Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.Nghiên cứu tối ưu hóa thuật toán tự động phân loại dữ liệu đám mây điểm hỗ trợ xây dựng mô hình 3D thành phố thông minh.1 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỎ ĐỊA CHẤT LÊ ĐÌNH HIỂN NGHIÊN CỨU TỐI ƯU HÓA THUẬT TOÁN TỰ ĐỘNG PHÂN LOẠI DỮ LIỆU ĐÁM MÂY ĐIỂM HỖ TRỢ XÂY DỰNG MÔ HÌNH 3D THÀNH PHỐ THÔNG MINH Ngành Kỹ thuật.
1 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT LÊ ĐÌNH HIỂN NGHIÊN CỨU TỐI ƯU HĨA THUẬT TỐN TỰ ĐỘNG PHÂN LOẠI DỮ LIỆU ĐÁM MÂY ĐIỂM HỖ TRỢ XÂY DỰNG MƠ HÌNH 3D THÀNH PHỐ THÔNG MINH Ngành: Kỹ thuật Trắc địa - Bản đồ Mã số: 9520503 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT HÀ NỘI – 2023 Cơng trình hồn thành tại: Bộ mơn Bản đồ, Khoa Trắc địa Bản đồ Quản lý đất đai, Trường Đại học Mỏ - Địa chất Người hướng dẫn khoa học: PGS TS Bùi Ngọc Quý - Trường Đại học Mỏ - Địa chất Phản biện 1: PGS.TS Trần Vân Anh Trường Đại học Mỏ - Địa chất Phản biện 2: PGS.TS Bùi Quang Thành Đại học Quốc gia Hà Nội Phản Biện 3: PGS.TS Phạm Minh Hải Viện Khoa học Đo đạc Bản đồ Luận án bảo vệ trước Hội đồng đánh giá luận án cấp Trường họp Trường đại học Mỏ - Địa chất vào hồi ngày tháng năm 2023 Có thể tìm hiểu luận án tại: Thư viện Quốc gia, Hà Nội Thư viện Trường Đại học Mỏ - Địa chất MỞ ĐẦU Tính cấp thiết đề tài Cơng nghệ đo đạc thu thập liệu từ thiết bị đo đạc truyền thống đo đạc đơn lẻ điểm, xuất thiết bị thu thập thơng tin khơng gian cách tồn diện nhanh chóng máy quét laser mặt đất, máy quét laser di động (mobile mapping), thiết bị quét LiDAR máy bay hay UAV Định dạng liệu chung cho thiết bị liệu dạng đám mây điểm 3D mang thơng tin xác tọa độ địa lý nhiều thông tin khác màu sắc, cường độ phản xạ, xung phản hồi, Với xuất liệu đám mây điểm 3D, giới thực thể cách đầy đủ trực quan với tỷ lệ Ngoài ra, khối lượng liệu đám mây điểm 3D thu thập ngày nhiều, tạo điều kiện thuận lợi cung cấp nguồn thông tin đa dạng, đầy đủ cho phân loại xây dựng đối tượng nội dung mơ hình 3D thành phố thơng minh với mức độ chi tiết khác (Level of Detail: từ LoD0 đến LoD4) gắn thêm thông tin thuộc tính để phục vụ ứng dụng quy hoạch, quản lý môi trường đô thị, không gian, cảnh quan, Do việc phân loại đám mây điểm cung cấp nguồn thông tin đầu vào cho xây dựng mô hình 3D thành phố thơng minh Tuy nhiên, với khối lượng liệu lớn, việc phân loại liệu đám mây điểm hầu hết dựa công cụ phần mềm thương mại kèm hãng sản xuất thiết bị thu thập liệu mà chưa có nhiều cơng trình vào nghiên cứu xây dựng thuật toán phân loại tự động liệu đám mây điểm Hơn nữa, việc sử dụng phần mềm thương mại địi hỏi phí mua quyền lớn, tham số thuật tốn tính tốn mã hóa làm cho người dùng khơng thể can thiệp để cải thiện độ xác sản phẩm, đồng thời công đoạn phân loại đám mây điểm thủ cơng tiêu tốn lượng thời gian chi phí nhân cơng lớn Chính việc xây dựng quy trình cơng nghệ tự động phân loại đám mây điểm phục vụ thành lập mơ hình 3D thành phố thông minh sở nghiên cứu tối ưu hóa thuật tốn chương trình tự động phân loại đối tượng khác liệu đám mây điểm giúp làm chủ thuật tốn cơng nghệ xử lý, tiết kiệm chi phí nhân cơng, máy móc, tối ưu hóa tốc độ giá thành sản xuất, đồng thời quy trình xây dựng mơ hình 3D thành