عنوان پایان‌نامه
ارزیابی روشهای کالیبراسیون و بر اورد کیفیت هندسی ابر نقاط سنجنده لا یدار
- رشته تحصیلی
- مهندسی عمران - نقشه برداری - فتوگرامتری
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2318;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 57525
- تاریخ دفاع
- ۰۲ مهر ۱۳۹۱
- دانشجو
- یاسین قربانی فولادی
- استاد راهنما
- محمد سعادت سرشت
- چکیده
- سامانه های لایدار، امروزه یک فن آوری رایج برداشت اطلاعات سه بعدی عوارض سطح زمین می باشد که امکان تولید سریع و دقیق مدل های سطح زمین را فراهم می سازد. در روند تصحیح داده ی لایدار، بایستی خطاهای سیستماتیک مدل شوند که این کار مبتنی بر کالیبراسیون سامانه می باشد. با در نظر گرفتن تاثیرات کالیبراسیون بر روی نتایج داده، می توان طراحی پرواز بهینه را انجام داد و با ارزیابی درجه سازگاری میان ردپاهای لیزر در نوارهایی که هم پوشانی دارند برآوردی از کنترل کیفیت داده داشت. در این پایان نامه به بررسی الگوریتم های کالیبراسیون و برآورد کیفیت هندسی ابر نقاط و نتایج حاصل از آنها می پردازیم. در مرحله کالیبراسیون سه الگوریتم مورد ارزیابی قرار می گیرد. در سناریوی اول پارامترهای INS برآورد می شوند و سپس ابر نقطه کالیبره میشود، در سناریوی دوم مولفه های مربوط به INS و Lever-arm offset برآورد می شوند و نهایتا در سناریوی سوم پارامترهای Lever-arm، INS و طول فاصله مایل برآورد می شوند و سپس ابر نقاط کالیبره می شوند. برای بررسی الگوریتم های کالیبراسیون هندسی به علت عدم دسترسی به داده ی مدنظر از داده ی شبیه سازی شده استفاده گردید. این الگوریتم ها در مناطق کوهستانی، تپه ماهوری، شهری و دشت مورد ارزیابی قرار گرفت. نتایج حاصل از آزمون ها و ارزیابی روش- های کالیبراسیون در این مناطق نشان می دهد در صورتیکه پارامترهای INS، Lever-arm و طول فاصله مایل در انجام کالیبراسیون هندسی به صورت یکجا در نظر گرفته شوند نتایج بهتری نسبت به دو سناریوی دیگر حاصل میشود. همچنین در صورتیکه مولفه های Lever-arm و INS را برای کالیبره نمودن ابر نقاط در نظر بگیریم این روش در منطقه شهری و دشت برتری محسوسی نسبت به سناریوی اول دارد. در ادامه دو روش برای ارزیابی کیفیت هندسی ابر نقاط معرفی شده است، در روش اول عوارض خطی از ابر نقاط استخراج و تناظریابی می شوند. عوارض خطی از تقاطع سطوح همسایه بدست می آید. از این رو ابر نقاط به مجموعه ای از سطوح مسطح کوچک تقسیم شده و معادله هر سطح بدست می آید. از تقاطع سطوح همسایه، خطوط مستقیم تولید می شود. در روش دوم عوارض نقطه ای با استفاده از الگوریتم SIFT استخراج شده و این عوارض تناظریابی می شوند. در نهایت در هر دو روش برای تعیین پارامترهای شیفت و دوران بین عوارض متناظر، از مدل های ریاضی استفاده می شود.
- Abstract
- LIDAR system is one of the common technologies in the field of acquiring 3D data of Earth surface features which provides the fast and accurate generation of the Earth’s surface model. In LIDAR data correction, based on system calibration, systematic errors should be modeled. Optimal flight planning can be obtained based on calibration effects on the results. Also by evaluating the compatibility between laser footprints in the overlapped strips an estimation of the quality control can be achieved. In this Thesis, three different calibration algorithms are presented and geometric quality of points cloud are discussed. In the first scenario, INS parameters are estimated and points cloud are calibrated. In the second scenario components of the INS and Lever-arm off are estimated and in the third one, Parameters of the INS. Lever-arm and laser range are adjusted and then points cloud calibration is applied. These algorithms are evaluated using simulation data generated in the mountainous, hills, urban and plain areas. Results show that better accuracy is obtained if the parameters are INS, Lever-arm and laser range are estimated simultaneously (third algorithm). Moreover, in the case of urban and plain areas, if INS and Lever-arm parameters are considered in the points cloud calibration process, the results are more accurate in comparison with the first scenario. Finally, two methods of evaluation of the geometric quality of the points cloud are presented. In the first method, linear features are extracted from the points cloud and then they are matched. It should be mentioned that linear features are obtained through the intersection of the neighborhood surfaces. Therefore, the points cloud are divided into small flat surfaces and mathematical equation of each surface is derived. Then direct lines are produced based on the intersection of the neighborhood surfaces. While the second method, make use of the SIFT algorithm to extract and match the point features. At the end, mathematical models are used in both methods to determine the shift and rotation parameters between the corresponding features. Results showed that the accuracy of the second method is about 19% more than that of the first one.
