Professional Documents
Culture Documents
Vektorizacija 3D Modela Objekata Na Osno
Vektorizacija 3D Modela Objekata Na Osno
Uroš Radovanović
Član, mentor:
UNIVERSITY OF NOVI SADFACULTY OF TECHNICAL SCIENCES
21000 NOVI SAD, Trg Dositeja Obradovića 6
ObrazacQ2.НА.04-05 - Izdanje
UNIVERZITET U NOVOM SADU FAKULTET TEHBIČKIH NAUKA Broj:
21000 NOVI SAD, Trg Dositeja Obradovića 6
Datum:
ZADATAK ZA IZRADU MASTER RADA
(Podatke unosi predmetni nastavnik-mentor)
Studijski program: Geodezija i geoinformatika
Rukovodilac Prof.dr Miro Govedarica
studijskog
programa:
TEKST ZADATKA:
Sadržaj:
1.Uvod ..................................................................................................................................................... 4
2. Lasersko skeniranje ............................................................................................................................. 6
2.1 Laserski daljinometar .................................................................................................................... 6
2.1.1 Puls (eho) metoda .................................................................................................................. 6
2.1.2 Metoda faznog poređenja ..................................................................................................... 8
2.1.3 Divergentnost laserskog zraka i Reflektivnost ....................................................................... 9
2.1.4 Bezbednosni standardi i klase .............................................................................................. 12
2.2 Laserski skeneri ........................................................................................................................... 13
3. Podela laserskog skeniranja .............................................................................................................. 16
3.1 Terestričko lasersko skeniranje ................................................................................................... 16
3.1.1 Mobilno terestričko lasersko skeniranje .............................................................................. 19
3.2 Vazdušno lasersko skeniranje (ALS) ............................................................................................ 21
4. Alati za obradu podataka dobijenih LiDAR-om ................................................................................. 26
4.1 Softversko rešenje BENTLEY MICROSTATION V8i ....................................................................... 26
4.2 Terrasolid softver ........................................................................................................................ 27
4.2.1 TerraScan ............................................................................................................................. 29
4.2.2 TerraModel-er i TerraPhoto ................................................................................................. 36
5. 3D modelovanje objekata na osnovu oblaka tačaka ........................................................................ 38
5.1 Opis platforme kojom su dobijeni podaci .................................................................................. 38
5.2 Klasifikacija tačaka ...................................................................................................................... 40
5.3 Vektorizacija 3D modela objekata .............................................................................................. 48
5.4 Dodavanje tekstura modelima u SketchUP-u ............................................................................. 56
5.5 Priprema modela za publikovanje na Cesiumjs virtuelnom globusu .......................................... 59
6. Zaključak............................................................................................................................................ 62
7. Literatura........................................................................................................................................... 63
3
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
1.Uvod
Razvoju tehnologije sistema za lasersko skeniranje, iz vazduha i sa zemlje, doprinela je
pojava LiDAR-a (LIght Detecting and Ranging) ili LaDAR-a (Laser Detection and Ranging)
sistema u sedamdesetim godinama prošlog veka. Tada je ovaj sistem korišćen za merenje
različitih parametara u atmosferi kao i u okeanima, za meteorološke potrebe, za praćenje
polarnih kapa kao i za mnoge druge namene, ali nikako za topografska merenja i mapiranje
terena. Tada su noseće platforme za ove uređaje bile uglavnom avioni ili sateliti, pa se izraz
LiDAR i danas više vezuje za lasersko skeniranje iz vazduha.
Primena GPS (danas GNSS) uređaja i IMU (Internal Measurment Unit) sistema u
vazdušnoj fotogrametriji, dovelo je do ubrzanog razvoja ovih sistema. Tada su kompanije koje
proizvode GPS uređaje, zbog potrebe određivanja pozicije vazdušnih platformi koj su stalno u
pokretu, došle na ideju o kinematičkom modelu snimanja (RTK). Za vreme devedesetih godina
prošlog veka konstalacija GPS satelita je pružala globalnu pokrivenost, a tehnologija IMU
sistema je napredovala zahvaljujući intezivnim istraživanjima za vojne potrebe. Sve ovo je
stvorilo uslove za pojavu prvih LiDAR sistema koju su sa dovoljnom vertikalnom i
horizontalnom preciznošću prikupljali podatke, koji su kasnije mogli da se upotrebe za
modelovanje i mapiranje terena. Ubrzani razvoj tehnologije uopšte nije zaobišao ni ove
sisteme pa danas imamo uređaje koji prikupljaju nekoliko stotina hiljada tačaka po sekundi,
sa veoma velikih površina, u vremenski relativno kratkom roku. Sredinom devedestih godina
prošlog veka dolazi i do pojave terestričkih laserskih skenera, njihov „zakasneli“ razvoj je
prouzrokovan iz nemogućnosti postizanja centimetarske tačnosti pri snimanju sa mnogo
manjih rastojanja. Njihov dalji razvoj pa i upotrebu uslovio je napredak u proizvodnji laserskih
mikro-čipova, kao i optičkih elemenata, kompjuterskih prerformansi, algoritama i softvera koji
se bavi obradom podataka dobijenih tim uređajima.
Od kraja devedesetih i početka dvehiljaditih godina, tehnologija laserskog skeniranja
ili LiDAR-a se koristi kao jedna od prihvaćenih geodetskih metoda koja služi kao dopuna
klasičnim terestričkim geodetskim metodama. Veliki broj tačaka koji se prikuplja ovom
metodom organizovan je u georeferencirani oblak tačaka, koji može da služi kao ulazni
podatak pri dobijanju digitalnih modela površina i terena, za dobijanje 3D modela objekata i
gradova kao i za dobijanje uzdužnih i poprečnih profila i za mnoge druge primene. U zadnjih
dvadeset godina veliki broj CAD i GIS softverskih alata je razvijen sa ciljem manipulacije i
obrade podataka dobijenih laserskim skeniranjem. Jedan oblak tačaka može da sadrži i do
nekoliko desetina miliona tačaka, što znači da za obradu ovih podataka moraju biti uključeni
računarski sistemi visokih hardverskih performansi.
U ovom radu su korišćeni podaci dobijeni primenom vazdušnog laserskog skeniranja,
gde je noseća platforma bio helikopter. Obrada podataka je rađena u Microstation V8i
programu uz pomoć kompatibilnih softverskih dodataka koje proizvodi Terrasolid. Zadatak
rada je dobijanje 3D modela zgrade Prirodno-matematičkog fakulteta i zgrade Male menze
(Studentski restoran br. 3) u Novom Sadu. U radu je opisana tehnologija prikupljanja podataka
terestričkih i vazdušnih laserskih sistema, kao i tri načina merenja rastojanja kod laserskih
uređaja.
4
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
5
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
2. Lasersko skeniranje
Lasersko skeniranje terena predstavlja jednu od najmodernijih tehnologija koja se
koristi za potrebe masovnog prikupljanja prostornih podataka u formi koordinata tačaka u
prostoru. Tehnologija se bazira na prikupljanju tri različita seta podataka. Pozicija senzora se
određuje primenom Globalnog Navigacionog Satelitskog Sistema (GNSS), koristeći fazna
merenja u režimu relativne kinematike (RTK), upotrebom Inertial Measurment Unit (IMU)
određuje se orijentacija. Poslednja komponenta je laserski skener koji šalje infracrveni laserski
zrak prema zemlji ili prema objektu kod terestričkih metoda i reflektuje se do senzora, čime
se dobija rastojanje. Vreme proteklo od emitovanja do prijema signala uz poznavanje pozicije
senzora i orjentacije, omogućava precizno izračunavanje trodimenzionalnih koordinata na
Zemlji.
2.1 Laserski daljinometar
Prvobitna upotreba lasera u geodeziji, kao nove savremene tenologije, je bila pri
merenju dužina do objekata kao što su tlo,drvo ili zgrada i pri merenju nagiba. Ova vrsta
uređaja je preteča svih složenih uređaja koje danas koristimo za lasersko skeniranje i
profilisanje terena i objekata.
Ovi uređaji imaju dva principa ili dve metode tehnologije merenja rastojanja kod
topografskog snimanja:
1. Puls metoda (drugi naziv Eho metoda),
2. Metoda faznog poređenja.[1]
2.1.1 Puls (eho) metoda
Ova metoda se u osnovi koristi za merenje ugaonog rastojanja između mernog
instrumenta i objekta posmatranja. Princip rada je takav da se precizno meri vreme koje je
potrebno malom pulsu laserskog zračenja da stigne do mete i nazad. Ova metoda se koristi
kod terestričkog statičkog laserskog skeniranja gde su dužine koje je potrebno izmeriti od
nekoliko centimetara pa sve do nekoliko desetina metara,ali se takođe korisit i kad su
razdaljine mnogo veće kao kod mobilnog laserskog skeniranja, LIDARA-a, čak i na satelitskim
platformama. Sam dizajn jednog ovakovog uređaja i njegovih komponenti, zavisi od njegove
namene na ternenu. Na primer da li će se sa njim upravljati sa terestričke,vazdušne ili
satelitske platforme. Na Slika 1. je prikazan dizajn jednog sistema koji koristi ovu metodu.[1]
Slika 1. Šematski prikaz laserskog uređaja koji radi po principu puls metode [1]
6
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Nakon što se laserski puls odbije od objekta, on se od strane uređaja prihvata sočivima
ili sistemom ogledala koji ga sprovode na sočivo. Veličina optičkih elementa koji prihvataju
odbijeni laserski puls zavisi od rastojanja mernog uređaja do merenog objekta. Ako se uređaj
nalazi na satelitskoj platformi onda ovi optički elementi moraju da budu velikog prečnika, da
bi se uspeo uhvatiti povratni puls koji je slabog inteziteta jer je prevalio veliko rastojanje od
mernog uređaja do objekta i nazad.
