1 Введение

      Метод наземного лазерного сканирования (НЛС) уже давно применяется для выполнения геодезических измерений на местности.  Получаемые с его помощью данные представляются в виде массива точек лазерных отражений (ТЛО). Каждая точка массива имеет пространственные координаты и описывается такими характеристиками, как интенсивность отраженного сигнала, порядковый номер отражения, значения яркости в спектральных каналах, получаемые после наложения этой информации с цифровых фотографий [1]. В совокупности массив ТЛО представляет собой точечную цифровую модель местности (ЦММ). Благодаря высокой скорости сбора данных, их высокой точности и сплошного характера получаемого результата, НЛС нашло применение в различных отраслях народного хозяйства. По точечной ЦММ создают трехмерные векторные твердотельные цифровые модели местности (ЦММ), различные планы, обмерные чертежи, оценивают техническое состояние объектов, определяют их геометрические параметры и деформационные характеристики, контролируют качество их строительства и реконструкции [2].

      НЛС является универсальным методом лазерного сканирования, позволяющим решать широкий круг задач. В отличие от мобильного и воздушного лазерного сканирования НЛС позволяет достичь точности определения пространственных координат до миллиметра и выше, но оперативность сбора с помощью НЛС значительно уступает другим методам лазерного сканирования. Более низкая оперативность сбора данных с помощью НЛС приводит к тому, что этот метод применяется на относительно небольших по площади территориях, что связано с особенностью сбора данных из статического положения, или там, где точности других методов лазерного сканирования оказывается недостаточно [3].

      Детально технология сбора и обработки данных НЛС представлена в [4]. Она охватывает подготовительные работы, полевой сбор данных, предварительную и тематическую обработку. На этапе подготовительных работ составляется технических проект, рабочая программа планово-высотного обоснования (ПВО) и рабочая программа НЛС в зависимости от требований к пространственной привязке. Полевые работы включают рекогносцировку местности, создание ПВО и осуществление лазерного сканирования. Этапы подготовительных и полевых работ подробно освещены в [5]. При предварительной обработке выполняется фильтрация и уравнивание данных. При фильтрации осуществляется удаление ложных точек, представляющих собой шумы в данных, или точек, которые не принадлежат объекту съемки. Такие шумы влияют на точность уравнивания и достоверность распознавания объектов в массивах ТЛО.  При уравнивании осуществляется взаимное и внешнее ориентирование сканов, (массивов ТЛО), полученных с отдельных сканерных позиций. Результатом предварительной обработки является точечная ЦММ. На ее основе далее в ходе тематической обработки в зависимости от цели съемки, создают твердотельные трехмерные векторные ЦММ, чертежи и топографические планы.

      С момента внедрения технологии сбора и обработки данных НЛС накопился большой практический опыт применения этого метода геодезической съемки, были разработаны и внедрены различные автоматизированные методы и алгоритмы обработки данных, расширен функционал программного обеспечения (ПО) по такой обработке, появились новые виды трехмерного моделирования. Поэтому в настоящее время встает важная задача совершенствования и уточнения описанной технологии с учетом современных достижений науки и техники.

2 Материалы и методы

      Совершенствование предложенной в [4] технологии сбора и обработки данных НЛС было выполнено посредством уточнения этапов составления рабочей программы НЛС и предварительного уравнивания, а также с учетом возможностей современного ПО по построению трехмерных векторных ЦММ различных видов. Технология разделена на две части. Первая часть охватывает подготовительные, полевые работы и предварительную обработку получаемых данных. Вторая – затрагивает их тематическую обработку с целью создания трехмерных векторных ЦММ. На рис. 1. представлена первая часть усовершенствованной технологии создания ЦММ с применением метода НЛС, согласно которой в начале составляются: технический проект, рабочая программа ПВО и рабочая программа НЛС.

Рис. 1. Технология создания ЦММ с применением наземного лазерного сканирования. Первая часть

Fig. 1. The technology of creating digital surface model using terrestrial laser scanning. The first part

      ПВО для осуществления НЛС разделяется на два вида: основное и рабочее. Основное ПВО необходимо создавать в случае, если требуется пространственная привязка к внешней системе координат. Для этого на местности закрепляются точки долговременного или временного типа, координаты которых определяются от пунктов государственной геодезической сети или сетей сгущения. Если требуется определять только геометрические параметры объектов, то основное ПВО создавать не требуется. Рабочее ПВО служит для взаимного ориентирования сканов. Точками такого ПВО выступают характерные элементы объектов местности или размещенные вокруг сканерных станций марки.

