این مقاله روشی را برای ثبت متریک بر اساس تصاویر کروی، که برای مستندسازی سطوح مسطح اصلاح می‌شوند، توصیف می‌کند. روش پیشنهادی یک گردش کار چند مرحله‌ای است که در آن تصاویر چندگانه مستطیل (i) از یک طرح کروی منفرد استخراج می‌شوند و (ii) برای بازیابی ویژگی‌های متریک استفاده می‌شوند. گردش کار برای مستندسازی ساختمان‌هایی با اتاق‌های کوچک و باریک مناسب است، به‌عنوان مثال، پروژه‌های مستندسازی که در آن‌ها دریافت 360 تصویر سریع‌تر از جمع‌آوری سنتی چندین عکس است. دو روش اصلاح متفاوت در اجرای فعلی ادغام شدند: (1) یک روش تحلیلی بر اساس نقاط کنترل و (ب) یک روش هندسی بر اساس دو مجموعه از خطوط موازی. محدودیت‌های مبتنی بر موازی خط را می‌توان با فاصله کانونی تصویر اصلاح‌شده برای تخمین تبدیل تصحیح‌کننده همراه کرد. محاسبه فاصله کانونی نیازی به پروژه های کالیبراسیون خاصی ندارد. می توان آن را از تصویر کروی استفاده شده در طول پروژه مستندسازی استخراج کرد و یک تصویر تصحیح شده تنها با یک ابهام در مقیاس کلی به دست آورد. برای نشان دادن مزایا و معایب روش پیشنهادی، مثال‌ها و ارزیابی دقت نشان داده شده و مورد بحث قرار گرفته‌اند.

کلید واژه ها:

تصویر 360 درجه ؛ ضبط دیجیتال ؛ هموگرافی ; اصلاح ; دوربین های کروی

1. مقدمه

اسناد متریک دیجیتال با تصاویر و اسکن های لیزری در پروژه هایی که نیاز به تحویل دقیق متریک دارند، اساسی است. قابل تحویل متریک سنتی طرح‌ها، بخش‌ها، عکس‌های ارتو، نقشه‌های دیجیتال، یا انواع مختلف مدل‌های سه‌بعدی مانند BIM، مدل‌های سطحی یا جامد، مش‌های سطحی، و مدل‌های اجزای محدود و غیره هستند [ 1 ]. امروزه استفاده از فتوگرامتری دیجیتال و اسکن لیزری یکی از رایج ترین روش های نقشه برداری دیجیتالی است که قادر به تولید رکوردهای هندسی دقیق در قالب های مختلف است.
چندین مقاله و کتاب درسی هم مفاهیم نظری و هم مسائل عملی را در پروژه های مستندسازی دیجیتالی اشیاء سه بعدی که با استفاده از تصاویر [ 2 ] و اسکن لیزری [ 3 ] انجام می شود، توصیف می کنند. خواننده برای برخی از مثال‌های مربوط به گردش‌های کاری دیجیتال با استفاده از ترکیبی از ابزارها و تکنیک‌های اندازه‌گیری به [ 4 ، 5 ، 6 ، 7 ، 8 ] مراجعه می‌کند.
هدف این مقاله نشان دادن یک راه حل جایگزین نسبتا سریع است که می تواند با 360 استفاده شود دوربین های ارزان قیمت موجود در بازار تجاری. حسگرهای ارزان قیمت در چارچوب فتوگرامتری دیجیتال محبوب تر می شوند زیرا یک دوربین دیجیتال را می توان به یک ابزار اندازه گیری تبدیل کرد [ 9 ] و مدل های سه بعدی را از بلوک ها و توالی تصاویر دیجیتال بدست آورد.
روش پیشنهادی مبتنی بر دوربین‌های قاب سنتی (که پرسپکتیو مرکزی یا سوراخ سوزنی نیز نامیده می‌شود) نیست. در اینجا، از 360 تصویر (که به آن برآمدگی های کروی یا مستطیلی هم گفته می شود) استفاده می شود و اشیاء در نظر گرفته شده سطوح مسطح، یعنی اجسام دو بعدی هستند.
مستندسازی متریک اشیاء دوبعدی در چندین پروژه، مانند مستندسازی دیجیتالی نمای ساختمان، موزاییک‌ها، و نقاشی‌ها، معمول است. در اینجا، عکس‌های اصلاح‌شده هنوز یک راه‌حل محبوب در چندین کاربرد عملی هستند.
مدل دوربین کروی در حال حاضر در نرم افزارهای تجاری برای مدل سازی سه بعدی مبتنی بر تصویر، مانند Agisoft Metashape یا Pix4Dmapper موجود است. با این حال، گردش کار بازسازی عمدتا برای مقابله با اجسام هندسه سه بعدی توسعه یافته است. در واقع، نرم‌افزارهای تجاری به تصاویر کروی متعددی نیاز دارند که از مکان‌های مختلف به دست می‌آیند، که سپس برای تولید مدل‌های بافت سه‌بعدی یا خروجی‌های اضافی (اورتوعکس، مدل‌های ارتفاعی دیجیتال و غیره) پردازش می‌شوند.
نویسندگان مختلف استفاده از فتوگرامتری کروی را برای مدلسازی سه بعدی توصیف کردند که ابزاری قدرتمند برای مستندسازی فضاهای کوچک و باریک است [ 10 ، 11 ، 12 ، 13 ، 14 ، 15 ، 16 ، 17 ، 18 ، 19 ]. جنبه های مربوط به کالیبراسیون دوربین در [ 20 ] توضیح داده شده است. ارزیابی دقت در [ 21 ، 22 ، 23 ، 24 ، 25 ، 26 ] گزارش شده است. در [ 27]، مجموعه ای از تصاویر کروی برای ادغام پروژه های فتوگرامتری انجام شده با سایر مدل های دوربین استفاده می شود.
