Анотація
У статті розглядається проблема підвищення точності розрахунку площ архітектурних об’єктів на основі даних наземного лазерного сканування (НЛС). Мета дослідження – розробка методу обробки хмари точок, що дозволяє мінімізувати метричні похибки без побудови повноцінної 3D-моделі, а саме для підвищення точності вимірювання площі шляхом доповнення заданого виробником алгоритму обробки даних лазерного сканування додатковим сценарієм використання стандартних інструментів для мінімізації і контролю похибок вимірювань на прикладі матеріалу сканування відновленої після обстрілів житлової будівлі. Такі об’єкти є особливо складними для вимірювань, оскільки вони характеризуються наявністю нетипових деформацій, структурних пошкоджень, відхилень стін від вертикалі та складною геометрією залишкових руйнувань. У таких умовах застосування стандартних, повністю автоматизованих шаблонів обробки даних є вкрай неефективним і часто призводить до хибних результатів. Саме з урахуванням економії часу на обробку матеріалу, ключовим елементом є підготовка хмари точок для вимірювання геометричних параметрів, а не 3D-моделі. Методологічною основою роботи стали загальнонаукові та спеціальні методи дослідження, зокрема формально-логічний, системно-структурний, метод аналізу та узагальнення наукових джерел та практики судово-експертної діяльності. Дослідження виконано на матеріалі сканування житлової будівлі, відновленої після ураження дроном. Запропонований метод базується на поєднанні алгоритму сегментації Region Grow у середовищі Leica Cyclone 3DR зі статистичним аналізом гістограм відхилень для верифікації побудованої апроксимуючої площини. Ключовим елементом підходу є ізоляція «довірчої зони» точок, що належать до цільової площини, замість суб’єктивного вибору оператором. Наукова новизна полягає у комплексному підході до дослідження відсканованої множини точок як самостійного об’єкта судово-експертної діяльності, визначенні ключових проблем їх дослідження, та оцінки отриманих результатів. У висновках підкреслюється, що застосування запропонованого методу дозволяє отримати достовірні результати з похибкою ±0,002 м, яка відповідає рівню точності LOA 40 (Level of Accuracy) за міжнародним стандартом USIBD (U.S. Institute of Building Documentation). Практична цінність роботи полягає у можливості застосування результатів як юридично верифікованої доказової бази в судовій експертизі, а також для розрахунку реставраційних кошторисів та оцінки збитків. Запропонований підхід суттєво скорочує час обробки порівняно зі стандартним Scan-to-BIM-процесом і забезпечує об’єктивність вимірювань на складних архітектурних об’єктах.
Посилання
Leica Geosystems. (2026). Leica RTC360 – 3D Reality Capture Solution: ofitsiinyi sait [Leica RTC360 – 3D Reality Capture Solution: official website]. Kyiv. URL: https://leica-geosystems.com.ua/rtc360/ (accessed: 27.03.2026) [in Ukrainian].
Patil J., Kalantari M. (2025). Automatic Scan-to-BIM – The impact of semantic segmentation accuracy. Buildings, 15(7), Article 1126. DOI: https://doi.org/10.3390/buildings15071126 [in English].
Grilli E., Menna F., Remondino F. (2017). A review of point clouds segmentation and classification algorithms. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-2/W3, 339–344. DOI: https://doi.org/10.5194/isprs-archives-XLII-2-W3-339-2017 [in English].
Remondino F. (2003). From point cloud to surface: the modeling and visualization problem. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXIV, Part 5/W10. URL: https://www.isprs.org/proceedings/xxxiv/5-w10/papers/remondin.pdf (accessed: 27.03.2026) [in English].
U.S. Institute of Building Documentation. (2019). USIBD Level of Accuracy (LOA) Specification Guide. Document C120™: guide. Version 3.0. 48 p. URL: https://usibd.org (accessed: 27.03.2026) [in English].