Геодезичні дослідження та моделювання об’єктів єврейської спадщини - Посібник ESJF by ESJF

Геодезичні дослідження та моделювання об’єктів єврейської спадщини - Посібник ESJF

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Геодезичні дослідження та моделювання об’єктів єврейської спадщини - Посібник ESJF

Тетяна Кондратенко Денис Горковчук

Геодезичні дослідження

та моделювання об’єктів єврейської спадщини — Посібник ESJF

За участю:

Філіп Кармель Олександр Бессараб Коректор

Вікторія Журавська Літературний редактор

Тетяна Небесна

Європейська ініціатива зі збереження і захисту європейських єврейських кладовищ. Кайзерштрассе 1, 60311, Франкфурт, Німеччина. Цей документ створено у рамках “Пілотного проєкту - Захист єврейських цвинтарів у Європі: Процес повного картографування із дослідженням, моніторингом та укладанням індивідуальних кошторисів для проєктів захисту (EAC/S10/2018)”, здійсненого Європейською ініціативою зі збереження і захисту європейських єврейських кладовищ спільно з Європейською Комісією. Перша публікація 2020 © Європейська ініціатива зі збереження і захисту європейських єврейських кладовищ, 2020, деякі права збережено.

Матеріали надруковано на умовах публічної ліцензії Creative Commons AttributionNonCommercial 4.0 International License. Копія ліцензії доступна за веб-посиланням: http:// creativecommons.org/licenses/by-nc/4.0/ або за адресою: PO Box 1866, Mountain View, CA 94042, USA. ISBN 978-3-9822085-4-1

Вступ

лагодійна організація «Благодійний фонд І-ЕС-ДЖЕЙ-ЕФ «Східна Європа» (ESJF) заснована у 2015 році як міжнародна неприбуткова фундація, зареєстрована у Федеральній Республіці Німеччина. Головною метою організації є захист єврейських цвинтарів у Центральній та Східній Європі, з особливою увагою до місць поховання у тих місцевостях, де єврейські громади були знищені під час Голокосту і не лишилося нікого, хто б міг захистити свої цвинтарі. У попередні 80 років ці місця були зруйновані, сплюндровані, закинуті. Станом на 2020 рік ESJF визначив межі та огородив понад 160 єврейських цвинтарів у семи країнах регіону. Попри це, завдання все ще є масштабним. За нашими оцінками, у вказаних регіонах налічується понад 8 000 єврейських кладовищ. Нашим завданням, відповідно, залишається огороджування цвинтарів, а також пошук способів захистити тисячі місць, які ми поки не в силах огородити. Вкрай важливою є підтримка місцевих громад у містах і селах Центральної та Східної Європи. Це завдання у майбутньому потребуватиме розроблення стійких міжпоколінних моделей збереження спадщини, в яких місцева єврейська спадщина стає місцевою історичною спадщиною, яка належить усім. Відтак і відповідальність за її захист 9

Вступ

стає питанням колективних спільних зусиль місцевих громад. За підтримки Європейської комісії у 2019–2020 рр. дослідники ESJF за допомогою сучасних технологій безпілотників обстежили близько 1 500 єврейських цвинтарів у п’яти країнах Європи – у Греції, Литві, Молдові, Словаччині та Україні. У рамках проєкту була створена відкрита електронна база даних, що відображає поточний (і часто загрозливий) стан об’єктів. Це працює як перший рівень захисту, що залучає до процесу місцеву владу та спільноти шляхом надання їм безпосереднього доступу до матеріальних свідчень локальної історії, адже часом йдеться про населені пункти, де євреї складали значну частину чи навіть більшість населення у період до Другої світової війни. Використання безпілотників в охороні спадщини забезпечує реалізацію двох ключових елементів нашої місії. По-перше, йдеться про неперевершений метод збирання даних, що особливо важливо для території колишнього Радянського Союзу, де ніколи не було укладено вичерпних списків єврейських цвинтарів. Занедбані впродовж десятків років, ці місця часом недоступні з землі через щільну рослинність, що унеможливлює визначення меж ділянок. У результаті поєднання історичних досліджень при центральному офісі з польовими дослідженнями за допомогою безпілотників вдалося локалізувати сотні раніше невідомих або незареєстрованих об’єктів, що є величезним внеском у вивчення та збереження єврейської та європейської спадщини. Нашою початковою метою було використання безпілотників саме для збирання відповідної інформації. Однак можливості дронів цим не вичерпуються. Як організація з великим досвідом збирання даних ми добре усвідомлюємо, що ця технологія з відповідним програмним забезпеченням та у руках висококваліфікованих операторів може сприяти фізичному збереженню єврейських цвинтарів. Використовуючи зібрані дані задля створення 3D-моделей проєктів огородження, ESJF вдалося створити унікальну базу, що містить детальні розрахунки, доступні для меценатів, місцевої влади та націо10

