Lidar
This presentation is the property of its rightful owner.
Sponsored Links
1 / 19

特徵物為基礎的 LIDAR 點雲資料結合關係模式 PowerPoint PPT Presentation


  • 94 Views
  • Uploaded on
  • Presentation posted in: General

特徵物為基礎的 LIDAR 點雲資料結合關係模式. 指導教授 : 趙鍵哲教授 學生 : 莊子毅. Catalog. Preface Methodology Experiments and Analysis Further work References. Preface. 研究背景與優勢 程序 1. 建立各特徵的轉換函數模型 2. 確定使用的平差模式 3. 利用模擬數據檢測模型正確性

Download Presentation

特徵物為基礎的 LIDAR 點雲資料結合關係模式

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Lidar

特徵物為基礎的LIDAR點雲資料結合關係模式

指導教授: 趙鍵哲教授

學生: 莊子毅


Catalog

Catalog

  • Preface

  • Methodology

  • Experiments and Analysis

  • Further work

  • References


Preface

Preface

  • 研究背景與優勢

  • 程序

    1.建立各特徵的轉換函數模型

    2.確定使用的平差模式

    3.利用模擬數據檢測模型正確性

    4.評估其精度是否優於傳統點對點的模式

    &


Methodology

Methodology

  • 就特徵點而言

    (2-1)

    為設定的原點座標系座標, 為其他測站座標系,S為統一的尺度參數,R為旋轉矩陣 ,七參數轉換


Methodology1

Methodology

  • 就線特徵而言

    • LBTM (Line Based Transformation Model),LBTM可以單獨只利用線特徵或者是利用線特徵配合一些控制點來定義轉換參數,這是ㄧ個簡單的模型,不需要近似起始值 。

    • 特徵線的三維空間轉換可以利用三維的相似轉換模式,其原理解說如下:

    • 假設 向量為兩共軛線的單位向量,分別在物空間與像空間且這兩個單位向量可由線段上任一兩點來表示:

      且 (2-3)


Methodology2

Methodology

且 (2-4)

  • 所以在物空間的向量可以經由其轉換含數轉換到其在像空間的共軛向量,轉換的方程式為:

    (2-5)

  • v,V為在像空間與物空間的方向向量,M為旋轉矩陣, 是尺度是ㄧ個對角線矩陣所以可以提供不同方向軸不同尺度


Methodology3

Methodology

(2-6)

(2-7)

將 與M合併,加上平移參數則轉換方程式變為:

(2-8)


Methodology4

Methodology

  • LBTM是應用在像空間與物空間之間的轉換也就是二維與三維空間的轉換,和我所需要對兩不同測站的點雲資料運用不符合擴展將式中左側的 Z座標加入得到:

    (2-6-1)

    此處的旋轉矩陣與攝影測量的共線式旋轉矩陣是相同的

    (2-7-1)


Methodology5

Methodology

(2-8-1)

其中

b1~b3,b4~b7,b9~b11為旋轉及尺度因素。

b4,b8,b12為平移參數。

  • 這和三維Affine model Fraser .et al(2002)不同於此轉換使用的是線的單位向量而非點座標,有12個參數 所以至少需要4條GCLs來解算參數。

  • 這個三維的轉換句有尺度平移跟旋轉的參數且可以接受座標軸尺度不ㄧ不同比例的轉換 。


Methodology6

數學模式的問題

單位向量並不能表示空間上唯一的一條線段,如此這個LBTM變成表達ㄧ個線群集在像空間上和任意的平行線群集在物空間做轉換。

利用GCPs進行三維彷射轉換,以及利用GCLs進行三維 Affine LBTM,發現在旋轉和尺度上的參數差異量很小,但是卻在平移的參數上有較大的差異,表示LBTM在平移的參數上有較大的問題。

由圖示中我可以看出兩條不同座標系的單位方向向量經過轉換後,旋轉參數與尺度參數所造成的誤差較小,因為線段還有一個方向的自由度,需要增加約制條件。

Methodology


Methodology7

Methodology

解決方法

  • 在這數學模式中六個參數b1~b3,b5~b71,b9~b11,表示旋轉跟尺度參數,可以利用GCLs來獲得。

  • 又假如這兩個座標系的原點座標已知,則b4,b8,b12三個平移 參數可以利用原點座標的平移量或者利用一個GCP點來定義恢復平移參數 。


Methodology8

Methodology

  • 就特徵面而言

    • 特徵面所使用的轉換式為三維的相似轉換,包含了三個平移參數,三個旋轉參數,以及一個尺度参數。

    • 理論上總共需要七個分佈均勻的點來求解這七個轉換參數。


Methodology9

Methodology

(2-8)

(2-9)

  • H:赫斯法向量(Hessian normal)

  • P:原點算起的距離

  • d:點群到這近似貼面的最短距離為

    到這近似貼面的最短距離為d

    (2-10)

    when


Methodology10

Methodology

  • 旋轉參數近似值我們可以藉由對Hessian normal三個方向夾角偏微分可得到:

    (2-12)


Methodology11

Methodology

  • 觀測方程式線型化偏微分為


Methodology12

Methodology

(2-13)

觀測方程式可以改寫成

(2-14)

$


Experiments and analysis

Experiments and Analysis

  • 實驗的構思是設計兩個座標系,利用座標的三軸以及幾條共軛的空間特徵線,分布均勻的共軛特徵點及特徵面,同時進行轉換,做三種轉換法的精度比較分析

    $


Further work

Further work

$


References

References

  • Ahmed Shaker,2004,The Line Based Transformation Model (LBTM):A New Approach To The Rectification of High-Resolution Satellite Imagery,

  • 劉燈烈,2004,地面光達點雲資料的平差結合與影像敷貼,國立成功大學測量與空間資訊學系碩士論文

  • 彭念豪,2004,利用物空間直線求取像片外方位之研究

  • 李志宏,2002,應用線特徵物求解攝影測量方位參數與物型重建,國立台灣大學土木工程研究所論文p.6~p.15

  • Mikhail/Bethel/McFGlone,2001,Introduction to Modern Photogrammetry,p.368~p.377

  • T.Schenk,1999,Matching Surfaces


  • Login