Tính cҩp thiӃt cӫDÿӅ tài
LiDAR là mӝt công nghӋ viӉQWKiPÿmÿѭӧc phát triӇn và áp dөng rӝng rãi tӯ nhӳQJQăP, ÿѭӧc dùng trong viӋc nghiên cӭu khí quyӇQNKtWѭӧQJÿӏa chҩt bӣi HiӋp hӝLNKtWѭӧng thӫ\YăQ0ӻ 12$$FNJQJQKѭ7ә chӭc khҧRViWÿӏa lý Hoa Kì Vӟi khҧ QăQJWhu nhұn dӳ liӋu vӅ mӝt vùng rӝng lӟn, không bӏ hҥn chӃ vӅ thӡi tiӃt, ÿRÿѭӧFYjREDQÿrPFyNKҧ QăQJÿL[X\rQTXDQѭӟc và mһWÿҩt, dӳ liӋXWKXÿѭӧc tӯ hӋ thӕng LiDAR là vô cùng lӟn và có giá trӏ LiDAR cho mӝt cái nhìn tәng thӇ, NtFKWKѭӟc thӵc tӃ cӫDÿӕi Wѭӧng QKѭQJFKL SKtÿҫXWѭNKiÿҳt tiӅn
LiDAR cung cҩp mӝt khӕLOѭӧng thông tin lӟQQKѭQJKҫu hӃWQJѭӡi dùng không có khҧ QăQJ[ӱ lý hӃt thông tin, nên luôn yêu cҫu có nhӳng thuұWWRiQÿӇ tìm kiӃm mӝt sӕ dӳ liӋu nhҩWÿӏQKWURQJOѭӧng thông tin lӟQÿy
Mӝt kӻ thuұt quan trӑng trong công nghӋ /L'$5ÿѭӧc biӃWÿӃn rӝng rãi là kӻ thuұt quét laser 3D (3D laser scanning) gҳn liӅn vӟi thuұt ngӳ ÿiPPk\ÿLӇm 3D (3D point clouds) Riêng trong ngành ӭng dөQJÿӏa không gian hay trҳFÿӏa, kӻ thuұt quét ODVHU'WKѭӡQJÿѭӧc phát triӇn trên bӕn nӅn tҧQJÿӇ thu thұp sӕ liӋXÿiPPk\ÿLӇm, bao gӗm: x Airborne Laser Scanning (ALS): kӻ thuұt quét laser hàng không x Mobile Laser Scanning (MLS): kӻ thuұWTXpWODVHUGLÿӝng x Terrestrial Laser Scanning (TLS): kӻ thuұt quét laser mһWÿҩt x Handheld Laser Scanning (HLS): kӻ thuұt quét laser cҫm tay
Mӛi nӅn tҧQJÿӅu có vai trò quan trӑng trong viӋc sӱ dөng kӻ thuұt quét laser ÿӇ thu nhұn sӕ liӋXÿiPPk\ÿLӇm và mӛi nӅn tҧng có nhӳng khҧ QăQJKRҥWÿӝng ӣ các khu vӵc khác nhau ± tӯ ALS có khҧ QăQJWKXWKұp sӕ liӋu trên diӋn rӝQJQKѭFiF thành phӕ ÿӃn HLS cҫm tay giúp thu thұp sӕ liӋu chi tiӃt ngay trong tӯQJFăQSKzQJ cӫa tòa nhà Trong nghiên cӭu này, phҥm vi nghiên cӭu sӁ tìm hiӇu và phân tích ӭng dөng cӫa kӻ thuұt quét laser mһWÿҩt ± TLS
Hình 1 1 KͿ thu̵t quét laser m̿Wÿ̭t (TLS) t̩i thFÿ͓a (a) và dͷ li XÿiP
Pk\ÿL͋m thu th̵p (b), ngu͛n [1]
Công nghӋ quét laser mһWÿҩWÿmFyQKӳQJEѭӟc phát triӇQYѭӧt bұc trong khҧ QăQJWKXWKұp hình dҥng 3D cӫDFiFÿӕLWѭӧng trên mһWÿҩt mӝWFiFKÿѫQJLҧn, hiӋu quҧ YjQKDQKFKyQJĈӇ WKXÿѭӧc thông tin 3D cӫDÿӕLWѭӧng mһWÿҩWQKѭWzDQKj cҫXYѭӧWF{QJWUuQKYăQKyDOӏch sӱôF{QJQJKӋ quột laser mһWÿҩt sӱ dөng cỏc thiӃt bӏ TXpWÿһt trên các chân ba cӕ ÿӏnh và di chuyӇQTXDQKÿӕLWѭӧQJÿӇ thu lҥi toàn bӝ dӳ liӋXÿiPPk\ÿLӇm ӣ dҥng tӑDÿӝ ba chiӅu
Qui trình làm viӋc cӫa kӻ thuұt quét TLS gӗm thu thұp dӳ liӋXÿiPPk\ÿLӇm, xӱ OêÿăQJNêJKpSWUҥm máy, và phân tích phân loҥLÿӕLWѭӧQJ7URQJEѭӟc phân tích phân loҥLÿӕLWѭӧng có nhiӅu ӭng dөQJNKiFQKDXW\YjRFiFWtQKQăQJULrQJELӋt cҫn ÿѭӧc trích xuҩt tách biӋt, vì vұ\WKѭӡng buӝc phҧi xӱ lý thӫ công KӃt hӧp vӟi khӕi
Oѭӧng dӳ liӋXÿiPPk\ÿLӇm thu thұSWKѭӡng rҩt lӟn dүQÿӃn tiêu tӕn nhiӅu thӡi gian và tài nguyên trong qui trình làm viӋc cӫa kӻ thuұWTXpW7/61JRjLUDFiFÿiPPk\ ÿLӇm có nhӳng khác biӋt hình hӑc gây nhiӅXNKyNKăQWURQJTXiWUuQK[ӱ lý và phân tích kӃt quҧ Vì vұy, viӋc nghiên cӭu thuұt toán trích xuҩt tӵ ÿӝQJFiFÿһFWUѭQJÿӕi Wѭӧng và loҥi bӓ các trӏ ÿRNK{QJFҫn thiӃt nhҵm giҧm sӵ can thiӋp cӫDQJѭӡi dùng và thӡi gian xӱ lý là nhiӋm vө cҩp thiӃWÿѭӧc nghiên cӭu
Trên thӃ giӟi, khoa hӑc công nghӋ ÿmFyQKӳng thành tӵu phát triӇn, chính vì thӃ, công nghӋ /L'$5ÿѭӧc áp dөng tӯ khá sӟm, có rҩt nhiӅu nghiên cӭXÿѭDUDFiF SKѭѫQJSKiSSKkQWtFKYjWUtFK[Xҩt dӳ liӋu LiDAR, tuy nhiên xӱ lý dӳ liӋXÿiPPk\ ÿLӇm 3D vүn tӗn tҥi nhiӅu vҩQÿӅ cҫn nghiên cӭu
7URQJOƭQKYӵc máy hӑc, các nghiên cӭu trình bày các thuұt toán phân cөm, phân loҥLÿiPPk\ÿLӇm LiDAR truyӅn thӕQJQKѭ.-Means, Maximum Likelihood, phõn loҥi dӵDWUrQÿLӇPôYjPӝt sӕ thuұt toỏn cҧi tiӃn hay dӵa trờn mỏy hӑFQKѭ SVM (Support Vector Machine), EM (Expectation Maximization), MCC (Multiscale Curvature Classification), K-means theo thӭ bұFô [2] [3] Theo Anh Nguyen và Bac
Le [4]FiFSKѭѫQJSKiSSKkQORҥLÿiPPk\ÿLӇm 3D sӁ FyQăPFiFKWLӃp cұn dӵa trên cҥnh, dӵa trên vùng, dӵa trên thuӝc tính, dӵa trên mô hình và dӵDWUrQÿӗ thӏ ÿiP Pk\ÿLӇP&NJQJWKHRQKyPWiFJLҧ Yuxing Xie, Jiaojiao Tian, Xiao Xiang Zhu [5], WURQJOƭQKYӵc viӉn thám, các nghiên cӭu phân loҥLÿӕLWѭӧQJÿѭӧc nhóm trong bӕn kӻ thuұt chính dӵa trên cҥnh (edge based), phát triӇn vùng (region growing), phù hӧp mô hình (model fitting), và phân cөPFOXVWHULQJEDVHG7URQJÿyFyKDLFiFKWUtFK xuҩWÿLӇm là trӵc triӃp và gián tiӃS&iFSKѭѫQJSKiSWUӵc tiӃSÿѭӧFÿӅ xuҩt trong [6] [7] nhұn dҥQJÿLӇm bӅ mһt tòa nhà tӯ ÿiPPk\ÿLӇP'VDXÿyQKyPÿLӇm và phân cөPFiFÿLӇm tòa nhà trong các bӅ mһt, cuӕi cùng phân tích cҥnh và trích xuҩWÿѭӡng biên mһt phҷng Yjÿѭӡng giao giӳa các mһW3KѭѫQJSKiSJLiQWLӃSÿӅ xuҩt trong [8] [9], thӵc hiӋn chuyӇQ ÿiP Pk\ ÿLӇm 3D sang dҥng ҧQK ' VDX ÿy Vӱ dөng các SKѭѫQJSKiS[ӱ lý ҧQKÿӇ phân tích trích xuҩt cҥnh KӃt quҧ cҥQK'ÿѭӧc chuyӇn trӣ lҥi dҥQJÿiPPk\ÿLӇP'YjVDXÿyWUtFK[Xҩt cҥQK'3KѭѫQJSKiSJLiQWLӃp không thӇ trích xuҩt cҥnh 3D hoàn hҧo vì mҩt thông tin trong quá trình chuyӇQÿәi
'VDQJ'YjQJѭӧc lҥLGRÿyOjPJLҧPÿӝ chính xác cӫa viӋc trích xuҩW3KѭѫQJ pháp trӵc tiӃp sӁ trích xuҩWÿLӇm tӯ QJD\ÿiPPk\ÿLӇm
Nên hiӋn nay, các nghiên cӭu tұSWUXQJYjRSKѭѫQJSKiSWUӵc tiӃp, tiӃp cұn dӵa trên mһt phҷng và kiӇPWUDFiFÿһc tính hình hӑFÿLӇP&iFSKѭѫQJSKiSGӵa trên mһt phҷng kiӇm tra giao cҳt giӳa hai hoһc nhiӅu mһt phҷng và trích xuҩWÿLӇPÿһc WUѭQJWҥLÿѭӡQJJLDRSKѭѫQJSKiSSKKӧp vӟLFiFÿӕLWѭӧQJPiLQKjWѭӡng bao, bӅ mһt tòa nhà, [10] 3KѭѫQJSKiSWLӃp cұn dӵa trên hình hӑFÿLӇm trӵc tiӃp có thӇ phát hiӋn cҧ ranh giӟLYjErQWURQJFiFÿLӇPÿһFWUѭQJVҳc nét dӵa trên các tính chҩt hình hӑFNKiFQKDXQKѭJyFSKѭѫQJYӏKѭӟng vector pháp tuyӃQYjFiFWKD\ÿәLÿӝ cong [11] [12]&iFSKѭѫng pháp trích xuҩWÿһFWUѭQJYӅ mһt hình hӑc cӫDÿӕLWѭӧng tӯ ÿiPPk\ÿLӇPÿѭӧc sӱ dөng nhiӅu nhҩWOjѭӟFOѭӧng pháp tuyӃQYjѭӟFOѭӧQJÿӝ FRQJÿk\ÿӅu là nhӳQJÿһFWUѭQJPDQJWtQKFөc bӝ vì nó mô tҧ thông tin vӅ vùng lân cұQÿLӇPÿDQJ[HP[pW7URQJQJKLên cӭu này, tұSWUXQJYjRSKѭѫQJSKiSGӵa trên hình hӑc cӫa mӝWÿLӇm dӵa trên k lân cұn cӫa nó trong dӳ liӋXÿiPPk\ÿLӇPÿҫu vào, tұSWUXQJYjRѭӟFOѭӧng vector pháp tuyӃQFKtQK[iFÿӇ trích xuҩWFiFÿLӇPÿһc WUѭQJ9HFWRUSKiSWX\ӃQÿѭӧFѭӟc tính dӵa trên mӝt bӅ mһt cөc bӝ, có nhiӅXSKѭѫQJ SKiSÿӇ tìm mһt phҷng phù hӧp tұSÿLӇPÿiPPk\QKѭSKѭѫQJSKiSEuQKSKѭѫQJ cӵc tiӇu (Least Squares), phân tích thành phҫn chính (Principal Component Analysis) KD\ ÿӗng thuұn mүu ngүu nhiên RANSAC (RANdom SAmple Consensus) Hai SKѭѫQJSKiSEuQKSKѭѫQJFӵc tiӇu và phân tích thành phҫQFKtQKÿѭӧFÿiQKJLiUҩt nhҥy cҧm vӟi nhiӉu và có thӇ ÿѭDUDFiFѭӟc tính bӅ mһt không nhҩt quán và gây sai lҫm Và theo [13]SKѭѫQJSKiSÿӗng thuұn mүu ngүu nhiên RANSAC (RANdom SAmple Consensus) là mӝt trong nhӳQJSKѭѫQJSKiSPҥnh mӁ ÿѭӧc sӱ dөQJÿӇ phù hӧp mô hình bӅ mһt khi có nhiӉu hoһc giá trӏ ngoҥLODLĈӇ trích xuҩt biên và mô hình lҥLÿӕLWѭӧng tòa nhà, nhiӅXÿӅ xuҩt trong các nghiên cӭu [14] [15] sӱ dөng chӍ sӕ góc mang lҥi hiӋu quҧ trong trích xuҩt nhiӅu loҥi bӅ mһt tòa nhà
7URQJQѭӟc, công nghӋ /L'$5ÿѭӧc ӭng dөng rӝng rãi trong nhiӅXOƭQKYӵc trҳFÿӏa bҧQÿӗ, vұt lý, khҧo cә hӑFô7X\QKLrQYLӋc ỏp dөng chӍ dӯng lҥi ӣ viӋc ӭng dөng công nghӋ LiDAR xây dӵng bҧQÿӗ ÿӏa hình, lұp bҧQÿӗ ngұp úng, dӵ báo tҧLÿLӋQGjLôViӋc nghiờn cӭu ỏp dөng cỏc thuұt toỏn trớch xuҩt dӳ liӋXÿiPPk\ ÿLӇm tӯ công nghӋ LiDAR tҥi ViӋt Nam còn hҥn chӃ, quá trình xӱ lý dӳ liӋu LiDAR ÿѭӧc áp dөng hiӋn nay vүn là bán thӫ công khi sӱ dөng phҫn mӅm bán tӵ ÿӝng và FRQQJѭӡi [16]
NhӳQJQăPJҫQÿk\F{QJQJhӋ quét laser mһWÿҩW7/6ÿm[Xҩt hiӋn rҩt nhiӅu thiӃt bӏ cҧm biӃn hӛ trӧ thu thұp dӳ liӋu LiDAR, mang lҥi khӕLOѭӧng dӳ liӋu rҩt lӟn YjÿDGҥng, tҥo ra nhiӅu khҧ QăQJWKӱ nghiӋm và ӭng dөng khai thác dӳ liӋu, yêu cҫu nhiӅXKѫQÿӕi vӟi các thuұt toán xӱ lý tӵ ÿӝng khҧ thi Chính vì thӃ, viӋc nghiên cӭu và áp dөng các thuұt toán phân loҥi dӳ liӋXÿiPPk\ÿLӇm LiDAR kӃt hӧp giӳa viӉn thám và các kӻ thuұt hӑc sâu hiӋn nay ӣ WURQJQѭӟc là rҩt cҫn thiӃt [4].
