Αυτοματοποιημένη εξαγωγή DTM από UAV DSM, με χρήση NDVI. Δρ. Δημήτριος Σκαρλάτος, Μαρίνος Βλάχος

HTML
DOWNLOAD

Μέγεθος: px

Εμφάνιση ξεκινά από τη σελίδα:

Download "Αυτοματοποιημένη εξαγωγή DTM από UAV DSM, με χρήση NDVI. Δρ. Δημήτριος Σκαρλάτος, Μαρίνος Βλάχος"

Ὀλυσσεύς Κουταλιανός
6 χρόνια πριν
Προβολές:

1 Αυτοματοποιημένη εξαγωγή DTM από UAV DSM, με χρήση NDVI Δρ. Δημήτριος Σκαρλάτος, Μαρίνος Βλάχος

Εναέριος τρόπος δημιουργίας DTM Light Detection and Ranging (LIDAR) Πλεονέκτημα οι πολλαπλές επιστροφές Το DTM (σπίτια εξαιρουμένων) είναι παράγωγο πρωτογενούς πληροφορίας.

2 Εναέριος τρόπος δημιουργίας DTM Light Detection and Ranging (LIDAR) Πλεονέκτημα οι πολλαπλές επιστροφές Το DTM (σπίτια εξαιρουμένων) είναι παράγωγο πρωτογενούς πληροφορίας. Πολύ αξιόπιστο για την ανάκτηση πληροφορίας κάτω από βλάστηση. Για έργα μεγάλης κλίμακας. Ακριβό Στις περισσότερες περιπτώσεις απαιτείται επανδρωμένη εναέρια πλατφόρμα.

3 Εναλλακτικοί τρόποι δημιουργίας DTM Συλλογή σημείων με GPS/TS Απαιτείτε τεράστιος αριθμός σημείων. Μεγάλο κόστος και χρόνος συλλογής, χαμηλή ανάλυση Φωτογραμμετρία Στεροσκοπική παρατήρηση Χειρονακτική διαδικασία, αλλά καλά αποτελέσματα Αυτόματες διαδικασίες SfM & MVS DSM υψηλής ανάλυσης Δαπανηρό για μικρές περιοχές

4 Παράδειγμα DSM από πτήση UAV

5 Παράδειγμα DSM από πτήση UAV

6 Επεξήγηση βασικής ιδέας

7 Υλοποίηση βασικής ιδέας Εξαίρεση σημείων βλάστησης για τη δημιουργία DΤM. Χρήση NDVI για ταξινόμηση (εύρεση) των σημείων βλάστησης του DSM. Χρησιμοποιήθηκαν ορθοφωτογραφίες RGB και NIR για τους υπολογισμούς των δεικτών NDVI NNNNNNNN = NNNNNN RRRRRR NNNNNN + RRRRRR

Περιοχή Μελέτης Κιμισάλα (ERASMUS IP: HERICT) Η περιοχή περιλαμβάνει πέτρινα αρχαιολογικά ερείπια, που περιβάλλονται από ψηλά πεύκα και ψηλούς θάμνους.

8 Περιοχή Μελέτης Κιμισάλα (ERASMUS IP: HERICT) Η περιοχή περιλαμβάνει πέτρινα αρχαιολογικά ερείπια, που περιβάλλονται από ψηλά πεύκα και ψηλούς θάμνους. H επιλογή αυτή σκοπεύει να αντιμετωπίσει το πρόβλημα της πυκνής βλάστησης, με μικρά ανοίγματα. Δυο πτήσεις με RGB & NIF, από διαφορετικό ύψος, διαφορετικές μέρες 0.20m τελικά Ο/Φ και DSM

9 Περιοχή Μελέτης Κιμισάλα (ERASMUS IP: HERICT)

10 Περιοχή Μελέτης Κιμισάλα (ERASMUS IP: HERICT) Συγκεντρώθηκαν 476 GPS RTK σημεία ως σημεία αναφοράς 316 σημεία εδάφους 160 μέσα ή κάτω από τη βλάστηση

H επιλογή αυτή σκοπεύει να αντιμετωπίσει το πρόβλημα της πυκνής βλάστησης, με

11 Περιοχή Μελέτης Βασιλικό (Hawkeye project) Η περιοχή αποτελείται από χαμηλού και μεσαίου ύψους θάμνους και μερικές συγκεντρώσεις δέντρων. H επιλογή αυτή σκοπεύει να αντιμετωπίσει το πρόβλημα της πυκνής βλάστησης, με μικρά έως καθόλου ανοίγματα. Δυο επάλληλες πτήσεις με RGB & NIF, ίδιος σχεδιασμός πτήσης 0.25m τελικά Ο/Φ και DSM

