عنوان پایان‌نامه
باز سازی اتوماتیک مدل سا ختما نها بر مبنای بکار گیری داده های لیدار
- رشته تحصیلی
- مهندسی عمران - نقشه برداری - فتوگرامتری
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1468;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 39997
- تاریخ دفاع
- ۲۹ بهمن ۱۳۸۷
- دانشجو
- محمدطاهر کاوش
- استاد راهنما
- علی عزیزی, فرهاد صمدزادگان
- چکیده
- بازسازی و تولید مدل سه بعدی ساختمان، به دلیل طیف وسیع کاربردها در زمینه های مختلف اعم از برنامه ریزی شهری، مهندسی عمران، سیستمهای اطلاعات مکانی، مدیریت بحران، آشکارسازی تغییرات، واقعیت سازی مجازی (VR) و غیره، به یکی از موضوعات مورد علاقه در سطح جهان بدل شده است. از آنجا که رقومی سازی و بازسازی سه بعدی سطح اجسام به صورت دستی، کاری پر هزینه و زمان بر می باشد؛ از این-رو توسعه الگوریتم های استخراج و بازسازی خودکار عوارض از اهمیت ویژه ای در علوم مهندسی ژئوماتیک برخوردار است. از سوی دیگر استفاده از لیدار به عنوان یک تکنولوژی نسبتا جدید برای اخذ داده پایه در تولید مدل سه بعدی شهری و مدل سطح زمین، بسیاری از محققین را به توسعه الگوریتم های کاملا خودکار در این زمینه، ترغیب نموده است. مهمترین مزیت سنجنده لیدار نسبت به دیگر سنجنده ها امکان خودکارسازی پردازشها و الگوریتمهای استخراج و بازسازی عوارض، از داده های حاصله می باشد. همین امر باعث شده است بازسازی خودکار مدل سه بعدی ساختمان با استفاده از داده های لیدار، زمینه بسیاری از تحقیقات انجام گرفته در سال های اخیر باشد. پردازش حجم زیاد داده، ناتوانی در نمایش لبه ها به صورت آشکار و نبود تعبیری صریح از مولفه بافتی، از مهمترین چالش های مطرح در این رابطه می باشند. در این تحقیق به ارائه یک مدل خودکار جهت بازسازی سه بعدی ساختمانها با استفاده از داده های ابر نقطه اسکنر لیزری هوایی (LiDAR)، پرداخته شده است. روش ارائه شده در این تحقیق، روشی تلفیقی است که در آن از اطلاعات نقشه دو بعدی زمینی به صورت کمکی در کنار اطلاعات ابر نقطه نامنظم لیدار استفاده می-شود. این روش شامل دو مرحله اساسی بخش بندی و مدلسازی می باشد. در مرحله بخش بندی از الگوریتم Fuzzy C-Means(FCM) که یکی از الگوریتمهای خوشه بندی برمبنای منطق فازی می باشد، استفاده شده است. علاوه بر این، در این مرحله جهت بهبود نتایج حاصل از مدل FCM و نیز بخش بندی نهایی داده ها، بدون نیاز به معرفی دقیق تعداد کلاس اولیه، یک فرآیند ابتکاری، با عنوان "تلفیق و تفکیک" ارائه گردیده است. مرحله مدلسازی خود شامل دو مرحله، یعنی ایجاد مدل سه بعدی سقف و ایجاد دیوارها می باشد. در این تحقیق، در مرحله اول از روش تقاطع هندسی صفحات استخراج شده از مرحله بخش بندی و در مرحله دوم از اطلاعات موجود در نقشه دو بعدی ساختمان (پلان) استفاده گردیده است. بررسی نتایج بدست آمده از پیاده سازی مراحل فوق، نمایانگر توانایی و ویژگی های روش ارائه شده در بازسازی سه بعدی مدل ساختمان می باشد.
- Abstract
- Abstract: Today building extraction and recognition and mainly 3D reconstruction of them become one of the most important fields of research in photogerammetry and machine vision. In one hand complexity of 3D model of buildings and its diversities and on the other hand high uncertainty in 3D building modeling make building reconstruction a very challenging problem. A number of reconstruction methods have been developed by researchers to handle this problem. Involving Airborne Laser Scanner (LiDAR) in geomatics area as an active sensor of 3D data acquisition, great evolution happened in data preparing to 3D outdoor object modeling. In consequence a general trend in developers and geomatics science researchers’ communities leaded them to develop techniques in extracting interesting objects from point cloud such as roads and buildings. The LiDAR data however, do not explicitly contain any geometric information and feature of objects implicitly exit in point clouds. The feature such as planes, lines and corners can be only indirectly extracted by segmentation algorithms. In this research, a method for automatic building model reconstruction with integration of 2D vector map and LiDAR data is proposed. In the proposed method, input data are vector map and Irregular LiDAR data. This method is applied two step: Segmentation and Modeling. First in segmentation step, we present and implement an adaptive clustering method for roof plane extraction from LiDAR data. To extract the roof structure, an assumption of planarity has been made, i.e. it is assumed that the roof can be modeled by a set of planar segments. In the proposed method the clustering is done without having any a prior information about the number of the clusters. The clustering is done using FCM algorithm with considering maximum clusters number and then the extracted cluster will be modified using an iteratively split and merge technique. In the split and merge technique small parallel planes are merged to create a new plane and a big plane created from different planes is divided to generate correct planes. Modeling process is included tow step: create walls and modeling roof structure. In the first step, we apply of geometric plane intersection and in the second step we used, information extracted from 2D GIS map. This approach was evaluated using some building of Stuttgart data set and the results prove high efficiency and reliability of this method for both extraction of roof planner planes and modeling of them.
