Automatická klasifikace bodového mračna 3D objektů

Bc. Václav Žák

Master's thesis

Automatic point cloud classification of 3D objects

Abstract:

S exponenciálním rozvojem moderních technologií dnes stále více roste zájem o tvorbu 3D objektů. Může se jednat o jednoduchý koníček, při kterém si z 3D modelu a tiskárny převádíme předmět z digitálního světa do reálného, může jít o komerční zakázky, kdy zadavatel požádá o přesnou repliku terénu, či o odborná zaměření, kde ke složitým analýzám potřebujeme co nejpřesnější 3D konstrukci objektů a následně jejich přesnou klasifikaci. Existuje několik způsobů rekonstrukce 3D objektů z reálného světa do digitálního. V této práci byly porovnávány bodová mračna vytvořená z pozemního laserového skenování (TLS) a také z letecké fotogrammetrie aplikací algoritmu Structure from Motion (SfM). Hlavním cílem této práce byla klasifikace 3D objektů na povrchu obou vytvořených mračen a jejich následné porovnání. Úspěšná klasifikace bodových mračen byla vytvořena pomocí nástrojů sady LAStools a také částečně pomocí pluginu CANUPO v prostředí softwaru CloudCompare. Dále byla snaha o klasifikaci objektů pomocí nástrojů hlubokého učení dostupného v programu ArcGIS Pro či pomocí klasifikačních modelů v rozhraní Python IDEL Shell, nicméně v těchto případech se nepodařilo objekty úspěšně klasifikovat a výsledky tak nejsou v práci zahrnuty. Dílčím cílem diplomové práce bylo spojení obou těchto mračen za účelem zpřesnění klasifikace. Laserovému skeneru se podařilo zachytit všechny objekty na povrchu, na rozdíl od mračna SfM, na kterém spousta objektů chybí. Na druhou stranu má laserový skener problém v případě velmi husté vegetace, kde dochází k chybějícím bodům tam, kam paprsek nedokázal proniknout. Tyto nedostatky při spojení kompenzuje mračno SfM, které chybějící body doplní. Závěrem lze říci, že na základě výsledků této práce je patrné, že je mračno vytvořené z TLS vhodnější k rekonstrukci a klasifikaci objektů než mračno vytvořené algoritmem SfM. Kombinace TLS s mračnem vytvořeným pomocí SfM dokázala doplnit nedostatky obou přístupů a zpřesnit tak výsledky finální klasifikace. Tato diplomová práce potvrzuje vhodnost spojení mračen SfM a TLS, neboť byl potvrzen pozitivní vliv na výslednou klasifikaci.

Abstract:

With the exponential development of modern technology, there is now an increasing interest in the creation of 3D objects. It can be a simple hobby, where we use a 3D model and printer to convert an object from the digital world to the real one, it can be commercial commissions, where the client asks for an exact replica of the terrain, or it can be professional projects, where we need the most accurate 3D construction of objects and then their precise classification for complex analyses. There are several ways of reconstructing 3D objects from the real world to the digital world, in this work point clouds created from terrestrial laser scanning (TLS) and also from aerial photogrammetry by applying the Structure from Motion (SfM) algorithm were compared. The main goal of this work is to classify 3D objects on the surface of both created clouds and then compare them. The successful classification of the point clouds was created using the tools of the LAStools software and also partially using the CANUPO plugin in the CloudCompare software environment. Furthermore, an attempt was made to classify objects using deep learning tools available in ArcGIS Pro or using classification models in the Python IDEL Shell, however, in these cases the objects could not be successfully classified and the results are not included in the paper. A sub-goal of the thesis was to combine these two clouds to refine the classification. The laser scanner managed to capture all objects on the surface, unlike the SfM cloud where many objects are missing. On the other hand, the laser scanner has a problem in the case of very dense vegetation, where there are missing points where the beam could not penetrate. These deficiencies are compensated by the merging of both clouds. In conclusion, based on the results of this work, it can be seen that the cloud produced from TLS is more suitable for object reconstruction and classification than the cloud produced by the SfM algorithm. The combination of TLS with the cloud generated by SfM was able to complement the shortcomings of both approaches and thus refine the final classification results. This thesis confirms the suitability of combining SfM and TLS clouds, as the positive effect on the final classification was confirmed.

Keywords

Bodové mračno, TLS, UAV, ArcGIS, Python

Keywords

Point cloud, TLS, UAV, ArcGIS, Python

Language used: Czech

Date on which the thesis was submitted / produced: 28. 3. 2024

Thesis defence

• Supervisor: Ing. Tomáš Klouček, Ph.D.
• Reader: Jakub Jaroš, Mgr.

Czech University of Life Sciences Prague

Faculty of Environmental Sciences

Master programme:
Spatial Sciences in the Environment