12 Περιοχή Μελέτης Βασιλικό (Hawkeye project) Συγκεντρώθηκαν 137 GPS RTK σημεία ως σημεία αναφοράς 77 σημεία εδάφους 60 μέσα ή κάτω από βλάστηση

13 Στοιχεία επεξεργασίας για δημιουργία Ο/Φ και DSM PhotoScan Agisoft Κοινός Α/Τ RGB & NIF (Κιμισάλα) Ξεχωριστός Α/Τ στο Βασιλικό Σκόπευση Φ/Σ στις RGB Χρήση των RGB για DSM Δημιουργία Ο-RGB, O-NIF, DSM με ακρίβως το ίδιο αποτύπωμα RGB-A NIR-A Com-A RGB-B NIR-B No of photos Average flying height [m] Overlaps 70% 70% 70% 70% 70% Base [m] Tie points Reprojection error in tie points [pix] Average GSD [m] Number of GCPs GCP residuals X [m] GCP residuals Y [m] GCP residuals Z [m] Average pixel error in GCP Average density of DSM points per m 2

14 DSM 0.20m

15 O-RGB 0.20m

16 O-NIF 0.20m

17 Αρχικό DSM 0.20m με ισοϋψείς

18 Μάσκα NDVI (κατώφλι 0.09)

19 Μάσκα μετά από μορφολογικά φίλτρα

20 Τελικό DTM με ισουψείς

21 Αρχικό DSM 0.20m με ισοϋψείς

22 Υποπροϊον: Ύψος βλάστησης

23 DSM 0.25m

24 O-RGB 0.25m

25 O-NIF 0.25m

26 Αρχικό DSM 0.25m με ισοϋψείς

27 Μάσκα NDVI (κατώφλι 0.09)

28 Μάσκα μετά από μορφολογικά φίλτρα

29 Τελικό DTM με ισουψείς

30 Αρχικό DSM 0.25m με ισοϋψείς

31 Υποπροϊον: Ύψος βλάστησης

32 Αξιολόγηση βελτίωσης του DTM Για τα σημεία ελέγχου στο έδαφος, δεν υπάρχει σημαντική αλλαγή και για τις δύο περιοχές. RMS σφάλματα και οι τυπικές αποκλίσεις παρέμειναν αμετάβλητες. Για τα σημεία ελέγχου σε βλάστηση, υπάρχει σημαντική βελτίωση. Οι τιμές τυπικής απόκλισης και τα RMS μειώθηκαν. Είναι περίπου 1,5 φορές η τιμή RMS και η τυπική απόκλιση για τα σημεία πάνω στο έδαφος. Στην περίπτωση της περιοχής Α, οι μέγιστες διαφορές μεταξύ των σημείων αναφοράς και του DTM αυξάνονται αντί να μειώνονται. Ενδεχομένως λόγω εσφαλμένης ταξινόμησης ορισμένων ψευδών αρνητικών στη μάσκα. A-on ground points A-on vegetation points B-on ground points B-on vegetation points DSM StdDev [m] RMS [m] Min [m] Max [m] DTM StdDev [m] RMS [m] Min [m] Max [m]

33 Κρίσιμα σημεία Η μέθοδος φιλτραρίσματος βελτιώνει το DSM και πλησιάζει σε DTM, αυτόματοποιημένα Κατώφλι NDVI Μέθοδος παρεμβολής Μορφολογία εδάφους Χρήση NDVI απαιτεί δύο πτήσεις Χρηση green NDVI (μία πτηση με NIF camera) Ελειπής πληροφορία για ορθοφωτογραφία Εύκολή εφαρμογή σε εναέριές φωτογραμμετρικές κάμερες, που καταγράφουν 4 κανάλια (εγγύς υπέρυθρο)

34 Ευχαριστούμε: Την ΑΗΚ για την μερική χρηματοδότηση Όλους εσάς για την προσοχή σας

Σχετικά έγγραφα

Βαθυμετρία από οπτικούς αισθητήρες UAV. Δ. Σκαρλάτος και Π. Αγραφιώτης

Βαθυμετρία από οπτικούς αισθητήρες UAV Δ. Σκαρλάτος και Π. Αγραφιώτης topo@drone 11/2018, ΕΜΠ Χαρτογράφηση παράκτιων περιοχών με Α/Φ Περιοχές ιδιαίτερου, περιβαλλοντικού, πολιτιστικού, οικονομικού, οικιστικού,