I kod mnogo manjih rastojanja, kad puls stigne do objekta on biva rasut i skrenut do
određene mere u zavisnosti od sredine kroz koju je prošao ili od materijala objekta (npr.
staklene površine). Takođe i čestice koje se nalaze u atmosferi znaju da oslabe intezitet kako
odlaznog tako i povratnog pulsa. Iz gore navedenih razloga intezitet svakog povratnog signala
se pojčava električno, bez lošeg uticaja na informacije koje nosi.
Ako od jednog objekta dobijemo seriju povratnih pulseva, od samo jedno poslatog,
onda se meri vreme svakog pristiglog odbitka npr. prvog i poslednjeg kao i svih odbitaka
između ta dva. Naime moguće je sačuvati kompletan talasni zapis povratnih signala, koji se
može digitalizovati i sačuvati radi kasnije analize (Slika 2).[1]
Stvarna talasna dužina pulsa koji emituje laserski daljinomer važna je karakteristika
svakog laserskog sistema, jer ima veliki uticaj na to koliko višestrukih povrataka se može
detektovati i razlikovati.
Ako puls traje 10 ns (gde je 1 ns 10−9s) onda će dužina pulsa biti 3 metra pri brzini
svetlosti (v=300,000 km/h). Rezolucija od 1cm izmerena u mernom područiju zahteva merenje
u dužini od 3x10−11 s, dok rezolucija od 1mm zahteva merenje u dužini od 3x10−12 s, što je
jednako 3 ps (pikosekundi). Uređaj kojim se precizno mere vremenski intervali zasnovan je na
kvarcnom, stabilizovanom oscilatoru koji je obavezan da izvrši merenje proteklog vremena na
visokom nivou tačnosti. Kvalitet uređaja koji meri vreme, kao i komponenti za početak i prekid
laserskog emitovanja,određuje maksimaln dostižan nivo tačnosti ovih uređaja.[1]
7
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Kada se mere kratka rastojanja, kao u slučaju kod terestričkog laserskog skeniranja,
moguće je napraviti relativno veliki broj merenja tokom kratkog vremena, to znači da je
frenkvencija emitovanja pulsa relativno visoka. Za duže relacije, kao one što se mere iz
vazdušnih i svemirskih platformi, duži vremenski interval će proteći između emisije i prijema
pojedinačnih pulseva, to se odnosi i na vremenski interval između uzastopnih pulseva pri
merenju veće razdaljine.
Činjenica je da danas, uz konstantan napredak tehnologije, imamo sisteme za lasersko
skeniranje koji emituju nov puls laserskog zračenja bez čekanja da se prihvati i obradi povratni
puls od pretodnog emitovanja (Slika 3). Ovakav način merenja je veliki napredak u odnosu na
pređašne verzije, ali donosi velike uštede u vremenu i načinu obrade podataka, kao i mnogo
brže prikupljanje istih na terenu.[1]
8
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Slika 4. Princip rada CW laserskih sistema i količina emitovane, reflektovane i izgubljene energije [1]
Ceo broj talasnih dužina Mλ, ne može biti izveden iz jendog merenja, te dolazimo do
zadatka u kojem treba da razrešimo dvosmislenost broj M (ambiguity resolution). Najčešće
prihvaćen način rešavanja ovog problema je da se menja vrednost talasne dužine λ, sa čime
se onda menja i frekvencija f emitovanog zraka u veoma brzim serijama, te se zbog toga ovaj
sistem može nazvati i multifrekvencijski-fazni sistem za merenje. Gorepomenute promene
talasne dužine se odrađuju, veoma brzo, od strane instrumenta bez potrebe za ljudskom
interakcijom, te nema potrebe da se išta radi ručno na ovim modernim uređajima. Rezultujuća
merenja serije faznih uglova, nastalih brzom promenom frekvencija, dovodi do rešavanja niza
ne tako komplikovanih jednačina, koje su prikazane u Jednačina 1 .
𝜆1 𝜑 𝜆
𝑅 = 𝑀1 ∗ + ( 1) ∗ ( 1 )
2 2𝜋 2
𝜆2 𝜑 𝜆
𝑅 = 𝑀2 ∗ + ( 2) ∗ ( 2 )
2 2𝜋 2
𝜆𝑛 𝜑 𝜆
𝑅 = 𝑀𝑛 ∗ + ( 𝑛) ∗ ( 𝑛 )
2 2𝜋 2
Jednačina 1. Računanje rastojanja kod metode faznog poređenja
gde je n broj različitih frekvencija koje su emitovane. Rešavanje sistema jednačina na kraju
dovode do finalne vrednosti R sto u našem slučaju označava ugaono rastojanje. Treba
napomenuti da pri korišćenju modulovanog laserskog zraka pri merenje dužina i rastojanja,
tačnost i preciznost zavise od karakteristika modulovanog signala, uključujući i talasnu dužinu
kao i merenje fazne razlike.[1]
2.1.3 Divergentnost laserskog zraka i Reflektivnost
Bez obzira koliko je jedan laserski zrak kolimatovan (čestice zraka uzajamno
paralelelne) na svom izvoru, nakon dodira sa udaljenom metom on će se raširiti i osvetliti
kružnu ili eliptičnu oblast (senku na objektu). Tako da ako je objekat nepravilnog oblika i
neravnomerne visine povratni signal će biti kombinacija odbitaka koji se javljaju kao kruzni ili
eliptični odbici. [1]
Na Slika 5. je prikazana geometrija laserskog zraka za terestrički laserski skener, gde
zrak putuje do objekta i nazad.
9
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Oblast A koju pokriva laserski zrak, koji divergira dok dođe do objekta, jednaka je
π(θ/2R+d) gde je θ ugao skretanja laserskog zraka u radijanima, d je prečnik otvora odakle se
emituje laserski zrak, a R je rastojanje između mernog instrumenta i objekta. Ako označimo
divergenciju laserskog zraka sa γ, onda je teoretski limit divergencije koja je uzrokovana
defrakcijom (rasipanjem zraka) jednka γ ≥ 2.44 λ/d, gde je d prečnik otvora odakle se emituje
laserski zrak, a λ talasna dužina laserskog zraka.[2]
Refleksija ili reflektivnost terena i objekata je veoma važna stvar kada se govori o
sposobnosti uređaja koji koriste lasresku tehnologiju merenja rastojanja i uglova. Refleksija
se definiše kao odnos emitovanog zračenja ne neku površinu i reflektovanog zračenja od iste.
Osobina pozadinskog rasejanja određenog materijala, koji je u sastavu terena ili objekta koji
se meri, je od velike važnosti kada pričamo o refleksiji laserskog zraka. Za takozvane
solidne/tvrde mete, za koje kažemo da su difuzno reflektivne, možemo da pretpostavimo tj.
da idealizujemo pretpostavku da će odbijeno zračenje da se raspe po hemisfernom obrascu,
gde je odbitak sa najviše odbijenog zračenja normalan na ravan u kojoj se nalazi meta, a
intezitet okolnih odbitaka opada srazmerno sa povećanjem ugla odbijanja (Slika 6).[1]
10
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Tabela 1. Tipična reflektivnost različitih materijala pri talasnoj dužini od 900nm [3]
Isti autori su u istom radu, takođe na osnovu podataka koje im je prosledila kompanija
Rigl, objavili Grafik 1. na kom je prikazan faktor korekcije maksimalnog dometa skenera u
odnosu na relativnu reflektivnost difuznih meta prikazanu u procentima.
11
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Još jedan bitan faktor koji odeđuje reflektivnost laserskog zračenja je ugao koji
zaklapaju laserski zrak i obejakat merenja ili teren. Kod laserskih skenera koji se nalaze na
letećim platformama koje snimaju terene sa nepravilnim reljefnim formama, određeni
procenat reflektovanog zračenja će se odbiti pod takvim uglom da neće moći biti detektovano
od strane senzora (Slika 7). Isto se događa kada je površina terena koji se snima visoko
reflektivna.[1]
Slika 7. Ugao pod kojim se odbijeni zrak ne može detektovati od strane pokretne
platforme [1]
12
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
13
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Kada pričamo o podeli prema načinu snimanja (Slika 8), laserske skenere delimo na:
skeneri kamere,
panoramski skeneri,
hibridni skeneri. [4]
Skeneri kamere imaju ograničen prostor snimanja (FOV- field of view) po horizontalnoj
i vertikalnoj osi od na primer 40x40 stepeni. Mogu se uporediti sa fotogrametrijskim
kamerama koje snimaju sve što trenutno vide ispred sebe. Snimanje se izvodi uz pomoć dva
sinhronizovana ogledala, horizontalnog i vertikalnog, koja usmeravaju laserski zrak ka objektu
snimanja. Ova vrsta skenera je dosta nepraktična, ali oni imaju jako veliki domet snimanja od
skoro 1000m, što nadoknađuje prvi nedostatak. Predstavnici ove vrste skenera su npr. CYRA
2500 (proizvođač LAICA) ili ILIRIS 3D (proizvođač OPTECH).