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

нальних урядів. Це дало змогу, мабуть, вперше осягнути справжній масштаб місії, а також полегшити реалізацію планового підходу до довгострокового проєкту збереження кладовищ. Якщо підсумувати, збирання даних, збереження історичного матеріалу, управління та стратегічне планування пов’язані із загальноєвропейським проєктом захисту загальноєвропейської спадщини. У найближчі роки, коли дослідження за допомогою безпілотників перетворяться на проєкти фізичного захисту, справжня цінність цієї технології стане ще більш очевидною, але йдеться не лише про матеріальний рівень. Ми гостро усвідомлюємо, що для захисту кладовища потрібно щось значно більше, ніж стіни. Потрібні люди. ESJF здійснює цей проєкт, взявши за основний організаційний принцип залучення молоді до вивчення історії євреїв цих регіонів. Це має сприяти розширенню уявлень про єврейський внесок у локальну історію та спадщину, ознайомлювати із цінностями мультикультурального суспільства, заснованого на толерантності та протидії расизму, ксенофобії та антисемітизму. Залучаючи до справи нове покоління місцевих операторів безпілотників, молодих інженерів та архітекторів, навчених використовувати дані для фізичного збереження пам’яток, ми створюємо стійку модель, яка, сподіваємось, знайде значно ширше застосування в більш широких галузях збереження спадщини – не лише єврейських цвинтарів. Ми готові ділитися та розвивати цю технологію з партнерами у цій галузі в наступні роки. Ми глибоко вдячні за постійну підтримку у цій роботі Європейській Комісії та всім тим, хто плекав та розвивав цей ґрунтовний проєкт. Філіп Кармель, Головний виконавчий директор Благодійного Фонду ESJF

Дослідження кладовищ за допомогою БПЛА: Досвід ESJF

езпілотні літальні апарати, або дрони (коротша й частіше вживана назва), нині широко використовуються у різних галузях людської діяльності. А гропромисловий сектор: компанії використовують БПЛА для більш ретельного моніторингу врожаїв з метою збільшення прибутків.

Будівництво – одна з перших галузей, де були застосовані БПЛА. Фотограмметричні програми дають змогу легко визначати на будівельних майданчиках об’єми переміщеного ґрунту, а також точно вимірювати відстані та перепади висоти.

Надзвичайні події: необхідне оперативне з’ясування ситуації на місцевості з тим, щоб прийняти рішення для оптимального її розв’язання.

Нафтогазовий сектор: інструменти автоматичного розпізнавання дають змогу моніторити стан нафто- та газопроводів щодо наявності небезпечних місць (витоків), і це допомагає зменшити ризики негативних наслідків для навколишнього середовища. 12

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Згадані вище галузі лише відкривають перелік, до якого можна зарахувати й інші сфери застосування безпілотників. Темою цього посібника є застосування БПЛА з метою дослідження об’єктів культурної спадщини. Благодійний фонд ESJF має багаторічний досвід у документуванні й захисті єврейської спадщини у Східній Європі. Лишень в Україні фонд встановив огорожу навколо більш ніж сотні єврейських цвинтарів. Але справжнім досягненням фонду ESJF стало розроблення системи дослідження єврейських цвинтарів за допомогою дронів. У 2019 році благодійний фонд ESJF за підтримки Європейської Комісії розпочав пілотний проєкт під назвою “Захист єврейських цвинтарів у Європі: Процес повного картографування із дослідженням, моніторингом та укладанням індивідуальних кошторисів для проєктів захисту”. Серед головних завдань проєкту було створення бази фізичного розташування єврейських цвинтарів, доступної для загалу. Потрібно було (і фонд виконав це завдання) віднайти й дослідити більш ніж 1500 цвинтарів у п’яти країнах Європи. Підбір методу та інструментів став ключовим аспектом для своєчасного надання результатів. Ідея застосувати інноваційні технології саме на етапі планування способів реалізації проєкту виявилася вельми продуктивною. Фотограмметрія – не нова наука, однак нещодавній стрімкий розвиток потужностей обчислювальної техніки дає змогу швидко створювати достовірні детальні топографічні карти місцевості. Саме це так необхідно для дослідження цвинтарів і є основою для розроблення майбутнього проєкту огородження. Насамперед зазначимо, що для цієї дослідницької роботи фонд обрав та успішно застосовує 2 типи дронів – MAVIC 2 Pro (зліва) та Phantom 4 RTK (справа) – від компанії DJI (рис. 1). 13