نمونه های دیگر، از جمله پروژه های متریک و غیر متریک با تصاویر کروی، توسط نویسندگان مختلف مورد بحث قرار گرفت. به عنوان مثال، اسناد میراث حوزه ای است که در آن تصاویر کروی امکان نقشه برداری سریع از ساختمان ها و بناهای تاریخی [ 28 ، 29 ، 30 ، 31 ] از جمله مکان های در معرض خطر را فراهم می کند [ 32 ]. در [ 33 ]، تصاویر کروی به عنوان پایه ای برای کاربردهای واقعیت مجازی استفاده می شود، در حالی که یک ابزار غوطه ور توسط [ 34 ] توصیف شده است. استفاده از چنین تصاویر و یادگیری عمیق در [ 35 ] بحث شده است. کار نشان داده شده در [ 36 ] از 360 کم هزینه استفاده می کند سنسور برای مستندات صحنه جرم مرجع. [ 37 ] از تصاویر کروی برای تخمین زیست توده در جنگلداری استفاده می کند. استفاده یکپارچه از هواپیماهای بدون سرنشین و تصاویر کروی در [ 38 ] ارائه شده است.
تصاویر کروی نیز در وب موجود است. خدمات اشتراک گذاری مختلف (به عنوان مثال، 360Cities.net، Mapillary، Facebook، Kuula، Roundme، و Theta360) فرصت آپلود این نوع تصویر را ارائه می دهند. برخی از آنها به اشتراک گذاری داده ها و ایجاد تورهای مجازی را امکان پذیر می کنند.
روش ارائه شده در این نسخه خطی با پروژه های سنتی مبتنی بر فتوگرامتری کروی متفاوت است. همانطور که گفته شد فقط اجسام مسطح در نظر گرفته می شوند. اگرچه مستندات متریک دوبعدی را می‌توان با گردش کار سنتی فتوگرامتری انجام داد (اشیاء مسطح زیرمجموعه‌های پروژه‌های سه بعدی هستند)، نرم‌افزاری برای تصحیح متریک تصاویر کروی وجود ندارد.
تصحیح متریک [ 39 ] یک راه حل ضبط دیجیتالی شناخته شده است که می تواند فقط با استفاده از یک عکس انجام شود، تغییر شکل پرسپکتیو را با استفاده از محدودیت های خارجی مانند نقاط کنترل یا اطلاعات مربوط به هندسه حذف می کند (به عنوان مثال، مجموعه خطوط موازی و نسبت ابعاد شناخته شده). ). ارتفتوهای دیجیتال ایجاد شده با فتوگرامتری سه بعدی می توانند فقدان هندسه مسطح را جبران کنند. با این حال، این نیاز به یک پروژه فتوگرامتری با چندین تصویر با همپوشانی خوب دارد.
این مقاله سعی می کند از گردش کار پردازش چند مرحله ای (تطبیق تصویر، تنظیم بسته نرم افزاری، تولید یک ابر نقطه متراکم، استخراج مش یا DSM، و تولید ارتوفوتو) موجود در نرم افزار تجاری اجتناب کند. ایده این است که از یک تصویر کروی واحد و یک رویکرد تصحیح متریک مستقیم استفاده شود.
در مورد پروژه های تصحیح متریک که با تصاویر مبتنی بر مدل دوربین سوراخ سوزنی انجام می شود، اعوجاج لنز از قبل با استفاده از پارامترهای اعوجاج ناشی از یک پروژه کالیبراسیون خاص حذف می شود. بسته های تجاری مختلف مجموعه های ضریب کالیبراسیون از پیش تعریف شده را برای چندین بدنه دوربین و پیکربندی لنز ارائه می دهند.
تصاویر به دست آمده با یک دوربین کروی (همچنین 360 نامیده می شود یا برآمدگی های مستطیل شکل) دارای 360 هستند × 180 میدان دید، گرفتن کل صحنه اطراف دوربین. دوربین‌های کم‌هزینه و حرفه‌ای در بازار تجاری موجود هستند و به عکاس اجازه می‌دهند یک تصویر کروی، که معمولاً از مجموعه‌ای از لنزهای سوراخ‌دار یا چشم ماهی نصب شده بر روی 360 ایجاد می‌شود، ثبت کند. دوربین. اگرچه داده های به دست آمده 360 نیستند در تصاویر، دوخت به صورت خودکار انجام می شود تا تصویر نهایی در زمان واقعی ارائه شود.
این مقاله آنچه را که به طور خلاصه توسط [ 40 ] پیشنهاد شده بود، گسترش می‌دهد، که در آن روش‌های مختلف برای نقشه‌برداری شرایط در پروژه‌های مرمت نشان داده و مورد بحث قرار گرفت. این مقاله بر مفهوم اصلاح متریک از 360 تمرکز دارد تصاویر، توصیف الگوریتم ها با جزئیات بیشتر و برخی آزمایش های ارزیابی متریک اضافی به منظور ارائه اطلاعات در مورد دقت متریک قابل دستیابی.
ساختار مقاله به شرح زیر است. بخش 2 گردش کار کلی روش پیشنهادی برای تصحیح متریک تصاویر کروی را نشان می دهد. بخش 3 ، بخش 4 و بخش 5 زیر مراحل مختلف راه حل اجرا شده را شرح می دهد. آزمایش ها با دوربین های ارزان قیمت موجود در بازار تجاری با هزینه حدود 500 یورو انجام شد.