Panoramski skeneri imaju ograničen prostor snimanja samo bazom instrumenta, što
znači da mogu da skeniraju sve oko sebe osim područija ispod postolja na kojem se nalaze u
trenutku snimanja. Snimanje se izvodi uz pomoć jednog ogledala koje usmerava laserski zrak
pod uglom od približno 310 stepeni i rotacijom celog postolja instrumenta za 360 stepeni oko
vertikalne ose. Prednost ovih skenera je sto imaju veliki prostor snimanja od 310x360 stepeni,
14
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
i takođe veoma brzo prikupljaju veliku količinu podatka, glavni nedostatak im je relativno mali
domet skeniranja pa se najčešće koriste za snimanje enterijera objekata. Predstavnici ove
vrste skenera su npr. IMAGER 5300 (proizvođač Zoller+Frohlich) ili HDS4500 (proizvođač
LAICA).[4]
Kod hibridnih skenera prostor snimanja (FOV) po horizontalnoj osi je 360 stepeni, dok
je po vertikalnoj osi ograničen na maksimalnih 60 stepeni. Ovi tipovi skenera sadrže rotacionu
prizmu ili ogledalo koji se okreću oko horizontalne ose. Ovi skeneri snimaju sve oko sebe pod
vertikalnim uglom od 60 stepeni, dok se celi instrument rotira oko vertikalne ose za 360
stepeni. Dobija se snimak 60x360 stepeni, zbog svoje svestranosti ovi tipovi skenera se
najčešće primenjuju u geodetskoj praksi. Predstavnici ove vrste skenera su npr. GX
(proizvođač TRIMBLE) ili LMS Z 360 (proizvođač RIEGL).
Kada pričamo o podeli prema načinu merenja rastojanja između mernog instrumenta
i objekta, možemo reći da ova njihova karakteristika direktno utiče na domet i tačnost
skeniranja. Postoje tri vrste merenja rastojanja: pulsna (ToF-Time of Flight), fazno poređenje
i merenje rastojanja optičkom triangulacijom. Prve dve metode su već opisane u delu rada o
laserskim daljinometrima. Sve tri navedene metode se mogu kombinovati u jednom sistemu
za lasersko skeniranje da bi se dobio raznovrstan uređaj primenjiv u specifičnim situacijama.
Triangulacijski metod merenja rastojanja funkcioniše tako što se laserski zrak
projektuje na objekat i registruje se optičkim senzorom (najčešće kamerom) koji je smešten
na poznatoj udaljenosti i pod konstantnim uglom od mesta izvora laserskog zraka. Ceo ovaj
sistem formira trougao sa dosta poznatih elemenata da se izračunaju sve nepoznate, a među
njima je i traženo rastojanje (Slika 9). Tačnost koja se postiže ovom metodom može da bude i
mikrometarska, ali je zato maksimalan domet ograničen na par metara i zbog toga nema
praktičnu primenu u geodeziji.[4]
15
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Skeneri se mogu podeliti i po načinu prikupljanja oblaka tačaka. Naime postoje dva
tipa oblaka tačaka: apsolutni (georeferencirani oblak tačaka) i relativni (lokalni) oblak tačaka.
Prvobitni laserski skeneri nisu bili namenjeni geodetskoj praksi pa samim tim direktno
georeferenciranje nije ni bilo potrebno. Određeni skeneri najnovije generacije kao Trimble-ov
GX ili Laica-in ScanStation imaju mogućnost direktnog georeferenciranja, takođe imaju
ugrađene horizontalne i vertikalne kompenzatore, a sadrže i klasični geodetski instrument.
Laserski skeneri koji imaju ugrađen kompenzator i mogu snimati i na klasičan geodetski način,
moraju ispuniti uslov da vertikalna osa bude vertikalna u realnom prostoru. Time se gubi
sposobnost naginjanja i usmeravanja skenera u različitim smerovima, a zbog prisustva
kompezatora su preosetljivi na podrhtavnja tla u blizini skeniranja (Slika 10).[4]
16
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
modeliranja do najsitnijih detalja. Kao što je već rečeno, pored koordinata tačaka, oblak može
sadržati i informacije o boji skenirane površine (RGB model) kao i o intezitetu reflektovanog
zračenja. Mnoge aplikacije za skeniranje danas, izuzev geometrijske definicije objekta,
zahtevaju i informacije o teksturi njegove površine kako bi se dobio što verniji prikaz snimanog
objekta. RGB model pojedine tačke dobijen je upotrebom kamere koja dolazi ugrađena u
većinu instrumenata poslednje generacije, dok se vrednost intenziteta dobija iz jačine
odbijenog signala.[4]
Terestričke laserske skenere nije moguće klasifikovati po jedinstvenom obrascu.
Postoji nekoliko načina za klasifikaciju skenera, kao što je već prethodno opisano u oblasti 2.2,
po načinu snimanja (kamera skeneri, panoramski i hibridni), načinu merenja dužina (pulsni,
fazni i trigonometrijski) i načinu prikupljanja podataka (apsolutni i relativni oblaka tačaka).
Potrebno je reći da ne postoji univerzalni laserski skener upotrebljiv za sve primene. Neki
skeneri su pogodni za upotrebu u zatvorenim okruženjima i kratkim udaljenostima, drugi pak
za upotrebu napolju gde su u pitanju velike udaljenosti. Postoje i laserski skeneri koji se koriste
za snimanja sa visokom rezolucijom tačaka (HDS-High Definiton Scanning) na udaljenostima
do nekoliko metara, dobijeni oblaci tačaka su snimljeni sa visokom preciznošću. Zavisno od
primene, potrebno je koristiti skener sa odgovarajućim karakteristikama (Slika 11).[7]
17
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
18
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
da skeniraju do veoma kratkih rastojanja. Kompanije koje proizvode ove tipove laserskih
skenera su iQSun, VisImage i Zoller + Fröhlich. [8]
Treba napomenuti da terestričko lasersko skeniranje nije idealno rešenje za sve
moguće primene. Lasersko skeniranje ne pruža neograničenu geometrijsku tačnost i
celovitost prilikom snimanja raznovrsnih objekata i pejzaža. Za snimanje detalja laserskim
skeniranjem potrebno je određeno vreme, ako je potrebna veća gustina tačaka potrebno je i
duže vreme opažanja. Sistemi za skeniranje imaju minimalne i maksimalne domete u kojima
su operativni. Skeniranje ispod ili iznad tih granica rezultuje grubim greškama i registrovanjem
netačnih podataka. Neki laserski sistemi mogu imati problema sa određenim materijalima
kao što su mermer,pozlaćene površine, kao i transparentne prozirne površine. Lasersko
skeniranje je pogodnije za snimanje površinskih detalja nego za snimanje ivica i diskretnih
tačaka, mada se sve više koristi za generisanje 2D sekcija, profila i planova. [8]
laserski skener(i),
digitalne kamere,
inercijalna merna jedinica (IMU),
merni indikator udaljenosti (DMI)
GNSS jedinica (antena i prijemnik),
kontrolna jedinica i odgovarajući softver.
Postoji veliki broj GNSS prijemnika koji mogu generisati položajne podatke geodetske
tačnosti, i to svi najčešće rade u ove tri metode GNSS snimanja: diferencijalnom metodom
(DGPS), kinematika u stvarnom vremenu (RTK), kinematika sa naknadnom obradom (PPK)
zahteva najviše posla ali daje najtačnije rezultate. Sve ove metode nam daju centimetarsku
tačnost, ali praktično je nemoguće zadržati GNSS signal kroz celo mobilno opažanje, što zbog
efekta multipath-a što zbog fizičkih ograničenja terena (tuneli, visoke zgrade, nadvožnjaci,
visoka vegetacija,oštri nagibi i usponi puta). Ove nedostatke nadoknađuje IMU jedinica i zato
su ovi mobilni sistemi nezamislivi bez GNSS-IMU para.
IMU jedinica daje zasebne informacije o brzini, trenutnom položaju i ponašanju vozila,
a GNSS merenja služe za korekciju ovih podataka.Tri tipa IMU jedinica koji se najčešće koriste
u MTLS su: mikro-elektromehanički sistemi (MEMS), žiroskopi sa optičkim vlaknima (FOG) i
žiroskopi sa laserskim prstenjem (LRG). [10]
19
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Prvi ovakav sistem u gore navedenom obliku se pojavio 2004. godine pod nazivom
StreetMapper, imao je dva laserska skenera postavljena pod fiksnim uglom da bi se dobila
pokrivenost površine snimanja od 360 stepeni, konstruisan od strane 3DLM (3D Laser
Mapping) i IGI (Ingerieul-Gesellschaft fur Interfaces). Prvi MTLS sistemi su bili robusni i kabasti,
jer integracija komponenti u početku nije bila tako lako izvodljiva.
