Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Chmury modelowanie" wg kryterium: Wszystkie pola


Wyświetlanie 1-3 z 3
Tytuł:
Modeling BIM objects from point clouds. Examples
Modelowanie obiektów BIM z chmur punktów. Przykłady
Autorzy:
Kotarska-Lewandowska, Bożena
Powiązania:
https://bibliotekanauki.pl/articles/119201.pdf
Data publikacji:
2019
Wydawca:
Polskie Towarzystwo Geometrii i Grafiki Inżynierskiej
Tematy:
laser scanning
point clouds
3D modeling
BIM
skanowanie laserowe
chmury punktów
modelowanie 3d
Opis:
The article presents several ways to obtain BIM (Building Information Modeling) models from point clouds using standard commands in Revit 2018. In Revit geometric forms are possible to obtain in project, family or conceptual environments. Efficient modeling requires knowledge of methods of creating families and components in these environments and ways to combine them. Modeling methods with system and loadable families are presented, however, the main part of the article is modeling of individual forms as In-Place Model, or Conceptual Mass. Drawing model lines on the work plane is facilitated due to a snapping feature in Revit. Point clouds must be limited to allow observation near the work plane. Cloud modeling is labor intensive, therefore knowledge of various techniques is particularly important. In creating reusable BIM objects adding parameterization to already created models has a positive effect on the efficiency of the entire process. Making models from point clouds, even at the initial stage, requires good knowledge of the software, but spatial imagination and knowledge of spatial relations gained from descriptive geometry classes become an asset. Modeling from point clouds can be an interesting alternative to other courses for future engineers in the building sector.
W artykule przedstawiono kilka sposobów uzyskania modeli BIM z chmury punktów za pomocą standardowych poleceń programu Revit 2018. Zaproponowany zestaw przykładów modelowania z chmur punktów może być ciekawą alternatywą na kursach dla przyszłych inżynierów w sektorze budownictwa. Revit jest rozbudowanym programem, w którym modelowanie form geometrycznych jest możliwe w trzech środowiskach: projektu, rodziny, bryły koncepcyjnej. W sprawnym modelowaniu potrzebna jest wiedza do jakich przypadków wykorzystywać te środowiska, jak w nich działać i je łączyć. W budowaniu modelu BIM obiektu budowlanego z chmury punktów dla elementów nadrzędnych wykorzystuje się rodziny systemowe (ang. System families) takie jak ściany, stropy, dachy. Natomiast modelowanie w środowisku rodzin jest w pewien sposób ograniczone ponieważ w programie Revit 2018 nie jest możliwe bezpośrednie wczytanie chmur do rodzin. Dlatego w modelowaniu rodzin wczytywalnych (ang. Loadable families) takich jak np. okna, trzeba przenieść linie charakterystyczne budowanej formy geometrycznej obiektu z chmury punktów widocznej w projekcie do środowiska rodziny. Jak opisano w artykule zapewnia to eksport linii modelu do formatu dwg, a następnie wczytanie pliku w nowej rodzinie. Trzeba jednak stwierdzić, że ta pośrednia metoda zmniejsza efektywność modelowania tego typu elementów. Chmury punktów stanowią reprezentację rzeczywistego obiektu, często o nietypowych kształtach, zdeformowanego, nieidealnego. Powoduje to konieczność utworzenia unikatowych, indywidualnych form. Sposobem na ich uzyskanie jest model lokalny (ang. Model In-Place). Jest on tworzony w projekcie, a zatem w bezpośrednim sąsiedztwie chmury punktów. W artykule opisano metodę tworzenia z modelu lokalnego rodzin i ich parametryzację, która powoduje, ze określone wymiary obiektu są edytowalne. Taki zabieg tworzy możliwość wielokrotnego wykorzystania raz utworzonego modelu i jego modyfikacji wewnątrz projektu, ale również w innych projektach. Z kolei bardziej złożone geometrie wynikające z układu punktów w chmurze mogą być utworzone jako lokalna bryła koncepcyjna (ang. In-Place Mass). Ponieważ bryła ta jest tworzona w środowisku projektu można bezpośrednio dowiązywać się do punków w chmurze. Sposób modelowania i środowisko bryły koncepcyjnej jest odmienne od modelu lokalnego i może dawać dużo większą dowolność form. Początkowo utworzone obiekty lokalnej bryły koncepcyjnej mogą być dalej zmieniane poprzez dodawanie krawędzi i przekrojów oraz modyfikacje więzów. W efekcie końcowym powstają złożone powierzchnie tzw. free form. Fragmenty tych powierzchni mogą być następnie przekształcane w elementy strukturalne budynku, takie jak dach, ściana, strop. Ponieważ modelowanie w chmurach jest pracochłonne dlatego szczególnego znaczenia nabiera znajomość różnych podejść do modelowania a także dodawanie parametryzacji do już utworzonych modeli, co wpływa dodatnio na efektywność całego procesu. Wykonanie modeli z chmur punktów nawet na początkowym poziomie wymaga dobrej znajomości programu, ale dodatkowo niezbędna staje się wiedza w zakresie budowania form i współzależności relacji przestrzennych wyniesiona z zajęć geometrii wykreślnej oraz wyćwiczona na tych zajęciach wyobraźnia przestrzenna.
