Machine Translated by Google

Los Archivos Internacionales de Fotogrametría, Teledetección y Ciencias de la Información Espacial, Volumen XL-8, 2014
VIII Simposio de la Comisión Técnica de ISPRS, del 9 al 12 de diciembre de 2014, Hyderabad, India

EVALUACIÓN DEL REGISTRO DE NUBE DE PUNTOS 3D PARCIALMENTE SUPERPUESTOS

UTILIZANDO ICP VARIANT Y CLOUDCOMPARE

ab, b b b b
YD Rajendra *, SC Mehrotra ab, KV Col rizada , RR Manza ,RK Dhumal ab, AD Nagne , A, D. Vibhute
a
Srinivasa Ramanujan Cátedra geoespacial,
* yogesh.rajendra@gmail.com, mehrotra.suresh15j@gmail.com, dhumal19@gmail.com
b
Departamento de informática y TI, Universidad Dr. BAM, Aurangabad, MS, India
kvkale91@gmail. com, manzaramesh@gmail.com, ajay.nagne@gmail.com, amolvibhute2011@gmail.com

Comisión VIII, GT VIII/8

PALABRAS CLAVE: TLS, escaneo láser, nube de puntos, coincidencia, ICP, error, visualización.

RESUMEN:

Los escáneres láser terrestres (TLS) se utilizan para obtener muestras de puntos densos de la superficie de objetos grandes. TLS
es un método nuevo y eficiente para digitalizar objetos o escenas grandes. Las muestras de puntos recolectadas vienen en diferentes
formatos y coordenadas. Se requieren diferentes escaneos para escanear objetos grandes como un sitio patrimonial. El registro de nubes de
puntos se considera una tarea importante para llevar diferentes escaneos a un modelo 3D completo en un sistema de coordenadas. Las
nubes de puntos se pueden registrar utilizando una de las tres formas o una combinación de ellas, basada en objetivos, extracción de
características, basada en nubes de puntos. Para el presente estudio, hemos pasado por el enfoque de registro basado en la nube de puntos.
Hemos recopilado datos de nubes de puntos 3D parcialmente superpuestos del edificio del Departamento de Informática y TI (DCSIT) ubicado
en la Universidad Dr. Babasaheb Ambedkar Marathwada, Aurangabad. Para obtener la información completa de la nube de puntos del edificio,
hemos tomado 12 escaneos, 4 escaneos para el exterior y 8 escaneos para la recopilación de datos de la fachada interior. Hay varios
algoritmos disponibles en la literatura, pero el punto más cercano iterativo (ICP) es el algoritmo más dominante. Los diversos investigadores
han desarrollado variantes de ICP para un mejor proceso de registro. El algoritmo de registro de la nube de puntos ICP se basa en la
búsqueda de pares de puntos más cercanos en dos escaneos adyacentes y calcula los parámetros de transformación entre ellos, brinda la
ventaja de que no se requiere un objetivo artificial para el proceso de registro. Estudiamos e implementamos tres variantes del algoritmo
Brute Force, KDTree, Partial Matching of ICP en MATLAB. El resultado muestra que la versión implementada del algoritmo ICP con sus variantes da un mejor resultado

1. INTRODUCCIÓN La adquisición de datos de superficie con escáneres láser

1.1 Resumen
Desde hace varios años, el escaneo láser terrestre (TLS)
se ha convertido en una técnica topográfica adicional en geodesia.
Los desarrollos recientes han mejorado varios aspectos de los
escáneres láser terrestres, por ejemplo, la tasa de adquisición de
datos, la precisión y el alcance.
No hay duda de que la tecnología de detección remota ha
creado un cambio dramático en los últimos años con respecto a
cómo los científicos e investigadores se reunieron para analizar
información sobre la Tierra. La teledetección, el uso de satélites o
aeronaves para recopilar datos sobre objetos a distancia, tiene un
número casi infinito de aplicaciones. Este tipo de tecnología se ha
utilizado para monitorear el medio ambiente, mapear el océano y
explorar las regiones polares y mucho más. Ahora, se está utilizando
una forma de tecnología de detección remota llamada Detección y
rango de luz (LiDAR) para liderar una revolución para comprender la
actividad humana del pasado.
La preservación digital de información arquitectónica,
monumentos históricos utilizando tecnologías avanzadas de
medición 3D se está convirtiendo en una herramienta eficiente para
fines de estudio e investigación en la última década. Además de los
métodos tradicionales, como la medición manual simple y la
taquimetría, el escaneo láser terrestre tridimensional (3D TLS) se
está convirtiendo rápidamente en una de las técnicas más utilizadas
debido a sus características de integridad, precisión y rapidez para
la adquisición de datos (Ong Chee Wei, 2010). ).
terrestres (TLS) se ha mejorado en los últimos años. El TLS se está
volviendo avanzado y rentable y se está preparando para ingresar a
muchas aplicaciones de geodesia de ingeniería. Permite la
generación rápida y confiable de millones de puntos 3D para
entornos estructurales muy complejos. No existe un escáner láser
terrestre universal para todas las aplicaciones (Ismail Abd El Hamid
Mohamed, 2008).
La necesidad de la tierra digital para representar la
información de la arquitectura en formas tridimensionales puede
desempeñar un papel muy importante en la conservación y
renovación. El desarrollo reciente en el escaneo láser terrestre (TLS)
demuestra una forma eficiente de modelar y analizar esta información.
Esta investigación evalúa la capacidad de la tecnología TLS para
documentar un edificio urbano en un entorno 3D. El edificio del
Departamento de Informática y TI (DCSIT) ubicado en el campus
universitario de la Universidad Dr. Babasaheb Ambedkar Marathwada,
Aurangabad, (MS), India, se ha tomado como estudio de caso para
este propósito. Se capturaron datos de una nube de puntos 3D con
intensidad coloreada utilizando el escáner láser FARO focus 3D. El
registro de datos de nubes de puntos 3D mediante el algoritmo
Iterative Closest Point (ICP) implementado en MATLAB Procesamiento
adicional realizado mediante el uso del software FARO Scene y el
software de código abierto CloudCompare. El modelo de visualización
desarrollado se puede utilizar para planificar la renovación de
interiores y la decoración de interiores.