phố thơng minh từ liệu đám mây điểm góp phần quan trọng vào tiến trình xây dựng phát triển thành phố thơng minh Do đó, nghiên cứu sinh lựa chọn đề tài “Nghiên cứu tối ưu hoá thuật toán tự động phân loại liệu đám mây điểm hỗ trợ xây dựng mơ hình 3D thành phố thơng minh” để giúp nâng cao hiệu sản xuất liệu địa khơng gian có Việt Nam góp phần vào công xây dựng thành phố thông minh tương lai đất nước Mục tiêu nghiên cứu - Xác lập sở khoa học tối ưu hóa thuật tốn tự động phân loại liệu đám mây điểm từ xây dựng chương trình máy tính tự động phân loại liệu đám mây điểm LiDAR phân lớp khác nhau; - Xây dựng quy trình thành lập mơ hình 3D thành phố thông minh từ liệu đám mây điểm LiDAR Đối tượng nghiên cứu Đối tượng nghiên cứu đề tài liệu đám mây điểm LiDAR thu nhận cơng nghệ bay qt LiDAR tích hợp chụp ảnh hàng khơng, cơng nghệ bay qt LiDAR tích hợp chụp ảnh hàng khơng thuật tốn tự động phân loại liệu đám mây điểm Phạm vi nghiên cứu - Dữ liệu đám mây điểm LiDAR thu nhận cơng nghệ bay qt LiDAR tích hợp chụp ảnh hàng khơng; - Khu vực Hịn Gai, Hạ Long, Quảng Ninh Nội dung nghiên cứu Nghiên cứu sở lý thuyết, nguyên lý vận hành công nghệ tích hợp LiDAR chụp ảnh hàng khơng đặc điểm liệu đám mây điểm LiDAR Nghiên cứu tổng quan khái niệm thành phố thông minh, yếu tố thành phố thông minh xác định vai trị mơ hình 3D thành phố thơng minh xây dựng ứng dụng phục vụ thành phố thơng minh Nghiên cứu thuật tốn tự động phân loại liệu đám mây điểm làm sở để xây dựng, tối ưu hóa tích hợp thuật toán giúp phân loại liệu đám mây điểm LiDAR phân lớp đối tượng khác Thực nghiệm xây dựng mơ hình 3D thành phố thơng minh khu vực Hòn Gai, Hạ Long, Quảng Ninh đánh giá độ xác thuật tốn phân loại quy trình xây dựng mơ hình 3D thành phố thơng minh đề xuất Phương pháp nghiên cứu Phương pháp phân tích tổng hợp; Phương pháp tin học; Phương pháp điều tra, khảo sát thực nghiệm; Phương pháp đồ GIS; Phương pháp phân loại đám mây điểm Ý nghĩa khoa học thực tiễn đề tài Ý nghĩa khoa học: - Luận án nghiên cứu tổng hợp sở khoa học khái niệm thành phố thơng minh cách có hệ thống Từ vạch vai trị mơ hình 3D thành phố thông minh việc phục vụ phát triển ứng dụng thành phố thông minh, tạo tiền đề cho việc xây dựng giải pháp thành phố thông minh liệu không gian địa lý - Luận án sở nghiên cứu tổng hợp thuật toán tự động phân loại liệu đám mây điểm có, đề xuất thuật tốn cải tiến tích hợp mới, có tính tự động độ xác cao hơn, giúp phân loại liệu đám mây điểm nhiều phân lớp khác đồng thời đề xuất quy trình tự động xây dựng mơ hình 3D thành phố thơng minh từ liệu bay chụp quét LiDAR hàng không Điều giúp gia tăng hiệu sản xuất, tiết kiệm nhân công, chi phí thời gian Đồng thời, tiền đề để phát triển thêm thuật toán tự động ứng dụng sau Ý nghĩa thực tiễn: - Luận án xây dựng thuật toán phân loại điểm mặt đất cải tiến giúp tăng cường độ xác cho q trình tự động tìm kiếm điểm đo mặt đất Điều giúp giảm thiểu chi phí tăng hiệu sản xuất quy trình xây dựng mơ hình số địa hình làm đồ có - Luận án tối ưu hóa thuật tốn giúp tự động phân loại liệu đám mây điểm LiDAR, từ đó, liệu với khối lượng lớn thu thập sau tự động phân loại lớp đối tượng khác nhau, từ phát triển nhiều ứng dụng khác thực tiễn - Luận