پیوندهای مفید
آمار
| تعداد نشریات | 15 |
| تعداد شماره‌ها | 246 |
| تعداد مقالات | 2,509 |
| تعداد مشاهده مقاله | 4,499,656 |
| تعداد دریافت فایل اصل مقاله | 3,316,604 |
ارزیابی نرم‌افزارهای فتوگرامتری بردکوتاه در مدل‌سازی سه‌بعدی بدنه یک شناور بزرگ | ||
| پژوهش های سنجش از دور و اطلاعات مکانی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 03 آبان 1405 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22061/jrsgr.2026.113675.1145 | ||
| نویسندگان | ||
| مصطفی صادقی طوسی؛ عبادت قنبری پرمهر* ؛ علیرضا آفری | ||
| گروه مهندسی نقشه برداری- دانشکده مهندسی عمران- دانشگاه صنعتی نوشیروانی بابل | ||
| تاریخ دریافت: 10 اردیبهشت 1405، تاریخ بازنگری: 25 مرداد 1405، تاریخ پذیرش: 03 آبان 1405 | ||
| چکیده | ||
| پیشینه و اهداف: توسعه مستندسازی سه‌بعدی، کنترل ابعادی دیجیتال و رویکردهای مبتنی بر دوقلوی دیجیتال در صنایع دریایی، نیاز به روش‌هایی را افزایش داده است که بتوانند هندسه سازه‌های بزرگ را با پوشش سطحی مناسب، دقت قابل اتکا و هزینه اجرایی منطقی ثبت کنند. فتوگرامتری بردکوتاه یکی از روش‌های مناسب برای این هدف است؛ زیرا امکان تولید ابرنقطه و مدل سه‌بعدی متراکم را با استفاده از دوربین‌های غیرمتریک فراهم می‌کند بااین‌حال، کیفیت خروجی تنها تابع تصاویر ورودی و طراحی شبکه نیست و موتور پردازش نرم‌افزار، نحوه تناظریابی، سرشکنی دسته‌اشعه، خودکالیبراسیون و بازسازی متراکم نیز می‌تواند بر نتیجه نهایی اثر بگذارد. این موضوع در بدنه شناورهای بزرگ اهمیت بیشتری دارد؛ زیرا سطوح فلزی بازتابنده، رنگ‌های یکنواخت و کم‌بافت، لبه‌های سازه‌ای، پنجره‌ها، تجهیزات جانبی و انحنای پیوسته بدنه به‌صورت هم‌زمان حضور دارند. هدف پژوهش حاضر، ارزیابی مقایسه‌ای سه نرم‌افزار Metashape، Pix4DMapper و ContextCapture در مدل‌سازی سه‌بعدی بدنه یک شناور و بررسی تفاوت آن‌ها از نظر دقت هندسی مستقل، انطباق موضعی ابرنقاط، کامل‌بودن بازسازی، زمان پردازش، رفتار خودکالیبراسیون و کاربردپذیری بود. روش‌ها: تصویربرداری با دوربین غیرمتریک گوشی هوشمند iPhone و با فوکوس و نوردهی خودکار انجام شد. از مجموعه اولیه ۴۵۵ تصویر، پنج تصویر به دلیل کیفیت نامناسب کنار گذاشته شد و ۴۵۰ تصویر برای پردازش نهایی باقی ماند که شامل ۲۸۸ تصویر تقریباً موازی و ۱۶۲ تصویر همگرا بود. برای کنترل هندسی مدل، ۵۲ تارگت روی بخش قابل مشاهده بدنه توزیع و مختصات آن‌ها با روش نقشه‌برداری صنعتی و توتال‌استیشن Leica TS09PLUS اندازه‌گیری شد. از این تعداد، ۳۰ نقطه در نقش نقاط کنترل وارد فرایند توجیه و ۲۲ نقطه به‌عنوان نقاط چک مستقل برای ارزیابی دقت خارجی مدل استفاده شد. مجموعه تصاویر و مختصات مرجع در هر سه نرم‌افزار پردازش شد. معیارهای ارزیابی شامل جذر میانگین مربعات خطا در مؤلفه‌های مختصاتی و خطای سه‌بعدی نقاط کنترل و چک، ارزیابی تراکم و کامل‌بودن ابرنقطه، تحلیل فاصله ابرنقطه با ابرنقطه در سه ناحیه نماینده هندسه لبه‌دار، صاف و منحنی، زمان مراحل توجیه و بازسازی متراکم، بررسی گزارش‌های خودکالیبراسیون و ارزیابی مشاهده‌ای پیچیدگی گردش کار و سطح کنترل کاربر بود. یافته‌ها: نتایج نقاط چک مستقل تفاوت مشخصی میان سه نرم‌افزار نشان داد. جذر میانگین مربعات خطای سه‌بعدی نقاط چک برای Metashape حدود ۵ میلی‌متر، برای ContextCapture حدود ۴۰ میلی‌متر و برای Pix4DMapper حدود ۴۵ میلی‌متر بود. در دو نرم‌افزار ContextCapture و Pix4DMapper سهم اصلی خطا در مؤلفه‌های افقی مشاهده شد و خطای مؤلفه قائم کوچک‌تر بود. در تحلیل موضعی ابرنقاط، جذر میانگین مربعات فاصله برای ContextCapture در زون‌های لبه‌دار، صاف و منحنی به‌ترتیب ۲۲، ۲۴ و ۲۰ میلی‌متر و برای Pix4DMapper به‌ترتیب ۳۳، ۴۱ و ۳۷ میلی‌متر به دست آمد. بیشترین فاصله بین عملکرد دو نرم‌افزار در ناحیه صاف و کم‌بافت مشاهده شد. بررسی بصری نیز نشان داد ContextCapture در تعدادی از نواحی پیچیده، ابرنقطه متراکم‌تر و کامل‌تری تولید کرده است، درحالی‌که در خروجی Pix4DMapper برخی نواحی دارای پوشش ناقص‌تر بودند. زمان کل پردازش در این پژوهش برای Metashape و ContextCapture وPix4DMapper به‌ترتیب ۴۵، ۶۷ و ۸۶ دقیقه ثبت شد. از نظر کاربردپذیری، Pix4DMapper گردش کار ساده‌تری داشت؛ Metashape سطح مناسبی از کنترل پارامترهای پردازش را همراه با گردش کار نسبتاً مستقیم فراهم کرد. نتیجه‌گیری: نتایج نشان داد که حتی با ثابت بودن مجموعه تصاویر و نقاط مرجع، انتخاب نرم‌افزار می‌تواند بر دقت نقطه‌ای، پیوستگی سطح، انطباق موضعی و زمان پردازش مدل سه‌بعدی یک شناور بزرگ اثر قابل توجهی داشته باشد. در مجموعه داده این پژوهش، Metashape کمترین خطای نقاط چک و کوتاه‌ترین زمان ثبت‌شده را ارائه کرد، در حالی که ContextCapture در مقایسه موضعی با ابرنقطه مرجع، فاصله کمتری نشان داد و از نظر کامل‌بودن سطح عملکرد مطلوبی داشت. Pix4DMapper از نظر سادگی گردش کار مزیت عملی داشت، اما خطای نقاط چک و فاصله موضعی ابرنقاط آن در شرایط آزمون بیشتر بود. | ||
| کلیدواژه‌ها | ||
| فتوگرامتری بردکوتاه؛ مدل‌سازی سه‌بعدی؛ بدنه شناور؛ Metashape؛ Pix4DMapper؛ ContextCapture | ||
| عنوان مقاله [English] | ||
| Evaluation of close-range photogrammetry software for 3D modeling of a large ship hull | ||
| نویسندگان [English] | ||
| M. Sadeghitoosi؛ E. Ghnabari Parmehr؛ A. Afary | ||
| Dept. of Geomatics, Faculty of Civil Engineering, Babol Noshirvani University of Technology | ||
| چکیده [English] | ||
| Background and Objectives: Large maritime structures increasingly require dense, geometrically reliable 3D documentation for dimensional control, maintenance planning, reverse engineering, and digital-twin workflows. Close-range photogrammetry is attractive for such tasks because it can generate dense 3D products from ordinary cameras with lower equipment cost and greater operational flexibility than many conventional dense-capture techniques. Nevertheless, the practical performance of photogrammetric processing software is not necessarily identical, especially when the object is very large and contains reflective metal, low-texture painted surfaces, sharp structural edges, and curved hull geometry. The objective of this study was to compare three widely used commercial photogrammetric software packages—Metashape, Pix4DMapper, and ContextCapture—under one industrial-scale case study and to determine how their outputs differ in geometric accuracy, local surface agreement, reconstruction completeness, processing time, self-calibration behavior, and practical usability. Methods: Images were acquired with a non-metric iPhone smartphone camera using automatic focus and exposure. After five low-quality images were excluded from an initial set of 455 photographs, 450 images were retained for processing, including 288 approximately parallel images and 162 convergent images. Fifty-two reference targets were distributed over the visible side of the vessel and measured by industrial surveying with a Leica TS09PLUS total station. Thirty targets were used as control points and 22 targets were reserved as independent check points. The same image set and reference coordinates were processed in Metashape, Pix4DMapper, and ContextCapture. Evaluation included the root mean square error of control and check points in the three coordinate components and in three dimensions, visual and numerical assessment of point-cloud completeness, cloud-to-cloud distance analysis in three representative zones with edged, planar, and curved geometry, processing time for alignment and dense reconstruction, interpretation of self-calibration outputs, and an observational usability assessment. Findings: The independent check-point results showed the largest separation among the software packages. The 3D RMSE was about 5 mm for Metashape, 40 mm for ContextCapture, and 45 mm for Pix4DMapper. The component-wise errors of ContextCapture and Pix4DMapper were concentrated mainly in the horizontal components, while the vertical component was much smaller. In the local cloud comparison, ContextCapture showed consistently smaller distances from the Metashape reference cloud than Pix4DMapper. For the edged, planar, and curved zones, the root mean square cloud-to-cloud distances were 22, 24, and 20 mm for ContextCapture and 33, 41, and 37 mm for Pix4DMapper, respectively. The planar zone produced the largest separation between the two compared point clouds. Visual inspection also indicated a denser and more complete reconstruction by ContextCapture in several geometrically difficult regions, whereas Pix4DMapper exhibited missing or less complete point-cloud coverage in some areas. Under the reported test configuration, total processing times were 45 min for Metashape, 67 min for ContextCapture, and 86 min for Pix4DMapper. The software packages also differed in workflow complexity and the level of user control over processing parameters. Conclusion: The results demonstrate that software choice can materially affect the geometric and operational outcome of close-range photogrammetric modeling of a large ship hull even when the input imagery and reference information are held constant. In this data set, Metashape produced the lowest independent check-point error and the shortest recorded processing time, while ContextCapture produced the closest local agreement with the Metashape reference point cloud and favorable surface completeness. Pix4DMapper offered a comparatively simple workflow but produced larger independent check-point errors and larger local cloud distances in the evaluated zones. | ||
| کلیدواژه‌ها [English] | ||
| Close-range Photogrammetry, 3D Modeling, Ship hull, Metashape, Pix4DMapper, ContextCapture | ||
| مراجع | ||
|
https://doi.org/10.1007/978-3-319-38756-7_4 [2] Luhmann T, Robson S, Kyle S, Boehm J. Close-Range Photogrammetry and 3D Imaging. Berlin, Boston: De Gruyter; 2020. https://doi.org/10.1515/9783110607253 [3] Remondino F, Fraser C. Digital camera calibration methods: considerations and comparisons. Int Arch Photogramm Remote Sens Spatial Inf Sci. 2006;36(5):266–272. DOI (منبعETH Zurich): https://doi.org/10.3929/ethz-b-000158067 [4] Fraser CS. Automatic Camera Calibration in Close Range Photogrammetry. Photogramm Eng Remote Sens. 2013;79(4):381–388. https://doi.org/10.14358/PERS.79.4.381 https://doi.org/10.1016/j.geomorph.2012.08.021 https://doi.org/10.1016/B978-0-444-64177-9.00001-1 https://doi.org/10.1007/3-540-44480-7_21 [8] Hartley R, Zisserman A. Multiple View Geometry in Computer Vision. 2nd ed. Cambridge: Cambridge University Press; 2004. https://doi.org/10.1017/CBO9780511811685 https://doi.org/10.1023/B:VISI.0000029664.99615.94 [10] Bay H, Ess A, Tuytelaars T, Van Gool L. Speeded-up robust features (SURF). Comput Vis Image Underst. 2008;110(3):346–359. https://doi.org/10.1016/j.cviu.2007.09.014 https://doi.org/10.1109/ICCV.2011.6126544 https://doi.org/10.1109/CVPR.2006.19 [13] Furukawa Y, Ponce J. Combining Multi-view Stereo and Bundle Adjustment for Accurate Camera Calibration. In: Ronfard R, Taubin G, editors. Image and Geometry Processing for 3-D Cinematography. Berlin, Heidelberg: Springer; 2010. p. 151–169. https://doi.org/10.1007/978-3-642-12392-4_7 https://doi.org/10.1109/TPAMI.2007.1166 [15] Fraser CS. Digital camera self-calibration. ISPRS J Photogramm Remote Sens. 1997;52(4):149–159. https://doi.org/10.1016/S0924-2716(97)00005-1 [16] Brown DC. Close-range camera calibration. Photogramm Eng. 1971;37(8):855–866. https://doi.org/10.5194/isprs-archives-XLII-2-W6-85-2017 https://doi.org/10.5194/isprs-archives-XLII-2-W5-591-2017 https://doi.org/10.1007/s12145-013-0142-2 https://doi.org/10.5194/isprs-archives-XLII-4-W8-217-2018 https://doi.org/10.5194/isprsarchives-XXXVIII-5-W16-245-2011 https://doi.org/10.5194/isprs-archives-XLII-2-W10-69-2019 https://doi.org/10.1111/phor.12063 https://doi.org/10.1016/j.culher.2012.12.003 [25] Nex F, Remondino F. UAV for 3D mapping applications: A review. Appl Geomat. 2014;6(1):1–15. https://doi.org/10.1007/s12518-013-0120-x [26] Sanz-Ablanedo E, Chandler JH, Rodríguez-Pérez JR, Ordóñez C. Accuracy of unmanned aerial vehicle and SfM photogrammetry survey as a function of the number and location of ground control points used. Remote Sens. 2018;10(10):1606. https://doi.org/10.3390/rs10101606 https://doi.org/10.1016/j.daach.2020.e00157 https://doi.org/10.3390/s24010286 https://doi.org/10.5194/isprs-annals-IV-4-W4-55-2017 https://doi.org/10.5194/isprs-archives-XLII-2-W15-1195-2019 https://doi.org/10.5194/isprs-archives-XLVI-M-1-2021-487-2021 [32] Mikhail EM, Bethel JS, McGlone JC. Introduction to Modern Photogrammetry. New York: Wiley; 2001. لینک ناشر: https://www.wiley-vch.de/en/areas-interest/engineering/introduction-to-modern-photogrammetry-978-0-471-30924-6 [33] Kraus K. Photogrammetry: Geometry from Images and Laser Scans. Berlin: De Gruyter; 2007. https://doi.org/10.1515/9783110892871 | ||
|
آمار تعداد مشاهده مقاله: 39 |
||