ارزيابي روش هاي مدل سازي و ساده سازي سطح به منظور توليد مدل سه بعدي ساختمان با استفاده از ابر نقاط متراكم

Comprehensive Evaluation of Modeling and Surface Simplification Methods for 3D Building Reconstruction from Dense Point Cloud

با توجه به توسعه الگوريتم­ها و پيشرفت تكنولوژي در اخذ اطلاعات مكاني دقيق و سه بعدي، توليد مدل­هاي سه بعدي ساختمان­­ ها به منظور ايجاد مدل­هاي مجازي شهري، به روزرساني سيستم­هاي اطلاعات مكاني، و طراحي و مديريت شهري، به يكي از مسائل مهم در زمينه فتوگرامتري و بينايي كامپيوتر تبديل گشته است. بازسازي سه بعدي ساختمان­ها، ايجاد يك مدل و نمايش رياضي از سطوح سه بعدي اجزاي ساختمان­ها است كه با بهره ­گيري از روش­هاي مختلف از قبيل روش­هاي تفسير تصويرمبنا، مدل­سازي تصويرمبنا و مدل­سازي فاصله مبنا و با استفاده از منابع داده­اي متفاوت از جمله ابر نقاط سه بعدي حاصل از تصاوير چندمنظره فتوگرامتري و يا سيستم­هاي ليزر اسكن هوايي (لايدار) امكان پذير است. در اين مقاله، روش­هاي توليد مدل سه بعدي مبتني بر تكنيك مثلث­بندي سطوح از جمله روش پواسن، روش چرخش توپ و روش مثلث­ بندي حجمي با الگوريتم مكعب­ هاي مارش و همچنين روش­هاي ساده­ سازي اين مدل­ها از قبيل روش خوشه بندي رئوس و روش كاهش رئوس با استفاده از خطاي كوادراتيك مورد بررسي و ارزيابي قرار گرفته است. به منظور ارزيابي مدل سه بعدي توليد شده توسط هر روش، از يك متريك رياضي به نام فاصله هازدورف استفاده شده است. با توجه به نتايج حاصل از اين ارزيابي، روش مثل ث­بندي حجمي با الگوريتم مكع ب­هاي مارش داراي دقت بالاتري در مدل­سازي نسبت به ساير روش­ها است، علاوه براين روش ساده­ سازي فروپاشي لبه با استفاده از خطاي كوادراتيك نسبت به ساير روش­هاي ساده ­سازي داراي عملكرد بهتري است.

3D building reconstruction is a mathematic model and representation of 3D surfaces for building details in urban areas. There are many methods for 3D modeling such as Image Based Rendering (IBR), Image Based Modeling (IBM) and Range Based Modeling (RBM). These methods use generated 3D point cloud from different techniques sources such aerial laser scanners and photogrammetry multi view imageries. In this paper, 3D model generation methods based on triangulation algorithms such as Poisson, ball-pivoting and volumetric triangulation using Marching Cubes (MC) are evaluated using a raw dense point cloud. Also two mesh simplification methods called clustering decimation and quadric edge collapse are used to improve the quality of triangulated models with decrease the surface and vertex numbers. A geometric metric called Hausdorff distance is used for comparison of each model with a reference. The results show that the accuracy of generated 3D model based on volumetric triangulation method using Marching Cubes (MC) is better than other methods. Also, quadric edge collapse method can simplified 3D models better than clustering decimation method.