Разработка методик обработки результатов наземного лазерного сканирования для 3D-кадастра
Оглавление:
Список сокращений……………………………………………………………………5
Введение………………………………………………………………………………..6
Глава 1. Традиционные и современные модели представления объектов
кадастрового учета……………………………………………………………………13
1.1. Необходимость развития системы кадастра недвижимости……………….13
1.2. 2d-системы кадастра…………………………………………………………..14
1.3. Проблемы 2d кадастра…………………………………………………………15
1.4. Определение 3d-кадастра……………………………………………………..19
1.5. 3d-кадастр в зарубежных странах……………………………………………20
1.6. Определение 3d-кадастра в данном исследовании………………………….22
1.7. 3d-кадастр в россии……………………………………………………………25
1.8. Современные методы создания 3d-модели. …………………………………27
1.9. Преимущества создания 3d-моделей объектов недвижимости…………….28
1.10. Трехмерные модели в 3d-кадастре и цифровом землеустройстве. ……….30
Глава 2. Трехмерное моделирование и сегментация данных наземного лазерного
сканирования………………………………………………………………………….34
2.1. Контроль качества трехмерного моделирования на основе данных наземного
лазерного сканирования и фотограмметрии……………………………………….34
2.1.1. Предложенный метод сравнения…………………………………………….34
2.1.2. Анализ точности результатов…………………………………………..…….35
2.2. Изучаемые объекты……………………………………………………………36
2.3. Обзор методов сегментации облака точек ………………………………….36
2.3.1. Сегментация на основе выделения краев……………………………………38
2.3.2. Сегментация на основе принципа растущих регионов……………………..39
2.3.3. Сегментация на основе примитивов …………………………………………40
2.3.4. Сегментация на основе машинного обучения………………………………40
2.4. Выбранные алгоритмы сегментации облака точек…………………………41
2.4.1. Алгоритм че и олсен…………………………………………………………..41
2.4.2. Алгоритм раббани……………………………………………………………..42
2.4.3. Алгоритм ли, ян и тан…………………………………………………………44
2.4.4. Алгоритм кусак и ирол………………………………………………………..46
2.5. Экспериментальная работа……………………………………………………48
2.5.1. Изучаемые объекты и подготовка эталонных данных………………………48
2.5.2. Параметры оценки точности результатов сегментации…………………….50
2.5.3. Сравнение полученных результатов сегментации………………………….51
Глава 3. Оценка влияния изменения плотности точек на полученные
результаты…………………………………………………………………………….63
3.1. Плотность сканирования в облаке точек…………………………………….63
3.2. Оценка влияния изменения плотности облака точек на производительность и
точность сегментации различными методами………………………………………65
3.2.1. Подготовка данных с уменьшенной плотностью точек…………………….65
3.2.2. Оценка влияния изменения плотности точек на точность сегментации и время
их обработки………………………………………………………………………….66
3.3. Оценка влияния изменения плотности точек на геометрическую точность
полученных моделей…………………………………………………………………72
3.3.1. Измерения на облаке точек при разных расстояниях между точками…….73
Глава 4. Разработанная методика сегментации результатов сканирования объектов
недвижимости…………………………………………………………………………81
4.1. Стратегия сегментации облака точек…………………………………………81
4.1.1. Устранение шума и выбросов…………………………………………………81
4.1.2. Исправление эффекта теней…………………………………………………..84
4.1.3. Сегментация на основе информации о цвете в облаке………………………97
4.1.4. Улучшения и слияния полученных сегментов……………………………..103
4.1.5. Решение проблемы недостаточной сегментации ………………………….106
4.2. Оценка влияния изменения плотности облака точек на точность сегментации
по предлагаемой методике…………………………………………………………110
4.3. Оценка влияния изменения плотности облака точек на геометрическую
точность полученных моделей по предложенной методике…………………….115
4.4. Оценка преимуществ и недостатков предлагаемой методики……………117
4.5. Применение предлагаемой методики для объектов из разных материалов со
сложной схемой теней………………………………………………………………120
.4.6 Стоимость циклов работы……………………………………………………131
Заключения………………………………………………………………………….135
список литературы…………………………………………………………………..137
Приложение а……………………………………………………………………..…151
Приложение б…………………………………………………………………….….154
Приложение в………………………………………………………………………..164
Приложение г……………………………………………………………………..…170
Приложение д………………………………………………………………………..176
Приложение е……………………………………………………………………..…178
Во введении проанализирована степень разработанности темы
исследования и обоснована актуальность темы диссертации, сформулированы цель
и задачи исследования, обоснована теоретическая и практическая значимость, а
также научная новизна.
Раздел 1. Традиционные и современные модели представления объектов
кадастрового учета
В данном разделе обосновывается объект исследования. Рассматривается
необходимостьразвитиясистемыкадастранедвижимости.Приводится
классификацию объектов недвижимости по форме и требование детализации
модели 3D-объектов в целях 3D-кадастра. 3D-кадастр в данном исследовании
определяется как информационная система, обеспечивающую права собственности
в трехмерном пространстве на следующие типы объектов недвижимости:
1.Подземные объекты, пересекающие границы земельных участков;
2.объекты с отрицательными плоскостями (нависающие над другими
объектами или земельными участками);
3.объекты сложных форм, имеющие значения для культурного наследия;
4.объекты доминанты.
А права собственности остальных объектов обеспечиваются в двухмерном
пространстве как в традиционных системах кадастра.
