روشی نوین برای جانمایی ابرهای نقاط زمینی محلی در ابرنقاط هوایی سراسری

تهیه یک پوشش کامل و متراکم از نواحی شهری، عمدتاً نیازمند اخذ داده های محلی در چندین ایستگاه زمینی و ادغام آنها با یک داده سراسری اخذشده از منظرهای هوایی می باشد. مقاله حاضر مساله زمین مرجع سازی و مرتبط سازی اسکن های محلی اخذشده بوسیله لیزراسکنر زمینی را در فضای واسطه ابرنقاط هوایی سراسری، بدون استفاده از هرگونه داده های کمکی و یا عملیات دستی، مدنظر قرار داده است. از این رهگذر، جانمایی اسکن های زمینی محلی در ابرنقاط هوایی سراسری، به عنوان چالش اصلی در مرتبط سازی این داده ها مورد تاکید قرار گرفته است. علاوه بر نامتجانس بودن منظرهای هوایی و زمینی، هریک از ابرنقاط کوچک مقیاس زمینی به سختی با ابرنقاط بالاسری و بزرگ مقیاس هوایی قابل مقایسه هستند. روشی چندمرحله ای جهت جانمایی خودکار اسکن های زمینی در ابرنقاط هوایی ارائه شده است. روش پیشنهادی با شناسایی موقعیت های کاندید استقرار لیزراسکنر در ابرنقاط هوایی آغاز می شود. در ادامه، با شبیه سازی عملکرد لیزراسکنر، محدوده رویت پذیر به این موقعیت ها از ابرنقاط هوایی شناسایی و در قالب ابرنقاط هوایی کاندید استقرار استخراج می شوند. در نتیجه مساله جانمایی به مساله تناظریابی میان چند ابرنقطه زمینی با چند ابرنقطه هوایی تبدیل می گردد. به منظور افزایش قیاس پذیری ابرهای نقاط زمینی و هوایی در پروسه تناظریابی، ساختارهای هندسی شاخص موجود در هر ابرنقطه با استفاده از چهار ویژگی هندسی طراحی شده استخراج و در قالب نقشهویژگی های معرف هر ابرنقطه سازماندهی می گردند. نقشهویژگی های تولیدشده برای هر ابرنقطه توسط توصیفگر مستقل از دوران fhog توصیف می شوند و در نهایت مساله تناظریابی در قالب یک طبقه بندی knn میان کلاس های تولیدشده برای این توصیفگرها، ساختاردهی می شود. نهایتاً جانمایی هر اسکن زمینی بر اساس نتایج طبقه بندی انجام می پذیرد. نتایج ارزیابی روش پیشنهادی بر روی مجموعه داده ماخوذه از منطقه ای شهری، دقت در حدود 5 متر را برای جانمایی اسکن های زمینی در سیستم مختصات مربوط به ابرنقطه هوایی نشان داد که جهت ورود به فرآیند مرتبط سازی ابرهای نقاط زمینی و هوایی کافی به نظر می رسد.

A novel method for locating the local terrestrial laser scans in a global aerial point cloud

In addition to the heterogeneity of aerial and terrestrial views, the small scale terrestrial point clouds are hardly comparable with large scale and overhead aerial point clouds. A hierarchical method is proposed for automatic locating of terrestrial scans in aerial point cloud. The proposed method begins with detecting the candidate positions for the deployment of the terrestrial laser scanner in the aerial point cloud. After that, by simulating the performance of the laser scanner, the visible portion of the aerial point cloud is detected and it is extracted as the candidate deployment aerial point cloud. As a result, the problem of scan locating is converted to a corresponding one between several local terrestrial point clouds and several local aerial point clouds. In order to increase the comparability of these two datasets in the corresponding process, the main geometric structures of each point cloud are extracted using four predesigned geometric feature indexes, and they are organized in the form of four featuremaps of each point cloud. The featuremaps generated for each point cloud are described by the rotation invariant FourierHOG descriptor. Afterward, the corresponding problem is structured in the form of a knn classification among the classes established for these descriptors. Finally, the location of each terrestrial scan is obtained based on the classification results. The evaluation results of the proposed method on an urban dataset, showed an average accuracy of about 5 meters for locating the terrestrial scans in aerial point cloud. The obtained accuracies seem to be sufficient to enter the process of registering the terrestrial scans to the aerial point cloud.