* Autor correspondiente. YD Rajendra, JRF, presidente geoespacial de Srinivasa Ramanujan, (yogesh.rajendra@gmail.com).

Esta contribución ha sido revisada por

pares. doi:10.5194/isprsarchives-XL-8-891-2014 891
Machine Translated by Google
Los Archivos Internacionales de Fotogrametría, Teledetección y Ciencias de la Información Espacial, Volumen XL-8, 2014
VIII Simposio de la Comisión Técnica de ISPRS, del 9 al 12 de diciembre de 2014, Hyderabad, India

1.2 Escaneo láser terrestre El escaneo
láser terrestre es una tecnología activa de detección remota
que se puede utilizar para adquirir un conjunto denso de puntos
tridimensionales (3D) en un objeto o superficie grande (Lichti, DD, 2000).
El TLS es un instrumento topográfico que captura masivamente las
coordenadas de los puntos del terreno en 3D con alta velocidad y
precisión. La Figura 1.1 muestra el principio de funcionamiento del
escáner láser basado en fase y tiempo de vuelo. La tecnología de escaneo
láser y la fotogrametría digital de corto alcance son dos tipos de
tecnología que pueden producir modelos 3D. La principal diferencia entre
estas dos tecnologías es que el equipo que se utiliza y el procedimiento
de trabajo. La fotogrametría de corto alcance es un método visual en el
que primero se deben resolver las orientaciones de la cámara antes de
capturar una imagen (Ordóñez, C., Riveiro, 2010). Mientras tanto, como la
mayoría de los dispositivos topográficos, TLS debe calibrarse
periódicamente (Santala, J., 2010). TLS se hizo popular en la década de
1990 para la navegación de robots móviles (Singh, S., 1991), en la
construcción de modelos 3D a escala métrica, como esculturas (Beraldin,
JA, 2000) y aplicaciones industriales (Sequeira, V., 2003) .
algunas especificaciones y requisitos en términos de precisión
geométrica y nivel de detalles. Para obtener datos de nube de puntos 3D
precisos de toda la superficie del objeto, hay dos factores que deben
tenerse en cuenta, como la precisión de la distancia y la resolución
espacial del escáner láser (Pfeifer, N., 2007).
Otro tema importante es acerca de la calidad del valor de intensidad y
una influencia factible en la medición de distancia usando un escáner
láser (Yastikli, N., 2007). Los últimos avances en tecnología de sensores,
el escaneo láser, ofrece un nuevo método eficiente de recopilación de
datos para medir objetos. El uso de TLS para el registro y la
documentación arquitectónica se está volviendo cada vez más popular
(Biblioteca del Congreso, 2014).
2. METODOLOGÍA
2.1 Área de estudio
Esta investigación se realizó con el propósito de construir un
modelo tridimensional de edificios a partir de datos de nubes de puntos
3D. El edificio involucrado en esta investigación fue un Departamento de
Ciencias de la Computación y Tecnologías de la Información, Dr.
Babasaheb Ambedkar Marathwada University, Aurangabad, (MS), India,
como se muestra en la Figura 3.1. En la etapa inicial del presente estudio,
se examinó extensamente una colección de trabajos de investigación
relacionados con el escaneo láser terrestre, el procesamiento de nubes
de puntos y el algoritmo iterativo del punto más cercano, a fin de preparar
metodologías adecuadas para ayudar en las diversas fases del estudio.

Figura 2.1: El sitio ubicado en Aurangabad, (MS), India.

Figura 1.1: Imagen cortesía del Centro de Investigación AHMCT de UC

Davis: http://www.ahmct.ucdavis.edu Hay tres tipos de sistemas de
escáner láser basados en principios de (i) Tiempo de Vuelo
(TOF) (ii) Triangulación ( iii) y el sistema de medición Phase Shift (Anne
Chung Wei Lin., 2009). El sistema de medición TOF tiene un diodo láser
que envía un rayo láser pulsado al objeto escaneado. El pulso es reflejado
por las superficies y parte de la luz volverá al receptor.

