Journal of Geomatics Science and Technology

fa افزایش تراکم ابر نقاط لایدار هوابرد با استفاده از آنالیز موج پیوسته Increasing the Density of Airborne LiDAR Point Cloud by Full Waveform Analysis فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">در سالهای اخیر، سیستمهای جاروبکنندهی لیزری (لایدار) تبدیل به یکی از قدرتمندترین ابزار به منظور اندازهگیری</span></span><span dir="LTR"></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">های مربوط به سطح زمین و مدل سازی آن تبدیل شدهاند. با ظهور سیستمهای ماهوارهای و هوایی لایدار، امکان استخراج اطلاعات و پارامترهای مرتبط با ساختار عمودی عوارض، به خصوص درختان، فراهم شد، در حالی که قبلتر، این کار بوسیلهی دادههای غیرفعال سنجش از دوری مانند تصاویر امکان پذیر نبود. ابر نقاط حاصل از این سنجندهها، اطلاعات دقیقی را از ویژگیهای هندسی و فیزیکی عوارض موجود در مسیر حرکت لیزر و توزیع عمودی آنها ارائه می کند. از کاربردهای مربوط به این سیستمها میتوان به کاربرد آنها در جنگلداری و اندازهگیری پارامترهای جنگل، بدست آوردن مدل رقومی زمین با دقت ارتفاعی بالا، تعیین عمق دریاها و تعیین ضخامت یخهای قطبی، مدل سازی ساختمانهای شهری، شناسایی پلها و خطوط برق، نقشهبرداری خطوط ساحلی و معادن روباز و طبقهبندی پوششهای زمینی اشاره کرد. به دلیل اینکه خروجی سنجندههای لایدار اولیه (سیستمهای لایدار گسسته) صرفا ابر نقطه بوده است، محدودیتهایی در برخی از کاربردهای آن وجود دارند. برای مثال تشخیص گونههای درختی و استخراج درختان منفرد در جنگلهای متراکم با استفاده از این دادهها بسیار مشکل و در بسیاری از موارد امکانپذیر نبودهاست. از سال 2004، سیستمهای تجاری جاروبکنندهی لیزری هوایی جدیدی با نام سیستمهای لایدار موج پیوسته ظاهر شد. با امکان ثبت اطلاعات موج پیوستهی بازگشتی به طور کامل توسط جاروب کنندههای لایدار در سالهای اخیر، ضمن برطرف کردن بخشی از نقاط ضعف سیستمهای گسستهی لایدار مانند تراکم پایین نقاط، با دراختیار گذاشتن خصوصیات موج برگشتی نظیر دامنه و شدت قلههای ثبت شده، امکان تفکیک و استخراج تکدرختان در جنگلهای متراکم، طبقهبندی گونههای مختلف درختی و طبقهبندی عوارض با دقت بالاتری فراهم شد. یکی از چالشهای مربوط به این دادهها، نحوهی تجزیه امواج بازگشتی و استخراج ابر نقاط و اطلاعات اضافی مربوط به این دادهها است. اگرچه در ایران تحقیقات به نسبت خوبی بر روی استفاده از دادههای لایدار گسسته و کاربرد آنها در مدیریت جنگل و مدلسازی ساختمانهای شهری صورت گرفتهاست، ولی به جرات میتوان گفت هنوز دادههای لایدار موج پیوسته و نحوهی پردازش و تجزیهی آنها یک موضوع ناشناخته است که از مهمترین دلایل آن میتوان به در دسترس نبودن این دادهها، عدم شناخت کافی به ماهیت این نوع دادهها، کمبود نرمافزارهای مربوط به پردازش آنها و در اختیار قرار ندادن روشهای پردازش این دادهها توسط شرکتهای سازندهی آن اشاره کرد. این تحقیق بر آن است تا نحوهی استخراج اطلاعات از دادههای خام موج پیوستهی لایدار هوابرد را به صورت ع ملی نشان دهد و نتایج حاصل از استخراج اطلاعات از دادههای موج پیوسته را با ابر نقطهی حاصل از سیستم لایدار مقایسه کند. </span></span><br> <br>  </div> <div style="text-align: justify;">In recent years, Light Detection and Ranging (LiDAR) systems, as one of the active remote sensing laser technology, have become one of the most promising tools for measurements of Earth surface and its modeling. With the advent of airborne and satellite LiDAR systems, it has been possible to extract information and parameters related to the vertical structure of the targets, especially trees, while earlier, this was not possible by the use of passive remote sensing data such as multispectral images. Point cloud generated by this sensors provides precise information of the targets on the laser path and their vertical distribution. Some of the applications of these systems are forest management, measurement of forest parameters, Digital Terrain Model generation, sea depth determination, the polar ice thickness determination, 3D city modeling, bridge and power line detection, costal mapping, open cast mapping and land cover classification. Due to the fact that the output of primary LiDAR systems (discrete LiDAR systems) is merely point cloud and is less associated with the intensity recorded for them, there are some limitations in some of its applications such as tree species classification and single tree detection especially in densely forested areas. Since 2004, new commercial airborne laser scanners, namely full waveform LiDAR Systems, have appeared. In recent years, recording the full waveform LiDAR data by these systems has made it possible to rectify some of the weaknesses of the discrete LiDAR systems such as low density of generated point cloud and their limitation in classification tasks; these systems made it possible to classify different tree species and classify targets more precisely by providing features of return waveforms such as amplitude and intensity of return pulses. One of the challenges related to these data is how to decompose return waveforms and generate point cloud and additional information related to waveforms. A great deal of research has been done on using discrete LiDAR data and its applications in forest management and 3D city modeling  in Iran; However, full waveform LiDAR data, the process of decomposing LiDAR waveforms to point cloud and different decomposition methods are still unknown. Some of the most important reasons for this matter are unavailability of these data, lack of enough knowledge about the nature of this type of data, Lack of software especially free ones for processing them and the lack of information from commercial firms producing LiDAR sensors. In this research LiDAR waveforms of a forested area have been investigated and it has been tried to show how to decompose raw full waveform LiDAR data to 3D point cloud and extract information and features related to each return waveform. In addition in this research, the results of point cloud generated from full waveform LiDAR data is compared with point cloud acquired from LiDAR sensor to show how the density of LiDAR point cloud can be increased by full waveform analysis. Finally, the generated LiDAR point cloud is visualized based on its extracted features such as amplitude, width, intensity and number of return to show their application in clustering and classification tasks.<br>  </div> سیستم‌های لایدار موج پیوسته, تجزیه‌ی امواج بازگشتی, تولید ابر‌نقاط, تولید ویژگی‌های لایدار Full Waveform LiDAR System, Return Waveform Analysis, Point Cloud Generation, LiDAR Features Generation 99 113 http://jgst.issgeac.ir/browse.php?a_code=A-10-702-1&slc_lang=fa&sid=1 M. Babadi مسعود بابادی masoud.babadi92@trn.ui.ac.ir 10031947532846005686 10031947532846005686 Yes university of isfahan دانشگاه اصفهان M. Sattari مهران ستاری sattari@eng.ui.ac.ir 10031947532846005687 10031947532846005687 No university of isfahan دانشگاه اصفهان