Zrobiłem to już wcześniej z powodzeniem za pomocą Photosynth Toolkit ( http://www.visual-experiments.com/demos/photosynthtoolkit/ ), tyle że zamiast drona zwisałem głową z małego samolotu robiąc zdjęcia centrum małego miasteczka. Możesz także sprawdzić Visual SFM ( http://ccwu.me/vsfm/ ); Nie korzystałem z niego, ale wydaje się, że jest to kolejne narzędzie do wykonania tego samego zadania.
Niedawno też dostałem drona i zamierzam użyć obu tych metod w tym samym projekcie. Kiedy będę mieć szansę, opublikuję kilka przykładów projektu zestawu narzędzi do fotosyntezy.
EDYCJA: Oto przykład danych wyjściowych Photosynth Toolkit (oglądany w MeshLab http://meshlab.sourceforge.net/ )
Są to dane chmury punktów (z informacjami o kolorze) wynikające z partii zdjęć lotniczych zrobionych z samolotu. Zgrupowałem obrazy, aby skupić się na przetwarzaniu chmury punktów dla jednego bloku na raz, dlatego jeden blok jest o wiele bardziej gęsty niż reszta.
Oto ta sama chmura punktów z nałożoną na siebie trójkątną nieregularną siecią. To nie jest idealne, ale to fajna rekonstrukcja.
Tak więc, w odpowiedzi na pytanie, czy użycie UAV do generowania danych chmury punktów jest realną alternatywą dla naziemnego skanera laserowego: tak, jest!
Należy pamiętać, że zautomatyzowane metody łączenia zdjęć nie działają dobrze w środowiskach oświetleniowych o wysokim kontraście; Jeśli jedna strona budynku jest nasłoneczniona, a druga w cieniu, możesz mieć problemy z wyrównaniem zdjęć. Najlepszy czas na robienie takich zdjęć jest wtedy, gdy jest pochmurno. Chmury pomagają rozproszyć światło słoneczne, dzięki czemu oświetlenie jest bardziej równomierne / spójne.
Jeśli Twoje oświetlenie jest dobre, możesz robić zdjęcia z stosunkowo bliskiej odległości, aby uzyskać bardzo szczegółowy zestaw danych chmur punktów. Z TIN powyżej widać, że po lewej stronie jest linia, która wygląda, jakby biegła od ziemi do przestrzeni kosmicznej; to wartość odstająca, która nie została usunięta z zestawu danych. Jedną z rzeczy, na które powinieneś zwrócić uwagę, jest metoda wygładzania danych chmury punktów / usuwania wartości odstających, być może przy użyciu analizy najbliższego sąsiada.
Jeśli robisz zdjęcia budynku z bardzo bliska, możesz postawić cele na budynku, aby pomóc w powiązaniu zdjęć ze sobą. Jeśli używasz celów, upewnij się, że każdy z nich jest unikalny, aby zdjęcia nie były dopasowane do niewłaściwej lokalizacji, i powinieneś spróbować uzyskać 2/3 celów na każdym zdjęciu. Jeśli masz jakieś cele na ziemi, możesz użyć odczytów GPS na każdym z nich, aby georeferencyjnie zestaw danych chmury punktów, tak aby wszelkie pomiary wykonane z budynku reprezentowały pomiary w świecie rzeczywistym.
Jeśli chcesz zajrzeć do georeferencji danych w chmurze punktów, zapoznaj się z poradnikiem Marka Willisa ( http://palentier.blogspot.com/2010/12/how-to-create-digital-elevation-model.html ) . To stary blog, ale metodologia jest dobra.
EDYCJA 2: Ostatni komentarz: upewnij się, że używasz aparatu bez większych zniekształceń. Na przykład GoPro to niesamowita mała kamera do zakładania dronów, ale znaczne zniekształcenie spowodowane szerokokątnym obiektywem eliminuje możliwość użycia standardowego GoPro do projektu fotogrametrycznego. Istnieje rozwiązanie tego problemu, ale może wymagać demontażu GoPro: http://www.peauproductions.com/collections/survey-and-ndvi-cameras
Peau Productions sprzedaje zmodyfikowane kamery GoPro z różnymi obiektywami, które mają znacznie mniejsze zniekształcenia niż obiektyw dostarczany z kamerą. Sprzedają także same obiektywy, jeśli jesteś gotów samodzielnie zmodyfikować swój aparat.
EDYCJA: Wiem, że to stare pytanie, ale pomyślałem, że podzielę się OpenDroneMap, narzędziem open source do wykonania dokładnie tego projektu http://opendronemap.org/