Mөc tiêu nghiên cӭu
Mөc tiêu cӫa nghiên cӭu OjSKkQWtFKFiFÿLӇm cҥnh cӫDÿӕLWѭӧng và trích xuҩt ÿLӇm cҥnh tӯ dӳ liӋX ÿiP Pk\ ÿLӇm 3D thu nhұn bӣi thiӃt bӏ quét laser mһW ÿҩt Terrestrial laser scanner ± TLS KӃt quҧ trích xuҩWÿLӇm cҥQKÿӕLWѭӧng là mӝt trong nhӳng nhiӋm vө quan trӑQJWURQJEѭӟc tiӅn xӱ lý cӫa qui trình xӱ lý dӳ liӋXÿiPPk\ ÿLӇm giúp loҥi bӓ dӳ liӋu thӯa, phân loҥLVѫEӝ ÿӕLWѭӧng, dӵng lҥi hình dҥng vұt thӇ
Vì dӳ liӋXÿiPPk\ÿLӇm 3D không có cҩu trúc và rҩt lӟn khiӃn nhiӅu tác vө xӱ lý mҩt nhiӅu tài nguyên và còn thӫ công nên tiêu tӕn khá nhiӅu thӡi gian và công sӭc Nên viӋc nghiên cӭu mӝt thuұt toán cҧi thiӋn tӕFÿӝ cӫa các thuұt toán xӱ lý ngay cҧ nhӳng hiӋu chӍnh nhӓ nhҩWFNJQJUҩt hӳu ích trong nhiӅu ӭng dөng Vӟi FKѭѫQJWUuQK xӱ OêQKDQKKѫQVӁ khuyӃQNKtFKQJѭӡi dùng thӱ nhiӅu bӝ dӳ liӋXÿҫu vào khác nhau YjGRÿyWăQJFѫKӝi chӑn các giá trӏ ÿҫu vào tӕWKѫQYjFyWKӇ dүQÿӃn kӃt quҧ thұm chí còn tӕWKѫQ
ĈӕLWѭӧng và phҥm vi nghiên cӭu
Nghiên cӭu tәng hӧp các khái niӋPFѫEҧQWURQJOƭQKYӵc LiDAR, kӻ thuұt quét laser mһWÿҩWÿiPPk\ÿLӇm, cҩu trúc và tә chӭc dӳ liӋXÿiPPk\ÿLӇm 3D Tìm hiӇu và sӱ dөng SKѭѫng pháp tә chӭc dӳ liӋXÿiPPk\ÿLӇPWKHRSKѭѫQJSKiSvoxel hóa sӱ dөng cҩu trúc quadtree
Nghiên cӭu các khái niӋPÿӃn ӭng dөng FiFSKѭѫQJSKiSWUtFK[XҩWÿLӇm QKѭ tìm kiӃm lân cұn sӱ dөng k-nn, phù hӧp mһt phҷng sӱ dөng thuұt toán RANSAC, tính toán vector pháp tuyӃn mһt phҷng, tính góc lӋch giӳDÿLӇm xét vӟLFiFÿLӇm lân cұn, tҥRSKkQÿRҥn và nӕi cҥnh bҵQJSKѭѫQJSKiSEuQKSKѭѫQJFӵc tiӇu
Nghiên cӭu phөc vө cho các ӭng dөng sӱ dөng xӱ lý trích xuҩWÿLӇm cҥnh tӯ dӳ liӋu thu bӣi các thiӃt bӏ quét laser mһWÿҩt FKRFiFÿӕLWѭӧQJÿһFWUѭQJFӫa bӅ mһt tòa nhà QKѭFӱa chớnh, cӱa sә, khung tũa nhà, WѭӡQJEDQF{QJô
Nӝi dung nghiên cӭu
Nӝi dung cӫa luұQYăQOjJLӟi thiӋu mӝWSKѭѫQg pháp ÿӇ xӱ lý trích xuҩt cҥnh tӵ ÿӝng tӯ dӳ liӋXÿiPPk\ÿLӇm 3D thu nhұn bӣi thiӃt bӏ quét laser mһWÿҩt TLS Nӝi dung chính gӗPFiFFKѭѫQJÿѭӧFWUuQKEj\QKѭVDX
&KѭѫQJ*Lӟi thiӋu tәng quan vӅ tình hình nghiên cӭu các kӻ thuұt xӱ OêÿiP Pk\ÿLӇm WURQJYjQJRjLQѭӟc và mөc tiêu nghiên cӭu
&KѭѫQJ7UuQKEj\FiFFѫVӣ lý thuyӃt vӅ các kӻ thuұWÿѭӧc áp dөng trong nghiên cӭu
&KѭѫQJ*Lӟi thiӋu thiӃt bӏ và cách thu thұp dӳ liӋu bӅ mһt tòa nhà thӵc tӃ tҥi QKj$7UѭӡQJĈҥi hӑc Bách Khoa Tp HCM YjWzDQKj6,6&.'&7UXQJ6ѫQ Xӱ lý dӳ liӋu và phân chia các mүu dӳ liӋu theo các mүXNKiFQKDXÿӇ kiӇm tra, thӱ nghiӋPFKѭѫQJWUuQKWtQKWRiQ
&KѭѫQJNói vӅ các kӻ thuұt và SKѭѫQJSKiS[ӱ lý trích xuҩt ÿLӇm cҥnh bҵng cách kӃt hӧSFiFSKѭѫng pháp tә chӭc dӳ liӋXÿiPPk\ÿLӇm bҵQJTXDGWUHHÿӇ WăQJ tӕFÿӝ xӱ OêVDXÿyNӃt hӧp kiӇPWUDÿӝ FDRYR[HOÿӇ trích voxel chӭa cҥnh Sau khi có tұp voxel chӭa cҥnh, kiӇm tra tӯQJ{Yj WUtFKÿLӇm cҥnh bҵQJSKѭѫQJSKiSVӱ dөng k-QQÿӇ WuPÿLӇm lân cұn cӫDÿLӇPÿDQJ[pWVDXÿyGQJ5$16$&- Random VDPSOHFRQVHQVXVÿӇ tìm mһt phҷng phù hӧp nhҩt vӟi tұSÿLӇm lân cұn NӃXÿLӇm ÿDQJ[pWQҵm ngoài mһt phҷng sӁ kӃt luұn là không phҧLÿLӇm cҥnh NӃXÿLӇPÿDQJ xét thuӝc tұp nҵm trong mһt phҷng sӁ ÿѭӧc xét tiӃSÿӇ tính góc lӋch vӟLFiFÿLӇm lân cұn NӃu giá trӏ góc lӋch giӳDÿLӇm xét vӟLKDLÿLӇm lân cұn liên tiӃSYѭӧt quá giá trӏ QJѭӥng sӁ kӃt luұQOjÿLӇm cҥQKQJѭӧc lҥi không phҧi cҥnh Sau khi có tұSÿLӇm cҥnh, tiӃn hành tìm lân cұn và nӕLFiFÿLӇm thành các phkQÿRҥQÿѭӡng cҥnh cӫDÿӕi Wѭӧng Giҧi thuұWÿѭӧc viӃt trên ngôn ngӳ lұp trình Matlab vì phù hӧp vӟLFiFSKѭѫQJ pháp tính toán tұSÿLӇm dҥng tӑDÿӝ 3D, có nhiӅu công cө hӛ trӧ xӱ lý và hiӇn thӏ ÿiPPk\ÿLӇm, thӡi gian xӱ lý nhanh
&KѭѫQJ&KѭѫQJWUuQKYjWKӵc nghiӋm trên dӳ liӋXÿm[yDQKLӉu Phân tích và ÿiQKJLiKLӋu suҩWNKLWKD\ÿәi các tham sӕ cӫa giҧi thuұt
&KѭѫQJ.Ӄt luұn YjÿiQKJLi nghiên cӭuÿӗng thӡLÿӅ xuҩWFiFKѭӟng phát triӇn tiӃp theo cӫDÿӅ tài.