Рис. 1

Дослідження кладовищ за допомогою БПЛА: досвід ESJF

Ці моделі, безумовно, дуже відрізняються за своїми технічними характеристиками. Однією з особливостей Phantom 4 RTK, що застосовується для більш ретельних вимірювань, є вбудований RTK (real time kinematics) модуль, який дає змогу позиціонувати дрон із точністю до 1 см у горизонтальній і 1,5 см у вертикальній площинах. У моделі Mavic 2 Pro такого модуля немає, що, однак, не завадило цьому БПЛА виконати поставлені перед ним завдання в повному обсязі. Завдання команди, що працювала над проєктом, складалася з двох етапів. Рис. 2

Перший – робота безпосередньо на території цвинтаря. Дослідники (співробітники фонда) успішно застосовують додаток Drone Deploy для побудови місії обльоту території з внесенням усіх основних параметрів та особливостей місцевості, що унаочнено на (рис. 2). Після того оператор дрона здійснює обліт території з фотофіксацією об’єкта. Ця технологія дає можливість отримати інформацію не лише про рельєф, а й про рослинність, споруди, об’єкти інфраструктури. Радикальною відмінністю фотографій, зроблених з БПЛА, від отриманих за допомогою інших пристроїв (смартфона чи фотоапарата) є наявність прив’язки до GPS-координат, так званий Geotag. Ці фотографії можна легко розпізнати не лише за розмірами файлів (вони завжди дуже великі), а й за їхніми властивостями – відображенням координат у діалоговому вікні. Другий етап – обробка отриманих даних та моделювання.

Рис. 3

Всі фотографії, отримані дослідниками, передаються інженерам для створення цифрового рельєфа місцевості. За допомогою фотограмметричної обробки отриманих з БПЛА даних (фотографій)

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

інженери вибудовують хмару точок, яка повно і точно відображає стан цвинтаря, а також суміжної території (рис. 3). Робота дає змогу детально дослідити стан цвинтаря навіть без спеціальної інженерної освіти (яка потрібна, наприклад, для роботи з топографічними картами). Це дає можливість продемонструвати стан цвинтаря та загрози з боку природних та урбаністичних чинників. Аби протистояти впливу цих чинників, ESJF встановлює навколо цвинтарів огорожу. Хмару точок легко можна інтегрувати у програмні комплекси для проєктування споруд. Це дало змогу інженерам ESJF створювати 3D-моделі огорож, що наочно візуалізують майбутній проєкт. Також ця технологія дає можливість оперативно вносити корективи до вже готових проєктів (рис.4). Завдяки розробленню відповідної технології фонд ESJF зміг більш ефективно оцінювати стан цвинтарів та краще його унаочнювати. Це оптимізувало процес проєктування 3D-моделей і прискорило процес встановлення огорожі. Ми сподіваємося, що наш досвід і цей посібник стануть Вам у пригоді під час реалізації схожих проєктів і сприятимуть збереженню спадщини. Олександр Бесараб, Директор Українського офісу Благодійного Фонду ESJF

Рис. 4

Зміст Дрони для збереження культурної спадщини (Частина І)....................................... 20 Вступ....................................................................................................................... 20 Як вибрати БПЛА..................................................................................................... 23 1. Літальний апарат....................................................................................... 24 1.1. Тип безпілотника.................................................................................... 24 1.2. Точність (технологія RTK / PPK).............................................................. 27 1.3. Огляд характеристик дронів................................................................... 29 2. Корисні навантаження................................................................................... 30 2.1. Камера.................................................................................................... 30 2.2. LiDAR....................................................................................................... 32 3. Огляд найкращих рішень............................................................................... 36 3.1. DJI Mavic 2 Pro........................................................................................ 36 3.2. DJI Phantom 4 RTK.................................................................................. 37 3.3. DJI Matrice 600 + LiDAR......................................................................... 38

