عنوان پایان‌نامه

ارزیابی هم مرجع کردن ابرنقاط لیزر اسکنر زمینی از طریق تصا ویر رقومی



    دانشجو در تاریخ ۲۹ بهمن ۱۳۸۷ ، به راهنمایی ، پایان نامه با عنوان "ارزیابی هم مرجع کردن ابرنقاط لیزر اسکنر زمینی از طریق تصا ویر رقومی" را دفاع نموده است.


    رشته تحصیلی
    مهندسی عمران - نقشه برداری - فتوگرامتری
    مقطع تحصیلی
    کارشناسی ارشد
    محل دفاع
    کتابخانه پردیس 2 فنی شماره ثبت: 1770;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 44886
    تاریخ دفاع
    ۲۹ بهمن ۱۳۸۷
    دانشجو
    سارا واجدیان
    استاد راهنما
    محمد سعادت سرشت
    چکیده
    لینک فایل چکیده
    مدل­کردن 3D و تجسم مناظر واقعی امروزه یک موضوع مهم تحقیقاتی می­باشد که در کاربردهای بسیاری از قبیل موزه­های مجازی، بازی و سرگرمی، ترمیم آثار باستانی، virtual reality و بسیاری کاربردهای صنعتی و توریستی مورد استفاده قرار می­گیرد. امروزه پیشرفت­های زیادی در تکنولوژی لیزر­اسکنر صورت گرفته است. لیزر­اسکنر زمینی این توانایی را دارد که حجم زیادی از نقاط (ابر نقطه) را در یک زمان کوتاه ارائه دهد. از ابر نقاط بدست آمده جهت مدلسازی استفاده می­شود. FOV محدود لیزر اسکنر، پنهان شدگی بواسطه­ی اشیاء همسایه و پنهان شدگی توسط خود شئ، بعضی از دلایل هستند که وجود چند اسکن از یک شئ را ملزم می­کنند. حتی هنگامی که تمام جزیئات یک سطح را بتوان از یک اسکن برآورد کرد، ترکیب چندین اسکن امکان ایجاد داده­های چگال­تر با پوشش بهتر را فراهم می­سازد و بنابراین منجر به برآورد بهتری از پارامترهای شئ در طول فیت کردن مدل می­شود. از اینرو اسکن­ها از ایستگاه های مختلف باید ترکیب شوند تا شکل کامل و درست از شئ بدست آید. جهت استفاده­ی همزمان از ابرنقاط تمام ایستگاه­ها نیاز به یکی شدن تمام سیستم مختصات­های محلی می­باشد. به این فرآیند هم­مرجع­کردن گفته می­شود. امروزه سیستم لیزر­اسکنر زمینی به دوربین رقومی مجهز شده است. در این پایان نامه از تصاویر اخذ شده از دوربین رقومی در انجام هم­مرجع­کردن استفاده می­شود. در این فرآیند به پارامترهای کالیبراسیون داخلی و خارجی دوربین نیاز می­باشد. این پارامترها با روش­های مختلفی در این پایان­نامه تعیین می­شوند. روش های مطرح شده جهت تعیین پارامترهای کالیبراسیون عبارتند از: روش ریگل، فتوگرامتری برد کوتاه، روش چند عکس و تک عکس. از بین روش­های مطرح شده، روش فتوگرامتری بهترین نتایج را ارائه می­دهد. از طریق پارامترهای توجیه خارجی تصویر هر ایستگاه به ابر نقاط هر ایستگاه انتقال داده می­شود. به این صورت در یک مرحله ابر نقاط ایستگاه­های مختلف یکی می­شوند. روش هم­مرجع­کردن مبتنی بر تصویر، روشی سریع و پایدار می­باشد و نیازی به تارگت و تناظر­یابی تارگت­ها در ابر نقاط ندارد. لازم به ذکر است که دقت نتایج بدست آمده از روش مبتنی بر تصویر به دقت تعیین پارامترهای کالیبراسیون بستگی دارد. دقت بدست آمده برای روش مبتنی بر تارگت 1.2میلیمتر و برای روش مبتنی بر تصویر 4.5 میلیمتر بدست آمد.
    Abstract
    Terrestrial Laser scanner (TLS) systems as a tool for quick and direct acquisition of 3D point cloud data have widely used for many 3D modeling applications. As working with laser scanners introduces some limitations in range, field of view and occlusion area on complex object, it is generally essential to collect several point cloud data sets from different stations. Even, for data collection from simple objects via a single station, fusion of multiple point cloud data makes it possible to create more precise object models. As the points cloud obtained from each station has own local coordinate system, for integration of points cloud data sets, the transformation parameters between all local coordinate systems should be determined. The process is called point cloud registration. There are several methods for points cloud registration which generally can be categorized as (a) Surface based registration, (b) Target based registration, and (c) Image based registration. Since current laser scanner systems are usually equipped with digital cameras, this research aims to do point cloud registration based on images acquired from the digital camera i.e. the last registration method above. To do this, interior and exterior parameters of digital camera were calculated in TLS local coordinate system, called camera calibration, first. It was done with different methods including Rigel, convergent images, multiple images and single image methods. Then, by knowing calibration parameters of camera and doing relative orientation of two overlap images taken from each station, transformation parameters between local coordinate systems of two TLS stations were computed directly. It means two point cloud data sets are registered without any need to use targets or to have point cloud overlay. It is clear that the precision of image based registration method depends on the camera calibration and relative orientation precisions. Our experiments demonstrated that camera calibration by convergent images method leads to the highest precision of point cloud registration about 4.5 mm.