Savremeni sistemi su kompaktni, ne zauzimaju puno mesta i lagano se montiraju na
sve tipove platformi (automobil, brod). Praktična primena MTLS je u snimanju ulica, tunela,
železnica, gradova, obalskih linija, pešačkih i auto trasa. Ovaj sistem terestričkog skeniranja se
koristi kada je nemoguće primeniti statički princip, a potreba za visokom tačnošću nam ne
dozvoljava upotrebu vazdušnih sistema za lasersko skeniranje (LIDAR). Danas ovi sistemi
mogu da prikupe od 50 000 do 1 000 000 tačaka u sekundi, a prostorna rezolucija tačaka je
reda centimetra.[11]
Na Slika 14. možemo da vidimo primer jednog savremenog MTLS sistema, pod
nazivom ROAMER, koji koristi laserski skener FARO Photon 120, koji može da snimi od 120
000 do 975 000 tačaka u sekundi, polje snimanja (FOV) mu je 320 stepeni, frekvencija
emitovanja laserskog zraka je 3-61 Hz, a talsna dužina laserskog snopa je 785 nm.[11]
20
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Slika 14. Primer savremenog mobilnog sistema za lasersko skeniranje ROAMER [11]
21
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Frekvencije emitovanja laserskog pulsa su između 50 000 Hz i 200 000 Hz. Izbor
frekvencije zavisi od visine leta i od područija snimanja, kao i od zahtevane horizontalne i
vertikalne tačnosti dobijenih podataka. Talasna dužina laserskog snopa se razlikuje kod
različitih načina primene sistema:
Od 1500nm do 2000nm (infracrveni spektar el.m. zračenja) kod Dopler Lidara,
Od 1040nm do 1060nm (blisko infracrveni spektar) za topgrafsko mapiranje,
Od 500nm do 600nm (plavi deo spektra) kod batimetrijskih snimanja,
250nm (ultraljubičasti deo spktra) kod meteoroloških snimanja. [13]
Laserski zrak se rasipa po merenoj površi u cik-cak šablonu (mogući su i drugi oblici:
sinusoida, trougao, raster itd.), rasipanje se postiže upotrebom rotirajućeg ogledala.
Maksimalan ugao emitovanja laserskog zraka je 75 stepeni, skener meri ugao pod kojime je
emitovan svaki odlazeći puls, jer taj podatak figurira u jednačini računanja prostornih
koordinata terena. Uloga skenera je i da primi/detektuje odbijeni puls. Laserski zrak, laički
rečeno, pri kontaktu sa površinom ostavlja otisak, čija se površina povećava sa povećanjem
visine leta zbog divergentnosti laserkog zraka. Zbog toga se susrećemo sa problemom zvanim
Ground Location Ambiguity (Slika 15) što bi u prevodu značilo dvosmislenost dobijene lokacije
odbitka. Ovo utiče na prostornu rezoluciju tačaka. [13]
22
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Plan leta za svaki projekat koji se snima Lidar-om se pravi u odgovrajućem softveru, te
se kasnije učitava na određene uređaje koji se nalaze na mobilnoj platfomi. Teren se snima u
trakama, čije je uobičajno preklapanje do 30%, ako je teren koji se snima strm onda se
preklpanje susednih traka preleta povećava i do 50%. Za urbane površine prave se planovi sa
više preleta preko istih lokacija pod razčičitim uglovima, da bih se izbegla takozvana senka ili
laički rečeno rupa u podacima, gde objekti zaklanjaju jedni druge. Uobičajna visina leta je
između 200 do 300 metara, dok se za urbane predele upotrebljavaju veće visine iz raznih
razloga. Laserski zrak ne može da prođe kroz oblak, a često se snima i noću. [13]
Najnoviji LiDAR skeneri poseduju
Multi Pulse in Air tehnologiju (skraćeno
MPIA), koja omogućava da se u jednom
trenutuku tokom snimanja u vazduhu
može naći veći broj emitovanih pulseva
od strane skenera. Za svaki emitovani
puls moguće je detektovati više
odbitaka, od jedan do pet, sistemi koji
detektuju više odbitaka su skuplji u
odnosu na one koji detektuju samo
jedan odbitak. Intezitet odbitka nam
daje informacije o tipu objekta ili terena
od kojeg je došao. Na primer,
detektovanjem prvog i poslednjeg
odbitka možemo da napravimo razliku
imeđu krošnje drveta i asfalta na
pločniku (Slika 17). [15] Slika 17. Prikaz digitalnog zapisa odbijenog laserskog zraka sa
više odbitaka [15]
23
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Kada sagledamo sve, informacije koje su nam potrebne za računanje XYZ koordinata
prostora su: XYZ pozicija senzora koju dobijamo od GNSS prijemnika, položaj aviona u odnosu
na teren, tj. orijentacija skenera u prostoru koju dobijamo od IMU jedinice, ugao pod kojim je
emitovan laserski puls (ugao rotirajućeg stakla) i rastojanje između skenera i tačke na terenu.
Krajnji rezultat skeniranj je oblak taćaka koji se najćešće eksportuje u .las formatu i kao takav
je čitljiv većini CAD alata.
Kada pričamo o rezoluciji LiDAR emitovanih pulseva, mislimo o broju pulseva po
mernoj jedinici, najčešće kvadratnom metru. Današnji sistemi su sposobni da emituju do 20
pulseva po kvadratnom metru. Ova rezolucija je određena visinom leta, brzinom leta,
veličinom prostora snimanja (u stepenima) i frekvencijom emitovanja laserskog zraka. Mesta
odbitaka na terenu nisu podjednako raspoređena jedno od drugog. Kada se snimaju površine
pod vegetacijuom preporučuje se manji FOV i veća rezolucija. Ovo nam omogućava bolje
snimanje terena i prepoznavanje reljefnih formi i objekata na njemu, ali takođe doprinosi
većoj količini izlaznih podataka, a to nas dovodi do potrošnje mnogo više vremena i
hardverskih resursa za njihovu obradu. [13]
Današnji sistemi LiDAR-a su u stanju da isporuče podatke sa vertikalnom preciznošću
od 10 do 20 centimetara i horizontalnom od par centimetara do 1 metra. Kvalitet podataka,
a samim tim i bolja vertikalna i horizontalna preciznost se postižu nižom visinom leta, sporijom
brzinom leta kao i manjim uglom skeniranja terena.
Intezitet povratnog signala varira u odnosu na tip površine od koje se odbio.
Detektovanje talasne dužine odbijenog signala u kombinaciji sa intezitetom nam može
pomoći u detektovanju različitih tipova površina. Reflektivnost različitih materijala zavisi od
talasne dužine zračenja kojom se deluje na njih (Slika 18). [13]
24
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Nemogućnost da se laserski zrak probije kroz veom guste krošnje dovodi do grešaka
u 3D modelu terena,
Veoma velike količine podataka na pojedinim projektima koje je teško interpretirati i
obraditi,
Ne postoje internacionalni i globalni protokoli,relativno visoka cena pri zahtevanoj
rezoluciji i tačnosti (npr. za jedan kvadratni kilometar površine sa zahtevanom
rezolucijom od 1 metra, cena iznosi od 300 do 500 $) [13]
25
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
26
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
neometan rad sa količinski velikim podacima bilo kog tipa (vektor, raster, oblak
tačaka),
očuvanje dizajna i neometan rad bez obzira na komplikovanost projekta,
rad sa nekoliko miliona tačaka u procesu obrade LiDAR podataka,
radno okruženje sa 8 prozora (uglova gledanja), koji doprinose olakšanju posla i
pomažu pri vizuelizaciji, kao što možemo da vidimo na Slika 20. [17]
27
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
i zavisi od kvaliteta GNSS signala na različitim lokacijama. Ovaj problem zahteva korekciju koja
stalno varira i to se postiže uz pomoć kontrolnih merenja i opcije tie lines (spojnih/zajedničkih
linija) iz TerraMatch-a. [18]
TerraSlave. Obrada velikih količina podataka dobijenih laserskim skeniranjem može
da bude preveliki zahtev za hardverske resurse jednog računara. Ovaj alat omogućava da
zadatke koji zahtevaju veliku potrošnju vremena i hardverskih resursa, kao npr izvršavanje
makroa uz pomoć TerraScan-a, distribuirate na druge računare u lokalnoj ili globalnoj mreži i
da svoju računarsku jedinicu ostavite slobodnu za neke druge hitnije poslove. TerraSlave je
dostupan kao samostalna aplikacija i funkcioniše na dva načina. Prvi je da TerraSlave bude
instaliran na svim račuanarima u mreži i aktivni korisnici mogu da ga koriste na bilo kojoj
slobodnoj računarskoj jedinici. Drugi je da TerraSlave aplikacija i svi relevantni podaci budu
locirani na nekom savremenom i brzom serveru koji je sposoban za obradu podataka koji
iziskuju dosta vremena i resursa, pošto je TerraSlave nezavisna aplikacija u odnosu na ostale
Terrasolid proizvode, računari koji pristupaju serveru radi obrade podataka, ne moraju da
imaju instaliran Microstation ili bilo koju drugu aplaikaciju iz Terra palete proizvoda.[18]
TerraSurvey barata sa podacima dobijenim sa terena uz pomoć totalnih stanica i GNSS
prijemnika. Podaci se kroz ovaj alat učitavaju u program u vidu tekstualnih fajlova i zatim se
kreira geodetski crtež u vidu 3D dizajn fajla. Ovaj alat automatski prepoznaje izalazne formate
podataka poznatih proizvođača totalnih stanica kao Leica, Trimble ili Sokkia i učitava ih veoma
brzo, ali takođe dopušta korisniku da sam kreira format fajla i u kom obliku želi da učitava
podatke. TerraSurvey je odličan u saradnji sa TerraModeler-om kad je potrebno kreirati TIN
modele površi sa visokom tačnošću. Takođe je odličan i u saradnji sa TerraScan-om i
TerraPhoto-om kada je potrebno povećati tačnost podatka na osnovu merenja sa totalnom
stanicom ili GNSS prijemnikom.[18]
TerraStereo je jedna od samostalnih aplikacija koja omogućava vizuelizaciju veoma
velikih oblaka tačaka. Ovaj alat iziskuje veoma dobre hardverke performanse jer oblaci tačaka
koji se obrađuju ovim alatom imaju 50 miliona i više tačaka. Računari takođe moraju da imaju
dobre grafičke jedinice i minimum 16GB RAM memorije (Preporučene hardverske
komponente za korišćenje ove aplikacije su: Procesori 5 i 6 generacije sa minimum 4 fizička
jezgra, a preporučeno je da taj broj bude i veći, 16 GB RAM memorije je minimum zahtevane
preporučuje se više za neometan rad, HDD jedinica je poželjno da bude SSD tipa, RAM
memorija GPU jedinice da bude veća od 2GB, takođe poželjno je da bude više GPU jedinica,
takođe se preporučuje da GPU jedinice budu proizvedene od strane NVIDA kompanije i da
podržavaju CUDA tehnologiju, preporučen je rad sa 2 i više monitora).[18]
TerraStreet je kao što mu i ime govori, alat za planiranje i dizajniranje puteva i ulica.
