Ngày nhận bài: 28/8/2025; Ngày sửa bài: 9/9/2025; Ngày chấp nhận đăng: 18/9/2025

Tóm tắt

Trong bối cảnh chuyển đổi số ngành Cổng Game 28BET Uy Tín Hàng Đầu, mô hình thông tin Tải app 28Bet (BIM) đang trở thành công cụ ưu việt hỗ trợ quản lý vòng đời Tải app 28Bet. Việc Đăng nhập tài khoản 28Bet mô hình BIM hiện trạng đóng vai trò quan trọng trong các dự án cải tạo, bảo trì và quản lý tài sản. Nghiên cứu này trình bày phương pháp ứng dụng công nghệ quét laser mặt đất với quét laser gắn trên thiết bị bay không người lái (UAV) để thu thập dữ liệu đám mây điểm, xử lý và ghép nối làm cơ sở để Đăng nhập tài khoản 28Bet BIM hiện trạng. Sự kết hợp này cho phép khắc phục hạn chế riêng lẻ của từng công nghệ, đảm bảo mức độ đầy đủ, độ chính xác của đám mây điểm thu được.

Từ khóa: Laser scanning, lidar, UAV, BIM hiện trạng.

Abstract

In the context of digital transformation in the construction industry, building information modeling is becoming a superior tool to support building lifecycle management. Building an existing BIM model plays an important role in renovation, maintenance and asset management projects. This study presents a method of applying ground laser scanning technology with laser scanning mounted on an unmanned aerial vehicle (UAV) to collect point cloud data, processed and paired as a basis for building an existing BIM. This combination allows overcoming the individual limitations of each technology, ensuring the completeness and accuracy of the obtained point cloud.

1. Đặt vấn đề

Tại Việt Nam, BIM đã được biết đến từ nhiều năm qua nhưng việc triển khai trong thực tiễn vẫn còn gặp nhiều khó khăn. Phần lớn các dự án chỉ dừng lại ở mức mô hình hóa 3D phục vụ thiết kế, trong khi các cấp độ ứng dụng cao hơn như mô phỏng tiến độ (4D), quản lý chi phí (5D), hay vận hành bảo trì (6D) còn hạn chế. Đặc biệt, việc Đăng nhập tài khoản 28Bet mô hình BIM hiện trạng Tải app 28Bet vẫn còn mới mẻ và chỉ được áp dụng ở một số dự án quy mô lớn hoặc có yếu tố đầu tư nước ngoài.

Trong khi đó, tại Mỹ việc áp dụng BIM đối với Tải app 28Bet hiện không chỉ là xu hướng mà thực tế đã trở thành phổ biến. Cơ quan quản lý tài sản liên bang Mỹ từ năm 2007 yêu cầu mô hình BIM cho tất cả các dự án xây mới và cải tạo lớn [1]. Ở Đức năm 2020, Bộ Đăng nhập tài khoản 28Bet Đức yêu cầu mọi dự án cơ sở hạ tầng liên bang phải triển khai BIM. Hiện tại Đức đã số hóa toàn bộ hạ tầng ngầm ở các thành phố như Berlin, Hamburg, Munich.

Để thúc đẩy ứng dụng BIM hiện trạng Tải app 28Bet ở Việt Nam cần hiểu rõ nguồn dữ liệu đầu vào, quy trình thu thập dữ liệu phục vụ Đăng nhập tài khoản 28Bet mô hình này. Trong phạm vi nghiên cứu này, nhóm tác giả trình bày phương pháp kết hợp quét laser mặt đất và quét laser gắn trên thiết bị bay không người lái bao gồm: Cơ sở toán học để xác định tọa độ điểm đo, ghép điểm đo giữa các trạm quét, quy trình quét nhằm mục đích thu thập đám mây điểm phục vụ Đăng nhập tài khoản 28Bet BIM.

2. Nội dung

2.1. Quét laser mặt đất trạm cố định

Quét laser trạm cố định là sử dụng máy quét laser đặt tại một vị trí để phát ra các tia laser. Máy quét sẽ quay và quét một vùng theo góc rộng (thường là 360° theo phương ngang và 270° theo phương dọc) để thu thập đám mây điểm[2].