2. روش پیشنهادی برای تصحیح متریک تصاویر کروی

روش اصلاح متریک بر اساس یک گردش کار چند مرحله ای است که در آن محصولات مختلف از یک تصویر کروی واحد تولید می شوند. گردش کار با به دست آوردن یک تصویر کروی شروع می شود، که می توان آن را با 360 کم هزینه یا حرفه ای گرفت. دوربین‌ها یا استفاده از یک دوربین دوار و نرم‌افزار دوخت که قادر به موزاییک کردن چندین عکس است [ 41 ، 42 ]. در مورد دوربین دوار، نقطه چرخش باید مرکز پرسپکتیو باشد تا از خطاهای اختلاف منظر در مرحله دوخت جلوگیری شود.
شکل 1 فلوچارت گردش کار پیشنهادی برای استخراج تصاویر متریک را نشان می دهد.
در اینجا یک مثال برای روشن شدن راه حل اجرا شده و خروجی های مختلف ارائه شده است. شکل 2 نتایج قابل دستیابی با رویکرد اصلاح متریک پیشنهادی را با استفاده از یک تصویر کروی بازیابی شده از Google Maps نشان می دهد. این تصویر در اتاقی از آلکازار سویا (اسپانیا) به دست آمده است. وضوح تصویر 13312 × 6656 پیکسل و میدان دید تحت پوشش 360 پیکسل است. × 180 . بخش های زیر ثابت می کند که 360 کامل است × 180 (یعنی بدون برش برای محدود کردن میدان دید) تمام اطلاعات مورد نیاز برای محاسبه پارامترهای جهت گیری داخلی، یعنی مرکز کره در سیستم مرجع دوربین و فاصله کانونی (بر حسب پیکسل) f را فراهم می کند.
تصویر کروی شش تصویر تصحیح شده متریک ایجاد کرد: چهار تصویر برای دیوارهای جانبی، سقف و کف. همانطور که در شکل 3 و شکل 4 مشاهده می شود ، یک تصویر کروی منفرد که در داخل یک اتاق به دست می آید به کاربر اجازه می دهد تا تمام سطوح مختلف تخت را ثبت کند. همچنین تجسم همه جانبه ای را ارائه می دهد که به کاربر امکان می دهد موقعیت نسبی دیوارهای مختلف را درک کند. یک متخصص ضبط می‌تواند در مورد پروژه‌های اصلاح سنتی‌تر بر اساس تصاویر فریم استاندارد از یادداشت برداری اجتناب کند.
بازیابی ویژگی‌های متریک به معنای تولید یک تصویر تصحیح‌شده جدید (از لحاظ متریک) است که زوایا و نسبت‌های فاصله‌ها را فراهم می‌کند. تنها در صورتی می توان مقیاس صحیح را بازیابی کرد که برخی از اطلاعات (متری) در دسترس باشد، مانند یک فاصله شناخته شده اندازه گیری شده با نوار اندازه گیری یا مجموعه ای از نقاط کنترل جمع آوری شده با یک ایستگاه کل. به عبارت دیگر، اگر هیچ اطلاعات خارجی در مورد سطح مورد نظر وجود نداشته باشد، فرآیند یکسوسازی تحت تأثیر یک ابهام مقیاس کلی قرار می گیرد، که یکی دیگر از مزایای رویکرد پیشنهادی است که فاصله کانونی را در بر می گیرد. یک اصلاح هندسی سنتی تر به نسبت عرض به ارتفاع، یعنی دو فاصله نیاز دارد.
یک تصویر کروی را می توان به صورت مصنوعی چرخاند تا جهت مشاهده را به سمت مناطق خاصی تغییر دهد. کاربر احتمالاً با تجسم سنتی “حباب” آشنا است، که در آن جهت مشاهده را می توان به صورت تعاملی با کشیدن نقطه دید (POV) تغییر داد. این ایده در اینجا با در نظر گرفتن سطح مسطح که نیاز به اصلاح دارد تکرار می شود.
می توانیم سه زاویه زیر را برای 360 تراز شده تعریف کنیم تصویر:
  • عنوان، چرخش در اطراف جهت عمودی؛
  • چرخش، چرخش در اطراف خط دید.
  • گام، چرخش حول محور عرضی.
تغییر عنوان h بدون تغییر زیر و بم و رول همان اثر نگاه کاربر به چپ یا راست را فراهم می کند. این رایج ترین راه برای نشان دادن جهت های دید به سمت مرکز دیوار عمودی است که باید اصلاح شود. در عوض، تغییراتی از گام دوربین را به سمت بالا یا پایین می چرخاند و به کاربر این امکان را می دهد که از کف و سقف نیز عکس بگیرد.
کاربر باید بداند که ترتیب چرخش ها (در این مورد ) اساسی است. یک تغییر گام مثبت مربوط به نقطه POV به بالا است . برعکس، یعنی POV اشاره به پایین، برای به دست خواهد آمد . تغییرات رول در اصلاح ناحیه گرفته شده مفید است، عمدتاً زمانی که تصویر کروی در مرکز اتاق به دست نیامده است.
تصویر مورد استفاده برای اصلاح اولین دیوار عمودی (بالا سمت چپ در شکل 3 با تنظیم مقادیر POV = استخراج شد. . استخراج با استفاده از یک برجستگی گنومونیک انجام می شود، که اجازه می دهد تا نقاط تصویر کروی را بر روی صفحه مماس بر کره بتابانید. مرکز فرافکنی مرکز کره است.
کاربر باید میدان دید (FOV) تصویر جدید را بر اساس مدل دوربین سوراخ سوزنی (که پرسپکتیو مرکزی یا طرح ریزی مستطیل نیز نامیده می شود) تعریف کند. FOV را می توان به صورت تعاملی بزرگ یا کوچک کرد تا کل دیوار را بگیرد و روی 100 تنظیم شد. × 100 .
تصویر دوم (بالا-وسط) روی POV = تنظیم شد و FOV = 110 × 110 برای گرفتن دیوار سمت راست دیوار سوم (بالا سمت راست) دارای پارامترهای POV = است و FOV = 120 × 120 . در نهایت، دیوار چهارم (پایین-چپ) دارای POV = است و FOV = 120 × 120 . همانطور که مشاهده می شود، مقادیر FOV برای پوشش کل دیوارها که اندازه های متفاوتی دارند، تغییر یافت.
تصویر مستطیلی برای سقف (پایین و وسط) دارای پارامترهای POV = است  و FOV = 120 × 125 . کف سطح صافی است که به بزرگترین میدان دید نیاز دارد زیرا دوربین نسبتاً به سوژه بسته است. پارامترها به صورت POV = تنظیم شدند و FOV = 135 × 135 . جزئیات بیشتر در مورد استخراج تصاویر مستطیل در بخش 3 مورد بحث قرار گرفته است. پیاده سازی مورد استفاده به فایل های ابزار پانوراما، که کتابخانه ای است که برای توسعه نرم افزار Hugin استفاده می شود، متکی است. فایل ها را می توان از https://sourceforge.net/projects/panotools/files/ دانلود کرد (آخرین دسترسی در 10 مارس 2022).
آخرین مرحله یکسوسازی متریک است که بر روی تصاویر مختلف مستطیل انجام می شود. دو رویکرد متفاوت در دست نوشته نشان داده شده و مورد بحث قرار گرفته است. روش اول راه حل معمولی برای پروژه های یکسوسازی متریک دقیق برای ثبت سطوح صاف است. نقاط کنترل با یک ابزار خارجی، معمولاً یک ایستگاه کل اندازه گیری می شوند. همان نقاط در تصاویر مستطیل اندازه گیری می شود، مختصات پیکسلی به دست می آید و پارامترهای تبدیل هموگرافی محاسبه می شود. جزئیات چنین رویکردی و ارزیابی دقت در بخش 4 مورد بحث قرار گرفته است.
راه حل مورد استفاده برای تولید تصاویر متریک تصحیح شده متکی به تصاویر بدون اطلاعات خارجی است. بخش 5 نشان خواهد داد که یک هموگرافی که قادر به تصحیح یک تصویر مستطیل است را می توان از روی خط ناپدید شدن تصویر و فاصله کانونی دوربین استفاده شده تخمین زد.
سطوح مسطح با حداقل دو مجموعه از خطوط موازی امکان محاسبه خط ناپدید شدن را فراهم می کند. در مقابل، فاصله کانونی تصویر مستطیلی را می توان از اندازه پیکسل تصویر کروی به دست آورد.
بنابراین شش سطح اتاق در نظر گرفته شده بدون انجام اندازه‌گیری‌های اضافی در محل اصلاح شدند و شش تصویر با ابهام مقیاس کلی به دست آمد ( شکل 4 ). از آنجایی که سطوح دارای خطوط ناپیوستگی مشترک هستند، می توان آنها را برای کاهش تعداد فواصل شناخته شده به 1 برای کل اتاق تغییر داد.
نمای پایین سمت چپ در شکل 4 نمونه واضحی از امکان جبران تغییر شکل ها در صفحه اصلاح انتخابی است. دیوار دارای یک طاقچه داخلی است که نمی توان آن را با استفاده از روش پیشنهادی اصلاح کرد، که فقط روی صفحه شی انتخاب شده عمل می کند.

3. استخراج تصاویر مستطیل از یک برجستگی کروی

این بخش روش استخراج یک تصویر مستطیل از یک طرح کروی را توضیح می دهد که می تواند در مرحله یکسوسازی متریک استفاده شود.