Se calcula el tiempo que la luz viaja desde el diodo láser hasta la

superficie del objeto y viceversa. Por lo tanto, la distancia al objeto Usar un escáner láser para registrar un edificio no es
utilizando la velocidad de la luz supuesta se puede calcular a partir del simplemente presionar un botón y esperar a que salgan los resultados.
tiempo que viaja el haz (W. Boehler, 2003).
Requiere un conocimiento profundo del equipo y de los diversos
El sistema de triangulación es un sistema activo que utiliza procesos. Algunos de los pasos del proceso de escaneado están bastante
luz láser para sondear el entorno. La medición de cambio de fase es una
automatizados, mientras que otros siguen siendo laboriosos (Sajid
técnica para medir distancias que utiliza un rayo láser con potencia
Hussain, 2007). Este documento discutirá la metodología y los pasos
óptica modulada sinusoidal que se envía a un objetivo. Se monitorea un
necesarios para inspeccionar un sitio, escanear un edificio usando un
haz reflejado y se compara la fase de la modulación de potencia con el
láser terrestre, recopilar nubes de puntos, registrar nubes de puntos
haz emitido (Nur Adlina Bt Ramli., 2010). Las técnicas de fotogrametría
usando un algoritmo.
digital para la captura de objetos ya están bien establecidas (Remondino,
F., 2006).
2.2 Metodología aplicada
La técnica basada en imágenes tiene un procedimiento de adquisición
La necesidad de modelos digitales 3D aumenta día tras día.
de datos simple pero tiene la limitación de capturar superficies complejas.
Se están volviendo económicamente convenientes hasta cierto punto en
Por el contrario, la técnica de escaneo láser no se preocupa diversos campos y aplicaciones tales como visualización, animación,
por la forma de la superficie (Boehler, W., 2004). También cumple con las
navegación y modelos de ciudades virtuales. En particular, se desea el
necesidades de alta densidad de datos, velocidad de captura y precisión
modelado fotorrealista en 3D para la grabación y conservación de sitios
en diferentes campos (Cabrelles, M., 2009).
en 3D. Estos modelos juegan un papel importante en caso de pérdida o
Desafortunadamente, el rayo láser no puede identificar el color de la
daño, fines turísticos, educativos y museísticos (P. Dorninger, 2013). Los
superficie medida. Como resultado, las nubes de puntos 3D obtenidas
requisitos especificados para varias aplicaciones, principalmente la
del escáner láser son incoloras. Por lo tanto, en la mayoría de los casos,
grabación 3D, implican generar modelos 3D de alta calidad en términos
una combinación adecuada de la técnica de escaneado láser y
de integridad, precisión geométrica y apariencia fotorrealista (DD Lichti,
fotogrametría es capaz de producir mejores modelos texturados en 3D
2000).
cuando las características del área de estudio son complejas y de
En virtud de eso, la cadena de procesamiento para generar estos modelos
grandes dimensiones (Guarnier, A., 2006).
comprende cinco pasos bien conocidos: planificación de encuestas,
Según (El-Hakim S., 2002), la generación de modelos 3D
operación de campo, preparación de datos, registro de datos y análisis de datos.
detallados de edificios y artefactos debe cumplir