Gọi tọa độ điểm i có tọa độ trong hệ tọa độ không gian trạm quét thứ j là (x_ij, y_ij, z_ij); Tọa độ trong hệ VN-2000 của trạm quét j là (X_Cj, Y_Cj, Z_Cj); tọa độ điểm quét i trong hệ tọa độ VN-2000 là (X_i, Y_i, Z_i). Mối quan hệ giữa chúng được biểu diễn qua công thức

Trong đó, A^j là ma trận quay với các phần tử là cosin chỉ hướng với các góc quay φ, ω, κ giữa hệ tọa độ không gian trạm quét j và hệ tọa độ VN-2000. Tọa độ các điểm quét trong hệ tọa độ VN-2000 được xác định bằng cách xác định trực tiếp tọa độ tâm quét hoặc có thể quét tự do sau đó tính toán dựa vào các điểm song trùng trong hệ tọa độ trạm quét và hệ tọa độ VN-2000.

2.2. Quét laser mặt đất di động

Quét laser di động trên mặt đất (MLS) là công nghệ sử dụng hệ thống quét laser lắp trên phương tiện di động (ô tô, xe đẩy, ba lô...) để thu thập dữ liệu không gian trong khi di chuyển trên mặt đất. Một hệ thống MLS thường bao gồm: Máy quét laser, thiết bị GNSS, IMU (Inertial Measurement Unit), camera chụp ảnh, phương tiện di động gắn hệ thống.

Nguyên lý xác định tọa độ các điểm quét giống với trạm cố định, tuy nhiên do phương tiện liên tục di chuyển nên hệ tọa tâm quét cũng liên tục thay đổi.

2.3. Quét laser mặt đất di động trường hợp không xác định được tọa độ tâm quét

Khi quét laser di động không thu được tín hiệu GNSS như trong các tòa nhà lớn, hang động... trường hợp này quét laser cần kết hợp với thuật toán SLAM (Simultaneous Localization and Mapping). Bài toán SLAM được định nghĩa là một hệ thống quét di động di chuyển trong một Thể thao 28bet không xác định, bắt đầu từ một vị trí có tọa độ đã biết. Chuyển động của nó không theo quy luật, khiến việc xác định tọa độ của nó ngày càng khó khăn hơn. Khi di chuyển, hệ thống quét đồng thời quét laser tới các điểm ở Thể thao 28bet xung quanh. Bài toán SLAM là bài toán Đăng nhập tài khoản 28Bet bản đồ Thể thao 28bet này đồng thời xác định vị trí của tâm quét.

Chúng ta hãy biểu thị thời gian bằng t và vị trí của tâm quét bằng xt. Sau đó, chuỗi các vị trí hoặc đường đi được đưa ra là:

XT = {x0, x1, x2, . . . xT} (3)

Vị trí ban đầu x0 đã biết; các vị trí khác không thể xác định được. Đo được quãng đường tương đối giữa hai vị trí liên tiếp. Giả sử ut biểu thị quãng đường đặc trưng cho chuyển động giữa thời điểm t - 1 và thời điểm t; dữ liệu như vậy có thể thu được từ các thiết bị trên hệ thống quét. Sau đó, chuỗi:

UT = {u1, u2, u3 . . . xT} (4)

Chuỗi này đặc trưng cho chuyển động tương đối tâm quét. Đối với chuyển động không có sai số, UT sẽ đủ để khôi phục XT trước đó từ vị trí ban đầu x0. Tuy nhiên, các phép đo có sai số và các kỹ thuật tích hợp định vị chắc chắn sẽ không chính xác.

Khi di chuyển máy quét thực hiện phép đo laser Z để xác định vị trí các vật thể. Giả sử m biểu thị các đối tượng  của Thể thao 28bet (bao gồm các điểm mốc, vật thể, bề mặt...) và m mô tả vị trí của chúng. Bản đồ Thể thao 28bet m thường được coi là tĩnh.

