Budapest University of Technology and EconomicsFaculty of Civil Engineering - Since 1782

Pontfelhőt alkotó technikák (földi és légi lézerszkennelés, mobil terképezés, pilóta nélküli légijárműről végzett fotogrammetria …) széles körben terjedtek el a geodéziában az elmúlt évtizedek során. A mérési módszerek közös jellemzője, hogy rövid idő alatt nagy mennyiségű adat áll elő. Amíg a hagyományos geodéziai módszerek esetén a mérés során a feladat szempontjából releváns pontok meghatározása történik, addig a pontfelhők technikák esetén a nagy mennyiségű adatból utólag kell a számunka fontos pontokat kiválasztani vagy azok pozícióját a meglévő pontokból levezetni.

A nyers mérési adatok feldolgozása több lépcsőben történik, elsőként kapcsolni és illeszteni szükséges a pontfelhőket (vagy képeket), az így kapott sűrű pontfelhőt esetenként újramintavételezni, szűrni, osztályozni, szegmentálni, végül az adott alkalmazásnak megfelelő termékeket (pl. térképet, térmodellt, metszeteket …) levezetni. A folyamat egyre inkább teljesen vagy nagyrészt automatizált.

A szakirodalomban egyre több eredmény jelenik meg a pontfelhők automatizált feldolgozása és kiértékelése témában, amelyek korszerű matematikai és adatelemzési módszereken (pl. gépi tanulás) alapulnak. A doktori kutatás feladata a már ismert algoritmusok matematikai hátterének megismerése, azok tudományos igényű vizsgálata, finomítása, illetve az optimalizálás érdekében eljárások kidolgozása. A kutatás elsősorban objektumok felismerésére fókuszál építőmérnöki és geodéziai alkalmazások, pl. nagyméretarányú térképezés számára. 

A doktori kutatás során az Általános és Felsőgeodézia, valamint az Építőmérnöki Kar más tanszékein, illetve ipari partnereivel közösen elkezdett kutatási feladataiba kell a jelöltnek bekapcsolódnia. 

A témára olyan jelölt jelentkezését várjuk, aki tanulmányai során már hallgatott Kiegyenlítő számítások, Mérnökgeodézia, Numerikus módszerek elnevezésű tantárgyakat. Programozói ismeretekkel, adatbázis szemlélettel, nagy mennyiségű mérési adat automatizált feldolgozása terén tapasztalatokkal rendelkezik.

 

***

 

Point cloud techniques such as aerial and terrestrial laser scanning, mobile mapping, Unmanned Aerial Vehicle photogrammetry have become increasingly widespread in engineering surveying over the past few decades. One of the most common features of these measurement techniques is that a massive amount of data can be captured over a short period. In traditional surveying techniques, the most relevant points are measured, while point clouds need to be post-processed to select or determine the points according to our particular interest.

Processing of the raw measurements is done in a series of steps. We have to register and transform the original point clouds (or photos), the final point cloud is resampled, filtered, classified, segmented, and further products, such as maps, spatial models, sessions, are obtained. The major part of the whole process is entirely or partly automatized.

A wide range of new scientific results in automated point cloud processing and interpreting has recently been published in the literature, which is based upon state-of-the-art mathematical and data processing methods, like machine learning. The underlying task of this doctoral proposal is to understand the mathematical background of the existing and published algorithms, their scientific investigation and adjustment to optimize them. The primary focus is object recognition in civil engineering and land surveying applications, such as large scale mapping. 

In the frame of this research, the candidate is supposed to take part in the project formerly launched at the Department of Geodesy and Surveying or other departments of the Civil Engineering Faculty in cooperation with their industrial partners.

The candidate should have learned courses like Adjustment theory and application, Engineering surveying, Numerical methods. Skills as regards computer programming, database management, data processing are also expected to have.