Vektorizacija 3D Modela Objekata Na Osno

UNIVERZITET U NOVOM SADU
FAKULTET TEHNIČKIH NAUKA U

NOVOM SADU
Uroš Radovanović
VEKTORIZACIJA 3D MODELA OBJEKATA NA

OSNOVU OBLAKA TAČAKA
- Master rad -
Novi Sad, 2016.

UNIVERZITET U NOVOM SADU FAKULTET TEHBIČKIH NAUKA
21000 NOVI SAD, Trg Dositeja Obradovića 6
KLJUČNA DOKUMENTACIJSKA INFORMACIJA
Redni broj, RBR:

Indetifikacioni broj, IBR: O1-24/2013
Tip dokumentacije, ТD: Monografska dokumentacija
Tip zapisa, TZ: Tekstualni štampani materijal
Vrsta rada, VR: Master rad
Autor, АU: Uroš Radovanović
Мentor, МN: prof. Dr Miro Govedarica
Naslov rada, NR: VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
Jezik publikacije, ЈP: Srpski

Jezik izvoda, ЈI: Srpski/Engleski
Zemlja publikovanja, ZP: Republika Srbija
Uže geografsko područje, UGP: Vojvodina
Godina, GО: 2016.
Izdavač, IZ: Autroski reprint
Mesto i adresa, МА: Univerzitet u Novom Sadu, Fakultet Theničkih Nauka, Trg Dositeja
Obradovića 6
Fizički opis rada, FО: 7/65/0/5/66/1/0
(poglavlja/strana/ citata/tabela/slika/grafika/priloga)
Naučna oblast, NO: Geodezija I geoinformatika
Naučna disciplina, ND: Daljinska detekcija
Predmetna odrednica /Ključne reči, PO: Oblak tačaka, LiDAR, 3D model, vektorizacija, Microstation, TerraScan,
KMZ, Google Earth, Cesiumjs.
UDK
Čuva se, ČU: U biblioteci Fakulteta Tehničkih Nauka
Važna napomena, VN:

Izvod, IZ: Zadatk u ovom radu je opis procesa dobijanja 3D modela od oblaka tačaka
dobijenih metodom vazdušnog laserskog skeniranja. Kroz teorijski deo rada
opisan je princip rada laserskih sistema, metode merenja rastojanja, podela
laserskog skeniranja kao i softverski alati koji se bave obradom,procesiranjem
i vizuelizacijom podataka dobijenih tehnologijom laserskog skeniranja.
Praktični deo rada opisuje pripremu podataka, proces klasifikacije tačaka,
primenu različitih metoda vektorizacije kao i pripremu 3D modela za
publikovanje na Google Earth i Cesiumjs virtuelnim globusima.
Datum prihvatanja teme, DP:

Datum odbrane, DО:
Članovi komisije, КО: Predsednik:
Član: Potpis mentora
Član, mentor:
UNIVERSITY OF NOVI SADFACULTY OF TECHNICAL SCIENCES
KEY WORDS DOCUMENTATION
Accession number, ANO:

Identification number, INO: O1-24/2013
Document type, DT: Monographic publication
Type of record, TR: Textual printed material
Contents code, CC: Master Thesis
Author, AU: Uroš Radovanović
Mentor, MN: prof. Dr Miro Govedarica
Title, TI: VECTORIZATION OF 3D BUILDING MODELS FROM DATA POINT

CLOUDS
Language of text, LT: Serbian
Language of abstract, LA: Serbian/English
Country of publication, CP: Republic of Serbia
Locality of publication, LP: Vojvodina
Publication year, PY: 2016.
Publisher, PB: Author’s reprint
Publication place, PP: Novi Sad, Dositeja Obradovica sq. 6
Physical description, PD: 7/65/0/5/66/1/0
(chapters/pages/ref./tables/pictures/graphs/appendixes)
Scientific field, SF: Geomatics

Scientific discipline, SD: Remote sensing
Subject/Key words, S/KW: Data point cloud, LiDAR, 3D model, vectorization, Microstation, TerraScan,
KMZ, Google Earth, Cesiumjs.
UC
Holding data, HD: The Library of Faculty of Technical Sciences, Novi Sad, Serbia
Note, N:
Abstract, AB: The main task in this paper was to describe the whole process of generating
building 3D models from data point clouds collected by airborne laser scanning
method. Through theoretical part of paper, principals of how laser scanners
work, methods of measuring distances, division of Laser scanning and
software tools for processing and visualization of LiDAR data are described.
Practical part includes the data preparation, point cloud classification, applying
of two different methods of 3D vectorization also the preparation of 3D models
for publishing on Google Earth and Cesiumjs virtual web globes.
Accepted by the Scientific Board on, ASB:

Defended on, DE:
Defended Board, DB: President:
Member: Menthor's sign
Member, Mentor:
ObrazacQ2.НА.04-05 - Izdanje
UNIVERZITET U NOVOM SADU FAKULTET TEHBIČKIH NAUKA Broj:
Datum:
ZADATAK ZA IZRADU MASTER RADA
(Podatke unosi predmetni nastavnik-mentor)
Studijski program: Geodezija i geoinformatika
Rukovodilac Prof.dr Miro Govedarica
studijskog
programa:
Student: Uroš Radovanović Broj indeksa: O1-24/13

Oblast: Daljinska detekcija
Mentor: prof. Dr Miro Govedarica
NA OSNOVU PODNETE PRIJAVE, PRILOŽENE DOKUMENTACIJE I ODREDBI STATUTA FAKULTETA

IZDAJE SE ZADATAK ZA MASTER RAD, SA SLEDEĆIM ELEMENTIMA:
- problem – tema rada;
- način rešavanja problema i način praktične provere rezultata rada, ako je takva provera neophodna;
- literature
NASLOV MASTER RADA:

VEKTORIZACIJA 3D MODELA OBJEKATA NA OSNOVU OBLAKA TAČAKA
TEKST ZADATKA:
Kandidat ima zadatak da teoretski predstavi tehnologiju prikupljanja podataka laserskim

skeniranjem. Takođe je potebno da na osnovu dobijenog oblaka tačaka uradi klasifikaciju
tačaka, nakon toga vektorizaciju 3D modela objekata. Modele treba pripremiti za
publikovanje na izabranim virtuelnim okruženjima.
Rukovodilac studijskog programa: Mentor rada:
Prof.dr Miro Govedarica Prof.dr Miro Govedarica

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
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
Takođe su opisane mogućnosti obrade laserskih podataka koje pruža Terrasolid

softverski paket sa svojim vodećim TerraScan modulom, kao i celokupan proces dobijanja 3D
modela objekta na osnovu vektorizacije oblaka tačaka, kao i neki od problema koji prate taj
proces. Dobijeni modeli su vizuelno poboljšani dodavnjem tekstura fasada, da bi se kasnije
publikovali na Google Earth virtuelni globus u KMZ formatu, koji je predstavljen kao jedno
rešenje i na Cesiumjs virtuelni globus koji je predstavljen kao open source rešenje, za prikaz
3D modela objekata na Internetu.
5
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
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]
Slika 2. Izgleda odbijenog talasa nakon višestrukih odbitaka [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
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]
Slika 3. (a) Prikaz emitovanih i odbijenih pulseva i vremenski sled emitovani/odbijeni

puls (b) Pozicija platforme kod emitovanja i nakon detektovnja odbijenog pulsa [1]
2.1.2 Metoda faznog poređenja

Ova metoda se koristi kod uređaja gde se lasersko zračenje emituje kao kontinualan
zrak. U literaturi se često mogu sresti pod nazivom CW (continuous wave) laserski uređaji. U
praksi, zbog ograničene moći CW laserskih sistema, postoji veoma mali broj skenera i
daljinomera koji koriste ovu metodu u odnosu na one koji koriste puls (eho) princip rada. Ovaj
princip se najčešće koristi u terestričkom laserskom skeniranje gde dužina od instrumenta do
objekta merenja nije veća od 100 m.
Odbijanje laserskog zraka kod CW laserskih sistema ja slično kao i kod onih dobijenih
puls metodom, samo što je zrak kontinualan. Emitovani zrak pogađa objekat koji se meri i
samo mali deo emitovanog zračenja se vraća nazad do mernog instrumenta istom putanjom
kojom je i došlo (Slika 4). Ovo zračenje se na instrumentu detektuje silikonskom foto diodom.
Oslabljeni reflektovani signal se zatim pojačava, bez gubitka informacija koje nosi, i prosleđuje
na demodulaciju. Proces demodualcije predstavlja razdvajanje mernog i nosećeg talasa. Zatim
se reflektovani signal upoređuje sa prvobitno transmitovanim, tu se u stvari meri fazna razlika
ili fazni ugao. Fazna razlika u stvari predstavlja razlomački deo (∆λ) od ukupnog ugaonog
rastojanja koje je traženo.[1]
8
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
Slika 5. Divergentnost laserskog zraka [1]
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]
Slika 6. Princip refleksije laserskog zraka od difuzne mete [1]
10
Šta više utvrđeno je da se osobina reflektivnosti svakog materijala menja u zavisnosti

od talasne dužine zračenja koju emituje laser.
A.Wher i U.Lohr su 1999. godine objavili tabelu na osnovu podataka koje im je
dostavila kompanija Rigl (Riegl), koja se bavi proizvodnjom kako terestričkih tako i vazdušnih
laserskih skenera. Ova Tabela 1. pokazuje relativnu reflektivnost difuznih (tvrdih/solidnih)
meta kada se na njih emituje lasersko zračenje sa talasnom dužinom od 900 nm.[3]
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.
Grafik 1. Faktor korekcije maksimalnog dometa u zavisnosti od

relativne reflektivnosti difuznih meta [3]
11
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]
2.1.4 Bezbednosni standardi i klase

