Оцінка якості тривимірної хмари точок промислових будівель на основі зображень планової та перспективної зйомки БПЛА

Рейтинг користувача:  / 0
ГіршийКращий 

Authors:


Као Суан Куонг, orcid.org/0000-0002-7405-9668, Ханойський університет гірничої справи та геології, м. Ханой, Соціалістична Республіка В’єтнам, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Ле Ван Кань, orcid.org/0000-0002-8113-9949, Ханойський університет гірничої справи та геології, м. Ханой, Соціалістична Республіка В’єтнам, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Фам Ван Тюнг, orcid.org/0000-0002-6446-7860, Ханойський університет гірничої справи та геології, м. Ханой, Соціалістична Республіка В’єтнам, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Ле Дук Тінь, orcid.org/0000-0002-0022-3453, Ханойський університет гірничої справи та геології, м. Ханой, Соціалістична Республіка В’єтнам, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Фам Трунг Дунг, orcid.org/0000-0002-9474-3723, Ханойський університет гірничої справи та геології, м. Ханой, Соціалістична Республіка В’єтнам, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

Нго Су Куонг, orcid.org/0000-0002-9466-7564, Корпорація природних ресурсів і навколишнього середовища В’єтнаму, м. Ханой, Соціалістична Республіка В’єтнам


повний текст / full article



Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2021, (5): 131 - 139

https://doi.org/10.33271/nvngu/2021-5/131



Abstract:



Мета.
Основна мета даної роботи – оцінити якість 3D-моделі промислових будівель, створеної на основі ряду даних безпілотних літальних апаратів (БПЛА), включаючи дані БПЛА у плановій зйомці (надир (Н)), у перспективній зйомці (П), а також у плановій і перспективній зйомці (Н + П).


Методика.
Якість 3D-моделі визначається точністю та щільністю хмар точок, створених на основі зображень БПЛА. Із цією метою БПЛА був розгорнутий для отримання зображень у режимах польоту як планової, так і перспективної зйомки над промисловим районом видобутку корисних копалин, що містить вежу шахти, заводські корпуси та офісні будівлі. Оцінка якості проводилася для тривимірної моделі хмари точок трьох основних об’єктів, таких як дахи, фасади й поверхні землі, з використанням хмар контрольних точок (КТ) і наземного лазерного сканування (НЛС) в якості еталонних наборів даних. Середньоквадратичне похибки (СКП) були розраховані з використанням координат КТ, а відстані від хмари до хмари були розраховані з використанням хмар точок НЛС, що застосовувалися для оцінки точності.


Результати.
Результати показали, що модель хмари точок, створена в режимі польоту Н, була найбільш точною, але найменш щільною, тоді як модель у режимі П показала найменш точний, але найбільш деталізований рівень у порівнянні з іншими. Крім того, комбінація наборів даних П і Н дає переваги окремого режиму, оскільки точність хмари точок вище, ніж у разі П, а його щільність набагато вище, ніж у разі Н. Отже, вона оптимальна для створення виключно точних і щільних хмар точок будівель.


Наукова новизна.
У роботі проводиться порівняльний аналіз якості хмари точок дахів і фасадів, створеного за допомогою фотограмметрії БПЛА для виробничих будівель гірничої промисловості.


Практична значимість.
Результати дослідження можуть бути використані в якості довідкових матеріалів як для практики дослідження БПЛА, так і для додатків хмари точок БПЛА. У роботі представлена корисна інформація для планування польотів БПЛА, або того, які точки БПЛА слід інтегрувати в точки НЛС для отримання найкращої хмари точок.


Ключові слова:
БПЛА, перспективний, надир, 3D-мо­де­лю­вання, наземне лазерне сканування, оцінка якості

References.


1. Cilek, A., Donmez, C., & Ünal, M. (2020). Generation of High-Resolution 3-D Maps for Landscape Planning and Design Using UAV Technologies. Journal of Digital Landscape Architecture, 5(1), 275-284.

2. La, H.P. (2019). Web–based visualization of 3D city model using open source tools for urban planning (in Vietnamese). Journal of Mining and Earth Sciences, 60(2), 77-87.

3. Kalinichenko, V., Dolgikh, O., Dolgikh, L., & Pysmennyi, S. (2020). Choosing a camera for mine surveying of mining enterprise facilities using unmanned aerial vehicles. Mining of Mineral Deposits, 14(4), 31-39. https://doi.org/10.33271/mining14.04.031.

