U UAV 1 Francesco Mancini , Marco Dubbini 1 3 S 2,3 M 3 , Mario Ga elli , Francesco Stecchi DICATECh, Politecnico di Bari, via Edoardo Orabona 4, 70125 Bari; ee‐‐mail: f.mancini@poliba.it SAL Engineering, via Vi orio Veneto 2, 41124 Modena; ee‐‐mail: mga elli@salengineering.it 4 2 4 DiSCi, Università di Bologna, Piazza San Giovanni in Monte 2, 40124 Bologna; ee‐‐mail: marco.dubbini@unibo.it BiGeA, Università di Bologna, via Sant’Alberto 163, 48123 Ravenna; ee‐‐mail: francesco.stecchi2@unibo.it 1. Mo vazioni e area di studio La disponibilità di modelli al metrici ad alta risoluzione rappresenta un elemento di crescente interesse negli studi rela vi ai processi in ambiencos eri. Tu avia, in tali contes le procedure di rilevamento risultano problema che a causa della carenza di riferimen topografici permanen e delle difficoltà riscontrate nello stazionamento della strumentazione. Per tali mo vi i metodi aerei in grado di produrre da tridimensionali ad alta risoluzione spaziale ed elevata accuratezza ver cale possono rappresentare una valida scelta (Harwin & Lucieer 2012). Tali mo vazioni hanno condo o alla sperimentazione di tecniche Structure from Mo on (SfM) applicate a riprese aeree di ambien cos eri o enute da pia aforma UAV (Unmanned Aerial Vehicle) mul rotore. L’ogge o di studio è rappresentato da un complesso sistema dunosocos ero situato in un tra o di litorale emiliano-romagnolo nella provincia di Ravenna. Per validare il modello al metrico delle superfici (DSM), o enuto tramite UAV-SfM, i risulta sono sta confronta con quelli forni da rilevamento con Laser Scanner Terrestre (LST) e GNSS. Tu i da disponibili sono sta acquisi nell’arco temporale di poche ore. 2. I da GNSS per l’orientamento e la validazione dei risulta o enu con UAV UAV‐‐SfM e LST Localizzazione dell’area di studio e principali cara eris che degli ambien co‐ 3. Dense Point Cloud ReconstrucƟon e validazione Il primo prodo o è rappresentato dalla nube di pun sparsi o enuta con so ware PhotoScan dopo l’operazione di matching tra le sovrabbondan immagini disponibili ed adjustment basato su GCP ar ficiali. La densità media dei pun rileva varia in funzione delle cara eris che dell’ambiente rappresentato. L’elevata risoluzione delle immagini garan sce il successo del matching anche in situazione di scarso contrasto. Ai fini della validazione, ques risulta sono sta confronta con la nube di pun o enuta grazie al contemporaneo rilevamento con LST. L’operazione ha fornito differenze di quota medie di 0.05 m (sqm = 0.19 m) tra pun di posizione prossima (max 10 cm in planimetria). Geometria di acquisizione dei pun GNSS di supporto all’orientamento e validazione dei risulta : GCP, Ground Control Points; VT. Ver cal Targets; VP, Valida on Points. 4. Interpolazione delle nuvole di pun UAV e LST: validazione e confronto Nelle discipline della geomorfologia cos era è di maggiore interesse l’u lizzo di superfici con spaziatura regolare, o enute dopo interpolazione, che possono essere introdo e nei modelli disponibili per la cara erizzazione dei processi cos eri. Tra ques si possono citare i fenomeni di migrazione della duna, di erosione o sedimentazione e di budge ng cos ero o enibile dall’analisi mul -temporale di superfici. Per ques prodo risulta estremamente importante una valutazione della qualità dei risulta . Con tale finalità i prodo di interpolazione dei da UAV e LST sono sta confronta con le quote o enute tramite rilevamento GNSS (NRTK). In entrambi i casi il confronto ha fornito differenze nell’ordine del cen metro e (sqm = 0.110 m). Densità dei pun forni dall’analisi in corrispondenza di ambien cara eris ci del sistema dunoso. A sinistra l’ortofoto o e‐ nuta come prodo o dell’analisi. A sinistra: confronto tra quote UAV UAV‐‐SfM e GNSS; a destra confronto fra quote UAV UAV‐‐SfM e Laser Sscanner Terrestre. Il confronto punto-a-punto fra le superfici ha fornito discrepanze medie di 0.015 m (sqm = 0.220 m). Tale confronto evidenzia ancora la zona con significa ve differenze tra le superfici. La verifica effe uata grazie alle quote GNSS evidenzia carenze nel DSM o enuto grazie alle acquisizioni con LST. Confronto tra nubi di pun fornite dai metodi UAV UAV‐‐SfM e Laser Sscanner Terrestre. Il confronto evidenzia un’area dove i due risulta differiscono in modo significa vo (fino a due metri). Quest’area è anche una di quelle più complesse da un punto di vista morfologico. BIBLIOGRAFIA Mancini F, Dubbini M, Ga elli M, Stecchi F, Fabbri S, Gabbianelli G. 2013. Using Unmanned Aerial Vehicles (UAV) for High High-Resolu on Reconstruc on of Topography: The Structure from Mo on Approach on Coastal Environments. Remote Sensing 5 (12):6880 (12):6880--6898. Harwin S, Lucieer A. 2012. Assessing the Accuracy of Georeferenced Point Clouds Produced via Mul -View Stereopsis from Unmanned Aerial Vehicle (UAV) Imagery. Remote Sensing 4(6), 1573 1573--1599. In defini va, il metodo basato su rilevamento con pia aforma UAV ed analisi dei da con tecniche di SfM ha prodo o risulta di accuratezza confrontabile con quelli o enu tramite il più tradizionale metodo del LST. Ulteriori aspe discussi in questo lavoro sono contenu in Mancini et al. (2013). Confronto tra le superfici (spaziatura 20 cm) fornite dai metodi UAV UAV‐‐SfM e Laser Scanner Terrestre (LST (LST‐‐UAV SfM).
© Copyright 2024 Paperzz