terrosolid培训演示要点.pdf

赫尔辛基技术大学 license: Terrisolid Application license setup: Terrisolid Application setup TerriScan 09 版本之后的有建筑物自动矢量化功能 滤波算法： Axelon 1999, 2004, ISPRS 期刊上文献 2010.1.11：Tscan应用 文件夹说明 : D:Terrisolid 培训 tscan_trainingcampath: 扫描行带数据 Laser:分块之后的点云数据 Laserraw: 原始点云数据 Macro: 处理中使用的宏 Mission: 存储的其他文件, control 是地面控制点, training.ptc 点类的定义 Ortho:正射影像 screen_capture: 培训视频 trajectory: 航带的数据 软件安装步骤 : 1 安装 v8； 2 安装 Terrisolid 3. 复制 license 文件到 c:Terria 文件夹下 启动 TerriScan服务： Utilities MDL Application Tscan Load 设置投影，进行相关转换： 加载数据： 设置正确的投影信息 显示 10%的点云数据： 按照航带显示： View Display Mode Color by Flightline Apply 分区块进行处理： 1.定义块，这里的块可以是规则网格，也可以是不规则多边形： 2为方便表示，需要对区块进行标注：（WP 编辑不了） 3定义工程： 根据属性进行选择： Microstation 下面： Edit Select by attribute Add blocks by boundaries: 只显示区块中的数据： 显示加载的点和忽略的点： Identify 按钮和 show location 按钮的作用：工程中区块的名称与对应位置的关联 显示一个区块的数据 分级显示数据 制作剖面图 设置剖面宽度、 视图同步 1 中操作剖面，2 为 x 方向剖面， 3 为 y 方向剖面 测量点的密度： 不同航带之间的配准情况 偏差的引起： GPS 的偏移因此系统误差，存在一定的高度差；INS 出现问题的话将导致xy 方向出现偏差 编写宏 对点云的处理：neighborhood 设置为 20 处理航带之间的重叠Cut overlap： 转到：图层12 先通过 group 的形式进行最低点处理 再通过 single 的形式判断最低点 Filtering in terrainscan Densification of TIN 地面点分类：芬兰的一个学者提出，迭代的内插三角网TIN 法，寻找局部的最低点， Iteration angle 迭代角是每次处理角度的增加。 Terrain angle：可以看到地面坡度，悬崖处大概80 多，平地处10 几即可 point find ：查找满足某条件的点 利用宏进行相关操作： Tools Macro add: OK 之后出现下面的对话框： Run：运行所设置的宏 滤波完成后会有一个输出报告，可以保存为文本文件。 增加一个新的类：Display model Color by classColors Add 或者： 点云叠加到正射影像： 手动分类： 单点分类： TerriModeler ： 模型管理工具 Display Shaded Surface： 注意天顶角的设置 视图同步设置 : View2 随 View1 同步变化 如果点云在影像下面，可能的原因是：先加载了Terriphoto，后加载了Terriscan.解决的办法 是卸载了 Terriphoto 后再添加一次。 Manage Raster Reference:? 渲染显示？ Statistics 功能是对LIDAR 点云进行统计分析 利用高程信息对LIDAR 点云进行分类 Open surface 功能 :渲染表面 View elevation 功能：查看个点云的高程 坡度较大时内插误差会比较大，插值角度 应设置的小一些 D:Beijingtscan_trainingmissioncontrol为控制点文件 Control report ： 可以按照误差的大小进行排序；可以通过设置查看剖面图，以方便查看控制点与插值结果之 间的高程差 控制点与点云之间的高程差 系统误差较大时应该进行纠正 Classify key points: 点云的简化，显示 显示工具条的第一个按钮：显示等高线 录像 1、 2 之间缺少： “ 选中 ” 按钮 Read inside fense 点击所要添加点云的区块 Tmatch:航线匹配 只裁出航线的一部分 Find match 工具：确定航带的质量 Mirror scan error 出现的原因： 对如何使用tmatch 的建议： 1 Boresight calibration per flight session ( 从起飞到着陆的过程): Roll, Pitch, Heading (Morror Scale) - Whole dataset 2 Import all sessions into area: Z, rollce Or Z, roll, pitch Or Z, roll, pitch Mirror scale -per flightline FASTER Reduce traj information Reduce number of blocks used Reduce number of points by storing only ground class in a TerraMatch project(地面点单独保存 成一个文件 ) Tie Line Match ：利用 Tie Line 进行航带匹配 每次飞行的数条航带被认为是一组；几次飞行就会有几个组 有关 Terriphoto 的操作应用： 对 easting 和 westing 进行调整：利用一些固定地物如建筑物进行 试验数据有1g 多，可以从Terrisolid 公司下载 如果在获取LIDAR点云数据的同时拍摄影像数据，可以利用Terriphoto 进行正射影像 的制作。 