vestnik Журнал "Вестник Сибирского государственного университета геосистем и технологий (СГУГиТ)" 2411-1759 ФГБОУ ВО "Сибирский государственный университет геосистем и технологий (СГУГиТ)" RU https://vestnik.sgugit.ru 10.33764/2411-1759-2022-27-4-5-15 Геодезия и маркшейдерия Привязка данных мобильного лазерного сканирования к результатам аэрофотосъемки на основе определения взаимного положения массивов точек М. А. Алтынцев Алтынцев М. А. Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация 2022 27 4 5 15 © М. А. Алтынцев, 2022 2022 М. А. Алтынцев Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. Одним из самых оперативных геодезических методов наземной съемки является мобильное лазерное сканирование (МЛС). За короткий промежуток времени этот метод позволяет осуществить сбор данных об объектах окружающего пространства с высокой детальностью и точностью. Условием получения высокоточных данных МЛС является качественный прием спутникового сигнала. При сканировании застроенных городских территорий качество сигнала ухудшается, что приводит к снижению точности. Компенсировать потерю точности помогает применение дополнительных опорных точек, одними из которых могут быть результаты аэрофотосъемки. Для этого осуществляется привязка данных МЛС к данным аэрофотосъемки с помощью различных автоматических методов, которые осуществляются в двумерном или трехмерном пространстве. Поэтому предварительно осуществляется перевод трехмерных данных МЛС в форму двумерного изображения или группы аэрофотоснимков в форму трехмерного массива точек. Привязка в трехмерном пространстве является предпочтительной при низком изобразительном качестве аэрофотоснимков. В статье рассматривается методика автоматической привязки данных МЛС к сгенерированному по аэрофотоснимкам массиву точек с помощью метода ICP. Предложено предварительно разделять данные МЛС на фрагменты. Показано, что размер фрагментов для расчета локальных поправок в плане может отличаться от размера фрагментов для их расчета по высоте. мобильное лазерное сканирование аэрофотосъемка беспилотный летательный аппарат (БПЛА) привязка взаимное ориентирование метод итеративного алгоритма ближайших точек (ICP) оценка точности mobile laser scanning aerial photography UAV registration relative orientation ICP method accuracy estimation 1. Wang Y., Chen Q., Zhu L., Liu L., Li. C., Zheng D. A Survey of Mobile Laser Scanning Applications and Key Techniques over Urban Areas // Remote Sensing. – 2019. – Vol. 11, Issue 13. – No. 1540. – DOI 10.3390/rs11131540. 2. Комиссаров А. В., Алтынцев М. А. Метод активного дистанционного зондирования: лазерное сканирование : монография. – Новосибирск : СГУГиТ, 2020. – 254 с. 3. Altyntsev M. A., Popov R. A. The Analysis of GPS Signal Short-term Loss Influence on the Accuracy of Mobile Laser Scanning Data [Electronic resource] // XXV FIG Congress. – 2014. – Mode of access: http://www.fig.net/resources/proceedings/fig_proceedings/fig2014/papers/ts04b/TS04B_altyntsev_popov_7115.pdf. 4. Schaer P., ValletJ. Trajectory adjustment of mobile laserscan data in GPS denied environments// International Archives of ISPRS. – 2015. – Vol. XL-3/W4. – P. 61–64. doi: 10.5194/isprsarchives-XL-3-W4-61-2016. 5. Gao Y., Huang X., Zhang F., Fu Z., Yang C. Automatic geo-referencing mobile laser scanning data to UAV images. International Archives of ISPRS. – 2015. – Vol. XL-1/W4. – P. 41–46. – DOI 10.5194/isprsarchives-XL-1-W4-41-2015. 6. Amon P., Rieger P., Riegl U., Pfennigbauer M. Introducing a New Class of Survey-Grade Laser Scanning by use Unmanned Aerial Systems (UAS). XXV FIG Congress. – 2014. – Mode of access: https://www.fig.net/resources/proceedings/fig_proceedings/fig2014/papers/ts11b/TS11B_amon_rieger_et_al_7074.pdf. 7. Forkuo E. K., King B. Automatic fusion of photogrammetric imagery and laser scanner point clouds // International Archives of ISPRS. – 2004. – Vol. XXXV-B4. – P. 921–926. 8. Han Y., Oh, J. Automated geo/co-registration of multi-temporal very-high-resolution imagery // Sensors. – 2018. – Vol. 18. – No 1599. doi: 10.3390/s18051599. 9. Гук А. П., Алтынцев М. А. Автоматическая идентификация соответственных точек на аэроснимках лесных массивов // Вестник СГУГиТ. – 2017. – Т. 22, № 4. – С. 68–77. 10. Чибуничев А. Г., Михайлов А. П., Старшов В. В. Автоматическое построение плотного облака точек по множеству снимков на основе полуглобального метода отождествления соответственных точек // Изв. вузов. Геодезия и аэрофотосъемка. – 2015. – № 2. – С. 14–18. 11. Rao Ch. V., Rao K. M. M., Manjunath A. S., Srinivas R. V. N. Optimization of automatic image registration algorithms and characterization // International Archives of ISPRS. – 2004. – Vol. XXXV-B3. – P. 698–703. 12. Liu S., Jiang J. Registration Algorithm Based on Line-Intersection-Line for Satellite Remote Sensing Images of Urban Areas // Remote Sensing. – 2019. – Vol. 11. – No 1400. doi: 10.3390/rs11121400. 13. Dong Z., Liang F., Yang B., Xu Y., Zang Y., Li J., Wang Y., Dai W., Fan H., Hyyppäb J., Stilla U. Registration of large-scale terrestrial laser scanner point clouds: A review and benchmark // ISPRS Journal of Photogrammetry and Remote Sensing. – 2020. – Vol. 163. – P. 327–342. doi: 10.1016/j.isprsjprs.2020.03.013. 14. Fuad N. Comparing the performance of point cloud registration methods for landslide monitoring using mobile laser scanning data // International Archives of ISPRS. – 2018. – Vol. XLII-4/W9. – P. 11–21. – DOI 10.5194/isprs-archives-XLII-4-W9-11-2018. 15. Besl P. J., McKay N. D. Method for Registration of 3-D Shapes // IEEE Transactions on pattern analysis and machine intelligence. – 1992. – Vol. 14, Issue 2. – P. 239–256. doi: 10.1109/34.121791. 16. Алтынцев М. А., Каркокли Хамид Маджид Сабер. Методика автоматизированного уравнивания данных мобильного лазерного сканирования // Вестник СГУГиТ. – 2021. – Т. 26, № 4. – С. 5–23.