ما یک برجستگی کروی (تعادل مستطیل شکل) را به عنوان یک تعریف می کنیم تصویر به دست آمده از نقشه برداری مختصات طول و عرض جغرافیایی (کروی). روی هواپیما (تصویر). با استفاده از معادلات زیر ( شکل 5 ):

برآمدگی های مستطیل شکل 360 را پوشش می دهند به صورت افقی و 180 به صورت عمودی به طوری که نسبت تصویر 2:1 باشد ( ). اجازه دهید یک کره با مرکز را در نظر بگیریم و شعاع . صفحه مماس بر کره در نقطه تصویر مستطیل جدید را نشان می دهد. نقطه دارای طول و عرض جغرافیایی است و روی خط استوا قرار دارد. نقشه برداری بر اساس یک طرح گنومونی است، یعنی از مرکز یک کره به صفحه مماس بر کره.

افقی و عمودی زاویه ها میدان دید و اندازه را تعیین می کنند (بر حسب پیکسل) از تصویر مستطیل جدید:

میدان دید عمودی و افقی (FOVs) را می توان به صورت تخمین زد .
یکی از ویژگی های اساسی تصویر مستطیل، رابطه بین فاصله کانونی آن و شعاع کره است. در واقع، اگر نقشه برداری انجام شود، فاصله کانونی تصویر مستطیلی برابر با r است و حداکثر وضوح تصویر حفظ می شود. علاوه بر این، هیچ اعوجاج بشکه یا بالشتک نیازی به اصلاح ندارد و تصویر مستطیلی را می توان یک تصویر جدید بدون اعوجاج در نظر گرفت.
شکل 6 تصاویر مستطیل استخراج شده را نشان می دهد که میدان دید را تغییر می دهند، مقادیر زاویه ها به صورت انتخاب شده است. 15 با افزایش تدریجی وضوح تصویر: 30 ، 50 ، 80 ، 110 و 150 . توصیه می شود زاویه ها را زیر 110 نگه دارید -120 ، برای کاهش تغییر شکل در لبه ها. میدان دید بسیار بزرگ منجر به ایجاد المان‌های کشیده نزدیک به لبه‌های تصویر می‌شود که باعث می‌شود طرح‌ریزی مستطیلی برای کاربرد متریک غیرقابل استفاده شود.
وضوح تصویر نهایی نیز با FOV انتخاب شده متناسب است زیرا سطح اصلی جزئیات محصور شده در طرح ریزی کروی در اجرای فعلی حفظ می شود. این بدان معنی است که هر تصویر را می توان به عنوان بخشی استخراج شده از تصویر بعدی در نظر گرفت. این به کاربر بستگی دارد که تعادل خاصی بین FOV و ناحیه ای که باید اصلاح شود پیدا کند.
استخراج تصاویر چندگانه مستطیلی بر اساس انتخاب صفحات مماس جایگزین کره در یک نقطه عمومی است. . حرکت هواپیما حالت قبلی را گسترش می دهد و معادلات طرح ریزی باید بر این اساس اصلاح شوند. با این حال، راه حل جایگزین پیاده‌سازی شده در این کار، چرخش مصنوعی پروجکشن مستطیل شکل اصلی با استفاده از عنوان، رول، و گام به ترتیب متوالی است. تغییر زاویه دید اجازه می دهد تا کره را طوری جهت دهید که نقطه مماس شود ، بدون نیاز به اصلاح اجرای فعلی.

4. تصحیح تصویر کروی با نقاط کنترل

یکسوسازی متریک با استفاده از نقاط کنترل راه حل معمولی برای مستندسازی دیجیتال دقیق سطوح مسطح است. نقاط کنترل معمولاً با ابزارهایی که قادر به ارائه مختصات شی در یک سیستم متریک هستند اندازه گیری می شوند. حالت معمولی بر اساس نقاط کنترلی است که با یک ایستگاه کل بدون بازتابنده اندازه گیری می شود. سپس، کاربر باید نقاط تصویر مربوطه را انتخاب کرده و پارامترهای تبدیل از تصویر به فضای شی را محاسبه کند. بخش بعدی یک راه حل ممکن برای مسئله تخمین را معرفی می کند.

4.1. تخمین هموگرافی با استفاده از تناظرهای تصویر به شی

هموگرافی تبدیل بین یک جسم مسطح و تصویر مستطیل متناظر استخراج شده از برجستگی کروی است. تخمین پارامتر را می توان با استفاده از هندسه تصویری انجام داد.
نقطه ای در فضای ۲ اقلیدسی دارای مختصات ناهمگن است . افزودن یک مختصات اضافی به جفت یک سه گانه جدید ایجاد می کند . می گوییم این 3 بردار همان نقطه در مختصات همگن است (برای هر غیر صفر ). یک بردار همگن نقطه را نشان می دهد که در .

یک هموگرافی مسطح (که تبدیل تصویری نیز نامیده می شود) با a نشان داده می شود ماتریس با 8 درجه آزادی:

که می تواند به شکل زیر ریخته شود:

ممکن است صورت را در مخرج ضرب کنیم تا دو معادله خطی بدست آوریم:

مقادیر پارامترها را می توان از نقاط مربوطه . آخرین عنصر از را می توان تنظیم کرد برای در نظر گرفتن ابهام مقیاس

یک سیستم معادلات را می توان به صورت زیر نوشت:

یا با نماد فشرده تر .

اگر بیش از چهار نقطه مطابقت داده شود (مجموعه معادلات بیش از حد تعیین شده)، راه حل دقیق نیست. راه حل حداقل مربعات:

4.2. راه حل جایگزین از طریق تجزیه ارزش منفرد

یک راه حل جایگزین برای محاسبه هموگرافی یکسو کننده مبتنی بر استفاده از مختصات همگن است. معادله می توان با استفاده از محصول به شکل راحت تری ریخته گری کرد . شکل صریح به شرح زیر است:

جایی که ، ، و ردیف های ماتریس هستند . این دو معادله را به دست می‌دهد (معادله سوم به صورت خطی مستقل نیست):

و سیستم نهایی فرم دارد (خطی در ناشناخته ). راه حل بی اهمیت می توان با استفاده از محدودیت اجتناب کرد . یک راه حل برای حل این سیستم، انجام تجزیه مقادیر منفرد (SVD) روی ماتریس است . SVD ماتریس را فاکتور می کند به یک ماتریس مورب و دو ماتریس مورب و به شرح زیر است:

راه حل با ستون آخر داده شده است (در SVD سفارش داده شده).