Źródło:
Journal Biuletyn of Polish Society for Geometry and Engineering Graphics; 2019, 32; 55-64
1644-9363
Pojawia się w:
Journal Biuletyn of Polish Society for Geometry and Engineering Graphics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Teksturowanie modeli obiektów o złożonej geometrii na podstawie danych z naziemnego skaningu laserowego
Complex objects texturing based on terrestrial laser scanner data
Autorzy:
Kolecki, J.
Słota, M.
Powiązania:
https://bibliotekanauki.pl/articles/130068.pdf
Data publikacji:
2012
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
naziemny skaning laserowy
przetwarzanie chmury punktów
modelowanie 3D
inwentaryzacja
teksturowanie
terrestrial laser scanning
point cloud processing
3D modeling
stocktaking
texture mapping
Opis:
Obrazy pozyskane podczas rejestrowanej w trakcie skanowania laserowego chmury punktów pozwalają na tworzenie tekstur modelowanego obiektu, co zwiększa jego zawartość informacyjną. Generowanie tekstur bezpośrednio z pozyskanych obrazów wymaga znajomości parametrów odwzorowania, w którym powstaje zdjęcie. Jednak także informacja o kolorze zapisana jako atrybuty punktów chmury może być wykorzystana do tworzenia tekstur modelowanego obiektu. W takim przypadku chmura punktów może pośredniczyć w tworzeniu obrazów tekstur a cały proces teksturowania odbywa się bez bezpośredniego udziału zdjęć. Celem niniejszych badań było opracowanie metody teksturowania modeli obiektów o złożonej geometrii na podstawie kolorowej chmury punktów pochodzącej z naziemnego skaningu laserowego. Wynikiem pracy jest autorski program do tworzenia tekstur, bezpośrednio w oparciu o kolory RGB chmury punktów. Danymi wejściowymi do programu są chmury punktów w formacie tekstowym oraz obiekty 3D w formacie VRML. W celu przyspieszenia obliczeń w pierwszym kroku wykonywana jest automatyczna segmentacja chmur punktów. Następnie pozyskiwana jest informacja o geometrii płaszczyzn obiektu na podstawie pliku VRML. W efekcie analiz przestrzennych pomiędzy położeniem pikseli na teksturowanych płaszczyznach i chmurą punktów, pozyskiwane są informacje o kolorze pikseli oraz tworzone są tekstury obiektu. Uzyskane wyniki pokazują, że tworzone w ramach prac testowych tekstury mogą posiadać artefakty, będące efektem niedopasowania radiometrycznego zdjęć pozyskiwanych z różnych stanowisk skanowania.
Images taken during point cloud acquisition using laser scanning can be subsequently utilized for generating textures of 3D models. As a result the final amount of information associated with produced model is increased. Automatic texture generation using captured images directly, demands the knowledge about parameters describing image projection. However using the information about color stored as point cloud attributes allows texture generation without using the images directly. The addressed researches aim to develop a method of model texturing. As the final result a simple GUI application has been created in C++. Point clouds in text format and VRML models are used as the input data. In order to speed up the calculation process, in the first step the automatic segmentation of the point clouds is performed. Secondly the information about the object surfaces is obtained based on VRML file and then textures are defined. After performing spatial analysis between pixels position on textured surfaces and point cloud, the pixels color information is computed and texture images are generated. The results show that the test objects textures may be affected by noise resulting from radiometric discrepancies between images acquired from different standpoints.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2012, 24; 145-154
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Ocena dokładności modelu budynku z bardzo gęstej chmury punktów pozyskanej z integracji zdjęć o różnej geometrii
Assessment of accuracy for the building model acquired from a high dense points cloud based on images of different geometry
Autorzy:
Drzewiecki, R.
Bujakiewicz, A.
