Cuando la fotogrametría se encuentra con Lidar: hacia la Era Aerotransportada Híbrida

Combinando Sensores Aéreos de Cámara y Lidar para llevar el Sector de Mapeo un Paso Adelante

El mercado aéreo para la adquisición de datos 3D en toda el área está experimentando una tendencia notable hacia un concepto de mapeo híbrido. En el futuro cercano, la mayor parte de la recopilación de datos en el aire se realizará cada vez más mediante una combinación de sensores activos y pasivos. Existen dos motivos principales para esto. En primer lugar, la recopilación de todos los datos relevantes mientras se vuela es una solución eficiente y rentable, incluso cuando se tienen en cuenta las restricciones y regulaciones de vuelo. En segundo lugar, se aprovechan las ventajas de la detección de luz y el alcance (Lidar) y el punto denso de coincidencia de imágenes (DIM). Las nubes mejorarán la calidad de los productos geoespaciales finales. Este artículo informa sobre los últimos desarrollos en el campo de los sistemas aéreos híbridos, incluida la adquisición y el procesamiento de datos.

Casi todas las nuevas generaciones de sistemas aéreos Lidar, integran una unidad Lidar y una unidad de imagen pasiva (en una sola cámara o en varias cámaras) en la misma plataforma para la adquisición concurrente de datos e imágenes. Están disponibles diferentes combinaciones de las tendencias tecnológicas más recientes en rango e imagen, incluyendo (i) escáner Lidar de un solo fotón (SPL) o modo lineal, escáneres láser multiespectrales y topo-batimétricos, y (ii) cámaras nadir y oblicuas, equipado con sensores RGB, NIR o hiperespectrales.

Sistemas de Sensores Híbridos

La Tabla 1 proporciona una descripción general de los sistemas de sensores híbridos más recientes disponibles en el mercado, incluidas sus principales especificaciones técnicas tal como se indica en las hojas de datos del instrumento. En lo que respecta a la recopilación de datos, la adquisición simultánea de múltiples sensores desde la misma plataforma ofrece beneficios para reducir el tiempo total de vuelo y los costos, ya que todos los datos de interés se recopilan de una vez mientras ya se está volando. Sin embargo, todavía hay algunos desafíos que abordar, como la planificación adecuada de las condiciones óptimas para la adquisición concurrente de Lidar e imágenes. Tanto los parámetros relacionados con el vuelo (por ejemplo, la altura sobre el suelo y superposición de la línea/imagen) como los ambientales (por ejemplo, el tiempo y temporada) deben seleccionarse cuidadosamente para encontrar el mejor compromiso para una coincidencia de imágenes y un escaneo láser exitoso.

Tabla 1: Descripción general de los sistemas híbridos aéreos más recientes disponibles en el mercado. (*) Máx. frecuencia de repetición de pulso; (**) valor 1σ, bajo las condiciones especificadas en las hojas de datos del instrumento.

Workflows de Procesamiento Híbrido

La reconstrucción 3D de imágenes basada en la coincidencia de info raster denso, como lo facilita el software SURE de nFrames, ya es un estándar en la industria para producir nubes de puntos 3D, modelos de superficie digital, ortofotos reales y mallas 3D. Se beneficia particularmente de la alta disponibilidad de datos de imágenes aéreas, los bajos costos de adquisición, la resolución fina de detalles y la disponibilidad de información multiespectral de alta resolución. Si hay datos adicionales de Lidar disponibles y bien registrados, estos resultados pueden mejorarse mediante el comportamiento del sensor complementario. La generación de superficie densa a partir de imágenes es particularmente fuerte en detalles y bordes debido a la alta resolución definida por la resolución del terreno en píxeles. Mientras tanto, la tecnología Lidar es fuerte en su capacidad de recuperar muestras de bajo ruido de manera consistente con precisión homogénea debido a la medición confiable de la profundidad del haz láser activo. Esto es particularmente beneficioso en presencia de mala textura, como sombras fuertes o grandes superficies blancas, donde la coincidencia pasiva de la textura está limitada por la capacidad de la cámara para resolver la textura. Aquí, los datos de Lidar pueden soportar la generación de superficie mediante mediciones de profundidad adicionales para una mejor precisión e integridad. Además, las mediciones polares son útiles en el caso de patios pequeños y calles muy estrechas, donde el rayo láser ocasionalmente puede llegar al suelo, mientras que la reconstrucción DIM a menudo se evita mediante estéreo-oclusiones. Por último, las aplicaciones forestales se benefician adicionalmente de múltiples retornos e información de forma de onda completa de los datos Lidar. Al integrar ambas fuentes de datos, esta alta integridad y confiabilidad pueden soportar el resultado de alta resolución de DIM, que ofrece alta fidelidad a lo largo de los bordes y otras discontinuidades, detalles de superficie fina y particularmente información de color multiespectral.