Определяются современные методы создания 3D-модели и преимущества их
создания для 3D-кадастра. В список всемирного наследия ЮНЕСКО включены
шесть объектов на территории Сирии. Для учета таких объектов в кадастре
необходимо их представление в 3D формате. Проведение подобных исследований
в Сирии невозможно, поэтому на примере разных объектов в России, мы
предлагаем новые методики создания 3D-моделей на основе данных наземного
лазерного сканирования. В ходе проведения анализа опыта зарубежных стран и
опыт России в области создания 3D-системы кадастра, автор установил, что
исследовательскаяработавобластитрехмерногокадастрапроводится
недостаточно и требует дополнительных исследований, особенно в вопросах
информационного обеспечения 3D-кадастра и методах обработки 3D-данных.
Следовательно, очевидна целесообразность разработки методики обработки 3D-
данных при современных технологиях, таких как лазерное сканирование.
Раздел 2. Сегментация и классификация облака точек
В данном разделе приводится контроль качества 3D-моделирования на
основе данных лазерного сканирования и фотограмметрии. Рассматриваются
методы сегментации облака точек в качестве основного этапа моделирования при
переходе от двухмерной системы кадастра к трёхмерной. Анализируется принцип
работы четырех алгоритмов сегментации, на основе которых проведена
экспериментальная работа для сравнения их точности (сегментация на основе:
выделения краев, на основе принципа растущих регионов, на основе примитивов и
на основе машинного обучения). В целях 3D-кадастра экспериментальная работа
выполнена на примере 4 объектов (Балчуг Резиденс; здание по адресу: Гороховский
пер., д.4, к.3; памятник героям Плевны; промышленное помещение).
Методика расчёта, используемая в каждом алгоритме проанализирована
автором, где при определении точности сегментации каждого метода выполнено
сравнение результатов сегментации с эталонными данными, подготовленными
путем визуального изучения точек в ПО RECAP. В качестве параметра сравнения
была использована величина F-мера, которая отражает качество выполненной
сегментации. В результате определены и временные затраты на этап обработки и
причины существенных погрешностей полученных результатов (рис.1и2).
Рисунок 1 – объект Балчуг Резиденс (Объект с отрицательными плоскостями)
Рисунок 2 – График оценки точности сегментации облака точек (слева), График
временных затрат на выполнении сегментации в минутах (справа)
Раздел 3. Оценка влияния изменения плотности точек на полученные
результаты
В целях 3D-кадастра анализируется влияние изменения плотности облака
точек на производительность и точность сегментации различными методами, время
их обработки и на геометрическую точность полученных моделей объектов
недвижимости.Выделеныпреимуществаинедостаткикаждогометода
сегментации. Сначала выполняется процесс сегментации при исходной плотности
и вычисляется F-мера для каждого объекта. Обработка повторяется при разных
плотностях и вычисляются значения F-меры и время обработки. Пример
результаты экспериментов показаны для объекта Балчуг Резиденс (рис. 3 и 4).
В результате установлено, что точность сегментации с использованием всех
4-х методов пропорциональна плотности сканирования (П) и когда плотность
достигает определенную величину (половины размера мелких деталей объектов
недвижимости, которые должны быть отображены на полученных моделях (Р)),
точностьсегментациирезкоуменьшаютсяирезультатыстановятся
неприемлемыми. Преимущества и недостатки каждого метода показаны в таб. 1.
F-мера, %
65метод выделения краев
метод растущих регионов
метод примитивов
метод машинного обучения
0.006 0.010 0.015 0.020 0.025 0.030 0.035 0.040
Минимальная плотность (м)
Рисунок 3 – Оценка точности сегментации облака точек объекта Балчуг Резиденс
временные затраты
метод выделения краев
(мин)
метод растущих регионов
метод примитивов
0метод машинного обучения
0.006 0.010 0.015 0.020 0.025 0.030 0.035 0.040
плотность точек (м)
Рисунок 4 – Временные затраты при выполнении сегментации облака точек
объекта Балчуг Резиденс
Таблица 1 – Преимущества и недостатки методов сегментации облака точек
МетодПреимуществаНедостатки
-Метод обеспечивает-Метод может давать неточные результаты в
Сегментация на
быструю сегментацию;случае шума и неравномерной плотности;
основе
-Методавтоматизи–Метод может давать неверные результаты,
выделения краев
рованный полностью.если обнаруженные края были незакрытые.
Сегментация на-Значительное время;
-Методменее
основе принципа-Полуавтоматический метод;
чувствительныйк
растущих-Метод чувствителен к местоположению
шуму в облаке точек.
регионовисходных точек.
Сегментация на-Метод чувствителен к шуму в облаке точек;
-Метод обеспечивает
основе-Метод не может обнаружить неплоские
быструю сегментацию.
примитивовсегменты.
Сегментация на-Метод зависит в большой степени от
-Хорошее разделение
основематериалов разных частей объекта;
объектов из разных
машинного-Метод чувствителен к неравномерной
материалов.
обученияплотности облака точек.
В целях 3D-кадастра для оценки влияния изменения плотности точек на
геометрическую точность полученных моделей, проведен сравнительный анализ
натурных измерений линейных отрезков объекта (размеры окон и дверей на здании
Рязанского театра драмы) и на моделях, полученных разными методами
сегментации:
а) выполнены натурные измерения с помощью лазерной рулетки с точностью
1,5-2мм, которые рассматриваются в качестве опорных (эталонных) измерений;
б) выполнена тахеометрическая съемка изучаемого объекта и вычислены
расстояния между выбранными точками на нем;
в) выполнены вычисления по тем же точкам из массы облака точек в ручном
режиме при разных плотностях между точками;
г) выполнены вычисления по тем же точкам на моделях, полученных по
разным методам сегментации при разных плотностях между точками.