Esta contribución ha sido revisada por

pares. doi:10.5194/isprsarchives-XL-8-891-2014 892
Machine Translated by Google
Los Archivos Internacionales de Fotogrametría, Teledetección y Ciencias de la Información Espacial, Volumen XL-8, 2014
VIII Simposio de la Comisión Técnica de ISPRS, del 9 al 12 de diciembre de 2014, Hyderabad, India
Procesando. La figura 2.2 muestra un diagrama de bloques de los pasos
básicos necesarios para lograr los objetivos.
Planificación de encuestas
Operación de campo
Preparación de datos
Registro de datos
Procesamiento de datos
Figura 2.2: Diagrama de bloques de pasos básicos.
2.2.1 Planificación de la encuesta:
En la actualidad no existe un procedimiento estándar para la
planificación del levantamiento de datos de fachada (interior + exterior)
mediante escaneo láser terrestre. Sin embargo, de acuerdo con la comunidad
de usuarios de escaneo láser, la planificación de la encuesta debe contener al
menos los siguientes temas : • Determinación de las metas y objetivos. •
Análisis del área a medir. • Determinación de las técnicas y equipos de
medida. • Gestión de datos.
Antes de realizar el escaneo láser, primero se debe realizar un trabajo de
reconocimiento en el campo. Esto se hizo moviéndose alrededor del edificio
para asegurarse de que no haya obstáculos que bloqueen el proceso de
escaneo láser más adelante y también para determinar la mejor posición
de la estación de escaneo láser. Además, la ubicación de la estación de
escaneo láser fue crucial para garantizar que se pueda lograr una
cobertura total del edificio con un número mínimo de estaciones. Si la
planificación no se hace correctamente, los datos
Figura 2.3: Posiciones de escaneo establecidas para recolectar información
interior y exterior del edificio. -obtenido más tarde tal vez
incompleto e inservible (G.
Vacca, 2012). Para la inspección completa del sitio, decidimos establecer un
total de 12 estaciones de escaneo láser Ver Figura 2.3 alrededor y dentro del
edificio. Esta estación de escaneo debe ser recíprocamente visible entre sí.
Estas estaciones se consideran suficientes para
Esta contribución ha sido revisada por
pares. doi:10.5194/isprsarchives-XL-8-891-2014
obtenga una cobertura completa y los detalles del edificio en función de su
tamaño y complejidad. Las esferas artificiales se pueden utilizar como objetivo
en el proceso de escaneo (Nik 'Azim Hazman Bin Nik Ab Hadi, 2011). Funciona
como punto de control para la estación de escaneo láser. Es muy importante
planificar la ubicación de las estaciones de escaneo para garantizar que el
objeto y también el objetivo esférico sean visibles y claramente vistos desde
las diversas estaciones. 2.2.2 Operación de campo: La operación de campo en
el DCSIT sefase
llevó a cabo
FARO con 3D.
Focus el escáner láser terrestre basado en cambio de
El procedimiento de captura de datos se ejecutó en dos pasos; escaneo láser
y fotografía ver Figura 2.4. La geometría y la intensidad de los datos del interior
y exterior de la fachada fueron capturados por el escáner láser terrestre,
mientras que los valores RGB del objeto geométrico fueron capturados por una
cámara digital de alta resolución incluida en FARO Laser Scanner. El DCSIT
tenía características muy complejas para su forma interior y exterior. Por lo
tanto, es necesario establecer posiciones de escaneo adecuadas para capturar
la cobertura completa de los datos de la fachada (YD Rajendra, 2013).
Escáner láser Sistema FARO Focus 3D, que utiliza láser, capaz de
capturar hasta 976.000 puntos por segundo. El alcance máximo capturado por
este escáner es de 153 metros con poca luz ambiental en una superficie
reflectante del 90 por ciento. Proporciona un campo de visión más amplio de
360 grados en dirección horizontal y 300 grados en dirección vertical con una
precisión de 0,009 grados y permite la recopilación de vistas panorámicas
completas, incluida una cámara a color de 70 megapíxeles.
El proceso de escaneo está casi completamente automatizado.
Después de presionar el botón de escaneo en el software de control de escaneo
o directamente en el control del escáner, el escáner se mueve al punto de inicio
y comienza a recopilar puntos. Estos puntos son almacenados por la
computadora portátil o en la memoria interna del propio escáner. Cuando se
conecta una computadora portátil al escáner, los puntos escaneados se
visualizan directamente en tres dimensiones en la pantalla y brindan una visión
general del área que ya se ha escaneado.
Después de escanear, es una buena práctica
revisar el escaneo en busca de obstrucciones
imprevistas que causen áreas ocluidas.
en los datos de escaneo (Chee Wei, 2010).
Figura 2.4: Escáner láser terrestre Faro Focus
3D.
2.2.3 Preparación de datos:
después del proceso de escaneo, los datos
recopilados por el escáner láser deben respaldarse.
Es recomendable comenzar a trabajar en una copia de los escaneos originales
y conservar los originales como respaldo. Diferentes tipos de escáneres
almacenan la información de la nube de puntos en diferentes formatos.
Se puede encontrar más información sobre los tipos de archivos de nube de
puntos y sus ventajas o desventajas en diversas publicaciones (F. Remondino,
2011). Para fines de archivo, es importante que el formato del archivo sea
fácilmente accesible y reconocible. Si se puede acceder a él directamente, sin
ningún tipo de decodificación, se puede convertir más tarde fácilmente a
cualquier otro formato legible por una pieza de software adecuada. El formato
de archivo también debe contener los datos en su formato más básico, en lugar
de utilizar el formato preferido para el reprocesamiento. El formato más común
en este momento (alrededor de 2008) es el formato *.xyzrgb. Faro recopila
datos en formato de archivo .fls. Antes de proceder a procesar las nubes de
puntos, es necesario eliminar de los datos los escaneos afectados por
condiciones ambientales extremas o escaneos erróneos debido a errores
humanos.
establecer. En algunos casos, también se requiere limpiar algunos escaneos
antes de la fase de registro (Renyi Lium Guigang Shi, 2010).
2.2.4 Registro de datos:
Un Registro solo está relacionado con la rotación y la traslación
de la transformación rígida. Un conjunto de datos de nube de puntos
893
Machine Translated by Google
Los Archivos Internacionales de Fotogrametría, Teledetección y Ciencias de la Información Espacial, Volumen XL-8, 2014
VIII Simposio de la Comisión Técnica de ISPRS, del 9 al 12 de diciembre de 2014, Hyderabad, India