Обробка даних фотограмметричної зйомки з БПЛА (Частина ІI)........................... 40 Вступ....................................................................................................................... 40 1. О бробка фотограмметричних даних в програмному комплексі Agisoft Metashape......................................................................... 41 1.1. І нтерфейс програмного комплексу Agisoft Metashape Professional....... 41 1.2. Завантаження даних в проєкт і оцінювання якості............................... 42 1.3. Вирівнювання фотознімків.................................................................... 44 1.4. Прив’язка знімків. Робота з маркерами................................................ 47 1.5. Калібрування камери............................................................................. 50 1.6. Робота з блоками.................................................................................... 52 1.7. Побудова щільної хмари точок................................................................ 53 1.8. Фільтрація хмари точок . ....................................................................... 55 1.9. Побудова полігональної моделі.............................................................. 57 1.10. Текстуризація моделі............................................................................ 58 1.11. Побудова ортофотоплану...................................................................... 59 1.12. Побудова цифрової моделі рельєфу..................................................... 61 1.13. Експорт даних....................................................................................... 64

2. Обробка фотограмметричних даних в інших програмних комплексах............... 64 2.1. Робота з хмарами точок та 3D-моделями в CloudCompare.................... 64 2.1.1. Робота з великими координатами....................................................... 65 2.1.2. Імпорт та експорт даних...................................................................... 66 2.1.3. Фільтрація хмар точок......................................................................... 67 2.1.4. Створення моделі рельєфу.................................................................. 70 2.1.5. Рендеринг хмар точок......................................................................... 72 2.2. Autodeks ReCap....................................................................................... 73 2.2.1. Імпортування даних хмар точок в Autodesk ReCap............................. 74 2.2.2. Налаштування параметрів візуалізації даних..................................... 77 2.2.3. Чистка хмар точок............................................................................... 77 2.2.4. Рендеринг хмар точок......................................................................... 78 2.3. Autodesk AutoCAD Civil 3D...................................................................... 80 2.3.1. Робота з хмарою точок в AutoCAD Civil 3D.......................................... 80 2.3.2. Створення цифрової моделі рельєфу.................................................. 83

Обробка даних з БПЛА на прикладі результатів зйомки з квадрокоптера Phantom 4 RTK в програмному забезпеченні Pix4D (Частина IIІ)........................... 90 I. Cтворення нового проєкту.............................................................................. 91 II. Перший етап обробки..................................................................................... 93 III. Додавання опорних/контрольних точок........................................................ 96 V. Другий етап обробки.................................................................................... 102 VI. Робота з хмарою точок................................................................................ 103 VII. Третій етап обробки................................................................................... 106 VIII. Результати обробки................................................................................... 108

Частина 1

Дрони для збереження культурної спадщини Вступ

б’єкти культурної спадщини піддаються впливу атмо сферних явищ та антропогенних факторів, тому необхідно забезпечити їх фіксування та документування належним чином для подальшого розроблення програми їх збереження та відновлення. В ході розроблення цих програм дрони можуть бути використані для отримання важливої інформації.

Документування великих площ і охоплення території навколо об’єк-

та для оцінювання впливу урбанізації, ландшафту, діяльності людини та інших факторів. Крім того, БПЛА дають можливість швидко отримувати інформацію про великі території та важкодоступні ділянки, які неможливо зафіксувати з землі. Також ця інформація може бути використана для обчислення буферних зон та здійснення вимірювань між усіма точками території.

Фіксування поточного стану об’єкта і отримання фотографій з

різних кутів огляду, навіть інформації про найвищі точки об’єкта.