Širom sveta prihvaćeni su standardi bezbednosti koji su određeni od strane
Međunarodne elektrotehničke komisije (IEC), ta grupa standarda poznata je pod imenom IEC
60825 standardi. Izuzetak su Sjedinjene Američe države koje nisu uvažile ovaj standard, oni
koriste ANSI Z136.1 grupu standarda određenu od strane LIA (Laser Institute of America).[1]
Klasifikujući lasere po opasnosti, međunarodni i američki standardi podelili su ih u četri
kategorije, prvenstveno se misli na stpen rizika od nanošenje štete ljudskim očima i koži, tako
da postoje sledeće bezbednonse klase:
1. Klasa I: Obuhvata lasere i laserski bazirane sisteme koji ne emituju zračenje na
poznatim nivoima opasnosti i koji se na terenu ne kontrolišu od strane kontrole
rada na terenu i servisiranja.
2. Klasa IA: Ovo je specifična grupa sa gornjom snagom od 4 mW, gde nivo emisije
ne prelazi klasu I za emisiju od 1000s. To se odnosi na lasere koji „nisu namenjeni
za gledanje“ kao što su supermarket laserski skeneri.
3. Klasa II: Laserski sistemi male snage koji emituju zračenje u vidljivom delu
spektra elm. zračenja, laseri koje emituju svoje zračenje iznad novoa klase I, ali
snage ne preko 1 mW. Sama ograničenja kontrole navedena su u pogledu njihovog
rada.
12
4. Klasa IIIa: Obuhvata lasere sa srednjim nivoima zračenja, tipične snage CW

lasera u rasponu od 1-5 mW koji su opasni samo po ljudske oči ako se direktno
gleda u zrak.
5. Klasa IIIb: Obuhvata lasere sa umerenim nivoima zračenja, lasere koji rade u
opsegu 5-500 mW kod CW laserskih sistema ili impulsnih lasera sa izlaznom
snagom do 10 J/(cm)^2 .
6. Klasa IV: Ova kategorija obuhvata one lasere koji funkcionišu sa nivoima izlazne
snage iznad onih koji su navedeni za klasu IIIa lasera. Predstavljaju direktnu
opasnost po oči i kožu, i postoje veoma striktna upozorenja i mere koje se moraju
poštovati prilikom njihove upotrebe. Takođe su potencijalna opasnost i za
izazivanje požara. [1]
Kod svih navedenih klasa lasera moraju se poštovati odgovarajuće sigurnosne mere
tokom proizvodnje, servisiranja kao i tokom njihovog rada na terenu ili vazduhu. Određeni
laseri koji emituju zračenje u kratkim talasima u infracrvnom delu eletromagnetnog spektra
sa talasnim dužinama većim od 1400 nm, su obeleženi kao bezbedni. Primer je OPTECH ILIRIS-
3D laserski skener, koji emituje svoje zračenje na talasnoj dužini od λ= 1550 nm.[1]
2.2 Laserski skeneri

Lasersko skeniranje nije zamena za već postojeće tehnike geodetskog snimanja, ali je
alternativa koja se može upotrebiti u većini geodetskih poslova. Skeniranje se odvija već
pomenutim metodama merenja rastojanja do određene tačke u području snimanja. Rezultat
ovakvog načina snimanja je skup trodimenzionalnih XYZ tačaka koji se naziva oblak tačaka.
Prostorna udaljenost između susednih snimljenih tačaka unutar oblaka zavisi od blizine
objekta snimanja i tehničkih specifikacija samog instrumenta. Većina današnjih skenera može
snimiti vrlo guste oblake tačaka, pa je tako moguće dobiti tačke na snimljenom objektu
međusobno udaljene tek jedan milimetar.
Oblak tačaka uz svoje prostorne, relativne ili apsolutne koordinate, može sadržati i
informacije o intenzitetu kao i RGB modele boja reflektujuće površine. To znači, da možemo
da razlikujemo da li se laserski zrak odbija od zelenog lista na drvetu, ili od crvenog crepa na
krovu kuće, ta tačka će uz pripadajuće koordinate sadržati i podatak o boji i intenzitetu
reflektovanog zraka. RGB model se dobija uz pomoć unutrašnje (ugrađene) ili spoljne (u
kombinaciji) kamere, dok se vrednost intenziteta dobija iz jačine odbijenog signala.
Budući da se laserskim skenerom često prikupi i više miliona tačaka po jednoj stanici,
vođenje detaljne skice je nepotrebno jer se iz oblaka tačaka može dobiti i više nego dovoljno
informacija za identifikaciju svih snimljenih objekata i izradu topografskog plana. Kao primer
može poslužiti snimljena (skenirana) ulica i uz ulicu postavljena ploča na kojoj piše ime ulice.
Iz oblaka tačaka lako je pročitati naziv ulice na ploči jer je uz nekoliko stotina tačaka dobijen i
oblik i informacija o boji (bela slova na plavoj podlozi na primer).[4]
Osnovna podela laserskih skenera ja na statičke i mobilne, a zatim na terestričke, koji
mogu biti i statički i mobilni, i na vazdušne (airborn) u smislu da je platforma koja ih nosi
helikopter,avion ili satelit u krajnjem slučaju.
13
Laserske skenere takođe možemo podeliti prema:

 načinu snimanja,
 načinu merenja udaljenosti,
 načinu prikupljanja podataka.
Kada pričamo o podeli prema načinu snimanja (Slika 8), laserske skenere delimo na:
 skeneri kamere,
 panoramski skeneri,
 hibridni skeneri. [4]
Slika 8. Podela skenera prema načinu snimanja [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
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]
Slika 9. Triangulacijski princip merenja rastojanja
15
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]
Slika 10. Laica Scanstaion P16 (levo) i Trimble GX (desno) [5][6]
3. Podela laserskog skeniranja

Lasersko skeniranje u osnovi možemo da podelimo na terestričko/zemaljsko (eng.
ground based) i vazdušno (eng. airborn). Terestričko još možemo da podelimo na statičko i
mobilno, dok kad pričamo o vazdušnom, mislimo samo na mobilno lasersko skeniranja.
3.1 Terestričko lasersko skeniranje
Terestričko lasersko skeniranje ili skraćeno TLS je tehnološki realtivno nova i veoma
delotvorna metoda dobijanja digitalnih snimaka objekata i celih područija manjeg i srednjeg
potesa. Princip rada veoma je sličan svim današnjim geodetskim instrumentima sa laserom
koji su u upotrebi već godinama. Laserski zrak se prostire od mernog tela do objekta,
reflektuje se i onda na osnovu izmernog rastojanja i vertikalnog i horizontalnog ugla, sa
fiksnog stajališta, određuju koordinate tačaka u trodimenzonalnom prostoru. Rezultat ovog
procesa je takozvani oblak tačaka, gde se za svaku tačku zna XYZ koordinata, kao i jos neka
dodatna svojstva (intezitet,RGB, refleksija itd). Većina današnjih TLS uređaja je u mogućnosti
da snimi guste oblake tačaka, sa prostornom rezolucijom i do reda 1 milimetra (oblak može
da sadrži i do nekoliko desetina miliona tačaka). Ova karakteristika omogućava digitalno 3D
16
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]
Slika 11. Podela terestričkog laserskog skeniranja na osnovu primene [7]

