Разработка методик обработки результатов наземного лазерного сканирования для 3D-кадастра тема диссертации и автореферата по ВАК РФ 25.00.26, кандидат наук Дждид Али

• Дждид Али
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Дждид Али

Список сокращений

Введение

Глава 1. Традиционные и современные модели представления объектов кадастрового учета

1.1. Необходимость развития системы кадастра недвижимости

1.2. 2ё-системы кадастра

1.3. Проблемы 2d кадастра

1.4. Определение 3d-кадастра

1.5. 3ё-кадастр в зарубежных странах

1.6. Определение 3 d-кадастра в данном исследовании

1.7. 3ё-кадастр в россии

1.8. Современные методы создания 3d-модели

1.9. Преимущества создания 3d-моделей объектов недвижимости

1.10. Трехмерные модели в 3d-кадастре и цифровом землеустройстве

Глава 2. Трехмерное моделирование и сегментация данных наземного лазерного сканирования

2.1. Контроль качества трехмерного моделирования на основе данных наземного лазерного сканирования и фотограмметрии

2.1.1. Предложенный метод сравнения

2.1.2. Анализ точности результатов

2.2. Изучаемые объекты

2.3. Обзор методов сегментации облака точек

2.3.1. Сегментация на основе выделения краев

2.3.2. Сегментация на основе принципа растущих регионов

2.3.3. Сегментация на основе примитивов

2.3.4. Сегментация на основе машинного обучения

2.4. Выбранные алгоритмы сегментации облака точек

2.4.1. Алгоритм че и олсен

2.4.2. Алгоритм раббани

2.4.3. Алгоритм ли, ян и тан

2.4.4. Алгоритм кусак и ирол

2.5. Экспериментальная работа

2.5.1. Изучаемые объекты и подготовка эталонных данных

2.5.2. Параметры оценки точности результатов сегментации

2.5.3. Сравнение полученных результатов сегментации

Глава 3. Оценка влияния изменения плотности точек на полученные результаты

3.1. Плотность сканирования в облаке точек

3.2. Оценка влияния изменения плотности облака точек на производительность и точность сегментации различными методами

3.2.1. Подготовка данных с уменьшенной плотностью точек

3.2.2. Оценка влияния изменения плотности точек на точность сегментации и время их обработки

3.3. Оценка влияния изменения плотности точек на геометрическую точность

полученных моделей

3.3.1. Измерения на облаке точек при разных расстояниях между точками

Глава 4. Разработанная методика сегментации результатов сканирования объектов недвижимости

4.1. Стратегия сегментации облака точек

4.1.1. Устранение шума и выбросов

4.1.2. Исправление эффекта теней

4.1.3. Сегментация на основе информации о цвете в облаке

4.1.4. Улучшения и слияния полученных сегментов

4.1.5. Решение проблемы недостаточной сегментации

4.2. Оценка влияния изменения плотности облака точек на точность сегментации по предлагаемой методике

4.3. Оценка влияния изменения плотности облака точек на геометрическую

точность полученных моделей по предложенной методике

4.4. Оценка преимуществ и недостатков предлагаемой методики

4.5. Применение предлагаемой методики для объектов из разных материалов со

сложной схемой теней

.4.6 Стоимость циклов работы

Заключения

список литературы

Приложение а

Приложение б

Приложение в

Приложение г

Приложение д

Приложение е

Список сокращений

ОКС - объект капитального строительства;

ОН - объект недвижимости;

Росреестр - Федеральная служба государственной регистрации, кадастра и

картографии (Российская Федерация);

ГИС - географическая информационная система;

ГКН - Государственном кадастре недвижимости;

FIG - международная федерация геодезистов;

LOD - уровень детализации Level of Details;

ПО - программное обеспечение;

£- знак принадлежности.

Введение диссертации (часть автореферата) на тему «Разработка методик обработки результатов наземного лазерного сканирования для 3D-кадастра»

Введение

Актуальность темы диссертационной работы подтверждается необходимостью трехмерного отображения объектов недвижимости в трёхмерном мире из-за возрастающей сложности кадастрового описания площадей многоэтажной застройки, подземной и надземной инфраструктуры.

Трёхмерное моделирование наземных объектов - достаточно популярное направление при решении прикладных задач, что обусловливает практическое значение темы. Трехмерное отображение поверхности земли и расположенных на ней объектов недвижимости могло бы значительно расширить возможности кадастрового учёта (дополнительная информация о высоте, размерах отдельных частей и объеме объекта недвижимости и др.).

В диссертации разработаны оптимальные способы обработки данных наземного сканирования объектов недвижимости разного типа. А именно, особые объекты, которые автор считает, что их представление в трехмерном пространстве очень важно для правильного внесения в кадастровую систему страны.

Многие зарубежные страны начали переходить от двухмерной системы кадастра к трёхмерной с помощью трехмерного моделирования объектов недвижимости. Опираясь на опыт этих стран, можно утверждать, что наиболее перспективный метод сбора трехмерной информации и реализации 3Э-кадастра — это лазерное сканирование.

Разные специалисты предлагают свои экспертные взгляды на будущее кадастра и землеустройства. Но еще недостаточное внимание уделяется вопросам обработки результатов наземного лазерного сканирования для информационного обеспечения кадастрового и землеустроительного процессов. В представленной работе были исследованы методы обработки результатов сканирования особенных объектов недвижимости с целью разработки методики сегментации облака точек, что позволит получать качественные трехмерные модели объектов недвижимости и значительно сокращать время камеральных топографо-геодезических работ.

Степень разработанности темы исследования: Темы лазерного сканирования и трехмерного кадастра уже обсуждались многими исследователями: С.Н. Волков, А.В. Комиссаров, Д. В. Комиссаров, В.А. Середович, А.Г. Чибуничев, А.Г. Юнусов, В.М. Курков, А.П. Сизов, Т.В. Папаскири, М.П. Буров, А.Б. Велижев, С.Г. Герасимова, Г.Ю. Елизарова, А. А. Кочнева, И.К. Сергеевич, И.И. Снежко, Р.В. Шаповалов. Учтен большой опыт исследователей зарубежных стран: А. Abdelhafiz, A. Aien, E. Che , F. Doner, L. George, R. Kucak, L. Li, H. Mattsson, H. Onsrud , T. Rabbani, J. Stoter, T. Valstad, P. Van Oosterom, G. Vosselman, I. Williamson.

Значительный вклад в развитие лазерного сканирования в России внесли исследователи Регионального центра лазерного сканирования СГУГиТ (Новосибирск).

Главный недостаток наземного лазерного сканирования в целях BD-кадастра это низкая степень автоматизации обработки данных сканирования. Большой объем данных, приводит к увеличению временных затрат на этапе камеральных работ. Существующие автоматизированные методы обработки облака точек, существенно не уменьшают время на этапе обработки и иногда они могут дать неправильные результаты. Поскольку каждый метод считается оптимальным для определенной группы объектов недвижимости (простые постройки, сложные фасады с украшениями и т. д.). Поэтому наше исследование направлено на разработку новых методик обработки результатов наземного лазерного сканирования при создании BD-моделей разных объектов недвижимости для информационного обеспечения будущего кадастра с трехмерными моделями объектов особого типа, что позволяет расширить возможности кадастрового учёта.

Целью диссертационной работы является разработка научно обоснованных методик, позволяющих повысить достоверность результатов обработки данных наземного лазерного сканирования особенных объектов недвижимости и значительно сокращать время камеральных топографо-геодезических работ при переходе от двухмерной системы кадастра к трёхмерной. Разработка рекомендаций по применению того или иного метода сегментации.

Задачи исследования:

1) изучить и провести анализ выполненных исследований, посвященных 3Э-кадастру в Европе и в России;

2) определить 3D-кадастр и тип объектов недвижимости, необходимых в 3D, и их уровень детализации;

3) изучить и провести анализ выполненных исследований, посвященных методам сегментации данных наземного лазерного сканирования;

4) выполнить теоретическое обоснование и экспериментальное исследование методик сегментации облаков точек особенных объектов недвижимости и точности их моделей;

5) установить взаимосвязь между плотностью точек и точностью выполнения сегментации, и геометрической точностью полученных моделей изучаемых объектов недвижимости;

6) апробировать возможность использования информации о цвета в облаке для выполнения процесса моделирования в целях 3Э-кадастра и выявить полученные преимущества и недостатки;

7) выполнить технико-экономическое обоснование использования наземного лазерного сканирования для совершенствования информационного обеспечения кадастра, при переходе от двухмерной системы кадастра к трёхмерной.

Объектом исследования является объекты недвижимости, на которых применяется наземное лазерное сканирование в целях 3D-кадастра сложных по конфигурации и структуре объектов.

Предметом исследования являются методы обработки результатов наземного лазерного сканирования - сегментация облака точек и исправление эффекта теней.

Новизна научных результатов проведенных исследований.

1. Для создания 3D-моделей объектов недвижимости для 3D-кадастра на основе данных наземного лазерного сканирования разработаны:

a. Методика сегментации данных наземного лазерного сканирования по сравнению с другими аналогичными методами менее чувствительна к шуму, положению объектов недвижимости, менее чувствительна к изменениям плотности сканирования и дает удовлетворительные результаты по точности и затратам времени, что позволит значительно снизить трудоемкость камеральных работ, несмотря на тип, характер, форму или материалы объектов недвижимости.

b. Методика для исправления информации о цвете (эффекта теней) позволяет оперативно обнаружить тени на объектах недвижимости и эффективно исправить их влияние как на простых, так и на сложных моделях, что дает возможность получать модели с более высокой геометрической точностью, соответствующей требованиям кадастровых работ, в качестве первого этапа перехода от двухмерной системы кадастра к трёхмерной.