Odlični rezultati se postižu u kombinaciji sa TerraModeler-om jer on omogućava kreiranje
modela terena oko planiranog puta ili ulice. Putevi su dizajniraju uz pomoć horizontalnih i
vertikalnih elemenata kao što su prave linije, lukovi, klotoide itd. Ovaj softver omogućava
prikaz projekta u 3D pogledu kao modela i 2D pogledu kao mape. Takođe pruža mogućnost
kreiranja uzdužnih i poprečnih profila. Ovaj alat automatski prepoznaje podatke sa terena koji
su prikupljeni totalnim stanicama proizvođača Leica, Trimble i Sokkia. [18]
28
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
TerraPipe je zaseban softver za 3D dizajn podzemnih sistema cevi, kao što su vodovod
ili kanalizacija, preporučena je upotreba uz korišćenje TerraModeler-a zbog modeliranja
kompletnog terena (moguće je vizualizovati uspone/padove, prekide i nepremostive delove
terena koji moraju da se zaobiđu). Sa ovim softverom moguće je kreiranje, modifikovanje ili
brisanje čitavih mreža cevi i cevnih elemenata, takođe je moguće kreiranje mapa, profila i
tekstualnih izveštaja. Podaci se čuvaju u primarnom binarnom formatu ili direktno u
TerraPipeNet distribuiranoj bazi podataka (koja je trenutno dostupna samo u Finskoj). Postoje
i dva zasebna alata u ovom softverskom rešenju, a to su TerraGas za sisteme podzemnog
transporta gasa i TerraHeat za cevovode grejnih sistema ulica i objekata. [18]
4.2.1 TerraScan
Ovo softversko rešenje je glavna aplikacija u Terrasolid-ovom programskom paketu.
Glavna uloga je upravljanje i procesiranje oblacima tačaka dobijenih LiDAR tehnologijom.
TerraScan nudi opcije za učitavanje i upravljanje projketima koji sadrže veliki broj tačaka,
dobijenih laserskim skeniranjem kao i odgovarajuće informacije o trajktoriji mobilne
terestričke ili vazdušne platforme. Takođe nudi više raznih opcija za automatsku klasifikaciju
tačaka. Rezultati automatske klasifikacije se mogu popraviti koršćenjem poluautomatskih i
ručnih metoda, kao i mnogim dodatnim opcijama za 3D vizualizaciju oblaka tačaka. TerraScan
podržava nekoliko vrsta uvoznih i izvoznih formata oblaka tačaka, počevši od najpopularnijeg
LAS formata, preko TS Binary i TS FastBinary pa sve do ASCII formata koji može biti
modifikovan od strane korisnika.
Upravljanje oblacima tačaka kao i njihovo procesiranje i vizuelizacija su samo jedan
deo mogućnosti koje nudi ovaj alat, drugi deo pripada opcijama koje omogućavaju kreiranje
3D modela i 3D vektorskih setova podataka. Jedna od najpopularnijih opcija tog tipa je
vektorizacija objekata u obliku 3D modela, automatski, sa velikih površina. Takođe rezultati
automatske ekstrakcije objekata se mogu popraviti manuelnim metodama koje nudi
TerraScan, čime se dobijaju mnogo precizniji i visoko kvalitetni modeli objekata. Ove metode
će biti detaljnije opisane u daljem tekstu. TerraScan sadrži i alate za automatsku vektorizaciju
žica dalekovoda, ručno postavljanje stubova sa distribuciju električne energije kao i mnoge
druge alate za analizu.[19]
Pošto je tema ovog rada dobijanje 3D modela zgrada Priodno-matematičkog Fakulteta
u Novom Sadu i Studentskog restorana br.3 (Mala meza), pažnja će biti posvećena na
TerraScan-ove opcije koje omogućavaju vektorizaciju oblaka tačaka u vidu 3D modela kao i
opcije za ručne popravke modela na osnovu ortofoto snimaka i korisničke klasifikacije tačaka.
TerraScan nudi dva pristupa za kreiranje 3D vektorskih modela objekata. Glavna
razlika između ova dva načina je stepen automatizacije i brzina kreiranja vektorskih modela
za veliki broj zgrada. Prvi pristup je automatska vektorizacija više objekata uz ručna
poboljšanja istih na kraju procesa automatske vektorizacije. Drugi pristup je poluautomatska
vektorizacija jednog objekta. Oba pristupa imaju svoje vrline i mane, ali u praksi je više
zastupljen prvi pristup jer dosta olakšava ceo proces dobijanja modela. Drugi pristup je dosta
komplikovan, i da bi bio primenjen zahteva od korisnika da bude na naprednom nivou
poznavanja softverskog programa. Modeli dobijeni ovim metodama imaju drugi nivo prikaza
detalja (LOD 2 engleski za level of detail), to znači da su ivice krovova kao i kompleksne krovne
29
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
strukture prikazane i modelovane do najsitnijih detalja, dok su zidovi samo vertikalni poligoni
u ravni između ivice krova i zemlje. Set alata koje TerraScan obezbeđuje za automatsku
vektorizaciju zgrada na osnovu podataka dobijenih ALS metodom laserskog skeniranja, je
prilično lak za upotrebu. Modeli su dobijeni potpuno automatski, ali za povećanje tačnosti
modela postoje opcije za ručno popravljanje modela. Ovi dodatni alati omogućavaju korisniku
da očuva topologiju objekta i da kreira modele zgrada sa kompleksnim krovovima, kakvi se
nalaze kod većine modernih objekata. [20]
Automatska vektorizacija kreira modele na osnovu više parametara, koristeći klase u
kojima se nalaze tačke krova objekta. Obe klase se mogu dobiti automatskim i
poluautomatskim metodama klasifikacije o kojima će kasnije biti reči. Ako se prilikom
klasifikacije tačaka u klasu Zgrade uvrste i tačke koje predstavljaju zidove objekta, automatska
vektorizacije ne daje najbolje rezultate i nije najbolje rešenje u tom slučaju.
Polje Roof Class traži od korisnika da izabere klasu u kojoj su smeštene tačke koje
predstavljaju krovove zgrada. Polje User Roof Class traži da korisnik izabere svoju klasu tačaka
koje predstavljaju krovove objekta, to su najčešće tačke koje je korisnik klasifikovao jer su bile
preskočene u koracima automatske klasifikacije. Polje Lower Classes traži da se izaberu klase
koje su bliske fizički sa klasom tačaka krova ili sa klasom tačaka koje pripadju zidu zgrade, ova
opcija doprinosi boljem pozicioniranju ivica krova, i pri određivanju visine objekta. U polje
30
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Maximum Gap treba uneti vrednost u metrima, ono predstavlja udaljenost između delova
zgrade koji pripadaju istom modelu, ako unesemo veću vrednost, krajnji rezultat bi mogao da
bude više modela iste zgrade, umesto samo jednog. Polje Planarity tolerance definiše
vrednost u metrima koju zasebna tačka mora da ispuni da bi se uklopila u jednačinu ravni koja
kasnije u modelu postaje ravan krova. Polje Increase tolerance predstavlja vrednost dodatne
tolerancije u metrima za spajanje horizontalnih ravni. Polje Minimum area predstavlja
najmanju površinu koju zauzima temelje zgrade, vrednost se unosi u kvadratnim metrima.
Polje Minimum Detail predstavlja najmanji detalj zgrade i njeniih delova koji mogu biti
prikazani na modelu, vrednost se unosi u metrima kvadratnim. Maximum roof slope
predstavlja maksimalan ugao pod kojim mogu da se ukrštaju ravni krova, vrednost se unosi u
stepenima koji su u decimalnom zapisu. Na kraju imamo dva opciona podešavanja, prvo je
Adjust edges using active images koje omogućava korekciju ivica krova na osnovu snimaka
terena koji su napravljeni za vreme snimanja. Snimci prvo moraju biti georeferencirani i
učitani u program uz pomoć TerraPhoto modula. Druga opcija je Random wall color koja pri
kreiranju modela koristi predefinisanu boju zidova, koja se može promeniti u podešavanjima
vezanim za modele. [20]
Uobičajna praksa je da se prva vektorizacija uradi sa preporučenim parametrima,
zatim nakon dobijanja prvog modela, treba menjati sve parametre i proces ponavljati sa
novim podešavanjima sve dok ne budemo zadovoljni sa izgledom i tačnošću modela. To
iziskuje vreme i metodu slučajnih pokušaja, ali zato štedi vreme kod ručnog popravljanja
modela.
Druge dve opcije iz Building menija su Construct Roof Polygons opcija koja nam
omogućava da sami definišemo ivice krova, koje se nakon definisanja pretvaraju u poligone
(Slika 23). Ova opcija je poluautomatska i model se nakon konstruisanja poligona ivica krova,
kreira uz pomoć Create Buildings from Polygons alata koji kreira 3D modele zgrada na osnovu
selektovanih krovnih poligona. Ove dve mogućnosti mogu da se koriste kod kreiranja modela
pojedinačnih zgrada i iziskuju dosta vremena i dobro poznavanje softvera kao i veoma dobru
klasifikaciju krovnih tačaka objekta. [20]
31
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Drugi set alata omogućava ručnu korekciju ivica modela, kako ivica poligona krova tako
i ivica poligona zidova. Ova metoda doprinosi poboljšanju tačnosti modela i prilično je laka za
upotrebu, takođe daje odlične rezultate pri modelovanju zgrada sa kompleksnom strukturom
krovova. Na Slika 25. se nalazi izgled Building Edges kutije sa alatima, a u Tabela 3. se nalazi
pojedinačni opis svake od njih.
32
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
33
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Alat koji primenjuje ovu metodu se naziva Construct Planar Building, on od korisnika
traži da u program učita dve klase, Ground i Building (Slika 26). Ovaj alat od učitanih tačaka
koje su po visini iznad klase zemlje, traži ravni koje bi mogle da predstavljaju ravni u kojima
leže poligoni krova. Rezultati mogu biti poboljšani uz pomoć TerraPhoto modula uz pomoć
kojeg su učitani ortofoto snimci područija na kojem se nalaze objekti. Uz pomoć snimaka je
mnogo lakše odrediti ivice krovova, kao i oblik nekih krovnih struktura, jer nije moguće dobiti
sve informacije iz oblaka tačaka, jer je prostorna rezolucija tačaka mala. [20]
Pre početka procesa moguće je podesiti parametre koje korisnik menja u odnosu na
kvalitet podataka nad kojim se vrši vektorizacija. Prvo polje Process Inside, traži od korisnika
da definiše mesto u oblaku tačaka gde će da se traže ravni u kojima leže poligoni krova.
Moguće je izabrati tri načina pretrage, prvi Hole in the ground je metod gde proces traži
poligone iznad „rupa“ u ground klasi, jer predpostavlja da tu leže zgrade. Drugi način je
Footrpint element odnosno pretraga unutar poligona koje je od strane korisnika definisan
kao temelj objekta. Treći način je mogućnost pretrage unutar „ograde“ koju definiše korisnik.
Sledeći korak u podešavanju parametara je odabir klasa, klase Ground i Building su skoro uvek
numerisane brojevima 2 i 6, takođe je potrebno izabrati i prinudnu klasu koja može da bude i
prva Default klasa. U Minimum size polje treba uneti minimalnu površinu vektorizovane
zgrade, a polje Z tolerance definiše nivo šuma u laserskim podacima, odnosno maksimalno
odstupanje tačke koja može da pripada jednom krovnom poligonu. Čekiranjem opcije Merge
hoizontal planes moguće je spojiti horizontalne ravni koje predstavljaju zidove, u slučaju da
budu pronađene.
Dva seta alata koja omogućavaju ručno modelovanje nakon upotrebe poluautomtske
vektorizacije su: Building Planes tool box i Building Boundaries tool box. Njihova upotreba
moguća je samo nakon procesa poluautomatske vektorizacije metodom Construct Planar
Building, samostalno korišćenje nije moguće. [20]
34
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Opcije koje pruža Building Planes kutija alata se koriste za manipulaciju krovnim
poligonima jednog 3D modela. Na Slika 27. možemo da vidimo izgled Buidling Planes kutije
alata, a u Tabela 4. su opisane sve funkcije pojedinačno.
Opcije koje pruža Building Boundaries kutija alata se koriste za modifikovanje granica
i ivica poligona krovnih struktura kod 3D modela. Na Slika 28. možemo da vidimo izgled
Buidling Boundaries kutije alata, a u Tabela 5. su opisane sve funkcije pojedinačno.
35
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
36
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
37
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
38
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Ovaj laserski skener kao deo sistema za vazdušno lasersko skeniranje se koristi za:
topografska snimanja i snimanja rudarskih kopova, mapiranje koridora, 3D modelovanje
gradova, mapiranje obalnih linija reka i jezera, snimanje dalekovoda, snimanja u agrikulturi i
šumarstvu, klasifikaciju zemljišta, mapiranje glečera i površina pod snegom. Na Slika 31. je
prikaz helikoptera Bell JetRanger 206B3 sa montiranim LiDAR sistemom za snimanje iz
vazduha.
Slika 31. Helikopter Bell JetRanger 206B3 sa namontiranim sistemom za lasersko skeniranje
39
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
40
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Još jedna od mogućnosti klasifikacije jeste i kreiranje makroa. Oni služe za kreiranje
više koraka automatske klasifikacije, mogu se primeniti direktno na trenutno učitanom oblaku
tačaka ili sačuvati kao zaseban fajl i primeniti kasnije na bilo kom drugom setu podataka.
Ovakva mogućnost klasifikacije je dobra kad korisnik radi sa oblacima od nekoliko desetina
miliona tačaka i sa projektima koji sadrže nekoliko blokova. Jedan makro fajl se čuva u
ektenziji .mac i veličine je tek nekoliko kilobajta. Makroi se mogu svrstati u neki vid
poluautomatske klasifikacije tačaka. U ovom radu su makroi korišćeni kod klasifikacije tačaka
u klase Low Points, Isolated Points kao i kod određivanja tačaka zemljišta odnosno klase
Ground.
Ručna klasifikacija koja se radi od strane korisnika iziskuje mnogo više vremena, ali u
kombinaciji sa automatskim i poluautomatskim metodama daje najbolje rezultate. Opcije
ručne klasifikacije koje TerraScan nudi su prikazane na Slika 35. U ovom radu su korišćene
skoro sve od navedenih, najčešće klasifikacije ispod i iznad date linije i uz datu liniju, kao i
klasifikacija uz pomoć „četke“. Ova klasifikacija deluje tako što se izabere oblik četke zatim i
njen prečnik, kao i klasa iz koje i klasa u koju želimo da prebacimo tačke.
41
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Slika 36. Metoda za traženje niskih tačaka pojedinačno (levo) i u grupi (desno)
Treći korak traži izolovane tačke koje se u najvećem broju slučajeva takođe smeštaju
u klasu niskih tačaka iz razloga što je broj tih tačaka izrazito mali, a dodavanje nove klase samo
komplikuje proces klasifikacije. Klasa LowPoint u praksi uglavnom predstavlja klasu „šuma“,
tj. tačaka koje su nastale nekom greškom, najčešće nepravilnom refleksijom, kao i tačke koje
sa nalaze ispod klase terena, unutar objekata i slično.
42
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Sledeći četvrti korak u makrou je klasifikacija tačaka terena odnosno u klasa Ground.
Ova klasa je često druga klasa u listi i tačke u ovoj klasi su uobičajno narandžaste boje. Softver
nudi nekoliko parametara koje pomažu pri ovoj automatskoj klasifikaciji. Tri faktora su veoma
bitna, prvi je ugao terena koji se unosi u stepenima, vrednost koju nudi program je 88 stepeni,
ali veće vrednosti od ove daju uglavnom dobre rezultate. Treba biti pažljiv i korak ponavljati
više puta dok se ne dobiju željeni rezultati. Druga dva faktora su ugao i dužina iteracije,
ponuđene vrednosti pri prvom pokušaju su 4 stepena za ugao i 1 metar za dužinu. Kod ovih
faktora veće vrednosti daju detaljnije rezultate, ali takođe treba biti pažljiv i probati više
kombinacija dok se ne dođe do željenih rezultata (Slika 37). Na kraju svakog od automatskih
koraka rezultate je moguće popraviti nekom od ručnih metoda, radi poboljšanja kvaliteta.
Na kraju je dodat i peti korak koji se odnosi na tačke nađene ispod (Bellow Surface)
klase terena, za zadatu vrednost udaljenosti koja se definiše kao parametar Z tolerance. Sve
parametre u svim do sada nabrojanim koracima treba menjati i pokušavati izvrašavati makro
sa što više različitih kombinacija, sve dok rezultati ne budu zadovoljavajući, jer to kasnije
direktno skraćuje vreme kod popravljanja rezultata ručnom klasifikacijom. Na Slika 38. je
konačni izgled makroa.
43
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Slika 39. Izgled oblaka tačaka nakon izvršavanja makroa i ručnih korekcija (levo) i poprečni presek (desno)
44
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Sledeći korak u klasifikaciji je raspoređivanje tačaka u tri klase vegetacije. Prva klasa je
niska vegetacija (Low vegetation), boja tačaka u ovoj klasi je jedna od nijansi tamno zelene.
Druga klasa je vegetacija srednjeg rasta, tj žbunasta vegetacija (Medium vegetation) boja
tačaka u ovoj klasi je jedna od nijansi zelene boje. Treća klasa je visoka vegetacacija, tj. drveće
srednjeg i visokog rasta (High Vegetation), boja tačaka u ovoj klasi je najčešće jedna od nijansi
svetlo zelene boje. Ova tri koraka moguće je odraditi zasebno svaki za sebe ili upotrebom
makroa. Rutina koja je korišćena za ovu klasifikaciju je visina tačaka u odnosu na klasu terena
(By hight from ground).
Kod ove metode automatske klasifikacije parametri su veoma striktni i nakon nje su
korekcije ručnim metodama neizbežne. Ova metoda prebacuje tačke iz izabrane klase u
željenu klasu na osnovu maksimalne i minimalne zadate visine tačke u oblaku. Na Slika 40. su
prikazani parametri na osnovu kojeg su klasifikovane tačke u vegatacione klase. Kasnije će
tačke iz klase visoke vegetacije poslužiti za klasifikaciju tačaka krovova objekata u oblaku.
Slika 40. Klasifikacija tačaka u vegetacione klase. Niska vegetacija (levo), žbunasta vegetacija (u sredini) i visoka
vegetacija (desno)
Slika 41. Izgled oblaka tačaka nakon klasifikovanja tačaka terena i vegetacije (levo) i poprečni presek oblaka
(desno)
45
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Slika 43. Izgled oblaka tačaka nakon automatske klasifikacije zgrada (levo) i poprečni presek tog oblaka (desno)
46
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Slika 44. Objekat Male menze nakon završene klasifikacije krovnih tačaka (levo) I provera rezultata uz pomoć
poprečnog preseka (desno)
47
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
48
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Ručne korekcije modela se rade uz pomoć dva seta alata Building Planes tool box i
Building Boundaries tool box. Naravno dodatnu pomoć laserskim podacima u korekcijama
pružaju i ortofoto snimci koji se u program Microstation učitavaju uz pomoć TerraPhoto
aplikacije.
Uz pomoć preklopljenih podataka laserskog skeniranja i ortofoto snimaka, korigovane
su ivice krovnih poligona kod zgrade Male menze. Jedine dve funkcije korišćene iz Building
Boundaries tool box-a su bile Modify Boundary Shape i Aligne Boundary Segment. Uz pomoć
ovih funkcija programa, koje su lake za upotrebu i ortofoto snimka kao pouzdanog podatka
kreiran je model zgrade, na kojeg će kasnije biti nalepljene teksture. Na Slika 47. je prikazan
3D model Male menze koji je verodostojan obejktu u prirodi.
49
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Slika 49. Prvobitni 3D model zgrade koji dalje služi kao onsova za dalje modelovanje
Da bi se započela ručna korekcija modela nakon automatske vektorizacije, mora biti
pokrenuta opcija Check Building Models koja se može videti kao aktivirana na Slika 49. u
donjem desnom uglu. Aktivacija ove funkcije dovodi i do aktivacije dva seta alata za ručnu
korekciju: Building Patches tool box-a i Building Edges tool box-a. Funkcije koje nudi prvi set
alata su veoma korisne ali se uglavnom koriste kad automatska vektorizacija ne donese dobre
rezultate, pošto u ovom radu to nije bio slučaj, alati iz tog seta su malo korišćeni. Mnogo više
su korišćene opcije iz alata koji omogućava manipulaciju ivicama modela, zahvaljući njima
50
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
postignut je zadovoljavajući rezultat. Svi alati koji su prikazani u Tabela 3. u poglavlju 4.2.1
su korišćeni u ručnoj korekciji modela.
Na modelu se mogu videti tri vrste linijskih elemenata, crveni predstavljaju krajnje
ivice objekta, žuti predstavljaju promenu visine u odnosu na krajnje ivice, a plavi predstavljaju
preseke poligona ili linijskih elemenata. Svakim od ovih elemenata je moguće manipulisati uz
pomoć alata iz Building Edges tool box-a. Svaki od alata će biti ukratko opisan u daljem tekstu:
Set All Edges – Funkcija koja od svih krovnih poligona zgrade pravi pravilne
pravougaonike. Korisna u nekim situacijama gde krovovi zgrada nisu kompleksni.
Apply Straight Line – Postavlja pravu liniju između dve izabrane tačke, u tom procesu
sve tačke koje se nađu između se brišu.
Apply Intersection Line – Postavlja liniju preseka između dva krovna poligona (plavu
liniju) na mestu gde su oni bili spojeni (žuta ili crvena linija)
Modify Edge tool – Omogućava pomeranje ivice ili celog linijskog segmenta u željenom
pravcu.
Move Edge Vertex – Omogućava pomeranje ugaone ivice (najviše tačke), ima efekta
samo na ivice ne i na linijske segmente.
Align Edge Segment – Pomera linijski segment ali u isto vreme poravnava ga sa
izabranim referentnim segmentom, paralelno ili upravno na njega.
Build Step Corner – „Otkida“ deo linijskog segmenta ili ivicu i pomera duž
nadolazećeg/odlazećeg linijskog segmenta i pravi ugaonu ivicu upravnu na linijski
segment duž kojeg je pomerana.
Cut Edge Corner – Modifikuje ćošak krovnog poligona na dva načina, prvi je gde uvlači
ivicu unutar poligona i dve novonastale ivice su upravne jedna na drugu, drugi gde
dodaje novo parče upravnih ivica na već postojeći ćošak.
Cut Edge Segment – Modifikuje bilo koji linijski segment na dva načina, prvi je tako što
se izabrani deo linijskog segmenta uvlači unutrar poligona krova, drugi način je da
izabrani deo linijskog segmenta izvlači iz poligona i pravi novu ivicu gde su dve ivice paralelne
i treća normalna na njih.
Insert Edge Vertex – Dodaje novu najvišu tačku ivice bilo gde na linijskom segmentu,
takođe definiše poziciju nove najviše tačke.
Delete Edge Vertex – Briše najvišu tačku ivice sa linijskog segmenta, samo tačke koje
spajaju dva segmenta ugla mogu biti izbrisane.
Na Slika 50. se može detaljno videti dobijeni model nakon automatske vektorizacije.
Najviše posla, tj. najviše ručnih korekcija je bilo na obe kule koje se nalaze na prednjem delu
levo i desno od centralne zgrade fakulteta, kao i na novom objektu u sklopu fakulteta. Deo
koji se nalazi odmah iznad staklenika kao i delovi objekta u nastavku su zahtevali minimalne
skoro nikakve korekcije. Na Slika 51 je prikazan 3D model zgrade nakon izvršenih korekcija.
51
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Slika 50. Izgled modela nakon automatske vektorizacije bez manuelnih popravki
Slika 51. Konančni izgled 3D modela zgrade PMF-a nakon manuelnih korekcija
52
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Na Slika 53. je prikazan poprečni presek svih šest staklenika, vidi se da je na četiri desna
staklenika zaštita koja je postavljena preko njih, bolje prikazana tačkama laserskog skeniranja,
dok je stakleni krov ispod njih nepotpun što se tiče podataka. Kod prva dva staklenika se vidi
da zaštita nije bila prostirka od trske, već neki vid transparentnog materijala, pa na preseku
vidimo tačke i tog materijala i krova staklenika. Ovakav struktura objekata je dodatno otežala
njihovo modelovanje.
53
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Slika 54. Izgled 3D modela staklenika nakon delom uspešne automatske vektorizacije
Modeli prva dva staklenika su dobijeni uz pomoć funkcije Construct Planar Building i
uz pomoć dodatnih alata koje ona nudi kao što je Building Planes tool box odakle su koriščene
dve funkcije Add Building Plane, a odmah zatim i opcija Mirror Building Plane. Uz pomoć ove
dve funkcije su postavljeni krovni poligoni pod uglom i vezani su plavom (intersect) linijom.
