кандидат технических наук;
candidate of technical sciences;
Облака точек широко используются при наземном сканировании леса с помощью LiDAR и стереокамеры. Облака точек часто страдают от шума – выбросов и артефактов, искажающих данные. Аппаратно точность и качество исходного облака точек при наземном сканировании участка леса может быть повышена с помощью использования сканеров с более высоким расширением, а также с помощью фотограмметрии или дополнительных датчиков. Для устранения шума могут использоваться программные способы: фильтрация точек, сглаживание, статистические методы и алгоритмы реконструкции. Новый подход к фильтрации шумов сканируемого участка леса основан на анализе значений цветовых компонент в пространствах YCbCr и L*a*b. Исследовали свойства цветовых моделей YCbCr и L*a*b и определили пороговые значения для классификации точек как шумовых или объектных в зависимости от их расстояния до центроидов. Применение комбинированного (YCbCr | L*a*b) фильтра на облаке точек сократило количество точек до 38963 (17,41% от исходного количества). При проведении калибровки камеры и LiDAR на основании (YCbCr | L*a*b) фильтра общее среднее значение ошибок перевода составило 0,0247 м, вращения 6,244 град, перепроецирования 8,385 пикселей. Способ (YCbCr | L*a*b) фильтрации показывает высокую точность и надежность в удалении шумов и сохранении целостности объектов в облаке точек, что позволит в последующем использовать полученные данные на беспилотных машинах при выполнении лесозаготовительных операций.
Point clouds are widely used in ground-based forest scanning using LiDAR and stereo cameras. Point clouds often suffer from noise outliers and artifacts that distort data. Hardware accuracy and quality of the initial point cloud during ground scanning of a forest area can be improved by using scanners with higher expansion, as well as using photogrammetry or additional sensors. To eliminate noise, software methods can be used: point filtering, smoothing, statistical methods and reconstruction algorithms. A new approach to filtering the noise of the scanned forest area is based on the analysis of the values of the color components in the YCbCr- and L*a*b- spaces. The properties of the YCbCrand L*a*b-color models were investigated and threshold values for classifying points as noise or object depending on their distance to the centroids were determined. The use of a combined (YCbCr | L*a*b) filter on the point cloud reduced the number of points to 38 963 (17.41% of the original number). When calibrating the camera and LiDAR based on the (YCbCr | L*a*b) filter, the total average value of translation errors was 0.0247 m, rotation 6,244 degrees, reprojection 8,385 pixels. The noise-filtering method (YCbCr | L*a*b) shows high accuracy and reliability in removing noise and maintaining the integrity of objects in the point cloud, which will allow the data obtained on unmanned machines to be used later when performing logging operations.