2. В целях 3D-кадастра проведены исследования влияния изменения плотности сканирования объектов недвижимости на производительность и точность сегментации и на геометрическую точность полученных моделей, что позволяет внедрить на предпроектном этапе новый способ выбора наиболее подходящих параметров сканирования в зависимости от последующего метода обработки и характеристик объектов недвижимости.

3. В процессе трехмерного моделирования объектов недвижимости в целях 3D-кадастра впервые выполнена оценка возможности и ограничения по использованию информации о цвете в облаке точек.

Теоретическая значимость работы заключается в разработке методик обработки результатов наземного лазерного сканирования для моделирования объектов недвижимости особенного типа в целях 3D-кадастра, позволяющие исследовать многоэтажную застройку, объекты подземной и надземной инфраструктуры в трёхмерном пространстве. Результаты могут быть использованы и в градостроительной отрасли как важный инструмент принятия решений в

области территориального планирования и позволят повысить актуальность сведений, устойчивость и оперативность управления территорией, гарантии прав собственников, владеющих недвижимостью, и обоснованность принятия решений в области земельно-имущественных отношений.

Практическая значимость заключается в том, что разработанные методики обработки результатов наземного лазерного сканирования дадут существенно лучшие результаты и сократят временные затраты и трудовые (человеческие) ресурсы при выполнении топографо-геодезических работ, несмотря на тип, характер или текстуру объектов недвижимости. Применение разработанных методик в кадастре позволит в камеральных условиях получать на 3Э-моделях необходимые трехмерные данные без проведения дополнительных полевых геодезических работ. Полученные данные можно использовать и в других областях, например, при построении 3Э-моделей объектов культурного наследия с целью реставрации, для построения 3Э-карт для навигации, в процессе обучения, для туристических целей и т.п.

Методология и методы исследования. В рамках проведения настоящего исследования применялись различные методы сбора, изучения, анализа и обработки информации. Теоретические исследования основаны на анализе и синтезе нормативно-правовой и научно-технической литературы в области наземного лазерного сканирования и трёхмерного кадастра. В практической части исследования применились метода анализа иерархий, экспертный метод оценки, математическое моделирование, системный, статистический и логический анализ. В основе разработанной методики лежит комбинация метода статического моделирования и математического анализа.

Основные положения диссертации, выносимые на защиту: 1. универсальная методика сегментации данных наземного лазерного сканирования с учетом информации о цвете в облаке точек, которая сможет стать частью программы для создания 3Б-кадастра, и позволила бы наиболее эффективно и оптимально работать с объектами недвижимости;

2. методика исправления информации о цвете в облаках точек от теневого эффекта, вызванного соседними объектами недвижимости и различными частями самого изучаемого объекта на основе математических фильтров;

3. результаты оценки влияния изменения параметров сканирования на результаты сегментации и на геометрическую точность полученных моделей при использовании геометрических свойств облака точек и информации о цвете в нем при выполнении топографо-геодезических работ на примере разных объектов недвижимости;

4. рекомендации по применению различных методов сегментации в зависимости от характеристики объекта и плотности сканирования в целях 3D моделирования в качестве первого этапа перехода от двухмерной системы кадастра к трёхмерной.

Тема диссертации соответствует следующим пунктам паспорта научной специальности 25.00.26 Землеустройство, кадастр и мониторинг земель (технические науки): П.5 «Принципы сбора, документирования, накопления, обработки и хранения сведений о земельных участках. Разработка единой методики по ведению земельного кадастра». П.7 «Информационное обеспечение Государственного земельного кадастра». П.3 «Разработка научных основ изъятия и введения федерального автоматизированного земельного кадастра».

Достоверность результатов диссертационного исследования подтверждается достаточным количеством повторений эксперимента на 9-и объектах недвижимости, полученных с помощью различных сканеров при различных параметрах сканирования с использованием современных средств обработки информации (специальные комплексы программного обеспечения и языки программирования). Основные положения диссертационной работы и результаты исследования обсуждались и докладывались и нашли положительный отклик на 6-ти научно-практических конференциях, в том числе 4 международных:

- IX научно-практическая конференция студентов, аспирантов, молодых ученых и специалистов «Научные исследования и разработки молодых ученных для развития АПК» (ГУЗ, Москва, апрель 2017 г.);

- VI международная конференция по геодезии и архитектуре «К новым перспективам в развитии земли» (Бейрут, Ливан, июль, 2017 г.);

- Международная научно-практическая конференция «Векторы развития законодательного обеспечения государственной земельной политики: опыт XX века и современность» (ГУЗ, Москва, декабрь 2018 г.);

- Научном семинаре кафедры геодезии и геоинформатики Государственного университета по землеустройству (Москва, апрель 2019 г.);

- XXVI международная конференция студентов, аспирантов и молодых ученых «Ломоносов-2019», секция «Государственное и муниципальное управление» на подсекции «Вызовы 4-ой промышленной революции: Россия и мир» (МГУ, Москва, апрель 2019 г.);

- Международный научно-промышленный форум «Великие реки 2019») (ННГАСУ, Нижний Новгород, май 2019г.).

По материалам диссертации опубликовано 8 работ, в рецензируемых научных изданиях, в том числе 3 в журналах рекомендованных ВАК и одна статья в журнале Scopus.

В диссертации отсутствует заимствованный материал без ссылок на автора и источник заимствования. При использовании в диссертации результатов научных работ, выполненных соискателем лично или в соавторстве, соискатель отметил это обстоятельство.

ГЛАВА 1. Традиционные и современные модели представления объектов кадастрового учета

1.1. Необходимость развития системы кадастра недвижимости

Россия в последние годы разработала современную кадастровую систему и сделала огромные шаги вперед в применении европейских стандартов. Но многие страны в настоящее время сталкиваются с новыми вызовами, уделяя особое внимание решениям проблем, возникающих в кадастровых системах при переходе к учету объектов в трехмерном пространстве. За последние два десятилетия, технологический прогресс в области методов хранения цифровых данных и внедрение географических информационных систем, помогли создать подходящую среду для развития государственных систем кадастра недвижимости.

Современные города характеризуются загруженными объектами недвижимости и сложными имущественными отношениями. Не редки ситуации пересекающейся инфраструктуры с имуществом разных собственников. Подобные сложные системы необходимо периодически развивать, в целях обеспечения эффективного развития городского пространства [44]. Высокая степень загруженности разного рода объектов недвижимости есть результат нехватки земельных ресурсов в городских границах. Поэтому, объекты недвижимости располагаются не только непосредственно на земной поверхности, но и под ней, равно как и над ней [52]. Представляя систему государственного кадастра объектов недвижимости как структурированное описание реальности на некоторой территории в некоторых границах, четко определенных на местности, очевидно, что двумерного описания трехмерной реальности недостаточно. Это значит, что, исходя из информации, содержащейся в ГКН, сложно сделать объективный и исчерпывающий вывод о реальной загруженности территории многоуровневыми объектами. Поэтому возникает необходимость рассматривать возможности системы трехмерного кадастра.

Во многих странах мира правительства уже предприняли серьезные шаги на пути к созданию целой и полной трехмерной системы кадастра объектов недвижимости. Международная осведомленность об этой теме началась на первом семинаре по 3D-кадастрам, организованном Делфтским технологическим университетом в ноябре 2001 года [135]. После семинара 2001 года, построение кадастровых карт, путем получения информации о местонахождении границ объектов недвижимости в 3D началось, например с 2004 года в Швеции [107], [91] и с 2005 в Турции [124]. 1.2. 2Б-системы кадастра

На ранних этапах развития человеческой цивилизации, земля была, бесспорно, основным источником богатства и власти. Для обеспечения гарантии владения землей, были созданы разные системы кадастра недвижимости [142]. Различия между этими системами часто зависят от местного культурного наследия, географического положения земель, землепользования, технологий и т. д. [57].

Согласно данным международной федерации геодезистов (FIG) [83], кадастр можно определить следующим образом: кадастр, как правило, представляет собой актуальную информационную систему, содержащую записи о земельных участках, правах на недвижимое имущество, ограничениях и ответственности собственников. Поэтому можно сказать, что такая система содержит информацию о земельных участках (местоположение, границы, координаты, площадь, стоимость), о землевладении (права собственности, ограничения использования, обязанности собственников) и о собственниках.

Согласно Земельному кодексу Российской Федерации [1], земельный участок определяется как двумерный объект, а не трехмерный, но согласно Федеральному закону от 24.07.2007 г. №221-ФЗ «О кадастровой деятельности» [2], в дополнение к земельным участкам, кадастр содержит и объекты трехмерного характера, такие как здания, сооружения, помещения и объекты незавершенного строительства. Поэтому в целях определения и закрепления права в трехмерном пространстве,

требуется создать новые трехмерные системы кадастра, которые помогут предоставлять информацию, в трехмерном виде. 1.3. Проблемы 2Б кадастра

Представление объектов трехмерного мира в двумерном виде ведет к неизбежным наложениям объектов, расположенных на разной высоте, и пересечениям их границ. Действующий двумерный кадастр не позволяет четко увидеть и осуществить учет таких объектов недвижимости, как многоуровневые комплексы нестандартной формы, с нависающим вторым, третьим этажом или вылетающими консолями, попадающими на чужую территорию (рисунок 1.1).

Рисунок 1.1 - Жилой комплекс в Коимбре в Португалии В профессиональной среде участников кадастровой деятельности возникают подобные ситуации, например, известен случай, когда кадастровому инженеру поступил заказ на межевание объектов культурного наследия, одним из которых является средневековая оборонительная крепость, висящая на скале, на высоте примерно 15 метров от земли. Эта крепость проецируется на земельный участок, уже поставленный на кадастровый учет, и регистрация её невозможна [33].