NhӳQJÿyQJJySFӫa nghiên cӭu
Cung cҩp mӝt thuұt toán trích xuҩt cҥnh tӵ ÿӝng tӯ dӳ liӋXÿiPPk\ÿLӇm 3D thu nhұn bӣi thiӃt bӏ quét laser mһWÿҩt TLS, ӭng dөng xӱ OêÿiPPk\ÿLӇPWKXÿѭӧc tӯ các thiӃt bӏ quét laser trong viӉQWKiPOjEѭӟc xӱ lý quan trӑQJWURQJEѭӟc tiӅn xӱ lý cӫa qui trình xӱ lý dӳ liӋXÿiPPk\ÿLӇm, giúp loҥi bӓ nhiӉu, phân loҥLVѫEӝ ÿӕi Wѭӧng, giҧm khӕLOѭӧng dӳ liӋu thӯa
Tәng quan vӅ LiDAR
Khái niӋm
LiDAR là chӳ viӃt tҳt cӫa Laser Imaging, Detection, and Ranging Là hӋ thӕng phát xung laser và thu nhұn tín hiӋu phҧn xҥ lҥi, hay công nghӋ ÿRNKRҧng cách bҵng tia laser [2]
KӃt quҧ khoҧng cách tӯ thiӃt bӏ ÿӃQÿӕLWѭӧQJWKXÿѭӧc tính theo công thӭc: ܴ ൌͳ ʹǤ ܿǤ ݐ (2 1)
7URQJÿy R ± khoҧng cách tӯ thiӃt bӏ ÿӃQÿӕLWѭӧng c ± vұn tӕc ánh sáng t ± thӡLJLDQWLDODVHUÿѭӧFSKiWÿӃQÿӕLWѭӧng và phҧn xҥ lҥi
Hình 2 1 Minh h͕a h th͙ng LiDAR ngu͛n https://www.elprocus.com/lidar-light-detection-and-ranging-working- application/
Nguyên lý hoҥWÿӝng
HӋ thӕng LiDAR là mӝt hӋ thӕng tích hӧp tӯ 3 thành phҫn chính: HӋ thӕng thiӃt bӏ Laser (Light Amplification by Stimulated Emission of Radiation ), hӋ thӕQJÿӏnh vӏ vӋ tinh GNSS (Global Navigation Sattelite System) và hӋ thӕng dүQÿѭӡng quán tính INS (Inertial Navigation System) Bҧn chҩt cӫa công nghӋ LiDAR là kӻ thuұWÿR GjLODVHUÿӏnh vӏ không gian GPS/INS và sӵ nhұn biӃWFѭӡQJÿӝ phҧn xҥ ánh sáng Sóng ODVHUÿѭӧc phҧn hӗi tӯ mһWÿҩt hay tӯ các bӅ mһWÿӕLWѭӧQJQKѭOjFk\ÿѭӡng hoһc nhà , vӟi mӛi xung sӁ ÿRÿѭӧc thӡLJLDQÿLYjYӅ cӫa tín hiӋXWtQKÿѭӧc khoҧng cách tӯ nguӗn phát laser tӟLÿӕLWѭӧng Ӣ mӛi thӡLÿLӇm phát xung laser, hӋ thӕng ÿӏnh vӏ vӋ tinh GNSS sӁ [iFÿӏnh vӏ trí không gian cӫDÿLӇm phát, và hӋ thӕng dүn ÿѭӡng quán tính sӁ [iFÿӏQKFiFJyFÿӏQKKѭӟng trong không gian cӫa tia quét Trên FѫVӣ ÿyVӁ WtQKÿѭӧc vӏ trí không gian cӫDÿLӇm phҧn xҥ Gѭӟi dҥng tӑDÿӝ (x, y, z) trong hӋ tӑDÿӝ [iFÿӏQKQjRÿy0ӝt tín hiӋXSKiWÿLVӁ có mӝt hay nhiӅu tín hiӋu phҧn xҥ Sӕ OѭӧQJÿLӇm phө thuӝc vào tính không gian cӫDFiFÿӕLWѭӧng trên bӅ mһt ÿҩt KӃt quҧ cuӕi cùng, sӁ FyÿѭӧFÿiPPk\ÿLӇm, sӕ OѭӧQJÿLӇm cӫDÿiPPk\ÿLӇm phө thuӝc vào sӵ phҧn xҥ cӫa tia laser khi gһp bӅ mһWFiFÿӕLWѭӧng trên bӅ mһt Trái ÿҩWÿiPPk\Qj\WKѭӡng rҩt lӟn khoҧng tӯ 4 - 5 triӋXÿLӇm VӟLSKѭѫQJSKiS[ӱ lý sӕ liӋXWK{QJWKѭӡQJÿѭӧc dùng trong TrҳFÿӏa truyӅn thӕQJÿӇ NKDLWKiFÿѭӧc nhӳng thông tin thu nhұQÿѭӧc tӯ Li'$5Y{FQJNKyNKăQPҩt nhiӅu thӡi gian và công sӭF 'R ÿy iSGөng nhӳQJNƭ WKXұt khai phá dӳ liӋu trong bài toán xӱ lý dӳ liӋu LiDAR tӯ ÿyWKXQKұQÿѭӧc thông tin vӅ FiFÿӕLWѭӧng trên bӅ mһWÿӏa hình là hoàn toàn cҫn thiӃt và mang tính thӵc tiӉn cao [2].
Ӭng dөng
LiDAR ÿѭӧc ӭng dөng rҩt rӝng rãi trong nhiӅXOƭQKYӵc: x KhҧRViWNKDLWKiFÿӏa chҩW3KkQWtFKÿӏa hình, lұp bҧQÿӗ, phân tích vұt chҩt và khӕLOѭѫQJWKăPGzGҫu khớ, khai thỏc mӓô [16] x Quét và dӵng bҧQÿӗ 3D các vұt thӇ thұm chí toàn thành phӕ, khҧo sát vӁ bҧQÿӗ V{QJQJzLÿi\ELӇQÿҩWÿDLÿӏa giӟLKjQKFKtQKô [2] x KiPSKiNK{QJJLDQĈRÿҥc lұp bҧQÿӗ các hành tinh, vұt thӇ ngoài không gian x Ӭng dөng trong nông nghiӋp: Lұp bҧQÿӗ, phân loҥi cây trӗng, phân tích tình trҥQJP{LWUѭӡQJÿҩWÿDLô x Thӡi tiӃt và khí hұu, mӭFÿӝ ô nhiӉm không khí, biӃQÿәi khí hұu, dӵ ÿRiQ EmRONJÿӝQJÿҩt, tҥo mụ phӓng thiӋt hҥLô x Xe tӵ hành: QupWÿӏa hỡnh, dүQÿѭӡng, trỏnh va chҥm, kiӇm soỏt tӵ ÿӝQJô x Sinh hӑc và bҧo tӗn: công nghӋ viӉn thám LiDAR cung cҩp nhiӅu ӭng dөng thӵc tӃ khác nhau trong nghiên cӭu bҧo tӗQYjVLQKWKiL1yÿmÿѭӧc sӱ dөng rӝQJUmLÿӇ ÿiQKJLiFKҩWOѭӧQJP{LWUѭӡng sӕng cho các loài khác nhau, FNJQJQKѭOұp bҧQÿӗ các khu vӵc có thӇ xҧ\UDONJOөt và hҥn hán x An ninh: Quét vân tay 3D, Súng bҳn tӕFÿӝ (cӫa cҧnh sát) Quét nhұn dҥng khuôn mһt, toàn thân, nhұn dҥng xe và biӇn sӕ, cҧm biӃn chuyӇQÿӝng, tìm kiӃm cӭu nҥQô x 4XkQÿӝi: Do thám, lұp bҧQÿӗ ÿӏa hình, quét nhұn dҥng trang thiӃt bӏ, nhân lӵFÿLӅu khiӇn hӓa lӵc, nhõn dҥng mөFWLrXô x Robot hút bөi, lau nhà tӵ KjQK4XpWÿӏa hình tҥo bҧQÿӗ di chuyӇn, quét mұt ÿӝ bөi trong không khí hoһFVjQQKjÿӇ OrQFKѭѫQJWUuQKYӅ sinh x Cҧm biӃQP{LWUѭӡQJ/L'$5ÿѭӧc ӭng dөQJÿӇ ÿRPұWÿӝ bөi mӏn trong không khí, kiӇm soát và cҧnh báo vӅ ô nhiӉPP{LWUѭӡng x Nhұn dҥng ngôn ngӳ: Khi cҧm biӃn LiDAR trӣ nên tiên tiӃQKѫQFK~QJWD có thӇ sӱ dөQJQyÿӇ giҧi thích ngôn ngӳ FѫWKӇ Yjÿӑc khuôn mһt ± bao gӗm cҧ ÿӑc môi x Giҧi trí, game: Quét nhұn dҥng vӏ trí, cӱ chӍ ÿLӅu khiӇQWѭѫQJWiF95$5 quét nhân dҥng nhân vұW ÿѭD YjR WURQJ JDPH &iF FKX\Ӄn tham quan ҧo trong thӡLJLDQYjP{LWUѭӡng thӵc x Y tӃ: Quét tìm kiӃm khӕLXWRUQJFѫWKӇ, phân tích tình trҥQJXQJWKѭWѭѫQJ lai LiDAR thâm chí có thӇ hӛ trӧ phân tích tình trҥng tәQWKѭѫQJSKkQWtFK thành phҫn máu mӝt cách nhanh chóng và chính xác.
Kӻ thuұt quét laser mһWÿҩt
Khái niӋm
Kӻ thuұt quét laser mһWÿҩt ± Terrestrial Laser Scanning KD\FzQÿѭӧc biӃWÿӃn vӟi tên gӑi LiDAR mһWÿҩt (Terrestrial LiDAR) thu sӕ liӋu trên các nӅn tҧng cӕ ÿӏnh, WKѭӡng là sӱ dөng chân máy truyӅn thӕng7KHRWK{QJWѭ77-BTNMT ngày WKiQJQăPFӫa Bӝ 7jLQJX\rQYj0{LWUѭӡQJ4X\ÿӏnh kӻ thuұt thành lұp mô hình sӕ ÿӝ cao bҵng công nghӋ quét LiDAR mһWÿҩt trên trҥm cӕ ÿӏnh, thì kӻ thuұt Quét LiDAR mһWÿҩt trên trҥm cӕ ÿӏnh ± Terrestrial Laser Scanning ÿѭӧFÿӏQKQJKƭD OjSKѭѫQJSKiSVӱ dөng các thiӃt bӏ TXpW/L'$5ÿһWWUrQFKkQPi\ÿӇ tҥo ra mô hình 3D cӫa các bӅ mһt và vұt thӇ
Kӻ thuұt quét laser mһWÿҩt cho phép chúng ta tҥo ra mӝt tұp hӧSFiFÿLӇPÿR 'ÿӇ tӯ ÿyWKӵc hiӋQFiFSKpSÿRÿҥc trӵc tiӃp trên tұp hӧp sӕ liӋu này Tұp hӧp sӕ liӋu 3D này cú tờn gӑL³ÿiPPk\ÿLӇPả³SRLQWFORXG´TXiWUuQKWKLӃt bӏ TLS tҥo ra ÿiPPk\ÿLӇPÿѭӧc thӵc hiӋn hoàn toàn tӵ ÿӝng trong khoҧng thӡi gian rҩt nhanh (chӍ YjLSK~Wÿӗng hӗ) NӃu xem xét vӅ tính thӵc tiӉn và so sánh vӟLFiFSKѭѫQJSKiS ÿRÿҥc truyӅn thӕQJSKѭѫQJSKiSTXpWODVHU'FXQJFҩp cho chúng ta mӝt tұp hӧp sӕ liӋu có mӭFÿӝ chi tiӃWFDRKѫQUҩt nhiӅXWăQJWӕFÿӝ thu thұp và giҧm tӕLÿDWKӡi gian triӇn khai trên thӵFÿӏDÿӗng thӡi có khҧ QăQJWҥo ra các mô hình 3D hoàn chӍnh, hình ҧnh toàn cҧnh vӅ FiFÿӕLWѭӧng trên thӵFÿӏa và khҧ QăQJKLӇn thӏ tӕLѭXWK{QJTXDFiFEѭӟc xӱ lý và các công cө mô hình hóa cӫa phҫn mӅm thӃ hӋ mӟL7ѭѫQJWӵ, nӃu so sánh vӟi các kӻ thuұWÿRYӁ ҧnh thì kӻ thuұt quét laser 3D vүn chiӃPѭXWKӃ ÿһc biӋWÿӕi vӟLFiFÿӕLWѭӧng phӭc tҥp hình dҥQJNK{QJÿӗng nhҩt, bӅ mһt có sӵ thay ÿәi lӟn trong nhӳng khu vӵc nhӓ
