Șef lucrări Dr. Ing. BALOTĂ Octavian-Laurențiu [302188]

UNIVERSITATEA DE ȘTIINȚE AGRONOMICE ȘI MEDICINĂ VETERINARĂ

BUCUREȘTI

FACULTATEA DE ÎMBUNĂTĂȚIRI FUNCIARE ȘI INGINERIA MEDIULUI

Specializarea: Măsurători Terestre și Cadastru

Cursuri cu frecvență

PROIECT DE DIPLOMĂ

Îndrumător științific:

Șef lucrări Dr. Ing. [anonimizat]: [anonimizat],

2019

UNIVERSITATEA DE ȘTIINȚE AGRONOMICE ȘI MEDICINĂ VETERINARĂ

BUCUREȘTI

FACULTATEA DE ÎMBUNĂTĂȚIRI FUNCIARE ȘI INGINERIA MEDIULUI

Specializarea: Măsurători Terestre și Cadastru

Cursuri cu frecvență

GENERAREA MODELELOR 3D CU TEXTURĂ PENTRU CONSTRUCȚII UTILIZÂND TEHNOLOGII LiDAR PE SISTEME UAS

UNIVERSITATEA DE ȘTIINȚE AGRONOMICE ȘI MEDICINĂ VETERINARĂ

BUCUREȘTI

FACULTATEA DE ÎMBUNĂTĂȚIRI FUNCIARE ȘI INGINERIA MEDIULUI

Specializarea: Măsurători Terestre și Cadastru

Cursuri cu frecvență

TEMA PROIECTULUI DE DIPLOMĂ

intitulat : ,,Generarea modelelor 3D cu textură pentru construcții utilizând tehnologii LiDAR pe sisteme UAS”

Prin temă se cere soluționarea aspectelor legate de:

Texturarea automată a modelelor 3D [anonimizat], [anonimizat] a fi finalizat până la data de 19.06.2019.

Absolvent: [anonimizat]:

LISTĂ FIGURI

Figura 1: Aplicații de planificare urbana. 8

Figura 2: Construcție 3D netexturată(stânga)/texturată(dreapta). 9

Figura 3: [anonimizat]. 11

Figura 4: Single-rotor (elicopter). 11

Figura 5: Fixed-wing (aeroplan). 12

Figura 6: Fixed-wing Hybrid (aeroplan hibrid). 12

Figura 7: Timpul parcurs a unui fascicul laser. 14

Figura 8: Aplicații ale modelului 3D urban. 17

Figura 9: Proiecția conică nadirală și oblică. 20

Figura 10: Variația scării fotogramelor în funcție de altitudinea de zbor. 21

Figura 11: Aerotriangulația – “UAV-Based Photogrammetric Mapping” 22

Figura 12: Puncte din rețeaua de triangulație selectate și măsurate complet automat. 23

Figura 13: Multi-vizualizarea relațiilor geometrice a imaginilor. 23

Figura 14: Diagrama de flux a procesului de obținere a [anonimizat]. 26

Figura 15: Reprezentare grafică a nivelelor de detaliere. 29

Figura 16: Spectrul electromagnetic și lungimea de undă pentru laser. 31

Figura 17: Tipuri de suprafețe de reflexie: a)lucios, b)difuz, c) mixt; 31

Figura 18: [anonimizat]. 32

Figura 19: Fluxul unui sistem LIDAR 33

Figura 20: Locație hale Pantelimon în Google Maps. 38

Figura 21: Receptor GPS/GNSS Leica Viva GS08 plus 40

Figura 22: Drona DJI Matrice 600 poze. 41

Figura 23: Sistem LiDAR 42

Figura 24: Asamblarea sistemului UAS MATRICE M600 PRO – LiDAR SCOUT 43

Figura 25: Instalarea bazelor GNSS și a bazei D-RTK 44

Figura 26: Componentele sistemului de control de la sol 45

Figura 27: Transmiterea corecțiilor RTK în timp real în Spațial Explorer 45

Figura 28: Monitorizarea parametrilor navigaționali în Spațial Explorer 46

Figura 29: [anonimizat] 47

Figura 30: [anonimizat] 48

Figura 31:Stabilirea intervalelor de procesare pentru datele LIDAR 48

Figura 32: Calibrarea senzorului LIDAR și eliminarea parțială a anomaliilor 49

Figura 33: Stabilirea parametrilor pentru fișierul LAS: tip, proiecție, locație, clase, translații, etc. 49

Figura 34: Norul de puncte RGB Potree-ProSIG 50

Figura 35: Citirea de coordonate de contur in Potree-Prosig. 50

Figura 36: Alinierea imaginilor și generarea norului rar de puncte de legătură – Pantelimon Hale 51

Figura 37: Obținerea și exportarea ortofotoplanului georeferențiat – Pantelimon Hale 52

Figura 38: Extragerea curbelor de nivel(stânga), Generarea modelului 3D(mijloc), Scurgerea de apă(dreapta). 53

Figura 39: Exemplu de Mesh detaliat(st.), exemplu de textură generată din culoarea vertexului(dr.) 53

Figura 40: Atașarea norului de puncte 3D 54

Figura 41: Norul de puncte importat în softul VRMesh 54

Figura 42: Vizualizarea norului de puncte în RGB. 55

Figura 43: Pași clasificare 55

Figura 44: Detectarea vegetației(st.), detectarea solului(mijloc), detectarea cladirilor(dr.). 55

Figura 45: Rezultatul clasificării 56

Figura 46: Clasificarea finală. 56

Figura 47: Pașii obținerii modelului 3D. 57

Figura 48: Parametri obținere model 3D. 57

Figura 49: Procesarea datelor în softul VRMesh 57

Figura 50: Model 3D cu amprentele de la sol. 58

Figura 51: Modelul 3D și detaliile ramase în teren. 58

Figura 52: Pașii divizării clasei de puncte Ground. 59

Figura 53: Crearea mesh-ului din puncte. 59

Figura 54: Mesh-ul terenului non-RGB. 60

Figura 55: Mesh teren RGB 61

Figura 56: Exemplu de lipsă de puncte pe pereți. 62

Figura 57: Rezultatul generării mesh-ului construcțiilor. 62

Figura 58: Mesh-ul construcțiilor de aproape. 63

Figura 59: Mesh-ul terenului și mesh-ul construcțiilor 64

Figura 60: Modelul 3D și textura acoperișurilor. 64

Figura 61: Pași aplicare textură pe pereți 65

Figura 62: Modelul 3D cu textură al zonei Pantelimon Hale. 65

Figura 63:Modelul 3D cu textură al zonei Pantelimon Hale. 66

Figura 64: Model 3D cu textură. 66

Figura 65: Model 3D cu textură. 67

Figura 66: Model 3D cu textură. 67

INDEXAREA TEBELELOR

Tabel 1: Extract de categorii de UAS definite de UVS International. 10

Tabel 2: Caracteristici tehnice UAV. 13

Tabel 3: Caracteristici tehnice Sisteme LiDAR. 14

Tabel 4: Caracteristici tehnice scanere LiDAR 15

Tabel 5: Caracteristici tehnice senzori IMU. 16

Tabel 6: Drona DJI Matrice 600 caracteristici tehnice. 41

Tabel 7: Carcateristici tehnice sistem LiDAR 42

INTRODUCERE.

Potrivit Organizației Națiunilor Unite, mai mult de jumătate din populația lumii (54%) locuiește în prezent în orașe, iar acest număr va crește până la 66% până în 2050. Pentru gestionarea eficienta a orașelor și a populației urbane, și pentru a obține standarde de viață cât mai înalte, noile tehnologii vor fi dezvoltate în permanență.

Există numeroase aplicații ale modelelor orașelor 3D: urbanism, arhitectură, managementul activelor municipale, securitate și apărare, planificarea de evacuare de urgență, evaluarea riscului de accidente și catastrofe, servicii de localizare, servicii de informare, realitate virtuală, efecte vizuale comerciale și publicitate, etc. Modele orașelor 3D devin, treptat, foarte populare în planificarea urbană și industria de telecomunicații. Analiza propagării zgomotului și a poluării aerului prin orașe și estimarea impozitelor imobiliare sunt alte potențiale aplicații ale modelelor urbane 3D.

În prezent, cele mai populare metode de a produce modelul orașului 3D sunt fotogrammetria aeriană și procedurile semi-automate de generare a modelelor 3D. Însă, pentru reconstrucția automată a modelului 3D al cladirilor se utilizeaza norii de puncte laser cu densitatea ridicată a punctelor.

Necesitate.

Necesitățile economice de dezvoltare urbană impun realizarea de produse adecvate proiectării și sistematizării care să țină cont de mediul ambiant. Cele mai cerute astfel de aplicații sunt cele din domeniul telecomunicațiilor ce se referă la proiectarea și instalarea de noi antene GSM(Global System for Mobile) sau cele de planificare urbană. Ritmul mare de dezvoltare a construcțiilor necesită modelări cu caracteristici geometrice de mare precizie.

Nevoia modelelor tridimensionale(3D) crește și se extinde rapid în numeroase domenii. În mod constant pe piața de date spațiale producția de modele 3D integrate în sisteme de tip GIS a devenit mult mai mare față de modelele tradiționale 2D-GIS, mai ales pentru modelele 3D ale orașelor pentru care se cere o producție într-un timp cât mai scurt.

Administrația publică este unul din beneficiarii cei mai interesați pentru astfel de sisteme, Agenția Națională de Cadastru și Publicitate Imobiliară este interesată pentru evidențierea proprietăților, primăriile sunt interesate pentru stabilirea în cunoștință de cauză a regimului de construire, înălțimi limită, zone protejate, impactul asupra mediului.

Figura 1: Aplicații de planificare urbana.

Folosind tehnologia 3D avem posibilitatea să creăm spații virtuale care să reflecte cu o acuratețe din ce în ce mai mare lumea tridimensionala în care trăim. Modelul 3D reprezintă în schimb o modalitate prin care se pot transmite informații tematice spațiale într-un mod cuprinzator.

Principalele probleme întâlnite cel mai des în crearea modelelor virtuale 3D sunt reprezentate de timp si de utilizarea unor metode ineficiente de creare a datelor. În cazul modelelor 3D la o scară mică modelarea manuală poate reprezenta o alternativă acceptabilă pentru crearea modelelor virtuale însă în cazul unor zone extinse cum sunt localitățile, nu reprezintă o soluție viabilă. De aceea, pentru o eficiență crescută, trebuiesc dezvoltate metode de creare automată sau semiautomată a modelelor virtuale.

Modelarea tridimensională este de mult timp utilizată în calitate de metodă vizuală de prezentare a proiectelor arhitecturale de design, iar sintetizarea imaginilor obiectelor permite înlocuirea procedurilor costisitoare de producere a lor.

Unul dintre principalele criterii pentru producerea modelului 3D urban este de a crea modele cât mai realistice atât în ​​geometrie, cât și în aspect. Texturile obținute din imgini optice sunt folosite pentru a oferi, rapid și economic, modele 3D corecte vizual. Există, de asemenea, cazuri în care modele de clădiri netexturate sunt în uz, cu toate acestea, modelele 3D urbane ar trebui să fie texturate acolo unde vizualizarea este în prim plan, iar utilizatorul trebuie sa-și facă o idee despre zonă la prima vedere. Indiferent de nivelul de detaliu al geometriei lor, modelele orașelor 3D netexturate vor fi întotdeauna vizual incomplete.