Современные многоэтажные здания, тоннели и инженерные сооружения требуют строительства надземных и подземных сооружений, которые можно представить двумя способами. Для иллюстрации недостатков 2D кадастра рассмотрим следующие примеры.

Первым рассмотрим случай комплексного строительства на одном земельном участке. На рисунке 1.2 приведен пример сочетания разных видов собственности, расположенных на одном земельном участке и конструктивно объединенных физически в один объект недвижимости, а также метод их

представления в 2D системе кадастра. В этом примере показаны жилые помещения, принадлежащие разным владельцам, офисы и коммерческие помещения, принадлежащие юридическим лицам.

Рисунок 1.2 - Многоквартирные жилые и коммерческие здания на одной площадке и их представление в двумерной системе кадастра.

По рисунку понятно, что отсутствие отображения зарегистрированных прав собственности на конкретные объекты недвижимости, входящие в состав физически объединенного объекта недвижимости, вносит путаницу в сведения на публичной кадастровой карте. Фактически, такой способ визуализации зарегистрированных прав и границ объектов недвижимости не является наглядным, а также влияет на достоверность информации.

В большинстве систем кадастра, которые формально делят такие здания на отдельные объекты недвижимости, принадлежащие разным владельцам, но размещенные на одном земельном участке, в итоге образуют новую конфигурацию. Эти новые конфигурации земельного участка отображаются в кадастровой структуре, но более подробное представление в 3D всех конфигураций поможет прояснить отношения между отдельными объектами недвижимости разных собственников и общей собственностью, в данном случае понимаемой как конструктивно взаимосвязанную сущность [127]. Кадастровая структура таких зданий обычно состоит из отдельных объектов, общего имущества и ограничений прав на недвижимость (сервитуты) [42].

Похожий пример приведен на рисунках 1.3-1.4, где изображен ЖК "Балчуг Резиденс" в Москве, который имеет 4 здания, одно из них нависает над другим на уровне последнего этажа. Однако этот объект на Яндекс карте отображается как 3

поверхность земли

объекты (рис 1.4.а) а на публичной кадастровой карте, переход между зданиями не отражен как часть контура (рис 1.4.б).

Рисунок 1.3 - ЖК "Балчуг Резиденс", г. Москва Садовническая улица, 29

(а) (б)

Рисунок 1.4 - (а)- ЖК "Балчуг Резиденс", вид на Яндекс карте, (б)- ЖК "Балчуг Резиденс" на публичной кадастровой карте Рассмотрим второй случай комплексного строительства, когда объекты пересекают несколько земельных участков (рисунок 1.5).

Рисунок 1.5 - Комплексное строительство, пересекающееся с несколькими земельными участками: 1, 5 - многоэтажные здания; 2, 4 - улицы; 3 -парк; 6 -сваи для удержания здания; 7 - автостоянки Современная городская среда часто требует инфраструктуры, размещение которой на одном земельном участке невозможно. Подобные инфраструктурные объекты, как подземные автостоянки или станции метрополитена,

телекоммуникационные и другие трубопроводы, требуют дополнительных мероприятий при размещении на местности и таким образом повышают важность учета и регистрации каждого случая. Большие инфраструктурные комплексы, сильно усложняют процесс проектирования, поэтому обычно, требуют специальных законодательных актов, которые регламентируют приобретение земельных участков [53]. На рисунке 1.6 представлен кадастровый план ситуации, показанной на рисунке 1.5 в двумерной системе кадастра.

Рисунок 1.6 - Кадастровая карта для конфигурации на рисунке 1.6: 1, 5 -многоэтажные здания; 2, 4 - улицы; 3 -парк Рассмотрим еще один пример - ЖК "The Interlace" в Сингапуре (рис.1.7), который представляет собой 1000-квартирный жилой комплекс. Он примечателен своим дизайном, который выглядит как 31 кирпич, неравномерно сложенный друг на друга.

(а) (б)

Рисунок 1.7 - (а)-Жилой комплекс Interlace в Сингапуре. (б)-представление

ЖК в двухмерном пространстве. Эти примеры показывают, как существующие 2D системы ограничивают возможность четкого понимания организации и правового статуса сложных инфраструктурных комплексов.

1.4. Определение 3Б-кадастра

Согласно стандартам Евразийской экономической комиссии (ЕЭК), земельные участки определяются в качестве трехмерных объектов, имеющих определенный объем. Не существует одного подхода к созданию системы 3D-кадастра в мире. Разные исследователи и организации определяют понятие 3D-кадастра по-разному. Рассмотрим некоторые из них.

В работе [127] автор определил трехмерный кадастр как систему, обеспечивающую информацию об учтенном недвижимом имуществе, где представлены сведения о правах собственности не только на земельные участки, но и на трехмерные объекты, расположенные на поверхности земли. В работе [87] авторы предложили определение 3D-кадастра как система, которая может управлять трехмерными пространственными данными таким же образом, как и в системах ГИС. Цель данной системы можно разделить на две задачи. Первая задача

- кадастровый анализ трехмерных пространственных данных о земельных участках и объектах недвижимости и прилагаемые к ним права собственности. Вторая задача

— это трехмерная цифровая визуализация. Согласно FIG трехмерная система кадастра представляет собой информационную систему в трехмерном пространстве, которая используется для обеспечения прав собственности на объекты недвижимости, расположенные под, над или непосредственно на поверхности земли [113]. Дельфтский технологический университет определяет ЗЭ-кадастр как систему, которая по-прежнему регистрирует права и ограниченные права на 2D-земельных участка, но дает больше информации о юридической и фактической ситуации выше и ниже поверхности земли в случае сложности юридической регистрации собственности.

Исходя из приведенных выше определений можно сделать вывод, что все исследователи выделяют важность фиксации и отображения прав на недвижимое имущество не только в плановом представлении, но и в объемном. На сегодняшний день 3D-кадастр используется в большинстве стран Евросоюза, поэтому для

определения 3D-кадастра в данном исследовании рассмотрим сначала опыт зарубежных стран.

1.5. ЭБ-кадастр в зарубежных странах

Уже сейчас трехмерные системы кадастра можно встретить во многих странах мира, например в таких как: Нидерланды [129], [130], Швеция [91], [114], [115], Норвегия [134] и Турция [67-68]. Начало международного осознания темы ЗЭ-кадастра было отмечено первым семинаром по 3D-кадастрам, организованном Технологическим университетом Делфта в ноябре 2001 года и спонсированном Международной Федерацией Геодезистов (FIG). К настоящему времени профессиональное сообщество располагает результатами уже шести проведенных международных семинаров по теме 3D-кадастра (2001, 2011, 2012, 2014, 2016, 2018) [84]. В настоящее время много стран уже создали свои трехмерные системы кадастра недвижимости. Например, в Норвегии в начале 90-х годов, обеспечение трехмерного кадастра было включено в качестве важного вопроса для улучшения кадастрового законодательства, поскольку в это время действующая юридическая структура не предусматривала создание трехмерных объектов недвижимости с раздельным владением на одном земельном участке [134]. В 1995 году была создана комиссия, которая заключила, что в системе кадастра Норвегии необходимо рассматривать 4 типа трехмерных объектов недвижимости [111]:

1) объекты под поверхностью земли, такие как подземные паркинги, торговые площади, тоннели;

Список литературы диссертационного исследования кандидат наук Дждид Али, 2022 год

Список литературы

1. Земельный кодекс Российской Федерации от 25.10.2001 №136-ФЗ [Электронный ресурс]. - Режим доступа: http://www.consultant.ru (дата обращения: 05.02.2018 г.)

2. Федеральный закон от 24.07.2007 №221-ФЗ «О государственном кадастре недвижимости» [Электронный ресурс]. - Режим доступа: http://www.consultant.ru (дата обращения: 05.02.2018 г.)

3. Приказ Минстроя России от 31.12.2020 N 928/пр «Об утверждении СП 333.1325800.2020 "Информационное моделирование в строительстве. Правила формирования информационной модели объектов на различных стадиях жизненного цикла"» [Электронный ресурс]. - Режим доступа: http://www.consultant.ru (дата обращения: 1.08.2021 г.)

4. Государственный (национальный) доклад о состоянии и использовании земель в Российской Федерации в 2017 году [Электронный ресурс] / Официальный сайт Росреестр - М., 2018. - Режим доступа: https://www.rosreestr.ru (дата обращения: 30.05.2018 г.)

5. Научный Отчёт «О состоянии сельских территорий Российской Федерации в 2016 году». - М.: ВИАПИ, 2017.

6. Заключительный отчет «Создание модели трехмерного кадастра недвижимости в России». - М.: Росреестр, 2012.

7. Демографический ежегодник России.2019: [Стат. сборник]. - М.: Росстат, 2019. -254 c. - ISBN 978-5-89476-479-5

8. МИ СМК 71.12.12 Инструкция по проведению работ в области геодезии с применением 3ё-сканера [Электронный ресурс]. - Режим доступа: http://www. dokipedia.ru (дата обращения: 22.10.2018 г.)

9. Буров, М. П. Современные проблемы земельных преобразований / М. П. Буров // Землеустройство, кадастр и мониторинг земель. - 2015. - №10. - С. 1-5.

10. Велижев, А. Б. Автоматическая сегментация облаков точек на основе элементов поверхности/ А. Б. Велижев, Р. В. Шаповалов, Д. Потапов, Л. Третьяк, А. Конушин // GraphiCon. - 2009. - №5. - С. 241-245.

11. Волков, С. Н. Земельная политика: как сделать ее более эффективной / С. Н. Волков // Международный сельскохозяйственный журнал. - 2014. - №1. - С. 3-6.

12. Волков, С. Н. Как достичь эффективного управления земельными ресурсами в России / С. Н. Волков // Международный сельскохозяйственный журнал. - 2015. -№3. - С. 3-7.

