Norbert Haala, Michael Kolle, Dominik

Nhóm Kỹ thuật Công nghệ Công ty TNHH ANTHI Việt Nam dịch và biên soạn.

Điều này đặc biệt hữu dụng nếu cả hai loại cảm biến số liệu được đặt và chia sẻ trên cùng một nền tảng và chúng sẽ cùng chia sẻ đồ hình hình học bay. Tham chiếu địa lý lai sẽ được bổ sung  thêm bằng các thông tin mở từ các điểm khống chế mặt đất sử dụng chương trình bình sai khối ảnh ghép. Vì thế, tham chiếu địa lý của số liệu LiDAR không còn đòi hỏi phải có các tấm khống chế số liệu LiDAR đặc biệt trong Hình 3. Thay vào đó tất cả điểm kiểm tra yêu cầu và thông tin về điểm khống chế đều sẵn có từ chính các mục tiêu và điểm khống chế tiêu chuẩn trong quá trình xử lý ảnh hàng không, và tập hợp điểm này có mối liên hệ thực tế cao hơn nhiều.

Dự án cũng áp dụng mô hình hàm nối trục (hàm Spine) dưới dạng mô hình mạnh để hiệu chỉnh đồ hình hình học bay. Chính sự linh hoạt này có thể tạo ra những biến dạng hình học tiềm tàng nếu áp dụng mô hình trong quá trình bình sai dải bay tiêu chuẩn. Ngược lại, thông tin tích hợp từ các khung ảnh 2D ổn định làm yếu tố định hướng trong quá trình bình sai khối ảnh có độ tin cậy cao hơn và tránh được những ảnh hưởng bất lợi tới thành quả xử lý. Hình 5 miêu tả kết quả của quá trình xử lý theo phương pháp tiếp cận lai sử dụng phần mềm OPALS. Sáu (6) điểm khống chế mặt đất được đánh dấu tròn màu đỏ và 27 điểm mục tiêu còn lại được sử dụng dưới dạng điểm kiểm tra mặt đất sử dụng trong quá trình xử lý khối ảnh AAT đã bàn tới trong phần trước. Đối với tham chiếu địa lý lai, sự sai khác yếu tố độ cao đạt được ở mức thấp nhất là -1.5cm, cao nhất là 0.7cm và trung bình là -0.4cm. Chỉ số biến thiên chuẩn tương ứng xác định được là 0.6cm đã chỉ rõ rằng độ chính xác cao dưới cm là hoàn toàn đạt được đối với phương pháp xử lý này.

Hình 5: Sự khác biệt về độ cao của số liệu điểm LiDAR thể hiện rõ qua các điểm mục tiêu. Các điểm khống chế mặt đất được đánh dấu bằng vòng tròn màu đỏ.

KẾT HỢP CÁC ĐÁM MÂY ĐIỂM TỪ LIDAR VÀ ĐA ẢNH LẬP THỂ

Các điểm liên kết đo vẽ ảnh hàng không được mô tả trong Hình 4 chỉ đơn giản là sản phẩm tạo ra từ quá trình xử lý bình sai khối ảnh, và các đám mây điểm 3D mật độ cao được cung cấp bởi MVS trong bước xử lý kế tiếp. Trong thực tế, độ chính xác hình học của các đám mây điểm MVS trực tiếp tương đương với điểm khống chế mặt đất và như vậy sẽ tương đương với tỷ lệ ảnh chụp. Điều này cho phép chúng ta bắt đầu thu thập số liệu 3D với độ chính xác nằm trong hạn định nhỏ hơn cm thông qua độ phân giải ảnh phù hợp nhất. Tuy vậy, quá trình gắn kết cặp ảnh lập thể sẽ tạo ra khả năng quan sát các đối tượng điểm tối thiểu từ hai tấm ảnh. Điều này có thể trở thành vấn đề phức tạp đối với các cấu trúc 3D phức tạp trong thực tiễn. Ngược lại, nguyên lý đo theo toạ độ cực của các cảm biến thu thập số liệu LiDAR có nhiều lợi thế hơn kể cả khi đối tượng xuất hiện và thay đổi liên tục khi chúng ta quan sát chúng ở những vị trí khác nhau, theo đó chúng ta sẽ thu được các đối tượng thực tiễn khác nhau xuất hiện trong Hình 4 như đối tượng dạng bán xuyên thấu gồm thực phủ hay cần trục, đối với các đối tượng di chuyển như các phương tiện giao thông hay người đi bộ, ngay cả đối với các khu vực rất hẹp trong khu vực đô thị như dãy phố nằm kẹp giữa hai dãy nhà cao tầng hay các công trường xây dựng (có đào sâu). Một lợi thế khác nữa của số liệu LiDAR là khả năng gửi và thu nhận nhiều phép đo dựa vào cường độ phản xạ của các tín hiệu laser, cho phép các phép đo có thể xuyên qua tán cây để xuống tới mặt đất. Mặt khác, việc bổ sung cảnh hiện trạng bề mặt (Texture) vào với số liệu đám mây điểm LiDAR mang lại nhiều lợi thế đồng thời cho cả hai mục đích hiển thị quan sát và nội suy. Việc kết hợp với khả năng thu số liệu độ phân giải cao của MVS, mang lại khả năng hỗ trợ hiệu chỉnh để tích hợp chính xác số liệu LiDAR và số liệu MVS trong quá trình tổng hợp số liệu đám mây điểm 3D.

Hình 6 thể hiện các bề mặt thực của đối tượng được tổng hợp từ các bức ảnh chụp của máy Sony Alpha bởi MVS được tái dựng lại trong phần mềm SURE từ nhà sản xuất nFrames. Như chúng ta nhìn thấy trong Hình 7, hình dạng hình học của các đối tượng được thể hiện chi tiết hơn, ví dụ trên đỉnh của nhà thờ và trên cây cao cạnh nóc nhà thờ sau khi số liệu LiDAR được tích hợp với số liệu ảnh. Việc tăng dày các bề mặt sẽ đảm bảo khả năng hiển thị rõ ràng các đối tượng phức tạp, đồng thời tăng khả năng phân giải đối với từng phần nhỏ của đối tượng ví dụ như chóp nhọn trên nóc nhà thờ. Ví dụ Hình 6 gồm có 325.000 bề mặt, trong khi đó Hình 7 đối tượng có 372.000 tam giác.

(Còn tiếp)

Mọi thông tin xin liên hệ với chúng tôi qua hòm thư: info@anthi.com.vn