Я робив це раніше з успіхом, використовуючи інструментарій Photosynth ( http://www.visual-experiment.com/demos/photosynthtoolkit/ ), за винятком того, що замість безпілотника я повісив голову з невеликого літака, фотографуючи центр міста невеликого містечка. Ви також можете перевірити Visual SFM ( http://ccwu.me/vsfm/ ); Я не використовував його, але, здається, це ще один інструмент для виконання того ж завдання.
Нещодавно я також отримав безпілотник і маю намір використовувати обидві ці методики для одного проекту. Я опублікую кілька прикладів проекту фотосинтезу інструментарію, коли отримаю можливість.
EDIT: Ось приклад виходу інструментарію Photosynth (як показано на http://hd MeshLab http://meshlab.sourceforge.net/ )
Це дані хмарної точки (з кольоровою інформацією), отримані в результаті серії повітряних фотографій, які я взяв із літака. Я згрупував зображення, щоб зосередитись на обробці точок хмари для одного блоку за один раз, саме тому один блок настільки щільніший, ніж решта.
Ось та сама хмара точок із трикутною неправильною мережею, накладеною зверху. Це не ідеально, але це крута реконструкція.
Отже, відповідаючи на ваше запитання про те, чи використання БПЛА для генерування даних хмарних точок є життєздатною альтернативою наземному лазерному сканеру: так, так!
Майте на увазі, що автоматизовані методики зшивання фотографій не працюють добре в умовах контрастного освітлення з високим контрастом; Якщо одна сторона вашої будівлі перебуває під сонячним світлом, а інша знаходиться в тіні, у вас можуть виникнути проблеми з виведенням фотографій на лінійку. Найкращий час для фотографування, як це, коли це хмарно. Хмари допомагають розсіяному сонячному світлу, роблячи освітлення більш рівномірним / стійким.
Якщо ваше освітлення хороше, ви можете робити фотографії на відносно близькій відстані, щоб створити дуже детальний набір даних хмарних точок. Вище з TIN видно, що на лівій стороні є лінія, схожа на те, що вона йде від землі до простору; це зовнішній вигляд, який не був видалений із набору даних. Одне, на що слід звернути увагу, - це метод згладжування даних хмарних точок / видалення залишків, можливо, використання аналізу найближчого сусіда.
Якщо ви фотографуєте дуже близькі фотографії будівлі, ви можете поставити цілі на будівлю, щоб допомогти зв’язати фотографії один з одним. Якщо ви використовуєте цілі, переконайтеся, що кожна з них унікальна, щоб фотографії не відповідали неправильному розташуванню, і вам слід спробувати отримати 2/3 цілі на кожній фотографії. Якщо у вас є якісь цілі на місцях, ви можете використовувати зчитування GPS у кожному з них, щоб георегулювати свій набір даних хмарних точок, щоб будь-які вимірювання, які ви приймаєте з будівлі, представляли собою вимірювання в реальному світі.
Якщо ви хочете вивчити геореференцію ваших даних хмарних даних, перегляньте інструкцію "Марк Уілліс" ( http://palentier.blogspot.com/2010/12/how-to-create-digital-elevation-model.html ). . Це старий блог, але методика хороша.
EDIT2: Останній коментар: переконайтеся, що ви використовуєте камеру без особливих спотворень. Наприклад, GoPro - це дивовижна маленька камера для нанесення дронів, але значне спотворення, спричинене ширококутною лінзою, виключає можливість використання стандартного GoPro для фотограмметричного проекту. Для цієї проблеми є рішення, але це може зажадати відокремлення GoPro: http://www.peauproductions.com/collections/survey-and-ndvi-cameras
Peau Productions продає модифіковані камери GoPro з різними об'єктивами, які мають значно менше спотворень, ніж об'єктив, що постачається з камерою. Вони також продають об'єктиви самі, якщо ви готові змінити камеру самостійно.
EDIT: Я знаю, що це давнє запитання, але я подумав, що поділюсь OpenDroneMap, інструментом з відкритим кодом, щоб зробити саме цей проект http://opendronemap.org/