Створення 3D-поверхні/моделі об’єкта спадщини для виконан-

ня подальших вимірювань в ході реалізації програми з охорони культурної спадщини з використанням сучасних технологій моделювання. 20

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Перед початком проєкту необхідно визначити тип даних, що буде використовуватись для впровадження цих технологій. Це допоможе вибрати відповідний БПЛА і зменшить витрати на непотрібні додатки та функції. Дані з дронів зазвичай використовуються для таких цілей: д окументування об’єкта (фотографії, 360 панорами, відео); в ідносні вимірювання (2D-ортофотоплан, 3D-хмара точок, 3D-поверхні тощо); а бсолютні вимірювання (2D-ортофотоплан, 3D-хмара точок, 3D-поверхні тощо). Документування дає можливість отримати повне розуміння контексту. Для цього використовуються фотографії, 360 панорами та відео з дрону. Фото та відео можуть бути отримані з близької відстані для відображення стану матеріалів поверхонь об’єктів. 360 панорама дає найкращий огляд та розуміння контексту в будь-якому напрямку. Відносні вимірювання можна використовувати для планування програм зі збереження культурної спадщини та виконання вимірювань об’єктів. У цьому випадку всі відстані в межах проєкту будуть точними, ці дані можна використовувати для обчислення буферних зон та вимірювання відстаней між об’єктами тощо. Але абсолютне розташування проєкту може не відповідати реальності, що прийнятно для деяких видів робіт. Абсолютні вимірювання, окрім переваг, що зазначені в попередньому абзаці, дають можливість отримати дані, які мають точну геолокацію у визначеній системі координат і можуть бути внесені до кадастру та інших геоінформаційних ресурсів. Існує кілька видів даних, які можна використовувати для відносних і абсолютних вимірювань:

2D-ортофотоплан у форматі GeoTiff або JPEG. З його допомогою можна створити топографічну карту та цифровізувати 2D-контури.

Висока відносна точність Низька абсолютна точність

Дрони для збереження культурної спадщини

Частина І

Цифрова модель рельєфу (ЦМР, DTM), цифрова модель поверхні (ЦМП, DSM) відображає інформацію про висоту.

3D-хмара точок, 3D-поверхня дають повне представлення об’єкта в тривимірній системі координат.

Тільки після визначення типу даних, необхідних для програми збереження об’єктів культурної спадщини, можна переходити до розгляду типів дронів, для того щоб розуміти принципові параметри обладнання, що впливають на необхідні типи даних.

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Як вибрати БПЛА У цій статті ми зупинимось на виборі найкращого безпілотника для отримання 2D- і 3D-інформації про об’єкт, оскільки зараз майже будь-який дрон може бути використаний для створення фотографій чи відеозапису об’єкта інтересу. З точки зору збирання даних є сенс визначити, що параметри літального апарату впливають на ефективність, а корисне навантаження (камера, LiDAR, радар) на дані, які можуть бути використані для подальшого аналізу. Отже, якщо необхідно підвищити продуктивність в рази, є сенс звернути увагу на технічні характеристики БПЛА: час польоту, вагу, вантажопідйомність та конструкцію. Якщо є необхідність отримувати якусь конкретну інформацію, наприклад, про рівень землі під деревами або теплові дані, або кращу роздільну здатність фотографій, варто зосередитись на параметрах корисного навантаження. В деяких випадках можна збільшити продуктивність за рахунок корисного навантаження, наприклад, вибравши камеру з кращими параметрами. Але треба мати на увазі, що конструкція та параметри БПЛА повинні дозволяти її підіймати та інтегрувати.

Дрони для збереження культурної спадщини

Частина І

1. Літальний апарат 1.1. Тип безпілотника У цій статті розглянемо чотири найпоширеніші типи безпілотників. Мультироторний БПЛА типу «Крило» 3 одним ротором Гібридний дрон типу «Крило» З огляду на швидкість розвитку безпілотних технологій ці типи можуть бути оновлені найближчим часом. Для вибору найкращого типу безпілотника треба визначити тип об’єктів, які будуть зніматись. Це можуть бути невеликі ділянки забудованої території або старовинні міста, що розкинулися на великих територіях, тощо. Ця інформація допоможе зрозуміти, який тип безпілотника краще використовувати з урахуванням місця, необхідного для зльоту або посадки. Мультироторні дрони Ці дрони зазвичай належать до найменших і найлегших на ринку. Вони покривають обмежену відстань, але є ідеальними літальними апаратами для ентузіастів та аерофотографів. З точки зору використання цих безпілотників для оглядових робіт – це ідеальний інструмент для початківців і не тільки. Ці апарати зазвичай можуть перебувати в повітрі приблизно 30 хвилин, перевозячи легке корисне навантаження, наприклад, камеру. Деякі з них призначені для перенесення важкого корисного навантаження, наприклад, систем LiDAR. Основними перевагами цих безпілотників є: вертикальний зліт, який є важливим, якщо навколо багато будівель і потрібно працювати на територіях з обмеженим простором для злету; повний контроль над камерою (для дронів з інтегрованими камерами). Крім інформації для картографування можна отримувати фотографії з будь-якого кута і записувати відео.