Hình 2 2 KͿ thu̵t quét laser m̿Wÿ̭t (TLS) ngu͛n ̫nh https://blog.bricsys.com/point-clouds-whats-the-point/ ĈӇ [iFÿӏnh tӑDÿӝ tӯQJÿLӇPÿiPPk\Pӝt hӋ tӑDÿӝ cөc bӝ ÿѭӧc tҥo vӟLÿLӇm khӣLÿҫu tҥLWkPPi\TXpW&iFÿLӇPÿѭӧFÿRNKRҧng cách nghiêng, góc giӳa trөc X và mһt phҷQJQJDQJĮJyFQJKLrQJJLӳDKѭӟQJÿRYӟi mһt phҷng nҵPQJDQJij Giá trӏ tӑDÿӝ ÿLӇPÿѭӧF[iFÿӏnh: ൝ ܺ ൌ ܦǤ ܿݏ߮Ǥ ܿݏߙ ܻ ൌ ܦǤ ܿݏ߮Ǥ ݏ݅݊ߙ ܼ ൌ ܦǤ ܿݏ߮
Hình 2 3 H t͕Dÿ͡ cͭc b͡ cͯa thi͇t b͓ quét laser m̿Wÿ̭t TLS, ngu͛n [17]
HiӋn nay, các máy quét laser mһWÿҩW7/6ÿӝ phân giҧi cao có khҧ QăQJWҥo ra hàng triӋXÿLӇPÿRPӛi giây, hiӇn thӏ ÿӕLWѭӧng trên mô hình 3D, khoҧQJFiFKÿR[D OrQÿӃn km vӟi sai sӕ ÿRNKRҧng cách tӯ PPÿӃn cm và quan trӑng nӳDOjÿRÿѭӧc trong nhӳQJÿLӅu kiӋQP{LWUѭӡng hӃt sӭFNKyNKăQ
DӵDWUrQQJX\rQOêÿRFiFKӋ thӕQJTXpWODVHUÿѭӧc chia làm ba nhóm chính: x Time-of-flight measurement/ Phase measurement techniques: Thӡi gian di chuyӇn (TOF) x Triangulation-EDVHGPHDVXUHPHQWV3KѭѫQJSKiSWDPJLiFÿҥc x ,QWHUIHURPHWU\3KѭѫQJSKiSJLDRWKRD
Nguyên lý Triangulation-EDVHGPHDVXUHPHQWV3KѭѫQJSKiSWDPJLiFÿҥc sӱ dөQJÿӏnh luұt cosin bҵng cách xây dӵng mӝt tam giác sӱ dөQJKѭӟng chiӃu sáng nhҵm vào bӅ mһt phҧn xҥ YjKѭӟng quan sát ӣ mӝt khoҧQJFiFKÿmELӃWÿѭӡQJFѫ sӣ) tӯ nguӗn chiӃXViQJ1JX\rQOêQj\WKѭӡng dùng ӣ khoҧng cách quét ngҳQGѭӟi
P 1rQSKѭѫQJ SKiSQj\ WKѭӡng ӭng dөng trong các thiӃt bӏ LiDAR Cҫm tay (Handheld LiDAR)
Nguyên lý ,QWHUIHURPHWU\3KѭѫQJSKiSJLDRWKRDVӱ dөQJVyQJÿLӋn tӯ ÿѭӧc WiFKUDWKjQKKDLFKPÿӇ tҥo ra vùng giao thoa hai tia, nӃu sӱ dөQJFiFSKѭѫQJSKiS phân tích phù hӧp, có thӇ sӱ dөQJQJX\rQOêQj\ÿӇ ÿRNKRҧng cách Tuy nhiên, kӻ thuұt xây dӵng máy quét này chӍ phù hӧSÿӇ chӃ tҥo các loҥi máy quét cӵ ly gҫn, có ÿӝ chính xác siêu cao (nhӓ KѫQPPVӱ dөng cho sao chép mүu, thiӃt kӃ, kiӇm tra chҩWOѭӧQJWURQJOƭQKYӵFFѫNKtFKtQK[iF Ĉӕi vӟi các máy quét laser mһWÿҩt (TLS) hiӋQQD\WKѭӡQJÿѭӧc thiӃt kӃ theo QJX\rQOêÿR7LPH-of-flight measurement/ Phase measurement techniques: Thӡi gian di chuyӇn (TOF) Vӟi khҧ QăQJTXpWKjQJWULӋXÿLӇm mӛi giây ӣ khoҧng cách xa lên ÿӃn km trong khoҧng sai sӕ ÿRNKRҧng cách tӯ PPÿӃn cm
7URQJSKѭѫQJSKiS72)ÿѭӧc phân loҥi:
- Công nghӋ Pulse Based - &ѫVӣ ÿR[XQJ1JX\rQOêKRҥWÿӝng dӵa trên tӕc ÿӝ di chuyӇn cӫa ánh sáng là giá trӏ ÿmELӃt, thӡi gian di chuyӇn cӫa tín hiӋu laser có thӇ chuyӇQÿәi thành sӕ liӋXÿRNKRҧQJFiFKFKtQK[iFѬXÿLӇm tia quét xa 125-1.000m, tӕFÿӝ thu thұSÿLӇPÿӃn 1 triӋXÿLӇm mӛi giây [16] Khoҧng cách tӯ 7/6ÿӃQÿLӇm phҧn xҥ ÿѭӧF[iFÿӏnh bҵng công thӭc: ܦ ൌ ͳ ʹǤܿ ݊Ǥ οݐ (2 3)
7URQJÿy c ± vұn tӕc lan truyӅn sóng laser 3 × 10 8 m/s n ± hӋ sӕ chiӃt xuҩWP{LWUѭӡng n = 1 ǻW± thӡi gian tín hiӋXÿLYjYӅ
Hình 2 4 Minh h͕a công ngh Pulse Based, ngu͛n [1]
- Công nghӋ Phase Based - &ѫVӣ pha Nguyên lý hoҥWÿӝng dӵa trên công nghӋ ÿLӅu biӃn tia sáng laser phát thành nhiӅu pha và so sánh sӵ dӏch chuyӇn pha (Phase Shift) trong nguӗQQăQJ Oѭӧng laser quay trӣ lҥi bӝ nhұn cӫa Pi\ѬXÿLӇm là tӕFÿӝ thu rҩWQKDQKQKѭQJNKRҧng cách quét ngҳQKѫQYj ÿӝ FKtQK[iFÿRNKRҧng cỏch phө thuӝFYjRFѭӡQJÿӝ tớn hiӋXÿӝ nhiӉXô [16] KhoҧQJFiFKÿRÿѭӧc tính theo công thӭc: ܦ ൌ ͳ ͶߨǤܿ ݂Ǥ ο߮ (2 4)
7URQJÿy c ± vұn tӕc lan truyӅn sóng laser ο߮ ± chênh lӋch pha trong truyӅn và nhұn tín hiӋu f ± tҫn sӕ ÿLӅu biӃn tín hiӋu
Hình 2 5 Minh h͕a công ngh Phase Based, ngu͛n [1]
- Ngoài ra, còn có công nghӋ WFD - Wave Form Digitizer là kӻ thuұt kӃt hӧp giӳa kӻ thuұt time-of-IOLJKWDQGSKDVHVKLIWWURQJÿyNKRҧQJFiFKÿѭӧc tính toán dӵa trên thӡi gian giӳa xung bҳWÿҫu và kӃWWK~Fÿѭӧc sӕ hóa tӯ tín hiӋu nhұQÿѭӧc HӋ thӕng WFD liên tөFÿiQKJLiVӕ KyDYjWtFKONJ\Gҥng sóng cӫa tҩt cҧ tín hiӋu phҧn xҥ ÿӇ nhұn biӃt và trích xuҩt chính xác các xung bҳt ÿҫu và kӃt thúc So vӟi hӋ thӕQJÿRWLPH-of-flight thuҫn túy, công nghӋ WFD mang lҥi hiӋu suҩWÿRWәng thӇ tӕWKѫQNKL[HP[pWFiFSKpSÿRNKRҧng cách QKDQKNtFKWKѭӟFÿLӇm laser nhӓÿӝ FKtQK[iFÿRFDRKѫQYjSKҥm vi dài [18]
Hình 2 6 Minh h͕a công ngh Wave Form Digitizer, ngu͛n [1]
ThiӃt bӏ quét laser mһWÿҩWÿѭӧc sӱ dөng trong nghiên cӭu này sӱ dөng công nghӋ WFD
Khái ni m ĈiPPk\ÿLӇm - Point cloud là mӝt tұp hӧSFiFÿLӇm có tӑDÿӝ (X,Y,Z) trong hӋ tӑDÿӝ không gian ba chiӅX'YjÿѭӧFGQJÿӇ thӇ hiӋn bӅ mһt cӫa vұt thӇ ܲ݅݊ݐ݈ܿݑ݀ ൌ ൭ ݔ ଵ ݕ ଵ ݖ ଵ Ǥ Ǥ Ǥ Ǥ Ǥ Ǥ Ǥ Ǥ Ǥ ݔ ݕ ݖ ൱ ĈiPPk\ÿLӇPÿѭӧc thu bҵng các thiӃt bӏ máy quét laser mһWÿҩt tӯ mӝt cҧm biӃn phát ra mӝW[XQJQăQJOѭӧng và tính thӡi gian di chuyӇn trӣ lҥi cӫa nó Khi biӃt vӏ trí cӫa cҧm biӃQYjKѭӟQJSKiW[XQJQăQJOѭӧng, vӏ trí 3D cӫa bӅ mһt phҧn xҥ có thӇ ÿѭӧF[iFÿӏnh Cҧm biӃQFNJQJFyWKӇ ÿRFѭӡQJÿӝ cӫa bӅ mһt phҧn xҥÿӇ ѭӟc tính cҩu trúc hình hӑc và thành phҫn vұt chҩt cӫa bӅ mһt phҧn xҥ Các máy quét laser TLS hoҥWÿӝQJWѭѫQJWӵ QKѭFiFPi\WRjQÿҥFÿLӋn tӱ tӵ ÿӝng, tuy nhiên, các máy TXpWODVHU7/6NK{QJÿѭӧc trang bӏ ӕng ngҳm quang hӑFQKѭPi\WRjQÿҥc, vì vұy, không có khҧ QăQJÿRFiFÿLӇm cө thӇ trên bӅ mһt ĈiPPk\ÿLӇm có thӇ sӱ dөng trӵc tiӃp hoһc chuyӇQÿәi sang dҥQJOѭӟi 2.5D, DTM hoһc DSM Ӣ dҥQJOѭӟi nó có thӇ FyNtFKWKѭӟc nhӓ KѫQTXHQWKXӝc và dӉ WKDRWiFKѫQVRYӟi dҥQJÿiPPk\ÿLӇm
ViӋFOѭXWUӳ và xӱ Oêÿӗng thӡi mӝWÿiPPk\ÿLӇm lӟn vӟLKjQJWUăPKD\KjQJ triӋXÿLӇPGѭӟi dҥQJFiFÿLӇm trong không gian ba chiӅu là mӝt công viӋc tiêu tӕn khi, hҫu hӃt các ӭng dөng chӍ cҫn phân tích dӳ liӋXOLrQTXDQÿӃQFiFÿӕLWѭӧQJÿһc WUѭQJEӅ mһt ĈiPPk\ÿLӇm 3D là tұp dӳ liӋu không có tә chӭFWURQJNKLÿyFiFKuQKҧnh 'WKuWKѭӡQJÿѭӧc tә chӭc thành các pixel hàng và cӝt ĈӇ giҧi quyӃt vҩQÿӅ này, dӳ liӋXÿLӇP'ÿѭӧFFKLDÿӅXWURQJFiFYR[HOKD\ELQ3KѭѫQJSKiSQj\FXQJFҩp mӝt raster 3D vӟi mӛLYR[HOÿҥi diӋn cho mӝt pixel 3D chӭa tҩt cҧ FiFÿLӇm mà tӑa ÿӝ cӫa chúng nҵPErQWURQJYR[HO3KѭѫQJSKiSFyѭXÿLӇm thӡi gian truy xuҩt nhanh QKѭQJYuGӳ liӋX7/6NK{QJÿѭӧc tә chӭFQrQFiFÿLӇm sӁ phân bә NK{QJÿӅu trên khҳp các voxel, vӟi nhiӅu voxel sӁ NK{QJFyÿLӇPĈLӅXQj\OjPFKRSKѭѫQJSKiS NK{QJÿѭӧc coi là hiӋu quҧ vӅ mһt quҧn lý bӝ nhӟ
Có nhiӅu cách tә chӭc dӳ liӋXÿiPPk\ÿLӇm 3D: x /ѭӟi tam giác: triangular irregular network (TIN), Delaunay triangulation
(DT) x /ѭӟi raster và voxel Ĉӏnh dҥng dӳ liӋXÿiPPk\
HiӋn nay, có rҩt nhiӅXÿӏnh dҥng cho dӳ liӋXÿiPPk\ÿLӇm do các nhà sҧn xuҩt phҫn cӭng và phҫn mӅm phát triӇQÿӇ hӛ trӧ chuyӇQÿәi dӳ liӋu: LAS, E57, XYZ, 3&'37;$6&,,)/6ô
7URQJÿyÿӏnh dҥng phә biӃn nhҩWFKRFiFÿiPPk\ÿLӇPOjÿӏnh dҥng LAS, ÿѭӧc duy trì bӣi HiӋp hӝLĈRTXDQJYj9LӉn thám Hoa KǤ ASPRS (American Society for Photogrammetry and Remote Sensing) 7KHRWK{QJWѭ77-BTNMT ngày WKiQJQăPFӫa Bӝ 7jLQJX\rQYj0{LWUѭӡQJ4X\ÿӏnh kӻ thuұt thành lұp mô hình sӕ ÿӝ cao bҵng công nghӋ quét LiDAR mһWÿҩt trên trҥm cӕ ÿӏQKÿӏnh dҥng tӋp dӳ liӋu liӋXÿiPPk\ÿLӇm giao nӝp sҧn phҭPFNJQJTXLÿӏQKÿӏnh dҥng LAS (Las format) Vì vұy, trong nghiên cӭu này sӁ sӱ dөng các dӳ liӋXÿҫu vào vӟLÿӏnh dҥng LAS
