การสร้างคลาวด์พอยต์เมตริกของวัตถุจากภาพถ่ายแบบกระจายที่นี่: การสร้างแบบจำลอง 3 มิติที่แม่นยำของการสร้างโดยใช้ภาพถ่าย UAV หรือไม่

มีวิธีสร้างคลาวด์พอยต์โฟโตเมตริกจากชุดภาพถ่ายที่มีการกระจายหนาแน่นของวัตถุหรือไม่?

การประยุกต์ใช้:

ฉันกำลังพยายามตรวจสอบว่าการสร้างแบบจำลอง 3 มิติ (จุดเมฆ) ด้านนอกของอาคารจากภาพถ่าย UAV (Phantom 3 Pro) จะเป็นทางเลือกที่เหมาะสมในการใช้ Terrestrial Laser Scanner (TLS) เพื่อสร้างจุดเมฆ UAV มีกล้อง 12 ล้านพิกเซลและ GPS

จุดมุ่งหมายคือบิน UAV ไปรอบ ๆ อาคารที่ถ่ายภาพในระยะใกล้และสร้างคลาวด์พอยต์จากซอฟต์แวร์จับคู่ภาพที่หนาแน่น (หวังว่า Pix4D) แผนการคือการถ่ายภาพขีดตกต่ำสุดและมุมเอียงที่มองลงไปที่ตึก แต่ฉันจะพยายามที่จะบินด้วยความสูงต่ำและถ่ายภาพตรงและเอียงไปทางหน้าต่างชายคาและอื่น ๆ เพื่อจับรายละเอียดให้มากที่สุด

Pix4D ทำโครงการที่เรียกว่าChillon Projectซึ่งพวกเขาทำสิ่งที่คุณต้องการทำอย่างแน่นอน

นี่คือการเชื่อมโยงไปของพวกเขาโครงการบน YouTube

นอกจากนี้พวกเขาไม่เพียง แต่พึ่ง UAV เพื่อจับภาพ แต่ใช้ภาพถ่ายภาคพื้นดินที่ถ่ายโดยใช้อุปกรณ์พกพาเช่น Go Pros และสมาร์ทโฟน

ผลลัพธ์นั้นยอดเยี่ยมจริงๆ!

ฉันเคยทำสิ่งนี้มาก่อนด้วยความสำเร็จในการใช้ Photosynth Toolkit ( http://www.visual-experiments.com/demos/photosynthtoolkit/ ) ยกเว้นแทนที่จะเป็นเสียงพึมพำ ย่านใจกลางเมืองของเมืองเล็ก ๆ คุณสามารถตรวจสอบ Visual SFM ( http://ccwu.me/vsfm/ ); ฉันไม่ได้ใช้มัน แต่ดูเหมือนว่าจะเป็นอีกเครื่องมือหนึ่งในการทำงานเดียวกันให้สำเร็จ

ฉันเพิ่งได้เสียงพึมพำด้วยเช่นกันและตั้งใจจะใช้วิธีการทั้งสองนี้ในโครงการเดียวกัน ฉันจะโพสต์ตัวอย่างของโครงการชุดเครื่องมือ photosynth เมื่อฉันมีโอกาส

แก้ไข: นี่คือตัวอย่างของผลลัพธ์ของ Photosynth Toolkit (ตามที่ดูใน MeshLab http://meshlab.sourceforge.net/ )

นี่คือข้อมูลจุดเมฆ (พร้อมข้อมูลสี) ซึ่งเป็นผลมาจากภาพถ่ายทางอากาศจำนวนมากที่ฉันถ่ายจากเครื่องบิน ฉันจัดกลุ่มรูปภาพเพื่อมุ่งเน้นไปที่การประมวลผลคลาวด์พอยต์ครั้งละหนึ่งบล็อกซึ่งเป็นสาเหตุว่าทำไมหนึ่งบล็อกจึงมีความหนาแน่นมากกว่าส่วนที่เหลือ

นี่คือคลาวด์จุดเดียวกันกับเครือข่ายที่ผิดปกติซึ่งมีการวิเคราะห์แบบสามเหลี่ยมซ้อนทับอยู่ด้านบน มันไม่สมบูรณ์แบบ แต่เป็นการสร้างใหม่ที่ยอดเยี่ยม

ดังนั้นในการตอบคำถามของคุณว่าการใช้ UAV เพื่อสร้างจุดข้อมูลคลาวด์นั้นเป็นทางเลือกใหม่สำหรับสแกนเนอร์เลเซอร์ภาคพื้นดินใช่หรือไม่!

