:: دوره 8، شماره 4 - ( 12-1399 ) ::
جلد 8 شماره 4 صفحات 26-1 برگشت به فهرست نسخه ها
روشی نوین برای جانمایی ابرهای نقاط زمینی محلی در ابرنقاط هوایی سراسری
امین باغانی* ، محمد جواد ولدان زوج ، مهدی مختارزاده
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (2743 مشاهده)
تهیه یک پوشش کامل و متراکم از نواحی شهری، عمدتاً نیازمند اخذ داده­های محلی در چندین ایستگاه زمینی و ادغام آنها با یک داده سراسری اخذشده از منظرهای هوایی می­باشد. مقاله حاضر مسأله زمین­مرجع­سازی و مرتبط­سازی اسکن­های محلی اخذشده بوسیله لیزراسکنر زمینی را در فضای واسطه ابرنقاط هوایی سراسری، بدون استفاده از هرگونه داده­های کمکی و یا عملیات دستی، مدنظر قرار داده است. از این رهگذر، جانمایی اسکن­های زمینی محلی در ابرنقاط هوایی سراسری، به عنوان چالش اصلی در مرتبط­سازی این داده­ها مورد تأکید قرار گرفته است. علاوه بر نامتجانس بودن منظرهای هوایی و زمینی، هریک از ابرنقاط کوچک­مقیاس زمینی به سختی با ابرنقاط بالاسری و بزرگ­مقیاس هوایی قابل­مقایسه هستند. روشی چندمرحله­ای جهت جانمایی خودکار اسکن­های زمینی در ابرنقاط هوایی ارائه شده است. روش پیشنهادی با شناسایی موقعیت­های کاندید استقرار لیزراسکنر در ابرنقاط هوایی آغاز می­شود. در ادامه، با شبیه­سازی عملکرد لیزراسکنر، محدوده رؤیت­پذیر به این موقعیت­ها از ابرنقاط هوایی شناسایی و در قالب ابرنقاط هوایی کاندید استقرار استخراج می­شوند. در نتیجه مسأله جانمایی به مسأله تناظریابی میان چند ابرنقطه زمینی با چند ابرنقطه هوایی تبدیل می­گردد. به منظور افزایش قیاس­پذیری ابرهای­نقاط زمینی و هوایی در پروسه تناظریابی، ساختارهای هندسی شاخص موجود در هر ابرنقطه با استفاده از چهار ویژگی هندسی طراحی­شده استخراج و در قالب نقشه-ویژگی­های معرف هر ابرنقطه سازماندهی می­گردند. نقشه-ویژگی­های تولیدشده برای هر ابرنقطه توسط توصیفگر مستقل از دوران F-HOG توصیف می­شوند و در نهایت مسأله تناظریابی در قالب یک طبقه­بندی k-nn میان کلاس­های تولیدشده برای این توصیفگرها، ساختاردهی می­شود. نهایتاً جانمایی هر اسکن زمینی بر اساس نتایج طبقه­بندی انجام می­پذیرد. نتایج ارزیابی روش پیشنهادی بر روی مجموعه داده مأخوذه از منطقه­ای شهری، دقت­ در حدود 5 متر را برای جانمایی اسکن­های زمینی در سیستم مختصات مربوط به ابرنقطه هوایی نشان داد که جهت ورود به فرآیند مرتبط­سازی ابرهای­نقاط زمینی و هوایی کافی به نظر می­رسد.
واژه‌های کلیدی: ابرنقاط، مرتبط‌سازی، طبقه‌بندی، تناظریابی، لیزراسکنر، فتوگرامتری پهپاد
متن کامل [PDF 1907 kb]   (954 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: 1397/1/30 | پذیرش: 1397/4/25 | انتشار: 1400/1/31
فهرست منابع
1. [1] P. Musialski, P. Wonka, D.G. Aliaga, M. Wimmer, L. van Gool, and W. Purgathofer, "A Survey of Urban Reconstruction", Computer Graphics Forum, 32, 146-177, 2013. [DOI:10.1111/cgf.12077]
2. [2] B. Yang, Y. Zang, Z. Dong, and R. Huang, "An automated method to register airborne and terrestrial laser scanning point clouds", ISPRS Journal of Photogrammetry and Remote Sensing, 109, 62-76, 2015. [DOI:10.1016/j.isprsjprs.2015.08.006]
3. [3] J. Lee, K. Yu, and A.F. Habib, "Adjustment of discrepancies between LIDAR data strips using linear features", IEEE Geoscience and Remote Sensing Letters, 4, 475-479, 2007. [DOI:10.1109/LGRS.2007.898079]
4. [4] M. Favalli, A. Fornaciai, and M.T. Pareschi, "LIDAR strip adjustment: application to volcanic areas", Geomorphology, 2009. [DOI:10.1016/j.geomorph.2009.04.010]
5. [5] J.Y. Han, N.H. Perng, and H.J. Chen, "LiDAR point cloud registration by image detection technique", IEEE Geoscience and Remote Sensing Letters, 10, 746-750, 2013. [DOI:10.1109/LGRS.2012.2221075]
6. [6] J. Skaloud, and D. Lichti, "Rigorous approach to bore-sight self-calibration in airborne laser scanning", ISPRS Journal of Photogrammetry and Remote Sensing, 61 (1), 47-59, 2006. [DOI:10.1016/j.isprsjprs.2006.07.003]
7. [7] C. Brenner, C. Dold, and N. Ripperda, "Coarse orientation of terrestrial laser scans in urban environments", ISPRS journal of photogrammetry and remote sensing, 63 (1), 4-18, 2008. [DOI:10.1016/j.isprsjprs.2007.05.002]
8. [8] Z. Kang, J. Li, L. Zhang, Q. Zhao, and S. Zlatanova, "Automatic Registration of Terrestrial Laser Scanning Point Clouds using Panoramic Reflectance Images", Sensors, 9, 2621-2646, 2009. [DOI:10.3390/s90402621]
9. [9] P. Theiler, and K. Schindler, "Automatic registration of terrestrial laser scanner point clouds using natural planar surfaces", ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, 39(3), 86-91, 2012. [DOI:10.5194/isprsannals-I-3-173-2012]
10. [10] B. Yang, and Y. Zang, "Automated registration of dense terrestrial laser-scanning point clouds using curves", ISPRS Journal of Photogrammetry and Remote Sensing, 95, 109-121, 2014. [DOI:10.1016/j.isprsjprs.2014.05.012]
11. [11] P.J. Besl, and N.D. McKay, "A Method for Registration of 3-D Shapes. IEEE Trans. on Pattern Analysis and Machine Intelligence", Los Alamitos, CA, USA: IEEE Computer Society, 14 (2), 239-256, 1992. [DOI:10.1109/34.121791]
12. [12] Y. Chen, and G. Medioni, "Object modelling by registration of multiple range images", Image and Vision Computing, 10 (3), 145-155, 1992. [DOI:10.1016/0262-8856(92)90066-C]
13. [13] L. Cheng, L. Tong, M. Li, and Y. Liu, "Semi-Automatic Registration of Airborne and Terrestrial Laser Scanning Data Using Building Corner Matching with Boundaries as Reliability Check", Remote Sensing, 5, 6260-6283, 2013. [DOI:10.3390/rs5126260]
14. [14] L. Cheng, L. Tong, Y. Wu, Y. Chen, and M. Li, "Shiftable Leading Point Method for High Accuracy Registration of Airborne and Terrestrial LiDAR Data", Remote Sensing, 7, 1915-1936, 2015. [DOI:10.3390/rs70201915]
15. [15] M. Kedzierski, and A. Fryskowska, "Terrestrial and Aerial Laser Scanning Data Integration Using Wavelet Analysis for the Purpose of 3D Building Modeling", Sensors, 14, 12070-12092, 2014. [DOI:10.3390/s140712070]
16. [16] A. Baghani, M.J. Valadan Zoej, and M. Mokhtarzade, " Automatic hierarchical registration of aerial and terrestrial image-based point clouds", European Journal of Remote Sensing, 51(1),436-456, 2018, DOI: 10.1080/22797254.2018.1444946 [DOI:10.1080/22797254.2018.1444946]
17. [17] H. Wu, M. Scaioni, H. Li, N. Li, M. Lu, and C. Liu, "Feature-constrained registration of building point clouds acquired by terrestrial and airborne laser scanners", Journal of Applied Remote Sensing, 8(1):083587(1)- 083587(22), 2014. [DOI:10.1117/1.JRS.8.083587]
18. [18] W. Von Hansen, H. Gross, and U. Thoennessen, "Line-based registration of terrestrial and airborne LiDAR data", International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences", 37, 161-166, 2008.