Figura 2: Construcție 3D netexturată(stânga)/texturată(dreapta).

CityGML(City Geography Markup Language) este un format de date open source bazat pe XML pentru stocarea și schimbarea modelelor 3D ale orașelor. Acest format este adoptat de Open Geospatial Consortium, fiind formatul stadard interantional. CityGML are o structură potrivită pentru prezentarea modelelor de oraș cu date semantice. Aceste caracteristici semantice permit utilizatorilor să efectueze funcții care nu sunt posibile fără metadatele furnizate de către CityGML. Modulele din CityGML reflectă aspectul, caracteristicile spațiale și tema unui obiect.

În plus față de informațiile geometrice ale modelului urban, CityGML conține, atât informații semantice, cât și tematice. Aceste date permit utilizatorilor să facă noi simulări, interogări și analize ale modelelor de orașe 3D. Există cinci nivele diferite de detaliu (LoD) definite în schema de date CityGML. Pe măsură ce crește nivelul(LoD), acesta are o arhitectură mai detaliată cu structuri mai complexe, astfel încât nivelele de detaliu sa se poată utiliza în diferite scopuri.

Dezvoltarea tehnologiilor UAS.

Sistemele de fotografiere folosite în decursul anilor au devenit din ce în ce mai performante și mai accesibile, fie că este vorba de cele folosite la fotogrammetria terestră, unde s-a ajuns la folosirea chiar și a camerelor nemetrice și cele folosite la fotogrammetria aeriană, care variază de la camere dedicate, montate pe aeronave sau avioane de mici dimensiuni, folosite la monitorizarea suprafețelor întinse, până la camere montate pe aeromodele telecomandate (UAS – Unmanned Aircraft System) folosite la monitorizarea suprafețelor de mici dimensiuni.

UAS-urile sunt din ce în ce mai folosite deoarece permit achiziția de date într-un timp foarte scurt, raportat la măsurătorile terestre, în unele cazuri atingând chiar și cerințele de precizie ce în trecut nu puteau fi atinse decât prin măsurători terestre.

UAS reprezintă una dintre tehnologiile care până recent era disponibilă numai pentru unele agenții guvernamentale ale câtorva țări puternice. Astăzi, suntem în punctul în care prin investiții majore pe care le-am orientat în mod constant spre cercetare-dezvoltare, putem echipa dispozitive aeriene cu tehnologia necesară pentru a fi capabile să zboare autonom timp de ore întregi, precum și să capteze și să transmita imagini sau materiale video în timp real.

Progresele înregistrate în dezvoltarea acestui domeniu descoperă posibilitatea de a accesa o tehnologie similară cu cea a sateliților, dar mai aproape de pământ, mai rapid și mult mai ieftin.

Industriile și domeniile de activitate în care aplicarea tehnologiei UAS poate aduce beneficii însemnate sunt foarte diverse: administrație publică, protecția mediului înconjurător, agricultură, cadastru, transporturi, energie, siguranță publică și securitate națională.

Tabel 1: Extract de categorii de UAS definite de UVS International.

În acest subcapitol se vor prezenta doar tipuri de drone care au capacitatea de a putea integra un sistem LiDAR complet (GPS+IMU+LiDAR).

Dronele se împart în mai multe categorii în funcție de platformă:

Multi-rotor – este un vehicul aerian motorizat cu mai multe aripi rotative, care poate decola și ateriza pe verticală și a cărui susținere și mișcare este asigurată de mai mult de două elice care se rotesc în jurul axelor verticale. Principala caracteristică este aterizarea pe un spațiu redus și menținerea în aer într-un punct fix. Sustentația sa se bazează pe momentul forței produs de elice.

La rândul lor dronele Multi-rotor se împart în mai multe categorii:

QuadCopter – are 4 rotoare montate pe un cadru simetric, fiecare braț este montat de obicei la 90ș. Două dintre rotoare se rotesc în sensul acelor de ceasornic, iar celelalte două în sens invers. Acesta este cel mai popular dintre multi-rotoare.

HexaCopter – are 6 rotoare montate la 60ș pe un cadru simetric. Trei dintre rotoare se învârt în sensul acelor de ceasornic, iar celelalte trei în sens invers. HexaCopter-ul este foarte similar QuadCopter-ului, dar oferă o capacitate mai mare de ridicare cu cele două rotoare suplimentare. Există, de asemenea, îmbunătățiri în redundanță, în cazul în care un rotor eșuează, aeronava poate să rămână suficient de stabilă pentru a ateriza în siguranță.

OctoCopter – are 8 rotoare. Este similar QuadCopter-ului și HexaCopter-ului dar cu o mai mare capacitate de ridicare și cu o redundanță mai mare. Cu toate acestea, numărul mai mare de rotoare necesită mai multă energie ceea ce reflectă un timp de zbor mai scăzut.

Figura 3: Tipuri de Multi-rotor.

Single-rotor (elicopter) – este un vehicul aerian motorizat cu aripă rotativă, care poate decola și ateriza pe verticală și a cărui susținere și mișcare este asigurată de o elice care se rotește în jurul axei verticale. Principala caracteristică este că poate ateriza pe un spațiu redus și se poate menține în aer într-un punct fix. Sustentația se bazează pe momentul forței produs de elice.

Figura 4: Single-rotor (elicopter).

Fixed-wing (aeroplan) – este un vehicul aerian motorizat prevăzut cu o suprafață portantă fixă. Sustentația aeroplanului este asigurată de forța portantă, de natură aerodinamică, această forță portantă fiind dezvoltată pe aripi, iar viteza de deplasare fiind asigurată de unul sau mai multe motoare.

Figura 5: Fixed-wing (aeroplan).

Fixed-wing Hybrid (aeroplan hibrid) – este un vehicul aerian motorizat prevăzut cu o suprafață portantă fixă și cu mai multe aripi rotative care poate decola și ateriza asemenea Multi-rotor-ului și Single-rotor-ului dar sustentația este asigurată de forța portantă asemenea aeroplanului.

Figura 6: Fixed-wing Hybrid (aeroplan hibrid).

Tabel 2: Caracteristici tehnice UAV.

Un sistem LiDAR este compus din trei elemente, și anume:

scaner LiDAR

sistem de navigație (GNSS)

unitate de măsurare inerțială (IMU).

Principiul de bază al scanării laser este următorul: senzorul emite un puls laser în teren într-o direcție predefinită și primește fasciculul laser reflectat. Cunoscând viteza luminii și timpul pe care îl parcurge fasciculul, distanța obiectului se poate calcula .

Figura 7: Timpul parcurs a unui fascicul laser.

Sistemul de Poziționare Globală asigură informații geografice precise în ceea ce privește poziția senzorului LiDAR, iar sistemul de măsurare inerțial (IMU) înregistrează orientarea a aceluiași senzor la aceea poziție. Pentru a beneficia de o acuratețe bună a datelor obținute cu sistemul Lidar este necesar ca drona să poată fi operată în mod autonom prin waypoint-uri, astfel operatorului îi rămâne să planifice traiectoria de zbor a zonei de interes.

Tabel 3: Caracteristici tehnice Sisteme LiDAR.

Tabel 4: Caracteristici tehnice scanere LiDAR

Tabel 5: Caracteristici tehnice senzori IMU.

Aplicații.

Există numeroase aplicații ale modelelor orașelor 3D: urbanism, arhitectură, managementul activelor municipale, securitate și apărare, planificarea evacuării de urgență, evaluarea riscului de accidente și catastrofe, servicii de localizare, servicii de informare, realitate virtuală, efecte vizuale comerciale și publicitate, etc. Modele orașelor 3D devin, treptat, foarte populare în planificarea urbană și industria de telecomunicații. Analiza propagării zgomotului și a poluării aerului prin orașe și estimarea impozitelor imobiliare sunt alte potențiale aplicații ale modelelor urbane 3D.

Figura 8: Aplicații ale modelului 3D urban.

Alte aplicații ale modelului 3D urban, care devin treptat populare, sunt:

Estimarea iradierii solare – instalarea panourilor fotovoltaice,

Analiza vizibilitații urbane – estimarea locației optime pentru a plasa o cameră de supraveghere video,

Estimarea umbrii cauzate de cladiri – estimarea comfortului termal,

Estimarea propagării zgomotului în spațiu urban – planificarea traficului,

Cadastru 3D – proprietăți cu clădiri complexe,

Estimarea populației – managementul crizei economice.

TEHNOLOGII UTILIZATE ÎN GENERAREA MODELELOR TRIDIMENSIONALE ALE CONSTRUCȚIILOR.

Fotogrammetria.

Fotogrammetria este arta, știința și tehnologia de obținere a informațiilor sigure despre obiectele fizice și mediul înconjurător prin prelucrarea înregistrărilor, măsurarea și interpretarea imaginilor fotografice, a modelelor de energie radiantă electromagnetică și alte fenomene.

Această definiție face referire și la teledetecție ca parte componentă a fotogrammetriei, eliminând doar o parte din confuziile și incertitudinile generate de formularea mai veche „știința și arta obținerii de măsurători fiabile prin mijloace fotografice”.

Fotografia aeriană este la originea teledetecției și este parte componentă a acesteia, iar utilizarea sa rămâne în continuare o certitudine, privind fie și numai din punct de vedere al rezoluției geometrice, chiar dacă înregistrările din satelit permit acoperirea unor zone mult mai vaste, au o repetitivitate superioară, iar procesarea datelor este mult simplificată, mai ales datorită progreselor informaticii care au dus la elaborarea unor algoritmi performanți de automatizare a multora dintre procesele de pregătire și interpretare a datelor.

În zilele noastre, fotogrammetria UAS descrie o platformă de măsurare fotogrammetrică, care este controlată de la distanță, semi-autonom, sau autonom, fără un pilot existent în vehicul. Un sistem de măsurare fotogrammetric este inclus în platformă, dar nu se limitează la o cameră video de dimensiuni mici sau mijlocii, sisteme de camere termice sau infraroșii, sistemul LiDAR aeropurtat sau o combinație a acestora. Există o varietate de aplicații noi oferite de fotogrammetria UAS, nu numai aplicații în domeniul apropiat, combinând fotogrammetria aeriană și terestră, dar, de asemenea, afera noi aplicații cu streaming în timp real și alte alternative mai ieftine la fotogrammetria clasică cu echipaj.

Avantaje:

În fotogrammetrie și discipline de teledetecție, UAS-urile au o mulțime de avantaje în comparație cu cele cu echipaj uman.

În primul rând, UAS-urile oferă o platformă nouă, controlabilă, pentru achiziționarea de date la distanță;

Manevrabilitatea UAS-urilor permite achiziționarea de date la distanță în medii periculoase pentru viața umană și/sau inaccesibilă examinării directe (de exemplu incendii forestiere, vulcani, scurgeri toxice, dezastre de transport etc.);

UAS-urile oferă potențial pentru achiziționarea de date la distanță mai rapid și la costuri mai mici decât vehiculele aeriene pilotate/cu echipaj.

În orice caz particular de situații cu risc ridicat, UAS-urile pot zbura la altitudine joasă și un profil de zbor aproape de obiect în cazul în care sistemele cu echipaj nu pot zbura.

