بخشی از مقاله
چکیده
این روزها سیستمهای لیدار متحرک زمینی پیشرفت بسیاری داشته و برای نقشهبرداری مسیرها با سرعت و دقت بالا بسیار مورد استفاده قرار میگیرند. با توجه به چگالی بالای دادههای این سیستمها، برای شناسایی عوارض موجود در جادهها نیازمند الگوریمهای جدیدی هستیم.
با توجه به اهمیت بالای شناسایی اتوماتیک عوارض در تهیه و بروز رسانی نقشههای شهری و مسیرها، در این مقاله روشی برای شناسایی تیرهای برق از دادههای ابرنقاط لیدار متحرک زمینی ارائه شده است. بخشهای اصلی روش پیشنهادی عبارتند از: .1 حذف نقاط زمینی .2 استخراج اجزای به هم پیوسته .3 تولید ویژگیهای هندسی .4 استخراج تیرهای برق. این روش بر روی یک جاده روستایی دارای عوارض مختلف پیادهسازی شده و شاخصهای 0/80، 0/72 و 0/62، که به ترییب بیانگر کامل بودن، صحت و کیفیت میباشند، حاصل شد. ×
-1 مقدمه
سیستمهای فاصلهیابی لیزری - لیدار - متحرک 1 زمینی با استفاده از ترکیب یک یا چند لیزر اسکنر، سیستم موقعیت یابی ماهوارهای، واحد اندازهگیری اینرسیایی2، شاخص اندازهگیری فاصله و دوربین دیجیتال عمل میکنند1] و .[ 2 این سیستم های برای جمعآوری دادههای مکانی سه بعدی مسیرهای جادهای برای نواحی وسیع با یک سرعت رانندگی متوسط استفاده میشوند. به دلیل چگالی و صحت بالای سیستمهای لیدار این روزها از این سیستمها به صورت وسیع در نقشهبرداری آزادراهها [3]، مسیرهای داخل شهری 4] و [5 و شناسایی عوارض جادهای6] و [7 استفاده میشود
در همین راستا عوارض میلهای، شامل: چراغهای روشنایی و علائم ترافیکی واقع در کنار جادهها، نمونهای از عمومیترین عوارضی هستند که در مسیرها وجود دارند. علائم ترافیکی، که سهم عمدهای از عوارض جادهای را شامل میشوند، نقش بسیار مهمی در حمل و نقل، ایمنی جادهها و هدایت جادهها بازی میکنند. نظارت و مدیریت چراغهای روشنایی برای افزایش امنیت جادهها امری ضروری است.
در این میان شناسایی عوارض میلهای چه در شناسایی علائم ترافیکی و چه در شناسایی چراغهای رانندگی ضروری بوده و باقی مراحل کار را سادهتر مینماید. عموما عوارض میله ای گرد و بلند از مواد مختلفی ساخته شدهاند و دارای ارتفاع و شعاع مختلف هستند. هرچند در بررسی یک منطقه نه چندان بزرگ این مشخصات اکثرا شبیه هم میباشد. البته در اکثر مواقع در ایران چراغهای روشنایی رو تیرهای برق قرار داشته و این تیرهای برق دارای سطح مقطع مستطیلی هستند. برهمین اساس در سالهای اخیر شناسایی عوارض میلهای در کنار جادهها توجه بسیاری از محققین در این زمینه را به خود جذب کرده است.
چگالی متوسط ابرنقاط جمعآوری شده توسط سیستمهای لیزراسکنر متحرک3 زمینی میتواند به 4000 نقطه در متر مربع، در سرعت متوسط حرکت 50 km/h، برسد. بنابراین این دادهها برای شناسایی تیرهای برق بسیار مناسب به نظر میرسند. در این مقاله روشی کاربردی برای استخراج تیرهای برق به صورت مستقیم از دادههای ابرنقاط MLS در یک مسیر روستایی ارائه میشود. روش پیشنهادی به 5 قسمت اصلی تقسیم میشود که عبارتند از: .1 پیشپردازش .2 حذف نقاط زمینی . 3 استخراج اجزای به هم پیوسته.4 4 تولید ویژگیهای هندسی .5 استخراج تیرهای برق بر اساس فاصله باتاچاریا.