4.3. ارزیابی کیفیت متریک

سه جسم مرجع با هندسه مسطح با نصب 31 هدف بر روی سه صفحه عمود بر هم ایجاد شد: دو دیوار عمودی W1 و W2 و کف F. مختصات مرجع با یک ایستگاه کل Leica TS30 اندازه‌گیری شد و مختصات سه‌بعدی به دست آمد. با دقت حدود 1± میلی متر.
یک عدد 360 تصویر با یک Insta 360 One R به دست آمد که دارای دو لنز چشم ماهی در جلو و عقب است [ 43 ]. تصویر نهایی (پس از دوخت) دارای وضوح 6080 × 3040 پیکسل است. یک تصویر تصویری با مکان سه صفحه در شکل 7 نشان داده شده است .
استخراج سه تصویر مستطیلی با تغییر مقادیر سرفصل، گام و رول انجام شد تا مرکز برجستگی مستطیل شکل به مرکز هر دیوار نزدیک شود. زوایای انتخاب شده بودند ، ، و . میدان دید تصاویر مستطیلی روی 100 تنظیم شد × 100 .
پس از ایجاد تصاویر مستطیل، تصویر مختصات می شود به صورت دستی اندازه گیری شدند. مجموعه مختصات شی در عوض با استفاده از چرخش به سه گروه جدید تقسیم شد، سیستم مرجع را در صفحه دیوارها قرار داد و مجموعه ای از مختصات حقیقت زمین را به دست آورد. ، که در آن .
سه سیستم مختلف از معادلات خطی نوشته و حل شد و پارامترهای اصلاح متریک را به دست آورد. پس از محاسبه بردار حل h ، می توان تصاویر را به صورت متریک تصحیح کرد. دوازده نقطه برای دو دیوار عمودی W1 و W2 استفاده شد، در حالی که تنها هفت هدف در طبقه F قرار گرفت.
شکل 8 سه تصویر مستطیلی استخراج شده را نشان می دهد که میدان دید مربعی (در بالا) را تنظیم می کند. تصاویر متریک اصلاح شده در قسمت پایین شکل نشان داده شده است. همانطور که مشاهده می شود، سیستم مرجع مختصات شیء در امتداد دیوارها هدایت نمی شود. تصویر طبقه بسته به جهت افقی پروژه ایستگاه کل چرخانده می شود.
بردار باقیمانده حداقل مربعات را می توان به صورت محاسبه کرد ، و واریانس خلفی است . فرمول بر اساس حداقل مربعات معمولی (شرح شده در بخش 4.1 ) استفاده شد.
یک نمودار با باقیمانده های محاسبه شده برای دیوارهای مختلف در شکل 9 و شکل 10 نشان داده شده است . دیوار W1 دارای باقیمانده‌های کوچک‌تری نسبت به W2 است، علی‌رغم اینکه فاصله دوربین تا شی مشابه است، که منجر به فاصله نمونه‌برداری از زمین (GSD) در حدود 0.0015 متر برای هر دو دیوار می‌شود. مقادیر برای به ترتیب 0.002 ± میلی متر و 0.011 ± میلی متر بودند.
نتایج بهتر به دست آمده برای W1 را می توان با توجه به زوایای چرخش انتخاب شده توضیح داد ، نشان می دهد که سنسور چشم ماهی مستقیماً به مرکز دیوار اشاره می کند. در مورد W2، تصویر کروی حاصل دوخت بخشی از تصاویر جلو و عقب است. ملاحظات مشابهی را می توان به تصویر کف تعمیم داد، که حتی باقیمانده های بزرگتری را نشان می دهد.

5. اصلاح هندسی بر اساس فاصله کانونی و خط ناپدید شدن

5.1. شرح روش اجرا شده

فاصله کانونی پیش‌بینی مستطیلی همراه با دو مجموعه از خطوط موازی (نه لزوماً متعامد) امکان بازیابی ویژگی‌های متریک را تا یک ضریب مقیاس فراهم می‌کند، که سپس می‌توان آن را با یک فاصله مشخص بازیابی کرد.
همانطور که فاصله کانونی تصویر مستطیل استخراج شده از برجستگی کروی با شعاع مطابقت دارد. یکسوسازی هندسی بر اساس مجموعه‌ای از خطوط موازی را می‌توان بدون نسبت ابعادی مشخص انجام داد، که رویکرد سنتی‌تر برای اصلاح هندسی است.

ماتریس کالیبراسیون را در نظر می گیریم تصویر مستطیل:

شناسایی هموگرافی تصحیح کننده به خط ناپدید شدن هواپیما نیاز دارد. یک خط عمومی در صفحه با معادله نشان داده می شود . یک خط را می توان با یک بردار شناسایی کرد . یک نقطه روی خط دراز می کشد اگر و تنها اگر .
خط ناپدید شدن را می توان از دو مجموعه از خطوط موازی محاسبه کرد [ 44 ]. اول، یک نقطه ناپدید شدن می توان از تقاطع خطوط تخمین زد و با استفاده از محصول همانطور که در شکل 11 نشان داده شده است. سپس، ماتریس کالیبراسیون و خط ناپدید شدن جهت صفحه جسم را با توجه به دوربین ارائه می دهند. طبیعی به هواپیما است .
تصویر را می توان به صورت مصنوعی چرخاند تا یک تصویر اصلاح شده جدید با یک هموگرافی ایجاد شود ، به این معنی است که بردار یکپارچه باید در امتداد محور نوری دوربین قرار گیرد .
ماتریکس از مجموعه ای از بردارها تشکیل شده است که یک مجموعه متعارف را تشکیل می دهد .
تصویر تصحیح شده دارای یک ابهام اضافی به دلیل چرخش است زیرا تعداد نامتناهی بردار عمود بر آن وجود دارد. ، منجر به یک سیستم معادلات کم تعیین شده می شود. برای محاسبه بردار دوم باید قیود اعمال شود . در نهایت آخرین بردار یکپارچه را می توان با یک محصول متقاطع تخمین زد.

5.2. ارزیابی دقت متریک

ارزیابی دقت متریک روش اجرا شده با استفاده از همان تصویر کروی استفاده شده در بخش قبل انجام شد. خطوط عمودی و افقی دیوارها ابتدا با ایستگاه کل بررسی شدند تا متعامد بودن متقابل آنها بررسی شود. سپس تصحیح تصویر با اندازه گیری خطوط در تصاویر و محاسبه دو نقطه ناپدید و خط ناپدید شدن انجام شد.
این آزمایش تنها با استفاده از دو دیوار عمودی انجام شد زیرا بازرسی با ایستگاه کل نشان داد که پلان اتاق شکل ذوزنقه‌ای دارد. دو دیوار عمودی به اندازه کافی مستطیل شکل هستند، با اختلافات در حدود ± 2-3 میلی متر.
دو تصویر متریک اصلاح شده برای دو دیوار ایجاد شد. ارزیابی دقت متریک با تخمین تبدیل شباهت بین مختصات پیکسل تصویر تصحیح شده انجام شد. و شیء مربوطه مختصات پس از تنظیم سیستم مرجع به موازات دیوار در نظر گرفته شده با یک ایستگاه کل اندازه گیری می شود.
استفاده از یک تبدیل تشابه اضافی اعمال شده بر روی تصویر تصحیح شده متریک، امکان مقایسه مستقیم بین مجموعه نقاط کنترل کل ایستگاه را فراهم می کند. روش اصلاح متریک بر اساس فاصله کانونی و خط ناپدید شدن دارای یک ابهام مقیاس و همچنین یک ابهام چرخش اضافی به دلیل انتخاب انجام شده برای . یک تبدیل تشابه اضافی می تواند تراز دو سیستم مرجع را بدون تغییر شکل تصاویر اصلاح شده بازیابی کند.