Prilikom statičkog terestričkog laserskog skeniranja, proces je takav da se mereni
objekat snima sa jedne, dve ili više poznatih stanica (stajališta). Koordinate stajališta se
određuju preciznim geodetskim metodama sa što većom tačnošću (GNSS uređajima ili
totalnom stanicom). Takođe je veoma bitno odrediti gustinu obalaka tačaka koja će zadovoljiti
nivo potrebne preciznosti i tačnosti. Podizanje tačnosti i preciznosti snimanja se postiže, tako
što se na objektu merenja postavljaju visoko reflektivni markeri, čija se pozicija takođe
precizno određuje nekom od geodetskih metoda pre početka snimanja. Dobijeni oblak tačaka
može biti u lokalnom koordinatnom sistemu, te se mora naknadno georeferencirati uz pomoć
transforamcija koordinata u poznati državni koordinatni sistem. Uređaji poslednje generacije
automatski odrađuju ovaj korak tako da se eliminiše potreba za naknadom obradom podataka
od strane čoveka i smanjuje mogućnost za greškom.[8]
17
Za krajnje korisnike najkorisnija je klasifikacija laserskih skenera na osnovu tehničkih

karakteristika, budući da su one dobar pokazatelj mogućnosti i performansi uređaja, a to je
upravo ono što korisnik i traži.
Te tehničke karakteristike su:
 Brzina skeniranja, brzina uzorkovanja laserskog sistema za merenje
 Veličina prostora snimanja (Field of View)
 Prostorna rezolucija, tj. broj skeniranih tačaka u prostoru snimanja
 Tačnost sistema za skeniranje
 Kombinacija sa ostalim uređajima integrisanih u kućište laserskog skenera
(kamera, GPS itd.)
Na tržištu danas postoji niz kompanija koje proizvode terestričke laserske uređaje
najpoznatije su: Riegl, Optech, Trimble, Minolta, iQSun, Callidus, Leica, Z+F itd (Slika 12). [8]
Slika 12. Primeri terestričkih laserskih uređaja [8]
Uređaji marke Riegl i Optech rade po metodi pulsnog merenja dužina sa

centimetarskom tačnošću, imaju prostor snimanja (FOV) 360x60 stepni za Riegl i 60x60
stepeni za Optech. Prednost ovih uređaja je maksimalna daljina merenja od preko 100
metara, a glavni nedostatak je vreme potrebno za skeniranje čitavog polja pregleda, koje je
predugačko. Uređaji Trimble i Laica takođe rade na prinicipu pulsnog merenja dužina, a
pogodniji su za snimanje na rastojanjima do 70 metara. Laserski skeneri koji rade po principu
faznog merenja dužina imaju veliku brzinu prikupljanja podataka i zbog toga se u terestričkom
laserskom skeniranju koriste na mobilnim platformama za snimanje puteva ili na platformama
prilagođenim kretanju po šinama za snimanje pruga. Glavni nedostak ovih uređaja je što mogu
18
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]
3.1.1 Mobilno terestričko lasersko skeniranje

Jedan sistem za mobilno terestričko laserko skeniranje, prikazan na Slika 13, čine:
 laserski skener(i),
 digitalne kamere,
 inercijalna merna jedinica (IMU),
 merni indikator udaljenosti (DMI)
 GNSS jedinica (antena i prijemnik),
 kontrolna jedinica i odgovarajući softver.
Automatsko georeferenciranje prikupljenih podataka kod MTLS-a je veoma bitna

karakteristika, a tehnologije zaslužne za to su GNSS oprema, IMU jedinica i sistem mernih
indikatora udaljenosti (DMI). Oni prikupljaju vremenske promenljive položaja i orijentacijske
parametre za ovaj tip sistema. Svi ovi sistemi se usredsređeni na vozilo, i koriste se za
apsolutno određivanje položaja platforme s obzirom na globalni koordinatni sistem. [9]
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
Uloge laserskog skenera i digitalnih kamera su dovoljno jasne da se ne moraju

detaljnije objašnjavati, dok je uloga kontrolne jedinice da sve poveže u jedan homogen sistem
i da kontroliše celokupan rad svih uređaja, kao i čuvanje izlaznih podataka.
Slika 13. Šematski prikaz sistema za mobilno lasersko skeniranje [12]
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
Slika 14. Primer savremenog mobilnog sistema za lasersko skeniranje ROAMER [11]
3.2 Vazdušno lasersko skeniranje (ALS)

Vazdušno lasersko skeniranje svoje ime je dobilo po engleskom izrazu za taj proces,
koji glasi Airborn Laser Scaning ili skraćeno ALS. Popularniji naziv za lasersko skeniranje, je
LiDAR, skraćenica takođe od engleskog iraza Light Detection and Ranging. Kao što je rečeno u
uvodu, prvobitna upotreba laserskih uređaja je bila na vazdušnim platformama, pa kad se
upotrebi izraz LiDAR više se misli na lasersko snimanje iz vazduha.
Ovaj tip laserskog skeniranja (ALS) koristi pokretnu platformu koja se po planu leta
kreće na određenoj visini, određenom brzinom. Za platforme se koriste helikopter i avioni, a
u nekim slučajevima i sateliti. Jedan LiDAR sistem sadrži iste komponente kao i mobilna
platforma za terestričko lasersko skeniranje, a to je GNSS jedinica, laserski skener, kamera,
IMU jedinica i kontolna jedinica koja kontroliše rad celokupnog sistema, sastavni deo celog
sistema je i jedinica koje veoma precizno meri vreme u nanosekundama (ns).[13]
Svi sistemi za lasersko skeniranje se u oblasti daljinske detekcije svrstavaju u aktivne
senzore, jer emituju sopstvenu energiju i nakon njenog odbitka od merene površine dobijaju
tražene podatke. LiDAR sistemi koriste uglavnom laserske sisteme koji rade na bazi pulsnog
merenja dužina, zbog njihove sposobnosti da mere dužine od po nekoliko stotina metara, jer
su najčešće visine leta kod ALS-a od 200m i više. Princip rada je takav da se emituje laserski
puls,svaki pod određenim uglom koji se meri, i tačno se zabeleži vreme emitovanja, zatim se
detektuje odbijena energija istog tog pulsa i zabeleži se vreme detekcije odbitka. Laserski zrak
se prostire brzinom svetlosti, ako uzmemo to kao konstantu i imamo zabeleženo vreme
emitovanja i detektovanja pulsa, možemo da izračunamo rastojanje. Zbog rezultata merenja
GNSS sistema i IMU jedinice znamo tačnu poziciju i orijentaciju izvora emitovanja, na osnovu
svega pomenutog možemo da izračunamo XYZ koordinate snimljene površi. [13]
21
U obrascu ispod su prikazane formule na osnovu kojih se računaju rastojanje i vreme

putovanja laserskog zraka kod pulsnih laserskih skenera i CW laserskih skenera.
𝑅 = 𝑐 𝑡/2 ; ∆𝑅 = 𝑐 ∆𝑡/2 ; 𝑡 = 2𝑅/𝑐. Za pulsne skenere,
𝜑 𝑐 𝑐 ∆𝜑
𝑅 = 2𝜋𝑓 2 ; ∆𝑅 = . Za CW laserske skenere.
2 2𝜋𝑓
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]
Slika 15. Ground Location Ambiguity problem [13]
22
Zadatak GNSS jedinice je određivanje XYZ koordinata skenera u prostoru, razlika u

odnosu na MTLS je ta što nakon početne inicijalizacije skoro nikad ne dolazi do gubitka
satelitskog signala. IMU (Internal Measurment Unit) uz pomoć akcelerometara i žiroskopa
određuje ugaonu orijentaciju skenera u odnosu na teren. To znači da meri uglove između
terena i XYZ ose lokalnog koordinatnog sistema u kojem se nalazi pokretna platforma (Slika
16). To se postiže tako što sistem meri rotacije aviona oko svake od osa (pitch, roll, yaw). [13]
Slika 16. Princip rada IMU jedinice [14]
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
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]
Slika 18. Reflektivnost različitih materijala izražena u procentima [13]
24
Prednosti korišćenja vazdušnog laserskog skeniranja su:
 Svi izlazni podaci su georeferencirani,

 Visoki nivoi horizontalne i vertikalne preciznosti,
 Sposobnost akvizicije podataka sa velikih područija veoma brzo,
 Troškovi su manji nego kod fotogrametrijskog načina prikupljanja podataka,
 Zahteva manji broj ljudi uključenih u proces prikupljanja/obrade podataka,
 Moguće prikupljanje podataka sa veoma strmih terena i manje problema sa
senkama,
 Oblaci tačaka služe za kreiranje: DEM, DSM, TIN modela terena,
 Oblaci tačaka služe kao podaci za kreiranje 3D modela objekata i gradova. [13]
Mane korišćenja ovog sistema su:
 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]
Na Slika 19. je prikazan primer jednog vazdušnog sistema za lasersko skeniranje sa

svim pomenutim komponentama.
Slika 19. Izgled sistema za vazdušno lasersko skeniranje (LiDAR) [16]
25
4. Alati za obradu podataka dobijenih LiDAR-om