Hình 2 7 Ĉ͓nh d̩ng ghi dͷ li XÿiPPk\ÿL͋PWUrQILOH/$6F˯E̫n
(ngu͛n https://www.manifold.net/doc/mfd9/las,_laz_lidar.htm)
&ѫEҧn, dӳ liӋXÿiPPk\ÿLӇPÿѭӧF[iFÿӏnh bӣi mӝt tұSQÿLӇm, mӛLÿLӇm ÿѭӧFÿӏQKQJKƭDQKѭPӝt vector vӟi tӑDÿӝ YX{QJJyF[\]FѫEҧn bao gӗm các thông tin:
B̫ng 2 1 Ĉ͓nh d̩ng dͷ li XÿiPPk\ÿL͋PF˯E̫n
Thông tin tӑDÿӝ Thông tin thuӝc tính
Hình 2 8 Dͷ li XÿiPPk\ÿL͋m (a) Hi͋n th͓ d̩ng màu gi̫ (không có thông tin thu͡c tính) và (b) Hi͋n th͓ d̩ng màu thc tͳ ̫nh chͭp cͯa máy quét (có thông tin thu͡c tính) t̩LNKX{QYLrQQKj$7U˱ͥQJĈ̩i h͕c Bách Khoa Tp HCM
Dӵa trên SKѭѫQJSKiSWKXWKұp và xӱ lý dӳ liӋu, kӃt quҧ ÿiPPk\ÿLӇm sӁ có nhiӅu giá trӏ thuӝFWtQKQKѭQJKҫu hӃWÿiPPk\ÿLӇPÿӅu có ít nhҩt mӝt giá trӏ Fѭӡng ÿӝ trҧ vӅ Dӳ liӋu thuӝc tớnh ÿiPPk\gӗm cú FѭӡQJÿӝ, màu sҳFôWҥi vӏ WUtÿLӇm thu thұp Ngoài ra, mӝt vài loҥi dӳ liӋu có cҧ thuӝc tính phân loҥi, thӇ hiӋn loҥLÿӕi WѭӧQJQKѭPһWÿҩt, tòa nhà hay thӵc vұWĈLӅu này yêu cҫu thêm mӝWEѭӟc xӱ lý và nhiӅu thuұWWRiQÿӇ [iFÿӏQKFiFÿӕLWѭӧQJÿmQJKLrQFӭu phát triӇn.
Tәng quan phân loҥLÿiPPk\ÿLӇm
Phân loҥLWKѭӡQJOjEѭӟFÿҫu tiên trong qui trình xӱ lý dӳ liӋXÿiPPk\ÿLӇm Các thuұt toán phân loҥLQKyPFiFÿLӇm thuӝc cùng loҥi dӵa vào mӝt vài chӍ sӕ xác ÿӏnh MөFÿtFKSKkQORҥi nhҵm giҧm mӝt tұp dӳ liӋXÿiPPk\ÿLӇm lӟn thành các nKyPÿLӇm thuӝc cùng mӝt lӟp Các lӟSQj\ÿѭӧF[iFÿӏnh bҵng cách kiӇm tra các thuӝc tớnh cӫDFiFÿLӇPNKiFQKDXQKѭÿӝ FRQJFѭӡQJÿӝ, thuӝc tớnh hỡnh hӑFô YjQKyPFiFÿLӇm lҥi vӟi nhau dӵDWUrQWtQKWѭѫQJWӵ Lӧi ích cӫa phân loҥi là làm giҧm các thuӝc tính liên quan cӫDÿLӇm thành mӝt giá trӏ duy nhҩt [4] [19]
&iFSKѭѫQJSKiSSKkQORҥLÿiPPk\ÿLӇm hiӋn nay dӵa trên hai thuӝc tính chính là hình hӑc và phә Hҫu hӃt các qui trình phân loҥi dӳ liӋXÿiPPk\ÿLӇPÿӅu dӵa vào thông tin hình hӑFWKXÿѭӧc tӯ tӑDÿӝ ÿiPPk\ÿLӇm 3D Lý do là thông tin chung cho tҩt cҧ FiFÿiPPk\ÿLӇm bҩt kǤ mà không phө thuӝc vào phҫn cӭng hoһc thiӃt lұp cӫa máy quét Ngoài ra, mөc tiêu cӫa các qui trình phân loҥi tKѭӡQJKѭӟng ÿӃn trích xuҩWFiFÿһFWUѭQJKuQKKӑFÿӕLWѭӧng Các thuӝFWtQKÿLӇm dùng cho phân loҥi: lӵa chӑn lân cұn, phân tích thành phҫn chính (PCA), xҩp xӍ ÿѭӡQJFRQJSKѭѫQJ VDLÿѭӡng cong, các sӕ liӋXÿRÿӇ phát hiӋQÿLӇPÿѭӡng biên cҥnh (góc trong, khung tensor, kiӇm tra vùng lân cұn không tә chӭc) [20] Ӣ nghiên cӭu này sӁ tұp trung vào thông tin hình hӑFÿLӇm Cө thӇ, các thuӝc tính hình hӑc sӁ ÿѭӧc kiӇm tra bҵng các vùng lân cұn cӫDÿLӇPÿDQJ[pW x Surface points: là cáFÿLӇPÿѭӧc lҩy mүu tӯ bên trong phҥm vi cӫa mӝt bӅ mһW9uÿLӇm chӍ chӭa thông tin tӑDÿӝ, nên vùng lân cұn cӫDÿLӇm xét phҧi ÿѭӧFWtQKÿӃQNKL[iFÿӏnh xem các thuӝc tính bӅ mһt cөc bӝ có liên tөc và có thӇ phân biӋWÿѭӧFKD\NK{QJ'RÿyKDLWKXӝc tính chӫ yӃXÿѭӧc xét ÿӃn phҧn ánh tính liên tөc và tính khác biӋt x Boundary points: khi bӅ mһt trong lân cұQ ÿLӇm không liên tөc, diӇP ÿy ÿѭӧc phân loҥLOjÿLӇm biên cҥQK&iFÿLӇPÿѭӧFÿһt tҥi phҫn ngoài cӫa bӅ mһt mүu x (GJHSRLQWVOjFiFÿLӇm xuҩt hiӋn trên hoһc gҫQJLDRÿLӇm giӳa hai hoһc nhiӅXSKkQÿRҥn bӅ mһt Vì vùng lân cұn cөc bӝ sӁ chӭDFiFÿLӇm tӯ các bӅ mһt khác nhau, nhiӅu thuӝFWtQKÿLӇPQKѭVӵ WKD\ÿәi bӅ mһt sӁ không hiӇn thӏ cùng mӝt giá trӏ cөc bӝ'RÿyEӅ mһt sӁ NK{QJÿѭӧc coi là phân biӋt ÿѭӧF7KHRÿӏQKQJKƭDQj\FiFÿLӇm cҥnh không chӍ FiFJLDRÿLӇm giӳa hai bӅ mһt mà còn chӭDFiFÿLӇPJyFYjFiFÿLӇm trên các bӅ mһWFyÿӝ phӭc tҥSFDRPjFiFSKkQÿRҥn bӅ mһt riêng lҿ không thӇ bӏ cô lұp do lҩy mүu NK{QJÿӫ hoһc các cҩu trúc phӭc tҥp
Các kӻ thuұt dӵa trên thông tin hình hӑFWKѭӡQJÿѭӧc biӃWÿӃn là dӵa trên cҥnh edge-based và dӵa trên bӅ mһt surface-based Trong kӻ thuұt edge-EDVHGFiFÿiP Pk\ÿLӇPÿѭӧc phân loҥi bҵQJFiFK[iFÿӏnh phҥm vi bӅ mһWQKѭUDQKJLӟi và giao ÿLӇP6DXÿyPӛi bӅ mһWÿѭӧc cô lұp bӣi các phҥPYLÿm[iFÿӏQK&iFÿLӇm bӅ mһt có thӇ ÿѭӧc nhóm lҥi vӟLQKDXWKjQKFiFSKkQÿRҥQFKXQJÿѭӧc giӟi hҥn bӣi các ÿӝ biӃn thiên bӅ mһt Cách tiӃp cұn phә biӃn nhҩWOjѭӟc tính mӝt bӅ mһt thông qua vùng lân cұn cөc bӝ [XQJTXDQKÿLӇPÿDQJ[pWJҫQÿ~QJYӟi bӅ mһt chuҭn Cách này WKѭӡQJÿѭӧc thӵc hiӋn thông qua phân tích thành phҫn chính PCA hoһFSKѭѫQJSKiS EuQKSKѭѫQJQKӓ nhҩt NhӳQJWKD\ÿәi theo hѭӟng cӫa vector pháp tuyӃn cӫa bӅ mһt cung cҩp mӝt chӍ sӕ vӅ mӭFÿӝ cong hoһc sӵ WKD\ÿәi cөc bӝ bӅ mһt [20] [21] Trong kӻ thuұt Surface-Based phân loҥLQj\FiFÿLӇm thӇ hiӋn các thuӝc tính bӅ mһWWѭѫQJWӵ ÿѭӧc nhóm lҥi vӟi nhau Chúng có thӇ ÿѭӧc phân loҥi tӯ Gѭӟi lên hoһc tӯ trên xuӕng Cách tiӃp cұn tӯ trên xuӕng thӵc hiӋn bҵng cách chia tұp con lһSÿLOһp lҥLÿiPPk\ÿLӇPFKRÿӃn khi mӛi phân chia tұp con chӭa tҩt cҧ FiFÿLӇm có thuӝc tính giӕng nhau Cách tiӃp cұn tӯ Gѭӟi lên thӵc hiӋn bҵng cách chӑn mӝWÿLӇm gӕc YjWKrPFiFÿLӇm xung quanh có cùng thuӝc tính vào chung mӝt tұp phân loҥi cho ÿӃn khi không thӇ WKrPÿѭӧFÿLӇm nào nӳa [20]
Ngoài ra, pKѭѫQJSKiSNLӇm tra các dòng quét riêng lҿ có thӇ làm giҧm mӭFÿӝ phӭc tҥp cӫa viӋc tìm kiӃm trong miӅn tӑD ÿӝ ' ÿӇ thӵc hiӋQ ÿLӅX Qj\ WKѭӡng chuyӇn sang dҥng 2D ĈӇ trích xuҩt các cҩu trúc phӭc tҥp, hҫu hӃWFiFWUѭӡng hӧp FiFÿiPPk\ÿLӇPÿѭӧc chia thành mӝt tұp hӧp các mӕi quan hӋ giӳa các cҩu trúc hình hӑc nguyên thӫy và các kiӇm tra sӁ [iFÿӏnh xem có bҩt kǤ ÿӕLWѭӧng nào xung quanh có mӕi quan hӋ vӟi chúng thӓa mãn mӕi quan hӋ giӳDFiFÿӕLWѭӧng hình hӑc WURQJÿӏQKQJKƭDQJX\rQPүu không
Trong nghiên cӭu này, phѭѫQJSKiSiSGөng sӁ dӵa trên kӻ thuұt Edge-Based YjSKkQWtFKÿѭӧc hai loҥLÿLӇm biên cҥnh OjÿLӇPÿѭӡng bao (boundary points) và ÿLӇm cҥnh gҩp (edge points) x Tә chӭc dӳ liӋu bҵng Quadtree - Voxelization
Trong tә chӭc dӳ liӋXÿiPPk\ÿLӇP'FiFÿLӇm trong không gian ba chiӅu ÿѭӧc phân chia vào trong tӯng voxel hay bin Mӛi voxel là mӝt hình hӝp, biӇu diӉn mӝt giá trӏ trong không gian Khái niӋm voxel trong không gian ba chiӅXFNJQJWѭѫQJ tӵ QKѭNKiLQLӋPÿLӇm ҧnh pixel trong không gian hai chiӅu Voxel có thӇ biӇu diӉn theo kiӇu cây quadtree, octree Dӳ liӋXÿiPPk\ÿLӇPWURQJOѭӟi voxel sӁ hӛ trӧ hiӋu quҧ viӋc truy xuҩt dӳ liӋu nhanh chóng khi thӵc hiӋn thuұt toán trên tӯng voxel mà không phҧi chҥy trên toàn bӝ dӳ liӋu Bӝ lӑFOѭӟi voxel sӁ SKkQFKLDÿiPPk\ÿLӇm
YjRWURQJFiFOѭӟi voxel vӟLNtFKWKѭӟc cӫDOѭӟi sӁ lӟQKѫQVRYӟi khoҧQJFiFKÿLӇm YjÿLӇm lân cұn nhҩW1KѭYұy, vӟi các tұSÿLӇm trong tӯQJ{Oѭӟi voxel, viӋc tìm kiӃm và truy vҩn sӁ cҧi thiӋQKѫQQKLӅu so vӟi chҥy toàn bӝ dӳ liӋu [22]
Hình 2 9 T͝ chͱc dͷ li u d̩ng voxel, ngu͛n [23]
Quadtree là mӝt cҩu trúc dӳ liӋu phân nhánh dҥQJFk\WKѭӡQJÿѭӧc sӱ dөQJÿӇ phân chia vùng thành bӕn góc phҫQWѭ theo không gian hai chiӅu, vӟi mӛi nút bên trong sӁ có bӕQQ~WFRQ&iFYQJÿѭӧc chia nhӓ có thӇ là hình vuông hoһc hình chӳ nhұt, hoһc có thӇ có hình dҥng tùy ý Cҩu trúc dӳ liӋXQj\ÿѭӧFÿһt tên là Quadtree bӣL5DSKDHO)LQNHOYj-/%HQWOH\YjRQăP [24] [25]
Hình 2 10 M͡t t͝ chͱc dͷ li u cây tͱ phân quadtree [26]
Qui trình tә chӭc dӳ liӋu quadtree: x Tҥo không gian chӭa toàn bӝ dӳ liӋu x Chia dӳ liӋu theo hai chiӅu không gian x,y thành bӕn không gian con x TiӃp tөc chia nhӓ ÿӋ quy tӯQJNK{QJJLDQFRQÿӃn khi thӓDÿLӅu kiӋn thì dӯng
Mӛi nút trong tә chӭc dӳ liӋu quadtree sӁ gӗm các thuӝc tính [27]: x Nút gӕc ± phҫQÿҫu tiên bҳWÿҫu cho cây x Nút trong ± mӝt mҧng gӗm bӕn nút con theo thӭ tӵ: trên cùng bên trái, trên cùng bên phҧLGѭӟLFQJErQWUiLGѭӟi cùng bên phҧi x Lá ± phҫn cuӕi cùng kӃt thúc quá trình phân chia, có thӇ là nút lá (có dӳ liӋu) hay nút rӛng (không có dӳ liӋu)
ViӋc sӱ dөng quadtree giúp quҧQOêFiFÿӕLWѭӧng trong không gian mӝt cách hiӋu quҧ, bҵng cách phân chia vùng cҫn xӱ OêFiFÿӕi Wѭӧng thành nhӳng vùng con, FiFÿӕLWѭӧng sӁ ÿѭӧFÿѭDYjRFiFYQJWѭѫQJӭQJYjÿѭӧc quҧn lý riêng biӋt Quá trình phân chia cӭ thӃ tiӃp diӉQFKRÿӃn khi mӛi vùng chӍ chӭa mӝt sӕ OѭӧQJÿӕi Wѭӧng nhҩWÿӏnh hoһc mӭFÿӝ SKkQFKLDÿҥt mӭc chҩp nhұQÿѭӧc [23] [28] ѬXÿLӇm cӫa thuұt toán quadtree là chia dӳ liӋu lӟn thành dӳ liӋu nhӓ ÿӇ dӉ dàng quҧn lý, truy vҩn, giҧPNtFKWKѭӟc dӳ liӋu trong quá trình phân chia, dӉ dàng truy vҩn dӳ liӋu lân cұn nhanh chóng ĈӇ WăQJWӕFÿӝ xӱ OêÿiPPk\ÿLӇm trong nghiên cӭu ÿѭӧc tә chӭc trong mӛi voxel theo cҩu trúc quadtree MӝWFiFKÿѫQJLҧn, ciFFKkQYR[HOÿѭӧc tә chӭc dҥng quadtree theo hai giá trӏ tӑDÿӝ x,y, khác vӟi voxel tә chӭc dҥng octree sӁ SKkQÿӅu Oѭӟi voxel theo ba giá trӏ tӑDÿӝ x,y,z Giá trӏ z cӫa voxel sӁ WѭѫQJӭng vӟi chênh cao cӫDÿLӇm cao nhҩt và thҩp nhҩt cӫDÿiPPk\ÿLӇPÿӕLWѭӧQJErQWURQJYR[HOѬX ÿLӇm cӫa cách tә chӭc này là có thӇ dӵa vào mӕi quan hӋ giӳa giá trӏ ÿӝ FDRÿӕi Wѭӧng và giá trӏ z cӫa voxel có thӇ SKkQWtFKFiFÿһFWUѭQJKuQKKӑFÿӇ tách các thông tin cҫn trích xuҩt
&iFÿLӇm lân cұn là mӝt khái niӋPFѫEҧn trong các quá trình xӱ OêÿiPPk\ ÿLӇm ViӋF[iFÿӏQKFiFÿLӇm lân cұn không chӍ là tiӅQÿӅ mà còn có thӇ quyӃWÿӏnh ÿӃn chҩWOѭӧQJÿӝ chính xác, thӡi gian thӵc hiӋn cӫa các thuұt toán xӱ OêÿһFWUѭQJ ÿLӇm vӅ VDXTXDÿyҧQKKѭӣQJÿӃn toàn hӋ thӕng [5]
Khái niӋPFiFÿLӇm lân cұQÿѭӧF[iFÿӏnh bҵng khoҧng cách giӳDÿLӇm cҫn [HP[pWÿӃQFiFÿLӇm xung quanh nó MӝWÿLӇPÿѭӧc gӑi là lân cұn nӃu khoҧng cách giӳDKDLÿLӇm nhӓ KѫQPӝt giá trӏ ÿӝ GjLÿӇ [iFÿӏQKOjÿLӇm lân cұn Trong thӵc tӃ sӱ dөQJFyKDLSKѭѫQJSKiSÿӇ [iFÿӏQKFiFÿLӇm lân cұQÿLӇPÿDQJ[pW là:
- ;iFÿӏnh bҵQJNÿLӇm lân cұQÿLӇPÿDQJ[pWWuPWKHRNÿLӇm;
- ;iFÿӏnh bҵQJNÿLӇm lân cұQÿLӇPÿDQJ[pWWURQJEiQNtQKUWtQKWӯ ÿLӇm [pWÿӃQFiFÿLӇm lân cұn, tìm theo bán kính r;
3KѭѫQJSKiSWuPNLӃPWKHREiQNtQKFyѭXÿLӇm trong viӋF[iFÿӏnh các ÿһc WUѭQJFӫa mӝWÿLӇm dӵa trên thuӝc tính hình hӑFÿiPPk\ÿLӇm, không phө thuӝc vào mұWÿӝ ÿLӇP[XQJTXDQKÿLӇPÿDQJ[pW
Trong các thuұt toán tìm kiӃm lân cұn, K-nn (K-nearest neighbor) là mӝt trong nhӳng thuұt toán tìm kiӃm lân cұQÿѫQJLҧn và dӉ thӵc hiӋQĈӇ gҳn nhãn mӝt dӳ liӋu mӟLÿҫu ra dӳ liӋu sӁ bҵQJFKtQKÿҫu ra cӫDFiFÿLӇm dӳ liӋXÿmELӃt gҫn nhҩt, hoһc trung bình có trӑng sӕ cӫDÿҫXUDFiFÿLӇm gҫn nhҩt, hoһc bҵng mӕi quan hӋ dӵa trên khoҧng cách tӟLFiFÿLӇm gҫn nhҩWÿy
&iFEѭӟc thӵc hiӋn trong K-nn:
- Dӳ liӋXÿҫu vào là tұp dӳ liӋXÿLӇP'ÿmÿѭӧc gҳn nhҹQYj$FKѭDÿѭӧc phân loҥi
- ĈRNKRҧng cách (Euclidian, Manhattan, Minkowski, Minkowski hoһc Trӑng sӕ) tӯ dӳ liӋX$ÿӃn tҩt cҧ các dӳ liӋXNKiFÿmÿѭӧc phân loҥi trong D
- ChӑQ.ÿLӇm (tӵ ÿӏnh nJKƭDFyNKRҧng cách ngҳn nhҩt
- KiӇPWUDGDQKViFKÿLӇm có khoҧng cách ngҳn nhҩWYjÿӃm sӕ Oѭӧng cӫa mӛi loҥi xuҩt hiӋn
- Lҩy loҥi xuҩt hiӋn nhiӅu nhҩWYjJiQFKRÿLӇPÿDQJ[pW
Trong hҫu hӃWFiFWUѭӡng hӧSNtFKWKѭӟc vùng lân cұQÿѭӧFÿһWÿӇ các thuӝc tính cӫDÿӕLWѭӧng có qui mô nhӓ nhҩt có thӇ ÿѭӧc tính toán mà không bӏ ҧQKKѭӣng bӣi nhiӅu bӅ mһW3KѭѫQJSKiSN-QQÿѭӧc chӑQYuWtQKÿѫQJLҧn trong viӋc xây dӵng các vùng lân cұn và khҧ QăQJPӣ rӝng vùng lân cұn khi xӱ OêFiFWKD\ÿәi vӅ mұWÿӝ ÿLӇm và bӅ mһt mүXWKѭDWKӟt MұWÿӝ ÿLӇPWKD\ÿәi là mӝt vҩQÿӅ phә biӃn vӟi các ÿiPPk\ÿLӇm TLS, ngoҥi trӯ ÿiPPk\ÿLӇPÿmÿѭӧc xӱ lý phân bә lҥi mұWÿӝ ÿLӇm x Thuұt toán RANSAC
ThiӃt bӏ
Dӳ liӋu nghiên cӭXÿѭӧc thu thұp bҵng máy quét laser mһWÿҩt Leica BLK360, sӱ dөng công nghӋ Wave Form Digitizer (WFD) vӟi tӕFÿӝ TXpWÿLӇm mӛi giây [1]
ThiӃt bӏ có 3 chӃ ÿӝ TXpWWѭѫQJӭng ӣ 3 mӭFÿӝ phân giҧi 3/6/12mm @ 10 m vӟi mұWÿӝ ÿLӇPGj\WUXQJEuQKYjWKѭD&KӃ ÿӝ quét vӟi mұWÿӝ ÿLӇm dày sӁ mҩt nhiӅu thӡLJLDQTXpWKѫQQKѭQJdӳ liӋu thu vӅ chi tiӃWKѫQYjQJѭӧc lҥi ViӋc lӵa chӑn chӃ ÿӝ quét sӁ tùy thuӝc vào mӭFÿӝ chi tiӃt cӫDÿӕLWѭӧng cҫn thu thұp dӳ liӋu Thông sӕ kӻ thuұt máy quét:
Bҧng 3 1 Thông sӕ kӻ thuұt máy quét Leica BLK360
3KѭѫQJpháp quét Wave Form Digitizer (WFD)
Phҥm vi 0.6 ± 60 m Ĉӝ phân giҧi 3/6/12mm @ 10 m
7Uѭӡng quét H/V 360°/300° Ĉӝ FKtQK[iFÿLӇm 3D 6 mm @ 10 m
Hình 3 1 Máy quét laser m̿Wÿ̭t Leica BLK360, ngu͛n [1]
Khu vӵc nghiên cӭu
Bӝ dӳ liӋu nghiên cӭXÿѭӧc thu thұp tҥLQKj$7UѭӡQJĈҥi hӑc Bách Khoa
TP Hӗ &Kt0LQKYjWzDQKj6,6&%XLOGLQJ.KXGkQFѭ7UXQJ6ѫQ+%uQK&KiQK
TP Hӗ Chí Minh Khu vӵc bӅ mһt các tòa nhà có nhiӅu góc cҥQKQKѭNKXQJQKjFӱa sә, cӱDUDYjRôYӟi nhiӅu mүu cҥnh phự hӧSÿӇ thӱ nghiӋm thuұWWRiQÿӅ xuҩt ĈӇ kiӇm tra khҧ QăQJWUtFh xuҩWÿLӇm cҥnh dӳ liӋXÿiPPk\ÿLӇm cӫa thuұt toán, nghiên cӭu sӁ tiӃQKjQKÿiQKJLiWUrQFiFEӝ dӳ liӋu có mұWÿӝ ÿLӇPÿӝ phӭc tҥp, kiӇu hình dҥng khác nhau
Vӏ WUt7UѭӡQJĈҥi hӑc Bách Khoa Tp Hӗ Chí Minh ĈӕLWѭӧng quét: Nhà A1
Thӡi gian xӱ lý nӝi nghiӋp: 30 phút
Hình 3 2 B͙ trí tr̩m quét t̩L1Kj$7U˱ͥQJĈ̩i h͕c Bách Khoa Tp H͛ Chí Minh
Vӏ WUt9zQJ[RD\7UXQJ6ѫQ%uQK&KiQK ĈӕLWѭӧng quét: Tòa nhà SISC
Sӕ Oѭӧng trҥm quét: 11 trҥm
Thӡi gian xӱ lý nӝi nghiӋp: 1 giӡ
Hình 3 3 Khu vc quét t̩LWzDQKj6,6&9zQJ[RD\7UXQJ6˯Q%uQK&KiQK
Hai khu vӵc có nhiӅu dҥng mүXÿӕLWѭӧng bӅ mһWWzDQKjQKѭFҥnh thҷng, cҥnh cong, cҥnh gҩSôÿӇ kiӇm tra khҧ QăQJWӕFÿӝ và hiӋu quҧ cӫa thuұWWRiQÿӅ xuҩt.
