haku: @keyword mobile laser scanning / yhteensä: 3
viite: 3 / 3
« edellinen | seuraava »
| Tekijä: | Posti, Maaria |
| Työn nimi: | Uusi toimintamalli mobiilin laserkeilauksen pistepilvien rekisteröimiseksi |
| New workflow for the registration of mobile laser scanning point clouds | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2012 |
| Sivut: | xii + 88 + [8] Kieli: fin |
| Koulu/Laitos/Osasto: | Maankäyttötieteiden laitos |
| Oppiaine: | Fotogrammetria (Maa-57) |
| Valvoja: | Haggrén, Henrik |
| Ohjaaja: | Rönnholm, Petri ; Luukkonen, Heikki |
| OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
| Sijainti: | P1 Ark Aalto 461 | Arkisto |
| Avainsanat: | mobile laser scanning registration trajectory errors urban environments workflow mobiililaserkeilaus radan virheet rekisteröinti työprosessi urbaanit ympäristöt |
| Tiivistelmä (fin): | Ajoneuvo- eli mobiililaserkeilaus mahdollistaa laajojen alueiden, kuten kaupunkien, yksityiskohtaisen kartoituksen nopeasti ja kustannustehokkaasti. Eduista huolimatta keilausaineistojen jälkikäsittely, jossa pistepilvet yhteen sovitetaan ja rekisteröidään, saattaa vaatia usean päivän manuaalisen työn. Huolimatta useista ehdotetuista strategioista, jotka saattaisivat nopeuttaa keilausprosessia, nämä menetelmät joko eivät sovellu tai ovat riittämättömiä Optech:n Lynx Mobile Mapper:n kaltaisille "on-the-f1y" -keilausjärjestelmille. Aiemmin tutkituista menetelmistä poiketen nykyisen rekisteröintiprosessin automatisointi on jäänyt pitkälti huomioimatta. Diplomityössä pyrittiin muodostamaan toimintamalli mobiilien laserkeilattujen pistepilvien automaattisen rekisteröinnin suorittamiseksi. Automaattisen rekisteröinnin toimintamallin muodostamiseksi diplomityössä kartoitettiin mobiilikeilauksen teoreettista taustaa, kuten virhelähteitä, nykyistä kelausprosessia ja aikaisempaa tutkimusta. Lopullisen toimintamallin muodostamiseksi analysoitiin ratavirheitä kahden Lynx:llä kerätyn laseraineiston avulla. Lopuksi yhden laseraineiston avulla testattiin muodostetun toimintamallin kahta ominaisuutta: parinmuodostusalgoritmin luotettavuutta ja mallilla saatavan rekisteröinnin tarkkuutta. Työssä saadut tulokset olivat lupaavia. Tulokset osoittivat automaattisen, radan sijaintivirheiden ajalliseen käyttäytymiseen perustuvan parinmuodostusalgoritmin muodostavan tukipisteparit virheettömästi tutkituissa testitapauksissa. Algoritmi korvaa alkuperäisen rekisteröintiprosessin vaiheen, jossa prosessoija liittää manuaalisesti pistepilvestä havaitun tukipisteen sijainnin tämän (oikeaan) referenssisijaintiin. Testin toisessa osassa kuitenkin havaittiin suhteellisen korkeita kontrollipisteiden virheitä. Virhearvot saattavat johtua esimerkiksi käytetyn kontrollipistetyypin (rakennuksen nurkka) koordinaattien manuaalisen määritystavan epävarmuudesta. Kuitenkin visuaalisen tarkastelun perusteella rekisteröity pistepilvi yhteni verraten hyvin referenssiaineistojen kanssa. Diplomityön tulokset vaikuttaisivat viittaavan muodostetun toimintamallin potentiaaliin useasta syystä. Ensinnäkin manuaalinen parinmuodostus vaikuttaa olevan automatisoitavissa. Toiseksi mallilla saatavan rekisteröinnin tarkkuus riittänee käytännön tarkoituksiin. Toisaalta kirjallisuudessa on myös esitetty menetelmiä rekisteröintiprosessin tarkemmin määrittelemättömien toimintojen toteuttamiseksi, kuten tukipisteiden (rakennusten nurkka) automaattiseen tunnistukseen segmentoinnilla. Lupaavista tuloksista huolimatta monia osaongelmia, kuten algoritmitestin yleistettävyyttä ja toimintamallin toteutusta, ei vielä tutkittu. Nämä ja muut työn lopussa kuvatut aiheet kuuluvat jatkotutkimukseen. |
| Tiivistelmä (eng): | Vehicle-borne, or mobile, laser scanning offers a fast and cost-effective method for mapping large areas, such as cities, in great detail. Despite the assets, the post-processing stage of the mobile laser scanning process, where the point clouds are corrected and registered, still requires much time-consuming manual processing. Although many methods have been suggested to quicken the point cloud production process, these methods appear either ill-suited or deficient for on-the-f1y mobile systems such as Optech Lynx Mobile Mapper. In contrast, little research has been conducted on increasing automation in the current registration process. This thesis aimed to form a workflow for the automatic registration of mobile laser scanning point clouds. In order to form the workflow, the theoretic background on mobile mapping was explored, including error sources, the current processing procedure and previous research. To finalize the workflow, two mobile laser datasets collected by Lynx were analysed for trajectory errors. Finally, the formed workflow was tested for the reliability of automated pair forming as well as for the accuracy of the achieved registration. The results achieved in the thesis proved to be promising. It was learned that the automated pair forming procedure, based on the assumed behaviour of trajectory coordinate errors, formed pairs flawlessly in the tested case. This automated process replaces the step in the original registration process where the processor manually associates a control point in the point cloud with its reference (true) location. The results for latter part of the test, however, were slightly less successful. The relatively high control point errors may have resulted from many reasons, for instance the control point type (building comers) and the uncertainty related to the manual definition of point coordinates. Regardless of this fact, based on visual observations, the registered point cloud matched the used reference datasets relatively well. The results of the thesis demonstrate the potential of the formed workflow, utilizing the automatic segmentation of building corner points, in three aspects. Firstly, it appears to be possible to automate the previously manual pair forming process. Secondly, the model is likely to provide sufficient accuracy for practical purposes. Thirdly, there are readily available methods to implement the methods not yet specified in the workflow in detail, such as the automatic extraction of control points. Despite the potential, several issues - such as the generalizability of the algorithm test results and the practical implementation of the formed workflow - were not addressed in the thesis. These and other topics listed at the end of the thesis will be researched in the future. |
| ED: | 2012-05-11 |
INSSI tietueen numero: 44486
+ lisää koriin
« edellinen | seuraava »
INSSI