      На этапе составления рабочей программы НЛС учитывается уровень застроенности территории и характер территории съемки: площадной или линейно-протяженный объект.  Они оказывают влияние на выбор метода вычисления элементов внешнего ориентирования сканов. Прямой метод использует прямую засечку, а аналитический – двойную обратную [1]. Процесс лазерного сканирования осуществляется посредством проложения сканерных ходов, площадным способом или их сочетанием. Площадная съемка реализуется с помощью аналитического метода. При проложении сканерных ходов может применяться как прямой, так и аналитический методы. Сочетание методов возможно следующим образом: сначала прокладываются каркасные сканерные ходы прямым методом, а затем выполняется досъемка от пунктов каркасной сети с помощью аналитического. Для незастроенной территории линейно-протяженного объекта с целью снижения трудоемкости полевых работ рекомендуется прокладывать сканерные ходы прямым методом. Если сканируется площадной объект, тогда выполняется досъемка аналитическим. Для застроенной территории линейно-протяженного объекта и при сканировании тоннелей оптимально прокладывать сканерные ходы аналитическим методом. В свою очередь, для застроенной территории площадного объекта следует выполнять площадную съемку аналитическим методом. Выбор аналитического метода на застроенных территориях обусловлен присутствием большого числа вертикальных плоскостей объектов, где можно разместить марки или распознать отдельные элементы с целью набора соответственных характерных точек для взаимного ориентирования сканов.

      После НЛС местности, выполненного в соответствии с составленной рабочей программой, автоматически генерируются трехмерные массивы ТЛО и, в случае необходимости, в специализированном ПО, куда первоначально импортируются сгенерированные массивы, выполняется калибровка системы лазерного сканирования, заключающаяся в определении элементов взаимного ориентирования лазерного сканера и входящей в эту систему цифровой камеры. Далее в этом ПО выполняется автоматическая фильтрация, взаимное и внешнее ориентирование сканов.

      К настоящему времени было разработано большое количество различных методов фильтрации [6–8]. Согласно одной из классификаций методов фильтрации, предложенной в [9], их можно разделить на следующие группы: статистические, методы на основе проецирования, соседства, составления дифференциальных уравнений, гибридные, обработки сигналов и группа других методов.

      В статистических методах фильтрации вычисляется статистическая информация. К таким методам, например, относятся следующие: максимального правдоподобия, минимальных расстояний, главных компонент, кластерный анализ, байесовский классификатор. Сущность методов на основе проецирования заключается в поиске опорной поверхности, на которую выполняется проецирование точек массива. Например, к такой группе методов относят метод движущихся наименьших квадратов, который сглаживает массив точек и удаляет те из них, которые расположены на отдаленном расстоянии от большинства групп точек. Вид проецирования в методах этой группы может отличаться: последовательно для плановых координат, высот или одновременно. Методы на основе соседства выполняют расчет уровня подобия между всеми соседними точками и анализируемой. Уровень подобия вычисляется различными способами: с помощью вычисления нормалей, анализа общего положения точек в пространстве или их взаимного положения. В методах, основанных на составлении дифференциальных уравнений, применяются частные производные и взвешенные графы. В гибридных методах может последовательно применяться несколько методов различных групп. В методах, основанных на обработке сигналов, применяются разные фильтры, которые используют дискретные преобразования, такие как преобразование Фурье и Лапласа. Группа других методов включает те, которые не относятся ни к одной из перечисленных групп. К такой группе относятся: классификация изолированных точек; классификация воздушных точек; классификация нижних точек; классификация точек, расположенных ниже поверхности; представление пространства массива точек в виде воксельной сетки. Сущность методов этой группы описана в [10].

      Выполняемое после автоматической фильтрации взаимное и внешнее ориентирование сканов может осуществляться одним из способов:

• от пунктов государственной геодезической сети или сетей сгущения измеряются координаты всех точек рабочего ПВО, которые затем используются для внешнего ориентирования каждого отдельного скана;
• среди всех точек рабочего ПВО выбираются несколько равномерно размещенных по территории, которые совмещаются с точками основного. По расположенным в зонах перекрытия сканов точкам рабочего ПВО выполняется последовательное взаимное ориентирование каждого скана. Получается единая точечная модель, ориентированная в системе координат первого скана, которая затем ориентируется во внешнюю систему координат по точкам основного ПВО;
• первый скан ориентируется по точкам основного ПВО, а затем к нему последовательно подсоединяются другие сканы по точкам рабочего ПВО.