La transformación rígida se puede expresar como matriz de rotación R y

matriz de traslación T, lo que hace que la nube de puntos solo transforme
la ubicación y la distancia. en lo tridimensional

espacio, la matriz de rotación R y la matriz de traslación T se pueden

expresar como:

Figura 2.6: Representa todas las nubes de puntos escaneadas combinadas

Donde ÿ, ÿ, ÿ expresan el ángulo de rotación a lo largo de los ejes X,Y,Z, en CloudCompare.
tx, ty, tz expresan la cantidad de desplazamiento. Muchas técnicas como la Transformación de distribuciones
El registro de datos se considera un paso importante para normales (NDT), la Transformación de Helmert, la Transformación de
obtener todo el modelo 3D en un sistema de coordenadas mundiales de cuerpo rígido, etc. podrían usarse para calcular los parámetros de
escaneo para el objeto escaneado, mientras que un escaneo no es transformación entre escaneos adyacentes. Estas técnicas dependen de
suficiente para describir un objeto geométricamente. El registro de datos establecer un conjunto de puntos correspondientes a partir de dos
se puede describir matemáticamente mediante una transformación de conjuntos de datos, luego de eso calcular los parámetros de
cuerpo rígido (M. Hebel, 2007). Los datos pueden registrarse en base a transformación basados en los puntos correspondientes (Zhang, 1994), (Chen, 1991), (Besl, P.
1992). La
uno de los tres conceptos o una combinación de ellos, como se muestra en la Figura 2.5.técnica de registro de datos ICP se basa en la búsqueda de
pares de puntos más cercanos en los dos escaneos adyacentes y calcula
los parámetros de transformación entre ellos (Szymon Rusinkiewicz,
2001).
2.2.5 Procesamiento de
datos: el procesamiento de la nube de puntos significa el
proceso de transformar la nube de puntos sin procesar registrada en un
producto final. Estos entregables vienen en una amplia variedad de
formatos: datos de nube de puntos limpios, dibujos 2D estándar y
modelos texturizados completamente en 3D para animaciones de
recorrido. A menudo, las empresas de escáneres muestran vídeos
impresionantes de nubes de puntos que se convierten en modelos totalmente texturizados en meno
Sin embargo, en realidad este proceso aún requiere mucho tiempo y es
principalmente un proceso manual (SY Lee, 2013). En la Figura 2.7 a
continuación, se brinda una descripción general de los diferentes pasos
Figura 2.5: Tres formas de registro de datos. en el proceso de escaneo láser y su grado de automatización.
En este trabajo, utilizamos el enfoque de registro de nubes
de puntos utilizando el algoritmo iterativo básico de punto más cercano.
La etapa de procesamiento de la nube de puntos implica la verificación
básica de los datos, la eliminación de puntos defectuosos del escaneo
de la nube de puntos causados por el bloqueo de objetos o devoluciones
falsas. Para el procesamiento de datos de nube de 12 puntos de escaneo
hemos pasado por varias fases. El registro involucró nubes de puntos de
un total de 12 ubicaciones de escaneo que cubrieron toda la estructura
DCSIT con la dirección de escaneo planificada. Había 4 posiciones de
escaneo en la parte exterior y 8 escaneos en la parte interior del DCSIT.
Figura 2.7: Muestra el grado de automatización y el flujo de trabajo TLS (A.
Estas nubes de puntos deben registrarse en un sistema de coordenadas
Guren)
para lograr un modelo de visualización completo del Departamento. Se
El resultado de una adquisición de escaneo es una gran
han fusionado millones de puntos para obtener una vista integrada. Para
cantidad de puntos en el espacio, cada uno con una coordenada x, y, z y,
el propósito de registro y fusión, hemos implementado el algoritmo
por lo general, un valor de reflectancia láser. Algunos escáneres incluso
iterativo de punto más cercano en MATLAB para esto, requerimos el
proporcionan información de color en forma de valores RGB. La nube de
formato de archivo .xyz. El formato de archivo .xyz es un formato estándar
puntos se puede representar dibujando todos estos puntos en la pantalla,
para almacenar información de puntos 3D mediante el uso de valores
pero esto da una impresión muy desordenada y el usuario tendrá
ASCII. Todos los archivos de nube de puntos que tienen formato de
dificultades para reconocer las estructuras de la nube. Cuando a cada
archivo .fls se exportan a formato .xyz para que el procesamiento se
punto se le asigna su valor de reflectancia o un valor de color, la
realice mediante MATLAB y CloudCompare. Para la operación de
estructura general se vuelve comprensible (Ahmad Bazil, 2011).
exportación, utilizamos el método de submuestreo para disminuir la
Después del registro de estas nubes de puntos, hay muchas
carga de procesamiento. La siguiente figura 2.6 muestra los datos de la nube de puntos del edificio.
partes superpuestas, que son redundantes y hacen que los procesos
Es posible lograr el registro de datos basado en nubes de puntos sin
futuros consuman mucho tiempo. Fusionar la operación de nubes de
utilizar objetivos naturales o artificiales (Yonghuai Liu, 2006).
puntos eliminará las partes superpuestas. Sin embargo, si los datos
Con esta técnica de registro de datos, todos los escaneos adyacentes
tienen la forma de una nube de puntos registrada diferente, combinarlos
deben superponerse durante el paso de escaneo.
no eliminará las partes superpuestas, pero sí