án xây dựng quy trình xây dựng mơ hình 3D thành phố thơng minh từ liệu ảnh đám mây điểm LiDAR hàng khơng có tính tự động cao, xác, giúp tạo liệu mơ hình 3D thành phố cách nhanh chóng để phục vụ phát triển ứng dụng, dịch vụ giải pháp thành phố thông minh đồng thời thúc ứng dụng công nghệ ngành đo đạc đồ, góp phần đưa công nghệ phục vụ cho sản xuất thực tiễn với mục tiêu đại hóa giảm giá thành Luận điểm bảo vệ Luận điểm 1: Thuật toán tự động phân loại điểm mặt đất cải tiến quy trình tối ưu thuật tốn kết hợp với ngưỡng phân loại đề xuất giúp tự động phân loại liệu đám mây điểm thành phân lớp với độ xác cao, phục vụ xây dựng mơ hình 3D thành phố thơng minh độ chi tiết LoD2 Luận điểm 2: Quy trình thu nhận, xử lý, phân loại liệu đám mây điểm LiDAR xây dựng mơ hình 3D thành phố thơng minh có tính tự động cao từ phục vụ phát triển các ứng dụng thành phố thông minh Những điểm đề tài - Đã nghiên cứu tối ưu hóa thuật tốn tự động phân loại điểm mặt đất có độ xác cao thuật tốn có đồng thời xây dựng thuật tốn kết hợp với ngưỡng phân loại liệu đám mây điểm phân lớp với độ xác tự động cao giúp xây dựng mơ hình 3D thành phố thông minh độ chi tiết LoD2 - Đã xây dựng quy trình dựng mơ hình 3D thành phố thơng minh mức độ chi tiết LoD2 với tính tự động cao 10 Cấu trúc luận án Luận án trình bày 135 trang khơng bao gồm phụ lục với 10 bảng biểu, 59 hình vẽ CHƯƠNG 1: TỔNG QUAN CÁC VẤN ĐỀ NGHIÊN CỨU 1.1 Tổng quan thành phố thông minh 1.1.1 Trên giới Theo định nghĩa D Toppeta năm 2010 [12] thành phố thông minh là: “Một thành phố kết hợp công nghệ thông tin công nghệ Web 2.0 với tổ chức khác, nỗ lực thiết kế quy hoạch để giảm khối lượng tài liệu giúp tăng tốc thủ tục hành giúp tạo giải pháp mới, sáng tạo để quản lý phức hợp thành phố để tăng cường tính bền vững khả sống” Đã có nhiều học viện nghiên cứu phịng thí nghiệm tập trung vào nghiên cứu phát triển ứng dụng thành phố thông minh MIT Senseable Lab [13], Future Cities Laboratory [14], SINTEF Smart Cities [15], SMART [16], v v Theo ước tính Liên Hiệp Quốc, đến năm 2050, 68% dân số giới sống thành phố, ứng dụng thành phố thông minh trở nên thiết thực hết 1.1.2 Ở Việt Nam Phát triển kinh tế động lực để Việt Nam phát triển hạ tầng, có hạ tầng thị thơng minh Ngay Hà Nội có đồ án quy hoạch thị thông minh dọc trục đường Võ Nguyên Giáp từ cầu Nhật Tân đến Sân bay Nội Bài Đây dự án bất động sản siêu lớn quy hoạch đồng từ đầu Dự án trọng điểm để phát triển đô thị thông minh Hà Nội từ đến năm 2030 Đây tín hiệu tốt cho việc xu phát triển đô thị thông minh Smart City Việt Nam tương lai gần Bên cạnh hội ln có thách thức Nền tảng phát triển thành phố thông minh Smart City cơng nghệ Hiện Việt Nam chưa có mơ hình thị thơng minh đầy đủ Một số thành phố dừng lại việc thí điểm, thử nghiệm quy mơ hẹp Quản lý vận hành thách thức lớn vận hành đô thị thông minh thực tế Kinh nghiệm gồm phần kinh nghiệm quản lý đô thị kinh nghiệm quản lý hệ thống cơng nghiệp gắn với thị [3] 1.1.3 Các thành phần thành phố thơng minh 1.1.4 Vai trị liệu khơng gian thành phố thơng minh 1.1.5 Vai trị mơ hình 3D thành phố thơng minh Qua tổng quan thấy khái niệm thành phố thông minh bao hàm hệ thống phức tạp bao gồm nhiều bên liên quan, nhiều