Сравнивая полученные измерения с эталонными, получили значения СКП
тахеометрических измерении (5,4 мм).Значения СКП по результатам
сканирования, обработанными в ручном режиме и автоматическими методами
сегментации при разных плотностях сканирования представлены на рисунке 5.
ручная обработка
расстояние между точками
30метод выделения
краев
(мм)
метод растущих
20регионов
15метод
10примитивов
5метод машинного
обучения
10203040506070 СКП (мм)
Рисунок 5 – График изменения СКП с изменением расстояния между точками
По результатам исследования, метод машинного обучения и метод
примитивов дают наилучшие результаты. При высокой плотности метод растущих
регионов дает результаты лучше метода выделения краев, а при низкой плотности
получается противоположный результат. Для выбора наиболее подходящего
метода сегментации предложены рекомендации, приведенные в таблице 2.
Данные таблицы 2, составленные автором, дают возможность выбора
варианта обработки, который позволит значительно снизить трудоемкость
камеральных работ в целях 3D-кадастра.
Таблица 2 – Выбор наиболее подходящих методов сегментации
Параметры сканирования иМетодМетодМетодМетод
характеристики объектоввыделен растущихпримитмашинног
исследованияия краев регионовивово обучения
П <РРазныеСложная форманетданетда
материалыПростая форманетдадада
Одинаковые Сложная форманетданетнет
материалыПростая форманетдаданет
П >РРазные Сложная формаданетнетда
материалы Простая формаданетдада
Одинаковые Сложная формаданетнетнет
материалы Простая формаданетданет
П – плотность сканирования; Р – требований к детализации
Раздел4.Разработаннаяметодикасегментациирезультатов
сканирования объектов недвижимости
В данном разделе разработана методика сегментации на основе информации
о цвете в облаке точек в качестве основного этапа моделирования объектов
недвижимости. Исследовано влияние изменения плотности сканирования на
точность сегментации и на геометрическую точность полученных моделей
объектов недвижимости по предложенной методике. Разработана методика
корректирования информации о цвете от теневого эффекта. Разработанные
методики написаны в программе МАТЛАВ и основаны на суждении, что
сегментация на основе кривизны, сильно зависит от геометрических свойств
объекта и это приводит к большим ошибкам в случае плавного перехода от одного
сегмента к другим. Такие случаи часто встречаются на таких объектах
недвижимости как фасады зданий и памятники. Методику обработки можно
разделить на пять разных этапов:
1) Устранение шума и выбросов.
Обычно для удаления шума из облака точек используется статистический
подход. Но наличие выброса непосредственно влияет на значения статистических
параметров и приводит к удалению точек, принадлежащих исследуемому объекту.
Поэтому первоначально устраняются выбросы. Вокруг каждой точки создается
сфера с радиусом, равным двойной плотности сканирования. Точки, имеющие в
своей сфере менее 2 точек, можно считать выбросами и их можно удалить. А затем
шум устраняется с использованием статистического подхода.
2) Исправление эффекта теней.
На рис. 6 показана схема предложенного метода исправления теней.
Исходное облако точек
Входные параметры
Применение фильтра экспозиции
Обнаружение тени
Проверка значения интенсивности
Вычисление края тени
Входные параметры
Применение фильтра изогелии
Коррекция теней
Облако точек без теней
Рисунок 6 – Схема предложенного метода обнаружения и исправления теней
1) Применение фильтра экспозиции
Использование коррекции экспозиции предназначено для временного
изменения значений цвета в облаке точек, чтобы облегчить процесс обнаружения
теней, делая затемненные области темнее, а освещенные области ярче.
2) Проверка значения интенсивности
Две точки лежат на двух противоположных сторонах теневой границы, если
они имеют одинаковые значения интенсивности, но разные значения цвета,
поскольку значения интенсивности зависят, в частности, от отражающих свойств
поверхности, а не от того, что поверхность лежит в тени или в освещенной области.
3) Вычисление края тени.
На этом этапе алгоритм определит, где начинаются тени на основе значения
градиента яркости(∇R). Тени начинаются там, где ∇R быстро меняется.
4) Применение фильтра изогелии
Использование фильтра изогелии предназначено для группировки точек с
похожими тенями вместе, чтобы понять, насколько каждая точка затенена.
5) Коррекция теней
Корректировка выполняется по формуле:
̅̅̅
ц
ц́ (i) = ц(i) ∗ s ,где ц́ (i) – новое значение цвета точки i; ц(i) – старое значение
ц̅l
цs – среднее значение цвета точки в соседней затененной области;
цвета точки i; ̅̅̅
ц̅l – среднее значение цвета точки в соседней освещенной области.