1创建 Terriphoto 的任务： 定义影像的航迹： 航迹的文件、 影像的航迹文件关联在一起 从中删除没有地面点的影像 在视图文件中看到 他们的位置 保存文件； 生成正射影像： 1创建影像的金字塔： 2影像镶嵌后，调整影像之间的色差： 察看影像各的灰度直方图，定义Tie Points： 手动方法、半自动方法、自动方法 3设置 Camera的相关信息 高度高于1m 的植被就不太适合做连接点 影像 真正的正射影像图 Tphoto 中影像管理器工具: 添加影像时需要在Top 视图下，通过Rotate View 实现： 打开以前的工程时，需要用fit view 恢复一下： 建筑物的矢量化：10point/m 2 的数据适合于做建筑物矢量化，赫尔辛基的这个数据密度为 2.5point/m 2 2010.1.13：车载 /地面 LIDAR数据处理及检校 解决扫描点的不匹配问题：角度的不匹配，建筑物的墙体、建筑物的角点、地面、竿子（电 线杆、路灯等） 、电线适用于校正（Heading error） 存在 Heading error 的话，建筑物的墙体将向外或者向里偏移 存在 Roll error 的话，建筑物的墙体不垂直，会发生一定程度的偏移 存在 Pitch error 的话，前面的地面较低，后面的地面较低；前面的墙面发生前倾，后面的墙 面发生后倾 数据校正流程： 多次观测结果进行角度的解算： 使用 LAS 格式存储移动扫描数据；校正过程中需要知道哪些数据来自于第一次扫描，哪些 数据来自于第二次扫描 1 设置点类、坐标定义：加拿大多伦多的数据 2加载航迹数据： 上面两个文件是同时生成的，第二个文 件中含有对文件精度的估计。 add done 红色位置处精度较差 扫描系统的设置： 记录这些信息的目的是在处理时知道激光发射的位置。 Define project file new project 选中边界 Read inside fense: 把没有数据的区域切掉： 按照扫描仪信息分成1 类和 2 类： 这样就把扫描仪2 的数据分到第2 类中 Flight line deduce using time: Heading error 角度的不匹配表现于xy 的偏移： Roll 和 Pitch 表现于高度的不同： 地物的夹角扫描结果并不完全可靠，如下： 建筑物的墙面有所偏移： 角度没有匹配： 不采用距离5 米以内的点， 因为太近导致误差大；离扫描仪太远的点也不用，因为点云稀疏， 因此 300 米以外的点也不采用。通过位置进行分类： 大于 120 米的分为long range 类： 分类结果： 将 long range 删除： 车辆停止时（如红绿灯）的点也需删除：利用Manage tratories 原理： 1 秒时间内点云少于/多于多少时为stop；每秒钟 heading 的变化大于4 度时为转弯。这两种情况下获得的点不可靠 得到的 stop 类： 第 4 个航带被分为turn 的点： 删除该两类： 选中所要删除的类（stop, turn）OK 。 Tools Show statistics File save points 分类出过境的点： 选择所有航带 得到结果： Save points 利用 tmatch 进行一些处理：依靠tie line 进行，目前尝试用于机载 运行后出现： Deduce using time：把合适的航带号赋给每个点。不进行该设置的话，运行过程中可能出现 死机。 再一次寻找tie line ： 得到的第二次寻找结果为： 寻找效果最差的tie line： 查找误差如此大的原因： 手动查找： 利用墙的角度查找不好的tie line 查找结果为： Find tie line match ： 改正前后效果对比： 对 tie line 进行修正 : 再查看一下结果，发现前后对比比较明显。 利用 find worst 查找最差的tie line： 关于 depths 参数的设置： Depths 设置较大时，允许更远距离的激光点云；该参数设置较小 时，允许更近的扫描仪的点。 校正精度评价： 机载数据x、y 误差比较小；移动激光扫描的x、y 不是那么可靠 有坡度的地方适合于进行机载LIDAR 数据的配准 用 measure math衡量数据航带间配准的情况 2010.1.14:Improving Positioning of Mobile Scanner Data 提 高移动激光扫描的定位精度 机载扫描数据中存在内部重叠，可以用来进行数据纠正。 移动激光扫描数据，卫星的可见性变化非常大，因此该数据精度变化也很大。 Error sources：系统误差、测距误差（比较小，1cm 水平） 、航迹 xyz（最大的误差来源） 、航 迹 hrp（角度影响引起的误差，较小）。 航迹文件平滑的目的：去除小的误差，随时间变化xyz 误差发生变化 Tie lines types：ground point, known point, ground line, known line ground point ：位于地面的特征点； known point ：经过实地测量的、已知点； ground line ： known line ： Solvalla 例子： 数据特征： 8 km survey using Optech Lynx mobile system with one scanner on board This two lane road was driven in two directions 在 TerraScan 中完成的步骤有： 1 创建工程并进行相关定义； 2 将点云导入工程中； 3 导入航迹与精度信息文件； 4 在北向转弯处切断航线； 5 演绎 （减少 ？）点云的航线数量。 1 建立工程，查看精度 打开 solvalla.v8 文件； 打开 D:Beijingsolvallalaser1 solvalla.prj文件； 看到试验区数据共分10 个区块，可以通过show location 进行位置察看： File load points，加入 every_10 th.las 点云文件： 此时，已经加入点云数据，显示结果为： 可通过工具量测路的长度，大概为8km。 转入 level 2 层，设色显示航迹文件的精度： block 1-3 ，红色表示精度太差，蓝色表示精度比较理想。 2定义用户自己的数据，并导入： 读入的用户的控制点： 转入 level 3 文件： Fileclose points Fileopen block Display Mode Color by Flight line All views 做横切面： 控制点的结果与激光点联系起来： Open block 打开 block9并按回波强度进行显示： 添加地面控制点： 显示不同扫描仪之间的匹配情况：单航带显示 仅显示一个航带的数据： 查看空中悬挂电线的点云匹配情况，并将电线分为building 类： 显示同一位置处电线的两航线位置情况： 从上图的匹配结果看，位置精度可以接受。 打开第 6 区块的影像： 查看两航线的匹配情况 打开第 2 区块的影像： 做横切面，查看两航线的匹配情况（Z difference） 得出结论： block 1-3 的位置精度较差，需要用地面控制点进行进一步的处理。 关闭点云，打开control-additional.txt控制点： Write points to design file: 关闭点，打开block 9 点云，并强度显示： 定义 tie line 添加 known points 或者 known lines ： Open block 6： 添加 known points 或者 known lines ： Open block 4： 制作 tile line ，提高定位精度 1统计文件特征： 制作 tie line 不必要非得进行分类，在未分类情况下就可以做；去除坏点时， 需要进行分类。 Add known points File report : 查看 tie line 的统计信息 对不同点赋予不同权重的方法： Apply confence ？ *.tms 文件 移动相机校正： 目前需要手工操作的还比较多 打开camera_cal.dgn 文件： 打开camera_cal.prj 工程： Tphoto 任务的定义： 其中，文件管理方式为： 相机定义窗口： 计算深度图像： 定义 tie points： 窗体的调整： 利用深度图像可以知道物体与相机之间的距离 点查找完后需要核查一下，位置误差比较大的点需剔除。 Camera1 和 Camera2 的设置 ： ？ Tscan 中利用高的建筑进行角度纠正： 生成建筑物的3D 线： 转至 100259 影像： 做 strght line 察看 tie points 分布情况 解决 径向畸变 ： 设置 选择 use as tie points 解决 角度的配准 ： 2010.1.15:建筑物的矢量化 适用于机载数据的矢量化，目前还不适用于移动LIDAR 数据，目标是：自动矢量化、 高精度、 no polar。 在矢量化之前需要完成的工作：ground, height from ground, building的分类。数据集需 要经过配准等工作，no overlapping, TerraMatch done, cut overlap done. 对点云数据密度的要求： 建筑物平面面积比较大： Cut overlap 已经完成： 但存在无点云的区域： Macroclassify building 分类建筑物： 工程窗口： toolsrun macro： 运行 vectorize building 宏： 其中， Variable 命名界面为： 保存所做的设置。 工程窗口： toolsrun macro： 计算机内存不足时，可以分块运行该宏，注意保存相关文件(txt 文件 )。得到的处理结果报告 为： 运行后，在output 文件夹中有相关的txt 文件。 自动矢量化到此完成，下一步需要进行手动编辑。 打开 prj 工程文件： 为提高后面编辑处理时的速度，进行一些显示的设置： 先添加运行得到的建筑物模型： 转入 level 19，关闭 level 20（区块边界文件） 。 File Open block打开一个区块的点云 加入相机影像： TerriPhoto：Mission Open Mission 找到 D:Beijing15jonkopingmission Jonkoping.mis 文 件并打开 imagesload list Check building models ： 建筑物编辑的工具条： Delete vertex（删除顶点） ： Build Conner ： 调整建筑物的边界、建筑物的角点等信息。 下午 : 101： 做剖面并用工具放置智能线： 旋转显示建筑物的构造，找到最佳视角 选中 101Delete(选中剖面图中的智能线，画出建筑物的两边)，得到如下 结果： 103： 增加节点： 106： 112： 146： 平面合并与拆分： ：Spit patch，把一个面块分成几部分 ：merge patches，合并几个面块