      Выбор подходящего способа определяется реализованной схемой создания ПВО и территорией съемки. Сначала выполняется предварительное уравнивание, а затем точное. Для незастроенной территории предварительное уравнивание рекомендуется выполнять автоматически по маркам или интерактивно путем вращения и перемещения сканов. Автоматическое уравнивание по маркам позволяет достичь наибольшей точности при минимальной трудоемкости камеральных работ, но требует размещения марок и их детального сканирования вокруг каждой станции. Для застроенной территории оптимально выполнять предварительное уравнивание интерактивно по характерным точкам или автоматически по соответствующим методам, которые используют информацию о положении вертикальных объектов. Многие подобные методы применяются в специализированном коммерческом ПО обработки данных лазерного сканирования [11]. Обзор таких методов приведен в [12].

      Итогом выполненной предварительной обработки данных НЛС является единая точечная ЦММ, состоящая из уравненных сканов, в каждом из которых отфильтрованы ложные ТЛО. В зависимости от внешних условий выполнения измерений, автоматическая фильтрация ложных ТЛО выполняется с различной точностью [13]. При сканировании во время благоприятных погодных условий, когда отсутствуют осадки и влага на поверхностях объектов, количество ложных ТЛО минимально, и автоматические методы специализированного ПО справляются хорошо. В противном случае, многие ложные ТЛО остаются в массиве. Тогда необходимо дополнительно настраивать параметры методов фильтрации, применять сразу несколько или разрабатывать алгоритмы фильтрации, представляющие собой комплекс последовательно применяемых методов, параметры которых подбираются исходя из средней плотности данных НЛС и особенностей сканируемой местности.  Для фильтрации данных НЛС, полученных при неблагоприятных погодных условиях, был разработан универсальный алгоритм, показанный на рис. 2. Алгоритм позволяет не только отфильтровать ложные ТЛО, но и распознать точки физический поверхности земли, по которым можно построить цифровую модель рельефа (ЦМР). Он использует информацию об интенсивности отраженного сигнала, включает методы фильтрации группы других методов, а также метод распознавания точек физической поверхности земли Аксельсона [14]. Для применения алгоритма данные НЛС импортируются в стороннее ПО предварительной обработки данных НЛС – TerraSolid. В нем реализованы все применяемые методы универсального алгоритма фильтрации, включая метод Аксельсона, пример применения которого рассмотрен в [15]. Также этот алгоритм может быть реализован в другом ПО, позволяющем открывать массивы ТЛО и поддерживающем применение пользовательского программного кода [11].

Рис. 2. Универсальный алгоритм фильтрации данных НЛС

Fig. 2. The common algorithm of filtering terrestrial laser scanning data

      Основой разработки алгоритма послужили два алгоритма фильтрации, первый из которых разработан для данных МЛС [16], а второй – для данных ВЛС [10]. Плотность данных МЛС и ВЛС является более равномерной по сравнению с данными НЛС, которая уменьшается с удалением от сканерной станции во всех направлениях. Это приводит к тому, что значения параметров методов, применяемых в алгоритме фильтрации данных НЛС, менее устойчивы. В табл. 1 приведены наиболее универсальные значения параметров, которые подобраны для фильтрации данных НЛС застроенных территорий.

Таблица 1. Оптимальные значения параметров алгоритма фильтрации данных НЛС

Table 1. Optimal parameter values for the algorithm of filtering terrestrial laser scanning data

      В дальнейшем точечная ЦММ применяется для создания различной цифровой конечной продукции и решения отдельных научно-технических и практических задач. Трехмерные векторные ЦММ являются одним из основных видов такой цифровой продукции. На рис. 3 приведена вторая часть технологии создания ЦММ с применением НЛС, учитывающая требования к формату трехмерных векторных моделей и особенностей применяемого ПО, которое можно разделить на три группы:

• специализированное ПО обработки пространственных данных с возможностями построения трехмерных векторных ЦММ;
• системы автоматизированного проектирования (САПР);
• ПО информационного моделирования (BIM).