Рисунок 7 – Облако точек до и после корректировки теней
3) Сегментация на основе информации о цвете в облаке
После исправления теней, сегментации выполняются следующим образом:
1) облако точек разделяется на нерегулярные кубоиды, по 15-20 точек;
2) потом выбирается точка первого сегмента (Т1) и обнаруживается кубоид
КубТ1, содержащий точку (Т1);
3) группируютсяостальныеточкиводнугруппу,называемую
неклассифицированной группой (Н.К.Г);
4) для КубТ1 вычисляются следующие параметры:
− « 1 ( , , )» среднее значение цвета точки кубоида КубТ1:
∑
=1 ∑
=1 ∑
=1
1 =, 1 =, 1 =,(2)
где Ri, Gi, Bi – это цветные компоненты точек, k – это количество точек
− расстояния от среднего значения цвета 1 до точки Т1:
1−т1 = √( 1 − т1 )2 + ( 1 − т1 )2 + ( 1 − т1 )2 ,(3)
− расхождения в цветах между точкой Т1 и каждой точкой «i» кубоида:
∆ = ∆ + ∆ + ∆ (4)
− вычисляется среднее значения расхождений точек кубоида КубТ1:
∑ =1 ∆ 2∑ =1 ∆ 2∑ =1 ∆ 2
т1 = т1 + т1 + т1 : т1 =, т1 =, т1 =(5)
− Значения 1−т1 и т1 сравниваются с заданными порогами порог , порог :
Если 1−т1 < порог и т1 < порог , тогда все точки кубоида КубТ1
принадлежат сегменту точки Т1. Если 1−т1 > порог и/или т1 > порог , тогда
несколько точек кубоида не принадлежат сегменту точки Т1. Поэтому
выбирается точка с наибольшим расхождением ∆ и перемещается в группу
Н.К.Г., затем повторяются вычисления для остальных точек. На рисунке 8
показаны результаты сегментации облака точек по предлагаемой методике.
Рисунок 8 – Результат сегментации на основе информации о цвете.
4) Улучшения и слияния полученных сегментов;
Процесс постобработки облака точек состоит из 2 разных этапов (рис.9).
Результаты сегментации облака точек
Постобработки 1Объединение сегментов похоже по цветуВходные параметры
Вычисляется количество точек каждого сегмента
Постобработки 2
Входные параметры
Сегменты, содержащие точки меньше заданного
порога, объединяются с соседними сегментами
Рисунок 9 – Схема методики улучшения и слияния полученных сегментов
5) Решения задачи недостаточной сегментации
Недостаточная сегментация появится, когда разные сегменты объектов
недвижимости сгруппированы в один сегмент и когда разные части объекта имеют
одинаковые цвета. Для решения данной проблемы, выполняется триангуляция
Делоне для сегментов недостаточной сегментации, затем вычисляется направление
нормалидляполученныхтреугольников.Вычисляетсяугол∆между
направлениями нормалей. Полученные значения углов сравниваются с заданным
порогам ∆порог. Если ∆ ≤ ∆порог, то треугольники принадлежат одному сегменту.
При оценке влияния изменения плотности облака точек на точность сегментации
по предложенной методике, было установлено что использование цветовой
информации в дополнение к геометрической информации повышает точность
полученных результатов. Было доказано, что предложенная методика сегментации
дает лучшие результаты, чем другие методы (рис. 10). Однако данный подход
может увеличить временные затраты при необходимости использования
геометрических свойств в облаке для решения проблемы недостаточной
сегментации.
метод выделения краев
F-мера
65метод растущих регионов
45метод примитивов
метод машинного обучения
610152025303540предложенная методика
Минимальная плотность (м)
Рисунок 10 – График оценки точности результатов сканирования для
объекта Балчуг Резиденс
При оценке влияния изменения плотности облака точек на геометрическую
точность полученных моделей по предложенной методике, было установлено что
предлагаемая методика сегментации дает лучший результат, чем методы
выделения краев, растущих районов и метод примитивов (рис. 11).
ручная обработка
расстояние между точками (мм)
30метод выделения
краев
метод растущих
20регионов
15метод
примитивов
метод машинного
5обучения
0Предложенная
10203040506070методика
СКП (мм)
Рисунок 11 – Изменение СКП с изменением расстояния между точками
(фасад Рязанского театра драмы)
С другой стороны, полученные результаты не сильно отличались от
результатов метода машинного обучения. Следует отметить, что для метода
машинного обучения очень важно хорошее знание изучаемого объекта, так как
количество нужных сегментов рассматривается как входные данные этого метода,
в то время как такие знания не являются необходимыми для предлагаемой нами
методики.
В качестве пилотных объектов для реализации предлагаемых методик в целях
3D-кадастра были выбраны следующие объекты:
• Дом по адресу: Московская обл., Щелковский р-н, снт “Чкаловское”, дом 113а;
• Балчуг Резиденс: Москва, Садовническая ул., 29;
• Государственный университет по землеустройству (снаружи);
• Офис в государственном университете по землеустройству;
• Аудитория в государственном университете по землеустройству.
Обработка результатов сканирования состояла из следующих этапов: 1-
регистрация; 2- обнаружение тени (рис. 12) и сегментация по предложенным
методикам; 3- построение 3D-модель объектов недвижимости; 4- вычисление
площади, размера и объема объектов недвижимости; 5- создание плана объектов на
разных уровнях; 6- оценка точности полученных результатов; 7- вычисление
стоимость работы.
Рисунок 12 – Часть обнаруженных теней объекта Балчуг Резиденс (слева)
Облако точек после исправления эффекта тени (справа).
Пример результаты сегментации показаны на рисунке 13а), полученные
векторная модель и трехмерная модель показаны на рисунках 13б) и 13в).
абв
Рисунок 13 – Результат обработки облака точек объекта Балчуг Резиденс.
Исследование по геометрической точности было выполнено для границы
Балчуг Резиденса. Были выполнены натурные измерения с помощью лазерной
рулетки (эталонные измерения). Потом выполнены вычисления по тем же точкам
на модели, полученной по предложенной методике. В результате вычисления было
получено СКП определения границ здания (25 мм). Площадь каждого корпуса была
вычислена на разных уровнях и общий Объем объекта.