Desafío de integración

El principal desafío en la integración de datos Lidar y DIM consiste en la consideración adecuada de sus altas variaciones en resolución y precisión. En aplicaciones aéreas, nube de puntos de coincidencia de imágenes densas es típicamente de mayor densidad y precisión de profundidad más baja que los datos Lidar cuando se capturan a gran altitud, p. de aviones de ala fija. Esto se debe a la limitación de resolución de la divergencia del haz de Lidar y al tiempo de repetición, por un lado, y a la disponibilidad de cámaras de gran resolución de gran tamaño, por el otro. Además, las variaciones de la precisión local de la nube de puntos para la coincidencia de imágenes densas pueden ser altas, particularmente porque la precisión de los puntos depende no solo de la resolución del terreno sino también de la calidad de la textura. Además, la geometría de intersección de los modelos estéreo tiene un fuerte impacto como una función cuadrática de la profundidad, lo cual es particularmente relevante para las imágenes oblicuas, donde la variación de profundidad es significativa. En consecuencia, la fusión de profundidad debe adaptarse a la precisión de cada punto de ambos sistemas de sensores. Dentro del software nFrames SURE, estos valores de precisión fotogramétrica para cada punto individual se estiman y utilizan durante el proceso de fusión.

Productos geoespaciales 3D Híbridos

Dos de las diferencias más destacadas cuando se comparan los datos Lidar y DIM según lo registrado por la mayoría de los sistemas de sensores híbridos son la discrepancia en la densidad de puntos lograda y la capacidad de recuperar puntos en cañones de calles estrechas. Esto se vuelve especialmente obvio cuando se observa un conjunto de datos como San Francisco por Geomni (Figura 1), que fue capturado con el sensor aéreo híbrido Leica CityMapper. Combina altos edificios en el centro de la ciudad con una superposición de imagen relativamente baja de 60% hacia adelante y 30% hacia los lados, así como una distancia de muestreo de terreno de aproximadamente 5 cm en las imágenes. Cuando se trata de la coincidencia de imágenes densas, la resolución de puntos en los cañones de las calles estrechas de San Francisco puede ser problemática, ya que los edificios altos actúan como oclusores en las imágenes aéreas, mientras que las observaciones de imágenes en la parte superior de los edificios también pueden limitarse cuando la superposición de la imagen es baja como en este conjunto de datos En áreas del conjunto de datos donde hay suficiente redundancia y una buena configuración geométrica de los rayos de imagen (por ejemplo, en fachadas de edificios), la coincidencia de imágenes densas produce resultados muy detallados debido a la baja distancia de muestreo del terreno del conjunto de datos y las vistas oblicuas de los edificios ofrecidos por las cinco cámaras de Leica CityMapper. Como un sistema de medición polar activo, Lidar es capaz de medir puntos en cañones callejeros donde la coincidencia de imágenes densas carece de la redundancia requerida. Al mismo tiempo, sin embargo, el detalle espacial logrado por Lidar es relativamente bajo (Figura 1, arriba a la izquierda). Al combinar los datos de ambos sensores, es posible producir una malla 3D de San Francisco que presenta tanto el detalle de la coincidencia de imágenes densas como la integridad y los bajos niveles de ruido de Lidar (Figura 1, arriba a la derecha). La Figura 1, abajo, muestra una visión general de la malla 3D producida por un enfoque híbrido de generación de superficie y complementado con textura RGB de las imágenes de múltiples vistas.

Figura 1: San Francisco: una malla 3D extraída de forma totalmente automática del sensor Leica CityMapper con un sistema Hyperion Lidar integrado y multicámara, utilizando el software nFrames SURE. Geometría de malla solo de Lidar (arriba a la izquierda), tanto de imágenes como de Lidar (arriba a la derecha), y una visión general de la malla híbrida 3D (abajo). Datos cortesía de George Halley, Geomni / Verisk