تبدیل را می توان به صورت زیر نوشت:

جایی که زاویه چرخش است، ضریب مقیاس، و یک بردار ترجمه جزء برای تغییر جهت محور نیاز به علامت منفی دارد. در واقع، مختصات تصویر با استفاده از سیستمی با مبدا در گوشه سمت چپ بالای تصاویر اندازه گیری می شود و محور رو به پایین است در مقابل، مختصات مرجع اندازه گیری شده با کل ایستگاه در یک سیستم به سمت بالا هستند. بنابراین برای معکوس کردن جهت آن منفی می شود.

معادلات قبلی را می توان به صورت خطی ریخت:

با تعویض و . با توجه به مجموعه ای از مکاتبات ، ممکن است یک سیستم خطی از معادلات بنویسیم که بتوان آن را با حداقل مربعات حل کرد:

باقیمانده‌ها در شکل 12 نشان داده شده‌اند و تأیید می‌کنند که نتایج بهتری مانند بخش قبل برای W1 هنوز به دست آمده است. اختلاف بین دو دیوار به طور قابل توجهی بیشتر از موارد استفاده از نقاط کنترل است.

6. ملاحظات و نتیجه گیری

این مقاله روشی را برای تصحیح تصویر با استفاده از تصاویر کروی شرح داد. بازیابی خواص متریک اجسام مسطح یک نیاز رایج در چندین رشته فنی است که به مستندات دیجیتالی دقیق نیاز دارند.
تفاوت بین یکسوسازی متریک سنتی و روش پیشنهادی استفاده از تصاویر کروی است. چنین تصاویری را می توان با 360 کم هزینه به دست آورد دوربین‌ها و امکان مستندسازی سریع را فراهم می‌کنند زیرا دوربین را می‌توان به هر جهتی هدایت کرد و کل صحنه اطراف عکاس را ثبت کرد.
چون 360 دوربین‌های ارزان‌قیمت با وضوح بهتر در بین کاربران رایج‌تر می‌شوند، استفاده از تصاویر آنها برای برنامه‌های متریک فرصت‌های جدیدی را برای متخصصان مختلف که به اسناد متریک نیاز دارند، باز می‌کند.
بسته های فتوگرامتری که مدل های سه بعدی را با استفاده از توالی تصاویر کروی تولید می کنند، در حال حاضر در بازار تجاری موجود هستند. با این حال، راه حلی برای تصحیح متریک دوبعدی بر اساس مدل دوربین کروی وجود ندارد.
360 تصاویر مورد استفاده برای کاربردهای متریک در مقایسه با جریان کار سنتی فتوگرامتری با دوربین‌های مبتنی بر فریم، دارای چندین مزایا و معایب هستند. همانطور که در مقدمه ذکر شد، نویسندگان مختلف قبلاً موضوع مدل سازی سه بعدی را با چنین تصاویری بررسی کرده اند. در عوض، مورد تصحیح متریک با یک 360 واحد تصویر جدید است و کاربردهای عملی در ادبیات علمی موجود نیست.
روش پیشنهادی باید در رویکردهای اصلاح سنتی برای مستندسازی سریع سطوح مسطح در فضاهای باریک، به ویژه برای فضای داخلی ساختمان‌هایی با چندین اتاق، ادغام شود. وضوح تصویر قابل دستیابی (یعنی فاصله نمونه برداری از زمین از تصویر تصحیح شده) و دقت متریک آن را نمی توان با نتایج با رویکرد اصلاح سنتی تر مقایسه کرد. اگرچه 360 تصاویر دارای وضوح بالا (به عنوان مثال، بالاتر از 18 یا 20 مگاپیکسل)، میدان دید بزرگ زیر زاویه 360 هستند. × 180 منجر به GSD می شود که نشان دهنده 5 تا 6 برابر بدتر از اصلاحی است که با یک دوربین قاب انجام می شود.
با این حال، نظر نگارنده این است که تصحیح با 360 تصاویر می توانند برای آن دسته از کاربردهای متریک مناسب باشند که در آن چندین سطح داخلی ساختمان باید به سرعت با دقت متریک ± 2-4 سانتی متر مستند شود، تعداد تصاویر جمع آوری شده محدود شود و زمینه کلی با استفاده از 360 فراهم شود. خود تصاویر به عنوان 360 تصویر یک تجسم همه جانبه (حبابی) از کل فضا را ارائه می دهد، برای کاربر ساده است که اتاقی را که تصویر در آن به دست آمده و محل دیوارهای اتاق را تشخیص دهد.
گردش کار پیاده سازی شده بر تبدیل اولیه تصویر کروی به یک تصویر مستطیل با استفاده از یک نقشه برداری gnomonic متکی است. دیدگاه کاربر را می توان به سمت سطح مسطح که نیاز به اصلاح متریک دارد، جهت داد. اندازه میدان دید را نیز می توان به صورت تعاملی بسته به اندازه منطقه تغییر داد.
سپس تصویر مستطیلی را می توان با استفاده از دو راه حل به صورت متری تصحیح کرد: (1) استفاده از نقاط کنترل برای تخمین پارامترهای هموگرافی یا (ب) یک رویکرد هندسی بر اساس خط ناپدید شدن همراه با فاصله کانونی تصویر مستطیل، که می تواند استخراج شود. از شعاع کره این روش دوم به کاربران اجازه می‌دهد تا ویژگی‌های متریک را تا یک ابهام مقیاس کلی بازیابی کنند، که با اندازه‌گیری یک فاصله قابل حذف است. خط ناپدید شدن هواپیما را می توان در عوض با استفاده از حداقل دو مجموعه از خطوط موازی محاسبه کرد.
آزمایش‌های ارزیابی متریک نشان داد که نقاط کنترل دقتی را تا فاصله نمونه‌برداری از زمین از تصویر مستطیلی استخراج‌شده از طرح‌بندی کروی ارائه می‌کنند. استفاده از روش هندسی زمانی ساده و مؤثر است که اشیا دارای مجموعه‌ای از خطوط موازی باشند. در این حالت دوم، کاربر باید بداند که تصویر متریک به‌دست‌آمده تحت‌تاثیر یک ابهام مقیاس کلی قرار می‌گیرد که می‌تواند با یک فاصله مشخص حذف شود.
در پایان، یک نکته مهم قابل ذکر است. نویسندگان تصاویر کروی مورد استفاده در این مقاله را طی ارزیابی متریک با دوربین ارزان قیمت Insta One R به دست آوردند. بسته به موقعیت سطح و لنزهای چشم ماهی جلو و عقب، نتایج متفاوتی برای سطوح مشابه در پیکربندی های پروژه مشابه به دست آمد. نتایج برای دیوارهای گرفته شده با استفاده از لنز جلو بهتر از لنزهای رو به عقب بود و نشان می‌دهد که دوخت دو تصویر باعث ایجاد برخی تغییر شکل‌ها در تصویر کروی می‌شود.