Oferă, de asemenea, o capacitate de procesare în timp real și capacitatea de achiziție de date rapide, în timp ce transmiterea de imagini, video și date de orientare în timp real la stația de control la sol (GCS-Ground Control Station).

În plus, în condiții de vreme nefavorabile, achiziționarea de date cu UAS-uri este încă posibilă, atunci când distanța până la obiect permite zborul sub nori. Astfel de condiții meteorologice nu permit achiziționarea de date cu camere de format mare integrate în aeronave cu echipaj din cauza necesității uni zbor cu altitudine mai mare deasupra solului.

Un avantaj fundamental al utilizării UAS-urilor este că acestea nu sunt împovărate de limitările fiziologice ale piloților umani.

Dezavantaje:

Datorită sistemului său low-cost, UAS-urile au unele limitări enumerate mai jos:

Senzorii low-cost sunt mai puțin stabili decât senzorii de înaltă calitate care reduc calitatea imaginii.

Rezultate mai puțin precise pentru orientarea senzorilor din cauza unităților de navigație cu greutate redusă.

Motoarele mai puțin puternice care limitează altitudinea accesibilă.

Pachetele software comerciale existente aplicate pentru prelucrarea datelor fotogrammetrice sunt rareori setate pentru a sprijini imaginile UAS.

Nu există reglementări suficiente pentru UAS date de autoritățile civile și de securitate.

Ele nu sunt echipate cu echipamente de comunicații de trafic aerian și un sistem de evitare a coliziunii, ca și aeronavele cu echipaj. Deci, UAS-urile sunt limitate la zborul în linie de vedere și de a opera cu un pilot de back-up.

Distanța de funcționare depinde de intervalul de legătură radio pentru UAS-urile rotative și cele cu aripă fixă.

Însă, tehnologia UAS se dezvoltată rapid, de aceea nu există niciun motiv să credem că aceste limitări nu vor fi depășite.

Aerofotografierea.

Ridicarea fotogrammetrică a unei zone începe cu proiectul de aerofotografiere. Proiectantul trebuie să cunoască suprafața de ridicat care se delimitează pe o hartă la scara 1:100.000, 1:50.000 sau 1:25.000 (în funcție de mărimea zonei). Totodată, trebuie să cunoască scopul ridicării, modul de exploatare a fotogramelor și precizia de atins pentru a se putea întocmi proiectul de aerofotografiere care trebuie să precizeze: camera fotogrammetrică (distanța focală, formatul fotogramelor), scara fotogramelor (este în funcție de natura rezultatului, scara planului, performanțele ansamblului cameră-film-aparate de exploatare și precizia ce se urmărește), înălțimea de zbor deasupra terenului (se calculează în funcție de distanța focală f a camerei și scara fotogramelor), traseele de zbor trasate pe hartă (distanța dintre ele se ia cu circa 66 % din L pentru a se asigura o acoperire transversală între benzi de 33 %), acoperirea longitudinală a fotogramelor, adică în lungul benzii (se ia de 66 % pentru stereorestituție), bineînțeles natura filmului(pancromatic pentru scopuri metrice obișnuite) și timpul de expunere maxim pentru ca în condițiile date (viteza de zbor) să nu se producă trenarea imaginii.

Figura 9: Proiecția conică nadirală și oblică.

O fotografie aeriană, indiferent de modul cum a fost obținută, fie prin mijloace aeropurtate, fie de pe o platformă spațială, reprezintă un model redus al suprafeței de teren fotografiate. Dacă fotografia respectivă are proprietatea de a conserva caracteristicile metrice ale obiectelor, avem de-a face cu o fotogramă. Din punct de vedere mathematic, fotograma este o proiecție conică centrală având ca elemente principale distanța focală a camerei fotografice (f), axa de fotografiere (Nn), înălțimea de fotografiere (H).

În practică, se utilizează mai multe formate ale fotogramelor: 6 x 9 cm, 13 x 18 cm, 18 x 18 cm, 23 x 23 cm, 30 x 30 cm, 32 x 32 cm. Fotogramele conțin și alte elemente ajutătoare pe lângă imaginea în sine:

indicii de referință cu ajutorul cărora se poate determina centrul fotogramei;

distanța focală a obiectivului camerei fotogrammetrice;

imaginea nivelei sferice (necesară pentru determinarea înclinării aproximative a camerei fotogrammetrice la momentul preluării fotogramei);

ora fotografierii (informație foarte utilă în procesul de fotointerpretare);

înălțimea de zbor, regiunea fotografiată, scara de aerofotografiere.

Figura 10: Variația scării fotogramelor în funcție de altitudinea de zbor.

Aerofotogramele sunt folosite pentru stabilirea caracteristicilor și destinației obiectelor de pe suprafața de teren fotografiată, prin intermediul operațiilor de fotointerpretare și descifrare fotogrammetrică.

Aerotriangulația.

Aerotriangulația aeriană în fotogrammetrie se referă la metodele de determinare și calculare a coordonatelor obiectului tridimensional prin mijloace fotogrammetrice, prin utilizarea fotografiilor expuse din diferite poziții, acoperind același obiect. Cu aerotriangulația în fotogrammetrie aeriană, am putea fi capabili de a calcula coordonate tridimensionale pentru elementele obiectului de aproape orice tip. Avem nevoie de cel puțin unele puncte cu poziția cunoscută, care sunt vizibile în cel puțin unele dintre fotografii. Aceste puncte noi, numite puncte de control la sol, sau orice puncte de control, trebuie să fie o parte a triangulației aeriene.

Totuși, avem nevoie de cel puțin cinci puncte de control în interiorul fiecărui model de fotogrammetrie aeriană pentru a putea face o orientare absolută a modelului.

Pentru a putea obține atât de multe puncte, metoda numită aerotriangulație este dezvoltată. Această metodă presupune măsurarea mai multor puncte necunoscute în mod clar vizibile în triangularea aeriană într-un instrument stereo. Aceste puncte noi, împreună cu punctele de control la sol și pozițiile expunerilor pentru aparatul de fotografiat sunt puse împreună într-o mare calcul. Rezultatul final constă în scoaterea coordonatelor sistemului de referință pentru toate puncte măsurate.

În funcție de caracteristica de date obține de la sistemul de achiziție UAV, un program special de aerotriangulație a fost dezvoltat. Caracteristicile avantajose ale acestui software sunt după cum urmează:

1) efectuarea de calibrare de înaltă precizie pentru distorsiunea geometrică din camere digitale.

2) folosind POS sau date GPS combinate cu imagini potrivite pentru a reconstrui relația topologică a imaginilor de-a lungul direcției de zbor și între liniile învecinate.

3) toate punctele din rețeaua de triangulație sunt selectate și măsurate complet automat.

4) multi-vizualizarea relațiilor geometrice a imaginilor este rezolvată prin ajustarea blocurilor mari cu metoda celor mai mici pătrate.

5) eroarea brută este detectată complet automat printr-un număr mare de observații redundante.

6) rezultatul elementelor de orientare și punctele de control sunt calculate printr-o soluție alternativă pentru a obține standardul de cartografiere 1:2000, 1:1000 sau 1:500 la scară.

Figura 12: Puncte din rețeaua de triangulație selectate și măsurate complet automat.

Figura 13: Multi-vizualizarea relațiilor geometrice a imaginilor.

Restituția stereoscopică.

Operația de exploatare a modelului optic tridimensional orientat exterior se numește restituție stereofotogrammetrică sau stereorestituție.

Fiecare detaliu se urmărește pe modelul optic cu marca stereoscopică, urmărindu-se atât deplasarea în plan, cât și evoluția spațială (pe direcția z) a fiecărui detaliu.

Aparatelele de stereorestituție analogică utilizate pot da pozițiile planimetrice și altimetrice ale punctelor terenului cuprins în porțiunea comună a două fotograme sub formă grafică sau numerică. Dintre aceste aparate, folosite circa 4 decenii, și care acum au devenit piese de muzeu, menționăm:

– Stereoplanigraful Zeiss;

– Aviografele Wild A5, A7;

– Stereocomparatoarele Zeiss;

– Aviografele Wild B8;

– Stereometrografele Zeiss.

Din punct de vedere tehnologic, procesul fotogrammetriei se desfășoară conform etapelor cunoscute.

Astfel, prima etapă a procesului tehnologic o reprezintă ansamblul operațiunilor de înregistrare a datelor. Pentru înregistrări se folosesc camere speciale terestre sau aeriene montate pe platforme aeriene sau spațiale purtătoare ale senzorilor de înregistrare.

A doua etapă a procesului tehnologic fotogrammetric și de teledetecție o reprezintă prelucrarea primară și corectarea datelor obținute sub formă analogică sau digitală.

Dacă în ceea ce privește prelucrarea analogică se utilizează echipamentele clasice de prelucrare și interpretare a fotogramelor aeriene sau terestre, pentru prelucrarea analitică și digitală există echipamente noi de forma stațiilor fotogrammetrice de lucru interactive.

Astfel de stații de lucru fotogrammetrice moderne care folosesc sisteme interactive sunt produse și comercializate de firme cu renume, cum sunt Leica (Elveția), Zeiss (Germania), Galileo Siscam (Italia) etc., prezentate în figurile 64, 65, 66, 67, 68 și 69.

Aparatura fotogrammetrică Leica utilizează pachetul de programe MAP, care lucrează sub sistemele de operare MS-DOS, Windows, UNIX și VMS.

Sistemul interactiv care folosește MAP-ul (cu versiunile sale MAPDE, MAPOP, RISIS/MAP) poate primi date de la întreaga gamă de aparate AC1, BC1, BC2, BC3, SD 2000 și SD 3000.

Firma Leica, pe lângă stereoploterele analitice care asigură precizii ridicate (1 – 2 μm) a produs stația fotogrammetrică digitală DVP, prezentată în figura 64 (a cărei precizie este de 30 μm) utilizată la lucrări în care cererea de asigurare a unei precizii ridicate este mai puțin importantă.

True-ortofoto.

În procesul de obținere a imaginilor ortorectificate, clădirile, podurile apar pe imagini deplasate, podurile uneori fiind și deformate datorită faptului că suprafața vizibilă a acestora nu coincide cu modelul numeric al terenului. De asemenea, datorită efectului de perspectivă, suprafețe de la baza clădirilor pot fi ascunse, invizibile pe anumite imagini.

Procedeul prin care efectul de perspectivă datorat obiectelor de la suprafața solului cu înălțimi considerabile este corectat astfel încât suprafețele ascunse sunt înlocuite cu suprafețe vizibile de pe o altă imagine se numeste TRUE ORTORECTIFICARE în sensul că numai acum transformarea ortogonală este completă.

Pentru realizarea de imagini true-ortoreferențiate este necesară o aerofotografiere de precizie de cel puțin 20cm dimensiunea pixelului final, minim fiind valoarea de 10cm. O valoare prea mică determină creșterea exponențială a costurilor, nejustificate pentru plusul de precizie a imaginilor obținute. Trebuie subliniat și înțeles de beneficiarii unor astfel de produse că o precizie de ordinul a 5cm de exemplu, implică luarea în calcul a tuturor detaliilor constructive a clădirilor, a acoperișurilor care oricum necesită un grad mai mare de generalizare.

