Systém automatického mapování 3D prostoru – Ing. Pavel Chmelař

Anotace:

Práce je tematicky orientována do oblasti systémů automatizovaného skenování a mapování třírozměrných prostorů s využitím fúze obrazových a dálkoměrných senzorů. Obsahuje tři hlavní části zahrnující popis vlastního navrženého optického skeneru prostředí, registraci mračen bodů a jejich zpracování pro základní detekci objektů se stanovením prostorových parametrů, vizualizaci a redukci popisných bodů. První část je zaměřena na popis vlastního optického skeneru prostředí a tvorbu výstupního barevného mračna bodů z měřicích snímků. Segmentace laserové čáry pomocí Gaussian mixture modelu, výběr nejlepšího laserového elementu a určení jeho středu je detailně vysvětlena. Druhá část se zabývá předzpracováním mračen bodů, registrací individuálních skenů z různých míst v prostředí. Dvě hlavní metody ICP a NDT jsou porovnány na sestavení uceleného mračna bodů z rozsáhlého patra budovy. V poslední části jsou představeny navržené metody pro zpracování mračen bodů zahrnující tvorbu hloubkového obrazu z libovolné pozice v mračnu bodů se zvolenou orientací virtuální kamery. Rovněž popisuje nový navržený koncept zpracování mračen bodů pomocí úrovňového obrazu a prostorové analýzy dat pro detekci rovin, jejich zpracování, vektorizaci a barevnou vizualizaci. Dosažené výsledky jsou ověřeny a porovnány na skutečném prostředí. …víceméně

Abstract:

This thesis is oriented into the automatic 3D space scanning and mapping area using rangefinders and an image data fusion. It contains three main parts including description of own developed optical rangefinder, point cloud registration and its processing for basic object detection with space features estimation, visualization and their point's amount reduction. The first part focusses on own developed optical rangefinder and its color point cloud construction from the measurement frames. A laser line color segmentation by the Gaussian Mixture Model, a best laser element selection on a measurement position and its center estimation is explained in details. The second part deals with a point cloud preprocessing and a registration of individual scans from different positions in a space. The two main approaches ICP and NDT are compared on a large building floor. In the last part are introduced developed methods for a point cloud processing including the method for the depth map construction from any position with arbitrary orientation of a virtual camera in a point cloud. It describes also a new point cloud processing concept by using the level image and the 3D space analysis for the plane detection, processing, vectorization and visualization. All results are verified and compared against a real space. …víceméně