Esta contribución ha sido revisada por

pares. doi:10.5194/isprsarchives-XL-8-891-2014 894
Machine Translated by Google
Los Archivos Internacionales de Fotogrametría, Teledetección y Ciencias de la Información Espacial, Volumen XL-8, 2014
VIII Simposio de la Comisión Técnica de ISPRS, del 9 al 12 de diciembre de 2014, Hyderabad, India

reducirá el uso de la memoria. Tenemos que usar la 'operación de

soldadura' para cortar las partes superpuestas y unir la nube de puntos.

En el escaneo láser, a menudo se requiere información

fotográfica de alta resolución para la visualización de modelos 3D. Para
un mapeo preciso, se deben conocer las posiciones de las cámaras y la
configuración interna de la cámara (distancia focal, distorsiones de la
lente...) en relación con el modelo. Los paquetes de software comerciales
proporcionan algoritmos que permiten al usuario seleccionar manualmente
los puntos correspondientes entre la imagen y el modelo 3D para
determinar estos parámetros desconocidos. Dada suficiente
correspondencia, se pueden calcular la posición y los parámetros de la
cámara. Existen principalmente dos algoritmos diferentes para proyectar
fotografías en el modelo 3D, el mapeo de texturas y el drapeado de
texturas. El drapeado de texturas se puede describir como colocar la
fotografía en un lienzo elástico y luego colocarlo sobre el modelo 3D
(Naif Adel Haddad, 2011). Esto implica que las áreas que no contienen
mucha información o ninguna información

en la fotografía (por ejemplo, superficies muy oblicuas) se estirarán y,
por lo tanto, no tendrán la textura correcta. El mapeo de texturas resuelve
este problema al analizar primero las partes visibles de la imagen y luego
solo proyectar estos píxeles de la foto en el modelo 3D. Para la edición y
el mapeo de texturas, la visualización y el renderizado, hemos utilizado
la versión de evaluación del software Faro Scene. La contribución de
este trabajo es el diseño e implementación del algoritmo iterativo de
punto más cercano utilizando tres técnicas diferentes para optimizar el
proceso de atomización.
La novedad radica en el proceso de implementación del algoritmo y este
trabajo proporciona el primer paso hacia el modelado 3D de edificios
urbanos para renovación, investigación, turismo y educación.
objetivo.
3. TRABAJO EXPERIMENTAL Y RESULTADO
La siguiente tabla 3.1 muestra la comparación del algoritmo ICP
implementado con tres técnicas diferentes de BruteForce, kDTree y
Partial Overlap con los resultados de la herramienta de código abierto
CloudCompare.
Parcial Nube
Juego de escaneo BruteForce kDTree
Superposición Comparar
Figura 3.1: Comparación de RMS para diferentes técnicas y el software
CloudCompare.
Como hemos mostrado en los resultados de la Figura 3.1 del
registro de escaneo, también la Tabla 3.1 muestra los resultados
comparativos con una precisión promedio de 98,79 del algoritmo
implementado, y aumenta 0,73 en comparación con el software de código
abierto CloudCompare (98,06).
RECONOCIMIENTO
Los autores desean agradecer al Departamento de CS e TI
por su apoyo de laboratorio, al Departamento de Ciencia y Tecnología
por la asistencia financiera a través de una beca proporcionada por la
Cátedra Geoespacial Srinivasa Ramanujan y a la autoridad universitaria
por su apoyo. Y también la instalación de LAB proporcionada bajo UGC
SAP (II) DRS Phase-I F.No.-3-42/2009;
REFERENCIAS
Ahmad Bazil bin Ashim, Zulkepli Majid, Halim Setan, 2011, “Documentación
de activos tridimensionales utilizando tecnología de escáner láser

Escanear_1 y terrestre”, Geoinformation Science Journal, vol. 11, núm. 1, págs.: 51-68.
1.5249 1.5201 1.8126 2.51058
Escanear_2

Escanear_3 y
1.1313 1.1195 1.2034 3.93242
escanear_4 Anne Chung Wei Lin., 2009, “Artefacto tridimensional usando el escáner

Escanear_5 y láser Vivid 910”, MSc. Tesis, University Teknologi Malaysia.

2.2409 2.3069 2.2304 2.43028
escanear_6

Escanear_7 y
0.6826 0.7301 0.6806 0.79162
escanear_8 Beraldin, JA, Blais, F., Boulanger, P., Cournoyer, L., Domey, J., El-Hakim,

Escanear_9 y SF, Godin, G., Rioux, M., Taylor, J., 2000, “Real World Modelado mediante
0.6074 0.6448 0.6503 0.69775
Escanear_10 imágenes digitales en 3D de alta resolución de objetos y estructuras”,

Escanear_11 y ISPRS Journal of Photogrametry and Remote Sensing, 55, 230–250.