Pe de altă parte, din punct e vedere practic extragerea zonelor ascunse de la baza clădirilor la o distanță de ordinul a 5cm se împiedică din nou de detaliile constructive care au o dimensiune mult mai mare de 5 cm. Chiar daca aerofotografierea a fost executată cu o astfel de precizie, imaginile ortofoto nu trebuie să se genereze la o astfel de dimensiune de pixel. Precizia mare se cere pentru activități de restituție necesară cartografierii de detaliu a elementelor topografice pentru redactarea planurilor la scări mari.

În acest context, modelul numeric al terenului necesar obținerii imaginilor ortofoto trebuie să aibă și el un grad mare de precizie inclusiv pe orizontală. Gridul de rețea trebuie să fie cam de 10 ori dimensiunea pixelului pentru a nu încărca exagerat timpii de calcul dar și pentru că practica a demonstrat că variația pe verticală este mai slabă decat variația pe orizontală.

Figura 14: Diagrama de flux a procesului de obținere a imaginilor true-orto.

METODOLOGIA DE MODELARE 3D A CONSTRUCȚIILOR.

Sistemele Informaționale Geografice (GIS) sunt platformele inevitabile pentru managemetul efficient al orșelor, iar modelarea 3D și vizualizarea au devenit componente cruciale pentru un GIS. Modelul 3D urban este o reprezentare digitală a cladirilor, a obiectelor din suprafața urbană și a modelului terenului. De obicei, modele 3D ale orașelor sunt formate din modele digitale ale terenului( DTM, Digital Terrain Models), modele de clădiri, străzi și spațiu verde. De asemenea, ele pot fi folosite pentru a efectua simulări în diferite scenarii în medii virtuale. Accentul în GIS 3D constă în managementul modelelor 3D cât mai cuprinzătoare și complete a construcțiilor, plus managementul de domenii: arhitectură, inginerie, construcții, gestionare a instalațiilor. Modelele 3D ale orașelor devin instrumente importante pentru procesele de luare a deciziilor urbane și pentru sistemele informatice, în special planificarea, simularea, documentarea, planificarea patrimoiului, planificarea rețelelor mobile, și navigație. Modelele 3D urbane sunt produse și dezvoltate în multe țări la nivel național. Reconstrucția modelului 3D poate fi realizată din diferite resurse de date, precum nori de puncte LiDAR( Light Detection And Ranging), imagini aeriene, imagini satelitare, imagini UAV( Unmanned Air Vehicle) sau combinații de date DSM(Digital Surface Model) cu planuri cadastrale. Clădirile reprezintă elementele de bază a acestor modele, iar reconsturcția clădirii se poate face în principal în trei etape de proces: detectarea, extragerea și reconstrucția cladirii. Reconstrucția clădirilor este un proces pentru generarea unui model utilizând caracteristicile obținute în urma detectării și extragerii clădirilor.

Metodologia generală pentru obținerea formei geometrice a construcției.

Metoda tradițională de modelare 3D a unui oraș cere o cantitate enormă de timp de prelucrare manuală. Metoda obișnuită folosită de obținere a modelelor 3D constă în:

Scanarea și obținerea imaginii digitale,

Copierea imaginii digitale a harții într-un soft 3D CAD având ca rezultat date de tip 2D ale contururilor cladirilor,

Modelarea 3D manuală a clădirilor cu 3D CAD prin excludarea contururilor 2D ale clădirilor înalte și/sau modelarea manuală a geometriei 3D detaliate referitor la desene și fotografii, de asemenea cu 3D CAD.

În mod special, modelarea manuală cu un soft 3D CAD este mare consumatoare de timp și este necesară folosirea operatorilor experimentați. Dezvoltarea unui sistem în scopul generării automate de modele 3D ale orașelor trebuie să vizeze economisirea timpului producției. Noile metode a realizează reducerea surprinzătoare a timpului în producerea modelelor 3D ale orașelor prin folosirea unor programe ce automatizează generarea. De altfel, eficacitatea în trasarea texturii, ca și calitatea și exactitatea modelului 3D al orașului pot fi considerabil ameliorate.

Fluxul tehnologic pentru extragerea informațiilor vectoriale.

Pentru a atinge o percepție corectă a modelului de clădire, este important să ne concentrăm atenția pe caracteristicile tipurilor de clădiri. Acestea sunt:

• Unghiurile drepte,

• Muchiile verticale ale clădirii,

• Simetria clădirii.

Simetria structurii acoperișului: de exemplu, detalii ale acoperisului aranjate regulat (coșuri de fum, ferestre de mansardă (lucarne)) și orientarea corectă a acestor detalii față de acoperișul principal.

Unul din procesele care pot influența în mod radical procesul de vectorizare este pregătirea datelor inițiale, respectiv a imaginilor fotogrammetrice. De asemenea, odată optimizate, imaginile trebuie pregătite pentru extragerea optima a detaliilor planimetrice. Pregătirea fotogramelor constă în orientarea acestora și ordonarea pe cuple și benzi.

Odată fotogramele orientate se poate trece la extragerea propriu-zisă a detaliilor planimetrice, respectiv a vectorilor care modelează forma construcțiilor la diferite grade de precizie:

LoD1 se refera la vectorizarea construcțiilor fără detalierea acoperișurilor. Acest nivel de detaliere consideră pentru fiecare construcție că există o cotă medie pentru acoperiș, astfel încât suprafața construcțiilor se consideră ca fiind plane.

LoD2 presupune vectorizarea construcțiilor la un nivel de detaliu superior în care forma acoperișurilor se redau fidel așa cum apare și în realitate.

Nivele de detaliere a modelelor 3D.

CityGML permite vizualizarea acelorași obiecte la diferite nivele de detaliu(LoD – Level of Details). Prin urmare, analiza poate fi efectuată la diferite LoDs. O clădire în LoD0 este reprezentată de poligoane de 2.5D fie la înălțimea acoperișului, fie la nivelul solului. LoD0 poate fi numit, de asemenea, amprenta de construcție. În LoD1, clădirea este reprezentată ca a un model solid sau un model bloc cu mai multe fețe fără structuri de acoperiș. Clădirea poate fi separată în diferite suprafețe de construcție numite "BuildingParts". LoD2 adaugă structuri generalizate de acoperiș la LoD1. În plus, detaliile tematice pot fi folosite pentru a reprezenta suprafețele limită ale unei clădiri. Diferența dintre LoD1 și LoD2 este că pereții exteriori și acoperișul unei clădiri pot fi reprezentați cu mai mult de o față și geometria curbă a clădirii poate fi reprezentată în structura modelului. LoD3 este generat de extinderea LoD2 cu deschideri (ferestre, usi), acoperiș detaliat (ferestre de acoperiș, coșuri de fum, acoperișuri) și construcții detaliate ale fațadelor. LoD4 este cel mai mare nivel de detaliu și adaugă arhitectura interioară clădirii. La acest nivel, toate detaliile interioare, cum ar fi mobilierul și încăperile, sunt reprezentate cu texturi.

Figura 15: Reprezentare grafică a nivelelor de detaliere.

Tehnici de texturare.

Există mai multe criterii pentru achiziționarea de imagini aeropurtate pentru texturare automată. Rezoluția optimă pentru texturarea automată este, de obicei, de 10 cm sau mai bine și altitudinea de zbor pentru a obține această rezoluție cu camere de format mare este, de obicei, între 800 și 2500 m de teren, dar aceste

Valorile pot varia în funcție de diferiți factori, cum ar fi: restricțiile aeroportuare în zonă, înălțimile clădirilor, altitudinea terenului, tipul camerei (de exemplu, formatul camerei), parametrii camerei (în special lungimea focală), metoda de achiziție a imaginilor (verticală sau oblică) și ceilalți factori ai cerințelor de imagine GSD.

În acest tip de achiziție, intensitatea culorior nu este considerată un aspect important în procesul de generare a basemap-ului, cu toate acestea, în scopul de a genera o textură fină, claritatea imaginilor, împreună cu intensitatea de culori este primoridală. Pentru a obține o textură mai vie și mai impresionantă, imaginile trebuiesc pre-prelucrate pentru îmbunătățirea look-ului realist al tonurilor de culoare și a clarității imaginii.

PRELUCRAREA DATELOR LIDAR.

LIDAR (Light Detection And Ranging) se referă la un sistem radar care funcționează la frecvențe optice care utilizează un laser ca sursă de fotoni (Kamerman). Există mai multe varietăți de LIDAR în funcțiune, îndeplinind misiuni diferite. Unele sisteme, cum ar fi LIDAR de scanare hidrografică (SHOALS) și pentru Compact Hydrographic Airborne Rapid Total Survey (CHARTS) folosesc lungimi de undă care sunt optime pentru colectarea batimetrică de mică adâncime și alte date necesare pentru detectarea obstacolelor din calea navigației. Altele, inclusiv majoritatea sistemelor COTS, cum ar fi Optech 3100 și ALS50 Leica, se concentrează pe cartografierea topografică și sunt folosite pentru a face o hartă sau o imagine 3D a unor locații de pe Pământ.

Sistemele LIDAR topografice, în general, măsoară timpul de deplasare, între o emisie de puls laser și atunci când întoarcerea reflectată este primită, și de a folosi aceasta pentru a calcula distanța până la obiectele întâlnitnee de impulsul emis. Prin combinarea unei serii de aceste intervale cu alte informații, cum ar fi localizarea platformei (dronei), situația spațială (attitude) a dronei este generată o scena tridimensională (3D) a zonei de interes. Adesea, această scenă este stocată ca o serie de coordonate 3D, {X, Y, Z}, pentru fiecare întoarcere, care reprezintă un punct din nor. Au fost elaborate mai multe variante ale sistemelor LIDAR. Acest capitol oferă o prezentare generală a tehnologiei și oferă cititorului o perspectivă suficientă în tehnologia utilizată pentru a înțelege modelul senzorului fizic descris mai târziu în acest studiu.

Obținerea datelor LiDAR și formate de stocare( LAS ).

Radiația electromagnetică (inclusiv lumina) manifestă proprietățile undelor și particulelor. Aceasta este caracterizată de lungimea de undă, frecvență și intensitate.

Ecuația (1) exprimă lumina formată din fotoni care nu au masă dar au energia E invers proporțională cu lungimea de unda λ.

(1)

unde h=constanta Planck(6,6262 10-34Js) și c=viteza luminii(299.792.458 m/s).

Figura 16: Spectrul electromagnetic și lungimea de undă pentru laser.

Spectrul vizibil se află între lungimile de undă 400nm și 700nm. Intervalul laser se întinde între zona infraroșu și ultraviolet al spectrului electromagnetic. Lumina este emisă pe traiectorii diferite; când aceasta atinge obiectul, o parte din radiația electromagnetică este reflectată de suprafața acestuia.

Raportul dintre radiația reflectată și cea primită de suprafață definește reflecția. O suprafață reflectă (Rλ), transmite (Tλ) și/sau absoarbe (Aλ) energia (E) radiației incidente (Iλ) primită. Acest fenomen este exprimat prin relația din ecuația (2).

(2)

unde λ=lungimea de undă a radiației electromagnetice.

O suprafață care reflectă radiația incidentă într-o singură direcție departe de sursă iar unghiul de reflexie este egal cu unghiul de incidență, se numește suprafață lucioasă (Figura 11.a).Suprafața lucioasă nu reflectă radiația în aceeași direcție cu sursa. Acest tip de reflexie are loc când rugozitatea suprafeței este mai mică decât lungimea de undă a radiației incidente.