منابع

  1. ویگرت، آ. دادا، ا. کانو، جی. بایود، سی. فای، س. سانتانا کوینترو، ام. مروری بر فناوری‌های ضبط برای ساخت دیجیتال در حفاظت از میراث. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2019 ، 42 ، 773-778. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  2. لومان، تی. رابسون، اس. کایل، اس. بوهم، جی. فتوگرامتری با برد نزدیک و تصویربرداری سه بعدی . De Gruyter: برلین، آلمان، 2013. [ Google Scholar ] [ CrossRef ][ Green Version ]
  3. ووسلمن، جی. Maas, H. اسکن لیزری هوابرد و زمینی . Whittles Publishing: Dunbeath، UK، 2010. [ Google Scholar ]
  4. سانتانا کوینترو، ام. استفاده از گردش‌های کاری دیجیتال برای حفاظت از مکان‌های تاریخی. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی طاق ISPRS. 2017 ، 42 ، 9-14. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  5. اسمیت، ال. گردش‌های کاری Quintero، MS Digital برای حفاظت و پایداری مکان‌های تاریخی. J. Cult. میراث. مدیریت حفظ کنید. توسعه دهنده 2018 ، 8 ، 402-404. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  6. لرما، جی ال. کابرلس، ام. ناوارو، اس. فابادو، اس. از عکاسی دیجیتال تا فتوگرامتری برای مستندسازی و انتشار میراث فرهنگی. Disegnarecon 2013 ، 6 ، 1-8. [ Google Scholar ] [ CrossRef ]
  7. فاسی، ف. آشیل، سی. Fregonese, L. بررسی و مدلسازی مناره اصلی کلیسای جامع میلان با استفاده از منابع داده های متعدد. فتوگرام ضبط 2011 ، 26 ، 462-487. [ Google Scholar ] [ CrossRef ]
  8. فاسی، ف. آشیل، سی. ماندلی، ا. پرفتی، ال. Polari, C. ضبط بلوک های مرمر کلیسای جامع میلان: هم افزایی بین تکنیک های بررسی پیشرفته. در مجموعه مقالات کنفرانس های بین المللی جامعه ماسونری، میلان، ایتالیا، 9 تا 11 ژوئیه 2018؛ صص 2124–2134. [ Google Scholar ]
  9. Shults, R. فرصت های جدید فتوگرامتری کم هزینه برای حفاظت از میراث فرهنگی. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی طاق ISPRS. 2017 ، 42 ، 481-486. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  10. کیم، اچ. هیلتون، A. بازسازی صحنه سه بعدی از چندین جفت استریو کروی. بین المللی جی. کامپیوتر. Vis. 2013 ، 104 ، 94-116. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. فانگی، جی. Nardinocchi، C. پردازش فتوگرامتری پانورامای کروی. فتوگرام ضبط 2013 ، 28 ، 293-311. [ Google Scholar ] [ CrossRef ]
  12. بارازتی، ال. پرویتالی، م. Roncoroni, F. مدلسازی سه بعدی با دنده 360 سامسونگ . قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی طاق ISPRS. 2017 ، 42 ، 85-90. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  13. کویاتک، ک. Tokarczyk, R. کاربردهای فتوگرامتری دوربین های فیلمبرداری همهجانبه. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2014 ، 2 ، 211-218. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  14. فانگی، جی. پیردیکا، آر. استوری، م. Malinverni، ES بهبود فتوگرامتری کروی با استفاده از دوربین‌های OMNI 360 درجه: موارد استفاده و برنامه‌های کاربردی جدید. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی طاق ISPRS. 2018 ، 42 ، 331-337. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. ماتزن، ک. کوهن، MF; ایوانز، بی. کوپف، جی. Szeliski, R. عکاسی و فیلمبرداری استریو 360 کم هزینه. ACM Trans. نمودار. 2017 ، 36 ، 148. [ Google Scholar ] [ CrossRef ]
  16. گوتاردی، سی. Guerra, F. تصاویر کروی برای میراث فرهنگی: بررسی و مستندسازی با NIKON KM360. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی طاق ISPRS. 2018 ، 42 ، 385-390. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  17. استرچا، سی. زولر، آر. روتیشاوزر، اس. Brot، B. اشنایدر زاپ، ک. شوانکووا، وی. کرول، ام. Glassey, L. ارزیابی کیفیت بازسازی سه بعدی با استفاده از سنسورهای چشم ماهی و پرسپکتیو. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2015 ، 2 ، 215-222. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  18. هربان، اس. کوستانتینو، دی. Alfio، VS; پپه، ام. استفاده از دوربین‌های کروی کم‌هزینه برای دیجیتالی کردن ساختارهای میراث فرهنگی در ابرهای نقطه‌ای سه‌بعدی. J. Imaging 2022 , 8 , 13. [ Google Scholar ] [ CrossRef ]
  19. Escher, T. فتوگرامتری کروی با دوربین پانونو . gis.Business: برلین، آلمان، 2018; ص 26-28. [ Google Scholar ]
  20. آقایاری، س. سعادت سرشت، م. امیدعلیزرندی، م. نویمان، I. کالیبراسیون هندسی دوربین ریکو تتا پانورامیک کامل کروی. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2017 ، 4 ، 237-245. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. بارازتی، ال. پرویتالی، م. Roncoroni، F. آیا می توانیم از دوربین های 360 درجه ارزان قیمت برای ایجاد مدل های سه بعدی دقیق استفاده کنیم؟ بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی طاق ISPRS. 2018 ، 42 ، 69-75. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  22. سان، ز. Zhang، Y. ارزیابی دقت ویدئوگرامتری با استفاده از یک دوربین کروی کم هزینه برای میراث معماری باریک: یک مطالعه مشاهده‌ای با خطوط پایه متغیر و فیلترهای تاری. Sensors 2019 , 19 , 496. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  23. پرامولیو، اچ. هارتو، AB; مرتوتاروئنو، SH; مورتیوسو، الف. به سوی دقت مدل سه بعدی بهتر با فتوگرامتری کروی . یادداشت های سخنرانی در اطلاعات جغرافیایی و نقشه برداری. Springer: Cham, Switzerland, 2017; صص 107-120. [ Google Scholar ]
  24. برونو، ن. Roncella, R. ارزیابی دقت مدل‌های سه بعدی تولید شده از تصاویر نمای خیابان Google. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2019 ، 42 ، 181-188. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. زی، دی. ژونگ، آر. وو، ی. فو، اچ. هوانگ، ایکس. Sun, Z. تخمین وضعیت نسبی و تأیید صحت تصویر پانورامای کروی. Cehui Xuebao/Acta Geod. کارتوگر. گناه 2017 ، 46 ، 1822-1829. [ Google Scholar ]