4. Urech, P. R. W., Dissegna, M. A., Girot, C., & Grêt-Regamey, A. (2020). Point cloud modeling as a bridge between landscape design and planning. Landscape and Urban Planning, 203, 103903. https://doi.org/10.1016/j.landurbplan.2020.103903.

5. Van Сanh, L., Xuan Cuong, C., Quoc Long, N., Thi Thu Ha, L., Trung Anh, T., & Bui, X.N. (2020). Experimental Investigation on the Performance of DJI Phantom 4 RTK in the PPK Mode for 3D Mapping Open-Pit Mines. Inżynieria Mineralna, 1(2), 65-74. https://doi.org/10.29227/IM-2020-02-10.

6. Long, N., Nam, B., Cuong, C., & Canh, L. (2019). An approach of mapping quarries in Vietnam using low-cost Unmanned Aerial Vehicles. Sustainable Development of Mountain Territories, 11(2), 199-210. https://doi.org/10.21177/1998-4502-2019-11-2-199-210.

7. Long, N. Q., Buczek, M. M., Hien, L. P., Szlapińska, S. A., Nam, B. X., Nghia, N. V., & Cuong, C. X. (2018). Accuracy assessment of mine walls’ surface models derived from terrestrial laser scanning. International Journal of Coal Science & Technology, 5(3), 328-338. https://doi.org/10.1007/s40789-018-0218-1.

8. Nguyen, L. Q. (2021). Accuracy assessment of open – pit mine’s digital surface models generated using photos captured by Unmanned Aerial Vehicles in the post - processing kinematic mode. Journal of Mining and Earth Sciences, 62(4), 38-47. https://doi.org/10.46326/JMES.2021.62(4).05.

9. Nguyen, Q. L., Le, T. T. H., Tong, S. S., & Kim, T. T. H. (2020). UAV Photogrammetry-Based For Open Pit Coal Mine Large Scale Mapping, Case Studies In Cam Pha City, Vietnam. Sustainable Development of Mountain Territories, 12(4), 501-509. https://doi.org/10.21177/1998-4502-2020-12-4-501-509.

10. Nguyen, Q. L., Ropesh, G., Bui, K. L., Le, V. C., Cao, X. C., Pham, V. C., Bui, N. Q., & Xuan-Nam, B. (2020). Influence of Flight Height on The Accuracy of UAV Derived Digital Elevation Model at Complex Terrain. Inżynieria Mineralna, 1(45), 179-186. https://doi.org/10.29227/IM- 2020-01-27.

11. Nguyen, Q. L., Ropesh, G., Bui, K. L, Cao, X. C., Le, V. C., Nguyen, Q. M., & Xuan-Nam, B. (2021). Optimal Choice of the Number of Ground Control Points for Developing Precise DSM Using Light-Weight UAV in Small and Medium-Sized Open-Pit Mine. Archives of Mining Sciences,  66(3), 369-384. https://doi.org/10.24425/ams.2021.138594.

12. Nesbit, P. R., & Hugenholtz, C. H. (2019). Enhancing UAV–SfM 3D Model Accuracy in High-Relief Landscapes by Incorporating Oblique Images. Remote Sensing, 11(3), 239. https://doi.org/10.3390/rs11030239.

13. Vacca, G., Dessì, A., & Sacco, A. (2017). The Use of Nadir and Oblique UAV Images for Building Knowledge. ISPRS International Journal of Geo-Information, 6(12), 393. https://doi.org/10.3390/ijgi6120393.

14. Aicardi, I., Chiabrando, F., Grasso, N., Lingua, A. M., Noardo, F., & Spanò, A. (2016). UAV photogrammetry with oblique images: first analysis on data acquisition and processing. International archives of the photogrammetry, remote sensing and spatial information sciences, XLI-B1, 835-842. https://doi.org/10.5194/isprsarchives-xli-b1-835-2016.

15. Bemis, S. P., Micklethwaite, S., Turner, D., James, M. R., Akciz, S., Thiele, S. T., & Bangash, H. A. (2014). Ground-based and UAV-Based photogrammetry: A multi-scale, high-resolution mapping tool for structural geology and paleoseismology. Journal of Structural Geology, 69, 163-178. https://doi.org/10.1016/j.jsg.2014.10.007.