13. Герасимова, С. Г. Перспективы создания 3d кадастра в России / С. Г. Герасимова, М. Б. Ибрагимов, М. В. Петров // Геопрофи. - 2013. - №3. - С. 5-8.

14. Горбачев, В. Н. Элементы обработки цифровых изображений и встраивания цифровых данных: Учебник для вузов / В. Н. Горбачев, Е. М. Кайнарова. - Спб.: Санкт-Петербургский Государственный университет промышленных технологии и дизайна, 2016. - 97 с.

15. Дждид, А. Использование методов наземного лазерного сканирования и фотограмметрической съемки для построения трехмерных моделей памятников архитектуры и объектов культурного наследия: Диссертация на соискание ученой степени магистра: 21.04.03 / Дждид Али Джадалла. — М., 2016. — 83 с.

16. Дждид, А. Контроль качества трехмерной модели памятника архитектуры, полученной на основе данных наземного лазерного сканирования / А. Д. Дждид // землеустройство, кадастр и мониторинг земель. - 2018. - № 2. - С. 56 - 63.

17. Дждид А., Создание 3Э моделей архитектурных объектов из облака точек / А. Д. Дждид, Калинова Е. В. // Архитектура и строительство России. - 2018. - № 4. - С. 44 - 45.

18. Дждид А. Обзор методов сегментации и классификации облака точек архитектурных объектов / А. Д. Дждид // Научный журнал Известия высших учебных заведений «Геодезия и аэрофотосъемка». - 2019. - № 1. - С. 52 - 59.

19. Дждид А., Бегляров Н.С., Юнусов А.Г. Сравнительный анализ норвежского, швецкого и российско-голландского опыта представления трёхмерных объектов кадастрового учёта// Известии государственного университета по землеустройству (Сборник научных трудов, посвященный 240-летнему юбилею ГУЗа). 2019.- PP. 89-96.

20. Дждид А., Бегляров Н.С., Перспектива интеграции НЛС в единую методику сбора 3Э-геопространственных данных // Труды научного конгресса 21-го Международного научно-промышленного форума: в 3-х томах. 2019.- РР. 307-310.

21. Игнатенко А. Лаборатория компьютерной графики и мультимедиа: Гамма-коррекция: Учебник для вузов / А. Игнатенко. - М.: МГУ, 2011. -56с.

22. Геоинформатика / Е.Г. Капралов, А.В. Кошкарев, В.С. Тикунов [и др.] .-М.: Академия, 2005. - 480 с.

23. Комиссаров Д. В. Опыт применения технологии лазерного сканирования при проектировании и контроле монтажа фасадов зданий / Д. В. Комиссаров, О. А. Дементьева // ГЕО-Сибирь-2007. III Междунар. науч. конгр. (Новосибирск, 25-27 апреля 2007 г.). - Новосибирск: СГГА, 2007.- С. 126-128.

24. Комиссаров А. В. Теория и технология лазерного сканирования для пространственного моделирования территорий: дис., д-р. техн. наук: 25.00.34 / Комиссаров Александр Владимирович. - Новосибирск, 2015. - 278 с.

25. Кочнева А. А. Разработка модифицированных цифровых моделей рельефа по данным воздушного лазерного сканирования для проектирования автодорог, дис. канд. Техн. наук: 25.00.32 / Коченева Алина Александровна. - Спб., 2018. - 144 с.

26. Липски, С.А. Управление земельным фондом в современной России / С.А. Липски // Землеустройство, кадастр и мониторинг земель. - 2014. - №3. - С. 6-13.

27. Литвинов К. Ф. Лазерное сканирование архитектурных объектов / К. Ф. Литвинов // XVIII Международная научно-практическая конференция «Современные техника и технологии». - 2012.- С. 287-288.

28. Лойко, П.Ф. Некоторые аспекты современного землепользования в Российской Федерации (земельная политика) / П.Ф. Лойко // Организация, технологии и опыт ведения кадастровой деятельности»: сб. науч. трудов.- М.: ГУЗ, 2012. -С.11-18.

29. Лойко, П.Ф. О совершенствовании системы управления землепользованием и развитии территориального кадастра в Российской Федерации / П.Ф. Лойко // Имущественные отношения в Российской Федерации. - 2012. - №2 3(126). - С. 6-18.

30. Мальцев, К. Построение моделей пространственных переменных (с применением пакета Surfer): Учеб. пособие / К. Мальцев, С. Мухарамова // .Казань: Казанский университет, 2014. - 103 с.

31. Новик, Ю. С. перспективы использования лазерного сканирования для обследования памятников архитектурного наследия / Ю. С. Новик // Международный научно-практический журнал «Современные исследования». -2018. - № 4. - С. 141-144.

32. Павалова, А. И. Анализ методов интерполирования высот точек для создания цифровых моделей рельефа / А. И. Павалова // Автометрия. - 2017. - №2 53. - С. 8694.

33. Павлова, Е. А. Развитие трехмерного кадастра объектов недвижимости в России / Е. А. Павлова // Молодой ученый. - 2013. - № 8. - С. 40-42.

34. Папаскири, Т.В. Информационное обеспечение современного землеустройства / Т. В. Папаскири // Землеустройство, кадастр и мониторинг земель. - 2011. - № 5. - С. 29-40.

35. Папаскири, Т.В. Информационное обеспечение землеустройства / Т. В. Папаскири. -М.: ГУЗ, 2013. -160 с.

36. Папаскири, Т.В. Автоматизация землеустроительного проектирования (экономика и организация) / Т. В. Папаскири. -М.: ГУЗ, 2013. -247 с.

37. Папаскири, Т.В. Разработка Федеральной Целевой Программы «По созданию системы автоматизированного землеустроительного проектирования (САЗПР) и пакета прикладных программ (ППП) на выполнение первоочередных видов землеустроительных и смежных работ на территорию Российской Федерации» / Т. В. Папаскири // Землеустройство, кадастр и мониторинг земель. - 2014. - № 4. - С. 14-25.

38. Папаскири, Т.В. Землеустроительное проектирование и землеустройство на основе автоматизации: проблемы и решения / Т.В. Папаскири // Землеустройство, кадастр и мониторинг земель. - 2015. - № 8. - С. 10-15.

39. Папаскири, Т.В. Организационно-экономический механизм формирования системы автоматизированного проектирования в землеустройстве: дис., д-р экон. Наук:08.00.05 / Папаскири Тимур Валикович. - М., 2016. - 399 с.

40. Сергеевич, И. К. Экономическое управление землями сельскохозяйственного назначения и методика оценки его эффективности/ И. К. Сергеевич, Д. Д. Владимирович // Научный журнал КубГАУ. - 2012. - № 82. - С. 1-15.

41. Середович, В. А. Наземное лазерное сканирование / В. А. Середович. -Новосибирск: СГГА, 2009. -176 с.

42. Основы кадастра недвижимости: учеб. пособие / А.П. Сизов, А.Е. Алтынов, С.А. Атаманов [и др.]. - М.: МИИГАиК, 2013. - 390 с.

43. Сизов, А.П. Введение в специальность. Землеустройство и кадастры: учеб. пособие / А. П. Сизов. - М. : МИИГАиК, 2013. - 73 с.

44. Снежко, И. И. Методика расчета построения моделей объектов недвижимости в 3Э кадастре: дис. кан. техн. наук: 25.00.26 / Снежка Ирина Игоревна. -М., 2014.-140 с.

45. Тулупьев, А.Л. Самообучающиеся системы / А.Л. Тулупьев, С.И. Николенко. - М.: МЦНМО, 2009. 288 с.

46. Хлыстун, В.Н. О роли землеустройства в реализации земельной политики государства / В.Н. Хлыстун // Землеустройство, кадастр и мониторинг земель. -2013. - № 9. - С. 10-16.

47. Шабанов-Кушнаренко, С.Ю. Модель равноконтрастного цветового тела в преобразовании цветовых данных в полиграфических системах / С.Ю. Шабанов-Кушнаренко, З.В. Дударь, О.В. Калиниченко, Д.Ю. Шульга, М.И. Никонова // Системи обробки шформаци. - 2015. - № 5. - С. 56-59.

48. Шаповалов, Р. В. Семантическая сегментация данных лазерного сканирования / Р. В. Шаповалов, А. Б. Велижев, О.В. Баринова, А. С. Конушин // Международный журнал «Программные продукты и системы». - 2012. - № 1. - С. 47-51.

49. Юнусов, А.Г. Геодезия: учеб. для вузозв / А.Г. Юнусов, А. Б. Беликов, В.Н. Баранов, Ю.Ю. Каширкин //. М.: Академический Проект; Гаудеамус, 2011. - 409 с.

50. Юнусов А.Г., Дждид А., Бегляров Н.С., Елшеви М. А., Оценка влияния изменения плотности облака точек на точность автоматической сегментации / А.Г. Юнусов,

А. Дждид, Н.С. Бегляров, М. А. Елшеви // Известия высших учебных заведений «Геодезия и картография». - 2020. - № 7. - С. 47 - 54.

51. Abdelhafiz, А. Towards a 3D True Colored Space by the Fusion of Laser Scanner Poin t Cloud and Digital Photos // Remote Sensing and Spatial Information Sciences. 2005. -V. 36.- PP. 1-7.

52. Aien, A. Developing and testing a 3d cadastral data model a case study in Australia / A. Aien, M. Kalantari, A. Rajabifard, I. Williamson, D. Shojaei // ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2012. - V. 1. - PP. 1-7.

53. Aien, A. 3D Cadastral Data Modelling.- PhD Thesis, University of Melbourne -Melbourne, 2013. - 474 p.

54. Alexa, M. Computing and Rendering Point Set Surfaces / M. Alexa, J. Behr, D. Cohen-Or, S. Fleishman, D. Levin, C. Silva // IEEE Transactions on Visaulization and Computer Graphics. 2003. - V. 9. - PP. 3-15.