Временные затраты на построение трехмерной модели объекта Балчуг
Резиденс без и с выполнением сегментации показаны в таблице 3. (экономия
времени обработки при использовании предложенных методик составила 53,9 %).
Таблица 3 – Временные затраты на этапе обработки
Безвыполнения С выполнением сегментации
Название этапа
сегментациипо предлагаемой методике
Создание проекта и регистрация1 чеса 15 мин
Удаление шума и не нужных объектов 10 минНе выполняется
СегментацияНе выполняется6 часов 30 мин
Исправление результатов сегментации Не выполняется2 чеса
Векторизация14 часов30 мин
Создание полигональной модели10 часов3 чеса
Добавление текстуры2 часов 45 минНе выполняется
Итого:28 часов 10 минут13 часов 15 мин
Измерения и вычисления были выполнены и для остальных объектов. Было
заметно, что для облака точек внутренних помещений, не все тени могут быть
обнаружены правильно в случае существования много предметов (схема тени
усложняется), что приводит к необходимости выполнить обнаружение вручную.
На основе полученных моделей были вычислены высоты разных элементов
исследуемых зданий. А для оценки точности полученных высот были измерены эти
же высоты зданий лазерной рулеткой. Полученные погрешности приведены в таб.4.
Таблица 4 – Общие показатели оценки точности
СКП определения границ поСКП определения высот по
Объект
разработанным методикам (мм)разработанным методикам (мм)
Рязанский театр драмы1418
дом в снт Чкаловское1620
Балчуг Резиденс2528
ГУЗ (фасад)3342
ГУЗ (офис)1925
ГУЗ (аудитория 207)1823
Согласно данным Дельфтского технологического университета, информация
о высоте определяется с точностью 16 см для объектов под поверхностью земли и
5 см для объектов над поверхностью земли. А точность определения координат
характерных точек границ 3D-модели объекта соответствует точности для 2D-
модели объекта. Координаты характерных точек контура объекта определяются с
точностью соответствующей точности определения координат характерных точек
границ земельного участка, на котором расположен данный объект.
По данным исследования получено, что предложенные методики обработки
обеспечивают геометрическую точность определения границ объектов (1,4-3,3 см),
а точность определения высот объектов (1.8-4.2 см). Значения СКП удовлетворяют
требованиям к точности системы государственного учета объектов недвижимости
и регистрации прав на объекты, расположенные в черте населенных пунктов (10см
точность определения границ объектов и 5см точность определения высот).
В диссертации тоже были предложены рекомендации по способу расчета
стоимости цикла работ по моделированию с учетом стоимости аналогичных работ
на рынке труда в 2021 году. Примерная итоговая стоимость выполнения работ
приведены в таблице 5.
Таблица 5 – Примерная стоимость работы
ОбъектРазмер м2стоимость (₽)
Фасад ГУЗ4849 (площадь фасада)512500
Офис в ГУЗ26.3 (площадь помещения)102000
Класс 207 в ГУЗ33.4 (площадь помещения)104000
Фасад Балчуг Резиденса13615 (площадь фасада)950700
Фасад дома в снт “Чкаловское”, дом 113а234.8 (площадь фасада)281700
Заключение
Исследование представляет собой законченную научно-квалификационную
работу, в которой на базе научно-методологических (теоретических) и логических
рассуждений, а также практических исследований решена научная задача
разработки методик обработки результатов наземного лазерного сканирования для
моделирования объектов недвижимостив целях 3D-кадастра, имеющая
существенное значение для развития кадастровых систем при переходе от
двухмерной системы кадастра к трёхмерной, включающая методику сегментации
данных наземного лазерного сканирования, применение которой в качестве
первого этапа моделирования позволяет сокращать время камеральных топографо-
геодезических работ и методику корректирования полученных облаков точек от
эффекта теней. Внедрение этих методик внесет значительный вклад в развитие
кадастровой деятельности страны. На основе исследования сделаны основные
выводы и получены результаты, заключающиеся в следующем:
1) В ходе анализа традиционных и современных моделей представления объектов
кадастрового учета в России и зарубежных странах, выявлена необходимость
развития системы кадастра недвижимости и перехода от двухмерной системы
кадастра к трёхмерной и потребность разработки универсальной методики,
предназначеннойдлябыстройавтоматическойобработкитрехмерных
пространственных данных об объектах недвижимости;
2) изученыиизложеныпроблемысуществующихметодовсегментации
результатов сканирования, что позволило определить основные преимущества
и недостатки каждого метода;
3) разработана методика сегментации данных наземного лазерного сканирования,
которая сокращает временные и трудовые ресурсы при выполнении топографо-
геодезических работ, несмотря на характеристики объектов недвижимости и
которая менее чувствительна к изменениям параметров измерения (экономия
времени на основных процессах обработки 50% – 55%);
4) разработана методика для исправления эффекта теней на моделях, позволяющая
эффективно исправлять их влияние, без потери точности топографо-
геодезических работ и установлено, что схемы теней усложняются внутри
помещений и требуется выполнение ручной корректировки;
5) выполнено исследование влияние изменения плотности сканирования на
точность сегментации, что позволяет выбирать тот или иной метод обработки с
соблюдением требований к точности кадастровых работ;
6) выполнено исследование влияния изменения плотности сканирования на
геометрическую точность полученных моделей и установлено, что выбор
методаобработкизависитотсложностиформы,текстурыобъекта
недвижимости, требований к детализации его мелких элементов и значения
плотности сканирования, что в итоге позволит на предпроектной стадии
внедрять новый способ выбора наиболее подходящих параметров измерений
прикадастровыхработах.Предложенныеметодикиобеспечивают
геометрическую точность определения границ объектов (1,4-3,3 см) а точность
определения высот объектов (1.8-4.2 см).