0.7979 0.7978 0.9238 1.27616
Escanear_12

máx. 2.2409 2.3069 2.2304 3.93242

mínimo 0,6074 0,6448 0,6503 0,69775 Besl, P. y Meckay, N. 1992, “Un método para el registro de formas

Suma 6,99 7,12 7,50 11,64 tridimensionales”, IEEE Transaction on Pattern Analysis and Machine

Precisión 1.165 1.1866 1.25 1.94 Intelligence, 14 No. 2:239–256.

promedio 98.83 98.81 98.75 98.06

Tabla 3.1: Resultados comparativos del algoritmo con la herramienta
Open Source CloudCompare.
Besl, Paul J, ND McKay, 1992, "Un método para el registro de formas
tridimensionales", IEEE Trans. on Pattern Analysis and Machine
Intelligence (Los Alamitos, CA, EE. UU.: IEEE Computer Society), 14 (2):
239–256. doi:10.1109/34.121791.

Esta contribución ha sido revisada por

pares. doi:10.5194/isprsarchives-XL-8-891-2014 895
Machine Translated by Google
Los Archivos Internacionales de Fotogrametría, Teledetección y Ciencias de la Información Espacial, Volumen XL-8, 2014
VIII Simposio de la Comisión Técnica de ISPRS, del 9 al 12 de diciembre de 2014, Hyderabad, India
Boehler, W. y Marbs, A., 2004, “Escaneo 3D y fotogrametría para
la grabación del patrimonio: una comparación”, Actas del 12º ICG.
Cabrelles, M., Galcera, S., Navarro, S., Lerma, JL, Akasheh, T., &
Haddad, N., 2009, “Integration of 3D Laser Scanning, Photogrametry
and Termography to Record Architectural Monuments”, 22° CIPA
Simposio, Kioto, Japón.
Chee Wei, Ong, Siew Chin, Cheong, Majid, Zulkepli, Setan, Halim,
2010, “Documentación en 3D y conservación de monumentos
históricos mediante escaneo láser terrestre”, Geoinformation
Science Journal, 10 (1), págs. 73-90, ISSN 1511-9491.
Chen, Yang, Gerard Medioni, 1991, "Modelado de objetos mediante
el registro de imágenes de rango múltiple", Image Vision Comput,
(Newton, MA, EE. UU.: Butterworth-Heinemann): 145– 155,
doi:10.1016/0262-8856(92) 90066-C.
DD Lichti, MP Stewart, M. Tsakiri y AJ Snow, 2000, “Calibración y
prueba de un escáner láser terrestre”, Archivos internacionales
de fotogrametría y teledetección.
vol. XXXIII, Parte B5, Ámsterdam.
El-Hakim S., Beraldin, A., Picard, M., 2002, “Reconstrucción
detallada en 3D de monumentos utilizando múltiples técnicas”,
Taller internacional ISPRS/CIPA sobre escaneo para el registro
del patrimonio cultural, Corfú, Grecia, págs. 58-64 .
F. Remondino, S. El-Hakim, S. Girardi, A. Rizzi, S. Benedetti, L.
Gonzo, 2011, "3D-ARCH2011 - Visualización y reconstrucción
virtual en 3D de arquitecturas complejas", 4.º taller internacional,
Trento, Italia .
G. Vacca, M. Deidda, A. Dessi, M. Marras, 2012, “Encuesta con
escáner láser para la conservación y restauración del patrimonio
cultural”, Archivos internacionales de fotogrametría, teledetección
y ciencias de la información espacial, Volumen XXXIX-B5,
Australia.
Guarnier, A., Remondino, F., Vettore, A., 2006, “Fotogrametría
digital y fusión de datos TLS aplicada al modelado 3D del
patrimonio cultural”, IAP, RS & SIS, www.photogrametry.ethz.ch
general/personas/ fabio/ /
Guarnieri _etal_ISPRSV 06.pdf.
Ismail Abd El hamid Mohamed, 2008, “Hacia un registro
automático de datos de escáner láser terrestre”, Ph.D. Tesis,
Universidad de El Cairo, Egipto.
Biblioteca del Congreso, consultado el 24 de marzo de 2014, “Por
qué la preservación digital es importante para todos”, Recursos
de archivo digital, http://www.dar.cah.ucf.edu/items/show/64.
Lichti, DD, Stewart, MP, Tsakiri, M., Snow AJ, 2000, “Calibración
y prueba de un escáner láser terrestre”,
Esta contribución ha sido revisada por
pares. doi:10.5194/isprsarchives-XL-8-891-2014
Archivos internacionales de fotogrametría y teledetección, vol.
XXXIII, Parte B5, Ámsterdam, Países Bajos.
M. Hebel, U. Stilla, 2007, “Registro automático de nubes de puntos
láser de áreas urbanas”, Archivos internacionales de fotogrametría,
teledetección y ciencias de la información espacial, 36.
Naif Adel Haddad, 2011, "De la topografía terrestre al escáner
láser 3D: una revisión de las técnicas utilizadas para la
documentación espacial de sitios históricos", Revista de la
Universidad King Saud - Ciencias de la ingeniería.
Nik 'Azim Hazman Bin Nik Ab Hadi, Zulkepli Majid y Halim Setan,
2011, "Modelado tridimensional de edificios con el escáner láser
Faro y el software AUTOCAD 2011", Geoinformation Science
Journal, vol. 11, N° 2, págs: 1-16.
Nur Adlina Bt Ramli., 2010, “Modelado tridimensional de
monumentos históricos usando Topcon GLS-1000”, BEng.. Tesis.
Tecnología Universitaria de Malasia.
Ong Chee Wei, Cheong Siew Chin, Zulkepli Majid, Halim Setan,
2010, "Documentación 3D y preservación de monumentos
históricos mediante escaneo láser terrestre", Geoinformation
Science Journal, vol. 10, núm. 1, págs.: 73-90.
Ordóñez, C., Riveiro, B., Arias, P., Armesto, J., 2010, “Aplicación
de Fotogrametría de Corto Alcance a la Medición de Cubierta en
Embarcaciones de Recreo.”, http://www.mdpi.com/1424-8220 /
9/9/6991/pdf.
P. Dorninger, C. Nothegger, S. Rasztovits, 2013, “Documentación
3D eficiente de la fuente de Neptuno en el parque del Palacio de
Schönbrunn a escala milimétrica”, ISPRS Annals of the
Photogrametry, Remote Sensing and Spatial Information Sciences,
volumen II-5/ W1, Francia.
Pfeifer, N., Dorninger, P., Haring, A. & Fan, H., 2007, "Investigación
de datos de intensidad de escaneo láser terrestre: calidad y
relaciones funcionales", Conferencia internacional sobre 3-D
óptica.
Remondino, F. y El-Hakim, S., 2006, “Modelado 3D basado en
imágenes: una revisión”, The Photogrametric Record 21(115),
269-291.
Renyi Lium Guigang Shi, Fengquan Ji, 2010, “Reconstrucción de
arquitectura antigua basada en tecnología de escaneo láser 3D
terrestre”, Ingeniería de software y minería de datos (SEDM),
China.
SY Lee, Z. Majid, H. Setan, 2013, "Adquisición de datos 3D para
activos en interiores mediante escaneo láser terrestre", ISPRS
Annals of the Photogrametry, Remote Sensing and Spatial
Information Sciences, Turquía.
896
Machine Translated by Google
Los Archivos Internacionales de Fotogrametría, Teledetección y Ciencias de la Información Espacial, Volumen XL-8, 2014
VIII Simposio de la Comisión Técnica de ISPRS, del 9 al 12 de diciembre de 2014, Hyderabad, India

