Håndtering af fejlophobning i cloud-to-cloud registrering ved implementering af targets
Oversat titel
Managing error propagation in cloud-to-cloud registration through the use of targets
Forfattere
Nielsen, Asger ; Kobber, Magnus Rye
Semester
4. semester
Udgivelsesår
2022
Resumé
Specialet undersøger, hvordan implementering af kugle- og planetargets kan håndtere fejlophobning i cloud-to-cloud registrering af laserscannede punktskyer. Gennem en praktisk test i området omkring Rendsburggade 6 i Aalborg scannes med Leica BLK360, registreres i Leica Cyclone Register og targets indmåles via travers-netmåling med totalstationen Leica TS16. Registreringen evalueres med uafhængige evalueringstargets og automatiserede Jupyter Notebook (Python) værktøjer, der analyserer skala, konformitet og lokal sammenhæng, hvor traversen betragtes som repræsentativ for den sande geometri. Resultaterne viser, at fejlophobning i cloud-to-cloud registrering i den givne case har karakter af systematisk fejl, og at implementering af targets med præcise koordinater forbedrer registreringen markant. Projektet reflekterer over ressourcebevidst valg af antal og geometri af targets og giver anbefalinger med opmærksomhed på, at konklusionerne er afhængige af testdesign, instrumenter, software og caseområde.
This thesis investigates how implementing spherical and planar targets can address error propagation in cloud-to-cloud registration of laser-scanned point clouds. Through a practical test at Rendsburggade 6 in Aalborg, data are captured with a Leica BLK360, processed in Leica Cyclone Register, and targets are measured via a traverse survey using a Leica TS16 total station. Registration is evaluated using independent evaluation targets and automated Jupyter Notebook (Python) tools that assess scale, conformity, and local coherence, with the traverse considered representative of the true geometry. The results indicate that error propagation in the given case has characteristics of systematic error, and that implementing targets with precise coordinates significantly improves registration. The project reflects on resource-conscious choices regarding the quantity and geometry of targets and offers recommendations, noting that findings depend on the specific test design, instruments, software, and case area.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet (PDF)]