Bài toán SLAM khôi phục mô hình m và trình tự các vị trí tâm quét XT từ dữ liệu đo, nó liên quan đến việc ước tính phần sau trên toàn bộ đường đi của thiết bị quét cùng với bản đồ:

p(XT, m | ZT, UT) (5)

Bài toán SLAM đầy đủ tính toán xác suất nghiệm chung trên XT và m từ dữ liệu có sẵn. Các biến bên phải của thanh điều kiện đều có thể đo trực tiếp được đối với các trạm quét, trong khi các biến bên trái là các biến mà chúng ta muốn. Các thuật toán cho bài toán thực tế thường là hàng loạt, nghĩa là chúng xử lý tất cả dữ liệu cùng một lúc.

2.3.1. Giải bài toán SLAM sử dụng bộ lọc Kalman mở rộng (EKF)

Hình 5 minh họa thuật toán EKF cho một ví dụ cụ thể. Máy quét di chuyển từ vị trí bắt đầu đóng vai trò là gốc tọa độ. Khi di chuyển, sai số về vị trí của chính nó tăng lên, được chỉ ra bởi các hình elip sai số có đường kính tăng dần. Nó cũng xác định các điểm mốc gần đó và lập bản đồ chúng với sai số kết hợp sai số về phép đo và sai số về vị trí tăng dần. Do đó, sai số ở các vị trí điểm mốc tăng theo thời gian. Sự thay đổi xảy ra trong Hình 5d khi máy quét đo đạc được điểm mốc mà nó đo ngay từ đầu quá trình lập bản đồ và vị trí của điểm mốc này đã được xác định trước đó[3].

Thông qua đo đạc trùng này, sai số vị trí của tâm quét được giảm xuống. Quan sát này cũng làm giảm sai số đối với các điểm mốc khác cũng như các điểm đã đo. Giải pháp ở đây là suy luận về mối liên kết dữ liệu có khả năng xảy ra nhất khi quan sát thấy một điểm mốc. Điều này thường được thực hiện dựa trên khoảng cách, điểm mốc nào trong bản đồ có nhiều khả năng tương ứng với điểm mốc vừa quan sát nhất? Để giảm thiểu khả năng liên kết dữ liệu sai, nhiều ứng dụng sử dụng các tính năng nhận biết các điểm mốc riêng lẻ và liên kết các nhóm điểm mốc được quan sát đồng thời.

2.3.2. Giải bài toán SLAM bằng kỹ thuật tối ưu hóa dựa trên đồ thị

Trong phương pháp đồ thị - Graph SLAM, vị trí các điểm mốc và vị trí của tâm quét có thể được coi là các nút trong đồ thị. Mỗi cặp vị trí liên tiếp xt-1, xt được liên kết với nhau bằng một cung biểu diễn thông tin được truyền tải bởi phép đo quãng đường ut (ràng buộc chuyển động: Mô tả sự di chuyển giữa các vị trí liên tiếp của tâm quét thông qua dữ liệu IMU). Các cung khác tồn tại giữa các vị trí xt và điểm mốc mi, giả sử rằng tại thời điểm t, tâm quét đo được điểm mốc i (ràng buộc quan sát: mô tả mối liên hệ giữa tâm quét và các điểm đặc trưng đo được thông qua thiết bị quét laser).

Mỗi ràng buộc có dạng log p(xt | xt-1, ut) là kết quả của đúng một sự kiện chuyển động của tâm quét và nó tương ứng với một cung trong đồ thị. Tương tự như vậy, mỗi ràng buộc có dạng log p(zt | xt, m) là kết quả của một phép đo cảm biến, mà chúng ta cũng có thể tìm thấy một cung tương ứng trong đồ thị. Mục tiêu của Graph SLAM là tìm tập nghiệm tối ưu cho toàn bộ các biến trong đồ thị. Để tiện cho việc xử lý thuật toán phân tích bản đồ thành các bản đồ con cục bộ, một bản đồ cho mỗi năm mét di chuyển của tâm quét. Trong phạm vi năm mét này, các bản đồ đủ chính xác, vì độ trôi chung là nhỏ và do đó việc khớp quét về cơ bản là hoàn hảo. Mỗi tọa độ bản đồ con trở thành một nút trong GraphSLAM. Các bản đồ con liền kề được liên kết thông qua các ràng buộc chuyển động tương đối giữa chúng.

Để tìm các bản đồ con tốt có thể tương ứng, thuật toán này sử dụng phân tích tương quan cho hai bản đồ chồng lên nhau, Graph SLAM cho phép tích hợp các ràng buộc giữa những vị trí không liền kề - ví dụ, khi di chuyển quay lại một khu vực đã từng đi qua. Khi tìm thấy hai bản đồ phù hợp, một ràng buộc mềm được ghi nhận vào đồ thị.

Khi ta tìm một ràng buộc mới giữa hai bản đồ con, ta thêm nó vào đồ thị và tối ưu lại toàn bộ hệ thống. Sau khi tối ưu, các vị trí tâm quét và các mốc thay đổi, khiến cho các bản đồ con khác trở nên dễ trùng khớp hơn (vì sai số ban đầu đã giảm bớt). Nhờ đó, ở bước tiếp theo, những liên kết mới mà trước đó chưa rõ ràng - nay lại trở nên phù hợp hơn và được phát hiện. Điều này khiến quá trình tìm kiếm phải được lặp đi lặp lại nhiều vòng, mỗi lần phát hiện ràng buộc mới lại dẫn tới thêm các ràng buộc mới khác. Mô hình cuối cùng đạt được là ổn định khi không còn liên kết nào mới xuất hiện.

2.3.3. Giải bài toán SLAM bằng phương pháp hạt

Phương pháp hạt trong SLAM là một phương pháp giải quyết đồng thời bài toán xác định vị trí và Đăng nhập tài khoản 28Bet bản đồ bằng cách sử dụng bộ lọc hạt. Thuật toán này mô hình hóa trạng thái của hệ thống dưới dạng một tập hợp các "hạt", trong đó mỗi hạt đại diện cho một giả thuyết về trạng thái hiện tại của tâm quét và bản đồ xung quanh. Tại mỗi thời điểm, một hạt bao gồm: Vị trí tâm quét - trạng thái ước lượng (x, y, θ), bản đồ Thể thao 28bet xung quanh: Gồm các điểm mốc đã được quan sát, mỗi điểm mốc được biểu diễn bằng: Vị trí trung bình (μ) và ma trận hiệp phương sai (Σ) - thể hiện độ tin cậy.

+ Dự đoán: Mỗi hạt được cập nhật theo kết quả đo của IMU để dự đoán vị trí mới.

+ Cập nhật quan sát: Mỗi hạt sử dụng cảm biến để xác định vị trí điểm mốc quan sát được trong hệ tọa độ toàn cục. Nếu điểm đã có trong bản đồ của hạt, vị trí sẽ cập nhật bằng bộ lọc Kalman. Nếu là điểm mốc mới hệ thống sẽ khởi tạo mới trong bản đồ của hạt.

+ Tính trọng số và tái lấy mẫu: Trọng số của mỗi hạt được tính dựa trên độ khớp giữa quan sát và bản đồ trong hạt.

Tái lấy mẫu dựa theo trọng số để giữ lại những hạt tốt và loại bỏ hạt sai lệch. Các trọng số này được chuẩn hóa để tổng bằng 1.

+ Cập nhật điểm mốc: Với tập hạt mới, cập nhật μ và Σ theo đo đạc mới.

Sau khi hệ thống quét hoàn tất quá trình di chuyển và đo, thuật toán trả về: Vị trí cuối cùng chính xác của tâm quét (chọn từ hạt có trọng số cao nhất); bản đồ các mốc trong hệ tọa độ VN-2000, kèm theo sai số (Σ).

2.4. Quét laser từ UAV

Để thu thập dữ liệu phần trên của đối tượng người ta gắn thiết bị quét laser vào phương tiện bay không người lái. Hệ thống này cũng giống như hệ thống quét laser mặt đất gắn trên xe ô tô.