      Применение группы специализированного ПО позволяет упростить процесс моделирования за счет наличия инструментов, позволяющих автоматически или автоматизировано вписать геометрические примитивы в массивы ТЛО и построить различные поверхности. Среди такого ПО наибольшее распространение получило ПО Leica Cyclone, методика моделирования в котором подробно описана в [17]. Основными недостатками применения Cyclone являются:

• отсутствие таких операций, как объединение, вычитание, пересечение, необходимых для создания сложных единых твердых тел из геометрических примитивов;
• создание твердого тела из поперечных профилей посредством операции выдавливания возможно только перпендикулярно по прямой, а не по оси объекта;
• привязка векторных объектов друг к другу для создания топологически правильной модели выполняется только после построения моделей, доступен один вид привязки – по узлам.

Рис. 3. Технология создания ЦММ с применением наземного лазерного сканирования. Вторая часть.

Fig. 3. The technology of creating digital surface model using terrestrial laser scanning. The second part.

      Такие недостатки отсутствуют в большинстве современных САПР и BIM, где можно выполнять трехмерное моделирование объектов. Функционал САПР и BIM в области трехмерного моделирования, как правило, значительно превосходит возможности специализированного ПО обработки данных НЛС [18, 19].

      САПР позволяют создавать сложные твердотельные трехмерные тела и чертежи на их основе, размещать текстовую информацию, выпускать всю необходимую проектную и рабочую документацию. Для трехмерного моделирования в САПР может применяться исходная точечная ЦММ или созданная в специализированном ПО обработки пространственных данных предварительная трехмерная векторная ЦММ, которая импортируется в САПР с целью окончательного оформления.

      BIM модели представляют собой развитие концепции BDS (building description system), которая подразумевает создание чертежей зданий и их хранение в базах данных. Дополнительно добавляется атрибутивная информация о составных элементах здания, таких как крыша, двери, окна, стены, включая порядок расположения материалов, из которых состоят такие элементы. Эти элементы формируют библиотеки объектов [19]. Они отсутствуют в САПР.

      Размещение элементов в BIM осуществляется посредством их интерактивного вписывания в точечную ЦММ. В BIM при вписывании элементов применяется набор ограничивающих критериев в отличие от САПР. Такие критерии формируются правилами проектирования и необходимы для контроля всех топологических связей между элементами.

      Для автоматизации трехмерного моделирования для BIM и САПР также разрабатываются дополнительные программные модули, которые позволяют применять различные инструменты распознавания точек и автоматического вписывания в них геометрических примитивов и элементов из библиотек объектов. Например, для САПР Microstation, AutoCAD и BIM Revit широко распространено применение коммерческого программного модуля Leica Cloudworx. Применяются и отдельные модули для автоматизированного моделирования объектов определенного вида. Например, в [20] описан модуль для вписывания в точечную ЦММ объектов железнодорожной инфраструктуры и их элементов.

      Трехмерная векторная ЦММ может быть импортирована из специализированного ПО обработки пространственных данных или САПР в BIM. Тогда возможна ситуация некорректного распознавания отдельных объектов трехмерной модели в формате BIM, и результат предварительного моделирования в специализированном ПО или САПР применяется для окончательного моделирования в BIM.

      В итоге окончательная трехмерная векторная ЦММ в BIM создается одним из трех способов:

• интерактивное моделирование в BIM по точечной ЦММ;
• применение дополнительных программных модулей для автоматизированного моделирования в BIM;
• импорт трехмерной векторной ЦММ из специализированного ПО или САПР в BIM с дальнейшим редактированием при соблюдении правил информационного моделирования.

      Таким образом, учет современной тенденции перехода от трехмерного моделирования в САПР к моделированию в BIM, а также применение современных инструментов подобных систем отличает предложенную технологию от той, что описана в [4].

2 Результаты и обсуждение

      Технология создания ЦММ с применением метода НЛС была апробирована на данных съемки объектов ОАО «Сургутнефтегаз». На рис. 4 представлена схема создания ПВО и выполнения НЛС на одном из таких объектов – дожимной насосной станции (ДНС) Алинского месторождения.

– каркасные сканерные ходы;  – линии ориентирования дополнительных сканов;   – сканерные станции сканерного хода;  – сканерные станции, совмещенные с точками основного ПВО;   – дополнительные сканерные станции

Рис. 4. Схема создания ПВО и проложения сканерных ходов на дожимной насосной станции.

Fig. 4. The diagram of creating horizontal and vertical control survey network and scanner traversing for the booster pump station.