Figura 17: Tipuri de suprafețe de reflexie: a)lucios, b)difuz, c) mixt;

În mediu înconjurător, acest tip de reflexie se găsește la suprafața apelor stătătoare sau pe suprafețele sticloase (gheața fără sedimente). Al doilea tip de reflexie este reflexia difuză sau reflexia Lambert(Figura 11.b).

Reflectivitatea depinde de unghiul de incidență și de rugozitatea suprafeței expuse. Acest tip de reflexie are loc când rugozitatea suprafeței este mai mare ca lungimea de undă a radiației incidente permițând reflectarea în toate direcțiile. În realitate, majoritatea suprafețelor din mediu înconjurător au reflexie mixtă ( Figura 11.c).

Pentru majoritatea suprafețelor, cu cât crește unghiul de incidență cu atât crește cantitatea de lumină reflectată. Acest efect este pronunțat pentru suprafețele reflectoare sau lucioase (exemplu: la răsărit sau apus când lumina soarelui lovește suprafața apei). Din ecuația Error! Reference source not found. reiese că gradul de reflexie depinde de lungimea de undă.

Figura 18: Reflectanța solului, apei și vegetației mixte.

Suprafețele absorb anumite părți ale spectrului electromagnetic reflectând în același timp la anumite lungimi de undă (Figura 12). Rezultatele absorbției și reflectanței sunt culorile pe care le vedem în spectrul vizibil.

Pentru a utiliza date LIDAR este necesar a cunoaște în detaliu modul de formare și componența fișierelor de tip LAS, cel mai uzual format în cadrul acestor tipuri de date. Formatul de fișier LAS este un format public pentru schimbul de date tridimensionale (X, Y, Z) între utilizatorii de date. Formatul de fișiere LAS a fost creat pentru schimbul de date LIDAR, dar poate fi utilizat cu succes și pentru interschimbul de înregistrări mari de nori de puncte. Acest format este o alternativă fiabilă la formatele de date proprii anumitor softuri, care nu pot asigura interoperabilitate între diverși utilizatori (cu alte tipuri de softuri), precum și la fișierele generice ASCII. Fișierele generice ASCII prezintă două probleme majore și anume: performanța scăzută în citirea unor volume mari de date tridimensionale și dimensiunea ridicată a fișierului generat în astfel de situații. O altă problemă a acestui tip de fișiere este faptul că în momentul conversiei datelor brute LIDAR, datele specifice acestuia se pierd. În aceste condiții, formatul LAS este mai mult decât util în achiziții de date LIDAR și în interoperabilitatea cu aceste date.

Calibrarea datelor LiDAR și eliminarea informațiilor neverosimile.

După cum se poate observa în figura alăturată,

componentele principale ale unui sistem LiDAR

sunt următoarele:

• Sursa de lumină

(laser în undă continuă (cw) sau pulsat)

• Receptorul, format dintr-un telescop

optic (sistem de lentile și oglinzi)

• Detectorul, ce este format din mai multe

tuburi fotomultiplicatoare extrem de sensibile.

Ecuația de principiu a LIDAR-ului este reprezentată de relația (2).

unde Plas este puterea luminii emise a laserului, R este distanța până la țintă (împrăștiator), C este un factor de calibrare al instrumentului, care conține proprietățile de propagare ale radiației laser prin O1 și O2, (R) este coeficientul de retroîmprăștiere (care conține între altele și concentrația împrăștiatorilor la distanța R) iar T(R) coeficientul de transmisie pe distanța R. Acest coeficient, de tipul Lambert-Beer, se poate determina prin relația din ecuația (3).

Unde e(r) este coeficientul de extincție a luminii pe distanța R.

Eliminarea fondului de zgomot este una din problemele legate de achizițiile datelor LiDAR. Aceasta este modalitatea prin care se pot elimina fluxurile mari de fotoni solari care produc un fond foarte intens în detector. Acest fond este în mod obișnuit diminuat prin deschiderea detectorului pentru intervale de timp foarte scurte (pe durata pulsului) și prin mărirea raportului semnal/zgomot în acest interval prin filtrarea către detector numai a lungimii de undă cerute (cea a laserului). Această operațiune se realizează folosind filtre și monocromatoare.

O alta problemă în realizarea determinărilor LiDAR este modalitatea de a achiziționa date calitative prin calibrarea LIDAR-ului. Nu se pot folosi proceduri de calibrare obișnuite, din cauza faptului că țintele sunt depărtate, și deci trebuie folosiți parametri interni pentru a efectua măsurători cantitative. Prin urmare, pentru măsurători la distanță, sunt necesare raportul sau diferența a două semnale (unul din ele fiind semnalul de calibrare).

Standardul de calibrare poate fi de mai multe feluri:

temporizarea precisă a pulsului laser sau a intervalului de timp dintre două evenimente;

semnalul Raman cvasi-constant al apei (pentru determinări LiDAR acvatice);

semnalul Raman al azotului (pentru măsurători LiDAR în atmosferă).

Obținerea datelor LiDAR în sistemul de proiecție național.

Sistemul de coordonate de referință (CRS-Coordinate Reference System) este unul din parametrii importanți ce trebuie setat în sectorul de date VRL(Variable Length Records) sau EVRLs(Extended Variable Length Records). Pentru păstrarea compatibilității cu versiunile anterioare, definirea acestuia trebuie realizată în sectorul VRL. În cazul în care păstrarea compatibilității nu este esențială, definirea sau actualizarea datelor CRS se poate face și în secțiunea EVRLs. Pentru definirea CRS se poate utiliza atât structura GeoTIFF(Geodesic Tag Image File Format), cât și structura WKT (Well Know Text). Structura GeoTIFF este folosită pentru definirea CRS în sectorul de date VLR dar și în sectorul EVRLs. În schimb, structura WKT poate fi utilizată pentru definirea CRS doar în sectorul EVRLs. Formatele de înregistrare de la 0-5 pot utiliza ca și structură atât GeoTIFF cât și WKT, pe când formatele de înregistrare 6-10 pot utiliza doar formatul mai nou, WKT. Utilizând formatul WKT, definirea CRS presupune descrierea datumului, a geoidului asociat, a sistemului de coordonate utilizat dar și a proiecției sistemului de coordonate.

Definirea CRS prin structura WKT se face cu ajutorul specificațiilor Open Geospatial Consortium (OGC) . În conformitate cu articolul OGC, mai multe tipuri de entități pot fi scrise în formatul WKT (Well Know Text), ceea ce permite diferitelor clase de obiecte să fie stocate în baze de date și transmise între diferite programe pe baza acestei interoperabilități. Formatul WKT are la bază o interfață denumită „Simple Features” care ajută la mărirea acestei interoperabilități. În WKT descrierea sistemelor de coordonate și referință se realizează prin utilizarea unui identificator (număr întreg) SRID(Spatial Reference IDentifier) , incluzând și referirea la codurile EPSG.

Baza de date European Petroleum Survey Group (EPSG) este o colecție geodezică ce conține seturi de date cu definiții ale sistemelor de coordonate de referință dar și cu transformări de coordonate între diversele CRS. Conform articolului OGC, EPSG este o autoritate în privința sistemelor de coordonate, una dintre cele mai cunoscute în privința identificatorului SRID. Baza de date a EPSG SRID este din 2005 menținută de International Association of Oil & Gas Producers (OGP) prin comitetul Surveying & Positioning.

Definirea CRS se poate realiza și prin structura GeoTIFF, aceasta conținând de asemenea descrierile sistemelor de coordonate, datumuri, elipsoizi, sisteme de proiecție – folosind codurile și baza de date EPSG, identificatorul fiind unul de tip GeoKeyDirectoryTag. Această înregistrare cheie definește identificatorul sistemului de coordonate într-un sistem tip matrice. Diferența între cele două formate WKT și GeoTIFF este dată de interoperabilitatea mult mai mare a formatului WKT, formatul GeoTIFF putând a fi citit doar de către programele care au implementată această structură.

În plus, în sectorul de date VRL (sau EVRLs) se pot defini și alte seturi de date, pe lângă sistemul de referință și coordonate, și anume: Clasiffication Lookup, Text Area Description, Extra Bytes, Superseded, Waveform Packet Descriptor, Waveform Compresion Type, Number of Samples, Temporal Samples Spacing, Digitizer Gain, Digitizer Offset. Câmpurile caracteristice doar pentru secțiunea EVRLs sunt: Waveform Data Packets, LAS Domain Profile și LAS Domain Profile Description.

Vizualizarea datelor LiDAR și a altor informații conexe.

Pentru obținerea de date referitoare la topografia terenului, sistemul LIDAR recepționează impulsurile laser în intervalul de lungime de undă cuprins între 1040 – 1060 nm (banda infraroșu apropiat). Pentru obținerea de date referitoarea la batimetrie, undele laser sunt centrate aproximativ pe intervalul de undă de 530 nm (benzile albastru și verde, benzi în care undele laser au capacitatea de a penetra apa). Tehnologia LIDAR evită de asemenea problemele de ortorectificare, deoarece fiecare punct este georeferențiat.

Există numeroase sorturi de vizualizare și procesare a datelor LiDAR:

ALDPAT – aplicație utilă în analiza și clasificarea datelor LIDAR.

HHViewer – aplicație ce permite utilizatorilor să vizualizeze, analizeze, editeze seturi de date 2D și 3D LIDAR.

Analystextensie a aplicației ArcGIS – extensie ce extrage automat și vizualizează 3D date despre topografia terenului, clădiri, pomi și areale acoperite cu păduri, obținute din seturi de date.

LIDAR.LViz – aplicație implementată de către Jeffrey Conner cercetător în cadrul Universității din Arizona, conceput special pentru interpolarea și vizualizarea 3D a datelor.

LIDAR.MARȘ – aplicație concepută pentru analiza, procesarea și manipularea seturilor mari de date.

Quick Terrain Modeler – aplicație implementaă de Jonhs Hopkins, ce reușește să proceseze și să vizualizeze 3D seturi mari de date (aproximativ 200 de milioane de puncte).

Terrasolid – aplicație destinată procesării seturilor mari de date obținute prin scanare laser.

Global Mapper Modulul LiDAR – aplicație GIS implementată de Blue Marble, care permite clasificarea automată a punctelor, crearea construcțiilor 3D, opțiuni complexe de filtrare și eliminare a punctelor neutilizate sau eronate.

CloudCompare – este un soft gratuit de vizualizare, clasificare și filtrare a norilor de puncte 3D

Potree ProSIG – este o platformă online de vizualizare a norilor de puncte, creată de firma TehnoGIS.

VrMesh – este o aplicație cu un domeniu foarte larg de procesare a datelor LiDAR: măsurători terestre/topografie, infrastructură, minerit, energie/utilități, arhitectura/patrimoniu, medicină/stomatologie.

Texturarea modelului.