19. [19] L. Cheng, Y. Wu, L. Tong, Y. Chen, and M. Li, "Hierarchical Registration Method for Airborne and Vehicle LiDAR Point Cloud", Remote Sensing, 7, 13921-13944, 2015. [DOI:10.3390/rs71013921]
20. [20] T-A. Teo, and S-H, Huang, "Surface-Based Registration of Airborne and Terrestrial Mobile LiDAR Point Clouds", Remote Sensing, 6, 12686-12707, 2014. [DOI:10.3390/rs61212686]
21. [21] D. Novak, and K. Schindler, "Approximate registration of point clouds with large scale differences", ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Science, 5, 211-216, 2013. [DOI:10.5194/isprsannals-II-5-W2-211-2013]
22. [22] W. Zhang, J. Qi, P. Wan, H. Wang, D. Xie, X. Wang and G. Yan, "An Easy-to-Use Airborne LiDAR Data Filtering Method Based on Cloth Simulation", Remote Sensing, 8(6):501, 2016. [DOI:10.3390/rs8060501]
23. [23] N. Chehata, L. Guo, and C Mallet, "Airborne LiDAR feature selection for urban classification using random forests", International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 39 (Part 3/W8), 207-212, 2009.
24. [24] C. Mallet, F. Bretar, M. Roux, U. Soergel, and C. Heipke, "Relevance assessment of full-waveform lidar data for urban area classification", ISPRS Journal of Photogrammetry and Remote Sensing, 66(6), 71-84, 2011. [DOI:10.1016/j.isprsjprs.2011.09.008]
25. [25] C.E. Shannon, "Mathematical Theory of Communication", Bell System technical Journal, 27, 379-423, 1948. [DOI:10.1002/j.1538-7305.1948.tb01338.x]
26. [26] B. Rodríguez-Cuenca, S. García-Cortés, C. Ordóñez, and M.C. Alonso, "Automatic Detection and Classification of Pole-Like Objects in Urban Point Cloud Data Using an Anomaly Detection Algorithm", Remote Sensing, 7(10):12680-12703, 2015. [DOI:10.3390/rs71012680]
27. [27] P. Polewski, A. Erickson, W. Yao, N. Coops, P. Krzystek, and U. Stilla, " OBJECT-BASED COREGISTRATION OF TERRESTRIAL PHOTOGRAMMETRIC AND ALS POINT CLOUDS IN FORESTED AREAS", ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, III-3, 347-354, 2016. [DOI:10.5194/isprsannals-III-3-347-2016]
28. [28] N. Dalal, B. Triggs, "Histograms of Oriented Gradients for Human Detection", IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1(12), 886-893, 2005.
29. [29] K. Liu, H. Skibbe, T. Schmidt, T. Blein, K. Palme, T. Brox, and O. Ronneberger, "Rotation-Invariant HOG descriptors using Fourier analysis in polar and spherical coordinates," International Journal of Computer Vision, 106(3), 342-364, 2014. [DOI:10.1007/s11263-013-0634-z]
30. [30] S. Ang, S. Xiaoliang, Z. Yueqiang, and Y. Qifeng, "Efficient rotation-invariant histogram of oriented gradient descriptors for car detection in satellite images", IET Computer Vision, 10(7), 634 - 640, 2016. [DOI:10.1049/iet-cvi.2015.0333]
31. [31] N.S. Altman, "An introduction to kernel and nearest-neighbor nonparametric regression". The American Statistician, 46 (3), 175-185, 1992. [DOI:10.1080/00031305.1992.10475879]
32. [32] Agisoft PhotoScan. (2017). Retrieved June 27, 2017 from http://www.agisoft.com/
33. [33] G.W. Zhack, and S.A. Latt, "Automatic measurement of sister chromatid exchange frequency", 25(7), 741-753, 1977. [DOI:10.1177/25.7.70454]



XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 8، شماره 4 - ( 12-1399 ) برگشت به فهرست نسخه ها