چکیده:
در سال های اخیر به دلیل برتری از نظر هزینه و زمان نسبت به سایر روش ها شاهد پیشرفت روزافزون کاربرد پرنده های بدون سرنشین در کاربردهای متنوعی از جمله علوم زمین، منابع طبیعی، مطالعات محیطی، برنامه ریزی شهری می باشیم. در کنار این مزایا، استفاده از پرنده های بدون سرنشین با چالش هایی مانند هندسه ناپایدار تصویربرداری، عدم استفاده از دوربین های متریک و متغیر بودن پارامترهای تصاویر همراه است. در این پژوهش تکنیک های علم بینایی کامپیوتر برای پردازش تصاویر تهیه شده توسط هواپیمای بدون سرنشین بررسی و کارایی این تصاویر و تکنیک ها برای تولید مدل رقومی ارتفاع با قدرت تفکیک مکانی بالا بررسی شده است. بدلیل وجود شرایط ذکر شده برای تصویربرداری و عدم وجود پارامترهای توجیه داخلی و خارجی از عملگر SIFT برای استخراج نقاط گره ای در مناطق مشترک تصاویر استفاده شده است. توجیه نسبی و مطلق تصاویر به ترتیب با استفاده از نقاط گره ای و نقاط کنترل زمینی انجام شده است. از الگوریتم تناظریابی سه بعدی متراکم، ابر نقاط متراکم ایجاد و با درونیابی به روش مثلث بندی نامنظم، سطح رقومی منطقه تشکیل شده است. در نهایت با استفاده از نقاط چک زمینی، دقت زمین مرجع کردن و مدل رقومی سطح نهایی ارزیابی شده است. تعداد ۵۸۵۳ نقطه گره ای به صورت اتوماتیک توسط عملگر SIFT استخراج و تصاویر با دقت مسطحاتی ۱۲/۲۱ سانتی متر زمین مرجع شدند. سپس با تولید میلیون ها نقطه و مثلث بندی نامنظم، مدل رقومی ارتفاعی با دقت ارتفاعی ۲۵/۱۹ سانتی متر تولید شد. نتایج این پژوهش نشان می دهد که بدلیل هندسه ناپایدار تصویربرداری و متغیر بودن پارامترها برای تصاویر، تلفیق الگوریتم SIFT با تکنیک های بینایی کامپیوتر در پردازش تصاویر پهباد برای استخراج نقاط گره ای و توجیه دقیق تصاویر ضروری است.
Recently, due to the predominance in terms of the time and the cost, the drones are dramatically developing and their applications getting more widespread in various fields such as earth science, natural resources, environmental studies and urban planning. However, applying such drones suffers from several disadvantages, inter alia, the imaging unstable geometry, not using metric cameras as well as images’ variable parameters. In this study, computer vision science techniques for processing prepared images of the drone were precisely investigated and the performance of these images and techniques for producing a surface Elevation model with a high spatial resolution was investigated. Due to mentioned problems for the imaging and the absence of internal and external justifying parameters, the SIFT operator was used in order to extract nodal points in the shared areas of images. The relative and absolute justification of images are performed by using nodal points and land control points, respectively. The cloud of dense points was created through a dense three-dimensional matching algorithm and by using triangulated irregular interpolation methods area digital surfaces are formed. Finally, by using land checkpoints, the accuracy of the georeferencing and the final surface digital model were assessed. 5853 nodal points were automatically extracted by the SIFT operator and images were georeferenced with a surface accuracy of 21/12 cm. Then, by creating millions of points and triangulated irregular network, the height digital model with a height accuracy of 19/25 cm was created. Results of the current study indicate that due to the imaging unstable geometry and variable parameters for images, the combination of the SIFT algorithm with computer vision techniques in processing the UAV images in order to extract nodal points and to precisely justify images, are necessary.
خلاصه ماشینی:
نتايج اين پژوهش نشان مي دهد که بدليل هندسه ناپايدار تصويربرداري و متغير بودن پارامترها براي تصاوير، تلفيق الگوريتم SIFT با تکنيک هاي بينايي کامپيوتر در پردازش تصاوير پهباد براي استخراج نقاط گره اي و توجيه دقيق تصاوير ضروري است .
DSM دقيق با وضوح بالا در انواع مختلف فعاليت ها از ساختار عارضه ، برداشت نقاط بعضا غيرضروري و دشواري جمله مدلسازي و شبيه سازيهاي مربوط به ارتفاع در سطح تشخيص لبه ها در ابر نقاط توليد شده در مقايسه با روش زمين ، محاسبات مربوط به خاکبرداري و خاکريزي، نقشه فتوگرامتري استفاده از اين تکنولوژي را محدود کرده است .
-uzNz. oLe&e UTM زون ٤٠ شمالي سيستم مختصات 7 Nagai, Melgani, 2014; Wang, Shi, Zhang, & Liu, ;2008 سطح آبهاي آزاد ديتوم 8 Zhang, ;Chen, Shibasaki, Kumagai, & Ahmed, 2009 .
شکل (٢): موقعيت نقاط کنترل در منطقه پارامترهاي تصوير هوايي بسته نرم افزار عددي Agisoft PhotoScan از الگوريتم هاي دوربين بينايي کامپيوتر براي زمين مرجع کردن استفاده ميکند توليد DSM Georeferencing Agisoftبا بهرهگيري از اپراتور SIFT نقطه هاي مشترک را تصوير تناظريابي توجيه داخلي در عکس ها جستجو کرده و آنها را با يکديگر متناطر ميکند و ابر نقاط پراکنده در مناطق مشترک تصاوير ايجاد ميشود.
موقعيت دقت مدل رقومي سطح ايجاد شده با استفاده از نقاط چک دوربين در لحظه تصويربرداري از منطقه براي ٤ تصوير مورد زميني ارزيابي شده است که نتايج حاصل از ارزيابي دقت به نظر به صورت شکل (٩) است .