Zidovi su samo vertikalni poligoni od ivica krova do modela terena, odnosno klase Ground. Na
Slika 55. imamo prikaz modelovanih staklenika koji će biti pridruženi ostatku modela zgrade
PMF-a i samim tim je model spreman za dodavanje tekstura.
54
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
55
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
56
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
vegetacijom na kraju procesa dodavanja tekstura bile zamenjene generičkim teksturama koje
nudi program, a svojim izgledom na neki način reprezentuju izgled stvarne fasade (Slika 59).
Drugi način dodavanja tekstura fasada je preko opcije koju nudi program pod nazivom
Add Photo Texture. Ova funkcija koristi prostorne snimke Google Street View-a, odakle je
moguće pozicionirati se na željenu lokaciju i opcijom Select Region izabrati željenu fasadu
(Slika 60). Oba načina su kombinovana pri dodeljivanju tekstura modelu da bi se dobili najbolji
mogući rezultati. Ali kao što je već rečeno, vegetacija i nemogućnost dobijanja slika nekih
fasada su malo otežale proces i samim tim konačan izgled modela nije na zadovoljavajućem
nivou kvaliteta. Nakon što je završeno dodavanje tekstura, 3D modeli zgrada su eksportovani
kao KMZ fajl i njihov konačni izgled je prikazan sa prednje strane na Slika 61. i sa zadnje strane
na Slika 62.
57
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
58
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
59
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Učitavanje 3D modela na virtuelni globus se vrši uz pisanje JavaScripte koja sadrži par
promenljivih i jednu funkciju koja kreira model na osnovu definisanih entiteta. Svaki projekat
započet u Sandcastl aplikaciji se na kraju čuva u HTML formatu, kao takav je čitljiv svakom
web pretraživaču. Na Slika 65. je prikazan kod napisan u JavaScript-u na osnovu kojeg se 3D
model učitava i pozicionira na stvarnu lokaciju u svetu. Za pisanje skript fajlova moguće je
koristiti i neki od običnih tekstualnih editora kao što je na primer Notepad, ili malo napredniju
verziju koja je namenjena kodiranju Notepad++. Napredniji korisnici se služe Eclipse razvojnim
okruženjem. Eclipse predstavlja JAVA IDE (Integrated Development Environment) što u
prevodu znači integrisano razvojno okruženje namenjeno kompjuterskom programiranju,
kako u Javi tako i u drugim programskim jezicima.
Na sajtu Cesiumjs-a postoji sekcija Developers gde se može naći link ka kompletnoj
dokumentaciji i turtorijalima koji nude pomoć kako početnicima tako i naprednim korisnicima.
Dokumentacija predstavlja ogromnu biblioteku koda razvrstanu po načinu upotrebe, gde je
svaka funkcija, metoda, operacija i promenljiva pojednostavljena i opisana do osnovnih
parametara, a za svaku od njih je naveden i konkretan primer.
60
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
61
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
6. Zaključak
U ovom radu je prikazan celokupan proces dobijanja 3D modela objekata od oblaka
tačaka dobijenog metodom vazdušnog laserskog skeniranja. Neki od problema koji prate ovaj
proces su naglašeni i navedeni su načini njihovog rešavanja. Softver koji je korišćen pružao je
neometan rad u procesima automatske klasifikacije i vektorizacije i davao je dovoljno dobre
rezultate. Svi produkti automatskih algoritama su korigovani ručnim metodama za dobijanje
što kvalitetnijih rezultata.
U procesu klasifikacije su korišćeni makroi radi što veće automatizacije rada. Dobijeni
podaci su odličnog kvaliteta i celokupan prostor snimanja je bez problema predstavljen i
kategorizovan odgovarajućim klasama. Manji problemi u klasifikaciji tačaka koje pripadaju
krovnima strukturama objekata su se javili na mestima gde su krošnje zaklanjale objekte,
rešenje je zahtevalo intezivnu upotrebu mnoštva poprečnih preseka u kombinaciji sa nekom
od ručnih metoda klasifikacije koje nudi TerraScan.
Klasifikacija i vektorizacija objekta Male menze nije bila komplikovana, takođe nije
zahtevala puno utrošenog vremena. Sama struktura objekta koja je jednostavna, kao i krov
koji nije kompleksan, su doprineli uštedi vremena i dobijanju kvalitetnog 3D modela koji je
geometrijski tačan i reprezentuje objekat iz stvarnosti.
Zgrada Prirodno-matematičkog fakulteta je zbog svoje složenosti i kompleksnosti
krovne strukture zahtevala mnogo više vremena i pažnje kod klasifikacije i dobijanja 3D
modela. Sama zgrada je u stvari skup više objekata, novije i strarije gradnje, koji su izgrađeni
od različitih materijala. Poseban problem, koji je napomenut u radu, je predstavljao deo
zgrade sa staklenicima koji pripada Departamanu za Biologiju. Iz tog razloga je taj deo zgrade
bio zasebno vektorizovan, jer su parametri automatske vektorizacije koji su odgovarali ostatku
objekta, morali biti promenjeni i prilagođeni tom delu zgrade. Vektorizacija je rađena iz više
pokušaja gde su se parametri prilagođavali na osnovu dobijenog modela iz prethodnog
pokušaja. Na kraju su izabrani parametri koji su za rezultat davali model koji je zahtevao
najmanje ručnih korekcija. Finalni izgled modela je korigovan uz pomoć orto-foto snimaka.
Dobijeni 3D modeli kao finalni rezultat mogu biti korišćeni za razne namene, u ovom
radu je izabrano da budu publikovani na Internet virtuelnim okruženjima. Za publikovanje na
Google Earth virtuelnom globusu, modeli su iz Microstation-a izvezeni u DWG formatu da bih
se kasnije uvezli u SketchUp gde su im dodate teksture. Modeli su geolocirani i kao izlazni
format je izabran KMZ, formata kojim je moguće prikazati 3D objekat na stvarnoj lokaciji u
virtuelnom okruženju Google Earth-a. Za publikovanje na Cesiumjs virtuelnom globusu, koji
predstavlja open source rešenje, 3D modeli su izvezeni u COLLINDA DAE formatu da bi se
kasnije upotrebom online konvertera prebacili u glTF format, trenutno jedini mogući format
za prikaz 3D objekata na Cesiumjs virtuelnom globusu.
Napredak tehnologije nam je omogućio da dobijemo geometrijski i vizuelno tačne
modele objekata bez upotrebe klasičnih geodetskih metoda. Mogućnosti prikupljanja
podataka tehnologijom laserskog skeniranja unapređuju se iz dana u dan, kao i sam razvoj
softverskih rešenja.
62
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
7. Literatura
1. Jie Shan and Charles K. Toth (2008): "Topographic Laser Ranging and Scanning: Principles
and Processing", strane 15-26
2. C. Brenner with contribution from G. Vosselman and G. Sithole (2006):"ISPRS, Areal Laser
Scanning"
3. Wher A. and Lohr U. (1990): "ISPRS Journal of Photogrammetry and Remote Sensing",
strane 54 i 68
4. Miler M., Ðapo A., Kordić B., Medved I. (2007): "Terestrički laserski skeneri", časopis
Ekscentar, b3. 10, strane 35-38
5. Preuzeto sa: http://leica-geosystems.com/products/laser-scanners/scanners/leica-
scanstation-p16
6. Preuzeto sa: http://www.laserscanning-europe.com/sites/default/files/Trimble/022543-
404A_GX_3Dscanner_advanced_DS_0909_sec.pdf
7. T.Kahlaman,H. INGENSAND (2006) Range Imaging 72. DVW-Seminar "Terrestrisches-
Laser-Scanning"
8. D.Medak, B. Pribičević, I. Medved, M. Miler, D. Odobašić (2007): "Terestričko lasersko
skaniranje i trodimenzionalno projektiranje"
9. C.V. Tao (2000): "A review of mobile mapping technology for road network data
acquisition" Journal of Geospatial Engineering
10. K. Tin Leung, J.F. Whidborne, D. Purdy, A. Dunoyer (2011):" A review of ground vehicle
dynamic state estimations utilizing GPS/INS" VehicleSyst. Dynam.
11.Antero Kukko, Harri Kaartinen, Juha Hyyppä and Yuwei Chen (2011): "Multiplatform
Mobile Laser Scanning: Usability and Performance"
12.Preuzeto sa:
https://www.terrasolid.com/download/presentations/2012/3DLM%20Terrasolid%202012.p
df
13.Preuzeto sa: http://web.pdx.edu/~jduh/courses/geog493f12/Week04.pdf
14. Preuzeto sa: http://gsp.humboldt.edu/olm_2015/Courses/GSP_216_Online/lesson7-
1/components.html
15. R. B.Roth, J. Thompson "Practical application of multiple pulse in air (mpia) lidar in large-
area surveys"
16. Preuzeto sa: http://www.dielmo.com/eng/ficha-tecnologia.php?prod=4
17. Preuzeto sa: https://www.bentley.com/en/products/product-line/modeling-and-
visualization-software/microstation
63
VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
64