هم مرجع سازی سطوح با توجه به روش تعیین شده آستانه گذاری فوق پیاده سازی شده و عوامل مختلف عوامل مختلف تأثیرگذار در کارایی و دقت هم مرجع سازی مانند تابع الگوریتم محاسباتی با دو روش SVD و کواترنیون، شکل سطوح، مقادیر اولیه، میزان پوشش بین سطوح و شرایط و نوع داده ورودی مورد بررسی قرار گرفت. نتایج آزمونها نشان می دهد که تفاوتی در الگوریتم های محاسباتی وجود ندارد و از کارایی الگوریتم برای سطوح با شکستگی های تند و سطوح هموار کاسته می شود. مقادیر اولیه نقش مهمی در رسیدن به جواب بهینه دارد. هرچه پوشش بین سطوح بالاتر باشد الگوریتم دارای جواب های دقیقتری نسبت به حالتی که این پوشش کاسته می شود دارد. در این صورت پیدا کردن نواحی مشترک از اهمیت بالایی برخوردار است. همچنین نوع داده نیز بسیار مهم می باشد بطوری که الگوریتم در داده های نویزی عملکرد خوبی ندارد و دقت هم مرجع سازی بشدت کاهش می یابد.
- Abstract
- Laser scanners directly measure 3D coordinates of huge amounts of points in a short time period, so that it has a well-known solution in 3D object modeling. The abundant data of laser scanner can be efficiently utilized to model the scene, however in many cases; the object has to be scanned from different viewpoints due to accuracy, occlusion, field of view and range limitations. Because each scan has its own local coordinate system, all the different point clouds must be transformed into a common coordinate system. This procedure is usually referred to ‘registration’. There are many methods for registration problem including Target based, Image based and Surface based registration methods. Surface based registration techniques give the highest registration accuracy and automation. This dissertation addresses refinement issue of surface based registration by use of an accurate and fast ICP algorithm. In the ICP algorithm, every point in one surface should be matched to a point on the other surface so that the matched surfaces have minimum deflection error. In our research, we compared both distant and normal vector thersholding and proposed a combined method in 3D surface matching. Analysis and experimental results demonstrated the proposed combined method gives better registration accuracy than the other standard approaches. Also in the research, different factors in accuracy and efficiency of registration algorithm are tested such as mathematical criterion function, using respectively singular value decomposition (SVD) or eigen system computation based on the standard [R;T] representation, and the eigen system analysis of matrices derived from quaternion forms of the transform, simple/complex surface geometry, initial values, surface overlapping, and data conditions (ideal or noisy). The examinations demonstrate that accuracy of registration is not significantly different for the both mathematical computation methods of SVD and Quaternion. It also show