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

БПЛА типу «Крило» Принцип роботи цих безпілотників такий самий, як і у звичайних літаків, де крила забезпечують підйом замість роторів, що робить їх дуже ефективними. Однією з головних переваг БПЛА з фіксованим крилом є те, що завдяки простій конструкції вони потребують набагато менше робіт з обслуговування та ремонту, знижуючи таким чином вартість експлуатації. Також вони мають можливість переносити корисні навантаження на довші відстані, витрачаючи при цьому менше потужності. У деяких конфігураціях це дає змогу переносити великі камери, а також камери подвійного типу (наприклад, інтегровані теплова та візуальна камери), завдяки чому можна отримати більше інформацію за один політ. Більшість з них літають приблизно 60–90 хв при використанні електричного живлення (акумуляторів). Але деякі моделі можуть виконувати польоти годинами при використанні пального або навіть сонячної енергії. На відміну від мультироторних безпілотників, вони не здатні зависати в польоті та потребують більшої площі для зльоту та посадки. Дрони з одним ротором (гелікоптери) Вони на вигляд точно як маленькі гелікоптери і можуть мати різні системи живлення (електричне, пальне, газ). Враховуючи те, що конструкція передбачає політ лише на одному пропелері, можливість роботи на пальному та збереження при цьому стабільної роботи, цей апарат здатний літати на більші відстані. Такі БПЛА зазвичай використовуються для транспортування важчих об’єктів, включно із системами LiDAR. Такі системи досить дорогі порівняно з попередніми двома, тому використовуються лише для конкретних специфічних цілей. Гібридні дрони типу «Крило» Цей безпілотник поєднує ефективність польоту БПЛА типу «Крило» зі зручною вертикальною посадкою мультироторів. Це дає змогу виконувати політ у обмежених районах і уникати жорсткої посадки. Але

Дрони для збереження культурної спадщини

Частина І

навіть у цих систем є такі недоліки, як нестабільне утримання висоти та менша стійкість до вітру порівняно з дронами мультироторного типу. Нижче наведена таблиця порівняння цих видів БПЛА, яка представляє переваги та недоліки різних типів дронів.

Мультироторний дрон

БПЛА типу «Крило»

Дрони з одним ротором (гелікоптери)

Гібридний дрон типу «Крило»

Переваги

Вертикальній зліт/ посадка і можливість зависання Може працювати на важкодоступних ділянках та на обмежених територіях Управління камерою Простота використання Можливість інтегрувати важкі корисні навантаження (деякі моделі)

Довгий час польоту Велика площа покриття Велика швидкість польоту

Вертикальний зліт/ посадка і можливість зависання Довгий час польоту (на пальному) Можливість інтеграції важкого корисного навантаження

Довга тривалість польоту Велика площа покриття Комбінація вертикального зльоту/ посадки та тривалості польоту

Недоліки

Короткий час польоту

Більш важкі в керуванні, необхідне навчання Немає можливості утримання висоти та «зависання» Необхідна велика територія для зльоту та посадки

Важкі в керуванні, необхідне навчання

е ідеальні ані Н для зависання на певній висоті, ані щодо витривалості польоту Опір вітру

Вибір дрона з урахуванням території зйомки та поставлених завдань допоможе досягти найкращої ефективності та зменшити витрати на польові роботи. 26

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

1.2. Точність (технологія RTK / PPK) Оскільки є потреба в отриманні відносно або абсолютно точної моделі, необхідно визначити параметри дрона, які впливають на точність. Для отримання відносно точної моделі можна використовувати лише дані з безпілотника (фотографії, LiDAR) без точної інформації з GNSS (Global Navigation Satellite System) безпілотника або використовувати дані GNSS лише для приблизного орієнтування для швидкої обробки. Є кілька способів отримати абсолютно точну модель:

