Автоматизированная сегментация и классификация данных мобильного лазерного сканирования для векторизации контурной части топографического плана городской территории
Финансирование: -
Аннотация:
Для сокращения времени, затрачиваемого на создание топографических планов, требуется разрабатывать специальные методики, которые, в первую очередь, зависят от применяемого метода получения данных и уровня застройки территории. Наибольшую сложность представляет собой решение этой задачи на основе данных лазерного сканирования, в том числе мобильного, полученных для городских территорий. Если создание высотной части по данным лазерного сканирования в большей степени автоматизировано за счет возможности применения методов распознавания точек поверхности земли, их прореживания, создания по ним горизонталей и надписей отметок высот, то контурная часть создается в основном полностью с помощью интерактивных операций. В связи с этим задача повышения уровня автоматизации создания контурной части топографического плана является наиболее актуальной. Для решения этой задачи предложено последовательно применять ряд методов автоматической сегментации и классификации массивов точек лазерных отражений с целью повышения точности автоматизированного распознавания отображаемых на топографических планах контуров или упрощения их интерактивной векторизации. На основе всех предлагаемых методов разработана методика автоматизированного создания топографических планов по данным мобильного лазерного сканирования, которая учитывает недостатки существующих методик их обработки. Предлагаемая методика апробирована по данным мобильного лазерного сканирования, полученным на протяженную городскую улицу. Представлены результаты применения оптимальных для городской территории методов сегментации и классификации.
Ключевые слова (RU):
мобильное лазерное сканирование, топографический план, фильтрация, сегментация, классификация, распознавание контуров, городская территория
Ключевые слова (EN):
mobile laser scanning, topographic plan, filtering, segmentation, classification, edge recognition, urban area
Библиографический список:
- Гук А. П., Хлебникова Е. П. Методы и технологии распознавания объектов по их изображению : учеб.-метод. пособие. – Новосибирск : СГУГиТ, 2019. – 138 с.
- Чибуничев А. Г. Фотограмметрия : учебник для вузов. – М. : МИИГАиК, 2022. – 328 с.
- Комиссаров А. В., Алтынцев М. А. Метод активного дистанционного зондирования: лазерное сканирование : монография. – Новосибирск : СГУГиТ, 2020. – 254 с.
- Комиссаров А. В. Лазерное сканирование и трехмерное моделирование : учеб.-метод. пособие. – Новосибирск : СГУГиТ, 2020. – 58 с.
- Алтынцев М. А., Алтынцева М. А. Выбор методики составления топографических планов нефтегазовых объектов в зависимости от метода съемки // ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий : материалы Междунар. конф. – M. : Изд-во Московского университета, 2020. – Т. 26, Ч. 1. – С. 447–463. – DOI 10.35595/2414-9179-2020-1-26-447-463.
- Altyntsev M. A., Altyntseva M. A. The challenge of automation for large scale topographic mapping of oil and gas deposits based on terrestrial laser scanning data // International Archives of ISPRS. – 2022. – Vol. XLIII-B2. – P. 161–167. – DOI 10.5194/isprs-archives-XLIII-B2-2022-161-2022.
- Береговой Д. В., Мустафин М. Г. Методика автоматизированного создания топографического плана на основе съемки с беспилотного летательного аппарата // Геодезия и картография. – 2018. – Т. 79, № 9. – С. 30–36. – DOI 10.22389/0016-7126-2018-939-9-30–36.
- Grilli E. A review of point clouds segmentation and classification algorithms / E. Grilli, F. Menna, F. Remondino // International Archives of ISPRS. – 2017. – Vol. XLII-2/W3. – P. 339–444. – DOI 10.5194/isprs-archives-XLII-2-W3-339-2017.
- Дждид А. Д. Обзор методов сегментации и классификации облака точек архитектурных объектов // Известия вузов. Геодезия и аэрофотосъемка. – 2019. – Т. 63, № 1.– С. 6–8. – DOI 10.30533/0536-101X-2019-63-1-52-59.
- Лукашик Д. В. Анализ современных методов сегментации изображений // Экономика и качество систем связи. – 2022. – Т. 24, № 2.– С. 57–65.
- Pilarska-Mazurek M., Ostrowski W. Evaluating the possibility of tree species classification with dual-wavelength ALS Data // International Archives of ISPRS. – 2017. – Vol. XLII-2/W13. – P. 1097–1103. – DOI 10.5194/isprs-archives-XLII-2-W13-1097-2019.
- Rabbani T., Van Den Heuvel F., Vosselmann G. Segmentation of point clouds using smoothness constraint // International Archives of ISPRS. – 2006. – Vol. XXXVI (5). – P. 248–253.
- Кисляков А. Н., Поляков С. В. Иерархические методы кластеризации в задаче поиска аномальных наблюдений на основе групп с нарушенной симметрией // Управленческое консультирование. – 2020. – № 5. – С. 116–127. – DOI 10.22394/1726-1139-2020-5-116-127.
- Лабутина И. А. Дешифрирование космических снимков : учеб. пособ. – М. : Аспект Пресс, 2004. – 184 с.
- Axelsson P. DEM generation from laser scanner data using adaptive TIN models // International Archives of ISPRS. – 2000. – Vol. XXXIII-4. – P. 111–118.
- TerraScan User Guide [Электронный ресурс]. – URL: https://terrasolid.com/guides/tscan/-mwassigngroups.html?q=assign (дата обращения 18.05.2024).
Образец цитирования:
Алтынцева М. А., Комиссаров А. В., Алтынцев М. А. Автоматизированная сегментация и классификация данных мобильного лазерного сканирования для векторизации контурной части топографического плана городской территории // Вестник СГУГиТ. – 2024. – Т. 29, № 6. – С. 32–43. – DOI 10.33764/2411-1759-2024-29-6-32-43