  26. کوی، تی. جی، اس. شان، جی. گونگ، جی. Liu, K. ثبت تصاویر پانوراما بر اساس خط و ابرهای نقطه LiDAR برای نقشه برداری موبایل. Sensors 2017 , 17 , 70. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  27. بارازتی، ال. پرویتالی، م. Roncoroni، F. Valente, R. اتصال به داخل و خارج از طریق تصاویر 360 درجه برای فتوگرامتری در فاصله نزدیک. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2019 ، 42 ، 87–92. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  28. پیزا، سی. زپا، اف. فنگی، جی. فتوگرامتری کروی برای میراث فرهنگی – صومعه سن گالگانو و تئاتر رومی، سابراتا. جی. کامپیوتر. فرقه میراث. 2011 ، 4 ، 9. [ Google Scholar ] [ CrossRef ]
  29. پریزمن، OEC؛ Barazzetti، L. دستیابی کم هزینه سه بعدی داده های هندسی برای میراث زنده: تلاش برای ثبت پودو مانداپام، مادورای. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی طاق ISPRS. 2021 ، 46 ، 555-562. [ Google Scholar ] [ CrossRef ]
  30. Losè, LT; چیابراندو، اف. Tonolo، FG مستندسازی محیط های پیچیده با استفاده از دوربین های 360 درجه. برج ناقوس سانتا مارتا در مونتانارو. Remote Sens. 2021 , 13 , 3633. [ Google Scholar ] [ CrossRef ]
  31. Fangi, G. برخی از اسناد متریک میراث فرهنگی در لهستان توسط فتوگرامتری کروی . یادداشت های سخنرانی در اطلاعات جغرافیایی و نقشه برداری. Springer: Cham, Switzerland, 2018; ص 189-203. [ Google Scholar ]
  32. Fangi, G. مستندسازی برخی موارد اضطراری میراث فرهنگی در سوریه در اوت 2010 توسط فترامتری کروی. ISPRS Ann. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2015 ، 2 ، 401-408. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. کووا، م. لولوا، م. Maldjanski، P. ادغام پانوراماها و نقشه های کروی برای تجسم اشیاء میراث فرهنگی با استفاده از فناوری واقعیت مجازی. Sensors 2017 , 17 , 829. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  34. آرگریو، ال. اکونومو، دی. بوکی، وی. روش‌شناسی طراحی برای برنامه‌های ویدیویی همهجانبه 360 درجه: مطالعه موردی یک تور مجازی میراث فرهنگی. پارس محاسبات همه جا حاضر. 2020 ، 24 ، 843-859. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  35. کارارا، جی. حاجی، ر. Poux، F. تقویت معنایی ابر نقطه سه بعدی: نمونه‌بندی نمونه‌ای از پانوراماهای 360 درجه با تکنیک‌های یادگیری عمیق. Remote Sens. 2021 , 13 , 3647. [ Google Scholar ] [ CrossRef ]
  36. آبات، دی. توشی، آی. Sturdy-Colls، C.; Remondino، F. دوربین پانوراما ارزان قیمت برای مستندسازی سه بعدی صحنه های جرم آلوده. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی طاق ISPRS. 2017 ، 42 ، 1-8. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  37. دای، ایکس. دوسی، ام جی. وانگ، اچ. یانگ، تی. هسو، ی. اوگیلوی، جی. برآوردهای Kershaw، JA Biomass از نمونه‌برداری فرعی بخش از تصاویر کروی 360 درجه به دست آمده است. جنگلداری 2021 ، 94 ، 565-575. [ Google Scholar ] [ CrossRef ]
  38. احسان الدین، ت. افریانی، AR ترکیبی از فتوگرامتری کروی و پهپاد برای مدل سازی سه بعدی. در مجموعه مقالات مجموعه کنفرانس IOP: زمین و علوم محیطی، شانگهای، چین، 19 تا 22 اکتبر 2017. جلد 98. [ Google Scholar ]
  39. لیبوویتز، دی. Zisserman، A. تصحیح متریک برای تصاویر پرسپکتیو از هواپیما. در مجموعه مقالات کنفرانس IEEE Computer Society on Computer Vision and Pattern Recognition، سانتا باربارا، CA، ایالات متحده آمریکا، 23-25 ​​ژوئن 1998. صص 482-488. [ Google Scholar ]
  40. بارازتی، ال. پرویتالی، م. Scaioni, M. رویه‌های نگاشت شرایط با استفاده از تصاویر 360 درجه. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 34. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  41. براون، ام. لو، DG تشخیص پانوراما. در مجموعه مقالات کنفرانس بین المللی IEEE در بینایی کامپیوتر، واشنگتن، دی سی، ایالات متحده آمریکا، 23 تا 26 اکتبر 2003. جلد 2، ص 1218–1225. [ Google Scholar ]
  42. براون، ام. Lowe، DG دوخت خودکار تصویر پانوراما با استفاده از ویژگی‌های ثابت. بین المللی جی. کامپیوتر. Vis. 2007 ، 74 ، 59-73. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  43. کامپوس، مگابایت؛ Tommaselli، AMG; مارکاتو جونیور، جی. Honkavaara, E. مدل هندسی و ارزیابی یک سیستم تصویربرداری چشم ماهی دوگانه. فتوگرام ضبط 2018 ، 33 ، 243-263. [ Google Scholar ] [ CrossRef ]
  44. لیو، تی. خو، دبلیو. یین، ایکس. ژائو، X. تصحیح متریک مسطح از تصویر پرسپکتیو از طریق نقطه ناپدید شدن عمودی. در مجموعه مقالات هفتمین کنگره بین المللی پردازش تصویر و سیگنال 2014، CISP 2014، دالیان، چین، 14 تا 16 اکتبر 2014. صص 498-502. [ Google Scholar ]
Ijgi 11 00248 g001 550
شکل 1. گردش کار توسعه یافته برای تصحیح متریک چندین تصویر از یک طرح کروی منفرد.
Ijgi 11 00248 g002 550
شکل 2. تصویر کروی که در آلکازار سویل (اسپانیا) به دست آمده است.
Ijgi 11 00248 g003 550
شکل 3. شش تصویر مستطیلی که از یک تصویر کروی منفرد با استفاده از یک برجستگی gnomonic همراه با چرخش ایجاد شده است.
Ijgi 11 00248 g004 550
شکل 4. شش تصویر تصحیح شده متریک برای سطوح مسطح ایجاد شده است.
Ijgi 11 00248 g005 550
شکل 5. تبدیل از مختصات کروی به مختصات پیکسل بر اساس یک طرح ریزی مستطیل شکل.
Ijgi 11 00248 g006 550
شکل 6. همان برجستگی مستطیلی که از یک تصویر کروی استخراج شده است. شکل اثر یک FOV متغیر را نشان می دهد.
Ijgi 11 00248 g007 550
شکل 7. شی مرجع از سه سطح متعامد تشکیل شده است که با یک تصویر کروی اندازه گیری شده است که در این شکل تا حدی برش داده شده است.
Ijgi 11 00248 g008 550
شکل 8. ( بالا ): سه تصویر مستطیل استخراج شده از یک طرح کروی منفرد. ( پایین ): تصاویر متریک تصحیح شده.
Ijgi 11 00248 g009 550
شکل 9. باقیمانده ها بر حسب متر برای اهداف مختلف روی دیوارها.
Ijgi 11 00248 g010 550
شکل 10. باقیمانده ها بر حسب متر برای اهداف مختلف روی سقف.
Ijgi 11 00248 g011 550
شکل 11. باقیمانده ها بر حسب متر برای اهداف مختلف.
Ijgi 11 00248 g012 550
شکل 12. باقیمانده ها بر حسب متر برای اهداف مختلف.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید