مدلسازی و تصحیح خطاهای فاصله‌یابی لیزری تحت تأثیر تعمیم‌یافته پیکسل‌های مختلط

1. مقدمه

فاصله‌یابی لیزری پالسی زمان‌پرواز، سنگ بنای کسب داده‌های ژئومکانی مدرن است. در حالی که پیشرفت‌ها در برآوردگرهای زمان‌بندی پالس (Abshire و همکاران، 1994) امکان اندازه‌گیری‌های با دقت بالا را فراهم کرده‌اند، خطاهای سیستماتیک قابل توجهی در سناریوهای پیچیده دنیای واقعی همچنان پابرجا هستند. این مطالعه به چالش حیاتی اثر تعمیم‌یافته پیکسل‌های مختلط می‌پردازد، که یک منبع خطای مرکب است و زمانی رخ می‌دهد که ردپای لیزر با سطوح ناپیوسته برهم‌کنش داشته باشد یا در یک زاویه مایل برخورد کند. این اثر، که هم مشکل سنتی پیکسل‌های مختلط و هم اثر زاویه برخورد را در بر می‌گیرد، اساساً داده‌های فاصله‌یابی را با معرفی اطلاعات چندگانه فاصله درون یک ردپای اندازه‌گیری واحد تحریف می‌کند و در نتیجه یکپارچگی داده‌ها را برای کاربردهای نقشه‌برداری، ناوبری خودمختار و مدل‌سازی سه‌بعدی به خطر می‌اندازد.

2. پیشینه نظری و بیان مسئله

2.1 اثر پیکسل مختلط

این اثر زمانی رخ می‌دهد که ردپای پرتو لیزر بر روی چندین سطح در فواصل مختلف قرار گیرد (مانند لبه یک ساختمان و زمین). اگر اختلاف عمق کمتر از وضوح فاصله ابزار باشد ($\Delta R = c \cdot \tau / 2$، که در آن $c$ سرعت نور و $\tau$ عرض پالس است)، فاصله‌یاب یک پالس بازگشتی واحد و تحریف‌شده دریافت می‌کند و به اشتباه آن را به عنوان یک فاصله واحد تفسیر می‌کند (Herbert & Krotkov, 1992; Xiang & Zhang, 2001). این امر منجر به یک خطای سیستماتیک غیرخطی قابل توجه می‌شود.

2.2 اثر زاویه برخورد

هنگامی که یک پرتو لیزر با زاویه غیرعمود بر سطح برخورد می‌کند، ردپای آن از یک دایره به یک بیضی کشیده می‌شود. بر اساس پراکندگی لامبرتی، این تغییر شکل سیگنال را تضعیف کرده و آن را در زمان پخش می‌کند و باعث می‌شود منطق زمان‌بندی فاصله‌یاب فاصله را به اشتباه محاسبه کند (Soudarissanane و همکاران، 2009). این خطا با افزایش زاویه برخورد افزایش می‌یابد.

2.3 اثر تعمیم‌یافته پیکسل‌های مختلط

بینش اصلی این کار، یکپارچه‌سازی دو اثر فوق است. هر دو از یک علت فیزیکی واحد ناشی می‌شوند: یک ردپای لیزر تغییرشکل‌یافته که حاوی فواصل مؤثر متعدد است. نویسندگان استدلال می‌کنند که برخورد جداگانه با آن‌ها ناکارآمد است و یک چارچوب تصحیح کل‌نگر ارائه می‌دهند.

3. روش‌شناسی: یک گردش کار پنج‌مرحله‌ای

این مطالعه یک گردش کار ساختاریافته پنج‌مرحله‌ای را برای مدل‌سازی و تصحیح اثر تعمیم‌یافته معرفی می‌کند.

3.1 تخمین زاویه واگرایی و عدم‌مرکزیت

روشی برای تخمین زاویه واگرایی پرتو لیزر ارائه شده است. این پارامتر برای درک اندازه ردپا حیاتی است. سپس از یک رویکرد "عدم‌مرکزیت" برای کاهش اثر پیکسل مختلط با جابجایی محاسباتی نقطه اندازه‌گیری مؤثر استفاده می‌شود.

3.2 مدل‌سازی اثر زاویه برخورد

یک مدل فیزیکی-هندسی برای کمی‌سازی خطای فاصله‌یابی به عنوان تابعی از زاویه برخورد، تغییر شکل ردپا و ویژگی‌های سطح فرمول‌بندی شده است.

3.3 تخمین تکراری زوایای برخورد نامعلوم

یک نوآوری کلیدی برای کار میدانی عملی. از آنجایی که زاویه برخورد دقیق در یک هدف اغلب نامعلوم است، نویسندگان یک رویه تکراری طراحی کرده‌اند که از مشاهدات اولیه فاصله برای تخمین زاویه برخورد بهینه استفاده می‌کند و آن را به مدل تصحیح بازخورد می‌دهد.

3.4 تخمین پارامترها از طریق جبران

همه پارامترهای مدل (مانند زاویه واگرایی، ضرایب مدل) با استفاده از تکنیک‌های جبران (مانند حداقل مربعات) که تمام عدم قطعیت‌های مشاهده را در نظر می‌گیرند، تخمین زده می‌شوند و نتایجی با استحکام آماری تضمین می‌کنند.

3.5 فرمول‌بندی تصحیح جابجایی یکپارچه

مدل‌های جداگانه از مراحل 3.1 و 3.2 در یک معادله تصحیح جامع واحد ادغام می‌شوند. این مدل نهایی یک جابجایی فاصله ($\Delta D_{corr}$) را خروجی می‌دهد که باید به اندازه‌گیری خام اعمال شود.

4. جزئیات فنی و فرمول‌بندی ریاضی

مدل تصحیح اصلی، عوامل هندسی و مبتنی بر سیگنال را یکپارچه می‌کند. یک نمایش ساده‌شده از جابجایی یکپارچه را می‌توان به صورت زیر بیان کرد:

$\Delta D_{corr} = f(\theta, \phi, \Delta R_{res}, I(t)) + \epsilon$

جایی که:

• $\theta$: زاویه برخورد پرتو لیزر.
• $\phi$: زاویه واگرایی پرتو.
• $\Delta R_{res}$: وضوح فاصله ابزار.
• $I(t)$: شکل‌موج زمان-شدت پالس بازگشتی.
• $\epsilon$: باقیمانده‌های جبران که نویز مشاهده را در نظر می‌گیرند.

5. نتایج تجربی و اعتبارسنجی

5.1 راه‌اندازی آزمایش و ابزارها

آزمایش‌ها با استفاده از دو توتال استیشن تجاری انجام شد: Trimble M3 DR 2" و Topcon GPT-3002LN. اهداف به گونه‌ای قرار داده شدند که سناریوهای کنترل‌شده ایجاد کننده پیکسل‌های مختلط (مانند لبه‌های پله) و زوایای برخورد متغیر ایجاد کنند.

5.2 نتایج روی Trimble M3 DR 2" و Topcon GPT-3002LN

گردش کار تصحیح پیشنهادی روی داده‌های هر دو ابزار اعمال شد. نتایج اثربخشی آن را تأیید کرد:

• کاهش خطای سیستماتیک: کاهش قابل توجه سوگیری‌های ناشی از هر دو اثر پیکسل مختلط و زاویه برخورد.
• حفظ کیفیت فاصله‌یابی: دقت (تکرارپذیری) اندازه‌گیری‌ها پس از تصحیح حفظ یا بهبود یافت.
• رویکرد کلی ابزار: اگرچه بزرگی خطاها به دلیل پردازش سیگنال اختصاصی بین مدل‌های Trimble و Topcon متفاوت بود، اما همان چارچوب مدل‌سازی با موفقیت اعمال شد که نشان‌دهنده تعمیم‌پذیری آن است.

5.3 توضیحات نمودارها و دیاگرام‌ها

شکل 1 (ارجاع داده شده در PDF): اثر پیکسل مختلط را نشان می‌دهد. (الف) هنگامی که ناپیوستگی عمق کوچکتر از وضوح فاصله باشد، یک پالس بازگشتی تحریف‌شده واحد، ابزار را فریب می‌دهد. (ب) هنگامی که اختلاف عمق بزرگتر باشد، پالس‌های بازگشتی متعدد به ابزار اجازه می‌دهند بین سطوح تمایز قائل شود.

شکل 2 (ارجاع داده شده در PDF): یک سناریوی رایج کار میدانی را به تصویر می‌کشد که در آن یک نقطه هدف (مانند روی یک سقف شیب‌دار یا در گوشه یک ساختمان) تحت تأثیر اثر تعمیم‌یافته پیکسل‌های مختلط قرار دارد و ترکیبی از تقسیم ردپا و کشیدگی ناشی از برخورد مایل است.

نمودارهای نتایج ضمنی: این مطالعه احتمالاً شامل نمودارهایی است که مقادیر فاصله خام در مقابل مقادیر تصحیح‌شده را بر حسب فواصل شناخته شده یا زوایای برخورد ترسیم می‌کند و نشان می‌دهد که داده‌های تصحیح‌شده به وضوح به سمت خط واقعیت همگرا می‌شوند.

6. چارچوب تحلیل: یک مثال موردی

سناریو: اندازه‌گیری فاصله تا یک نقطه روی یک دیوار عمودی با یک ابزار در سطح زمین. ردپای لیزر هم به دیوار (هدف اصلی) و هم به زمین مجاور برخورد می‌کند.

اعمال چارچوب:

1. شناسایی مورد: این یک نمونه واضح از اثر تعمیم‌یافته پیکسل‌های مختلط است (پیکسل مختلط از دیوار/زمین + اثر زاویه برخورد روی دیوار).
2. ورودی‌های داده: فاصله اندازه‌گیری شده خام، زاویه واگرایی شناخته شده ابزار و عرض پالس (برای $\Delta R_{res}$)، موقعیت تقریبی ابزار و هدف برای حدس اولیه زاویه برخورد.
3. اجرای گردش کار:
   • اعمال مدل عدم‌مرکزیت برای در نظر گرفتن بازگشت زمین درون ردپا.
   • استفاده از حدس اولیه برای زاویه برخورد دیوار در مدل اثر زاویه برخورد.
   • اجرای رویه تکراری: تصحیح فاصله، استفاده از فاصله جدید برای تخمین مجدد یک زاویه برخورد دقیق‌تر (بر اساس هندسه)، و تکرار تا همگرایی.
   • فرآیند جبران، همه پارامترهای مدل را با استفاده از این نقطه و سایر نقاط مشاهده پالایش می‌کند.
4. خروجی: یک مقدار فاصله تصحیح‌شده که به طور دقیق فاصله تا نقطه مورد نظر روی دیوار را منعکس می‌کند و عاری از خطای سیستماتیک مرکب است.

7. چشم‌انداز کاربرد و جهت‌گیری‌های آینده

کاربردهای فوری:

• نقشه‌برداری و مهندسی با دقت بالا: برای پایش تغییرشکل‌های سازه‌ای، تأیید ساخت و ساز، و نقشه‌برداری کاداستر که اندازه‌گیری‌ها اغلب شامل لبه‌ها و سطوح مایل است، حیاتی می‌باشد.
• کالیبراسیون LiDAR خودروهای خودمختار: تصحیح خطاهای فاصله‌یابی در مرزهای اجسام (مانند جدول‌ها، وسایل نقلیه دیگر) برای ادراک و مکانیابی دقیق حیاتی است.
• مستندسازی میراث و پزشکی قانونی: امکان اسکن سه‌بعدی دقیق‌تر جزئیات معماری پیچیده و صحنه‌های تصادف را فراهم می‌کند.

جهت‌گیری‌های تحقیقاتی آینده:

• ادغام با LiDAR شکل‌موج کامل: این مدل را می‌توان با استفاده از داده‌های شکل‌موج کامل ($I(t)$) به جای بازگشت‌های گسسته، مستقیماً بهبود بخشید که امکان تجزیه دقیق‌تر سیگنال‌های مختلط را فراهم می‌کند، مشابه تحلیل پیشرفته شکل‌موج کامل در LiDAR توپوگرافی (مانند Mallet & Bretar, 2009).
• پارامترسازی کمک‌شده با هوش مصنوعی: می‌توان از یادگیری ماشین برای یادگیری پارامترهای مدل خاص ابزار یا برای طبقه‌بندی نوع سناریوی پیکسل مختلط استفاده کرد تا استراتژی تصحیح بهینه شود.
• ماژول‌های تصحیح بلادرنگ: پیاده‌سازی الگوریتم تکراری به عنوان فریم‌ور جاسازی‌شده یا نرم‌افزار پس‌پردازش برای توتال استیشن‌ها و اسکنرهای لیزری تجاری.
• گسترش به سطوح غیرلامبرتی: گنجاندن مدل‌های پیچیده‌تر تابع توزیع بازتاب دوطرفه (BRDF) برای سطوحی مانند فلز یا شیشه.

8. مراجع

1. Abshire, J. B., et al. (1994). Laser pulse timing estimators. Applied Optics.
2. Adams, M. D. (1993). Laser Rangefinder Technology.
3. Herbert, M., & Krotkov, E. (1992). 3D measurements from imaging laser radars. Image and Vision Computing.
4. Mallet, C., & Bretar, F. (2009). Full-waveform topographic lidar: State-of-the-art. ISPRS Journal of Photogrammetry and Remote Sensing, 64(1), 1-16.
5. Soudarissanane, S., et al. (2009). Incidence angle influence on the quality of terrestrial laser scanning points. ISPRS Workshop.
6. Typiak, A. (2008). Methods of eliminating the mixed pixel phenomenon in laser rangefinders. Metrology and Measurement Systems.
7. Xiang, L., & Zhang, Y. (2001). Analysis of mixed pixel in laser rangefinder. Proceedings of SPIE.
8. Zhu, J., et al. (2017). Unpaired image-to-image translation using cycle-consistent adversarial networks. Proceedings of the IEEE International Conference on Computer Vision (ICCV). (ارجاع CycleGAN برای قیاس با تبدیل دامنه).

9. تحلیل اصلی و تفسیر کارشناسی