-2 پیشینه تحقیق
در این بخش به بررسی مقالههای مربوط به شناسایی عوارض از دادههای لیدار متحرک زمینی میپردازیم. روشهای عمومی شناسایی عوارض میلهای از دادههای ابرنقاط لیدار متحرک زمینی عموما بر اساس ویژگیهای شکلی 8] و [9پیشدانستهها [10] و تناظریابی الگوی شکلی6 میباشند. در [8] یک روش قطعهبندی برای شناسایی تیرهای چراغ برق خیابان بر اساس k نزدیکترین همسایگی، آنالیز اجزای اصلی7 و ویژگیهای هندسی-متنی ارائه شده است. در این مقاله از k نزدیکترین همسایگی برای خوشهبندی نقاط استفاده شده است که نسبت به نواحی پنهان مقاوم نیستند.
در [10] روشی بر اساس چگالی نقاط تصویر شده8 برای شناسایی تیرهای چراغ برق بر اساس ارتفاع تیرهای برق ارائه شده است. این روش نیازمند تعیین دستی حد آستانه برای ارتفاع بهینه تیرهای برق است. الگوریتم برش نرمال شده1 نیز در11] و [ 12 برای استخراج تیرهای برق از دادههای لیدار متحرک زمینی استفاده شدند.
در[7] روشی براساس جمعآوری ویژگیهای قسمتهای مختلف ابرنقاط برای شناسایی عوارض میلهای ارائه شده است. همچنین روشی جدید دو به دو 2 در[13] بر اساس شکل-متنی3 برای شناسایی چراغهای خیابان از ابرنقاط حاصل از MLS ارائه شده است.
در [14] ابتدا روش پیشنهادی ابرنقاط را به سوپروکسلها4 تبدیل کرده، و سپس با استفاده از تعریف قوانینی به تبدیل این سوپروکسلها به قطعههای معنادار اقدام میکند. در نهایت مدل مفهومی عوارض شهری تشکیل شده و برای طبقهبندی عوارض استفاده میشوند. در [15] یک استراتژی سلسلهمراتبی شامل: قطعهبندی 5، آنالیز اجزای اصلی، فیلتر کردن و روند استخراج پارامترها، برای استخراج ویژگیهای هندسی پروفیلهای عمودی و مقاطع عرضی جادهها ارائه شده است. در[19] با استفاده از همسایههای محلی و براساس آنالیز اندازه نسبی مقادیر ویژه6 میلهها استخراج شدهاند.
-3 روش پیشنهادی
در این بخش به تشریح روش پیشنهادی در قسمتهای مختلف میپردازیم. در بخش 1- 3پیشپردازشهای لازم برای آمادهسازی دادهها برای ورود به الگوریتم پیشنهادی توضیح داده میشود. در بخش 2-3 الگوریتمی برای شناسایی و حذف نقاط زمینی از دادههای لیدار متحرک زمینی ارائه میشود. در ادامه در بخش 3-3 به شناسایی اجزای به هم پیوسته میپردازیم. سپس در بخش 4- 3 به تولید و استخراج ویژگیهای هندسی محلی عوارض مورد نظر و در نهایت در بخش 5-3 به استخراج تیرهای برق میپردازیم.
-1-3 پیشپردازش
در این قسمت برای کاهش حجم دادهها و پردازشات، بافری7 به مرکزیت مسیر حرکت سنجنده و 2 برابر عرض تقریبی تقریبی جاده در نظر گرفته میشود و نقاط خارج از این محدوده حذف میشوند. این امر به دلیل آگاهی از قرار داشتن تیرهای برق در نزدیکی جادههای انجام میشود. پس از این مرحله شاهد کاهش حجم زیاد داده ها خواهیم بود و مراحل بعدی با سرعت بیشتری انجام خواهند شد.
-2-3 حذف نقاط زمینی
پس از مرحله پیشپردازش حجم اولیه دادهها تا حدی کاهش مییابد، ولی به دلیل چگالی بالای دادههای MLS باز هم کار با این حجم از دادهها دشوار میباشد. بر همین اساس نسبت به حذف نقاط زمینی برای کاهش حجم دادهها اقدام مینماییم.
برای حذف نقاط زمینی از الگوریتم فیلتر مورفولوژی ساده - SMRF - 8 که در [16] ارائه شده است استفاده میکنیم. این الگوریتم ابتدا منطقه مورد نظر را شبکهبندی کرده و سپس در 4 بخش اصلی ادامه مییابد. در بخش اول یک سطح کمینه به نقاط برازش داده میشود. در بخش دوم این سطح کمینه پردازش میشود تا مشخص شود هر سلول شبکه دارای نقاط زمینی و یا غیر زمینی است. این بخش قسمت اصلی الگوریتم میباشد.
