Inkubator innowacyjności 4.0 – badania nad orientacją wielosensorowych chmur punktów

Celem niniejszego projektu, którego kierownikiem był dr hab. inż. Jakub Markiewicz, była ocena skuteczności metody TLS-SfM, a w szczególności algorytmów detekcji punktów wiążących bazujących na podejściu hand-crafted i learned-based w orientacji wieloczasowych i wielosensorowych chmur punktów. Wykorzystano chmury punktów pozyskane w czterech różnych okresach czasowych, przed rozpoczęciem badań archeologicznych, w trakcie i po ich zakończeniu. W ramach projektu wykonano integrację danych z naziemnego skaningu laserowego z chmurami powstałymi w wyniku przetwarzania zdjęć naziemnych.

W analizach zastosowano m.in. detektor SIFT oraz deskryptory MKDDescriptor, HardNet, SoSNet, HyNet i Tfeat do orientacji wielosensorowych i wieloczasowych danych przestrzennych. Dokładność dopasowania oceniano na podstawie błędów RMSE oraz odstępstw między chmurami punktów. Najlepsze wyniki uzyskano dla deskryptorów HyNet i SoSNet, które umożliwiły poprawną orientację danych z różnych sesji pomiarowych.

Wnioski z badań wykazały, że metody learned-based pozwalają na wykrycie większej liczby punktów wiążących i poprawę jakości integracji danych. Zaleca się ich stosowanie w procesie orientacji, a w przypadku trudności – wykorzystanie podejścia afinicznego lub metody ICP.