Qui trình quét
Thu thұp dӳ liӋu thӵFÿӏa
Lên k͇ ho̩ch: yêu cҫu dӳ liӋXÿiPPk\ÿLӇPWKXÿѭӧc bӅ mһt tòa nhà vӟi các chi tiӃt cҥnh rõ ràng
Hình 3 4 Minh h͕a b͙ trí tr̩m quét t̩i tòa nhà SISC Thi͇t l̵p tr̩m quét: chӑn vӏ WUtÿһWPi\ÿӇ quét toàn bӝ bӅ mһt tòa nhà, thiӃt lұp hai trҥm quét liӅn kӅ có phҫQWUăPFKHSKӫ FKXQJNKX\Ӄn cáo cӫa nhà sҧn xuҩt)
Thi͇t l̵p máy quét: chӑn mұWÿӝ quét cao nhҩt 3mm @ 10 m, thӡi gian quét mӝt trҥm trung bình khoҧng 6 phút 10 giây
B̫ng 3 2 Thông s͙ thi͇t l̵p tr̩m quét chi ti͇t
STT Tên trҥm ChӃ ÿӝ quét Chөp ҧnh
V̵n hành: sӱ dөQJWUuQKÿLӅu khiӇn thiӃt bӏ GLÿӝng - ӭng dөng Leica Cyclone
Field 360, tiӃn hành thu thұp dӳ liӋu
Hình 3 5 0jQKuQKÿL͉u khi͋n trên thi͇t b͓ GLÿ͡ng, ͱng dͭng Leica Cyclone Field
Hình 3 6 B͡ thi͇t b͓ ph̯n cͱng và ph̯n m͉m theo qui trình quét cͯa máy quét laser
Hình 3 7 Giao di n nh̵p dͷ li u trên Leica Cyclone REGISTER 360
- Dӳ liӋu sau khi thu thұSÿѭӧFOѭX tҥi bӝ nhӟ trong, thiӃt bӏ ÿѭӧc kӃt nӕi vӟi Pi\WtQKFjLÿһt phҫn mӅP/HLFD&\FORQH5(*,67(5ÿӇ tiӃn hành trút dӳ liӋu vào phҫn mӅm
- Các trҥPTXpWÿmÿѭӧc liên kӃWWUѭӟc vӟi chӭFQăQJ3UH-Align tӵ ÿӝng tҥi thӵFÿӏa trên ӭng dөQJGLÿӝng Leica Cyclone FIELD 360 sӁ tӵ ÿӝng liên kӃt sau khi nhұp vào phҫn mӅm xӱ lý Leica Cyclone REGISTER 360 TiӃn hành kiӇm tra các liên kӃt, nӃXÿ~QJFKҩp nhұn kӃt quҧQJѭӧc lҥi hӫy bӓ ÿӇ thӵc hiӋn ghép trҥm thӫ công
Pre-Align: kӻ thuұt chӑQOrQÿӃQÿLӇm trong cҧ KDLÿiPPk\ÿLӇm và VRViQKÿӕi chiӃXFiFÿLӇPFyÿһc tính hình hӑFWѭѫQJWӵ bҵng cách sӱ dөng các thuұt toán thông minh (theo công bӕ cӫa nhà sҧn xuҩt) [1]
Hình 3 8 Giao di n ki͋m tra liên k͇t tr̩m máy trên Leica Cyclone REGISTER 360
- &iFSKѭѫQJSKiSÿăQJNêWUҥm quét Registration: target-based và surface- based Ӣ nghiên cӭu này sӱ dөQJSKѭѫQJSKiSVXUIDFH-based (liên kӃt trҥm quét dӵa trên sӕ ÿLӇm che phӫ chung cӫDKDLÿiPPk\ÿLӇm) hay còn gӑi là SKѭѫQJSKiS &ORXG WR &ORXG ѬX ÿLӇP SKѭѫQJ SKiS Oj QKDQK FKyQJ Yj thuұn tiӋQKѫQ
Hình 3 9 Giao di QÿiQKJLiN͇t qu̫ ghép tr̩m máy trên Leica Cyclone
- TiӃn hành kiӇm tra các liên kӃt giӳa các trҥm dӵa trên các WLrXFKtÿӝ phӫ, kӃt quҧ liên kӃt Cloud to Cloud, kӃt quҧ liên kӃt toàn trҥm NӃu kӃt quҧ kém, tiӃn hành liên kӃt lҥi bҵng cách thӫ công
- Sau khi kiӇm tra các tiêu chí liên kӃt thӓa mãn, chҩp nhұn và xuҩt kӃt quҧ
Hình 3 10 Giao di n xṷt báo cáo và dͷ li u trên Leica Cyclone REGISTER 360
Hình 3 11 Báo cáo k͇t qu̫ ghép tr̩m t̩i hai khu vc
- Sau khi xuҩt dӳ liӋu ghép trҥm, kӃt quҧ ÿѭӧc tұp dӳ liӋXÿiPPk\ÿLӇm thô, còn nhiӉXYjFiFÿӕLWѭӧng không cҫn thiӃt, tiӃp tөc chuyӇn dӳ liӋu sang phҫn mӅP/HLFD&\FORQHÿӇ xӱ lý
Hình 3 12 Dͷ li XÿiPPk\ÿL͋m thô trên ph̯n m͉m Leica Cyclone
- TiӃn hành xóa nhiӉu và cҳt chӑn phҫn dӳ liӋu cҫn phân tích
Hình 3 13 K͇t qu̫ dͷ li XÿiPPk\E͉ m̿t nhà A1 (a) Hi͋n th͓ màu thc tͳ ̫nh chͭp, (b) Hi͋n th͓ màu theo giá tr͓ F˱ͥQJÿ͡ ph̫n x̩ và (c) ̪nh chͭp thc t͇
Hình 3 14 K͇t qu̫ dͷ li XÿiPPk\E͉ m̿t tòa nhà SISC, (a) Hi͋n th͓ màu thc tͳ ̫nh chͭp, (b) Hi͋n th͓ màu theo giá tr͓ F˱ͥQJÿ͡ ph̫n x̩ và (c) ̪nh chͭp thc t͇
Dӳ liӋu nghiên cӭu
Dӳ liӋu sau khi thu thұp và xӱ OêVѫEӝ nhiӉu sӁ phân thành các mүu vӟLFiFÿӕi Wѭӧng tӯ ÿѫQJLҧn (chӍ gӗm các cҥnh ӣ mһWÿӭng hoһc mһWQJDQJÿӃn phӭc tҥp (các cҥnh ӣ cҧ mһWÿӭng và mһt ngang) Ngoài ra, trong thӵc tӃ, không phҧLO~FQjRQJѭӡi GQJFNJQJFyWKӇ WKXÿҫ\ÿӫ dӳ liӋu vӟi mұWÿӝ cao nhҩt, vì vұy nghiên cӭXFNJQJ kiӇm tra hiӋu quҧ WUtFKÿLӇm cҥnh ӣ các mұWÿӝ ÿLӇm khác nhau Thuұt toán sӁ ÿѭӧc áp dөng trên các bӝ mүXÿӇ ÿiQKJLiKLӋu quҧ xӱ lý, hiӋu suҩt thӵc hiӋn và khҧ QăQJ áp dөng
Tҥi bӅ mһt nhà A1, các mүXÿһFWUѭQJJӗm các mүXÿѭӧc chӑn tӯ ÿѫQJLҧQÿӃn phӭc tҥp vӟi cҥnh nhà chӍ có mһWÿӭng hoһc mһWQJDQJÿӃn mӝt sӕ mүXNKyKѫQQKѭ khung cӱa, khung nhà bao gӗm cҧ mһWÿӭng và mһt ngang
Hình 3 15 Dͷ li Xÿ̿FWU˱QJE͉ m̿t nhà A1
B̫ng 3 3 Ch͕n m̳u th͵ nghi m b͉ m̿t nhà A1 và mô t̫
Mau01 Mүu chӍ gӗm các cҥnh ӣ mһWÿӭng
Mau02 Mүu chӍ gӗm các cҥnh ӣ mһt ngang
Mau03 Mүu gӗm các cҥnh ӣ cҧ mһt ngang và mһWÿӭng
Mau04 Mүu gӗm các cҥnh ӣ cҧ mһt ngang và mһWÿӭng, nhiӅu cҥnh liӅn kӅ
Mau05 Mүu gӗm các cҥnh ӣ cҧ mһt ngang, mһWÿӭng và các chi tiӃt
Tҥi bӅ mһt tòa nhà SISC, các mүu phӭc tҥp vӟi các chi tiӃt cҥnh và khung gӗm cҧ mһWÿӭng, mһt ngang và các góc cҥnh cong, không phҧi góc vuông
Hình 3 16 Dͷ li u b͉ m̿Wÿ̿FWU˱QJE͉ m̿t tòa nhà SISC
B̫ng 3 4 Ch͕n m̳u th͵ nghi m b͉ m̿t tòa nhà SISC và mô t̫
Mau06 Mүu gӗm các cҥnh ӣ cҧ mһt ngang, mһt ÿӭng và các cҥnh không vuông góc
Mau07 Mүu gӗm các cҥnh ӣ mһt ngang, mһt ÿӭng và cҥnh dҥng cong
Mau08 Mүu gӗm các cҥnh ӣ cҧ mһt ngang, mһt ÿӭng và các cҥQKÿӭng liӅn kӅ
Mau09 Mүu gӗm các cҥnh ӣ cҧ mһt ngang, mһt ÿӭQJYjWKD\ÿәLÿӝ cao
Dӳ liӋu mүu theo mұWÿӝ ÿLӇm ĈӇ kiӇm tra ҧQKKѭӣng cӫa mұWÿӝ ÿLӇPÿӃn kӃt quҧ WUtFKÿLӇm cҥnh, lӵa chӑn ba mүu vӟi ba mұWÿӝ ÿLӇm giҧm dҫQQKѭEҧng 3.5
B̫ng 3 5 Các m̳u ki͋m tra ̫QKK˱ͧng m̵Wÿ͡ ÿL͋m
Có nhiӅu loҥLÿLӇm cҥQKWURQJÿyÿLӇm cҥnh gҩSYjÿѭӡng bao là hai loҥi chiӃm hҫu hӃt trong tұp dӳ liӋXÿiPPk\ÿLӇm ĈӇ gҳQQKmQÿLӇm có phҧi là cҥnh hay không WKuÿLӇPÿѭӧc phân tích thuӝc tính hình hӑc vӟLFiFÿLӇm lân cұn Vӟi các lân cұn là ÿӕi WѭӧQJÿѭӡQJEDRFiFÿLӇm cҥnh ӣ phҫn ngoài cӫa bӅ mһt, ӣ ÿk\FKӍ có mӝWÿѭӡng cong hoһc mӝt bӅ mһt phҷng VӟLÿLӇm cҥnh gҩSFiFÿLӇm cҥnh sӁ nҵm trên hoһc gҫQJLDRÿLӇm giӳa hai hoһc nhiӅu bӅ mһt
7URQJSKѭѫQJSKiSQJKLrQFӭXÿLӇm bҳWÿҫu là P ± FKѭDJҳQQKmQĈҫu tiên tìm tұSÿLӇm lân cұn cӫa P dӵDWUrQSKѭѫQJSKiSNKRҧng cách k-QQ6DXÿyWұSÿLӇm lân cұQÿѭӧc phù hӧp bҵng mӝt mһt phҷng cөc bӝ Plane bҵQJSKѭѫQJSKiS5$16$& tұSÿLӇm nҵm trên mһW3ODQHÿѭӧc gӑi là tұp inlier, và tұSÿLӇm nҵm ngoài mһt phҷng gӑi là tұSRXWOLHUĈLӇm P sӁ ÿѭӧc xét tiӃp nӃu nҵm trong tұp inlier, nӃu không sӁ ÿѭӧc gҳn nhãn là không phҧLÿLӇm cҥnh NӃu P nҵm trong tұSÿLӇm inlier sӁ ÿѭӧc xét tiӃp bҵng cách kӃt nӕi vӟi vector pháp tuyӃn và xây dӵng hӋ tӑDÿӝ cөc bӝ cӫa mһt phҷng Plane Tӯ ÿk\ÿӇ kiӇm tra P có phҧLOjÿLӇm cҥnh, mӝt góc lӋch sӁ ÿѭӧc tính toán giӳD3YjFiFÿLӇm lân cұn inlier dӵa trên hӋ tӑDÿӝ cөc bӝ ÿmWҥo NӃu tӗn tҥi mӝt góc lӋch giӳa P vӟLKDLÿLӇm lân cұn liên tiӃp lӟQKѫQPӝt giá trӏ QJѭӥQJOjʌ3VӁ ÿѭӧc gҳQQKmQOjÿLӇm cҥQK1Jѭӧc lҥi, P sӁ ÿѭӧc gҳn nhãn không phҧi cҥnh Các ÿLӇm cҥnh sӁ ÿѭӧc phân tích sau khi tҩt cҧ FiFÿLӇPÿѭӧc gҳn nhãn
TiӃp theo, nghiên cӭu tiӃp tөc tiӃn hành nӕLFiFÿLӇm cҥQKÿӇ tҥRWKjQKÿѭӡng ELrQÿӕLWѭӧng bҵng cách tìm kiӃm lân cұn k-nn và phù hӧSÿѭӡng biên cҥnh bҵng SKѭѫQJSKiSEuQKSKѭѫQJFӵc tiӇu KӃt quҧ tҥRWKjQKFiFSKkQÿRҥQÿѭӡng biên cҥnh, tiӃp tөc nӕLFiFSKkQÿRҥn bҵQJFiFK[pWFiFÿLӅu kiӋn cӫDKDLSKkQÿRҥQÿѭӡng thҷng liӅn kӅ (góc hӧp, khoҧQJFiFKÿӇ nӕi cáFSKkQÿRҥQWKjQKFiFÿѭӡng biên cҥnh hoàn chӍnh
Tә chӭc dӳ liӋu theo cҩu trúc quadtree-voxel
;pWÿLӇm P và tìm tұSÿLӇm lân cұn dùng k-nn
Tìm mһt phҷng phù hӧp tұSÿLӇm lân cұn vӟi P dùng RANSAC ĈLӇm nҵm ngoài mһt phҷng outlier ĈLӇm nҵm trong mһt phҷng inlier
Tính vector pháp tuyӃn cho tұSÿLӇm inlier
TұSÿLӇm cҥnh Tұp không phҧi ÿLӇm cҥnh
Toàn bӝ thӱ nghiӋPÿѭӧc thӵc hiӋn trên phҫn mӅm MATLAB R2018a sӱ dөng hӋ ÿLӅu hành Intel(R) Core(TM) i5-2410M CPU @ 2.30GHz 2.30 GHz 12 GB RAM vӟi các tham sӕ thӵc nghiӋPÿѭӧc liӋt kê ӣ bҧng 4.1
B̫ng 4 1 Các tham s͙ thc nghi Pÿ˱ͫc s͵ dͭng trong thu̵t toán trích xṷt c̩nh
Tham sӕ Mô tҧ Thӵc nghiӋm voxelSize tFK WKѭӟF { ÿѭӧF GQJ ÿӇ chia không gian quadtree
0.5m, 0.7m, 1m, 1.5m, 2m (tùy thuӝFYjRNtFKWKѭӟFÿӕLWѭӧng xӱ lý) thresHeight 1JѭӥQJ FKrQK FDR [iF ÿӏnh voxel chӍ chӭa mһt phҷng
0.05m dist 1Jѭӥng khoҧQJFiFK[iFÿӏnh
8 voxel lân cұn voxelSize ξʹ radius Bán kính dò tìm lân cұn 0.05m, 0.1m, 0.2m (tùy thuӝc vào mұW ÿӝ và khoҧng cách ngҳn nhҩt giӳa hai cҥnh trên ÿӕLWѭӧng xӱ lý) maxDistance 1Jѭӥng khoҧQJFiFKWuPÿLӇm phù hӧp mһt phҷng cӫa thuұt toán RANSAC (MSAC)
0.05m delta_Gt 1Jѭӥng chênh lӋFK JyF ÿӇ hiӋu chӍnh lҥi tұSÿLӇm biên ÿӝ Į 1JѭӥQJJyF[iFÿӏnh hai phân ÿRҥn song song ÿӝ d 1Jѭӥng khoҧQJFiFK[iFÿӏnh
Các công cө xӱ lý tác giҧ tham khҧo tӯ các tác giҧ Truong-Hong, L.; Laefer, D )/LQGHQEHUJK5&ÿѭӧc lұp trình bҵng ngôn ngӳ MATLAB trong [25]: Ĉӑc dӳ liӋXÿiPPk\ÿLӇm tұp tin las: ReadLAS.m
Tә chӭc dӳ liӋu Quadtree-Voxelization: ROctQuadtree.m
Các công cө xӱ OêÿiPPk\ÿLӇPWURQJWKѭYLӋn MATLAB tác giҧ sӱ dөng trong nghiên cӭu:
Tìm lân cұn: [indices,dists] = findNeighborsInRadius(ptCloud,point,radius)
Tìm mһt phҷng phù hӧp bҵng RANSAC (MSAC):
[model,inlierIndices,outlierIndices] = pcfitplane(ptCloudIn,maxDistance) ѬӟFOѭӧng vector pháp tuyӃn tӯ tұSÿLӇm: normals = pcnormals(ptCloud,k) Các thuұWWRiQÿѭӧc thӵc hiӋn bӣi chính tác giҧ trên MATLAB:
Tìm 08 voxel lân cұn: Find08Neighbors.m
Trích xuҩWÿLӇm cҥnh: EdgeExtraction.m
HiӋu chӍQKÿLӇm cҥnh: ReEdgeExtraction.m
3KkQÿRҥQÿѭӡng: FittingLine.m
Quadtree-Voxelization ĈӇ WăQJWӕc xӱ lý dӳ liӋXÿiPPk\ÿLӇm, mӝWEѭӟc tә chӭc dӳ liӋu vào các voxel ÿѭӧc thӵc hiӋn tҥLEѭӟFÿҫu tiên Dӳ liӋXÿiPPk\ÿLӇPÿѭӧc tә chӭc vào các Oѭӟi voxel Cҩu trúc dӳ liӋXOѭӟi 3D tҥo sau khi voxel hóa sӁ trӣ nên có tә chӭc và truy vҩn hiӋu quҧ khi tìm kiӃm lân cұn trong mӛi voxel dӵa trên id voxel Thuұn tiӋn phân tích các mӕi liên hӋ không gian giӳDFiFÿӕLWѭӧQJÿѭӧc liên kӃt hoһc liӅn kӅ, rҩt cҫn thiӃWÿӇ phân tích trích xuҩWÿLӇm
Giá trӏ voxel sӁ ÿѭӧc giӟi hҥQÿӃn 0 cho voxel rӛng và 1 cho voxel vӟLFiFÿLӇm ÿiPPk\ bên trong Quan trӑng trong chuyӇQÿәLQj\Ojÿӝ phân giҧLNK{QJJLDQQKѭ NtFKWKѭӟc mӝWYR[HOĈLӅXQj\FNJQJ[iFÿӏQKÿӝ phân giҧi cӫDOѭӟi raster 3D sӱ dөng cho qui trình xӱ lý raster và bao nhiêu voxHOÿѭӧc tҥo Lӵa chӑQÿӝ phân giҧi phù hӧp dӵa trên 3 yêu cҫu [28]:
- MұWÿӝ ÿLӇPÿiPPk\ cӫDFiFÿӕLWѭӧng thӵc tӃ nên tҥo mӝt liên kӃt thiӃt lұp các voxel Khi mұWÿӝ ÿLӇm cӫDÿiPPk\WKҩSYjÿӝ phân giҧi không JLDQÿѭӧc chӑn quá tӕt, các khoҧng trӕng giӳ các voxel xuҩt hiӋn có thӇ gây ra vҩQÿӅ WURQJTXiWUuQKSKkQWtFK1JRjLUDNKLNtFKWKѭӟFYR[HOÿѭӧc chӑn quá lӟn, nhiӅXÿLӇm sӁ chuyӇQÿәi trong cùng voxel gây ra tiêu tӕn bӝ nhӟ do cҩSÿӝ chi tiӃt thҩp hѫQ
- Ĉӝ phân giҧLNK{QJJLDQ[iFÿӏQKEDRQKLrXYjÿLӇm nào mӛi voxel chӭa VDXNKLYR[HOKyD.KLNtFKWKѭӟFYR[HOÿѭӧc chӑn quá lӟn, nó có thӇ gây UDFiFÿLӇm nhiӉu là mӝt phҫn cӫDFQJYR[HOQKѭFiFÿLӇPÿӕLWѭӧQJQKѭ vұ\FiFÿLӇm nhiӉu có thӇ NK{QJÿѭӧc phân biӋt vӟLFiFÿLӇm dӳ liӋu tӕt
- Thӡi gian xӱ OêQrQÿѭӧc giӳ ӣ mӭc hӧSOê7Kѭӡng thӡi gian xӱ OêWăQJ cùng vӟLÿӝ phân giҧi
Trong nghiên cӭu này, tә chӭc quadtree-voxelization tham chiӃu giҧi thuұt tҥo Oѭӟi ROctquadtree cӫa các tác giҧ Truong-Hong, L.; Laefer, D F.; Lindenbergh, R
&ÿѭӧc lұp trình bҵng ngôn ngӳ MATLAB trong [35]ĈiPPk\ÿLӇPÿѭӧc tә chӭc WURQJFiFOѭӟi voxel theo dҥng quadtree trên mһt bҵng (trөF;