16. Markelin, L., Honkavaara, E., Näsi, R., Nurminen, K., & Hakala, T. (2014). Geometric processing workflow for vertical and oblique hyperspectral frame images collected using UAV. International archives of the photogrammetry, remote sensing and spatial information sciences, XL-3, 205-210. https://doi.org/10.5194/isprsarchives-xl-3-205-2014.

17. Harwin, S., Lucieer, A., & Osborn, J. (2015). The Impact of the Calibration Method on the Accuracy of Point Clouds Derived Using Unmanned Aerial Vehicle Multi-View Stereopsis. Remote Sensing, 7(9), 11933-11953. https://doi.org/10.3390/rs70911933.

18. Lingua, A., Noardo, F., Spanò, A., Sanna, S., & Matrone, F. (2017). 3D model generation using oblique images acquired by UAV. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-4/W2, 107-115. https://doi.org/10.5194/isprs-archives-xlii-4-w2-107-2017.

19. Russo, M., Carnevali, L., Russo, V., Savastano, D., & Taddia, Y. (2019). Modeling and deterioration mapping of façades in historical urban context by close-range ultra-lightweight UAVs photogrammetry. International journal of architectural heritage, 13(4), 549-568. https://doi.org/10.1080/15583058.2018.1440030.

20. Pepe, M., Fregonese, L., & Crocetto, N. (2019). Use of SfM-MVS approach to nadir and oblique images generated through aerial cameras to build 2.5D map and 3D models in urban areas. Geocarto International, 1-22. https://doi.org/10.1080/10106049.2019.1700558.

21. Marcisz, M., Probierz, K., & Ostrowska-Łach, M. (2018). 3D representation of geological observations in underground mine workings of the Upper Silesian Coal Basin. Journal of Sustainable Mining, 17(1), 34-39. https://doi.org/10.1016/j.jsm.2018.01.001.

22. Lowe, D. G. (2004). Distinctive Image Features from Scale-Invariant Keypoints. International Journal of Computer Vision, 60(2), 1-110. https://doi.org/10.1023/B:VISI.0000029664.99615.94.

23. Furukawa, Y., & Ponce, J. (2010). Accurate, Dense, and Robust Multiview Stereopsis. IEEE Transactions on Pattern Analysis and Machine Intelligence, 32(8), 1362-1376. https://doi.org/10.1109/TPAMI.2009.161.

24. Furukawa, Y., Curless, B., Seitz, S. M., & Szeliski, R. (2010). Towards Internet-scale multi-view stereo. IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1434-1441. https://doi.org/10.1109/CVPR.2010.5539802.

25. Shi, X., Liu, T., & Han, X. (2020). Improved Iterative Closest Point (ICP) 3D point cloud registration algorithm based on point cloud filtering and adaptive fireworks for coarse registration. International Journal of Remote Sensing, 41(8), 3197-3220. https://doi.org/10.1080/01431161.2019.1701211.

26. Rossi, P., Mancini, F., Dubbini, M., Mazzone, F., & Capra, A. (2017). Combining nadir and oblique UAV imagery to reconstruct quarry topography: methodology and feasibility analysis. European Journal of Remote Sensing, 50(1), 211-221. https://doi.org/10.1080/22797254.2017.1313097.

27. Rittersbacher, A., Buckley, S. J., Howell, J. A., Hampson, G. J., & Vallet, J. (2014). Helicopter-based laser scanning: a method for quantitative analysis of large-scale sedimentary architecture. Geological Society, London, 185-202. https://doi.org/http://dx.doi.org/10.1144/SP387.3/.

 

Наступні статті з поточного розділу:

Попередні статті з поточного розділу:

Відвідувачі

6237932
Сьогодні
За місяць
Всього
2386
64609
6237932

Гостьова книга

Якщо у вас є питання, побажання або пропозиції, ви можете написати їх у нашій «Гостьовій книзі»

Реєстраційні дані

ISSN (print) 2071-2227,
ISSN (online) 2223-2362.
Журнал зареєстровано у Міністерстві юстиції України.
Реєстраційний номер КВ № 17742-6592ПР від 27.04.2011.

Контакти

49005, м. Дніпро, пр. Д. Яворницького, 19, корп. 3, к. 24 а
Тел.: +38 (056) 746 32 79.
e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.
Ви тут: Головна Про журнал редакційна колегія UkrCat Архів журналу 2021 Зміст №5 2021 Оцінка якості тривимірної хмари точок промислових будівель на основі зображень планової та перспективної зйомки БПЛА