ứng dụng, cảm biến thiết bị IoT; sở liệu khơng gian đóng vai trị quan trọng việc thiết lập tương tác hệ thống, công nghệ quản lý, tảng chung để tích hợp khai thác liệu Do đó, để phát triển ứng dụng thành phố thông minh, cần thiết phải xây dựng hạ tầng sở liệu không gian với nển tảng mơ hình 3D thành phố thơng minh, cho phép tích hợp cảm biến, thiết bị IoT, cơng cụ giả lập Do đó, luận án nghiên cứu xây dựng mơ hình 3D thành phố làm khung sở liệu không gian 3D để làm tảng chung để tích hợp liệu thành phố thông minh khác cảm biến, thiết bị giúp xây dựng phát triển ứng dụng, dịch vụ giải pháp thành phố thông minh 1.1.6 Mơ hình 3D thành phố thơng minh Khái niệm mơ hình 3D thành phố thơng minh luận án khung sở liệu địa lý để làm tảng chung giúp tích hợp liệu nguồn cảm biến khác để phục vụ phát triển ứng dụng, dịch vụ giải pháp thành phố thơng minh 1.1.7 Mức độ chi tiết mơ hình 3D thành phố thông minh Khái niệm LoD sử dụng để thể chi tiết đối tượng 3D Dựa cấp độ LoD để phản ánh quy mơ khung nhìn 3D, vấn đề mơ quy hoạch đô thị phải tuân theo tiêu chuẩn đồ án quy hoạch thị, Có cấp độ LoD1, LoD2, LoD3 sử dụng mô không gian đô thị phù hợp nhất, đảm bảo cho chức phục vụ hiệu cho tốn phân tích khơng gian ảo [4] Do đặc điểm liệu hệ thống tích hợp bay chụp ảnh quét LiDAR nghiên cứu luận án mục đích sử dụng phạm vi lớn cấp độ toàn thành phố, nên luận án đề xuất quy trình xây dựng mơ hình 3D thành phố thông minh cấp độ chi tiết LoD2 1.2 Tổng quan phương pháp thuật toán phân loại liệu đám mây điểm 1.2.1 Tổng quan phương pháp phân loại liệu đám mây điểm 1.2.2 Tổng quan thuật toán phân loại liệu đám mây điểm 1.2.3 Tình hình nghiên cứu thuật tốn phân loại đám mây điểm Việt Nam Công nghệ LiDAR lần triển khai Việt Nam từ năm 2006 Trong khoảng thời gian đó, đơn vị nước có nhiều đề tài nghiên cứu phục vụ sản xuất liên quan đến công đoạn phân loại liệu đám mây điểm LiDAR [6][7][8][9] Tuy nhiên, nghiên cứu dừng lại việc sử dụng phần mềm thương mại bán kèm thiết bị để phân loại đám mây điểm LiDAR Kết phân loại phải kiểm tra sử dụng ảnh orthophoto để tiến hành loại bỏ điểm phân loại khơng xác Mới đây, dần bắt đầu có nghiên cứu chuyên sâu phương pháp phân loại đám mây điểm LiDAR luận án Tiến sĩ Nguyễn Thị Hữu Phương năm 2022 [6] cải tiến thuật toán EM MCC để tăng hiệu tự động phân loại điểm mặt đất từ liệu đám mây điểm LiDAR Trước luận văn thạc sĩ Nguyễn Thị Thanh Huyền năm 2019 [7] nghiên cứu phương pháp phân loại đám mây điểm thuật toán K-Means MCC Cũng năm 2022 luận văn Tiến sĩ Ngô Sỹ Cường [8] nghiên cứu sử dụng 12 Hình 2.11 Thuật tốn lọc điểm mặt đất tăng cường 2.2.2.4 Thực thuật toán lọc mặt đất PTD cải tiến 2.2.2.5 Điểm thuật toán lọc mặt đất PTD cải tiến Thuật toán lọc mặt đất PTD cải tiến đề xuất luận án có ưu điểm so với thuật tốn PTD Axelsson sau: Cho phép tìm kiếm phân bố điểm mặt đất cách dày đặc phù hợp với phát triển công nghệ quét LiDAR mật độ điểm ngày dày đặc độ chi tiết liệu ngày lớn Ngồi hạn chế điểm khởi tính cải thiện công đoạn lọc bỏ điểm nhiễu tiến hành phía trước 2.2.3 Phân loại lớp đường nhựa ngưỡng cường độ phản xạ 13 2.2.4 Phương pháp phân loại thực vật ngưỡng độ cao số NDVI 2.2.5 Thuật toán phân loại nhà Trong nghiên