використання високоточного GNSS; використання наземних опорних точок Ground control points (GCP);

поєднання обох варіантів. Використання високоточного GNSS Деякі бортові GNSS дають змогу отримувати сантиметрову точність антени. Ця технологія зазвичай називається RTK (Real Time Kinematic) або PPK (Post Processing Kinematic). У цьому випадку для отримання абсолютної точності всієї моделі можуть використовуватися лише дані з безпілотника, а саме з GNSS та IMU, та дані з камери або LiDAR, без залучення додаткової інформації з землі. Також дуже важливим є те, як інтегруються ці дані GNSS, оскільки, наприклад, для фотограмметрії потрібно отримувати не координату антени, а координату центра зображення. IMU не дуже важливий параметр для фотограмметричної обробки, але для опрацювання даних LiDAR дані IMU не менш важливі, ніж дані GNSS. Ця інтеграція IMU та GNSS для LiDAR може бути виконана виробником та надаватись користувачам як комплексне рішення, в іншому випадку слід подумати про цю інтеграцію заздалегідь.

Дрони для збереження культурної спадщини

Частина І

Використання наземних опорних точок Ground control points (GCP) Для фотограмметричної обробки даних ще одним способом отримання точної моделі в абсолютній системі є використання опорних точок (GCP). У цьому випадку немає необхідності у високоточному GNSS на борту дрона, оскільки вся модель буде прив’язана до опорних точок, що заздалегідь маркуються на поверхні. Однак за використання цього методу збільшується час польових робіт. У таблиці нижче представлені переваги та недоліки різних методів і типів дронів для точних абсолютних вимірювань. GCPs + Drone без РТК / PPK

Drone без РТК

Drone з РТК

Drone з RTK + GCPs

Абсолютна точність

висока

низька

висока

Швидкість

низька

висока

низька

Вартість польових робіт

висока

низька

висока

Важливо враховувати той факт, що точність всього проєкту не може бути кращою, ніж точність опорних точок GCP або GNSS безпілотника. Тож GCP повинні вимірюватися за допомогою спеціального обладнання для забезпечення відповідної точності, використовувати телефони з геолокацією GPS неприпустимо. Для реконструкції фасаду іноді застосовується метод, коли опорні точки маркуються на стінах фасаду. При цьому отримують координати з точністю до сантиметра, що підвищує точність результатів всього проєкту. Навіть у разі застосування дронів RTK/PPK краще використовувати контрольні точки для відстежування результату.

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

1.3. Огляд характеристик дронів Існує безліч параметрів, які впливають на вибір найкращого БПЛА для проєктів зі збереження спадщини. Таблиця, наведена нижче, допоможе визначити основні характеристики, що впливають на вибір дронів для певних проєктів. Характеристики

Вплив на

Час польоту

площу, яка може бути знята протягом одного польоту

Витривалість (ІР-рейтинг, можливість роботи в умовах магнітних аномалій тощо)

умови навколишнього середовища

Тип зльоту (вертикальний / горизонтальний)

можливість роботи на обмежених територіях

Точність позиціонування (PPK, RTK)

швидкість та точність польових робіт

Максимальна злітна вага

типи навантаження, які можна буде використовувати (камера, LiDAR тощо)

Інтеграція камери

легкість у використанні та при опрацюванні даних

Дрони для збереження культурної спадщини

Частина І

2. Корисні навантаження Як було написано вище, БПЛА – це лише інструмент, що дає змогу підняти у повітря корисне навантаження. У цьому параграфі будуть описані два найпоширеніші корисні навантаження, які використовуються для збереження культурної спадщини.