โปรดทราบว่าวิธีการแบบอัตโนมัติสำหรับการต่อภาพเข้าด้วยกันทำงานได้ไม่ดีในสภาพแสงที่มีคอนทราสต์สูง หากอาคารด้านหนึ่งของคุณอยู่ในแสงแดดขณะที่อีกด้านหนึ่งอยู่ในที่ร่มคุณอาจมีปัญหาในการจัดเรียงรูปภาพ เวลาที่ดีที่สุดในการถ่ายภาพแบบนั้นคือเมื่อมีเมฆมาก เมฆช่วยกระจายแสงอาทิตย์ทำให้แสงสว่างมากขึ้น / สม่ำเสมอ

หากแสงของคุณดีคุณสามารถถ่ายภาพในระยะใกล้เพื่อหาชุดข้อมูลเมฆที่มีรายละเอียดมาก คุณสามารถเห็นได้จาก TIN ด้านบนว่ามีเส้นอยู่ทางด้านซ้ายที่ดูเหมือนว่ามันเคลื่อนจากพื้นดินสู่อวกาศ นั่นเป็นค่าผิดปกติที่ไม่ได้ลบออกจากชุดข้อมูล สิ่งหนึ่งที่คุณควรพิจารณาคือวิธีการปรับข้อมูลคลาวด์ให้ราบรื่น / กำจัดค่าผิดปกติอาจใช้การวิเคราะห์เพื่อนบ้านที่ใกล้ที่สุด

หากคุณถ่ายภาพอาคารอย่างใกล้ชิดคุณอาจต้องการวางเป้าหมายไว้ในอาคารเพื่อช่วยเชื่อมโยงรูปภาพเข้าด้วยกัน หากคุณใช้เป้าหมายตรวจสอบให้แน่ใจว่าแต่ละภาพไม่ซ้ำกันเพื่อให้รูปถ่ายไม่ตรงกับตำแหน่งที่ไม่ถูกต้องและคุณควรพยายามรับเป้าหมาย 2/3 ในแต่ละภาพ หากคุณมีเป้าหมายอยู่บนพื้นดินคุณสามารถใช้การอ่าน GPS ในแต่ละจุดเพื่อระบุตำแหน่งทางภูมิศาสตร์ของชุดข้อมูลจุดเมฆของคุณเพื่อให้การวัดใด ๆ ที่คุณได้รับจากสิ่งปลูกสร้างนั้นจะแสดงถึงการวัดในโลกแห่งความเป็นจริง

หากคุณต้องการตรวจสอบข้อมูลอ้างอิงจุดเมฆของคุณดูที่คู่มือเชิงลึกของ Mark Willis ( http://palentier.blogspot.com/2010/12/how-to-create-digital-elevation-model.html ) . มันเป็นบล็อกเก่า ๆ แต่วิธีการนั้นดีมาก

แก้ไข 2: ความคิดเห็นล่าสุด: ตรวจสอบให้แน่ใจว่าคุณกำลังใช้กล้องโดยไม่มีการบิดเบือนมาก ยกตัวอย่างเช่น GoPro เป็นกล้องตัวเล็ก ๆ ที่ยอดเยี่ยมที่จะใส่โดรน แต่การบิดเบือนที่สำคัญที่เกิดจากเลนส์มุมกว้างทำให้ไม่สามารถใช้ GoPro มาตรฐานสำหรับโครงการโฟโตแกรมเมทริก มีวิธีแก้ไขปัญหานี้ แต่อาจต้องแยก GoPro ของคุณ: http://www.peauproductions.com/collections/survey-and-ndvi-cameras

Peau Productions จำหน่ายกล้อง GoPro ที่ได้รับการดัดแปลงด้วยเลนส์ที่แตกต่างกันซึ่งมีความผิดเพี้ยนน้อยกว่าเลนส์ที่มาพร้อมกับกล้อง พวกเขายังขายเลนส์ด้วยถ้าคุณพร้อมที่จะดัดแปลงกล้องของคุณเอง

แก้ไข: ฉันรู้ว่านี่เป็นคำถามเก่า แต่คิดว่าฉันจะแบ่งปัน OpenDroneMap ซึ่งเป็นเครื่องมือโอเพนซอร์ซที่จะทำโครงการนี้อย่างแน่นอนhttp://opendronemap.org/

ฉันคิดว่าวิธีในการทำเช่นนี้คือVisualSFMเพื่อทำการจับคู่รูปภาพ (ยิ่ง GPU ยิ่งแข็งแกร่งยิ่งดี) และสร้างจุดเมฆหนาแน่นและMeshLabเพื่อสร้างแบบจำลองสามเหลี่ยมพื้นผิวจากจุดเมฆ