Trong quá trình máy đo GNSS xác định tọa độ tâm quét XCj, YCj, ZCj trong hệ tọa độ VN-2000. IMU sẽ đo các góc xay của thiết bị quét φ, ω, κ. Thiết bị quét sẽ đo khoảng cách R giữa tâm quét đến địa vật và các góc θ , α . Tọa độ điểm quét trong hệ VN-2000 được tính theo công thức (1) và (2).

2.5. Quy trình quét

Từ cơ sở toán học của các phương pháp quét laser mặt đất và quét laser từ UAV, để khớp nối đám mây điểm phục vụ lập BIM hiện trạng quá trình quét phải chuyển đổi hệ tọa độ quét về hệ tọa độ VN-2000 dựa vào việc xác định tọa độ tâm quét trong cùng hệ tọa độ.

Quy trình cơ bản của quá trình như sau:

Trước khi quét cần khảo sát Tải app 28Bet để xác định các phương pháp quét phù hợp. Sau đó đánh dấu điểm gốc và xác định tọa độ gốc trong hệ tọa độ VN-2000.

Đối với phương pháp quét trạm cố định cần thiết lập các vị trí trạm quét, đặt bia mục tiêu, quét và nối trạm, chuyển hệ tọa độ thông qua tọa độ các tiêu được đo trong hệ tọa độ VN-2000.

Đối với phương pháp quét di động như UAV hay ô tô cần thiết lập trạm base, kết nối GNSS trên hệ thống với trạm base. Di chuyển và quét, tính toán tọa độ cho điểm quét. Khi không xác định được tọa độ tâm quét trong quá trình quét thì sử dụng thuật toán SLAM để tính toán.

Khi kết hợp đám mây của nhiều phương pháp cần kiểm tra độ lệch vị trí các điểm trùng nhau, xóa nhiễu và vật thể không cần thiết trước khi sử dụng tổng để tạo BIM.

2.6. Thực nghiệm

Khu vực thực nghiệm là tòa nhà 15 tầng trong Trường Đại học GTVT. Sử dụng phương pháp quét laser từ UAV Matrice M300 RTK và ống kính Lidar Zenmuse L1 kết hợp với quét mặt đất bằng thiết bị quét SLAM RS10. Ghép đám mây điểm thu được để phục vụ Đăng nhập tài khoản 28Bet BIM. Do điều kiện thực nghiệm còn hạn chế nên chưa thực hiện quét laser bên trong tòa nhà.

3. Kết luận và kiến nghị

Việc kết hợp các phương pháp quét laser mặt đất và từ UAV cho phép đo đạc đầy đủ, chi tiết các bộ phận Tải app 28Bet làm cơ sở cho việc Đăng nhập tài khoản 28Bet BIM được thuận lợi, chính xác, giảm thiểu công việc ngoài hiện trường.

Quá trình quét laser sử dụng các phương pháp khác nhau có những cơ sở toán học khác nhau. Do đó khi quét cần hiểu rõ nguyên lý, ưu nhược điểm của từng phương pháp, cách xử lý số liệu để nâng cao độ chính xác cho các điểm quét và khả năng ghép nối dữ liệu từ các phương pháp quét, lần quét khác nhau.

Lời cảm ơn

Nghiên cứu này được tài trợ bởi Trường Đại học GTVT trong Đề tài mã số T2025-CT-028.

TÀI LIỆU THAM KHẢO

[1]. Robbert Anton Kivits and Craig Furneaux (2013). BIM: Enabling Sustainability and Asset Management through Knowledge Management. The Scientific World Journal, Volume 2013, Article ID 983721.

[2]. Shruthi Srinivasan , Sorin C. Popescu, Marian Eriksson, Ryan D. Sheridan and Nian-Wei Ku .Terrestrial Laser Scanning as an Effective Tool to Retrieve Tree
Level Height, Crown Width, and Stem Diameter. Remote sensing 2015, 1877-1896.

[3]. Margaret E. Jefferies and Wai K. Yeap (2008), Robot and Cognitive Approaches to Spatial Mapping. Springer.