Journal of Geospatial Information Technology

fa مدلسازی پل ها با استفاده از قطعه بندی ابر نقاط حاصل از پهپاد فتوگرامتری Bridge Modeling using Segmentation of Point Cloud Captured from Photogrammetric UAV فتوگرامتری Aerial Photogrammetry پژوهشي Research در سالهای اخیر، تلاشهای بسیاری جهت دستیابی به مدلهای سه بعدی عوارض شهری در حوزه فتوگرامتری و سنجش از دور صورت پذیرفته است که در این میان، عنصر پل به عنوان یکی از مهمترین سازههای شهری، علیرغم اهمیت فراوان در زمینه حمل و نقل، به دلیل پیچیدگی هندسی و ساختاری از این امر مستثنی بوده است. با توجه به پیشرفت فناوری پهپاد در اخذ دادههای مکانی، در این مطالعه، از ابر نقاط حاصل از تصاویر پهپاد برای مدلسازی سه بعدی چهار قطعه اصلی سازه پل شامل نرده، بدنه، پایه و کولهها استفاده میشود. بدین منظور، با بکارگیری دانش موجود در شکل و ساختار پلها و روابط هندسی بین المانهای تشکیلدهنده آنها، الگوریتمی دانشمبنا ارائه میشود که میتواند مدل سه بعدی انواع پل را با فرمت مناسب برای پایگاه دادههای مکانی فراهم نماید. ابتدا، به منظور قطعهبندی ابرنقطه پل، از روش خوشهبندی فازی (fuzzy c-means) به همراه مقادیر ارتفاعی، طیفی و ویژگیهای مستخرج از ابرنقاط نظیر چگالی سه بعدی، مقادیر بردار نرمال و قید همصفحهای (planarity) استفاده می شود. سپس از روش مدلسازی نگاشت مبنا که متناسب با ویژگیهای هندسی و ساختاری هر قطعه از پل است، برای بازسازی مدل سه بعدی آن قطعه استفاده میگردد. روند مدلسازی شامل نگاشت ابرنقاط به فضای دو بعدی، برازش مدلهای هندسی پایه به نقاط و تعیین موقعیت نقاط مبنا در فضای دوبعدی و سپس گسترش آنها به فضای سه بعدی میباشد. جهت ارزیابی روش پیشنهادی، ابعاد المانهای سازهای موجود در پلانهای طراحی پل با ابعاد المانها در مدل سه بعدی مقایسه میشوند. علیرغم وجود چالشهای بسیار در مدلسازی، نتایج حاصله در این تحقیق، حاکی از دقت و توانایی بالای الگوریتم پیشنهادی در مدلسازی سه بعدی پلها با هندسه و طراحیهای مختلف میباشد، به طوری که برای دادههای مطالعاتی، متوسط خطای میانگین و انحراف معیار برابر 03/0 و  01/0 متر است. In recent years, great efforts have been made to generate 3D models of urban structures in photogrammetry and remote sensing. 3D reconstruction of the bridge, as one of the most important urban structures in transportation systems, has been neglected because of its geometric and structural complexity. Due to the UAV technology development in spatial data acquisition, in this study, the point clouds generated from UAV-based images are used for 3D modeling of the four main elements of a bridge structure, including the railing, body, base and abutment elements. For this, a knowledge-based algorithm is proposed to provide 3D models of different types of bridge structures in GIS-based data format using the knowledge in the shape, structure and geometric relationships between the bridge’s elements. First, the fuzzy c-means clustering method including height and spectral values as well as point-based features such as the 3D density, normal vectors and planarity is used to segment the point cloud. Next, a projection-based reconstruction technique, which is developed based on the geometric and structural features of each bridge element, is proposed to generate a 3D model for that element. The proposed reconstruction workflow includes the projection of point clouds to a 2D space, fitting the primitive geometric models to 2D points, locating the primitive coordinates of the models in the 2D space, and then developing 2D models into 3D space. To evaluate the proposed method, the dimensions of the structural elements in the bridge design plans are compared with the dimensions of the elements in the generated 3D model. Despite the many challenges in modeling steps, the results of this study indicate a high accuracy and ability for the proposed algorithm in 3D modeling of bridges with different geometry and designs, with a mean error and a standard deviation of about 3 cm and 1cm, respectively. فتوگرامتری, مدلسازی سه بعدی, پل, الگوریتم نگاشت مبنا, ابرنقاط پهپاد Photogrammetry, 3D Modelling, Bridge, Projection-based Algorithm, UAV Point Cloud. 103 127 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-864-1&slc_lang=fa&sid=1 Mansour Mehranfar منصور مهران فر mansour.mehranfar@ut.ac.ir 10031947532846008264 10031947532846008264 No University of Tehran دانشگاه تهران Hossein Arefi حسین عارفی hossein.arefi@ut.ac.ir 10031947532846008265 10031947532846008265 Yes University of Tehran دانشگاه تهران Fatemeh Alidoost فاطمه علی دوست fatemeh.alidoost@hft-stuttgart.de 10031947532846008266 10031947532846008266 No University of Applied Science (HFT), Stuttgart دانشگاه علوم کاربردی اشتوتگارت