Odată cu dezvoltarea unor sisteme fotogrametrice aeriene echipate cu sisteme de camere de tip nadir și oblice, a devenit posibilă texturarea automată a modelelor 3D ale orașelor. Camerele Nadir sunt cele mai ideale pentru texturarea acoperișurilor clădirilor, în timp ce camerele oblice sunt mai bune la texturarea fațadelor clădirilor. În mod similar, pentru texturarea automată a modelelor 3D ale orașelor, cea mai bună strategie este selectarea texturilor de pe acoperiș din imaginile nadir și fațadele clădirilor din imaginile oblice. Aspectul fațadelor poate fi obținută în mod clar prin această abordare, iar rezoluția spațială ar fi, de asemenea, mai ridicată. Similar cu achiziția de imagini de tip nadir, sezonul și timpul zborului ar afecta calitatea radiometrică a imaginilor oblice. Früh C. a folosit o abordare care combină modelul urban 3D obținut prin scanări laser aeriene și la sol cu ​​imagini aeriene oblice pentru cartografierea texturii. Datele terestre suplimentare utilizate în cadrul metodei conduc în mod natural la modele mai detaliate, dar, de asemenea, mărește considerabil dimensiunea seturilor de date. O tehnică mai eficientă pentru modelarea fațadelor este de a extrage texturi din imagini terestre și a le localiza pe modelele poligonale. Acest proces se realizează manual, însă texturarea unei singure clădiri este o sarcină plictisitoare și poate să dureze câteva ore. Pentru un număr mare de fațade de construcție, o astfel de abordare nu este eficientă și de obicei nu este aplicabilă. Kada M. a prezentat o nouă abordare care extrage automat fațada texturi de pe fotografii terestre și le cartografiză pentru a georeferenția modelul 3D al clădirii. Această thenică permite modelarea efectelor geometrice mai complexe, cum ar fi auto-ocluzia sau distorsiuni ale lentilelor.

STUDIU DE CAZ – GENERAREA CONSTRUCȚIILOR CU TEXTURĂ PENTRU ZONA INDUSTRIALĂ PANTELIMON

Descrierea zonei.

Zona Industrială Pantelimon se află pe DN3, Km 14, Bulevardul Biruinței 136, cod poștal 077145, Pantelimon, Ilfov, România (Fig.20). Această zonă la nord este în apropierea pădurii Pantelimon și este înconjurată, la nord și la sud, de suprafețe agricole. De asemenea, cele mai apropiate vecinați fiind municipiul București, și comunele Pasăresa, Brănești și Cozieni.

Ținând cont de faptul ca este o zonă destul de mare, măsurătorile efective în teren au fost realizate pe părți. Acest studiu de caz se bazează pe una dintre acele parți – Zona Halelor, această zonă are în componență 5 construcții industriale(hale) și câteva construcții mai mici. Cele cinci hale sunt deținute de doi proprietari, care sunt persoane juridice(ARCELORMITTAL CONSTRUCTION ROMANIA S.A. și Karema Fruct SRL).

Figura 20: Locație hale Pantelimon în Google Maps.

Etapele realizării lucrărilor specifice terenului

Resurse tehnice și de personal

Resursele necesare producției modelului digital al construcțiilor cu textură cu aspect realistic sunt formate din personalul lucrativ, echipamente, softuri de prelucrare a datelor, timpul necesar unor activități de teren și birou, consumabile, care se transformă în echivalent financiar – costuri.

Personal: 1 Manager producție, 2 ingineri geodezi și 1 pilot aeronave

Echipamente utilizate:

drona MATRICE M600 PRO (cu 6 baterii TB47S);

senzorul LIDAR-SCOUT cu sistemul IMU și camera fotografică Sony A6000;

modulul GPS D-RTK de pe dronă;

receptorul GPS-DRTK de la sol și trepiedul acestuia;

receptorul GPS folosit ca stație de referință și trepiedul acestuia;

sistemul de control de la sol: laptop, masă și scaun;

antena WIFI unidirecțională;

două baterii LiPo de 5000 mAh;

telecomanda și tableta iPAD PRO;

suita de soft-uri: AutoPilot, DJI Go, Spatial LightHouse și Spatial Explorer instalate pe tabletă și respectiv pe laptop.

Zboruri realizate: 6 zboruri

Timp utilizat: 3 zile (încărcare bateri, planificare zboruri, mobilizare în teren, asamblarea și amplasarea echipamentelor, proiectarea planului de zbor, realizarea celor 4 zboruri, demobilizarea, descărcarea și managementul datelor).

Consum: 20 litri motorină, 1 spray vopsea, 2 picheți metalici, electricitate 40kW

Zona de lucru: Pantelimon Hale, 50 ha.

Echipamente utilizate

Echipamente GNSS\GPS D-RTK

Leica Viva GS08 plus

Specificații tehnice:

Numar canale: 120

Tehnologie: Leica SmartTrack

Canale urmarite: GPS (L1, L2, L2C), Glonass (L1, L2), SBAS (WAAS, EGNOS, MSAS, GAGAN)

Precizie determinare pozitie:

RTK: in mod single baseline: Hz 10mm + 1 ppm / V 20mm + 1 ppm

In mod network: Hz 10mm + 0.5 ppm / V 20mm + 0.5 ppm

Static: Hz 3mm + 0.5 ppm / V 6mm + 0.5 ppm

Fast static: Hz 5 mm + 0.5 ppm / V 10 mm + 0.5 ppm

Rata de refresh: pana la 20Hz

Porturi: USB, RS232 serial, Bluetooth

Procoale RTK: Leica, Leica 4G, CMR, CMR+, RTCM 2.2, 2.3, 3.0, 3.1, 3.2 MSM

Network: VRS, FKP, iMAX, MAC (RTCM SC 104)

Modem: 3.5 / 3.75 GSM / UMTS / CDMA

Memorie: microSD card 8GB

Controller Leica CS15: Leica SmartWorx Viva

Inregistrare date: posibilitate SD card pana la 8 GB

Temperatura de utilizare: -40 pana la 65°C

Figura 21: Receptor GPS/GNSS Leica Viva GS08 plus

Echipamentele utilizate în generarea norului de puncte și a ortofotoplanului.

Tabel 6: Drona DJI Matrice 600 caracteristici tehnice.

Figura 22: Drona DJI Matrice 600 poze.

Sistem LiDAR b)Senzor IMU c) Senzor Lidar

Figura 23: Sistem LiDAR

Tabel 7: Carcateristici tehnice sistem LiDAR

Asamblarea sistemul UAV MATRICE M600 PRO – LIDAR SCOUT

Înainte de efectuarea oricărei etape unul dintre membrii echipei a anunțat telefonic Centrul de Operațiuni Aeriene despre zborul care urma să se realizeze. A oferit informații referitoare la locația în care s-a efectuat zborul, coordonatele aproximative ale zonei, intervalul de timp în care se realizează zborul, numărul de înmatriculare al UAV-ului din evidențele AACR.

Pentru început s-a extras corpul dronei din cutia de transport, i s-a fixat trenul de aterizare, care are dublă funcționalitate, fiind folosit și pe post de picioare, s-au fixat cele 6 baterii de zbor inteligente, s-au înlăturat cele șase huse, care au rol de protecție pentru elice, s-au ridicat cele 6 brațele ale dronei și s-au deschis cele șase elice.

A urmat apoi montarea componentei mobile a sistemului D-RTK, compus din trei antene și două GPS-uri, prin fixarea acestuia cu două șuruburi de corpul dronei.

S-a montat și sistemul LIDAR-SCOUT prin fixarea acestuia de dronă cu un sistem de prindere quick-realease care are și un sistem de blocare a senzorului, oferindu-i o siguranță în timpul zborului.

Având toate cele trei subsisteme montate, sistemul UAV MATRICE M600 PRO – LIDAR SCOUT este asamblat complet și pregătit pentru pașii următori.

Figura 24: Asamblarea sistemului UAS MATRICE M600 PRO – LiDAR SCOUT

Instalarea bazei D-RTK de la sol, a stației GPS de referință și a sistemului de control de la sol.

Următoarele componente instalate la sol au fost stațiile permanente GNSS, utilizate în post-procesarea traiectoriilor de zbor. În cazul zborurilor din zona Pantelimon Hale s-au utilizat două stații GNSS de înregistrare a datelor satelitare. Stațiile GPS utilizate au fost setate să înregistreze corecții satelitare la un interval de o secundă. Echipamentele GNSS au fost pornite imediat după instalare, acest lucru fiind benefic în procesarea ulterioară a datelor, crescând precizia punctelor staționate și indirect a traiectoriei de zbor.

S-a instalat și stația de furnizare în timp real a corecțiilor de zbor, baza D-RTK, pentru drona DJI MATRICE M600 PRO. Toate stațiile GPS au fost montate astfel încât să nu fie obstrucționate în recepția semnalului satelitar. Cu privire la stația D-RTK s-a avut în vedere ca între aceasta și dronă să existe întotdeauna vizibilitate directă, pe întreg traseul proiectat al zborului.

Figura 25: Instalarea bazelor GNSS și a bazei D-RTK

Echipamentul din baza D-RTK s-a pornit după instalarea sistemului de control, corecțiile acestuia fiind necesare doar în momentul în care și drona este complet inițializată și conectată la sistemul de control.

Sistemul de control este compus din laptopul de monitorizare dar și din radio-telecomanda conectată cu tableta iPAD PRO.

Figura 26: Componentele sistemului de control de la sol

Masa de campanie s-a instalat astfel încât să se poată urmări întreaga misiune de zbor. Laptopul pentru monitorizarea datelor înregistrate s-a instalat pe masa de campanie și la el s-a conectat și antena WIFI pentru comunicarea cu sistemul LIDAR aeropurtat. Spre deosebire de alte zboruri, în zborurile realizate în această perioadă s-a utilizat o antenă WIFI unidirecțională. Acest lucru a permis proiectarea unor traiectorii de zbor pe o lungime mult mai mare.

După instalarea tuturor componentelor și stabilirea locului de decolare, s-a anunțat Centrul de Operațiuni Aeriene privind efectuarea de zboruri cu drona. Informarea s-a realizat pentru fiecare zbor în parte. După informarea autorităților, s-a pornit drona DJI MATRICE M600 PRO dar și componenta LIDAR (CPU, cameră și senzorul laser). Cu ajutorul softului embeded Spatial Lighthouse s-a realizat conexiunea la sistemul LIDAR-Dronă, dar și la stația de referință BUCU 3.1 a sistemului Rompos. Stația a fost utilizată pentru a furniza corecții satelitare precise în timp real. Datele s-au furnizat pe baza formatului RTCM 3.0, pentru sistemele GPS și GLONASS, pe ambele frecvențe satelitare L1, L2.

Figura 27: Transmiterea corecțiilor RTK în timp real în Spațial Explorer

S-a conectat sistemul LIDAR la aplicația de monitorizare Spatial Explorer. Până la efectuarea propriu-zisă a zborului, sistemul a fost ținut la sol pentru a se calibra și pentru a înregistra date satelitare. Datele satelitare sunt necesare în procesarea ulterioară a traiectoriei de zbor. Astfel sistemul LIDAR-Dronă a fost menținut în poziție orizontală și nemișcată, timp de minim 10 minute înainte de zbor și minim 10 minute după zbor.