Powiązania:
https://bibliotekanauki.pl/articles/129593.pdf
Data publikacji:
2018
Wydawca:
Stowarzyszenie Geodetów Polskich
Tematy:
BSP
modelowanie 3D
automatyczne dopasowywanie wieloobrazowe
gęsta chmura punktów
UAV
3D modeling
high density image matching
dense points cloud
Opis:
Dokładność rekonstrukcji 3D modeli budynków jest w znacznym stopniu uzależniona od gęstości chmur punktów jakie są wykorzystywane dla ich tworzenia. Sprzyja temu rozwijająca się w ostatnich latach metoda tworzenia bardzo gęstych chmur punktów w oparciu o automatyczne pomiary na zdjęciach cyfrowych o dużych pokryciach. W niniejszym artykule zostanie przedstawiony przykład rekonstrukcji 3D modelu budynku o skomplikowanym kształcie, z wykorzystaniem gęstej chmury punktów, ze zdjęć niemetrycznych o różnej geometrii. W tym celu, pozyskano 200 zdjęć o pokryciu około 90%, na trzech poziomach wysokości lotu systemu BSP (DJI Phantom4), oraz dodatkowo wykonano 46 zdjęć z podobnym pokryciem, aparatem FUJIFILM X-S1, ze stanowisk naziemnych. Do całego procesu rekonstrukcji obiektu wykorzystano oprogramowanie Agisoft PhotoScan. Ze względu na zróżnicowaną metrykę zdjęć z BSP oraz stanowisk naziemnych, a także ich różny sposób kalibracji (przed lub w trakcie opracowania), zdjęcia obu sieci umieszczono w dwóch klastrach, dla których w niezależnych wyrównaniach aero/terra triangulacji, zostały wyznaczone parametry orientacji zewnętrznej (EOZ), względem tego samego referencyjnego układu współrzędnych. Automatyczny pomiar bardzo dużej liczby punktów opisujących obiekt, na zdjęciach z obu klastrów oraz wykorzystanie wyznaczonej metryki kamer i parametrów EOZ, umożliwiło generowanie jednej wspólnej bardzo gęstej chmury punktów (ponad 6 milionów), z której stworzono finalne produkty, tj. 3D modele obiektu w kilku formach. Ocenę poprawności rekonstrukcji kształtu 3D modelu obiektu wykonano na podstawie porównania odległości miar czołowych budynku pomierzonych w terenie i na modelu, oraz długości pomiędzy punktami specjalnie sygnalizowanymi na obiekcie, a także poprzez analizę średnich błędów kwadratowych określonych dla punktów osnowy. Ostateczna dokładność mieściła się w granicach 0.01 - 0.03m, co potwierdza duży potencjał integracji zdjęć niemetrycznych, pozyskanych dla obiektu z drona i stanowisk naziemnych, oraz tworzenia jednej wspólnej gęstej chmury punktów, w celu wiernej rekonstrukcji kształtu modelu 3D.
Accuracy for reconstruction of 3D models of buildings, depends mainly upon density of point clouds, which are used for their creation. The methods for creation of the very dense points clouds on base of automatic measurement of the multi images have been successfully developed. In this paper, the example for automatic reconstruction of 3D model of building of quite complicated shape with use the dense points cloud from non-metric photographs of different geometry, is presented. For this purpose, using the BSP (DJI Phantom) from three height levels - 200 photographs with overlap of about 90%, were acquired. In addition, 46 photographs from ground stations with the camera (FUJIFILM X-S1),were taken. The entire reconstruction process of 3D model of the building, was executed with Agisoft PhotoScan programe. Because of different cameras specification for photographs taken from BSP and from ground stations and various approaches for cameras calibration, the two groups of photographs were located in two classes (clasters), for which the exterior orientation parameters (EO) were separately determined by aero and /terra triangulation, referenced to the same ground coordinate system. The automatic measurement of very large number of image object points on all photographs and the use of their interior and exterior orientation parameters, have enabled to generate one common very dense points cloud (about 6 millions), which was used to produce the final 3D building model in a few forms. The accuracy of reconstruction of the building model shape was estimated on base of comparison of the model and real data (measures on the building) and also the RSE for the control and check points. The overall accuracy of 0.01 – 0.03 meters was obtained, which have confirmed the high potentiality for integration of different geometry non-metric photographs for the reconstruction of good quality 3D model.
Źródło:
Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2018, 30; 83-93
2083-2214
2391-9477
Pojawia się w:
Archiwum Fotogrametrii, Kartografii i Teledetekcji
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies