فتوگرامتری
مهرنوش شریف‌زاده؛ علیرضا قراگوزلو؛ سعید صادقیان
چکیده
پیشینه و اهداف: آثار باستانی به‌عنوان میراث‌فرهنگی و تاریخی هر جامعه، نقشی اساسی در حفظ هویت و تاریخ آن دارند. حفاظت و مدیریت این آثار نیازمند فناوری‌های نوین است تا بتوان به طور دقیق و غیرمخرب، این میراث را مستندسازی و حفظ کرد. استفاده از فناوری‌های فتوگرامتری و سیستم‌های اطلاعات مکانی در مدیریت و حفاظت از آثار تاریخی، از جمله ...
بیشتر
پیشینه و اهداف: آثار باستانی به‌عنوان میراث‌فرهنگی و تاریخی هر جامعه، نقشی اساسی در حفظ هویت و تاریخ آن دارند. حفاظت و مدیریت این آثار نیازمند فناوری‌های نوین است تا بتوان به طور دقیق و غیرمخرب، این میراث را مستندسازی و حفظ کرد. استفاده از فناوری‌های فتوگرامتری و سیستم‌های اطلاعات مکانی در مدیریت و حفاظت از آثار تاریخی، از جمله محوطه‌های باستانی، به طور فزاینده‌ای مورد توجه قرار گرفته است. هدف اصلی این پژوهش، استفاده از فناوری‌های فتوگرامتری و سیستم اطلاعات مکانی برای مدیریت و حفاظت از محوطه باستانی هگمتانه همدان است. این پژوهش به دنبال بهبود دقت و کیفیت دادهها از طریق پردازش تصاویر هوایی، تصحیح و زمین مرجع کردن دادهها، و تهیه نقشههای دقیق است. همچنین، پژوهش به تحلیل تغییرات محوطه و ارائه خروجی‌هایی برای برنامه‌ریزی و تصمیم‌گیری‌های مدیریتی در زمینه حفاظت از آثار تاریخی میپردازد. هدف اصلی پژوهش، استفاده از فناوری‌های فتوگرامتری و سیستم اطلاعات مکانی برای مدیریت و حفاظت از محوطه هگمتانه همدان است. پژوهش به دنبال بهبود دقت دادهها، پردازش تصاویر هوایی، تصحیح دادهها و تهیه نقشههای دقیق است. همچنین، هدف تحلیل تغییرات محوطه و ارائه ابزارهایی برای برنامه‌ریزی و تصمیم‌گیری‌های مدیریتی در حفاظت از آثار تاریخی است.روش‌ها: در این پژوهش، محوطه باستانی هگمتانه همدان به‌عنوان جامعه و نمونه انتخاب شد، چرا که این محوطه دارای اهمیت تاریخی و فرهنگی بالا از دوره‌های مادها و هخامنشیان است. ابزار جمع‌آوری دادهها شامل ۱۲ تصویر هوایی بادقت ۱ تا ۲ متر با استفاده از دوربین التراکم ایکس پی در سال ۱۳۹۶ و نرمافزار گوگل ارث برای اندازه‌گیری و تعیین نقاط مرجع است. مواد استفاده‌شده شامل دادههای تصویری و نرمافزارهای پردازش تصاویر مانند اجی ای سافت متاشیپ پروفینشال و گلوبال‌مپر برای تولید مدل رقومی ارتفاعی و ارتوفتو بودند. روند انجام پژوهش شامل تهیه و پردازش تصاویر، تصحیح دادهها، مدلسازی و ترسیم نقشه‌ها بوده است. این مراحل به طور افزایشی دقت دادهها را افزایش داده و مدلهای سهبعدی دقیقتری برای تحلیل تغییرات محوطه تولید کرده است. این پژوهش به طور عمده به مدیریت و حفاظت از آثار باستانی کمک کرده و به‌عنوان ابزار تصمیم‌گیری مدیریتی مورد استفاده قرار می‌گیرد.یافته‌ها: این پژوهش با استفاده از فناوری‌های فتوگرامتری و سیستم اطلاعات مکانی به مدلسازی مکانی محوطه هگمتانه همدان پرداخت. با پردازش تصاویر هوایی و ماهوارهای، مدلهای سهبعدی دقیقی ایجاد شد که امکان تحلیل تغییرات ساختاری و شهری همچنین نقشههای میراث همدان و سازمان نقشه‌برداری را فراهم کرد. نتایج نشان داد که ترکیب این فناوری‌ها به ثبت دقیق‌تر اطلاعات، شناسایی تهدیدات و برنامه‌ریزی مدیریتی کمک میکند. این روش‌ها دقت مدلسازی را افزایش داده و ابزاری کارآمد برای تصمیم‌گیری‌های حفاظتی و مدیریتی در حوزه میراث‌فرهنگی ارائه می‌دهند.نتیجه‌گیری: بازسازی و مرمت اصولی آثار تاریخی باید بر اساس شواهد مستند و با رعایت ضوابط ملی و بین‌المللی انجام شود تا از آسیب به اصالت بناها جلوگیری شود. همچنین، طراحی و ساخت بناهای جدید باید هماهنگ با ساختارهای تاریخی و با نظارت دقیق صورت گیرد. استفاده از تکنولوژی‌های نوین مانند تصاویر هوایی، ماهوارهای، هوش مصنوعی و واقعیت افزوده می‌تواند به بهبود مدیریت و حفاظت آثار کمک کند. پیشنهادهای محقق شامل نیاز به مستندسازی دقیق و نظارت مداوم در تمامی مراحل مرمت، طراحی و انتقال آثار است. محدودیت‌ها و موانعی مانند کمبود مستندات علمی، مشکلات بودجه‌ای و چالش‌های مدیریتی در راستای حفاظت از آثار تاریخی وجود دارد که باید به‌دقت مورد توجه قرار گیرد تا از تخریب و آسیب به آثار جلوگیری شود.
فتوگرامتری
امیرمحمد معززی مهرطهران
چکیده
پیشینه و اهداف: در مستندنگاری میراث فرهنگی، نخستین گام، تهیه نقشه های دقیق از وضعیت فعلی آثار است. پیشرفت های گسترده در علوم مختلف، این امکان را برای حوزه حفاظت از میراث فرهنگی فراهم کردهاست تا با استفاده از ابزارها و روش های نوینِ سایر علوم مرتبط، روش های سنتی برداشت را کنار گذاشته و با بهره گیری از آنها علاوه بر ...
بیشتر
پیشینه و اهداف: در مستندنگاری میراث فرهنگی، نخستین گام، تهیه نقشه های دقیق از وضعیت فعلی آثار است. پیشرفت های گسترده در علوم مختلف، این امکان را برای حوزه حفاظت از میراث فرهنگی فراهم کردهاست تا با استفاده از ابزارها و روش های نوینِ سایر علوم مرتبط، روش های سنتی برداشت را کنار گذاشته و با بهره گیری از آنها علاوه بر کاهش معنادار زمان مستندنگاری، دقت و کیفیت این فرایند را نیز افزایش دهد. از جمله این روش ها که طی سالهای اخیر در سطح جهانی توجه معناداری به آن شده، فتوگرامتری است. در ایران از چهاردهه پیش در مقالات انتشاریافته به روش فتوگرامتری در مستندنگاری میراث توجه شدهاست. اما روند توسعه و تعمیق در این موضوع در این بازه زمانی نامشخص است. بررسی اجمالی و اولیه صورت گرفته نیز توجه جدی و گسترده به این فناوری نوین در حوزه میراث و امر مستندنگاری را نشان نمی‌دهد. براین اساس مقاله حاضر در نتیجه مداقه بر پژوهش های انجامشده تاکنون، به دنبال ترسیم نیمرخی از وضعیت مقالات مرتبط است. دستیابی به این هدف، این امکان را فراهم میکند تا ضمن راستی‌آزماییِ فرضِ ناچیز بودن توجه پژوهشی به موضوع فتوگرامتری میراث، با صورتبندی منظمی از ویژگیهای ساختاری و محتوایی این مطالعات، خلاءهای پژوهشی در این حوزه شناسایی و هدایت مطالعات آتی ممکن شود.روش‌ها: پژوهش حاضر از نوع مطالعات ثانویه بوده و پارادایم فلسفی حاکم بر آن تفسیری است. رویکرد پژوهش نیز کیفی و روش گردآوری داده ها در آن از نوع متنپایه است. بر همین اساس 56 مقاله، در بازه زمانی دهه 70 شمسی (که اولین مقاله مرتبط انتشار یافته است) تا نیمه دوم سال 1403 انتخاب شد و با اتکا به روش مرور نظاممند و فراتحلیل کیفی، این مقالات از دو منظر ویژگیهای ساختاری و محتوایی‌شان، مورد تحلیل قرار گرفت.یافته‌ها: بررسی صورت‌گرفته، از نظر محتوایی نشان میدهد، پژوهشها با گذر از تمرکز صرف بر معرفی روش و تبیین اهمیت مستندنگاری دیجیتال در سالهای نخست، امروزه توسعه فرایندیِ بهرهبرداری از روش فتوگرامتری در مستندنگاری میراث را به‌منظور بهبود دقت و صحت اطلاعات در دستور کار دارند. از سویی دیگر گرچه کماکان استفاده از این روش در مقیاس بناهای معماری و عناصر وابسته به آن سهم بیشتری را به خود اختصاص میدهد اما، توجه به مستندنگاری رقومی مجموعه‌های معماری، محوطه‌های باستانی و سکونت‌گاه‌های شهری و روستایی نیز رو به فزونی گذاشته است. از منظر ساختاری، افزایش معنادار تعداد مقالات به خصوص در یک دهه اخیر (84 درصد کل مقالات) قابل ملاحظه است. همچنان‌که سهم اصلی در تولید این پژوهشها (بالغ بر 56 درصد مقالات) نیز با متخصصان عمران بوده است. البته که در سالهای اخیر مشارکت متخصصان مرمت، معماری و باستان‌شناسی در تولید این مقالات افزایش یافته است و از بروز تمایل و ضرورت توجه جدی‌تر به این مقوله در میان این گروه از متخصصان حکایت میکند.نتیجه‌گیری: با این وجود تولیدات علمی در ایران در موضوع مستندنگاری میراث با فناوری های نوینی همچون فتوگرامتری چه از نظر کمی و چه کیفی چشمگیر نیست. انتشار اکثریت این پژوهش ها در همایش ها و کنفرانس های داخلی (بالغ بر 68 درصد)، و سهم بسیار اندک متخصصان مرمت در پیشبرد این پژوهشها نیز بر در حال رشد بودن موضوع و عدم وجود استحکام علمی آن در عرصه میراث فرهنگی و امر حفاظت دلالت میکند. درحالی‌که با توجه به فواید منحصربه‌فرد این روش از جمله عدم نیاز به تماس فیزیکی با ساختارهای تاریخی در فرایند برداشت، سرعت داده‌کاوی و دسترسی به نتایج مورد انتظار مستندنگاری، که قابلیت بایگانی، به‌روز رسانی و پردازش‌های پسینی دارند؛ ضروری است تا گرایشات پژوهشی به موضوع با اهمیت و کمتر توجه شده مستندنگاری دیجیتالی میراث با کمک روشهایی چون فتوگرامتری، جهت دهی شوند تا امکان حفاظت بهینه و اصولی از میراث فرهنگی کشورمان و انتقال آن به نسل های آینده مهیا شود.
فتوگرامتری
مبینا احمدی آسور؛ علیرضا آفری؛ عبادت قنبری پر مهر
چکیده
پیشینه و اهداف: استفاده از فتوگرامتری پهپاد در نقشه‌برداری راهگذر از مناطقی که تفاوت زیاد بین بعد طولی و عرضی آن وجود دارد موجب پایین آمدن استحکام هندسی شبکه تصویربرداری و چالش‌های متعددی میشود. بروز این چالش‌ها در فتوگرامتری پهپاد، موجب افزایش زمان و هزینه‌ی انجام پروژه و همچنین، افزایش خطا در محاسبات مثلث‌بندی خواهد شد. پارامترهای ...
بیشتر
پیشینه و اهداف: استفاده از فتوگرامتری پهپاد در نقشه‌برداری راهگذر از مناطقی که تفاوت زیاد بین بعد طولی و عرضی آن وجود دارد موجب پایین آمدن استحکام هندسی شبکه تصویربرداری و چالش‌های متعددی میشود. بروز این چالش‌ها در فتوگرامتری پهپاد، موجب افزایش زمان و هزینه‌ی انجام پروژه و همچنین، افزایش خطا در محاسبات مثلث‌بندی خواهد شد. پارامترهای متعددی مانند نحوه توزیع و تعداد نقاط کنترل زمینی، نحوه‌ی کالیبراسیون دوربین، تعداد نوارهای پروازی و استفاده از موقعیت‌های دقیق دوربین بدست آمده از سامانه تعیین موقعیت جهانی ماهوارهای (GNSS)، بر دقت مثلث‌بندی تأثیر گذارند. در این تحقیق، تأثیر این پارامترها بر دقت مثلث‌بندی در مناطق راهگذر مورد بررسی قرار گرفته است.روش‌ها: ارزیابی پارامترهای موثر بر دقت مثلث‌بندی در این تحقیق بر روی دو محدوده‌ی راهگذر با طول‌های دو و نیم و پنج کیلومتر انجام شده است. در این تحقیق سه پارامتر توزیع و تعداد نقاط کنترل زمینی، نحوه‌ی کالیبراسیون دوربین و نرمافزار فتوگرامتری بر روی یک نوار پروازی بررسی شده و تنها برای بررسی تاثیرگذاری تعداد نوار پروازی بر دقت مثلث‌بندی از چندین نوار پروازی استفاده شده است. ارزیابی نتایج به دست آمده بر اساس جذر میانگین مربعات خطاهای مسطحاتی و ارتفاعی در نقاط چک انجام گرفت. در این تحقیق، از نرمافزار فتوگرامتری Pix4D و Agisoft Metashape برای محاسبات مثلث‌بندی بهره گرفته شده است.یافته‌ها: نتایج ارزیابی‌ها در بررسی تأثیرگذاری توزیع و تعداد نقاط کنترل نشان داد که در صورت استفاده از هشت نقطه کنترل با توزیع دو نقطه در ابتدا، دو نقطه در انتها، دو نقطه در میانه راهگذر و همگی به صورت روبروی هم در عرض راهگذر و نیز دو نقطه دیگر در بین آنها، می‌تواند دقت نتایج در محاسبات مثلث‌بندی نسبت به دیگر حالت‌ها را بهبود دهد. همچنین، استفاده از روش سلف-کالیبراسیون دوربین در محاسبات مثلث‌بندی منجر به نتایج دقیقتری نسبت به حالت محاسبات مثلث‌بندی با استفاده دوربین از پیش کالیبره شده میگردد. علاوه بر این، استفاده از بیش از یک نوار پروازی نیز منجر به افزایش دقت در نتایج مثلث‌بندی خواهد شد.نتیجه‌گیری: با طراحی مناسب نقاط کنترل زمینی در کل منطقه راهگذر و با استفاده از روش سلف-کالیبراسیون دوربین در محاسبات مثلث‌بندی پروژههای فتوگرامتری پهپاد از مناطق راهگذر و بدون استفاده از مختصات دقیق مراکز تصویر، میتوان به دقت زیر نیم متر جهت تهیه نقشههای مهندسی 1:500، 1:1000 و 1:2000 به ترتیب با منحنی میزان‌های نیم متری، یک متری و دو متری دست یافت.
فتوگرامتری
مهدی فرهنگی؛ اصغر میلان؛ سعید صادقیان
چکیده
پیشینه و اهداف: طبقه‌بندی دقیق کاربری اراضی برای مدیریت مؤثر منابع طبیعی، برنامه‌ریزی شهری، کشاورزی دقیق و پایش محیط زیست ضروری است. طبقه‌بندی به پیش‌بینی و پیشگیری از مشکلات زیست‌محیطی کمک میکند. روشهایی مانند تصاویر ماهوارهای و هوایی با وضوح بالا، GIS و تکنیک‌های یادگیری عمیق از جمله شبکه‌های عصبی کانولوشنال (CNN) و معماری ...