Reconstrucción detallada

El conjunto de datos híbrido recopilado para Betzdorf, Alemania, (Figura 2) plantea desafíos diferentes a los de San Francisco. Fue capturado por el IGI LiteMapper-4800 aerotransportado que combina una RIEGL VQ480i con una cámara de aspecto nadir de 100MP e incluye imágenes con una distancia de muestreo en el suelo de aproximadamente 2 cm y una superposición de 80% hacia adelante y 60% hacia los lados. Como se ve en la Figura 2 (arriba a la izquierda), las vistas oblicuas que faltan pueden conducir a lagunas de datos en la coincidencia de imágenes densas, especialmente debajo de las estructuras sobresalientes de las casas y cerca de los límites del conjunto de datos donde se reduce la redundancia de imágenes. Sin embargo, gracias al escáner Lidar incorporado, esta restricción se puede resolver principalmente en los resultados integrados (Figura 2, arriba a la derecha). En la Figura 2 (abajo) se ofrece una descripción general de la malla 3D producida mediante la combinación de datos Lidar y DIM. Esto también muestra el nivel de detalle con el que se reconstruye el sistema ferroviario. Aquí, Lidar y los datos de coincidencia de imágenes densas se complementan entre sí para permitir la reconstrucción tanto del propio ferrocarril como de los polos a lo largo del ferrocarril.

Figura 2: Betzdorf: una malla 3D extraída de forma totalmente automática del sensor IGI LiteMapper-4800 con una cámara integrada LI RIEGL VQ-480i y nadir, utilizando el software nFrames SURE. Geometría de malla solo desde DIM (arriba a la izquierda), desde imágenes y Lidar (arriba a la derecha) para un área con cobertura de imagen limitada que permite una mayor integridad junto con Lidar, y una visión general de la malla híbrida 3D (abajo). Datos cortesía de IGI

A pesar de que la mayoría de los conjuntos de datos de hoy en día se capturan con un 80% de superposición hacia adelante debido a los importantes beneficios resultantes de la integridad y la nitidez de los bordes, las superposiciones aún pueden limitarse para algunas aplicaciones, p. debido a la tasa de repetición de la cámara o la altura de vuelo. El conjunto de datos de Rotterdam (Figura 3) es un ejemplo de dicho conjunto de datos. Capturado utilizando el Leica CityMapper volado a una altitud relativamente baja, logra una superposición de aproximadamente el 60% hacia adelante y el 40% hacia los lados y una muy buena distancia de muestreo en tierra de aproximadamente 3 cm. Al igual que en San Francisco, tales circunstancias pueden dar lugar a lagunas de datos que surgen durante la coincidencia de imágenes densas, no solo en los cañones de la calle, sino también hacia la parte superior de las estructuras altas (Figura 3, arriba a la izquierda), donde la redundancia de la imagen se reduce aún más debido a la distancia más corta entre el sensor y el objeto reconstruido. Como se ve en la Figura 3 (arriba a la derecha), la integración de Lidar puede ayudar en gran medida a aliviar estos problemas, al tiempo que conserva los detalles geométricos de la coincidencia de imágenes densas en el resto del conjunto de datos.

Figura 3: Rotterdam – una malla 3D extraída completamente automáticamente del sensor Leica CityMapper utilizando el software nFrames SURE. Geometría de malla de imágenes con una superposición de 60% hacia adelante y 40% hacia los lados (arriba a la izquierda), tanto de imágenes como de Lidar (arriba a la derecha), y una visión general de la malla híbrida 3D (abajo) Datos cortesía de Cyclomedia.

Conclusión

Este artículo ha proporcionado una actualización sobre los últimos desarrollos en terreno de los sistemas híbridos aerotransportados, es decir, sistemas de mapeo aerotransportados que combinan sensores Lidar y de cámara (o multicámara) en la misma plataforma aérea. Además de presentar las soluciones híbridas más recientes disponibles en el mercado, discutió la necesidad de un procesamiento integrado de los datos de imágenes y rangos adquiridos simultáneamente. Será necesario adoptar una nueva perspectiva, una que vaya más allá de las cadenas tradicionales de procesamiento de datos y las extienda hacia un concepto de procesamiento de datos híbrido. Los enfoques integrados para la orientación del sensor y la generación de superficie son piedras angulares para el éxito en este contexto, los cuales se basan en una comprensión profunda de las diferentes propiedades de las imágenes 3D activas y pasivas y de los componentes de incertidumbre en sus mediciones. Las primeras soluciones para abordar estos problemas son prometedoras, como lo demuestran los resultados 3D logrados mediante la combinación de datos Lidar y DIM. Tienen un claro potencial para llevar al sector de mapeo aéreo un paso adelante en términos de integridad del producto y calidad geométrica, detección de objetos y eficiencia de procesamiento.

Fuente: Gim International

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Solve : *
10 ⁄ 1 =