Đo đạc 3d là gì? Các bài báo nghiên cứu khoa học liên quan

Giới thiệu

Đo đạc 3D là kỹ thuật thu thập dữ liệu ba chiều từ vật thể hoặc môi trường, tạo ra mô hình số thể hiện hình dạng, kích thước và vị trí chính xác trong không gian. Dữ liệu thu được dưới dạng điểm mây (point cloud) hoặc lưới tam giác (mesh) cho phép phân tích, đo đạc và mô phỏng thiết kế với độ chính xác cao. So với đo đạc truyền thống, đo đạc 3D giảm thiểu sai số do con người, tăng tính lặp lại và cho phép khảo sát những khu vực khó tiếp cận.

Ứng dụng của đo đạc 3D trải rộng trên nhiều lĩnh vực:

• Khảo sát địa hình và trắc địa: lập bản đồ địa chất, xây dựng đường xá và đường hầm.
• Khảo cổ và di sản: số hóa hiện vật, phục dựng di tích và phân tích bảo tồn.
• Công nghiệp chế tạo: kiểm tra sai lệch chi tiết, thiết kế ngược (reverse engineering) và kiểm soát chất lượng.
• Y sinh và nha khoa: mô hình xương, cấy ghép, in 3D mô phỏng giải phẫu.
• Thực tế ảo (VR/AR) và giải trí: tạo môi trường ảo, game và phim hoạt hình.

Theo tổng quan trên ScienceDirect, đo đạc 3D đã trở thành công cụ không thể thiếu trong các dự án quy mô lớn nhờ độ chính xác milimet và thời gian xử lý nhanh (ScienceDirect – 3D Scanning)

Nguyên lý và khái niệm cơ bản

Điểm mây (point cloud) là tập hợp các điểm 3D có tọa độ (x, y, z), thu thập từ cảm biến quét. Các điểm này biểu diễn bề mặt vật thể, tuy nhiên không có thông tin kết nối giữa chúng. Để tạo bề mặt liên tục, các thuật toán xây dựng lưới tam giác (mesh) kết nối các điểm gần nhau thành đa giác.

Khoảng cách giữa hai điểm 3D được tính theo công thức Euclid:

$d = \sqrt{(x_2 - x_1)^2 + (y_2 - y_1)^2 + (z_2 - z_1)^2}$

Việc gán hệ tọa độ chung đòi hỏi chuyển đổi qua ma trận quay–tịnh tiến (rotation–translation):

$\begin{pmatrix}x'\\y'\\z'\end{pmatrix}=R\begin{pmatrix}x\\y\\z\end{pmatrix}+t$

• Point cloud: dữ liệu thô, dễ tích hợp.
• Mesh: lưới tam giác, tối ưu hiển thị và tính toán.
• Hệ tọa độ: local vs. global, cần GCPs để xác định vị trí tuyệt đối.

Các công nghệ đo đạc 3D phổ biến

Photogrammetry sử dụng ảnh chụp đa góc của vật thể và thuật toán đối chiếu để tái tạo 3D. Phương pháp này chi phí thấp, dễ triển khai với UAV, nhưng phụ thuộc mạnh vào điều kiện ánh sáng và cần chồng lấp ảnh ≥ 60%.

LiDAR phát xung tia laser và đo thời gian phản hồi (ToF) để xác định khoảng cách. LiDAR có độ chính xác cao, vận hành cả ban ngày lẫn ban đêm, phù hợp khảo sát địa hình rộng lớn và môi trường ngoại thất.

Structured Light chiếu lên bề mặt lưới sáng và ghi ảnh biến dạng lưới để tính toán độ cao. Phương pháp cho độ phân giải cao, phù hợp với vật thể kích thước nhỏ hoặc scan chi tiết bề mặt, nhưng nhạy cảm với bề mặt phản chiếu.

Công nghệ	Nguyên lý	Ưu điểm	Nhược điểm
Photogrammetry	Ảnh đa góc	Chi phí thấp, linh hoạt	Phụ thuộc ánh sáng
LiDAR (ToF)	Đo thời gian phản hồi	Chính xác, ban đêm	Thiết bị đắt
Structured Light	Lưới sáng	Độ phân giải cao	Nhạy với phản chiếu
Stereo Vision	Hai camera	Giá trung bình	Yêu cầu hiệu chuẩn

Thiết bị và phần cứng

Máy quét LiDAR bao gồm thiết bị tĩnh (terrestrial LiDAR) và di động (mobile LiDAR), thường sử dụng trong khảo sát địa hình, đường hầm và đô thị. Các hãng phổ biến: Leica Geosystems và Trimble (Trimble – 3D Laser Scanning).

Hệ thống photogrammetry UAV sử dụng drone trang bị camera DSLR hoặc mirrorless, kết hợp với phần mềm xử lý như Agisoft Metashape để tạo point cloud. Thiết bị cầm tay (handheld scanner) tích hợp structured light hoặc ToF cho phép scan nhanh trong công nghiệp và y sinh.

• Terrestrial LiDAR: khảo sát hiện trạng, lưới lớn.
• Mobile LiDAR: gắn xe, scan khi di chuyển.
• Drone photogrammetry: linh hoạt, chi phí thấp.
• Handheld scanner: scan chi tiết, cầm tay.
• Hệ thống GNSS/GCPs: gán tọa độ tuyệt đối cho point cloud.

Quy trình thu thập và xử lý dữ liệu

Tiền xử lý dữ liệu đo đạc 3D bắt đầu với hiệu chuẩn thiết bị và kiểm tra độ rung. Trong đo đạc LiDAR, cần thực hiện hiệu chỉnh offset khoảng cách (range offset) và hiệu chuẩn góc (tilt calibration). Với photogrammetry, hiệu chỉnh camera (intrinsic/extrinsic parameters) bằng bảng chuẩn giúp giảm méo ảnh và sai lệch tọa độ.

Giai đoạn thu thập dữ liệu yêu cầu lập kế hoạch quét với chồng lấp ≥60% cho ảnh và khoảng cách scan phù hợp để đảm bảo phủ kín bề mặt. Dữ liệu point cloud hoặc hình ảnh được ghi lại theo nhiều vị trí, sau đó tiến hành registration bằng thuật toán ICP (Iterative Closest Point) hoặc sử dụng GCPs (Ground Control Points) để ghép khớp giữa các scan.

Xử lý hậu kỳ bao gồm lọc nhiễu (statistical outlier removal) và giảm điểm (decimation) để tối ưu kích thước file. Tiếp theo là tạo mesh từ point cloud qua Poisson Surface Reconstruction hoặc Delaunay triangulation, rồi áp texture để gán màu ảnh cho lưới tam giác.

• Calibration: bảng checkerboard, LiDAR sphere
• Registration: ICP, GCPs
• Filtering: loại bỏ điểm nhiễu
• Meshing & Texturing: Poisson, Delaunay

Bước	Thuật toán/Thiết bị	Mục đích
Calibration	Checkerboard, LiDAR target	Giảm sai số
Registration	ICP, GNSS GCPs	Ghép khớp scan
Filtering	Statistical outlier removal	Loại nhiễu
Meshing	Poisson, Delaunay	Tạo surface

Độ chính xác và hiệu chuẩn

Độ chính xác đo đạc 3D phụ thuộc sai số cảm biến (sensor error), sai số hiệu chuẩn (calibration error) và yếu tố môi trường (environmental error). Sai số cảm biến bao gồm jitter ToF và nhiễu điện tử; sai số hiệu chuẩn từ việc hiệu chuẩn camera/LiDAR không hoàn hảo.

Công thức sai số tổng hợp:

$\sigma_{\text{total}}=\sqrt{\sigma_{\text{sensor}}^2+\sigma_{\text{calib}}^2+\sigma_{\text{env}}^2}$

Hiệu chuẩn sử dụng calibration targets và GCPs (Ground Control Points) với GNSS RTK/PPK, đạt độ chính xác centimet. Kiểm tra chéo giữa các GCP và point cloud đánh giá sai số ngang và cao độ của mô hình 3D.

• Sai số cảm biến: jitter, nhiễu ToF
• Sai số hiệu chuẩn: méo ống kính, offset
• Môi trường: nhiệt độ, bụi, ánh sáng
• GCPs: GNSS RTK/PPK

Ứng dụng

Trong xây dựng, đo đạc 3D khảo sát hiện trạng công trình, giám sát lún móng và theo dõi biến dạng kết cấu. Dữ liệu 3D giúp phát hiện vết nứt và sai lệch kết cấu, phục vụ bảo trì và đánh giá an toàn.

Khảo cổ và di sản sử dụng photogrammetry và LiDAR để số hóa hiện vật, phục dựng di tích và tạo bản đồ 3D chi tiết. Phương pháp này bảo tồn kỹ thuật số, giảm thiểu tương tác vật lý với di tích nhạy cảm.

Trong công nghiệp chế tạo, đo đạc 3D hỗ trợ kiểm tra sai khớp chi tiết và thiết kế ngược (reverse engineering). Point cloud so sánh với CAD model qua phân tích sai lệch (deviation analysis) để xác định khu vực không đạt tiêu chuẩn.

• Xây dựng: giám sát lún, phân tích vết nứt
• Khảo cổ: số hóa di tích, phục dựng
• Chế tạo: kiểm tra sai khớp, reverse engineering
• Y sinh: mô hình giải phẫu, in 3D cấy ghép
• VR/AR: tạo môi trường ảo, tương tác

Thách thức và xu hướng phát triển

Khối lượng point cloud lớn đặt ra thách thức lưu trữ và xử lý. Giải pháp bao gồm nén dữ liệu và xử lý phân tán trên đám mây (cloud computing). Công nghệ WebGL và Potree cho phép hiển thị trực tuyến mà không cần phần mềm chuyên dụng.

AI và Machine Learning (ML) ứng dụng cho nhận dạng đặc trưng (feature extraction) và phân đoạn semantic segmentation trong point cloud. Các mô hình deep learning như PointNet và RandLA-Net cải thiện hiệu quả nhận diện đối tượng và tách lớp trong dữ liệu 3D.

Thiết bị tương lai tích hợp đa cảm biến (hybrid scanners) kết hợp LiDAR, structured light và photogrammetry. Hệ thống SLAM (Simultaneous Localization and Mapping) mở rộng khả năng quét thời gian thực cho robot và AR glasses.

• Cloud Computing: AWS, Azure, GCP
• Web Visualization: Potree, Cesium
• Deep Learning: PointNet, RandLA-Net
• Hybrid Scanners: ToF + Structured Light
• Real-time SLAM: LiDAR SLAM, Visual SLAM

Tài liệu tham khảo

• ScienceDirect. “3D Scanning.” https://www.sciencedirect.com/topics/engineering/3d-scanning
• NOAA. “What is LiDAR?” https://oceanservice.noaa.gov/facts/lidar.html
• Trimble. “3D Laser Scanning.” https://www.trimble.com/3d-laser-scanning/
• Autodesk. “Photogrammetry for 3D Scanning.” https://www.autodesk.com/solutions/photogrammetry
• OGC. “Open Geospatial Consortium.” https://www.opengeospatial.org
• ISO. “ISO 19156: Observations and Measurements.” https://www.iso.org/standard/57994.html