Gotovo sva CAD i GIS softverska rešenja skorijeg datuma pružaju mogućnost pregleda,
vizualizacije, klasifikacije kao i sve druge tipove manipulacije podacima dobijenih TLS ili ALS
metodama laserskog skeniranja. Skoro sva nude mogućnost kreiranja DEM, TIN i DSM modela
terena, kao i automatsku ekstrakciju objekata na površini terena. Mogućnosti su razne u
zavisnosti od potrebe projekta. Sve kompanije koje prodaju opremu za lasersko skeniranje, uz
nju, takođe i prodaju specijalizovane softvere za obradu tih podataka. Cena softvera u odnosu
na cenu opreme je relativno niska, ali tu opet pričamo o ciframa od par stotina do par hiljada
evra.
Tako npr. LEICA ima svoje softvere za obradu podataka dobijenih svim metodam
laserskog skeniranja, kao što su: Cyclone, LiDAR Survey Studio, Cloud Pro itd.Takođe TRIMBLE
nudi svoja softversk rešenja kao što su: RealWorks, EdgeWise, Trident, Inpho itd.
Pored svih softvera koje nude proizvođači laserskih skenera, postoje softveri, koji se
takođe plaćaju, ali su nezavisni od proizvođača i takođe nude veoma dobra rešenja za
procesiranje, analizu i vizuelizaciju podataka dobijenih laserskim skeniranjem. Generalno
njihova upotreba je mnogo češća iz razloga što su jeftiniji i dostupniji i takođe mnogi od njih
ili daju velike popuste akademskim korisnicima, ili čak nude besplatne akademske licence na
određeni vremenski period. Alati ovog tipa koji se najčešće koriste su: GlobalMapper LiDAR
Module, LiDAR in ArcGis, ArcMap LP360, Feature Manipulation Engine, ENVI, Bentley
Pointstools V8i, Bentley Microstation V8i with Terrasolid, AutoCad Map 3D, Erdas Imagine itd.
Pored svih ovih softverskih rešenja koja se plaćaju, postoje i open source rešenja koja
su besplatna i uglavanom su široko dostupna preko Interneta. Sva ova besplatna rešenja
možda jedinstveno ne nude sveobuhvatnu manipulaciju podacima, ali uz kombinaciju njih par
moguće je postići zadovoljavajuće rezultate. Primeri ovih alata su: BCAL LiDAR Tools,
FugroViewer, FUSION /LDV, LASTools, MCC-LIDAR, Merrick’s Mars Viewer, Online LiDAR
viewer, Quick Terrain Reader i mnogi drugi.
4.1 Softversko rešenje BENTLEY MICROSTATION V8i

Oblak tačaka koji je korišćen u ovom radu je procesiran uz pomoć programa
Microstation V8i i MDL (Microstation Design Language) aplikacija koje je kreirao Terrasolid,
kompanija koja dizajnira softver specijalizovan za rad sa podacima dobijenim laserskim
skeniranjem. Microstation je inženjerski CAD (computer aided design) program koji se u
osnovi koristi za modelovanje, dokumentovanje, vizuelizaciju i njegova primena je svestrana.
Ovaj softver pruža široku lepezu mogućnosti za manipulaciju raznim tipovima podataka, čime
je u prednosti u odnosu na klasične CAD alate.
Primarni format softvera je DGN (skraćeno od engleske reči design), koji je moguće
eksportovati i dalje sa njim manipulisati u bilo kom drugom CAD alatu. Eksportovanje je
moguće i u drugim CAD formatima kao DWG i DXF, takođe moguće je eksportovati podatke u
formatu KML koji je jedna od osnovnih ekstenzija Google Earth softvera. Mogućnosti
eksportovanja 2D i 3D modela iz ovog program su raznolike. [17]
26
Neke od konkretnih prednosti korišćenja ovog programskog rešenja su:
 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]
Slika 20. Radno okruženje Microstation V8i softvera [17]
4.2 Terrasolid softver

Terrasolid je softverska kompanija iz Finske koja konstantno razvija programske alate
koji se širom sveta primenjuju za obradu podataka dobijenih mobilnim terestričkim i
vazdušnim laserskim sistemima. Ovaj paket alatki se lako integriše sa Microstation
programskom platformom i u samom programu se svaka alatka pokreće kao zaseban modul
u vidu MDL (Microstation Development Language) aplikacije. Većina alata razvijenih od strane
Terrasolid-a je napravljena tako da bude kompatibilna sa softverom koji dolzi iz Bentley
Sistema. Jedana najnovija verzija Terrasolid paketa alata sadrži: TerraScan, TerraModeler,
TerraPhoto, TerraMatch, TerraSlave, TerraSurvey, TerraStereo, TerraStreet, TerraPipe. [18]
TerraScan, TerraModeler i TerraPhoto moduli će u daljem tekstu biti detaljnije
objašnjeni jer su korišćeni u ovom radu, ostali moduli će biti ukratko opisani.
TerraMatch je visoko sofisticirani alat koji služi za poboljšanje tačnosti i kvaliteta
sirovih laserskih podataka. Alat upoređuje tačke iz susednih traka preleta, kod ALS-a, ili
susednih putanja kod MTLS-a i računa faktore korekcije za uglove neusklađenosti trajektorija
i korekcione faktore lokacijske greške za sve tri koordinate. Primena ovog alata je česta u
slučajevim kada se radi sa podacima dobijenim mobilnim terestričkim laserskim skeniranjem,
jer neslaganje susednih putanja skeniranja, kod ovog tipa snimanja, se menja tokom vremena
27
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
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
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.
Slika 21. Kutija sa alatima za automatsku vektorizaciju [20]
Na Slika 21. je prikazan paket alata koji se

nalaze u TerraScan-u zaduženih za automatsku
vektorizaciju objekata. Prva opcija pod nazivom
Vectorize Buildings prikazana je na Slika 22, ona
obavlja glavni posao u kreiranju 3D modela na
osnovu oblaka tačaka. Koriste se dve klase
Building ili Buiding rooftops. Pored toga postiji i
niz dodatnih podešavanja koja omogućavaju
kreiranje preciznih modela sa što manje ručnih
podešavanja. Prva vektorizacija na novom setu
podataka uvek traje dugo jer se prvo kreiraju
modeli većih objekata. Kvalitet modela zavisi od
podešenih parametara i tačnosti klasifikacije
upotrebljenih klasa. Tačke iz Rooftops klase se
najčešće prebacuju u jedinstvenu klasu Zgrada.
Slika 22. Izgled prozora sa parametrima za
automatsku vektorizaciju [20]
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
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]
Slika 23. Primer ručno kreiranih krovnih poligona [20]
31
Kao što je već rečeno, sve 3D modele dobijene automatskim i poluautomatskim

metodama vektorizacije, moguće je popraviti ručno uz pomoć dva seta alata: Building Patches
tool box i Building Edges tool box, ali samo u slučaju kada je pokrenuta opcija Check Building
Models,ujedno i poslednja opcija u Building kutiji alata, koja nam daje tu mogućnost da ručno
korigujemo modele na osnovu vizuelnih podataka.
Prvi alat omogućava modifikovanje krovnih poligona 3D modela nakon automatske
vektorizacije u cilju poboljšavanja tačnosti i topologije modela. Na Slika 24. su prikazane
funkcije koje nudi Building Patches kutija alata, a u Tabela 2. se nalazi pojedinačni opis svake
od njih. Posebno korisna opcija je koje omogućava da se na poprečnom preseku objekta
izdvoje ivice krova po kojima se iscrtaju krovni poligoni, takođe i opcija koja na osnovu
nacrtanih ivica krova uz pomoć poprečnog preseka, omogućava kreiranje kompletnog modela
koji će imati 3D oblik nacrtanog poprečnog preseka. [20]
Slika 24. Izgled prozora Building Patches seta alata [20]
Tabela 2. Opis funkcija is Building Patches menija [20]
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
Slika 25. Izgled Building Edges kutije alata [20]
Tabela 3. Opis funkcija iz Building Edges menija [20]
Drugi pristup je poluautomatski i funkcioniše tako što se vektorizuje samo jedan