Sajid Hussain, Håkan Grahn, 2007, “Fast kd-Tree Construction

for 3D-Rendering Algorithms Like Ray Tracing”, ISVC,
Springer-Verlag Berlin Heidelberg, Part II, LNCS 4842, págs.
681–690.

Santala, J., Joana, V., 2010, “Sobre la calibración de un

escáner láser terrestre”, www.fig.net/~/TS12_4_Santala_Joala.
pdf.

Sequeira, V., Fiocco, M., Bostrom, G.. Gonçalves, JGM, 2003,

“Verificación 3D del diseño de plantas”, 25º Simposio
ESARDA sobre salvaguardias y gestión de materiales
nucleares, Estocolmo.

Singh, S., West, J., 1991, “Cyclone: A Laser Scanner for

Mobile Robot Navigation”, Informe técnico del Instituto de
Robótica de la Universidad Carnegie Mellon, CMU-RI-TR-91-18.

Szymon Rusinkiewicz, Marc Levoy., 2001, “Efficient Variants

of the ICP Algorithm”, 3DIM, página 145-152, IEEE Computer
Society.

W. Boehler, M. Bordas Vicent, A. Marbs., 2003, “Investigating

Laser Scanner Accuracy”, XIX Simposio CIPA en Antalya,
Turquía.

YD Rajendra, RK Dhumal, RR Manza, 2013, “Renovación

interior de un edificio urbano con láser terrestre 3D”, Revista
internacional de investigación avanzada en informática e
ingeniería de software (IJARCSSE), ISSN: 2277 128.

Yastikli, N., 2007, “Documentación del patrimonio cultural

mediante fotogrametría digital y escaneo láser”, JCH, 8 (4), 423–
427.

Yonghuai Liu, 2006, “Registro automático de nubes de puntos

3D superpuestas usando los puntos más cercanos”, Image
and Vision Computing 24, Elsevier, 762–781.

Zhang, Zhengyou, 1994, "Coincidencia iterativa de puntos

para el registro de curvas y superficies de forma libre",
International Journal of Computer Vision (Springer), 13 (12):
119–152, doi:10. 1007/BF01427149.

Esta contribución ha sido revisada por

pares. doi:10.5194/isprsarchives-XL-8-891-2014 897
Machine Translated by Google

Reproducido con permiso del propietario de los derechos de autor. Prohibida la reproducción
sin permiso.