În acest timp s-au monitorizat parametrii navigaționali de calibrare a sistemului LIDAR-Dronă: statusul determinării poziției sistemului, tipul de poziționare, soluția calculată de sistemul INS, procedeul de aliniere (calibrare) al sistemului dar și eroarea de poziționare planimetrică și altimetrică (UncertP, UncertA). S-a așteptat până în momentul în care parametrul UncertP a ajuns în domeniul milimetric. Parametrul UncertA se va calibra la începutul fiecărui zbor. S-a urmărit ca nici un parametru să nu fie în domeniul de atenționare (cod roșu), ci să aibă soluții bune pentru fiecare componentă (computed, IntegerNarrowLane (verified), SolutionGood, FineSteering, Align ok).

Figura 28: Monitorizarea parametrilor navigaționali în Spațial Explorer

Achiziția datelor LiDAR.

Pentru a utiliza date LIDAR este necesar a cunoaște în detaliu modul de formare și componența fișierelor de tip LAS, cel mai uzual format în cadrul acestor tipuri de date. Formatul de fișier LAS este un format public pentru schimbul de date tridimensionale (X, Y, Z) între utilizatorii de date. Fișierul de tip LAS se prezintă sub forma unui nor de puncte 3D.

Etapa de achiziție a datelor LIDAR și a datelor optice, se începe de fiecare dată cu pregătirea unei liste cu clasele de obiectele care se vrea a fi folosite în etapele ulterioare celei de achiziție.

Se începe etapa cu delimitarea zonei în care se va efectua zborul de achiziție cu sistemului UAV, lucru efectuat la birou folosind soft-ul Google Earth. Se vor face câteva măsurători pentru a stabili detalii legate de lungime, lățime, suprafață, grad de ocupare a terenului, înălțimea maximă și minimă a obiectelor existente în zonă (folosind street view), se încearcă identificarea posibilelor obstacole care ar putea pune în pericol efectuarea zborului (folosind tot street view).

Figura 29: Delimitarea conturului zonei denumită Pantelimon Hale în soft-ul Google Earth

Folosind lista pregătită cu toate informațiile preliminare, se începe proiectarea planului de zbor, operațiune realizată în soft-ul Mission Planner. Se vor proiecta liniile de zbor, distanța dintre acestea, înălțimea de zbor a dronei DJI, unghiul de zbor, viteza de zbor, precizia de lucru, urmând ca tuturor parametrii fixați să li se verifice în teren verosimilitatea.

Figura 30: Planul inițial al zborului de la Pantelimon Hale, proiectat în Mission Planner

Post-procesarea datelor LIDAR presupune obținerea cu acuratețe a fișierului de puncte în format .LAS. Această procedură se realizează cu softul SpatialFuser.

S-a importat traiectoria procesată și datele din fișierul *.ldr. Prima etapă a fost eliminarea parțială sau totală a curbelor din traiectoria de zbor. De obicei, cele mai multe erori de aliniere între zboruri sunt datorate de punctele preluate în curbele traiectoriei, dar mai ales la începutul și la finalul traiectoriei de zbor. Acest lucru se întâmplă datorită ajustărilor ce se realizează pentru a intra pe traiectoria de zbor, sau pentru a ieși. Au fost și zboruri în care datele achiziționate în curbele de zbor nu au fost eliminate, pentru ca nu s-au constatat nealinieri între benzi sau cu alte zboruri. Acest lucru s-a datorat și vitezei medii de zbor utilizată, de aproximativ 22 km/h. În schimb toate începuturile și sfârșiturile de traiectorie au fost înlăturate, identificându-se nealinieri semnificative.

Figura 31:Stabilirea intervalelor de procesare pentru datele LIDAR

S-au stabilit parametrii privind calibrarea senzorului LIDAR, precum și limitele de eliminare a punctelor considerate anomalii. Eliminarea acestora se va face doar parțial, urmând ca în etapa de calibrare a punctelor verosimile restul punctelor să fie clasificate ca și puncte de zgomot.

Figura 32: Calibrarea senzorului LIDAR și eliminarea parțială a anomaliilor

S-au stabilit parametrii de generare ai fișierului LAS: tipul fișierului 1.2, necomprimat, modul de afișare al timpului GPS, modul de indexare al punctelor și clasa în care sunt exportate. Tot în această etapă s-a stabilit sistemul de proiecție în care va fi generat norul de puncte LIDAR.

Figura 33: Stabilirea parametrilor pentru fișierul LAS: tip, proiecție, locație, clase, translații, etc.

După procesarea datelor LIDAR, fișierul LAS generat este încărcat în aplicația web Potre-Prosig pentru vizualizarea norului de puncte. În Error! Reference source not found. se poate observa norul de puncte generat pentru zona Pantelimon Hale. Fișierul de puncte urmează a fi procesat pentru clasificarea punctelor.

Figura 34: Norul de puncte RGB Potree-ProSIG

Figura 35: Citirea de coordonate de contur in Potree-Prosig.

Generarea ortofotoplanului.

Generarea ortofotoplanului se poate realiza cu ajutorul mai multor aplicații, concepute special pentru procesarea imaginilor preluate de pe platforme UAV. Printre cele mai cunoscute aplicații se numără: Agisoft PhotoScan Professional, Pix4Dmapper, EnsoMOSAIC Fusion, PhotoMod UAS, etc. După cum s-a menționat, în urma testelor realizate, în cadrul fluxului de lucru pentru obținerea reprezentarii realistice a unei arii geografice, se va utiliza aplicația Agisoft PhotoScan Professional.

Ortofotoplanul presupune mozaicarea imaginilor riguros orientate, calibrate, georeferențiate și ortorectificate. Ortorectificarea se realizează prin corectarea imaginilor, mai precis a obiectelor din imagini care nu sunt preluate nadiral. Această corecție se realizează cu ajutorul modelului 3D bazat pe Mesh (sau DEM). În această etapă sunt corectate în mod special clădirile preluate oblic în anumite imagini, astfel încât pe ortofotoplan acoperișul acestora să reprezinte proiecția acestuia la sol. Generarea ortofotoplanului georeferențiat este un aspect foarte important în realizarea modelului virtual-realistic.

Ortorectificarea imaginilor și obținerea ortofotoplanului

Importarea elementelor de orientare interioară se realizează în mod automat prin citirea metadatelor imaginilor importate (tipul de cameră, distanța focală, dimensiunile senzorului optic, etc.). Ortorectificarea imaginilor presupune corectarea acestora pe baza suprafeței 3D Mesh (MNS) realizată cu ajutorul norului dens de puncte. Pentru a ajunge la etapa de ortorectificare a imaginilor sunt parcurse mai multe proceduri.

Figura 36: Alinierea imaginilor și generarea norului rar de puncte de legătură – Pantelimon Hale

Prima dintre acestea este reprezentată de alinierea imaginilor, cunoscută în fotogrammetria clasică și ca orientarea exterioară relativă. Procedura presupune corelarea imaginilor adiacente (în zonele cu suprapuneri) și are ca efect orientarea relativă a imaginilor, precum și generarea norului rar de puncte de legătură între imagini (Error! Reference source not found.). Se deselectează imaginile cu erori mari de poziționare (preluate la începutul și finalul traiectoriei de zbor). Comanda se realizează din meniul Workflow, prin Align photos.

Georeferențierea și obținerea ortofotoplanului georeferențiat

După obținerea suprafeței Mesh, cu care se corectează imaginile aeriene, prin ortorectificare, se poate obține ortofotoplanul zonei. Ca acesta să fie georeferențiat se vor utiliza și reperii introduși în faza inițială a proiectului.

Ortofotoplanul se realizează prin ortorectificarea imaginilor pe Mesh și prin georeferențiere cu ajutorul reperilor, prin comanda Build Orthomosaic din meniul Workflow.

Figura 37: Obținerea și exportarea ortofotoplanului georeferențiat – Pantelimon Hale

5.3 Generarea modelului 3D cu textură al construcțiilor.

Modelul 3D cu textuă poate fi generat automat sau treptat pentru fiecare cladire în parte. În cazul în care scopul lucrarii este texturarea unei singure cladiri mai complexe, tehnica cea mai eficientă pentru modelarea fațadelor este de a extrage texturi din imagini terestre și a le localiza pe modelul poligonal. Acest proces se realizează manual, însă pentru texturarea treptată a unei zone mai mari, automat, și pentru un număr mai mare de fațade de construcții, o astfel de abordare nu este eficientă și de obicei nu este aplicabilă. În acest studiu de caz texturarea construcțiilor 3D a fost efectuată automat cu ajutorul softului VrMesh.

Softul VrMesh.

VrMesh este o aplicație cu un domeniu foarte larg de procesare a fișierelor LAS/LAZ: măsurători terestre/topografie, infrastructură, minerit, energie/utilități, arhitectura/patrimoniu, medicină/stomatologie.

Acest soft este foarte cunoscut pentru realizarea mesh-urilor calitative și foarte detaliate.

Figura 38: Extragerea curbelor de nivel(stânga), Generarea modelului 3D(mijloc), Scurgerea de apă(dreapta).

Acest studiu de caz se bazează pe crearea automata a modelului 3D, prin extrageara amprentelor de la sol, și ulterior generarea automata a texturii din culoara vertexului.

Figura 39: Exemplu de Mesh detaliat(st.), exemplu de textură generată din culoarea vertexului(dr.)

Softul respectiv are aplicații pentru toate tipurile de achiziție de date LiDAR. Cele mai utilizate aplicații fiind cele pentru norii de puncte generați de UAS-uri.

Clasificarea automată a norului de puncte.

Primul pas constă în atașarea norului de puncte 3D.

Figura 40: Atașarea norului de puncte 3D

Norul de puncte este format din aproximativ 43 de milioane de puncte. Am selectat afișarea tuturor punctelor, pentru realizarea calitativă a mesh-ului, deoarece odată ce norul de puncte are o densitate mai mare, automat și textura construcțiilor, dupa realizarea mesh-ului, va fi mai apropiată de realitate.

Figura 41: Norul de puncte importat în softul VRMesh

Pentru a junge la reprezentarea realistică a norului de puncte – în RGB( Red-Green-Blue), se va selecta „show vertex color”.

Figura 42: Vizualizarea norului de puncte în RGB.

Urmatorul pas constă în clasificarea automata a norului de puncte.

Figura 43: Pași clasificare

In bara de activitați mergem la „Classification”, selectăm „Survey Wizard”, urmatorul pas fiind setarea opțiunilor.

Setarea parametrilor:

Figura 44: Detectarea vegetației(st.), detectarea solului(mijloc), detectarea cladirilor(dr.).

Dupa setarea tuturor parametrilor se tasteaza butonul „Batch”, care clasifica automat norul de puncte.

Figura 45: Rezultatul clasificării

Punctele roșii find atribuite automat acorperișurilor cladirilor, cele maro – solului, cele verzi- vegetației înalte și cele galbene fiind neidentificate.

Scopul clasificarii este de a extrage automat modelul 3D al cladirilor folosind amprenta de la sol. Aceasta se extrage anume din punctele care sunt clasificate ca fiind acoperișuri de cladiri. După cum se observă în figura 37, în acoperișurile unor cladiri, exista și puncte din alte categorii, însă pentru a genera correct modelul 3D al construcțiilor, acoperișurile cladirilor trebuiesc reclasificate.

După reclasificarea construcțiilor, rezultatul final al clasificării, se poate vedea în figura 46

Figura 46: Clasificarea finală.