      НЛС выполнялось с помощью сканера Leica ScanStation 2 посредством проложения каркасных сканерных ходов с использованием прямого метода. Задавалось угловое разрешение по вертикали и горизонтали 0,06°, а среднее расстояние между сканерными станциями составило 30 м. Четыре сканерные станции были совмещены с точками основного ПВО, а остальные использовались в качестве рабочего. Координаты точек основного ПВО были измерены с помощью спутникового приемника со средней квадратической ошибкой (СКО) 9 мм.  Площадь объекта съемки составила около 6 Га. Сеть сканерных ходов была автоматически уравнена в ПО Leica Cyclone (табл. 2). Для досъемки зон объекта, не попавших в поле зрения лазерного сканера со станций сети каркасных ходов, применялся аналитический метод, при котором внешнее ориентирование каждого дополнительного скана выполнялось относительно двух ближайших точек каркасных ходов.  Учитывая тот факт, что две опорные точки являются минимально допустимым количеством для внешнего ориентирования при условии горизонтирования лазерного сканера, то оценка точности уравнивания дополнительных сканов осуществлялась по зонам взаимного перекрытия массивов ТЛО. Для каждого скана измерялись расхождения по шести равномерно размещенным соответственным точкам.

Таблица 2. Оценка точности уравнивания данных НЛС

Table 2. Accuracy estimation of adjusting terrestrial laser scanning data

      Результат уравнивания представлен на рис. 5. Так как сканирование с нескольких станций было выполнено после выпадения осадков, то точечная ЦММ содержала большое количество ложных ТЛО. Для их удаления был применен разработанный универсальный алгоритм фильтрации данных НЛС.

по интенсивности                                            по высоте

Рис. 5. Результат уравнивания данных НЛС.

Fig. 5. The result of adjusting terrestrial laser scanning data.

      На рис. 6 приведено сечение массива ТЛО глубиной 30 м, где приведен промежуточный результат фильтрации после этапа алгоритма № 1 – выделение ТЛО по интенсивности. Информация об интенсивности позволила выделить многие ложные ТЛО, полученные в результате переотражения лазерного луча от влажных поверхностей. Значения интенсивности таких ТЛО от объектов ниже, чем ТЛО истинных объектов. Подобранное пороговое значение интенсивности позволило отфильтровать только часть ложных ТЛО.

– нераспознанные ТЛО;  – распознанные ТЛО по значению интенсивности

Рис. 6. Фильтрации данных НЛС по значению интенсивности.

Fig. 6. The filtering of terrestrial laser scanning data by intensity values.

      Далее был применен метод фильтрации нижних точек. На рис. 7 приведено сечение массива ТЛО глубиной 4 м, где отображена кабельная эстакада, проходящая над автомобильной дорогой. Этот метод выделил большинство ложных ТЛО, расположенных под поверхностью земли.

 – нераспознанные ТЛО;  – распознанные ТЛО по значению интенсивности;

 – распознанные ложные ТЛО после этапа алгоритма № 2

Рис. 7. Фильтрация ложных ТЛО.

Fig. 7. The filtering of false laser points.

      Чтобы выделить оставшиеся ложные ТЛО, расположенные под поверхностью земли, предварительно были распознанны точки этой поверхности. Алгоритм классификации точек физической поверхности земли позволил правильно распознать большинство таких точек, за исключением нескольких расположенных под землей и в воздухе. На рис. 8 отмечено расположение одной из ошибочно распознанных точек поверхности земли.

 – нераспознанные ТЛО;  – распознанные ТЛО по значению интенсивности;

 – распознанные ложные ТЛО после этапа алгоритма № 2;   –ТЛО поверхности земли;

– месторасположение ошибочно распознанной ТЛО земли

Рис. 8. Распознавание ТЛО земли.

Fig. 8. Recognition of ground laser points.

      Чтобы устранить ошибки распознавания точек поверхности земли, сначала были повторно применены метод классификации нижних точек, а также точек, расположенных ниже поверхности. В этом случае выполнялся анализ только среди распознанных точек поверхности земли. Рис. 9 демонстрирует, что ошибочно распознанная точка поверхности земли была переклассифицирована в класс ложных ТЛО.

Рис. 9. Результат классификации ТЛО после этапов № 4 и 5

алгоритма фильтрации данных НЛС.

Fig. 9. The result of point cloud classification after the steps of 4 and 5.