7) доказано, что использование только информации о цвете для сегментации
облаков точек сложных объектов недвижимости недостаточно и в результате
часто требуется постобработка и использование геометрической информации
для соответствия требованиям точности кадастровых работ.
8) Сформулированы рекомендации по способу расчета стоимости цикла работ.
Перспектива дальнейшего развития темы связана с техникой повышения
качества информации о цвете в облаке точек. Это может быть достигнуто путем
усовершенствования методов регистрации изображений и разработки стандартов
сканирования сложных объектов. Такие соображения позволят использовать все
характеристики облаков точек, включая информацию о цвете, которой часто
пренебрегают несмотря на то, что все сканеры имеют возможность получения цвета.
Актуальность темы диссертационной работы подтверждается
необходимостью трехмерного отображения объектов недвижимости в трёхмерном
мире из-за возрастающей сложности кадастрового описания площадей
многоэтажной застройки, подземной и надземной инфраструктуры.
Трёхмерное моделирование наземных объектов – достаточно популярное
направление при решении прикладных задач, что обусловливает практическое
значение темы. Трехмерное отображение поверхности земли и расположенных на
ней объектов недвижимости могло бы значительно расширить возможности
кадастрового учёта (дополнительная информация о высоте, размерах отдельных
частей и объеме объекта недвижимости и др.).
В диссертации разработаны оптимальные способы обработки данных
наземного сканирования объектов недвижимости разного типа. А именно, особые
объекты, которые автор считает, что их представление в трехмерном пространстве
очень важно для правильного внесения в кадастровую систему страны.
Многие зарубежные страны начали переходить от двухмерной системы
кадастра к трёхмерной с помощью трехмерного моделирования объектов
недвижимости. Опираясь на опыт этих стран, можно утверждать, что наиболее
перспективный метод сбора трехмерной информации и реализации 3D-кадастра —
это лазерное сканирование.
Разные специалисты предлагают свои экспертные взгляды на будущее
кадастра и землеустройства. Но еще недостаточное внимание уделяется вопросам
обработки результатов наземного лазерного сканирования для информационного
обеспечения кадастрового и землеустроительного процессов. В представленной
работе были исследованы методы обработки результатов сканирования особенных
объектов недвижимости с целью разработки методики сегментации облака точек,
что позволит получать качественные трехмерные модели объектов недвижимости
и значительно сокращать время камеральных топографо-геодезических работ.
Степень разработанности темы исследования: Темы лазерного
сканирования и трехмерного кадастра уже обсуждались многими исследователями:
С.Н. Волков, А.В. Комиссаров, Д. В. Комиссаров, В.А. Середович, А.Г. Чибуничев,
А.Г. Юнусов, В.М. Курков, А.П. Сизов, Т.В. Папаскири, М.П. Буров, А.Б. Велижев,
С.Г. Герасимова, Г.Ю. Елизарова, А. А. Кочнева, И.К. Сергеевич, И.И. Снежко, Р.В.
Шаповалов. Учтен большой опыт исследователей зарубежных стран: А. Abdelhafiz,
A. Aien, E. Che , F. Doner, L. George, R. Kucak, L. Li, H. Mattsson, H. Onsrud , T.
Rabbani, J. Stoter, T. Valstad, P. Van Oosterom, G. Vosselman, I. Williamson.
Значительный вклад в развитие лазерного сканирования в России внесли
исследователи Регионального центра лазерного сканирования СГУГиТ
(Новосибирск).
Главный недостаток наземного лазерного сканирования в целях 3D-кадастра
это низкая степень автоматизации обработки данных сканирования. Большой
объем данных, приводит к увеличению временных затрат на этапе камеральных
работ. Существующие автоматизированные методы обработки облака точек,
существенно не уменьшают время на этапе обработки и иногда они могут дать
неправильные результаты. Поскольку каждый метод считается оптимальным для
определенной группы объектов недвижимости (простые постройки, сложные
фасады с украшениями и т. д.). Поэтому наше исследование направлено на
разработку новых методик обработки результатов наземного лазерного
сканирования при создании 3D-моделей разных объектов недвижимости для
информационного обеспечения будущего кадастра с трехмерными моделями
объектов особого типа, что позволяет расширить возможности кадастрового учёта.
Целью диссертационной работы является разработка научно обоснованных
методик, позволяющих повысить достоверность результатов обработки данных
наземного лазерного сканирования особенных объектов недвижимости и
значительно сокращать время камеральных топографо-геодезических работ при
переходе от двухмерной системы кадастра к трёхмерной. Разработка рекомендаций
по применению того или иного метода сегментации.
Задачи исследования:
1) изучить и провести анализ выполненных исследований, посвященных 3D-
кадастру в Европе и в России;
2) определить 3D-кадастр и тип объектов недвижимости, необходимых в 3D, и их
уровень детализации;
3) изучить и провести анализ выполненных исследований, посвященных методам
сегментации данных наземного лазерного сканирования;
4) выполнить теоретическое обоснование и экспериментальное исследование
методик сегментации облаков точек особенных объектов недвижимости и
точности их моделей;
5) установить взаимосвязь между плотностью точек и точностью выполнения
сегментации, и геометрической точностью полученных моделей изучаемых
объектов недвижимости;
6) апробировать возможность использования информации о цвета в облаке для
выполнения процесса моделирования в целях 3D-кадастра и выявить
полученные преимущества и недостатки;
7) выполнить технико-экономическое обоснование использования наземного
лазерного сканирования для совершенствования информационного обеспечения
кадастра, при переходе от двухмерной системы кадастра к трёхмерной.
Объектом исследования является объекты недвижимости, на которых
применяется наземное лазерное сканирование в целях 3D-кадастра сложных по
конфигурации и структуре объектов.
Предметом исследования являются методы обработки результатов
наземного лазерного сканирования – сегментация облака точек и исправление
эффекта теней.
Новизна научных результатов проведенных исследований.
1. Для создания 3D-моделей объектов недвижимости для 3D-кадастра на основе
данных наземного лазерного сканирования разработаны:
a. Методика сегментации данных наземного лазерного сканирования по
сравнению с другими аналогичными методами менее чувствительна к
шуму, положению объектов недвижимости, менее чувствительна к
изменениям плотности сканирования и дает удовлетворительные
результаты по точности и затратам времени, что позволит значительно
снизить трудоемкость камеральных работ, несмотря на тип, характер,
форму или материалы объектов недвижимости.
b. Методика для исправления информации о цвете (эффекта теней)
позволяет оперативно обнаружить тени на объектах недвижимости и
эффективно исправить их влияние как на простых, так и на сложных
моделях, что дает возможность получать модели с более высокой
геометрической точностью, соответствующей требованиям кадастровых
работ, в качестве первого этапа перехода от двухмерной системы кадастра
к трёхмерной.
2. В целях 3D-кадастра проведены исследования влияния изменения плотности
сканирования объектов недвижимости на производительность и точность
сегментации и на геометрическую точность полученных моделей, что позволяет
внедрить на предпроектном этапе новый способ выбора наиболее подходящих
параметров сканирования в зависимости от последующего метода обработки и
характеристик объектов недвижимости.
3. В процессе трехмерного моделирования объектов недвижимости в целях 3D-
кадастра впервые выполнена оценка возможности и ограничения по
использованию информации о цвете в облаке точек.
Теоретическая значимость работы заключается в разработке методик
обработки результатов наземного лазерного сканирования для моделирования
объектов недвижимости особенного типа в целях 3D-кадастра, позволяющие
исследовать многоэтажную застройку, объекты подземной и надземной
инфраструктуры в трёхмерном пространстве. Результаты могут быть использованы
и в градостроительной отрасли как важный инструмент принятия решений в
области территориального планирования и позволят повысить актуальность
сведений, устойчивость и оперативность управления территорией, гарантии прав
собственников, владеющих недвижимостью, и обоснованность принятия решений
в области земельно-имущественных отношений.
Практическая значимость заключается в том, что разработанные методики
обработки результатов наземного лазерного сканирования дадут существенно
лучшие результаты и сократят временные затраты и трудовые (человеческие)
ресурсы при выполнении топографо-геодезических работ, несмотря на тип,
характер или текстуру объектов недвижимости. Применение разработанных
методик в кадастре позволит в камеральных условиях получать на 3D-моделях
необходимые трехмерные данные без проведения дополнительных полевых
геодезических работ. Полученные данные можно использовать и в других
областях, например, при построении 3D-моделей объектов культурного наследия с
целью реставрации, для построения 3D-карт для навигации, в процессе обучения,
для туристических целей и т.п.
Методология и методы исследования. В рамках проведения настоящего
исследования применялись различные методы сбора, изучения, анализа и
обработки информации. Теоретические исследования основаны на анализе и
синтезе нормативно-правовой и научно-технической литературы в области
наземного лазерного сканирования и трёхмерного кадастра. В практической части
исследования применились метода анализа иерархий, экспертный метод оценки,
математическое моделирование, системный, статистический и логический анализ.
В основе разработанной методики лежит комбинация метода статического
моделирования и математического анализа.
Основные положения диссертации, выносимые на защиту:
1. универсальная методика сегментации данных наземного лазерного
сканирования с учетом информации о цвете в облаке точек, которая сможет
стать частью программы для создания 3D-кадастра, и позволила бы наиболее
эффективно и оптимально работать с объектами недвижимости;
2. методика исправления информации о цвете в облаках точек от теневого эффекта,
вызванного соседними объектами недвижимости и различными частями самого
изучаемого объекта на основе математических фильтров;
3. результаты оценки влияния изменения параметров сканирования на результаты
сегментации и на геометрическую точность полученных моделей при
использовании геометрических свойств облака точек и информации о цвете в
нем при выполнении топографо-геодезических работ на примере разных
объектов недвижимости;
4. рекомендации по применению различных методов сегментации в зависимости
от характеристики объекта и плотности сканирования в целях 3D
моделирования в качестве первого этапа перехода от двухмерной системы
кадастра к трёхмерной.
Тема диссертации соответствует следующим пунктам паспорта научной
специальности 25.00.26 Землеустройство, кадастр и мониторинг земель
(технические науки): П.5 «Принципы сбора, документирования, накопления,
обработки и хранения сведений о земельных участках. Разработка единой методики
по ведению земельного кадастра». П.7 «Информационное обеспечение
Государственного земельного кадастра». П.3 «Разработка научных основ изъятия и
введения федерального автоматизированного земельного кадастра».
