由散亂點雲自動辨識結構基本物件–辨識率與精確度

Translated title of the thesis: Structural Element Recognition Directly from Scattered Point Cloud Data – Recognition Rate and Dimension Accuracy
  • 吳 承晏

Student thesis: Master's Thesis

Abstract

近年來結構物三維模型成為能夠進行資料保存、結構分析及結構健康檢測之重要儲存形式,隨著三維雷射掃描(laser scanning)技術進步,應用掃描取得之點雲資料(point cloud data PCD)重建三維模型(reconstruction)之相關研究成為重要的研究方向,然龐大且散亂之點雲資料多以費工又耗時之人工方式進行處理,因此本研究提出一套半自動化提取點雲特徵及辨識結構物件之演算流程,降低點雲模型重建時之時間與人力成本。本研究核心步驟可分為兩個部分:第一部分為自動化點雲邊界特徵提取及分群,使用Sun邊界提取演算法及Bazazian邊界提取演算法對結構物件進行邊界提取,再以具噪密度基礎分群法(DBSCAN)及交角分群法對邊界特徵點雲進行資料分群,取得分析成果並選擇較適用之演算法進行演算;第二部分為半自動化物件辨識,建立一套半自動化演算邏輯與流程,對第一部分所得成果進行誤差修正,再提出結構物件之判定邏輯與演算,分析其辨識率(recognition rate)及精確度(dimension accuracy)表現。由本研究所得之成果可得知,使用Bazazian邊界提取演算法及具噪密度基礎分群法能取得較佳之邊界提取與資料分群成果,演算時間較短且不易受雜訊影響產生誤差;半自動化物件辨識後取得80%以上之邊界特徵辨識率及100%完全準確之結構物件辨識率,結構物之物理三維資訊及斷面資訊精確度平均達95%,顯示本研究所提出之演算法具一定可信度與正確性,能夠快速且有效率地取得高辨識率及高精確度之成果。
Date of Award2018 Aug 17
Original languageChinese
SupervisorTsung-Chin Hou (Supervisor)

Cite this

由散亂點雲自動辨識結構基本物件–辨識率與精確度
承晏, 吳. (Author). 2018 Aug 17

Student thesis: Master's Thesis