objekat, nije moguće pokrenuti proces na više objekata odjednom. Ova metoda zahteva
mnogo više ručnog modelovanja nego prethodna, vreme obrade se povećava višestruko ako
je potrebno ovom metodom procesirati veći broj objekata. Naime primena ove metode se
preporučuje uglavnom u slučaju kada potpuno automatska vektorizacija ne daje dobre
rezultate ili ulazni podaci dobijeni laserskim skeniranjem nisu dobrog kvaliteta.
33
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]
Slika 26. Izgled prozora za poluautoamtsku vektorizaciju [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
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.
Slika 27. Izgled Building Planes menija [20]
Tabela 4. Pojedinačni opis funkcija iz Building Planes menija [20]
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.
Slika 28. Izgled Bulding Boundaries menija [20]
35
Tabela 5. Pojedinačni opis funkcija iz Buidling Boundaries menija [20]
Iako ovaj pristup poluautomatske vektorizacije 3D objekata iziskuje dosta ručnih

korekcija od strane korisnika ipak ima situacija kada je u prednosti u odnosu na potpuno
automatski pristup. Glavni razlog je što omogućava kreiranje nekih delova modela i u
situacijama kad nedostaju podaci ili je njihov kvalitet veoma loš. Ova metoda i njeni alati
omogućavaju da se ravni poligona računaju na osnovu drugih podataka ako na nekim mestima
iz raznih razloga nedostaju podaci dobijeni laserskim skeniranjem. Jedna od mana ovog
pristupa je i nemogućnost modelovanja krovova čiji poligoni ne leže u istoj ravni. Ovo
predstavlja problem kod kompleksnih krovova, koje se mogu naći kod savremenih građevina.
Ovaj pristup u radu je korišćen kod kreiranj 3D modela Male menze (Studentskog
restorana br. 3) i uz veoma malo ručnog modelovanja dobijen je kvalitetan model objekta.
4.2.2 TerraModel-er i TerraPhoto

Sa TerraModel-er modulom moguće je kreirati, editovati i utilizovati površinske
modele. Modele površi u TIN obliku moguće je kreirati na osnovu podataka dobijenih LiDAR-
om koji su učitani uz pomoć TerraScan-a ili na osnovu XYZ podataka u ascii formatu. Softver
nudi razne mogućnosti prikaza i vizuelizacije u vidu obojenih i osenčenih modela, konturnih
linija, GRID modele, obojenih mreža trouglova, modela nagiba kao i teksturni modeli na
osnovu snimka koji su učitani u TerraPhoto. Dodatne mogućnosti koje pruža ovaj softver su
kreiranje rešetkastih modela, modifikacije TIN modela, kreiranje profila, računanje
zapremina, računanje visinske razlike i zapremine između dva različita modela itd. Ovaj model
pruža različite mogućnosti za eksportovanje modela u formatima koje je kasnije moguće
učitati u razne druge programe. [21]
36
TerraPhoto modul je kreiran specifično za obradu snimaka koji su dobijeni za vreme

prikupljanja podataka što metodama laserskog skeniranja, što terestričkim geodetskim
metodoma i fotogrametrijom. Program omogućava kreiranje rektifikovanih snimaka kao i
ortofoto mozaika baziranih na modelima površi koji su dobijeni uz pomoć tačaka dobijenih
laserskim skeniranjem. Dodatne funkcionalnosti ovog programa su podešavanje kvaliteta
boja, kreiranje selekcija oblika za ratličite tipove objekata ili oblasti, uključivanje vektorskih
modela u kreiranju pravih ortofoto snimaka. Sve pomenuto omogućava kreiranje dobro
pozicioniranih snimaka visokog vizuelnog kvaliteta.
TerraPhoto nudi alate za vizuelizaciju koji u jednom prikazu kombinuju ortofoto
snimke i oblake tačaka, nravno da bi to bilo moguće potrebna je saradnja sa TerraScan i
TerraModel aplikacijama. Takođe je moguće „nalepiti“ ortofoto snimak na model površine ili
na model 3D objekta, kao i kreiranje tekstura na osnovu snimaka dobijenih sa terestričkih
kamera ili kamera koje prate proces vazdušnog laserskog skeniranja. Ovaj program
omogućava i kreiranje animacija kroz oblake tačaka kao i mogućnost dodeljivanja boje
tačkama na osnovu podataka o boji dobijenih sa ortofoto snimaka. Pored toga što je moguće
izvršiti kalibraciju kamere od samog početka, TerraPhoto može da konvertuje kalibracione
parametre sa nekoliko mobilnih i vazdušnih sistema u sopstveni kalibracioni format kamere.
Ekstenzije snimaka koje je moguće učitati u program i manipulisati sa njima su: ECW, GeoTIFF,
TIF, BMP, CIT, COT, RLE, PIC, PCX, GIF, JPEG2000 i PNG. [22]
37
5. 3D modelovanje objekata na osnovu oblaka tačaka

Zadatak ovog rada je da na osnovu oblaka tačaka, dobijenim uz pomoć vazdušnog
laserskog skeniranja, dobiju 3D modeli dva objekta, zgrade Prirodno-matematičkog fakulteta
u Novom Sadu i zgrade Studentskog restorana br. 3, poznatijeg kao Mala menza. Objekti se
nalaze u krugu fakultetskog kampusa Univerziteta u Novom Sadu. Na Slika 29. je prikazan
ortofoto snimak lokacije objekata koji su dobijeni u sklopu projekta snimanja Novog Sada
LiDAR tehnologijom u saradnji sa Italijanskom kompanijom Geocarta S.p.A u aprilu 2016.
godine.
Slika 29. Ortofoto snimak lokacije na kojoj se nalaze objekti
5.1 Opis platforme kojom su dobijeni podaci

Vazdušno lasersko skeniranje grada Novog Sada je urađeno od strane kompanije
Ciklonizacija D.O.O u saradnji sa italijanskom firmom Geocarta S.p.A i firmom Vekom iz
Beograda. Platforma na koju je montiran sistem za lasersko skeniranje je helikopter tipa Bell
JetRanger 206B3, a tip laserskog skenera koji je korišćen je Riegl LMS-q680i.
Riegl LMS-q680i je savremeni dalekometni laserski skener (Slika 30) namenjen za
upotrebu pri vazdušnom laserskom skeniranju, poseduje MPIA tehnologiju kao i potpunu
digitalnu analizu povratnog talasnog oblika. Koristi pulsnu metodu merenja rastojanja,
maksimalna frekvencija emitovanja pulsa je 400 kHz. Maksimalna operativna visina leta je
1600 metara pri frekvenciji emitovanja laserskog pulsa od 80 kHz, maksimalan domet merenja
rastojanja pri toj visini, za površine gde je reflektivnost veća od 20%, je 2000m,a za površine
gde je reflektivnost veća od 60%, je 3000m. Maksimalna operativna visina leta pri frekvenciji
emitovanja pulsa od 400 kHz je 800m, a maksimalan domet merenja rastojanja pri toj visini je
1650 metara za reflektivnost terena veću od 60%, a za reflektivnost terena veću od 20%
maksimalan domet merenja rastojanja je 1000m. Ovaj skener može da prikupi 266 000 tačaka
po sekundi, pri maksimalnom prostornom uglu snimanja od 60 stepeni. Minimalni operativni
domet je 30 metara, a preciznost merenja u idelnim uslovima je do 20 milimetara. Brzina
skeniranja je od 10-200 linija po sekundi, u zavisnosti od frekvencije emitovanja laserskog
pulsa, laserski zrak se po površini snimanja emituje u obliku paralelnih linija. Talasna dužina
laserskog zraka se nalazi u blisko infracrvenom delu elektro-magnetnog spektra. [23]
38
Slika 30. Izgled laserskog skenera Riegl

LMS-q680i [23]
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
Oblak tačaka dobijen nakon završetka snimanja je isporučen u LAS formatu, a za

potrebe ovog rada uzet je samo deo, blok od 2 051 814 tačaka koji odgovara delu kampusa u
kome se nalaze obejkti Prirodno-matematičkog fakulteta i Studentskog restorana. Na Slika 32.
je prikazan oblak tačaka na osnovu koga su dobijeni 3D modeli zgrada.
39
Slika 32. Oblak tačaka pre početka klasifikacije i vektorizacije
5.2 Klasifikacija tačaka

Kao što je već rečeno obrada podataka je rađena u programu Microstation V8i uz
pomoć Terrasolid-ovih softverskih rešenja specijalizovanih za rad sa oblacima tačaka
dobijenih LiDAR-om (TerraScan, TerraModeler i TerraPhoto).
Metode klasifikacije mogu biti automatske, poluautomatske i ručne, moguće je
primeniti svaku metodu zasebno nad nekim podacima, ali za dobijanje najboljih rezultata sve
ove metode se najčešće koriste u kombinaciji jedna sa drugom. Sve metode klasifikuju tačke
u osam standardnih, prethodno definisanih klasa od strane programa, koje se mogu videti na
Slika 33. Postojeći spisak klasa se može proširiti ili se može kreirati nov spisak klasa. Spiskovi
klasa se čuvaju u .ptc formatu i jedan isti spisak se može koristiti u različitim projektima.
Slika 33. Pregled osam standardnih klasa

Svaku od ovih klasa moguće je preurediti, preimenovati pa čak i izbrisati. Isto tako je
moguće i dodavanje novih klasa sa korisnički određenim podešavanjima. TerraScan modul u
okviru Microstation programa nudi nekoliko rutina ili metoda za automatsku klasifikaciju
tačaka, što je prikazano na Slika 34. U ovom radu su korišćene neke od njih.
40
Slika 34. Pregled opcija za automatsku klasifikaciju
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
Slika 35. Metode ručne klasifikacije
Za početak svake klasifikacije se preporučuje da se sve tačke jednog oblaka prebace u

klasu Default. Boja tačaka u ovoj klasi je uobičajno bela, ovaj korak je odrađen automatskom
metodom klasifikacije, uz pomoć funkcije Classify by class, što u prevodu znači klasifikovanje
po klasi, koja dozvoljava prebacivanje tačaka iz više klasa u jednu ili iz klase u klasu.
Sledeći korak u klasifikaciji je bio izdvajanje tačaka u klase LowPoint, IsolatedPoint i
Ground. Kao što je rečeno ovaj korak je urađen uz pomoć makroa, gde je dodato 5
automatskih koraka klasifikacije. Prva dva korak traže takozvane „niske tačke“ prvi korak ih
traži pojedinačno, a drugi ih traži u grupi (Slika 36).
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
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.
Slika 37. Metoda za klasifikaciju tačaka terena
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
Slika 38. Izgled makroa za klasifikaciju niskih, izolovanih i tačaka terena
Rezultate dobijene nakon upotrebe makroa, treba proveriti sa dosta poprečnih

preseka i korigovati jednom od ručnih metoda klasifikacije. Klasa Ground ili klasa terena je
veoma bitna, jer figuriše kao faktor kod kreiranja modela površina, koji nisu tema ovog rada,
ali i kod koraka u automatskoj i polu automatskoj vektorizaciji objekata, što je za ovaj rad
veoma bitno. Takođe je bitno da se tačke koje se nalaze ispod terena, kao i tačke koje se
nalaze unutar objekata, koje su nastale greškom i smatraju se kao šum, klasifikuju u klasu
LowPoint ili IsolatedPoint. Ako se to ne uradi, te tačke mogu da prave problem kod
vektorizacije objekata.
Na Slika 39. je prikazan rezultat automatske klasifikacije upotrebom makroa kao i
poprečni presek uz pomoć kojeg se proveravaju rezultati i nakon toga primenjuje neka od
metoda ručne klasifikacije.
Slika 39. Izgled oblaka tačaka nakon izvršavanja makroa i ručnih korekcija (levo) i poprečni presek (desno)
44
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)
Na Slika 41. je izgled oblaka tačaka nakon klasifikacije vegetacije. Na poprečnom

preseku se jasno vide mesta koja je potrebno popraviti ručnom klasifikacijom, kao što je već
rečeno nakon svake automatske klasifikacije rezultate treba proveriti sa što više poprečnih
preseka, radi dobijanja boljih rezultata.
Slika 41. Izgled oblaka tačaka nakon klasifikovanja tačaka terena i vegetacije (levo) i poprečni presek oblaka
(desno)
45
Nakon završene ručne korekcije automatske klasifikacije vegetacije, vidi se da su i svi

objekti na terenu svrstani u jednu od klasa vegetacije, najčešće u klasu visoke i srednje
vegetacije. Do toga dolazi što metoda klasifikacije po visini ne može da prepozna čemu tačke
pripadaju već ih klasifikuje prosto fizički u odnosu na zadatu visinu od terena.
Metoda klasifikacije zgrada
(Classify Buildings) prebacuje tačke iz
klase visoke vegetacije u klasu Zgrade,
gde je boja tačaka uobičajno crvena
(Slika 42). Ova metoda traži od
korisnika da izabere koja klasa je klasa
terena, najćešće druga po redu tj. klasa
Ground, druga stvar koja se bira je
klasa visoke vegetacije, najčešće peta
po redu, jer se iz nje tačke prebacuju u
šestu klasu objekata, tj. Building.
Druga dva veoma bitna parametra koja
treba podesiti su minimalna veličina
zgrade u kvadratnim metrima i
tolerancija po Z osi. Prvi parametar
Slika 42. Metoda za klasifikaciju zgrada
treba podesiti tako što odprilike treba
znati površinu najmanjeg objekta, ili površinu najmanjeg dela objekta ukoliko se radi o velikim
građevinskim strukturama. Drugi parametar predstavlja „debljinu“ segment u metrima po Z
osi u koju će upasti detektovane tačke koje pripadju krovu zgrade na osnovu minimalne
unesene površine. Ova metoda ne klasifikuje zidove objekata, prvo zato što se oni nalaze u
vertikalnoj ravni, drugo što kod pravljenja 3D modela gradova zidovi se formiraju kao
vertikalni poligoni između krajne ivice poligona krova i terena.
Na Slika 43. je prikazan oblak tačaka nakon izvršene automatske klasifikacije zgrada,
ovaj korak je ponavljan par puta dok nisu dobijeni zadovoljavajući rezultati.
Slika 43. Izgled oblaka tačaka nakon automatske klasifikacije zgrada (levo) i poprečni presek tog oblaka (desno)
46
Na poprečnom preseku na Slika 43. možemo da vidimo da ova automatska metoda

završava samo deo posla kojeg je potrebno uraditi da bi ova klasifikacija imala najkvalitetnije
moguće rezultate. Uz pomoć što više poprečnih preseka treba proveriti problematična mesta,
kao npr. mesta gde se krošnje drveća prepliću sa objektom, mesta gde se menja visina i nagib
objekta itd. Kod zgrade PMF-a ručna klasifikacija se najviše primenjivala kod dela gde su
staklenici, takođe i duž celog objekta jer zgrada je sastavljena iz više delova i poseduje
kompleksnu krovnu strukturu. Kod zgrade Male menze su i nakon automatske klasifikacije
dobijeni poprilično dobri rezultati, uz male korekcije uz pomoć manuelnih metoda, objekat je
bio spreman za jednu od metoda vektorizacije.
Na Slika 44. je objekat male menze nakon završene ručne klasifikacije i kao ovakav je
bio spreman za vektorizaciju 3D modela.
Slika 44. Objekat Male menze nakon završene klasifikacije krovnih tačaka (levo) I provera rezultata uz pomoć
poprečnog preseka (desno)
Manuelna klasifikacija tačaka zgrade PMF-a je zahtevniji zadatak za koji je potrebno

mnogo više vremena. Iz razloga što je objekat trebao biti vektorizovan automatskom
metodom, klasifikacija je morala biti odrađena na najboljem mogućem nivou. Trebalo je
ponovo obratiti pažnju na tačke koje su se greškom našle unutar objekta, taj problem je bio
najčešći u delu zgrade sa staklenicima. Takođe je bilo potrebno obratiti pažnju na objekte koji
su se nalazili na ravnoj krovnoj površini, kao što su klima uređaji i ventilacioni otvori. Trebalo
je izvršiti selekciju objekata koji neće ometati proces vektorizacije i svojim malim gabaritima
kvariti proces modeliranja. Takvih objekata je bilo samo na krovu centralne zgrade fakulteta.
Na Slika 45. je prikazan konačan rezultat klasifikacije tačaka krova zgrade, radi detaljnijeg
pregleda, prikazane su samo tačke klasa vegetacije i klasa zgrade.
Zeleni obris koji se vidi skoro duž celog objekta su tačke zidova koje su ostale u klasi
Visoke vegetacije i kao takve ne ometaju proces vektorizacije.
47
Slika 45. Izgled tačaka zgrade PMF-a nakon završene klasifikacije
Ovako klasifikovani podaci za oba objekta su bili spremni za vektorizaciju i kreiranje

3D modela.
5.3 Vektorizacija 3D modela objekata
Kao što je već rečeno, u delu rada gde je opisan TerraScan softverski dodatak za
Microstation, postoje dve metode vektorizacije: automatska vektorizacija više objekat sa
ručnim poboljšanjima i poluautomatska vektorizacija jednog objekta sa takođe mogućnošću
manuelne korekcije.
U slučaju dobijanja 3D modela Male menze, mogla su biti primenjena oba metoda, ali
iz razloga što je kvalitet laserskih podataka veoma dobar, a i sama klasifikacija tačaka objekta
je kvalitetno urađana, primenjen je metod poluautomatske vektorizacije. Objekat nema
komplikovanu krovnu strukturu, već klasičan krov „na dve vode“ i zbog svega pomenutog
proces nije bio dug i prvobitni model dobijen nakon primene funkcije Construct Planar
Building je zahtevao veoma male ručne korekcije. Na Slika 46. je prikazan izgled krovnih
poligona bez manulenih korekcija.
Slika 46. Izgled krovnih poligona objekta Male menze
48
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.
Slika 47. Konačan izgled 3D modela zgrade Male menze
Upotreba poluautomatske vektorizacije je pokušana i u slučaju dobijanja 3D modela

kod zgrade PMF-a ali dobijeni rezultati su bili nepopravljivo loši, i sama intervencija korisnika
sa ručnim popravkama bi bila enormna, što bi dovelo do komplikovanja procesa modeliranja
i oduzelo bi dosta vremena. Iz pomenutog razloga zgrada PMF-a je vektorizovana uz pomoć
automatske vektorizacije gde je dobijeni model bio dovoljno dobar, da bi se nakon ručnih
korekcija dobio kvalitetan 3D model zgrade.
Kao što je već pomenuto u poglavlju koje opisuje funkcije TerraScan modula,
automatska vektorizacija se koristi za dobijanje modela više objekata u isto vreme. Celokupan
kompleks zgrade fakulteta i možemo da gledamo kao skup više objekata. Radi dobijanja boljih
rezultata, što je uočeno iz nekoliko pokušaja, deo zgrade sa staklenicima je vektorizovan
zasebno od ostatka zgrade, jer su parametri automatske vektorizacije za taj deo morali biti
drugačiji zbog oblika i strukture objekata.
Za automatsku vektorizaciju koristi se funkcija Vectorize Buildings sa parametrima
podešenim kao na Slika 48. Nakon više menjanja parametara i pokušaja dobijanja modela,
prikazani parametri su dali najbolje rezultate i dali dobru osnovu za korisničke korekcije.
49
Slika 48. Funkcija Vectorize Buildings sa podešenim

setom parametara
Na Slika 49. je prikazan model dobijen nakon automatske vektorizacije sa gore

navedenim parametrima, za celu zgradu bez staklenika.
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
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
Slika 50. Izgled modela nakon automatske vektorizacije bez manuelnih popravki
Slika 51. Konančni izgled 3D modela zgrade PMF-a nakon manuelnih korekcija
52
Princip vektorizacije dele zgrade sa staklenicima je bio isti samo su se parametri

vektorizacije morali prilagoditi tom delu objekta. Laserski podaci u tome delu su imali dosta
šuma iz razloga što se emitovani laserski zrak više puta odbio ili prelomio, a posao je otežao i
sloj prostirki od trske koji se nalazi preko staklenika kao zaštita od Sunca, a u dva staklenika
(prva dva sa leve strane kada se gleda ortofoto snimak) korišćena je pored trske još neka od
metoda zaštite od Sunca, koja je u njihovom slučaju dodatno otežala posao. Na Slika 52. može
da se vidi staklenik sa pomenutom zaštitom od trske.
Slika 52. Spoljašnji izgled staklenika
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.
Slika 53. Poprečni presek staklenika u oblaku tačaka
53
Na Slika 54. je prikazan najbolji mogući rezultat automatske vektorizacije staklenika.

Četiri desna objekta su nakon automatske vektorizacije uspešno korigovana ručnim
metodama i dobijeni 3D modeli su bili dobrog kvaliteta i verodostojno su reprezentovali
objekte iz stvarnog sveta. Prva dva staklenika sa leve strane su modelovana skoro potpuno
ručno po ugledu na ostale staklenike, jer ovi objekti su izgrađeni u isto vreme, iste su
strukture, izgleda i oblika, a takva situacija nam je dozvolila da u ovom jedinstvenom slučaju
problem bude tako rešen.
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.
Slika 55. Izgled 3D modela staklenika nakon ručnih modifikacija
54
Slika 56.. Kompletan 3D model zgrade PMF-a prikazan sa prednje strane
Slika 57. Kompletan 3D model zgrade PMF-a prikazan sa zadnje strane
55
5.4 Dodavanje tekstura modelima u SketchUP-u

Ovako pripremljeni 3D modeli zgrada PMF-a i Male menze su iz Microstationa izvezeni
u DWG formatu. Izabran je DWG format iz razloga što ga je moguće importovati u SketchUp i
zato što je jedan od najpopularnijih formata u dizajnerskom i svetu 3D modelovanja. Ovaj
format je prilikom konvertovanja iz DGN formata sačuvao sve informacije, tako da možemo
da kažemo da je konverzija bila bez gubitaka. Oba modela su pojedinačno uvezena u jedan
SketchUp projekat, i prvi korak nakon toga je bilo takozvano geolociranje objekata (Slika 58).
To znači da je na geo portalu Google Earth pronađena stvarna lokacija objekata, koja se zatim
obeleži poligonom i kao takva bude isečena u vidu lejera na kojem je sad moguće pravilno
pozicionirati objekta. Pošto će projekat iz SketchUp-a biti izvezen u KMZ formatu, koji je jedan
od najpopularnijih za 3D modele koji se publikuju na Google Earth-u, geolociranjem smo
postigli da kada se projekat pokrene kao zaseban fajl, 3D model bude prikazan na stvarnoj
lokaciji.
Slika 58. Geolociranje u SketchUp-u

Proces dodavanja tekstura nije toliko komplikovan i iz toga razloga je i izabran ovaj
program. U ovom radu su korišćena dva načina “lepljenja“ tekstura na model. Prvi je takav
gde se od izabrane površine kreira jedinstvena tekstura, koja je uglavnom predefinisana i bude
sive boje. Taj teksturni fajl se čuva u nekom od formata u kojem se čuvaju slike i najčešće je u
pitanju JPG format. Taj fajl se zameni sa slikom fasade koja odgovara izabranoj površini i na
taj način dolazimo do željenog rezultata. Taj teksturni fajl je moguće modifikovati u smislu da
je moguće menjati poziciju, razmeru, ponavljanje, širinu, dužinu kao i mnoge druge
parametre. Slike fasada koje su poslužile kao teksture su slikane digitalnim foto aparatom.
Proces pribavljanja slika fasada je bio znatno otežan zbog vegetacije koja okružuje zgradu
fakulteta. Bolji rezultat bi bio postignut u nekom od zimskih ili jesenjih meseci kada vegetacija
miruje. Zato su neke teksture koje su bile nedostupne za slikanje ili bile zaklonjene
56
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).
Slika 59. Dodavanje fasada kao tekstura
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.
Slika 60. Dodavanje tekstura uz pomoć Google Street View-a
57
Slika 61. izgled modela sa teksturama u KMZ format (prednja strana)
Slika 62. Izgled modela sa teksturama u KMZ formatu (zadnja strana)

Dodavanje tekstura 3D modelima dobijenim vektorizacijom oblaka tačaka u krajnjem
slučaju poboljšava njihov vizuelni kvalitet. Bitno je da modeli koji dođu do procesa dodavanja
tekstura budu geometrijski tačni i da reprezentuju objekte iz stvarnosti do najveće moguće
tačnosti. KMZ (Keyhole Markup Zipped) format je jedan od najčešće korišćenih za prikaz
virtuelnih objekata i iz tog razloga je i izabran u ovom slučaju. SketchUp nudi i druge formate
kod eksportovanja modela kao što je standardni format za modele OBJ, ali kao i DWG, DAE,
3DS i mnogi drugi. Ovaj format je jedna od mogućnosti publikovanja 3D modela i široko je
rasprostranjena u naučnim sferama koje koriste virtuelne 3D modele gradova i objekata.
Naravno treba napomenuti da postoje i drugi geo portali, kao i virtuelni globusi koji su open
source tipa i da u zadnjih par godina probijaju svoj put u ovoj oblasti. Koriste druge tipove
formata čuvanja i prikazivanja 3D modela objekata, ali i nude neke nova rešeanja kao i malo
više fleksibilnosti i funkcionalnosti.
58
5.5 Priprema modela za publikovanje na Cesiumjs virtuelnom globusu

Jedno od primera open source rešenja je Cesiumjs. Open source rešenje koje nudi
mogućnost pokretanja web servera na lokalnoj mašini, samim tim uz pomoć Java Script-a
moguće je kreiranje i potpuna kontrola nad okruženjem i procesom dodavanja modela,
leyera, animacija i mnogih drugih tipova podataka. Cesiumjs je širokodostupna JavaScript
biblioteka koja se koristi za vizuelizaciju geo podataka. Cilj projekta je kreiranje vodećeg alata
za prikaz virtuelnih globusa i mapa na internetu, kao i stvaranja pandana popularnijim
rešenjima kakav je Google Earth.[25]
Preuzimanje fajlova potrebnih za rad Cesiumjs-a je najbolje uraditi tako što se isti skinu
sa GitHub sajta. Tu uvek možemo da nađemo poslednju radnu verziju, osveženu sa najskorijim
popravkama i rešenjima grešaka, koja nije dostupna na oficijalnom sajtu. Za pokretanje
aplikacije potrebno je imati instaliran Nodejs, ta aplikacija je platformski bazirana i izgrađena
na osnovu Chrome V8 JavaScript radnog okruženja. Omogućava brzo kreiranje skalabilnih
mrežnih aplikacija. Interfejs ove aplikacije je identičan Comand Prompt prozoru u Windows
operativnom sistemu.
Pokretanje se započinje tako što se putanja direktorijuma podesi do foldera u kojem
se nalaze preuzeti fajlovi za Cesiumjs. Nakon pokretanja npm install i npm run build komandi
u prozoru Nodejs aplikacije, proces podizanja lokalnog web servera se završava komandom
node server.js, koja pokreće skriptu pomoću koje dobijamo pristup serveru preko lokalne
adrese „http://localhost:8080“. Uz Cesiumjs takođe se dobija i aplikacija pod nazivom
Sandcastle, koja je sa jedne strane tekstualni editor koda u kojoj je moguće pisati nove i
prepravljati postojeće skripte, a sa druge strane prikazuje tj. vizualizuje rezultate napisanih
JavaScripti. Na Slika 63. je prikaz radnog okruženja te editorske aplikacije.
Slika 63. Radno okruženje Sandcastle aplikacije

Publikovanje 3D modela u ovom virtuelnom okruženju je moguće samo ako su modeli
u glTF (GL Transmission Format) formatu, ekstenzija ovog formata se u nazivu fajla ispisuje
kao GLB. GlTF je u stvari besplatna specifikacija za efikasan prenos i učitavanje 3D scena i
modela od strane mnogih aplikacija. Konvertovanjem 3D modela u ovaj format, smanjuje se
kako veličina samih 3D elemenata tako i vreme koje je potrebno za njihovo procesiranje.
59
vizuelizaciju od strane aplikacije. To se postiže upotrebom WebGL i OpenGL API-ja koji

raspakuju i prikazuju pomenute modele. Na oficijalnom sajtu Cesium-a postoji online
konverter, koji omogućava konverziju 3D modela iz .dae i .obj formata u glTF. Oba softvera
koja su korišćena u ovom radu i Microstation kao i SketchUP imaju mogućnost eksportovanja
3D modela u oba pomenuta formata, što je i navedeno ranije u tekstu. Modeli su eksportovani
u .dae formatu jer su nakon online konverzije dobijeni bolji vizuelni rezultati, nego kod
konverzije iz .obj formata. Rezultat konverzije je prikazan na Slika 64.
Slika 64. Izgled konvertovanog modela u glTF formatu
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
Slika 65. Primer koda za publikovanje 3D modela na Cesiumjs virtuelni globus

Na Slika 66. su prikazani 3D modeli PMF-a i Male menze u virtuelnom okruženju
Cesiumjs web globusa.
Slika 66. Prikaz 3D modela zgrada na virtuelnom globusu Cesium
61
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
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
18. Preuzeto sa: http://www.terrasolid.com/products.php

19. Preuzeto sa: http://www.terrasolid.com/products/terrascanpage.php
20.Arttu Soininen (2000-2016): "TerraScan User’s Guide"
21.Preuzeto sa: http://www.terrasolid.com/products/terramodelerpage.php
22.Preuzeto sa: http://www.terrasolid.com/products/terraphotopage.php
23.Preuzeto sa: http://www.riegl.com/products/airborne-
scanning/produktdetail/product/scanner/23/
24.Preuzeto sa: http://www.ciklonizacija.net/daljinskadetekcija/lidar.html
25.Preuzeto sa: https://cesiumjs.org/
64

Vektorizacija 3D Modela Objekata Na Osno

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Vektorizacija 3D Modela Objekata Na Osno

Uploaded by

Copyright:

Available Formats

UNIVERZITET U NOVOM SADU

FAKULTET TEHNIČKIH NAUKA U

VEKTORIZACIJA 3D MODELA OBJEKATA NA

Novi Sad, 2016.

KLJUČNA DOKUMENTACIJSKA INFORMACIJA

Redni broj, RBR:

Jezik publikacije, ЈP: Srpski

Važna napomena, VN:

Datum prihvatanja teme, DP:

KEY WORDS DOCUMENTATION

Accession number, ANO:

Title, TI: VECTORIZATION OF 3D BUILDING MODELS FROM DATA POINT

Scientific field, SF: Geomatics

Accepted by the Scientific Board on, ASB:

Student: Uroš Radovanović Broj indeksa: O1-24/13

Mentor: prof. Dr Miro Govedarica

NA OSNOVU PODNETE PRIJAVE, PRILOŽENE DOKUMENTACIJE I ODREDBI STATUTA FAKULTETA

NASLOV MASTER RADA:

Kandidat ima zadatak da teoretski predstavi tehnologiju prikupljanja podataka laserskim

Rukovodilac studijskog programa: Mentor rada:

Prof.dr Miro Govedarica Prof.dr Miro Govedarica

Takođe su opisane mogućnosti obrade laserskih podataka koje pruža Terrasolid

Slika 2. Izgleda odbijenog talasa nakon višestrukih odbitaka [1]

Slika 3. (a) Prikaz emitovanih i odbijenih pulseva i vremenski sled emitovani/odbijeni

2.1.2 Metoda faznog poređenja

Slika 5. Divergentnost laserskog zraka [1]

Slika 6. Princip refleksije laserskog zraka od difuzne mete [1]

Šta više utvrđeno je da se osobina reflektivnosti svakog materijala menja u zavisnosti

Grafik 1. Faktor korekcije maksimalnog dometa u zavisnosti od

2.1.4 Bezbednosni standardi i klase

4. Klasa IIIa: Obuhvata lasere sa srednjim nivoima zračenja, tipične snage CW

2.2 Laserski skeneri

Laserske skenere takođe možemo podeliti prema:

Slika 8. Podela skenera prema načinu snimanja [4]

Slika 9. Triangulacijski princip merenja rastojanja

Slika 10. Laica Scanstaion P16 (levo) i Trimble GX (desno) [5][6]

3. Podela laserskog skeniranja

Slika 11. Podela terestričkog laserskog skeniranja na osnovu primene [7]

Za krajnje korisnike najkorisnija je klasifikacija laserskih skenera na osnovu tehničkih

Slika 12. Primeri terestričkih laserskih uređaja [8]

Uređaji marke Riegl i Optech rade po metodi pulsnog merenja dužina sa

3.1.1 Mobilno terestričko lasersko skeniranje

Automatsko georeferenciranje prikupljenih podataka kod MTLS-a je veoma bitna

Uloge laserskog skenera i digitalnih kamera su dovoljno jasne da se ne moraju

Slika 13. Šematski prikaz sistema za mobilno lasersko skeniranje [12]

3.2 Vazdušno lasersko skeniranje (ALS)

U obrascu ispod su prikazane formule na osnovu kojih se računaju rastojanje i vreme

Slika 15. Ground Location Ambiguity problem [13]

Zadatak GNSS jedinice je određivanje XYZ koordinata skenera u prostoru, razlika u

Slika 16. Princip rada IMU jedinice [14]

Slika 18. Reflektivnost različitih materijala izražena u procentima [13]

Prednosti korišćenja vazdušnog laserskog skeniranja su:

 Svi izlazni podaci su georeferencirani,

Mane korišćenja ovog sistema su:

Na Slika 19. je prikazan primer jednog vazdušnog sistema za lasersko skeniranje sa

Slika 19. Izgled sistema za vazdušno lasersko skeniranje (LiDAR) [16]

4. Alati za obradu podataka dobijenih LiDAR-om

4.1 Softversko rešenje BENTLEY MICROSTATION V8i

Neke od konkretnih prednosti korišćenja ovog programskog rešenja su:

Slika 20. Radno okruženje Microstation V8i softvera [17]

4.2 Terrasolid softver

Slika 21. Kutija sa alatima za automatsku vektorizaciju [20]

Na Slika 21. je prikazan paket alata koji se

Slika 23. Primer ručno kreiranih krovnih poligona [20]