Saya telah melakukan ini sebelumnya dengan sukses menggunakan Photosynth Toolkit ( http://www.visual-experiments.com/demos/photosynthtoolkit/ ), kecuali sebagai ganti drone saya menggantungkan kepala saya keluar dari pesawat kecil mengambil gambar dari pusat kota dari kota kecil. Anda juga bisa melihat Visual SFM ( http://ccwu.me/vsfm/ ); Saya belum menggunakannya tetapi tampaknya menjadi alat lain untuk menyelesaikan tugas yang sama.
Baru-baru ini saya mendapat drone juga, dan bermaksud menggunakan kedua metodologi ini untuk proyek yang sama. Saya akan memposting beberapa contoh proyek toolkit fotosintesis ketika saya mendapat kesempatan.
EDIT: Berikut adalah contoh output dari Toolkit Photosynth (seperti yang terlihat di MeshLab http://meshlab.sourceforge.net/ )
Ini adalah data titik awan (dengan informasi warna) yang dihasilkan dari sekumpulan foto udara yang saya ambil dari pesawat. Saya mengelompokkan gambar untuk fokus memproses titik awan untuk satu blok pada suatu waktu, itulah sebabnya satu blok jauh lebih padat daripada yang lainnya.
Inilah cloud point yang sama dengan jaringan tidak teratur segitiga yang dihamparkan di atasnya. Itu tidak sempurna, tetapi ini adalah rekonstruksi yang keren.
Jadi, sebagai jawaban atas pertanyaan Anda tentang apakah menggunakan UAV untuk menghasilkan data cloud titik adalah alternatif yang layak untuk pemindai laser terestrial: ya, benar!
Perlu diingat bahwa metodologi otomatis untuk menjahit foto bersama tidak berfungsi dengan baik di lingkungan pencahayaan kontras tinggi; Jika satu sisi bangunan Anda berada di bawah sinar matahari sementara yang lain di bawah naungan Anda mungkin kesulitan mendapatkan foto untuk berbaris. Waktu terbaik untuk mengambil foto seperti itu adalah saat mendung. Awan membantu meredakan sinar matahari membuat pencahayaan lebih merata / konsisten.
Jika pencahayaan Anda bagus, Anda dapat mengambil gambar dalam jarak yang relatif dekat untuk menghasilkan dataset cloud titik yang sangat rinci. Anda dapat melihat dari TIN di atas bahwa ada garis di sisi kiri yang terlihat seperti bergerak dari bawah ke luar angkasa; itu pencilan yang tidak dihapus dari dataset. Satu hal yang harus Anda perhatikan adalah metode menghaluskan data cloud / menghapus outlier, mungkin menggunakan analisis tetangga terdekat.
Jika Anda mengambil foto bangunan yang sangat dekat, Anda mungkin ingin meletakkan target pada bangunan untuk membantu menghubungkan foto satu sama lain. Jika Anda menggunakan target, pastikan masing-masing unik sehingga foto tidak cocok dengan lokasi yang salah, dan Anda harus mencoba untuk mendapatkan 2/3 target di setiap foto. Jika Anda memiliki beberapa target di lapangan, Anda dapat menggunakan pembacaan GPS di masing-masing target untuk melakukan georeferensi dataset cloud titik Anda, sehingga setiap pengukuran yang Anda lakukan dari gedung akan mewakili pengukuran dunia nyata.
Jika Anda ingin melihat georeferensi data titik cloud Anda, lihat panduan cara Mark Willis '( http://palentier.blogspot.com/2010/12/how-to-create-digital-elevation-model.html ) . Ini adalah blog yang lama, tetapi metodologinya bagus.
EDIT2: Komentar terakhir: pastikan Anda menggunakan kamera tanpa banyak distorsi. Misalnya, GoPro adalah kamera kecil yang luar biasa untuk mengenakan drone, tetapi distorsi signifikan yang disebabkan oleh lensa sudut lebar menghilangkan kemungkinan menggunakan GoPro standar untuk proyek fotogrametri. Ada solusi untuk masalah ini, tetapi mungkin perlu membongkar GoPro Anda: http://www.peauproductions.com/collections/survey-and-ndvi-cameras
Peau Productions menjual kamera GoPro yang dimodifikasi dengan lensa berbeda yang memiliki distorsi yang jauh lebih sedikit daripada lensa yang disertakan dengan kamera. Mereka juga menjual lensa sendiri jika Anda siap memodifikasi kamera sendiri.
EDIT: Saya tahu ini adalah pertanyaan lama, tetapi saya pikir saya akan membagikan OpenDroneMap, alat sumber terbuka untuk melakukan persis proyek ini http://opendronemap.org/