      Для исключения ошибок распознавания точек поверхности земли на объектах и в воздухе, применялся метод классификации воздушных точек, где также анализировались только распознанные точки земли. Чтобы наглядно показать результат работы этого метода, была построена промежуточная ЦМР. На рис. 10 показан фрагмент ЦМР в виде триангуляционной поверхности, построенной до применения метода классификации воздушных точек и после него. Цветовые перепады граней треугольников ЦМР показывают, что применяемый метод смог исключить из класса точек земли ошибочно распознанные ТЛО, принадлежащие поверхности одного из резервуаров.

после этапа № 5                                                               после этапа № 6

Рис. 10. ЦМР, построенная по ТЛО поверхности земли.

Fig. 10. Digital elevation model generated using ground laser points.

      Чтобы исключить оставшиеся отдельные ТЛО из класса нераспознанных и класса земли, был применен метод классификации изолированных точек. На рис. 11 приведно сечение массива ТЛО глубиной 10 м, где показаны распознанные по этому методу изолированные ТЛО. Метод позволил исключить большинство оставшихся ложных ТЛО.

– нераспознанные ТЛО;   – изолированные ТЛО;  –ТЛО поверхности земли

Рис. 11. Результат классификации ТЛО после этапа № 7 алгоритма фильтрации данных НЛС.

Fig. 11. The result of classification after the seventh step of the terrestrial laser scanning data filtering algorithm.

      На рис. 12 приведен фрагмент окончательного результата фильтрации данных НЛС после последнего этапа универсального алгоритма, согласно которому все нераспознанные ТЛО, находящиеся ниже построенной по точкам земли триангуляционной поверхности, были отнесены к классу ложных. Таким образом, универсальный алгоритм фильтрации данных НЛС позволяет распознать ложные ТЛО, а также достоверно выделить точки поверхности земли, используемые для построения ЦМР.

      Для оценки точности построения ЦМР территории Алинского месторождения была создана эталонная поверхность. Эталонная поверхность была получена по точкам земли, распознавание которых осуществлялось в два этапа:

• применение метода Аксельсона к исходному нефильтрованному массиву ТЛО;
• исправление ошибок автоматической классификации оператором с помощью интерактивных инструментов.

 – нераспознанные ТЛО;  – отфильрованные ТЛО по значению интенсивности;

 – отфильрованные ложные ТЛО после этапа алгоритма № 9;   –ТЛО поверхности земли;

– месторасположение переклассифицированных точек после этапа № 9

Рис. 12. Фрагмент итогового результата классификации ТЛО.

Fig. 12. The part of the final point cloud classification result.

      Результаты оценки точности автоматически построенной ЦМР в ходе применения универсального алгоритма фильтрации данных НЛС приведены в табл. 3. Для этого область построения обеих ЦМР была предварительно ограничена границей основной территории месторождения по внешним ограждениям и прилегающими площадками у входов на эту территорию. Точность оценивалась на основе разницы отметок автоматически построенной и эталонной ЦМР. Шаг размещения отметок составил 1×1 м². Отрицательное отклонение характеризует присутствие ложных точек под истинной поверхностью земли, а положительное – над ней. Ограничение зоны оценки точности было необходимо в связи со значительным снижением плотности данных НЛС при удалении от сканерных позиций – по сторонам от территории ДНС. При таком ограничении средняя ошибка построения ЦМР удовлетворяет допуску инструкции по топографической съемке с высотой сечения рельефа 25 см. Без добавления границы построения ЦМР ошибки по контрольным точкам, расположенным по краям массива ТЛО, достигали метровых значений.

Таблица 3. Оценка точности построения ЦМР

Table 3. Accuracy estimation of generating digital elevation model

      Результаты оценки точности подтверждают достоверность подбора оптимальных значений параметров универсального алгоритма фильтрации данных НЛС, приведенных в табл. 1 для застроенных территорий. Согласно отображенной на рис. 1 технологии создания ЦММ этот алгоритм рекомендуется применять для данных, полученных при сканировании во время повышенной влажности. Он позволяет удалить большинство ложных ТЛО, возникающих при сканировании во время неблагоприятных условий, когда после выпадения осадков поверхности объектов становятся влажными. В случае применения алгоритма для данных НЛС, полученных во время благоприятных погодных условий при отсутствии влаги, когда нет ложных ТЛО, точность фильтрации и распознавания точек поверхности земли для построения ЦМР не снижается. То есть алгоритм можно применять одновременно для всех данных НЛС, полученных при продолжительной съемке больших по площади территорий и осуществляемой при разнообразных погодных условиях.

      Если параметры съемки, такие как угловое разрешение и расстояние между сканерными позициями, сильно отличаются от тех, что использовались при подборе оптимальных значений параметров универсального алгоритма фильтрации (разрешение 0,06°, расстояние между сканерными станциями – 30 м), то тогда необходимо уточнять значения параметров алгоритма. В таком случае приведенные оптимальные значения следует использовать в качестве начальных.

      Полученную в итоге точечную ЦММ можно в дальнейшем применять для создания трехмерной векторной модели по схеме, приведенной на рис. 3.

4 Выводы

      Усовершенствованная технология создания ЦММ учитывает все особенности сбора и обработки пространственных данных, получаемых с помощью НЛС. Она отличается тем, что позволяет принять решение о выборе подходящего метода осуществления измерений (прямой или аналитический) для определенного вида территории (застроенная, незастроенная или тоннели) и ее характера (площадная или линейно-протяженная) на этапе составления рабочей программы НЛС, выбрать способ предварительного уравнивания в зависимости от вида территории, осуществить дополнительную автоматическую фильтрацию данных НЛС по разработанному универсальному алгоритму, в ходе которой распознать точки поверхности земли, и выполнить трехмерное моделирование территории по предъявляемым к моделям требованиям с учетом возможностей ПО.

            В соответствии с представленной технологией было выполнено сканирование территории ДНС и обработка полученных данных. Предложенный универсальный алгоритм фильтрации позволил автоматически распознать ложные ТЛО, а также точки поверхности земли. Оценка точности построенной по точкам земли ЦМР показала надежность подобранных значений параметров алгоритма фильтрации при условии сканирования с указанными параметрами съемки.  Дальнейшие исследования могут быть связаны с подбором оптимальных значений параметров алгоритма для фильтрации данных, полученных при различных параметрах съемки, и определения диапазонов угловых разрешений и расстояний между сканерными станциями, для каждого из которых следует выбирать те или иные группы подобранных параметров.

1. Seredovich VA, Komissarov AV, Komissarov DV, et al. Nazemnoe lazernoe skanirovanie [Terrestrial laser scanning] [monograph]. Novosibirsk: SGGA; 2009. 261 p. (In Russian).

2. Sabitova TA, Yashchenko SO, Soboleva ED. Sravnitel'nyi analiz traditsionnykh metodov postroeniya topograficheskikh planov i trekhmernogo lazernogo skanirovaniya [Features construction of digital topographic plans using 3d laser scanning in the construction industry]. Bulletin of Volgograd State University of Architecture and Civil Engineering. Series: Civil Engineering and Architecture. 2021;1(82): 79–88 (In Russian).

3. Budarova VA, Martynova NG, Sheremetevsky AV, et al. Nazemnoe lazernoe skanirovanie ob"ektov promyshlennykh ploshchadok na territorii neftegazovykh mestorozhdenii [Ground-based laser scanning of industrial sites on the territory of oil and gas fields]. Moscow economic journal. 2019;6: 8–14. (In Russian). DOI:https://doi.org/10.24411/2413-046X-2019-16004.

4. Komissarov AV. Teoriya i tekhnologiya lazernogo skanirovaniya dlya prostranstvennogo modelirovaniya territorii [Theory and technology of laser scanning for spatial modelling of territories] [dissertation]. Novosibirsk, 2015. 278 p. (In Russian).

5. Seredovich AV. Metodika sozdaniya tsifrovykh modelei ob"ektov neftegazopromyslov sredstvami nazemnogo lazernogo skanirovaniya [The technique for creating digital models of oil and gas deposits using terrestrial laser scanning] [dissertation]. Novosibirsk, 2007. 165 p. (In Russian).

6. Bakuła K, Pilarska-Mazurek M, Salach A, et al. Detection of Levee Damage Based on UAS Data-Optical Imagery and LiDAR Point Clouds. ISPRS International Journal of Geo-Information. 2020;9(4): 248. DOIhttps://doi.org/10.3390/ijgi9040248.

7. Rakotosaona MJ, Barbera VL, Guerrero P, et al. Pointcleannet: learning to denoise and remove outliers from dense point clouds. arXiv:1901.01060v3. 2019: 1–17. DOIhttps://doi.org/10.48550/arXiv.1901.01060.

8. Zaman F, Wong YP, Ng BY. Density-based denoising of point cloud. arXiv:1602.05312v1. 2016. DOI:https://doi.org/10.48550/arXiv.1602.05312.

9. Jin JS, Wang MJ, Jiang W, et al. A review of algorithms for filtering the 3D point cloud. Signal Processing: Image Communication. 2017;57: 103–112. DOIhttps://doi.org/10.1016/j.image.2017.05.009.

10. Altyntsev MA. Metodika predvaritel'noi obrabotki dannykh vozdushnogo lazernogo skanirovaniya, poluchennykh s primeneniem bespilotnykh vozdushnykh sudov [The technique of UAV-based airborne laser scanning data preliminary processing]. Geodesy and Cartography. 2023;6: 30–41. (In Russian). DOI:https://doi.org/10.22389/0016-7126-2023-996-6-30-41.

11. Medvedev VI, Raikova LS. Programmy dlya obrabotki dannykh lazernogo skanirovaniya mestnosti [Programs for processing laser scanning data]. CAD & GIS for roads. 2017;2(9): 10–31 (In Russian). DOI:https://doi.org/10.17273/CADGIS.2017.2.2.

12. Dong Z, Liang F, Yang B, et al. Registration of large-scale terrestrial laser scanner point clouds: A review and benchmark. ISPRS Journal of Photogrammetry and Remote Sensing. 2020;163: 327–342. DOI:https://doi.org/10.1016/j.isprsjprs.2020.03.013.

13. Kalashnikova OV, Willebrand HA, Mayhew LM. Wavelength and altitude dependence of laser beam propagation in dense fog. Proceedings of SPIE - The International Society for Optical Engineering. 2002;4635: 279–288. DOI:https://doi.org/10.1117/12.464103.

14. Axelsson P. DEM generation from laser scanner data using adaptive TIN models. International Archives of ISPRS. 2000;XXXIII-4: 111–118.

15. Sholomitskii AA, Khannanov RR, Oleinikova EA. Osobennosti obrabotki i analiza rezul'tatov nazemnogo lazernogo skanirovaniya pri geodezicheskom monitoringe zemlyanykh damb [Features of processing and analysis of the results of terrestrial laser scanning during geodetic monitoring of earth dams]. Vestnik SSUGT. 2024;2(29): 31–40. (In Russian). DOI:https://doi.org/10.33764/2411-1759-2024-29-2-31-40.

16. Altyntsev MA, Karkokli Hamid Majid Saber. Metodika avtomatizirovannoi fil'tratsii dannykh mobil'nogo lazernogo skanirovaniya [Technique of automatic mobile laser scanning data filtering]. Bulletin of SSUGT. 2021;26(3): 5–19. (In Russian). DOIhttps://doi.org/10.33764/2411-1759-2021-26-3-5-19.

17. Amanova AK, Shirokova TA, Komissarov AV. Razrabotka metodiki trekhmernogo modelirovaniya ob"ektov situatsii i rel'efa gorodskoi territorii po dannym nazemnogo lazernogo skanirovaniya g. Tomska [Development of 3d modeling techniques for the objects of urban lands situation and relief using the data of terrestrial laser scanning in Tomsk]. Proceedings of VIII International Scientifc Congress “GEO-Siberia-2010”. In 3 vols. Vol. 3. Novosibirsk: SGGA, 2010: 79–83. (In Russian).

18. Boikov VN. SAPR avtodorog – perspektivy razvitiya [Road CAD - development prospects]. CAD & GIS for roads. 2013;1(1): 6–9 (In Russian). DOI:https://doi.org/10.17273/CADGIS.2013.1.1.

19. Rybin EN, Ambaryan SK, Anosov VV, et al. BIM-tekhnologii [BIM technology]. Proceedings of Universities. Investment. Construction. Real estate. 2019;9(1): 98–105. (In Russian). DOI:https://doi.org/10.21285/2227-2917-2019-1-98-105.

20. Yakushev DA. Avtomatizatsiya monitoringa sostoyaniya infrastruktury zh/d transporta v vysokotochnom koordinatnom prostranstve po dannym mobil'nogo lazernogo skanirovaniya [Automation of monitoring the state of railway transport infrastructure in high-precision coordinate space based on mobile laser scanning data] [dissertation]. Moscow, 2016. 191 p. (In Russian).