اعتبارسنجی اسکنر فروسرخ به کمک مستندنگاری هندسی بنای تاریخی اعتمادالسلطنه - پژوهه باستان سنجی
سال 5، شماره 2 - ( 1398 )                   سال 5 شماره 2 صفحات 131-147 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Taher Tolou Del M S, Kamali Tabrizi S. Validation of Infrared Scanner by the Assistance of Geomatic Documentation of the Historical Building of Etemad al-Saltanah. JRA. 2019; 5 (2) :131-147
URL: http://jra-tabriziau.ir/article-1-204-fa.html
طاهرطلوع دل محمدصادق، کمالی تبریزی سینا. اعتبارسنجی اسکنر فروسرخ به کمک مستندنگاری هندسی بنای تاریخی اعتمادالسلطنه. پژوهه باستان سنجی. 1398; 5 (2) :131-147

URL: http://jra-tabriziau.ir/article-1-204-fa.html


1- دانشگاه تربیت دبیر شهید رجایی
2- دانشگاه تربیت دبیر شهید رجایی ، sina_kamali@yahoo.com
چکیده:   (1024 مشاهده)
ازآنجایی‌که روش ‏های فعلی برای بازسازی سه‌بعدی مبتنی بر لیزر یا مبتنی بر عکس (فوتوگرامتری)، گران‌قیمت یا پیچیده هستند، سنسورهای کم‌هزینه فروسرخ مانند سنسور ساختاری و سنسور کینکت، وسیله‏ ای امیدوارکننده برای جایگزینی معرفی شده‏اند. سنسور ساختاری برای مستندنگاری متریک، فناوری نوظهور محسوب می‏شود، به همین دلیل توانایی‏ های این سیستم برای مستندنگاری میراث فرهنگی بررسی نشده است. همچنین بر اساس خطای معرفی‌شده برای سنسور ساختاری، اسکنر دقتی بالای 99% در ابعاد اجسام بین  m4/0 تاm  5/3 دارد، لذا برای مستندنگاری میراث فرهنگی مناسب است. به همین منظور هدف اصلی این پژوهش اعتبارسنجی این ادعا بر اساس نمونه موردی ‏های برداشت‌شده به‌صورت تجربی آزمایشی است تا مناسب بودن این ابزار برای مستنندنگاری میراث فرهنگی تأیید شود. به‌عنوان بررسی تجربی آزمایشی سنسور ساختاری، خانه تاریخی اعتمادالسلطنه مورد مستندنگاری و پردازش قرارگرفته و نتایج به‌دست‌آمده از اسکنر با ابعاد واقعی خانه مورد مقایسه قرارگرفته است. لذا یافته‏ های تحقیق بیان می‏دارد که این سیستم مستندنگاری، برای برداشت و سه‌بعدی سازی بناهای تاریخی مناسب نبوده و دقت لازم و مورد ادعا را ندارد. همچنین برای بررسی دقت سنسور ساختاری برای مستندنگاری آثار موزه‏ای، ماکت مسجد امام اصفهان مورد آزمایش قرار گرفت. نتایج نشان می‏دهد سنسور ساختاری تنها برای اجسام تاریخی با ابعاد بین تاm  3/0 تاm  2 گزینه مناسبی محسوب می‏ شود و دقت آن بالای 95% است که بر اساس قوانین نقشه ‏کشی کاداستر قابل قبول است. تعداد ابرنقاط در هر برداشت بین 103 الی 106 نقطه است و ابعاد برداشت با در نظر گرفتن خطای جذر میانگین مربعات تاm3  5 قابل انجام است و بیشتر از آن اسکنر قابلیت ندارد. آزمون همبستگی پیرسون نشان می‏دهد با بالا رفتن ابعاد سوژه خطا اسکنر به‌صورت فزاینده افزایش می‏یابد. 
متن کامل [PDF 1843 kb]   (255 دریافت)    
یاداداشت علمی: پژوهشي | موضوع مقاله: حفاظت و مرمت میراث فرهنگی
دریافت: 1398/6/13 | پذیرش: 1398/9/3 | انتشار: 1398/10/9 | انتشار الکترونیک: 1398/10/9

فهرست منابع
1. Georgopoulos A. CIPA's perspectives on cultural heritage. InDigital Research and Education in Architectural Heritage 2017 Mar 30 (pp. 215-245). Springer, Cham. [doi.org/10.1007/978-3-319-76992-9_13] [DOI:10.1007/978-3-319-76992-9_13]
2. Campion K. Blast through the past: Terrorist attacks on art and antiquities as a reconquest of the modern Jihadi identity. Perspectives on terrorism. 2017 Feb 1;11(1):26-39.
3. Sgrenzaroli M. Cultural heritage 3D reconstruction using high resolution laser scanner: new frontiers data processing. InCIPA 2005 XX International Symposium 2005 Sep 26 (Vol. 3).
4. Cooper N. Guide to recording historic buildings. 1990.
5. Letellier R, Eppich R. Recording, documentation and information management for the conservation of heritage places. Routledge; 2015 Dec 22. [doi.org/10.4324/9781315793917] [DOI:10.4324/9781315793917]
6. Shao J, Zhang W, Mellado N, Grussenmeyer P, Li R, Chen Y, Wan P, Zhang X, Cai S. Automated markerless registration of point clouds from TLS and structured light scanner for heritage documentation. Journal of Cultural Heritage. 2019 Jan 1;35:16-24. [doi.org/10.1016/j.culher.2018.07.013] [DOI:10.1016/j.culher.2018.07.013]
7. Serna CG, Pillay R, Trémeau A. Data fusion of objects using techniques such as Laser Scanning, Structured Light and Photogrammetry for Cultural Heritage Applications. InInternational Workshop on Computational Color Imaging 2015 Mar 24 (pp. 208-224). S. [doi.org/10.1007/978-3-319-15979-9_20] [DOI:10.1007/978-3-319-15979-9_20]
8. Mahajan A, Bharti V, Singh HP, Josyula L, Kumar P. Construction of a 3D Map of Indoor Environment. Procedia Computer Science. 2018 Jan 1;125:124-31. [doi.org/10.1016/j.procs.2017.12.018] [DOI:10.1016/j.procs.2017.12.018]
9. Remondino F, Rizzi A. Reality-based 3D documentation of natural and cultural heritage sites-techniques, problems, and examples. Applied Geomatics. 2010 Sep 1;2(3):85-100. [doi.org/10.1007/s12518-010-0025-x] [DOI:10.1007/s12518-010-0025-x]
10. Curless B, Seitz S. 3D Photography. Course Notes for SIGGRAPH 2000. 2000 Jul.
11. Zhang W, Wang C, Xi X. 3D Scan of Ornamental Column (huabiao) Using Terrestrial LiDAR and Hand-held Imager. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. 2015;40(5):491. [doi.org/10.5194/isprsarchives-XL-5-W7-491-2015] [DOI:10.5194/isprsarchives-XL-5-W7-491-2015]
12. Bok Y, Jeong Y, Choi DG, Kweon IS. Capturing village-level heritages with a hand-held camera-laser fusion sensor. International Journal of Computer Vision. 2011 Aug 1;94(1):36-53. [doi.org/10.1007/s11263-010-0397-8] [DOI:10.1007/s11263-010-0397-8]
13. Blake B, Bedford J. Documentation for conservation, a manual for teaching metric survey skills. 2008.
14. Microsoft Kinect. [(Accessed on 10 September 2015)]; Available online: http://www.xbox.com/en-US/xbox-one/accessories/kinect-for-xbox-one.
15. Anguelov D, Srinivasan P, Koller D, Thrun S, Rodgers J, Davis J. SCAPE: shape completion and animation of people. InACM SIGGRAPH 2005 Papers 2005 Jul 1 (pp. 408-416). [doi.org/10.1145/1073204.1073207] [DOI:10.1145/1073204.1073207]
16. Mao A, Zhang H, Liu Y, Zheng Y, Li G, Han G. Easy and fast reconstruction of a 3D avatar with an RGB-D sensor. Sensors. 2017 May;17(5):1113. [doi.org/10.3390/s17051113] [DOI:10.3390/s17051113]
17. Beňo P, Duchoň F, Tölgyessy M, Hubinský P, Kajan M. 3d map reconstruction with sensor kinect: Searching for solution applicable to small mobile robots. In2014 23rd International Conference on Robotics in Alpe-Adria-Danube Region (RAAD) 2014 Sep 3 (pp. 1-6). [doi.org/10.1109/RAAD.2014.7002252] [DOI:10.1109/RAAD.2014.7002252]
18. Freedman B, Shpunt A, Machline M, Arieli Y, inventors; PrimeSense Ltd, assignee. Depth mapping using projected patterns. United States patent US 8,493,496. 2013 Jul 23.
19. Kalantari M, Nechifor M. Accuracy and utility of the Structure Sensor for collecting 3D indoor information. Geo-spatial information science. 2016 Jul 2;19(3):202-9. [doi.org/10.1080/10095020.2016.1235817] [DOI:10.1080/10095020.2016.1235817]
20. Weiss A, Hirshberg D, Black MJ. Home 3D body scans from noisy image and range data. In2011 International Conference on Computer Vision 2011 Nov 6 (pp. 1951-1958). IEEE. [doi.org/10.1109/ICCV.2011.6126465] [DOI:10.1109/ICCV.2011.6126465]
21. Tong J, Zhou J, Liu L, Pan Z, Yan H. Scanning 3d full human bodies using kinects. IEEE transactions on visualization and computer graphics. 2012 Mar 9;18(4):643-50. [doi.org/10.1109/TVCG.2012.56] [DOI:10.1109/TVCG.2012.56]
22. Cui Y, Chang W, Nöll T, Stricker D. KinectAvatar: fully automatic body capture using a single kinect. InAsian Conference on Computer Vision 2012 Nov 5