بیشتر
پیشینه و اهداف: طبقه‌بندی دقیق کاربری اراضی برای مدیریت مؤثر منابع طبیعی، برنامه‌ریزی شهری، کشاورزی دقیق و پایش محیط زیست ضروری است. طبقه‌بندی به پیش‌بینی و پیشگیری از مشکلات زیست‌محیطی کمک میکند. روشهایی مانند تصاویر ماهوارهای و هوایی با وضوح بالا، GIS و تکنیک‌های یادگیری عمیق از جمله شبکه‌های عصبی کانولوشنال (CNN) و معماری U-Net دقت بالایی در تحلیل و طبقه‌بندی تصاویر هوایی ارائه می‌دهند. شبکه U-Net با ساختار منحصر به فرد خود در تعریف مرزهای کاربری اراضی برتری دارد. این مطالعه بر روی منطقه‌ای در لهستان تمرکز دارد و از مدل U-Net برای افزایش دقت و کارایی طبقه‌بندی از طریق تکنیک‌های منظم‌سازی و بهینه‌ساز Adam استفاده میکند.روش‌ها: در این تحقیق از تصاویر هوایی با قدرت تفکیک ۲۵ سانتی‌متر و در باند مرئی برای تحلیل و طبقه‌بندی کاربری اراضی استفاده شده است. مدل U-Net به دلیل معماری خاص خود، شامل بلوک‌های کانولوشن و فعال‌سازی ReLU، برای استخراج ویژگیهای مکانی دقیق و حفظ جزئیات تصویر انتخاب شد. به منظور افزایش دقت و جلوگیری از بیش برازش، از تکنیک‌های منظم‌سازی مانند حذف تصادفی (Dropout) و Regularization L2 بهره گرفته شد. همچنین، برای بهبود همگرایی مدل، روشهای افزون‌سازی داده و تکنیک توقف زودهنگام (Early Stopping) به کار رفته است. تصاویر هوایی به قطعات کوچک‌تر با ابعاد ۲۵۶×۲۵۶ پیکسل تقسیم و به سه مجموعه آموزشی، اعتبارسنجی و آزمون تقسیم شدند.یافته‌ها: الگوریتم U-Net بر روی دادههای شهر پوزنان در کشور لهستان اعمال شد. این دادهها توسط کارشناسان برچسب‌گذاری شدند و شامل چهار نوع کاربری اراضی: ساختمانها، جنگل‌ها، جاده‌ها و آب هستند. از 769 تصویر برچسب‌گذاری شده، 576 تصویر برای آموزش مدل (که پس از تکنیک افزون‌سازی داده به 2304 تصویر گسترش یافت)، 183 تصویر برای اعتبارسنجی و 10 تصویر نیز برای آزمایش استفاده شد. این مدل، با استفاده از زبان برنامه‌نویسی Python و کتابخانه Keras بر بستر TensorFlow توسعه یافته و در Google Colab آموزش داده شد و پس از 96 تکرار به دقت بالایی رسید و با نقشههای برچسب‌گذاری شده توسط کارشناسان اعتبارسنجی شد. در حالی که مدل U-Net در دسته‌بندی کلی عملکرد خوبی داشت، با چالش‌هایی در کلاس‌های نادر مانند آب مواجه شد. افزایش دادهها و نمونه‌های بیشتر برای این کلاس‌ها می‌تواند دقت را بهبود بخشد. دقت‌های آموزش و اعتبارسنجی به ترتیب به 0.95 و 0.85 رسید و خطای اعتبارسنجی در حدود 0.5 تثبیت شد. مدل U-Net بهبودهای قابل توجهی در دقت کلی، ضریب کاپا و امتیاز ژاکارد نسبت به مطالعات قبلی نشان داد که حاکی از اهمیت دادههای با کیفیت و تنظیم دقیق پارامترها است.نتیجه‌گیری: در این مطالعه، مدل یادگیری عمیق U-Net، برای دسته‌بندی دقیق کاربری اراضی با استفاده از تصاویر هوایی مورد ارزیابی قرار گرفت. نتایج نشان میدهد که این مدل به طور مؤثر انواع کاربری اراضی را با دقت بالا شناسایی و تفکیک کرده است. ساختار U-Net دقت کلی 92.47%، امتیاز ژاکارد 54.45% و ضریب کاپا 79.59% را به دست آورد. این نتایج توانایی قوی مدل را در تعریف مرزهای کلاس‌ها نشان میدهد. بهبودهای آینده می‌تواند شامل استفاده از تصاویر چند طیفی و فراطیفی برای اطلاعات دقیق‌تر، ترکیب U-Net با سایر شبکه‌ها مانند ANN، بهینهسازی فراپارامترها با استفاده از روشهای جستجوی پیشرفته و به‌کارگیری یادگیری انتقالی، به ویژه در شرایط با دادههای محدود باشد. اجرای این استراتژی‌ها می‌تواند دقت و کارایی در دسته‌بندی کاربری اراضی را افزایش دهد و کاربردهای وسیع‌تری در زمینه‌های علمی و عملی ارائه دهد.
فتوگرامتری
مرتضی حیدری مظفر؛ سیدعادل حسینی
چکیده
پیشینه و اهداف: در دهه‌های اخیر، علوم ژئوماتیک پیشرفت چشمگیری کرده و این پیشرفت‌ها ناشی از ابزارهای پیشرفته اندازه‌گیری و تکنولوژی‌های نوآورانه در زمینه اخذ دادههای هندسی و مکانی است. در این زمینه، لیزراسکنرهای همراه و پهپادها به عنوان ابزاری اساسی و کارآمد معرفی شده‌اند که قابلیت انجام اندازه‌گیری دقیق و سریع اشیاء و محیط‌های ...
بیشتر
پیشینه و اهداف: در دهه‌های اخیر، علوم ژئوماتیک پیشرفت چشمگیری کرده و این پیشرفت‌ها ناشی از ابزارهای پیشرفته اندازه‌گیری و تکنولوژی‌های نوآورانه در زمینه اخذ دادههای هندسی و مکانی است. در این زمینه، لیزراسکنرهای همراه و پهپادها به عنوان ابزاری اساسی و کارآمد معرفی شده‌اند که قابلیت انجام اندازه‌گیری دقیق و سریع اشیاء و محیط‌های مختلف از جمله فضاهای شهری، را دارا هستند. این دستگاه‌ها به شکل خودکار تمامی جزئیات فضای شهری را به شکل ابرنقطه یا تصویر ثبت می‌کنند. برای استخراج اطلاعات هندسی ساختمانها از درون این جزئیات، لازم است از روشهای بینایی ماشین استفاده شود. در راستای دستیابی به مدلهای دقیق و قابل اعتماد از ساختمانها، هنگام پردازش دادههای ابرنقطه، دنباله‌ای از عملیات پس‌پردازش اجرا میشود. یکی از مهمترین مراحل این پردازش‌ها، قطعه‌بندی ابرنقاط است. این مراحل انتقال دادههای ابرنقطه را به اطلاعات مفهومی‌تر و قابل تحلیل‌تر تبدیل می‌کنند. یکی از مسائل مهم در پردازش دادههای ابرنقطه، توانایی استخراج سطوح مسطح نماهای ساختمانی (دیوارها) است. این سطوح مسطح به عنوان اجزاء اساسی در مدلسازی و تحلیل وضعیت ساختمانها از اهمیت ویژه‌ای برخوردارند. دقت در اطلاعات مرتبط با این سطوح مسطح، امکان تمایز دقیق‌تر و کامل‌تر بین اجزاء مختلف ساختمانها را فراهم میکند. این امر در کاربردهای متعددی از جمله برنامه‌ریزی شهری، مدیریت ساخت و ساز، و تجزیه و تحلیل مصرف انرژی ساختمانها اهمیت دارد.روش‌ها: در این مقاله، برای استخراج سطوح مسطح از سه مجموعه داده ابرنقطه ( ابرنقطه اخذ شده از دستگاه‌های لیزراسکنر همراه GeoSLAM ZEB-HORIZON، ابرنقطه بدست آمده از پردازش تصویربرداری پهپاد Phantom 4 Pro و ابرنقطه ترکیبی) از ترکیب دو الگوریتم MSAC و G-DBSCAN استفاده شده است. این دو الگوریتم به صورت متوالی اجرا می‌شوند. محوطه‌ای که برای این منظور انتخاب شده، ساختمانهای دانشکده مهندسی دانشگاه بوعلی سینا در همدان می‌باشد. زیرا این محیط ویژگی‌هایی از جمله تنوع معماری، وجود نماهای مسطح و حالتهای مختلف قرارگیری دیوارها نسبت به هم با ابعاد مختلف را داراست.یافته‌ها: این تحقیق با ارزیابی جامع سه مجموعه داده مجزا، میانگین دقت (Precision) بیش از 97% را نشان میدهد که دقت بالا در استخراج دادهها را تضمین میکند. علاوه بر این، میانگین بازنمایی (Recall) به بیش از 94% رسیده است که اغلب عناصر نما را پوشش میدهد. نتیجه این ارزیابی، امتیاز F1 (F1 score) با میانگین 95% است که نشان‌دهنده پیشرفت در زمینه استخراج دقیق دادههای ساختمانی و مدلسازی معماری است. با این حال، الگوریتم در مواجهه با دیوارهایی که عمود بر مسیر حرکت لیزراسکنر قرار دارند، دچار چالش‌هایی شد که موجب کاهش نرخ بازنمایی گردید. همچنین، الگوریتم SfM در تولید نقاط بر روی شیشه‌های پنجره‌ها مشکل دارد، که باعث شده برخی نقاط مربوط به فضای داخل پنجره‌ها به عنوان نقاط دیوار تشخیص داده شوند. این مسئله نشان میدهد که الگوریتم‌های تولید ابرنقطه از تصاویر بر نتایج این الگوریتم تأثیرگذار هستند. در مقابل، نتایج دادههای ترکیبی بسیار امیدوارکننده بوده است، به گونه‌ای که این دادهها در مرحله اول الگوریتم با سرعت بیشتری نسبت به دو مجموعه داده دیگر همگرا شدند و عملکرد بالایی در دقت و نرخ بازنمایی داشتند.نتیجه‌گیری: با این حال، یافته‌ها نشان میدهد که الگوریتم به طور کلی عملکرد برجسته‌ای در استخراج اطلاعات نماهای ساختمانی، به‌ویژه با استفاده از دادههای متنوع و گوناگون، از خود نشان داده است. این پیشرفت‌ها نویدبخش بوده و افق‌های جدیدی را در تحلیل دادههای مکانی و مدلسازی ساختمانی می‌گشاید. این رویکرد نوآورانه می‌تواند در کاربردهای مختلف مورد استفاده قرار گرفته و به توسعه مدلهای معماری مدرن و داده‌محور کمک کند.
فتوگرامتری
هدی صالح مهدی؛ عبادت قنبری پرمهر؛ سید احمد انوری
چکیده
پیشینه و اهداف: پدیده شهرنشینی به‌عنوان فرآیند تغییر نظم اجتماعی و دگرگونی منظر یک شهر در همه جا به‌خصوص در کشورهای در حال توسعه رخ میدهد، اما شهرنشینی، رشد زاغه‌نشینی یا سکونت‌گاه‌های غیررسمی را به‌دنبال داشته و توسعه مناطق شهری با مناطق زاغه‌نشین متراکم و پیچیده، نیازمند برنامه‌ریزی گسترده و اطلاعات دقیق و قابل اعتماد ...
بیشتر
پیشینه و اهداف: پدیده شهرنشینی به‌عنوان فرآیند تغییر نظم اجتماعی و دگرگونی منظر یک شهر در همه جا به‌خصوص در کشورهای در حال توسعه رخ میدهد، اما شهرنشینی، رشد زاغه‌نشینی یا سکونت‌گاه‌های غیررسمی را به‌دنبال داشته و توسعه مناطق شهری با مناطق زاغه‌نشین متراکم و پیچیده، نیازمند برنامه‌ریزی گسترده و اطلاعات دقیق و قابل اعتماد است. جمع‌آوری دادهها با استفاده از روشهای سنتی زمان‌بر و پرهزینه است، اما فتوگرامتری پهپاد قادر به تهیه نقشههای دقیق و قابل اعتماد در مدت زمان کوتاه با جزئیات مکانی بالا برای توصیف و تجسم مناطق زاغه نشین هستند.روش‌ها: به‌دلیل پیچیدگی زیاد بافت مناطق زاغه‌نشین و قدرت تفکیک مکانی محدود تصاویر ماهوارهای، امکان استفاده از تصاویر ماهوارهای برای تهیه نقشههای دقیق با جزئیات بالا وجود ندارد. پرندههای هدایت‌پذیر از راه دور (پهپاد) به‌عنوان سکوی تصویربرداری، امکان اخذ تصاویر با جزییات زیاد و قدرت تفکیک بالا را فراهم میسازند. از این‌رو، فتوگرامتری پهپاد به‌عنوان راهکار مناسب برای تهیه نقشه مناطق زاغه‌نشین مطرح میگردد. هر چند که ساختار تصویربرداری به‌روش فتوگرامتری هوایی مرسوم یعنی اخذ تصاویر قائم با پوشش طولی و عرضی امکان تهیه مدل سه بعدی را فراهم میسازد، پیچیدگیهای بافت مناطق زاغه‌نشین، موجب بروز نواحی پنهان زیاد در مدل سه بعدی میشود. علاوه بر این، ساختار تصویربرداری متداول به‌دلیل وابستگی بین پارامترهای کالیبراسیون دوربین و پارامترهای توجیه خارجی دوربین در روش مثلث بندی دسته اشعه مناسب برای تعیین پارامترهای کالیبراسیون دوربین نیست. از این‌رو، در این تحقیق، تصاویر قائم و مایل پهپادی با زاویه 30 و 45 درجه برای تهیه نقشه سه بعدی منطقه زاغه‌نشینی واقع در شهر شطره استان ذی قار عراق استفاده شده و ارزیابی دقت حاصل از تصاویر قائم و مایل با استفاده از نقاط کنترل موجود در منطقه مورد مطالعه قرار گرفت.یافته‌ها: استفاده از تصاویر مایل، موجب بهبود دید عوارض و کاهش نواحی پنهان گردیده و منجر به افزایش دقت کالیبراسیون شد. علاوه بر این، تصاویر مایل دید وسیعتر از تصاویر قائم را پوشش داده و میتوان مناطق پنهان شده در زیر موانع مانند گیاهان، ساختمانها و کوچههای باریک را مشاهده کرد. این ویژگی، دقت بالایی را ارائه میدهد که میتوان از آن در پروژههایی که نیاز به توصیف دقیق دارند، مانند پروژههای حفاظت از میراث فرهنگی و پروژههای شهری که نیاز به جزئیات مانند نمای ساختمان و برآورد ارتفاع آنها دارند، استفاده کرد.نتیجه‌گیری: در این تحقیق، از تصاویر قائم و مایل پهپاد برای تهیه نقشه سه بعدی منطقه زاغه‌نشین استفاده شد و بر اساس نتایج حاصل، خطای کل تصاویر مایل به‌ترتیب برابر 2/6 و 3/8 سانتی‌متر برای تصاویر مایل با زوایای 30 و 45 به‌دست آمد، در حالی‌که خطای کل تصاویر قائم برابر 1/16سانتی‌متر است. این مقایسه، برتری دقت تصاویر مایل نسبت به تصاویر قائم را نشان میدهد. در پروژههایی که نیاز به استخراج ارتفاع ساختمان با دقت بیشتری دارند، استفاده از تصاویر مایل، مناسب بوده در حالی‌که مدل سه بعدی ساختمانهای دارای ارتفاع کم را میتوان با تصاویر قائم تولید نمود.
فتوگرامتری
مرتضی حیدری مظفر؛ سید عادل حسینی
چکیده
پیشینه و اهداف: در دهه‌های اخیر، علوم ژئوماتیک پیشرفت چشمگیری کرده و این پیشرفت‌ها، ناشی از ابزارهای پیشرفته اندازه‌گیری و تکنولوژی‌های نوآورانه در زمینه اخذ دادههای هندسی و مکانی است. در این زمینه، لیزراسکنرهای همراه به عنوان ابزاری اساسی و کارآمد معرفی شده‌اند که قابلیت انجام اندازه‌گیری دقیق و سریع اشیاء و محیط‌های مختلف ...
بیشتر
پیشینه و اهداف: در دهه‌های اخیر، علوم ژئوماتیک پیشرفت چشمگیری کرده و این پیشرفت‌ها، ناشی از ابزارهای پیشرفته اندازه‌گیری و تکنولوژی‌های نوآورانه در زمینه اخذ دادههای هندسی و مکانی است. در این زمینه، لیزراسکنرهای همراه به عنوان ابزاری اساسی و کارآمد معرفی شده‌اند که قابلیت انجام اندازه‌گیری دقیق و سریع اشیاء و محیط‌های مختلف از جمله فضاهای شهری، را دارا هستند. این دستگاه‌ها به شکل خودکار تمامی جزئیات فضای شهری را به شکل ابرنقطه ثبت می‌کنند. برای استخراج اطلاعات هندسی ساختمانها از درون این جزئیات، لازم است از روشهای بینایی ماشین استفاده شود. در راستای دستیابی به مدلهای دقیق و قابل اعتماد از ساختمانها، هنگام پردازش دادههای ابرنقطه، دنباله‌ای از عملیات پس‌پردازش اجرا میشود. یکی از مهمترین مراحل این پردازش‌ها، قطعه‌بندی ابرنقاط است. این مراحل انتقال دادههای ابرنقطه را به اطلاعات مفهومی‌تر و قابل تحلیل‌تر تبدیل می‌کنند. یکی از مسائل مهم در پردازش دادههای ابرنقطه، توانایی استخراج سطوح مسطح نماهای ساختمانی (دیوارها) است. این سطوح مسطح به عنوان اجزاء اساسی در مدلسازی و تحلیل وضعیت ساختمانها از اهمیت ویژه‌ای برخوردارند. دقت در اطلاعات مرتبط با این سطوح مسطح، امکان تمایز دقیق‌تر و کامل‌تر بین اجزاء مختلف ساختمانها را فراهم میکند. این امر در کاربردهای متعددی از جمله برنامه‌ریزی شهری، مدیریت ساخت و ساز، و تجزیه و تحلیل مصرف انرژی ساختمانها اهمیت دارد.روش‌ها: در این مقاله، برای استخراج سطوح مسطح از دادههای ابرنقطه از دو الگوریتم MSAC و G-DBSCAN استفاده شده است. این دو الگوریتم به صورت متوالی اجرا می‌شوند. به‌طوری‌که ابتدا محتمل‌ترین سطوح مسطح در فضای مطالعه با استفاده از MSAC استخراج شده و سپس به منظور جداسازی دیوارها از میان این سطوح مسطح از G-DBSCAN استفاده میشود. در این مقاله، از دستگاه لیزراسکنر همراه GeoSLAM ZEB-HORIZON برای اخذ دادهها استفاده شده است و محوطه‌ای که برای این منظور انتخاب شده، ساختمانهای دانشکده مهندسی دانشگاه بوعلی سینا در همدان می‌باشد. دلیل انتخاب این محوطه وجود ویژگی‌هایی از جمله تنوع معماری، وجود نماهای غیرمسطح و مسطح، حالتهای مختلف قرارگیری دیوارها نسبت به هم با ابعاد مختلف، و چالش‌های مرتبط با معماری متنوع فضای اطراف ساختمانها است.یافته‌ها: ارزیابی جامع این تحقیق، سه ساختمان مجزا را دربرمی‌گیرد. نتایج میانگین دقت (Precision) بالای 93 درصد را نشان میدهد که استخراج دقیق دادهها را تضمین میکند. به‌علاوه، نتایج به میانگین بازنمایی (Recall) بالای 94% دست یافته است، که اکثریت عناصر نما را به تصویر می‌کشد. در نتیجه، امتیاز F1(F1 score) مقدار متوسط 94% را به‌دست آورده است. این تحقیق، به پیشرفت در زمینه استخراج دقیق دادههای ساختمانی و مدلسازی معماری کمک میکند. البته، در مواجهه با ساختمانها و محیط‌های پیچیده‌تر، الگوریتم با چالش‌هایی مواجه میشود. از جمله چالش‌هایی که میتوان به آنها اشاره کرد، ویژگیهای معماری متنوع ساختمانها و موانع خارجی می‌باشد. برای مثال، در ساختمانهای دارای درب‌ها و پنجره‌های شیشه‌ای بزرگ، این الگوریتم‌ها ممکن است دیوارهای داخلی را به اشتباه استخراج کنند. همچنین، وجود پوشش گیاهی متراکم در اطراف نما می‌تواند موانعی ایجاد کند که مانع از توانایی لیزراسکنر در برداشت کامل نما شوند.نتیجه‌گیری: نتایج، نشان میدهد الگوریتم به طور کلی توانسته عملکرد قابل توجهی در استخراج اطلاعات نمای ساختمانها به خصوص در سناریوهای معماری چالش برانگیز ارائه دهد. این پیشرفت‌ها، امیدوارکننده‌اند و امکانات جدیدی را در حوزه تحلیل دادههای مکانی و مدلسازی ساختمانی ایجاد میکند. از این رویکرد نوآورانه، میتوان در کاربردهای مختلفی استفاده نمود و به توسعه مدلهای معماری مدرن و مبتنی بر داده کمک کرد.
فتوگرامتری
رضا نعیمایی؛ عبادت قنبری پرمهر
چکیده
پیشینه و اهداف: فتوگرامتری بردکوتاه به ارائه مدل دقیق هندسی سهبعدی اشیاء با استفاده از تصاویری که از جسم اخذ شده میپردازد. امروزه، ایجاد مدلهای سه بعدی واقع‌بینانه و تجسم آنها متداول شده و روزبهروز محبوبتر میشود از طرفی، انتخاب درست نرمافزار مدلسازی در بردکوتاه همواره چالش‌برانگیز و مورد بحث متخصصان ...
بیشتر
پیشینه و اهداف: فتوگرامتری بردکوتاه به ارائه مدل دقیق هندسی سهبعدی اشیاء با استفاده از تصاویری که از جسم اخذ شده میپردازد. امروزه، ایجاد مدلهای سه بعدی واقع‌بینانه و تجسم آنها متداول شده و روزبهروز محبوبتر میشود از طرفی، انتخاب درست نرمافزار مدلسازی در بردکوتاه همواره چالش‌برانگیز و مورد بحث متخصصان و محققان بوده و هست. ازاین‌رو، بررسی و ارزیابی مدلهای تولیدشده در نرمافزارهای مختلف، حائز اهمیت است. به علت فراگیر بودن نرمافزار Agisoft در میان مهندسان و محققان این حوزه، سعی شد تا در این تحقیق، پردازش تصاویر و مدلسازی در دو نسخه این نرمافزار با نامهای Photoscan و Metashape اجرا شوند. در تحقیقات صورت گرفته تا به امروز معیار بهینهسازی شبکه عکس‌برداری، برمبنای افزایش دقت مدلسازی بوده است، به همین جهت، برای بررسی و ارزیابی مدلهای سه بعدی تولیدی در دو نسخه این نرمافزار، سناریوهای متفاوتی برای طراحی شبکه عکس‌برداری تعریف شده و مدل سه بعدی تولیدی هر سناریو با یک مدل ریاضی به عنوان مدل مرجع مقایسه شدند. علاوه براین، در این پژوهش علاوه بر ارزیابی دقت مدل سه بعدی تولیدی، مدلسازی کامل در نرمافزار به‌صورت اجرایی در حالتهای مختلف با دو بافت متفاوت مورد بررسی قرار گرفت. با توجه به این‌که بافت تصویر تأثیر مستقیم بر کیفیت ابرنقطه دارد، برای بررسی کیفیت ابرنقطه تولیدشده به روش فتوگرامتری لازم است تا نقش بافت تصویر به همراه هندسه شبکه تصویربرداری به‌طور دقیق مورد بررسی قرار گیرند. ازاین‌رو، علاوه بر بررسی وضعیت هندسی شبکه عکس‌برداری، بافت تصاویر به‌عنوان یک شاخص رادیومتریکی مورد ارزیابی قرارگرفته و تأثیر این دو عامل بر کیفیت ابرنقطه تولید شده بررسی‌شده است. درنتیجه تعداد بهینه تصویر با بافت مناسب برای ساخت یک مدل سهبعدی دقیق و باکیفیت تعیین شده است.روش‌ها: برای مدلسازی یک شیء در روش فتوگرامتری بردکوتاه، تعدادی تصویر طبق شبکه از پیش طراحی شده از شیء مورد نظر اخذ شده و سپس، به کمک روش ساختار ناشی از حرکت (SfM)، ابرنقاط و مدل سهبعدی ایجاد میشود. اساس روش ساختار ناشی از حرکت، از نحوه ادراک اجسام توسط چشم انسان الگوبرداری شده است. روش ساختار ناشی از حرکت، امکان دستیابی سریع، خودکار و کمهزینه به دادههای سهبعدی را فراهم میسازد. این روش بهگونهای است که با استفاده از تصاویر متوالی پوششدار مربوط به یک شیء و پردازش تصویر، مدل سهبعدی دارای مختصات ایجاد میکند. پس از ساخت مدلهای سه بعدی بر مبنای سناریوهای تعریف شده در دو نسخه نرمافزار، در نرمافزار پردازش ابرنقطه Cloud Compare با ابرنقطه ریاضی (مرجع) مورد قیاس قرار گرفتند.یافته‌ها: یافته‌های استفاده از تصاویر با بافت ساده حاکی از آن است که در نرمافزار Photoscan با افزایش تعداد تصاویر علاوه بر نویزی شدن ابرنقطه، میزان شباهت مدل ساخته شده به مکعب نیز، کاهش مییابد. بر اساس نتایج، بهترین مدل سهبعدی که شباهت زیادی با مکعب دارد مربوط به حالت چهارم (45 تصویر) با مقدار خطای 01/0 میلی‌متر است. در مورد نرمافزار Metashape بهترین مدل مربوط به حالت سوم (90 تصویر) با مقدار خطای 05/0 میلی‌متر است. از طرفی در حالات استفاده از تصاویر با بافت پیچیده، بهترین ابرنقطه مربوط به حالت چهارم (45 تصویر) با مقدار خطای 02/0میلی‌متر در نرمافزار Photoscan و حالت سوم (90 تصویر) با مقدار خطای 04/0 میلی‌متر در نرمافزار Metashape است. به طور کلی استفاده از شیء با بافت پیچیده موجب تناظریابی بهتر عوارض میشود. تصاویر با بافت پیچیده گرادیان‌های پیچیده و به دنبال آن جهت‌های گرادیان غیرهمسو تولید می‌کنند و در مقابل آن، تصاویر با بافت ساده گرادیان‌های یکسان تولید می‌کنند. در نتیجه، وجود گرادیان‌های پیچیده و غیرهمسو موجب به تناظریابی بهتر و پایدارتر و در نتیجه آن تولید نقاط گرهی و تراکم ابرنقطه متراکم بیشتر میشود.نتیجه‌گیری: نتایج، نشان داد که تعداد بهینه تصاویر و وجود بافت پیچیده تصویر تأثیر بسزایی در بهبود کیفیت ابرنقطه سهبعدی شیء دارند و با وجود عکسهای زیاد کیفیت مدل سهبعدی علی‌رغم صرف زمان پردازش زیاد افزایش نیافته و تنها موجب تراکم ابرنقطه شده که این افزایش تراکم به دلیل افزایش نویز در ابرنقطه است.
