Membuat awan titik fotogrametrik suatu objek dari foto yang didistribusikan, di sini: Membuat model bangunan 3D yang akurat menggunakan citra UAV?


12

Apakah ada cara untuk membuat awan titik fotogrametri dari satu set foto yang terdistribusi padat dari suatu objek?

Aplikasi:

Saya mencoba menyelidiki apakah membuat model 3D (point cloud) di luar gedung dari citra UAV (Phantom 3 Pro) akan menjadi alternatif yang layak untuk menggunakan Terrestrial Laser Scanner (TLS) untuk membuat point cloud. UAV memiliki kamera 12 megapiksel dan GPS.

Tujuannya adalah untuk menerbangkan UAV di sekitar gedung dengan mengambil gambar dalam jarak yang relatif dekat dan membuat cloud point dari perangkat lunak pencocokan gambar yang padat (semoga Pix4D). Rencananya adalah untuk mengambil gambar nadir dan miring yang biasa memandang ke bawah pada bangunan tetapi juga saya akan mencoba untuk terbang di ketinggian rendah dan mengambil langsung dan foto miring menatap ke jendela, atap dll untuk mencoba menangkap sedetail mungkin.


Esone 's Drone2Map dalam versi beta. Itu tidak hanya apa yang Anda gambarkan. Layak untuk dilihat. Anda dapat bergabung dengan beta jika Anda tertarik dan mencobanya.
BlakeG

Apakah Anda memiliki titik kontrol tanah?
Kirk Kuykendall

Kamera Phantom 3 memiliki lensa sudut lebar jadi saya tidak yakin seberapa cocok untuk aplikasi fotogrametri. Di sisi lain Anda perlu memastikan Anda memiliki banyak tumpang tindih antara gambar sehingga perencanaan misi yang cermat diperlukan dan saya tidak akrab dengan perangkat lunak Phantom untuk mengetahui apakah ini mungkin atau tidak.
Techie_Gus

Pertanyaan bagus!
NetConstructor.com

Apakah model perlu digeoreferensi? Fitur ini saja akan membatasi Anda untuk beberapa perangkat lunak berpemilik sangat mahal, meskipun sekarang opsi bebas dasar tersedia untuk Linux. Sebagian besar perangkat lunak bebas tidak mendukung georeferensi dan vendor paling terkenal menawarkan versi murah dari perangkat lunak pemrosesan mereka, tetapi salah satu faktor umum adalah - dengan komponen georeferensi dihapus. Pix4D dan sejenisnya harus dengan mudah dapat melakukan apa yang Anda ingin lakukan, dengan harga yang lumayan.
Jakub Sisak GeoGraphics

Jawaban:


-1

Pix4D melakukan proyek yang disebut Proyek Chillon di mana mereka melakukan persis apa yang Anda inginkan.

Berikut ini tautan ke proyek mereka di YouTube .

Selain itu, mereka tidak hanya mengandalkan UAV untuk menangkap citra, tetapi juga menggunakan foto terestrial yang ditangkap menggunakan perangkat genggam seperti Go Pros dan Ponsel Cerdas.

Hasilnya sangat keren!


8

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/ )

masukkan deskripsi gambar di sini

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.

masukkan deskripsi gambar di sini

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/


2

Saya pikir cara untuk melakukan ini adalah VisualSFM untuk melakukan pencocokan foto (semakin kuat GPU semakin baik) dan menciptakan cloud titik padat dan MeshLab untuk membuat model triangulasi bertekstur dari titik cloud.

VisualSFM:

http://ccwu.me/vsfm/

http://ptak.felk.cvut.cz/sfmservice/websfm.pl?menu=cmpmvs (cp. terutama situs 'Teknologi' dan makalah yang dimaksud di sana)

MeshLab:

https://sourceforge.net/projects/meshlab/

Lihat beberapa aplikasi HowTo / (bahkan yang UAV!):

https://www.youtube.com/watch?v=V4iBb_j6k_g

https://www.youtube.com/watch?v=wBKidr0e-XA

https://www.youtube.com/watch?v=-S7HeJvIKcs


Setelah benar-benar berhasil mencoba pendekatan ini saya dapat membagikan yang berikut; kurva belajar agak curam, Visual SFM memberi Anda sejauh awan titik padat dan kartu video GeForce diperlukan. Ini tidak benar-benar cocok untuk pekerjaan penginderaan jauh yang serius karena tidak mendukung georeferensi. Ini juga sangat lambat dan ketinggalan jaman dan tidak ada rilis dalam beberapa tahun.
Jakub Sisak GeoGraphics

2

- https://www.mapsmadeeasy.com/point_estimator Anda dapat menggunakan ini untuk membuat variabel paket rencana penerbangan dengan apa yang Anda inginkan pastikan untuk memilih inspire / phantom 3 sebagai kamera di dekat bagian bawah, Anda dapat mengekspor rencana ini sebagai kml untuk apm .

atau jika Anda lebih mahir, Anda dapat menggunakan perangkat lunak gis pilihan Anda untuk membuat jalur penerbangan grid kml untuk diunggah ke lengkeng pada langkah berikut.

- https://flylitchi.com/ untuk perencanaan penerbangan, unggah kml Anda ke hub misi dari maps agar lebih mudah untuk mengubah ketinggian penerbangan, itu benar-benar licin dan memungkinkan untuk misi titik jalan yang mengagumkan.

-Sekarang Anda dapat terbang misi Anda dengan pengaturan kamera pilihan Anda

-pos misi menggunakan lightroom untuk memperbaiki distorsi (distorsi yang sama seperti menginspirasi 1) http://www.inspirepilots.com/threads/inspire-camera-lens-correction-profiles.1270/ , jika Anda melewati langkah ini model elevasi Anda akan memiliki semacam efek cekung.

-untuk pemrosesan sfm saya juga akan merekomendasikan untuk mencoba peta yang dipermudah juga mereka membiarkan Anda menggunakan gcp dan menggunakan sistem berbasis poin, poin gratis di awal, dan pekerjaan kecil gratis.


1

Karena inti dari pertanyaannya adalah rekonstruksi 3D dari sebuah objek besar menggunakan serangkaian citra yang diperoleh dengan UAV, ada beberapa produk perangkat lunak yang sangat berhubungan dengan tugas tersebut. Mereka adalah Pix4D, PixProcessing, Agisoft, CapturingReality, dll. Semua dari mereka sangat mampu memproses set foto untuk mendapatkan model 3D terperinci dari objek yang menyediakan titik awan dan ortofoto untuk perhitungan lebih lanjut atau hanya ekspor dari file dalam salah satu format yang disediakan. UAV yang dilengkapi dengan GPS tingkat konsumen mungkin memerlukan spesifikasi tambahan dari data koordinat jika pengukuran lebih lanjut yang sangat akurat perlu dilakukan. Oleh karena itu, untuk memberikan akurasi ekstra tinggi, perangkat GPS profesional dapat digunakan, dan opsi itu memungkinkan georeferensi yang sangat akurat dari model yang direkonstruksi jika data koordinat tambahan diberikan untuk menghindari kesalahan yang terjadi akibat pergeseran global. Di sisi lain, jika geotagging dan georeferencing adalah opsional dan bukan target proyek, data GPS Phantom memberikan informasi yang cukup untuk dilanjutkan. Singkatnya, perangkat lunak yang disebutkan di atas adalah alternatif yang signifikan untuk TLS.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.