cứu luận án, phương pháp phân cụm mở rộng theo mặt phẳng sử dụng kết hợp với thuật toán khác để phân loại lớp điểm nhà Các cơng đoạn thuật tốn mơ tả hình 2.14 Sau q trình này, lớp mái nhà tường nhà tách biệt, nguyên liệu đầu vào quan trọng để tiến hành tự động số hóa, dựng mơ hình 3D khối nhà, phục vụ cho công đoạn Hình 2.14 Thuật tốn lọc mái nhà 2.3 Đề xuất xây dựng quy trình tối ưu hóa tự động phân loại liệu đám mây điểm 14 NCS tích hợp nhiều phương pháp thuật toán với nhau, để tổng hợp thành quy trình giúp tự động phân loại liệu đám mây điểm thành phân lớp khác sau: Hình 2.15 Sơ đồ quy trình tối ưu hóa tự động phân loại đám mây điểm phân lớp khác Toàn trình NCS xây dựng thành chương trình máy tính giúp tự động phân loại liệu đám mây điểm LiDAR gán thông số kênh màu từ ảnh thành phân lớp khác 15 2.4 Đề xuất quy trình xây dựng mơ hình 3D thành phố thơng minh tự động từ liệu LiDar hàng khơng Hình 2.16 Quy trình xây dựng mơ hình 3D thành phố thơng minh từ liệu LiDar hàng khơng CHƯƠNG 3: XÂY DỰNG MƠ HÌNH 3D THÀNH PHỐ THƠNG MINH KHU VỰC HỊN GAI, HẠ LONG 16 3.1 Giới thiệu khu vực nghiên cứu 3.2 Xây dựng chương trình máy tính phân loại liệu đám mây điểm 3.2.1 Mục đích yêu cầu xây dựng chương trình máy tính phân loại liệu đám mây điểm 3.2.2 Thiết kế tổng thể chương trình máy tính phân loại liệu đám mây điểm Hình 3.2 Sơ đồ thiết kế hệ thống chương trình phân loại đám mây điểm 17 3.2.3 Thiết kế chức chương trình máy tính phân loại liệu đám mây điểm Phần mềm HUMG - Point Cloud Classifier bao gồm chức chính; Bộ chức quản lý tệp; Bộ chức hiển thị; Bộ chức số hóa ; Bộ chức điều chỉnh góc nhìn; Bộ chức phân loại liệu đám mây điểm; Bộ cơng cụ bổ trợ; Trợ giúp 3.2.4 Lập trình xây dựng chương trình phân loại liệu đám mây điểm 3.2.5 Đóng gói chạy thử 3.3 Lựa chọn phần mềm xử lý liệu 3.4 Thực nghiệm thành lập mơ hình 3D thành phố từ liệu LiDAR hàng khơng Quy trình xây dựng mơ hình 3D thành phố từ liệu bay chụp ảnh quét LiDar hàng khơng gồm cơng đoạn trình bày theo quy trình cơng nghệ hình 2.16 chương 3.4.1 Công tác chuẩn bị liệu để xây dựng mơ hình 3D Dữ liệu sử dụng luận án thu thập hệ thống bay chụp ảnh & quét LiDAR Leica CityMapper, bao gồm công tác chuẩn bị sau: 3.4.1.1.Thiết kế nhiệm vụ bay, trạm base, điểm khống chế 3.4.1.2 Triển khai bay chụp thu nhận liệu 3.4.2 Xử lý liệu ảnh đám mây điểm LiDAR Dữ liệu bay chụp ảnh quét LiDAR hàng khơng sau q trình bay qt thu thập liệu với liệu đo từ trạm base đem văn phòng để tiến hành bước xử lý liệu 3.4.3 Công đoạn phân loại liệu đám mây điểm Dữ liệu đám mây điểm LiDAR kênh phổ tiến hành 18 phân loại sở thuật toán phân loại đám mây điểm đề xuất cshương thông qua phần mềm HUMG - Point Cloud Classifier Sau đám mây điểm phân loại tự động kiểm tra đánh giá kết phần mềm TerraSolid Quy trình phân loại đám mây điểm thực hình 2.15 chương Phần nội dung diễn giải cụ thể công đoạn 3.4.4 Cơng đoạn xây dựng mơ hình 3D thành phố Sử dụng liệu LiDAR sau phân loại lớp riêng biệt nhờ phần mềm HUMG – Point Cloud Classifier, với liệu ảnh chụp đưa vào phần mềm TerraSolid để tiến hành bước dựng mơ hình 3D thành phố (a) (b) (c) Hình 3.21 (a),(b),(c) - Mơ hình 3D thành phố khu thực nghiệm - Hòn Gai Hạ Long vị trí khác