Достоверность результатов диссертационного исследования
подтверждается достаточным количеством повторений эксперимента на 9-и
объектах недвижимости, полученных с помощью различных сканеров при
различных параметрах сканирования с использованием современных средств
обработки информации (специальные комплексы программного обеспечения и
языки программирования). Основные положения диссертационной работы и
результаты исследования обсуждались и докладывались и нашли положительный
отклик на 6-ти научно-практических конференциях, в том числе 4 международных:
− IX научно-практическая конференция студентов, аспирантов, молодых
ученых и специалистов «Научные исследования и разработки молодых
ученных для развития АПК» (ГУЗ, Москва, апрель 2017 г.);
− VI международная конференция по геодезии и архитектуре «К новым
перспективам в развитии земли» (Бейрут, Ливан, июль, 2017 г.);
− Международная научно-практическая конференция «Векторы развития
законодательного обеспечения государственной земельной политики: опыт
XX века и современность» (ГУЗ, Москва, декабрь 2018 г.);
− Научном семинаре кафедры геодезии и геоинформатики Государственного
университета по землеустройству (Москва, апрель 2019 г.);
− XXVI международная конференция студентов, аспирантов и молодых
ученых «Ломоносов-2019», секция «Государственное и муниципальное
управление» на подсекции «Вызовы 4-ой промышленной революции: Россия
и мир» (МГУ, Москва, апрель 2019 г.);
− Международный научно-промышленный форум «Великие реки 2019»)
(ННГАСУ, Нижний Новгород, май 2019г.).
По материалам диссертации опубликовано 8 работ, в рецензируемых
научных изданиях, в том числе 3 в журналах рекомендованных ВАК и одна статья
в журнале Scopus.
В диссертации отсутствует заимствованный материал без ссылок на автора и
источник заимствования. При использовании в диссертации результатов научных
работ, выполненных соискателем лично или в соавторстве, соискатель отметил это
обстоятельство.
Исследование представляет собой законченную научно-квалификационную
работу, в которой на базе научно-методологических и логических рассуждений, а
также практических исследований решена научная задача разработки методик
обработки результатов наземного лазерного сканирования для моделирования
объектов недвижимости в целях 3D-кадастра, имеющая существенное значение
для развития традиционных кадастровых систем при переходе от двухмерной
системы кадастра к трёхмерной, включающая методику сегментации данных
наземного лазерного сканирования, применение которой в качестве первого этапа
моделирования позволяет сокращать время камеральных топографо-геодезических
работ и методику корректирования полученных облаков точек от эффекта теней.
Внедрение этих методик внесет значительный вклад в развитие кадастровой
деятельности страны. На основе исследования сделаны основные выводы и
получены результаты, заключающиеся в следующем:
1) В ходе анализа традиционных и современных моделей представления объектов
кадастрового учета в России и зарубежных странах, выявлена необходимость
развития системы кадастра недвижимости и перехода от двухмерной системы
кадастра к трёхмерной и потребность разработки универсальной методики,
предназначенной для быстрой автоматической обработки трехмерных
пространственных данных об объектах недвижимости;
2) изучены проблемы существующих методов сегментации данных сканирования,
что позволило определить преимущества и недостатки каждого метода;
3) разработана методика сегментации данных наземного лазерного сканирования,
которая сокращает временные и трудовые ресурсы при выполнении топографо-
геодезических работ, несмотря на характеристики объектов недвижимости и
которая менее чувствительна к изменениям параметров измерения (экономия
времени на основных процессах обработки 50% – 55%);
4) разработана методика для исправления эффекта теней на моделях, позволяющая
эффективно исправлять их влияние, без потери точности топографо-
геодезических работ и установлено, что схемы теней усложняются внутри
помещений и требуется выполнение ручной корректировки;
5) в целях 3D-кадастра выполнено исследование влияние изменения параметров
измерения на точность сегментации, что позволяет выбирать тот или иной метод
обработки с соблюдением требований к точности кадастровых работ;
6) в целях 3D-кадастра выполнено исследование влияния изменения плотности
сканирования на геометрическую точность полученных моделей и установлено,
что выбор метода обработки зависит от сложности формы, текстуры объекта
недвижимости, требований к детализации его мелких элементов и значения
плотности сканирования, что в итоге позволит на предпроектной стадии
внедрять новый способ выбора наиболее подходящих параметров измерений
при кадастровых работах. Предложенные методики обработки обеспечивают
геометрическую точность определения границ объектов (1,4-3,3 см), а точность
определения высот объектов (1.8-4.2 см).
7) доказано, что использование только информации о цвете для сегментации
облаков точек сложных объектов недвижимости недостаточно и в результате
часто требуется постобработка и использование геометрической информации
для соответствия требованиям точности кадастровых работ.
8) Сформулированы рекомендации по способу расчета стоимости цикла работ.
9) использование только одной программы обработки результатов наземного
лазерного сканирования из набора, существующих не всегда решает все задачи
трехмерного моделирования объектов. Выбор той или иной программы должен
приниматься с учителем нужного результата и сроков выполнения работ.
Перспектива дальнейшего развития темы связана с техникой повышения
качества информации о цвете в облаке точек. Это может быть достигнуто путем
усовершенствования методов регистрации изображений в облаке и разработки
стандартов сканирования. Такие соображения позволят использовать информацию
о цвете, которой часто пренебрегают несмотря на то, что все современные сканеры
имеют возможность получения цвета.
Публикации автора в научных журналах
Помогаем с подготовкой сопроводительных документов
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!
4.8 (105 отзывов)
4.1 (20 отзывов)
4.9 (66 отзывов)
4.6 (92 отзыва)
5 (18 отзывов)
5 (9 отзывов)
4.9 (522 отзыва)
4.9 (298 отзывов)
4.6 (522 отзыва)