55. Anh, N., Bac, L. 3D Point Cloud Segmentation: A survey // Proceedings of the 6th IEEE Conference on Robotics, Automation and Mechatronics (RAM) 2013, Manila, Philippines. P. 225-230.

56. Ballard, D. Generalizing the 33 transform to detect arbitrary shapes // Pattern Recognition. 1981. - V. 13.- PP. 183-194.

57. Belej, M. Alternative methods for conducting comparative analyses of cadastral systems / M. Belej, S. Zrobek, L. Liang // Chinese Geographical Science. 2002. - V. 12. - PP. 366-372.

58. Besl, P. Segmentation through variable order surface fitting / P. Besl, R. Jain // IEEE Transaction on Pattern Analysis and Machine Intelligence. 1988. - V.10. - PP. 167-192.

59. Bhanu, B., Lee, S., Ho, C.Henderson, T. Range data processing: representation of surfaces by edges // Proceedings of the 8th International Conference on Pattern Recognition 1986, Paris. - pp. 236-238.

60. Boulaassal, H., Landes, T., Grussenmeyer, P., Tarsha-Kurdi, F. Automatic segmentation of building facades using terrestrial laser data // ISPRS Workshop on Laser Scanning and SilviLaser 2007, Espoo. - pp. 65-70.

61. Breunig, M., Kriegel, H., Ng, R., Sander, J. LOF: Identifying density-based local outliers // Proceedings of the 2000 ACM SIGMOD international conference on Management of data 2000. Dallas. - pp. 1-12.

62. Cahalane, C., Mc Elhinney, P., McCarthy, T. MIMIC: Mobile mapping point density calculator // Proceedings of the 3rd International Conference on Computing for Geospatial Research and Applications 2012. Washington. - pp. 16-26.

63. Cahalane, C. MIMIC: An Innovative Methodology for Determining Mobile Laser Scanning System Point Density / C. Cahalane, P. Mc Elhinney, P. Lewis, T. McCarthy // remote sensing. 2014. - V. 6. - PP. 7857-7877.

64. Castillo, E. Point Cloud Segmentation and Denoising via Constrained Nonlinear Least Squares Normal Estimates / E. Castillo, J. Liang, H. Zhao // Innovations for Shape Analysis. 2013. - V. 1. - PP. 283-299.

65. Che, E. Fast edge detection and segmentation of terrestrial laser scans through normal variation analysis / E. Che, M. Olsen // ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2017. - V. 4. - PP. 51-57. doi: 10.5194/isprs-annals-IV-2-W4-51 -2017.

66. Dash, M. Feature selection for classification / M. Dash, H. Liu // Intelligent Data Analysis. 1997. - V. 1. - PP. 131-156.

67. Doner, F., Demir, O., Biyik, C. Need for Three-Dimensional Cadastre in Turkey // Proceedings FIG Working Week 2011, Marrakech. - 11 p.

68. Doner, F., Biyik, C. Conformity of LADM for modeling 3D/4D Cadastre Situations in Turkey // Proceedings of 5th Land Administration Domain Model Workshop 2013, Kuala Lumpur, Malaysia. - pp. 433-466.

69. EOS 600D Specifications « CanonEOS_600D Product Specification"» [Электронный ресурс]. - Режим доступа: http:// www.prodimex.ch (дата обращения: 1.08.2021 г.)

70. Fischler, M. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography / M. Fischler, R. Bolles // Communications of the ACM. 1981. - V. 24. - PP. 381-395.

71. Fung, B., Wang, K., Ester, M. Hierarchical Document Clustering Using Frequent Item sets // Proceedings of the SIAM International Conference on Data Mining 2003, San Francisco. - pp. 59-70.

72. Genechten, V. Theory and practice on Terrestrial Laser Scanning Training material based on practical applications / V. Genechten. -Spain: Polytechnic University of Valencia Editorial. - 2008. - 241 p. англ.

73. George, L. Н. Laser Scanning for the Environmental Sciences / L. Н. George, R.G. Andrew. - UK: Blackwell Publishing Ltd. - 2009. - 302 p. англ.

74. Gobbetti, E., Marton, F. Layered point clouds // Proceedings of Eurographics Symposium on Point-based Graphics 2004, Zurich, Switzerland. - 8 p.

75. Grilli, E. A review of point clouds segmentation and classification algorithms / E. Grilli, F. Menna, F. Remondino // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2017. - V. 13. - PP. 339-344.

76. Guislain, M., Dignel, J., Chainel, R., Kudelski, D. Lefebvre, P. Detecting and Correcting Shadows in Urban Point Clouds and Image Collections // Proceedings of International Conference on 3D Vision (3DV) 2017, Stanford, USA. - 9 p.

77. Hackel, T. Fast semantic segmentation of 3d point clouds with strongly varying density / T. Hackel, J. Wegner, K. Schindler // ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2016. - V. 3. - PP. 177-184. doi:10.5194/isprsannals-III-3-177-2016

78. Hackel, T. Semantic3d.net: a new large-scale point cloud classification benchmark / T. Hackel, N. Savinov, L. Ladicky, J. Wegner, K. Schindler, M. Pollefeys // ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2017. - V. 1. - PP. 91-98. . doi :10.5194/isprs-annals-IV-1-W1-91-2017

79. Heywood, I. An Introduction to geographical information system / I. Heywood, S. Cornelius, S. Carver. - London: Pearson Prentice Hall. - 2011. - 446 p. англ.

80. Historic England Group. 3D Laser Scanning for Heritage Scanning / Historic England Group. - UK: Historic England. - 2018. - 119 p. англ.

81. Holz, D. Registration with the Point Cloud Library: A Modular Framework for Aligning in 3-D / D. Holz // EEE Robotics & Automation Magazine. 2015. - V. 22. - PP. 1-13.

82. Huan, N. Classification of ALS Point Cloud with Improved Point Cloud Segmentation and Random Forests / N. Huan, L. Xiangguo, Z. Jixian // remote sensing. 2017. - V. 9. -PP. 288-322.

83. International Federation of Surveyors. The FIG statement on the Cadastre / International Federation of Surveyors. - Belconnen: International Federation of Surveyors (FIG). -1995. - 22 p. англ.

84. International Federation of Surveyors. Best practices 3d cadastres / International Federation of Surveyors. - Copenhagen: International Federation of Surveyors (FIG). -2018. - 258 p. англ.

85. Ippolito А. Handbook of Research on Emerging Technologies for Architectural and Archaeological Heritage / А. Ippolito. - Hershey: IGI Global. - 2017. - 647 p. англ.

86. Jagannathan, A. Three-dimensional surface mesh segmentation using curvedness-based region growing approach / A. Jagannathan, E. Miller // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2007. - V. 29. - PP. 2195-2204.

87. Jarroush, J., Even-Tzur, G. Constructive Solid Geometry as the Basis of 3D Future Cadastre // Proceedings of FIG Working Week 22-27 May 2004, Athens, Greece. - 14 p.

88. Jasek, P., Stroner, M. Denoising of Laser Scanning Data using Wavelet // Proceedings of the 6th International Conference on Engineering Surveying 2014, Prague, Czech republic. - pp. 41-47.

89. Jdeed A. Detecting and Correcting Shadows in Point Clouds // PHRS journal for scientific researches: Lattakia, Syria. 2019. - V. 02.- PP. 05-08.

90. Jdeed A. Assessment of noise reduction method implemented in the Point Cloud Library program (PCL) // PHRS journal for scientific researches. 2019. - V. 1.- PP. 63-69.

91. Julstad, B. Property formation and three-dimensional property units in Sweden / B. Julstad, A. Ericsson // 1st International Workshop on 3D Cadastres. 2001. - V. 9. - PP. 173-190.

92. Kanan, С. Color-to-Grayscale: Does the Method Matter in Image Recognition? / С. Kanan, G. Cottrell // PLoS ONE. 2012. - V. 7. - PP. 1-7.

93. Kodors, S. Simple method of LIDAR point density definition for automatic building recognition / S. Kodors, I. Kangro // Engineering for rural development. . 2016. - V. 25. - PP. 415-424.

94. Kucak, R. The segmentation of point clouds with K-means and ANN (artificial neural network) / R. Kucak, S. Erol, E. Özdemir // The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2017. - V. 42. - PP. 595-598. . doi: 10.5194/isprs-archives-XLII-1-W1-595-2017

95. Lalonde, J. Detecting ground shadows in outdoor consumer photographs / J. Lalonde, A. Efros, S. Narasimhan // European Conference on Computer Vision. 210. - V. 6312. - PP. 322-335.

96. Landa, J. Point cloud processing for smart systems / J. Landa, D. Prochazka, J. Stastny // Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis. 2013. - V. 7. -PP. 2415-2421.

97. Lavoue, G. A new CAD mesh segmentation method, based on curvature tensor analysis / G. Lavoue, F. Dupont A. Baskurt // Computer-Aided Design. 2005. - V. 37. - PP. 975987.

98. Leica ScanStation C10/FlexLine TS02/TS06/TS09 [Electronic resource] : сайт Leica Geosystems HDS Inc. - Режим доступа: leica-geosystems.com (дата обращения: 15.07.2019 г.)

99. Li, L. An improved RANSAC for 3D point cloud plane segmentation based on normal distribution transformation cells / L. Li, F. Yang, H. Zhu, D. Li, Y. Li, L. Tang // Remote Sens. 2017. - V. 9. - PP. 433-449. doi: 10.3390/rs9050433.

100. Li, Q.Comparison of Different Feature Sets for TLS Point Cloud Classification / Q. Li, X. Cheng // Sensors. 2018. - V. 18. - PP. 1-17. doi:10.3390/s18124206

101. Linsen, L. Point Cloud Representation / L. Linsen // journal of University of Karlsruhe. 2001. - V. 3. - PP. 1-18.

102. Liu, Y. Automatic segmentation of unorganized noisy point clouds based on the gaussian map / Y. Liu, Y. Xiong // Computer-Aided Design. 2008. - V. 40. - PP. 576594.

103. Lu, X. Pairwise Linkage for Point Cloud Segmentation / X. Lu, J. Yao, J. Tu, K. Li, L. Li, Y. Liu // ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences. 2016. - V. 3. - PP. 201-208.

104. MacQueen, J. Some methods for classification and analysis of multivariate observations / J. MacQueen // 5th Berkeley symposium on mathematical statistics and probability. 1967. - V. 1. - PP. 281-297.

105. Mahmoud, A. Image Posterization Using Fuzzy Logic and Bilateral Filter / A. Mahmoud // Journal of Assiut University. 2016. - V. 1. - PP. 1-10.

106. Martino, M. A new framework for optimal classifier design / M. Martino, G. Hernandez, M. Fiori, A. Fernandez // Pattern Recognition-Elsevier. 2013. - V. 8. - PP. 2249-2255.

107. Mattsson, H. Towards Three Dimensional Properties in Sweden // Proceedings of the 32nd International Symposium FESF 24 - 25 October 2003, France.- pp. 120-133.

108. Miknis, M. Efficient Point Cloud Pre-processing using The Point Cloud Library / M. Miknis, R. Davies, P. Plassmann, A. Ware // International Journal of Image Processing (IJIP). 2016. - V. 10. - PP. 63-72.

109. Moreno, C., Ming, L. A Comparative Study of Filtering Methods for Point Clouds in Real Time Video Streaming // Proceedings of the World Congress on Engineering and Computer Science October 2016. San Francisco, USA. - 5 p.

110. Ng, R. Han, J. Efficient and effective clustering methods for spatial data mining // Proceedings of 20th Int. Conference on Very Large Databases 1994, San Francisco, USA. - pp. 144-155.

111. Onsrud, H. Making laws for 3D cadastre in Norway // Proceedings FIG Working Week 19 - 26 April 2002, Washington, USA. - 8 p.

112. Pajarola, R. Efficient Level-of-Details for Point Based Rendering // Proceedings of IASTED Computer Graphics and Imaging Conference August 2003, Hawai, USA. - 6 p.

113. Papaefthymiou, M., Labropoulos, T., Zentelis, P. 3D cadastre in Greece Legal, Physical and Practical Issues Application on Santorini Island // Proceedings FIG Working Week 22 - 27 May 2004, Athens, Greece. - 16 p.

114. Paulsson, J. 3D Property Rights-An Analysis of Key Factors Based on International Experience.- PhD Thesis, Royal Institute of Technology, Stockholm, 2007.-362 p.

115. Paulsson, J. 3D Property in Sweden // Proceedings Conference of Surveying Sciences 2011, Helsinki, Finland. - pp. 9-21.

116. Point Cloud Library (PCL) [Electronic resource] : сайт PCL. - Режим доступа: http :// docs.pointclouds. org/trunk/group_filters.html

117. Pauly M., Gross M., Kobbelt L. Efficient simplification of point-sampled surfaces / M. Pauly, M. Gross, L. Kobbelt // IEEE Visualization. 2002. - V. 2002. - PP. 163-170.

118. Rabbani, T. Segmentation of point clouds using smoothness constraint / T. Rabbani, F. Van Den Heuvel, G. Vosselmann // International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. 2006. - V. 36. - PP. 248-253.

119. Rau, J. True orthophoto generation of built-up areas using multi-view images / J. Rau, N. Chen, L. Chen // Photogrammetric Engineering & Remote Sensing. 2002. - V. 68.

- PP. 581-588.

120. Sapkota, P. Segmentation of Coloured Point Cloud.- Master Thiese, International Institute for Geo-information Science and Earth observation, Enschede, Netherlands, 2008. - 79 p.

121. Sappa, A., Devy, M. Fast range image segmentation by an edge detection strategy // Proceedings of IEEE 3rd 3-D Digital Imaging and Modeling 2001, Quebec City, Canada.

- pp. 292-299.

122. Shan, J. Topographic Laser Ranging and Scanning / J. Shan, C. Toth // Boca Raton: CRC Press. - 2018. - 655 p. англ.

123. Silverman, N. Image proceeding for 3D modeling / N. Silverman, F. Alla // journal of applied science. 1994. - V. 12. - PP. 326-342.

124. Sisman, А., YildiriM, R. Registration needs in the third-dimension cadaster // Proceedings of the World Cadastre Summit April 2015, Istanbul, Turky. - pp. 482-522.

125. Stoter, J., Biljecki, F., Ledoux, H., An improved LOD specification for 3D building models/ J. Stoter, F. Biljecki,H. Ledoux// Computers, Environment, and Urban Systems.2016. - V. 59. - PP. 25-37.

126. Sotoodeh, S. Outlier detection in laser scanner point clouds / S. Sotoodeh // IAPRS. 2006. - V. 36. - PP. 297-302

127. Stoter J. 3D Cadastre.- PhD Thesis, Delft University - Delft, 2004. - 344p.

128. Stoter, J., 3D Cadastre in an International Context: Legal, Organizational, and technological aspects / J. Stoter, P. Oosterom. - Florida: CRC Press. - 2006. - 344 p.

129. Stoter, J., Ploeger, H., Louwman, W., Oosterom, P., Wünsch, B. Registration of 3D Situations in Land Administration in the Netherlands // Proceedings of 2nd International Workshop on 3D Cadastres 2011, Delft, Netherlands. - pp. 149-221.

130. Stoter, J. 3D cadastre in the Netherlands: Developments and international applicability / J. Stoter, H. Ploeger, P. Oosterom // Computers, Environment and Urban Systems. 2013. - V. 40. - PP. 56-67.

131. Sunitha, L. A Comparative Study between Noisy Data and Outlier Data in Data Mining / L. Sunitha, M. Bal Raju, B. Sunil // International Journal of Current Engineering and Technology. 2013. - V. 3. - PP. 575-577.

132. Tarsha-Kurdi, F., Landes, T., Grussenmeyer, P. Hough transform and extended ransac algorithms for automatic detection of 3d building roof planes from lidar data // Proceedings of ISPRS Workshop on Laser Scanning 2007 ,spoo, Finland. - pp. 407-412.

133. Troccoli, A., Allen, P. Relighting acquired models of outdoor scenes // Proceedings of the 5th Int'l Conf. on 3-D Digital Imaging and Modeling 2005. Ottawa, Canada. - 8 p.

134. Valstad, T. The Cadastral System of Norway // Proceedings FIG Working Week 14 -19 June 2008. Stockholm, Sweden. - 7 p.

135. Van Oosterom, P. Research and development in 3D cadastres / P. Van Oosterom // Computers, Environment and Urban Systems. 2013. - V. 30. - PP. 1-6.

136. Vivian, S. Implementing the gamma correction algorithm using the TMS320C2xx DSP: application report / S. Vivian. -USA: Texas Instruments Incorporated.-1997.-17 p.

137. Vo, A. Octree-based region growing for point cloud segmentation / A. Vo, L. Truong-Hong, D. Laefer, M. Bertolotto // ISPRS Journal of Photogrammetry and Remote Sensing. 2015. - V. 104. - PP. 88-100.

138. Vosselman, M. Recognising structure in laser scanning point clouds / M. Vosselman, B. Gorte, G. Sithole, T. Rabbani // International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. 2004. - V. 36. - PP. 2-7.

139. Vosselman, G. Airborne and Terrestrial Laser Scanning / G. Vosselman, H. Gerd Maas. - Germany: Whittles publishing. - 2010. - 337 p. англ.

140. Wang, Y. Outlier formation and removal in 3D laser scanned point clouds.- PhD Thesis, University of Science and Technology of China, Yutao Wang, 2014. - 181 p.

141. Wani, M. Parallel edge-region-based segmentation algorithm targeted at reconfigurable multiring network / M. Wani, H. Arabnia // The Journal of Supercomputing. 2003. - V. 25. - PP. 43-62.

142. Williamson, I. Cadastres and Land Information Systems in Common Law Jurisdictions / I. Williamson // Survey Review. 1985. - V. 28. - PP. 114-129.

143. Wu, J. Optimized sub-sampling of point sets for surface splatting / J. Wu, L. Kobbelt // Computer Graphics Forum. 2004. - V. 23. - PP. 643-352.

144. Wu, J., Zhang, Z., Kobbelt, L. Progressive Splatting // Proceedings of the Eurographics Symposium on Point-Based Graphics 2005 Goslar, Germany. - 8 p.

145. Xiaohui, D. Adaptive Out-of-Core Simplification of Large Point Clouds // Proceedings of the 2007 IEEE International Conference on Multimedia and Expo July 2007. Beijing, China. - pp. 1439-1442.

146. Yamauchi, H., Lee, S., Lee, Y., Ohtake, Y., Belyaev, A., Seidel, H., Feature sensitive mesh segmentation with mean shift // Proceedings of IEEE Shape Modeling and Applications International Conference 2005, Cambridge, USA. - pp. 236-243.

147. Zhan, Q. Color-based segmentation of point clouds / Q. Zhan, Y. Liang, Y. Xiao // ISPRS Laser Scanning Workshop. 2009. - V. 38. - PP. 248-252.

148. Официальный сайт федеральной службы государственной регистрации кадастра и картографии [Электронный ресурс]. - Режим доступа: http://www.rosreestr.ru (дата обращения: 15.07.2019 г.)

149. Abdul-Rahman, A., and M. Pilouk. 2007. 2D and 3D Spatial Data Representations. In Spatial Data Modelling for 3D GIS, 30 pp. Berlin: Springe.:

Приложение А

Используемые приборы, оборудование и ПО

Лазерный сканер Leica ScanStation C10

Характеристики лазерного сканера представлены в таблице А1. [98]:

Таблица А1 - Характеристики сканера Leica ScanStation C10

Тип инструмента Импульсный со встроенным двухосевым компенсатором наклона

Точность определения положения точки 6 мм на 50 м

Точность измерения расстояния 4 мм на 50 м

Максимальное расстояние 300 м

Угловая точность (по вертикали/горизонтали) 60 мкрад, 60 мкрад

Размер пятна лазера до 6 мм на 50 м

Максимальное расстояние 300 м при отражении 90%

Частота сканирования до 50000 точек в секунду

Поле зрения по вертикали/по горизонтали 270°/360°

Видоискатель встроенная цифровая видеокамера

Отражающие марки

Использованы марки в виде дисков небольшого размера (рис. А1).

Рисунок А1 - Используемые марки

Цифровая камера СапопЕ08_600В

Технические характеристики цифровой камеры СапопЕ0Б_600В представлены в таблице А2. [69]

Таблица А2 - Характеристики камеры CanonEOS_600D

ДАТЧИК ИЗОБРАЖЕНИЯ

Тип 22,3 x 14,9 мм CMOS

Эффективное количество пикселей Прибл. 18,0 млн. пикселей

Общее количество пикселей Прибл. 18,7 мегапикселей

ОБЪЕКТИВ

Крепление объектива Объективы EF/EF-S

Фокусное расстояние 1,6x фокусного расстояния объектива

Для обработки данных сканирования мы использовали Cyclone, а для обработки данных фотограмметрической съемки были использованы две программы - это 3D Max и Photomod. Временные затраты

Временные затраты представлены в таблице А3.

Таблица A3 - Временные затраты на разных этапах моделирования

Этап Временные затраты

Полевые работы с лазерным сканером 3 часа

Камеральные работы по обработке результатов сканирования 50 часов 35 минут

Полевые работы с цифровой камерой 1,5 часа

Камеральные работы по обработке результатов фотограмметрической съемки 34 часа 45 минут

Сравнительный анализ результатов измерения на памятнике

Поскольку ручной метод измерения является наиболее точным методом

(точность измерения связана с используемыми инструментами: мы использовали калибровочную линейку с точностью 1,5-2 мм), примем его в качестве опорного метода. Результаты измерения представлены в таблице А4.

Таблица А4 - Результаты измерения

Камень № Разме] р сторон камня в см

81 82 83 84 85 86 87 88

1.н.л.с 46,39 46,61 46,95 46,41 29,10 29,39 28,63 29,20

1.фото. 42,95 42,52 42,22 42,58 28,55 29,92 29,56 30,88

1.эталон 46,75 47,20 47,20 47,25 28,40 28,40 28,30 28,50

2.н.л.с 46,21 46,61 46,39 46,61 29,19 29,19 29,48 29,10

2.фото. 45,95 45,56 45,85 44,52 29,55 29,22 29,54 29,35

2.эталон 46,40 47,20 46,50 46,10 28,40 28,50 28,30 28,20

З.н.л.с 47,34 46,61 46,31 46,61 29,89 29,99 29,98 29,69

З.фото. 44,04 45,12 44,07 45,15 30,26 31,30 30,12 30,35

3. эталон 47,20 47,10 46,90 47,30 28,80 28,60 28,20 28,10

4.н.л.с 46,34 46,61 46,31 46,61 28,19 28,19 29,13 29,66

4.фото. 45,33 45,59 45,40 45,57 28,96 33,30 29,15 33,92

4.эталон 45,70 47,20 46,20 46,50 28,50 28,50 28,20 28,40

5.н.л.с 46,33 46,61 46,31 47,61 29,86 29,79 29,76 29,76

5.фото. 45,25 45,50 45,25 45,55 30,59 32,66 30,60 33,72

5.эталон 46,20 46,80 46,90 48,00 28,20 28,10 28,10 28,20

б.н.л.с 46,34 46,25 46,26 46,61 29,83 29,76 29,76 29,01

б.фото. 44,05 44,22 45,25 44,25 33,01 32,29 30,90 31,36

б.эталон 46,40 48,00 46,90 46,90 28,20 28,40 28,30 28,40

7.н.л.с 46,31 46,61 46,79 46,61 29,76 29,85 29,69 29,88

7.фото. 44,56 44,15 45,52 43,25 31,80 33,80 30,75 33,86

7.эталон 46,00 46,90 46,00 46,90 28,50 28,50 28,40 28,60

8.н.л.с 46,85 46,61 46,31 46,61 29,12 29,12 28,69 28,88

8.фото. 43,41 46,25 45,50 46,35 31,15 28,75 31,30 29,21

8.эталон 46,30 47,50 46,40 47,40 28,30 28,40 28,20 28,30

Различия между измерениями (расхождения) вычислялись по

из. эт.

юрмуле:

т =

N

[А52]

п

Сравнение полученной точности моделей представлены в таблице А5. Таблица А5 - полученные погрешности измерения.

Наземное лазерное сканирование Фотограмметрическая съёмка

СКП (мм) 8,9 25,6

Приложение Б

Обзор программного обеспечения для создания 3Б-моделей объектов из облака точек

На данный момент на рынке программных продуктов существует ряд пакетов, решающих задачу обработки результатов сканирования (облака точек). Высокая цена и спецификация каждого программного пакета обуславливает задачу выбора наиболее удовлетворяющей поставленным целям и требованиям программы. Каждый из существующих программных продуктов обладает своими преимуществами и недостатками.

Среди программного обеспечения для обработки результата сканирования можно выделить следующие программы:

1. Платные программы:

• Cyclone;

• RealWorks Survey;

• RapidForm;

2. Бесплатные программы (студенческие версии):

• Autodesk ReCap;

• Revit;

• AutoCAD Civil 3D.

3. Абсолютно бесплатные программы:

• MeshLab;

• CloudCompre.

4. Языки программирования (Платные):

• MATLAB.

Будем рассматривать программы, которые были использованы в данном исследовании, а именно Cyclone, Autodesk ReCap ,Revit, MeshLab и CloudCompre. А программу MATLAB не будем рассматривать в данном обзоре, так как с помощью её можно решать любую задачу, написав код программирования. Выделим ряд критериев, по которым можно сравнить это ПО:

1. регистрация облака точек;

2. редактирование точечных сканов (облака точек);

3. способы и режимы представления облака точек на экране;

4. создание сечений по облаку точек;

5. определение границы и построение планов;

6. сегментация облака точек;

7. создание трёхмерных моделей с помощью примитивов;

8. добавление текстуры;

9. стоимость.

Регистрация облако точек

Обычно изучаемый объект сканируется с нескольких станций стояния сканера, поэтому в результате сканирования получим несколько сканов (облако точек). Это значит, что первый этап обработки этих результатов — это регистрация облака точек (т.е. объединение отдельных сканов в общий скан на основе характерных точек объекта или опорных точек). Данный этап, можно выполнить во всех используемых программах кроме Revit, так как необходимые инструменты для выполнения этого процесса в программе Revit отсутствуют. Поэтому для обработки облака точек, в программе Revit, необходимо, сначала выполнить регистрацию в других программах.

Редактирование точечных сканов (облака точек)

Все программы кроме Revit считают каждую точку из облака точек как индивидуальный элемент. Это дает возможность редактировать каждую точку или набор точек отдельно (удалить, перемещать и т.д.) (рис. Б1- рис. Б2).

Рисунок Б1 - Очистка облака точек в Cyclone

Рисунок Б2 - Выделение точек в MeshLab А в Revit все облако точек воспринимается как один элемент, это проводит к сложностям в процессе обработки (удаление точки или части объекта невозможно).

Способы и режимы представления облака точек на экране

Лазерный сканер имеет встроенную камеру, благодаря которой появляется возможность раскрашивать облако точек в реальные цвета (рис.БЗ.а, рис.Б4.а) [51]. Режим интенсивности раскрашивает облако точек по силе отражения сигнала и каждая поверхность имеет свой коэффициент отражения, с помощью которого программа раскрашивает облако точек (рис.БЗ.б, рис.Б4.б). Переключение между этими режимами осуществляется очень просто одним щелчком мыши. Есть еще дополнительные режимы отображения. Из них стоит отметить режимы «отметка» и «нормаль». В режиме «отметка» облако точек раскрашивается по высоте (рис.БЗ.в, рис.Б4в), а в режиме «нормаль» каждая плоскость в облаке точек имеет свой цвет в зависимости от направления нормалей точек в нем (рис.БЗ.г, рис.Б4г). Вышеописанные режимы существуют во всех программах кроме Revit. Возможность использовать эти режимы в программе Revit существует, но только через плагин Leica cloudworx, который работает в среде Revit.

(в) (г)

Рисунок Б3 - Режимы представления облако точек в Cyclone и cloud worx

(а)- Режим реального цвета, (б)- Режим интенсивности, (в)- Режим высоты, (г)-

Режим нормалей

(а) (б) (в) (г)

Рисунок Б4 - Режимы представления облако точек в ReCap (а)- режим реального цвета, (б)- режим интенсивности, (в)- режим высоты, (г)- режим

нормалей Создание сечений по облаку точек

Программа Revit позволяет создавать сечения по облаку точек. Это мощный инструмент для управления большими проектами. Каждое сечение можно строить любым образом (горизонтально, вертикально, под углом), можно присваивать имена, переключаться между ними щелчком мыши. Это повышает точность и надежность результата (рис.Б.5). Такая возможность, в программе Cyclone ограничена, так как есть возможность только ограничить область работы с помощью инструмента limit box. Для решения этой проблемы можно использовать

и плагин Leica cloudworx для эффективного управления просмотром данных лазерного сканирования.

