Sammenligning af transformationsmetoder til registrering af punktskyer
Oversat titel
Comparison of transformation methods for point cloud registration
Forfattere
Lukassen, Rasmus Ørbæk ; Mejlgaard, Andreas Fink
Semester
4. semester
Udgivelsesår
2020
Afleveret
2020-06-12
Antal sider
78
Resumé
Specialet undersøger og sammenligner to transformationsmetoder til registrering af punktskyer fra terrestrisk laserscanning: en todelt 2D+1D-transformation (2D i plan for X,Y og separat translation i Z) og en samlet 3D-transformation med fulde rumlige rotationer. Problemformuleringen er, hvordan metoderne adskiller sig ved sammenknytning af punktskyer, og under hvilke omstændigheder den ene metode er at foretrække. På grund af COVID-19-nedlukningen er der valgt en teoretisk tilgang uden feltmålinger, hvor transformationer simuleres med testnet-beregninger baseret på fællespunkternes placering. Metoderne vurderes gennem en række scenarier (i alt 34 beregnet, 11 beskrevet) med varierende geometri, og analyseres efter præcision, redundans og intern pålidelighed; et gitter af detailpunkter anvendes til at belyse fejlpropagation, herunder effekter uden for fællespunkternes spænd. Resultaterne viser, at 2D+1D generelt er mere præcis og robust end 3D ved samme fællespunkter, og at forskellene mindskes med flere fællespunkter og god geometri. 3D-metoden er mere fleksibel, da scanneren kan opstilles i vilkårlig orientering, men er også mere følsom for dårlig geometri og giver større usikkerheder, især uden for fællespunkternes spænd. Den overordnede konklusion er, at hvor instrumentet kan stilles i lod, er 2D+1D at foretrække frem for 3D. Projektet er begrænset af manglende praktisk validering som følge af nedlukningen.
This thesis compares two transformation methods for registering point clouds from terrestrial laser scanning: a two-step 2D+1D approach (2D plan transformation for X,Y plus a separate translation in Z) and a one-step 3D transformation with full spatial rotations. The research question asks how the methods differ when merging point clouds and under what conditions one is preferable. Due to COVID-19 restrictions, a theoretical approach without field measurements is used, simulating transformations via test network calculations based on the geometry of common points. The methods are evaluated across multiple scenarios (34 computed, 11 described) with varying geometries, using precision, redundancy, and internal reliability as metrics; a grid of detail points is used to study error propagation, including effects outside the span of common points. Findings indicate that 2D+1D is generally more precise and robust than 3D given the same common points, with differences diminishing as geometry improves and more common points are used. The 3D method is more flexible because the scanner can be set up in any orientation, but it is also more sensitive to poor geometry and can yield larger uncertainties, especially outside the common-point span. Overall, when the instrument can be levelled, 2D+1D is preferable to 3D. The study is limited by the lack of practical validation due to the pandemic lockdown.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet (PDF)]