VisualSFM:

http://ccwu.me/vsfm/

http://ptak.felk.cvut.cz/sfmservice/websfm.pl?menu=cmpmvs (cp. โดยเฉพาะเว็บไซต์ 'เทคโนโลยี' และเอกสารอ้างอิงถึงที่นั่น)

MeshLab:

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

ดูวิธีใช้ / แอปพลิเคชันของ HowTo บางอย่าง (แม้แต่ 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

- https://www.mapsmadeeasy.com/point_estimatorคุณสามารถใช้สิ่งนี้เพื่อสร้างแผนการบินตั้งค่าตัวแปรเป็นสิ่งที่คุณต้องการให้แน่ใจว่าเลือก Inspire / phantom 3 เป็นกล้องใกล้กับด้านล่างคุณสามารถส่งออกแผนนี้เป็น kml สำหรับ apm .

หรือถ้าคุณมีความชำนาญมากขึ้นคุณสามารถใช้ซอฟต์แวร์ gis ที่คุณเลือกเพื่อสร้างเส้นทางการบิน kml grid เพื่ออัพโหลดไปยังลิ้นจี่ในขั้นตอนต่อไปนี้

- https://flylitchi.com/สำหรับการวางแผนการบินอัปโหลด kml ของคุณไปยังศูนย์กลางภารกิจจาก mapsmadeeasy ตรวจสอบให้แน่ใจว่าได้เปลี่ยนความสูงของเที่ยวบินมันลื่นจริง ๆ และช่วยให้ภารกิจ waypoint ดีเยี่ยม

- ตอนนี้คุณสามารถบินภารกิจของคุณด้วยการตั้งค่ากล้องที่คุณเลือก

-post Mission ใช้ lightroom เพื่อแก้ไขความผิดเพี้ยน (การบิดเบือนเหมือนกับแรงบันดาลใจ 1) http://www.inspirepilots.com/threads/inspire-camera-lens-correction-profiles.1270/ , ถ้าคุณข้ามขั้นตอนนี้แบบจำลองระดับความสูงของคุณจะมี ผลเว้าชนิดหนึ่ง

- สำหรับการประมวลผล sfm ฉันขอแนะนำให้ลองทำแผนที่ง่าย ๆ เช่นกันพวกเขาให้คุณใช้ gcp และใช้ระบบจุดตามจุดฟรีที่จุดเริ่มต้นและงานเล็ก ๆ ฟรี

เนื่องจากคำถามหลักคือการสร้างวัตถุขนาดใหญ่ 3 มิติโดยใช้ชุดของภาพที่ได้รับจาก UAV จึงมีผลิตภัณฑ์ซอฟต์แวร์จำนวนน้อยที่จัดการกับงานได้อย่างมาก พวกเขาคือ Pix4D, PixProcessing, Agisoft, CapturingReality และอื่น ๆ พวกเขาทั้งหมดสามารถประมวลผลชุดภาพถ่ายได้อย่างสมบูรณ์แบบเพื่อให้ได้รายละเอียดแบบจำลอง 3 มิติของวัตถุซึ่งมีจุดเมฆและออร์โทโฟโต้สำหรับการคำนวณเพิ่มเติมหรือส่งออก ไฟล์ในรูปแบบที่ให้ไว้ UAV ที่มาพร้อมกับ GPS ระดับผู้บริโภคอาจต้องการข้อมูลจำเพาะเพิ่มเติมของข้อมูลพิกัดหากจำเป็นต้องดำเนินการตรวจวัดที่แม่นยำยิ่งขึ้น ดังนั้นเพื่อให้มีความแม่นยำสูงพิเศษสามารถใช้อุปกรณ์ GPS ระดับมืออาชีพได้ และตัวเลือกนั้นอนุญาตการอ้างอิงทางภูมิศาสตร์ที่แม่นยำสูงของโมเดลที่สร้างขึ้นใหม่หากได้รับข้อมูลพิกัดเพิ่มเติมเพื่อหลีกเลี่ยงข้อผิดพลาดที่เกิดขึ้นเนื่องจากการเปลี่ยนแปลงระดับโลก ในทางตรงกันข้ามหากการระบุตำแหน่งทางภูมิศาสตร์และการอ้างอิงทางภูมิศาสตร์เป็นตัวเลือกและไม่ใช่เป้าหมายของโครงการข้อมูล GPS ของ Phantom จะให้ข้อมูลที่เพียงพอต่อการดำเนินการ ในการสรุปซอฟต์แวร์ชื่อด้านบนเป็นทางเลือกที่สำคัญสำหรับ TLS