Рисунок Б5 - Создание сечений по облаку точек Leica CloudWorx Создание сечений по облаку точек в остальных программах (ReCap, MeshLab и CloudCompre) возможно только с помощью инструмента limit box.

Определение границы и построение планов

В Revit уровни используются для определения границ моделирования стен и других конструкций, ограничивая возможность показать на экране какую-либо часть облака точек. С помощью уровней процесс построения планов становится легким (рис.Бб). Такая возможность в программе Cyclone осуществляется с помощью инструмента limit box и инструмента «привязки уровня к облаку точек» в плагине cloudworx. Ограничения какую часть облака точек показать на экране существует и в остальных программах (ReCap, MeshLab и CloudCompre) с помощью инструмента limit box (рис.Б7), но инструменты для построения планов отсутствуют.

Рисунок Бб - Установка уровней в соответствии с облаком точек

Рисунок Б7 - инструмент limit box в CloudCompare Сегментация облако точек

Сегментация в программе Recap осуществляется только в ручном режиме, так как отсутствуют инструменты автоматической сегментации (рис.Б8).

Рисунок Б8 - Пример ручной сегментации в программе Recap Сегментация в CloudCompare осуществляется на основе высоты и на основе интенсивности, используя инструменты, которые разделяет облака точек на основе диапазонов интенсивности, так как разные объекты отражают энергию по-разному (рис.Б9).

Рисунок Б9 - Сегментация на основе интенсивности в CloudCompare Программа Cyclone имеет библиотеку инструментов для автоматической сегментации, которая выполняется:

• на основе интенсивности (разделяется облако точек на основе диапазонов интенсивности);

• на основе растущих районов;

• на основе примитивов.

Revit воспринимает все облако точек как один элемент, поэтому возможность сегментации отсутствует.

Инструменты сегментации в MeshLab тоже отсутствуют несмотря на то, что программа считает каждую точку как отдельный элемент.

Создание трёхмерных моделей

Программа Cyclone содержит один из самых мощных наборов инструментов для построения BD-моделей объектов. Набор инструментов программы позволяет моделировать плоскости, стены, трубы, металлические конструкции и другие элементы. Программа Cyclone позволяет осуществлять построение BD-моделей в автоматическом, полуавтоматическом и интерактивном режимах. Автоматический метод применяется, когда элементы объекта имеют правильную форму (цилиндр, круг, шар, конус и т.д.) (рис.Б10.а). Полуавтоматический и интерактивный режимы применяются для элементов объекта, имеющих сложную форму.

На данный момент специальные инструменты для построения 3D-моделей в Revit отсутствуют, но можно использовать его библиотеку примитивов (окна, стены, трубы и т.д.) (рис.Б10.Ь).

(а) (б)

Рисунок Б10 - Создание BD-моделей труб в Cyclone (а) в Revit (б)

В программе Recap инструменты моделирования отсутствуют.

А моделирования в программах MeshLab и CloudCompare осуществляется на

основе триангуляции, а не на основе примитивов (рис.Б11).

Рисунок Б11 - Моделирование на основе триангуляции в программе

MeshLab

Добавление текстуры

Revit и Recap не имеют достаточно инструментов для добавления текстуры на полученной модели.

Инструменты для наложения новой текстуры на моделях в программах Cyclone, MeshLab и CloudCompare существуют и процесс осуществляется на основе

выравнивания текстуры на облаке точек с помощью характерных точек (рис. Б12-(рис.Б13).

ф Ы. Ш Нмп Ум Мпл ТооЪ Н«|, " "

____ И*||е' гмшгаСмм чипа пиЛил! голпеепд«л<м

о # м •> V ■ ¿10а I « • л 9 ® ■ г * / ■

Рисунок Б12 - Выравнивание текстуры на облаке точек с помощью характерных точек (МевЪЬаЬ)

Рисунок Б13 - Облако точек после наложения новой текстуры Для профессионального добавления текстуры на полученную модель предлагается использовать дизайнерские программы, такие как 3D МАХ (рис.Б14).

Рисунок Б14 - Наложение текстура на модели в 3D МАХ

Стоимость

Стоимость ПО показана в таблице Б1.

Таблица Б1- Стоимость ПО.

Cyclone ReCap Revit MeshLab CloudCompre

стоиомсть 183$ в месяц Бесплатно для студентов Бесплатно для студентов Бесплатно Бесплатно

45$ в месяц 320$ в месяц

Результаты предыдущего обзора можно резюмировать в таблице Б2.

Таблица Б2- Сравнение используемых ПО.

Cyclone ReCap Revit MeshLab CloudCompre

Регистрация + + — + +

Редактирование точек + + — + +

Режимы представления + + +* + +

Создание сечений +* +— + +— +—

Определение границы и + — + — —

построение планов

Сегментация + + — — +

Создание трёхмерных + — +— + +

моделей

Добавление текстуры + — — + +

+ : в программе есть инструменты для выполнения данной задачи;

- : в программе отсутствуют инструменты для выполнения данной задачи;

+-: можно выполнять данную задачу, но с ограничением.

+*: можно выполнять данную задачу, но с помощью плагин.

Приложение В

1. Тахеометрическая съемка

Для выполнения тахеометрической съемки, использовались тахеометр Leica TS06plus R1000 5". Измерения выполнились в облачную погоду и при температуре 18 градусов. Технические характеристики данного тахеометра приведены в таблице В1. [98].

Таблица В1 - Технические характеристики тахеометра Leica TS06plus

R1000 5"

Точность измерения углов 5"

Дальность измерения расстояний (без отражателя) 1000 м

Дальность измерения расстояний (на призму) 3500 м

Точность измерения расстояний (без отражателя) 2 мм + 2 ррm до 500 м 4 мм + 2 ррm до 1000 м

Точность измерения расстояний (на призму) 1.5 мм + 2.0 ррт

Тахеометрическая съемка началась с выполнения рекогносцировки местности (обследование местности и выбор места закрепления вершин теодолитного хода и обеспечивающих видимость между ними). Далее создавалось съемочное обоснование в виде замкнутого тахеометрического хода из 6 вершин на местах с хорошим круговым обзором изучаемого объекта (рисунок В1).

рязанский тс затр драмы энэ

\i

1

щ- DmJ— /Ы "r^fll

КШ- Q -ид

рр Т~ Т И

1жН i———г-ЙФот| нт|аи ———|- |

Рисунок В1 - Схема съемочного обоснования тахеометрической съемки

После закрепления на местности геодезических знаков, измерялись длины сторон полигона туда и обратно, углы при круге право (КП) и круге лево (КЛ) (таблица В2).

Таблица В2 - Измеренные длины сторон полигона

Стороны Туда - КЛ (м) Туда - КП (м) Обратно -КЛ (м) Обратно -КП (м) Среднее значение(м)

AB 20.2807 20.2806 20.2797 20.2813 20.2806

BC 15.4468 15.4481 15.4477 15.4444 15.4468

CD 8.6454 8.6478 8.6470 8.6438 8.6460

DE 13.1377 13.1346 13.1337 13.1361 13.1355

EF 27.6542 27.6545 27.6541 27.6539 27.6542

FA 32.3409 32.3413 32.3386 32.3375 32.3396

Далее горизонтальные углы между сторон полигона были измерены полным приемом при КП и КЛ (таблица В3).

Таблица В3 - Измеренные направления стороны полигона

Точка стояния прибора Наблюдаемая точка КЛ (О ' ") КП (О ' ") Угол между стороны (О ' ") Среднее значение (О ' ")

A B 51 44 16 231 44 21 30 43 17 30 43 26

G 82 27 33 262 27 56 30 43 35

B C 169 20 15 349 20 37 230 50 21 230 50 24

A 40 10 36 220 11 04 230 50 27

C D 308 57 42 128 58 10 103 33 18 103 33 16

B 51 31 00 231 31 24 102 33 14

D E 357 48 19 177 48 21 175 6 30 175 6 33.5

C 172 54 49 352 54 58 175 6 37

E F 96 10 14 276 10 09 71 26 15 71 26 19

D 167 36 29 347 36 32 71 26 23

F А 235 47 07 55 47 08 109 17 37 109 17 36.5

E 345 04 44 165 04 44 109 17 36

Высоты точек съемочного обоснования были измерены тригонометрическим нивелированием, а плановые положения вычислялись на основе значений длины стороны полигона и горизонтальных углов между ними. Полученные координаты в результате обработки в программе CREDO_DAT 3.0 приведены в таблице В4.

Таблица В4 - Планово-высотное обоснование

Точка Х (м) ^м) Z(м)

A 500,000 500,000 10,000

B 479,713 500,000 9,889

С 469,961 488,022 9,480

D 462,222 491,896 9,469

Е 451,012 498,759 9,817

F 472,205 516,523 123,10

Съемка началась с измерением точки фасада театра, на которых была возможность установить вешку. Далее съемка продолжалась в без отражательном режиме на реечные точки, в которых нет возможности установить вешку с отражателем. Вычисленные координаты точки фасада, приведены в таблице В5.

Таблица В5 - Ведомость координат тахеометрической съемки

Точка Х (м) ^м) Z(м)

B5 474.522 526.632 12.360

B6 475.796 526.741 12.351

B7 475.799 526.724 10.592

B8 474.521 526.634 10.602

С1 461.242 525.733 12.601

С10 467.152 526.156 9.207

С11 469.993 526.349 9.198

С12 471.513 526.466 9.206

С2 462.739 525.925 12.590

С3 465.631 526.088 12.596

С4 467.144 526.203 12.593

С5 469.993 526.422 12.583