U UAV S M

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).

Download Report