Obținerea modelului 3D al construcțiilor

In softul VRMesh modelul 3D al construcșiilor se obține automat din amprenta de la sol. Pașii pentru generarea automată a construcțiilor 3D sunt următorii:

În bara de activitați se selecteaza „Feature Extraction”, după aceea tastăm „Extract Building Footprints”.

Figura 47: Pașii obținerii modelului 3D.

Se selecteaza parametrii pentru obținerea construcțiilor 3D.

Pașii de mai jos, sunt pentru extragerea amprentei de la sol:

Punctele din grilă -10.

Aria minima – 6m2

Se bifeaza rectangularea.

Următorii pașii find pentru crearea modelului 3D:

Tipul acoperișului – Aproximativ,

Numarul maxim de triunghiuri pentru un acoperiș – 10.

Figura 49: Procesarea datelor în softul VRMesh

Rezultatul după procesare l-am atașat în figurile urmatoare.

Figura 50: Model 3D cu amprentele de la sol.

Amprenta de la sol apare deasupra acoperișului pentru a fi sesizabilă.

Figura 51: Modelul 3D și detaliile ramase în teren.

După cum se observă în figurile de mai sus, suparafața terenului nu reprezintă realitatea, de aceea următorul pas constă în realizarea mesh-ului terenului.

Obținerea mesh-ului terenului din norul de puncte .

Pentru reprezentarea realistică a terenului se va face mesh-ul din punctele atribuite terenului. Ulterior mesh-ului i se va aplica culoare vetrexului din RGB.

Pașii pentru obținerea mesh-ului terenului sunt următorii:

Din bara de activități se selecteaza „Feature Extraction”, după tastăm „Split Points”, în fereastra de parametri selectăm „Ground”, lăsăm căsuța cu ”Delete Selected Class” debifată și tastăm „Apply”.

Figura 52: Pașii divizării clasei de puncte Ground.

După divizare se creează mesh-ul din puncte, prin triangulare. Pașii pentru realizarea acestei operațiuni sunt:

Din bara de activități se selectează „Point Cloud”,

Tastăm „Point Cloud To Mesh Wizard”.

Figura 53: Crearea mesh-ului din puncte.

În secțiunea „Point Data From” bifăm „Current File”,

În secțiunea „Point Cloud to Mesh” bifăm parametrii:

Decimate Point Clouds,

Denoise Point Clouds,

Point Cloud to Mesh,

Decimation,

Seam Gasps,

Fill Holes,

Fill fjords.

Se tasteaza butonul „Batch”.

Acești parametri au fost setați în funcție de specificul terenului. Pe langă toți parametrii setați pentru crearea mesh-ului, acesta a urmat niște proceduri de nivelare și rărire a triungiurilor mesh-ului.

Rezulatul final al generării mesh-ului terenului se vede în figura 45.

Figura 54: Mesh-ul terenului non-RGB.

Pentru reprezentare modelului 3D al terenului în RGB, urmăm aceeași pași ca și la reprezentarea norului de puncte in RGB. Clic dreapta și selectăm „ Show Vertex Color”.

Figura 55: Mesh teren RGB

Obținerea mesh-ului construcțiilor din norul de puncte.

Un aspect foarte important în generarea automată a mesh-ului construcțiilor, constă în faptul că este posibil cu ușurință pentru o achiziție date LiDAR de la sol, sau de la sol combinat cu LiDAR aerian. Acest studiu de caz se bazează pe o achiziție de date LiDAR de pe un UAS, ceea ce face complicată texturarea automată a tuturor pereților, neavând informații suficiente(în formă de puncte) pe toți pereții.

Figura 56: Exemplu de lipsă de puncte pe pereți.

Pentru crearea mesh-ului construcțiilor se vor urma aceeași pași ca și in subcapitolul anterior, cu mici diferențe ținând cont de faptul că nu generăm mesh-ul unui teren.

Pașii urmați în această etapă sunt:

Din bara de activități se selectează „Point Cloud”,

Tastăm „Point Cloud To Mesh Wizard”.

În secțiunea „Point Data From” bifăm „Current File”,

În secțiunea „Point Cloud to Mesh” bifăm parametrii:

Decimate Point Clouds,

Denoise Point Clouds,

Point Cloud to Mesh.

După setarea tuturor parametrilor rezultat final este afișat în figura de mai jos.

Figura 57: Rezultatul generării mesh-ului construcțiilor.

Figura 58: Mesh-ul construcțiilor de aproape.

Texturarea automată și exemple de construcții texturate.

Pentru obținerea modelului 3D texturat, se unesc cele trei părți principale, realizate în subcapitolele anterioare, modelul 3D generat din amprenta de la sol, mesh-ul terenului și mesh-ul construcțiilor.

În figura de mai jos voi atașa, mesh-ul caldirilor și mesh-ul terenului, în culori reale-RGB.

Figura 59: Mesh-ul terenului și mesh-ul construcțiilor

În figura de mai sus se observă lipsa texturii pereților, aceasta se cauzeaza insuficienței punctelor în zona unor pereți laterali. Textura pereților se aplică pe modelul 3D generat din amprentele de la sol.

În figura de mai jos putem observa modelul 3D și textura acoperișurilor.

Figura 60: Modelul 3D și textura acoperișurilor.

În figura de mai sus, se observă unele îmbunatațiri vizuale în ceea ce privește modelul 3D, însă textura nu s-a îbunătațit, de aceea următorul pas constă în aplicarea texturii pe pereții modelului 3D în funcție de cei mai apropiați vertecși.

Figura 61: Pași aplicare textură pe pereți

Pașii pentru generarea texturii pe pereții exterior sunt:

Din bara de activități selectăm „Mark”;

Apoi tastăm butonul „Mark Brush”;

Din fereastra ce apare selectăm:

Vertex;

Pick Coloro On Surface;

Mark.

Rezultatul final al texturării se observă în figurile următoare.

Figura 62: Modelul 3D cu textură al zonei Pantelimon Hale.

Figura 63:Modelul 3D cu textură al zonei Pantelimon Hale.

În figurile ce urmează se vor prezenta câteva exemple de cladiri cu textură din apropiere. În aceste figuri se observa calitatea texturii și reprezentarea reală a acesteia.

Figura 64: Model 3D cu textură.

Figura 65: Model 3D cu textură.

Figura 66: Model 3D cu textură.

CONCLUZII.

LiDAR este o tehnologie care, actualmente are o mulțime de aplicații în prelucrarea datelor spațiale. Ușurința în utilizare, costul redus de implementare, precum și beneficiile aduse, popularizează această tehnologie și treptat o direcționează către recunoaștere internațională. De asemenea, automatizarea prelucrării datelor utilizând softuri de specialitate, precizia foarte bună și utilizarea acestei tehnologii, atât de la sol, cât și în mediu aerian, îi oferă acesteia dezvoltarea accelerată și aplicarea ei în tot mai multe domenii, spre exemplu:

se utilizează la autovehiculele autonome. Practic, senzorii LiDAR servesc drept ochii autovehiculului, care îi permit calcularea distanței precise a obstacolelor;

detectează particulele poluante de dioxid de carbon, dioxid de sulf și metan. Cercetătorii utilizează aceste informații pentru a crea harți cu densitatea poluării, care ulterior oferă guvernului posibilitatea de planificare corectă a orașelor;

în domeniul rutier LiDAR-ul se utilizează în special pentru, calcularea unghiului de vizibilitate și obținerea geometriei de aliniere a drumurilor pentru sarcinile de proiectare;

cartografierea liniilor electrice, a conductelor și a căilor ferate. Sistemul LiDAR furnizează informații corecte privind poziția firelor electrice, structurilor solului și vegetației de-a lungul coridorului liniilor electrice, astfel vegetația în exces poate fi eliminată înainte de a produce pagube;

în domeniu forestier LiDAR-ul este utilizat pentru a estima caracteristicile pădurii, cum ar fi înălțimea medie a copacilor, cantitatea de biomasă, volumul tulpinilor. Datele derivate pot fi utilizate pentru monitorizarea creșterii pădurilor și a daunelor provocate de furtuni sau incendii;

generarea automată a construcțiilor 3D, utilizând amprenta de la sol și texturarea acestora. Rezultatul final fiind modelul 3D al orașului, care are o multitudine de aplicații în managementul urban.

Un sistem LiDAR nu are dificultăți în a accesa și a studia chiar și cel mai dificil teren, rapid, eficient și fară a pune oameni în pericol, din acest motiv este foarte des utilizat în managementul dezastrelor, în comparație cu vehiculele aeriene cu pilot la bord.

Densitatea ridicată a punctelor, calitatea și rezoluția ridicată a imaginilor, transmiterea în timp real și ușurința utilizării autovehiculelor aeriene fară pilot, fac din sistemul UAS-LiDAR-Cameră Foto alegerea ideală pentru reprezentarea realistică a unei arii geografice.

Acest studiu de caz se bazează pe modelarea construcțiilor 3D cu textură utilizând tehnologiile LiDAR pe sisteme UAS, care este o abordare relativ nouă, însă destul de eficientă, în ceea ce privește automatizarea texturării, în special pentru zone mai mari. Spre deosebire de texturarea manuală a fiecărei fațade de construcții, sistemul UAS-LiDAR-Cameră Foto, la momentul de față are mai multe avantaje privind randamentul efectuării lucrării. Totuși, cea mai corectă metodă de generarea automată a modelului 3D cu textură pentru construcții este combinarea LiDAR-ului achiziționat de la sol cu cel achiziționat de pe un UAS. Norul de puncte obținut va avea informații, atât pentru parte superioară a construcției, cât și pentru pereții acesteia, însă această metodă nu este foarte eficientă din punct de vedere a timpului efectuării lucrărilor specifice terenului.

Generarea automată a construcțiilor 3D cu textură, utilizând sistemul LiDAR-UAS-Cameră Foto este foarte complicată, deoarece norul de puncte achiziționat de pe un UAS, are o densitatea ridicată a punctelor doar în parte superioară a construcțiilor, cu foarte mari lipsuri pe pereții construcțiilor, ceea ce face imposibilă texturarea automată a pereților. Există posibilitatea de generarea automată a modelului 3D utilizând amprentele construcțiilor de la sol și aproximând planurile acoperișurilor, însă modelul 3D vectorial, este o aproximare a construcției, care nu reprezintă în totalitate realitatea. De asemenea, modelul 3D generat din amprentele de la sol nu poate fi texturat, deoarece este un model vectorial din care nu se pot lua culorile reale a vertecșilor din norul de puncte RGB. Cea mai corectă abordare din punct de vedere a texturii și reprezentării realistice a construcțiilor, constă în crearea mesh-ului prin triangulare, care poate primi culoarea vertecșilor formați din puncte.

Unul dintre principalele criterii pentru producerea modelului 3D urban este de a crea modele cât mai realistice, atât în ​​geometrie, cât și în aspect. Texturile obținute din imagini optice sunt folosite pentru a oferi, rapid și economic, modele 3D corecte vizual. Există, de asemenea, cazuri în care modele de clădiri netexturate sunt în uz, deși, modelele 3D ar trebui să fie texturate acolo unde vizualizarea este în prim plan, iar utilizatorul trebuie să-și facă o idee despre zonă la prima vedere. Indiferent de nivelul de detaliu al geometriei lor, modelele orașelor 3D netexturate vor fi întotdeauna vizual incomplete.

BIBLIOGRAFIE