2.1. Камера Метод, що дає можливість отримувати 2D- та 3D-моделі із зображень, називається фотограмметричним. В цьому розділі представлені параметри, що впливають на фотограмметричну обробку, точність та якість фотографій для подальшого опрацювання. Найважливішим параметром, який впливає на рівень деталізації об’єкта, є розмір пікселя на місцевості, або просторова роздільна здатність зображень (Ground sampling distance GSD). GSD визначається як довжина (в дюймах, сантиметрах або міліметрах) між центрами двох послідовних пікселів на фотографіях. Крім того, GSD можна розглядати як довжину одного пікселя. Наприклад, якщо фотографії отримані з GSD 5 см/пкс, то ми можемо зрозуміти, що один піксель на цій цифровій карті відповідає 5 см на місцевості. Карта з меншим GSD має вищу роздільну здатність і більшу точність. За здійснення зйомки з безпілотника для подальшої фотограмметричної обробки основними факторами, які можуть впливати на GSD, є параметри камери (фокусна відстань, роздільна здатність) та висота польоту. Наприклад, політ безпілотника на більшій висоті дасть змогу за коротший час охопити більшу площу, але фотографії матимуть меншу роздільну здатність. Нижче наведено опис параметрів камери, що впливають на зйомку для потреб картографування території. Розмір сенсора є одним з ключових параметрів і, разом із фокусною відстанню, основним компонентом у визначенні (GSD) – реального розміру пікселя на місцевості. Більший розмір сенсора забезпечує ширшу смугу захоплення зображення, а отже, потребує мен30

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

ше прольотів над місцевістю для здійснення аерофотозйомки. Це дає змогу зменшити час перебування у повітрі, витрати пального/ енергії тощо та скорочує зрештою загальні експлуатаційні витрати. Розмір пікселя – розмір кожного пікселя на сенсорі. Цей параметр тісно пов’язаний з діафрагмою – розміром отвору, що пропускає світло крізь лінзу, – оскільки це визначатиме, наскільки велика ди фракція впливатиме на кожне зображення. Таким чином, навіть коли GSD може бути однаковим для двох конфігурацій зображень, одне з них може бути дифракційно обмеженим і, отже, на практиці значно гіршим. Для пом’якшення цих ефектів бажано мати камеру з пікселями більшого розміру. Тип затвора. У кадрових (Global shutter) та сканувальних затворів (Rolling shutter) різні способи реєстрації зображення. Кадровий затвор розкриває всі пікселі сенсора одночасно, тоді як сканувальний відкриває кожен ряд пікселів по черзі в дещо різні моменти часу. Динамічний діапазон виражає діапазон рівнів яскравості, з якого камера може витягувати деталі в зображенні. Можна помітити, що кількість мегапікселів не надто позначається на якості зображень, натомість розмір пікселя, сенсора та інші параметри мають значно більший вплив на кінцевий результат.

Дрони для збереження культурної спадщини

Частина І

2.2. LiDAR LiDAR (Light Detection and Ranging or LiDAR) – це технологія дистанційного зондування, в якій середовище сканується імпульсним лазерним променем і вимірюється час відбиття сигналу від об’єкта і його повернення назад. Наземний та повітряний LiDAR широко використовується археологами та істориками. Однією з причин є те, що за допомогою технології LiDAR можна отримати інформацію про об’єкти, що розташовані під густою рослинністю та на затінених ділянках. Висота польоту датчика LiDAR За використання LiDAR висота польоту є одним з ключових параметрів при виборі відповідного датчика. Якщо є можливість літати нижче 60 м відносно точки зльоту, чудово підійдуть датчики сегменту ближнього радіусу дії tactical range. Для висот, що перевищують 60 м, потрібно залучати датчики LiDAR середнього або дальнього радіусу дії, як показано нижче.

Максимальна висота польоту

100м-500м (в залежності від частоти)

он: 1 іапаз ий д ктив н Ефе

Еф

Ефе

ект ивн

ий

ктив н

ий д

діа п

азо н: 7

іапа зон:

5м

200

60-6

до 60 м

00 м

до 120 м

швидкість < 5 м/с

швидкість < 10 м/с

швидкість < 50 м/с

Тактичного радіуса дії

Середнього радіуса дії

Дальнього радіуса дії

Velodyne PUCK 32MR Velodyne VLP-32E Quanergy M8-Ultra

Teledyne Optech CL-90

Velodyne VLP-16 Velodyne HDL-32E Quanergy M8-Plus

Teledyne Optech CL-360

Роздільна здатність Проєкція одного лазерного променя на землю має свою роздільну здатність. Мінімальна роздільна здатність для LiDAR тактичної/ середньої дальності застосування становить приблизно 5–10 см на висоті 30 м; тоді як для LiDAR дальнього радіусу дії приблизно 2–3 см на висоті 100 м. Частота і кутова роздільна здатність датчиків тактичного та середнього радіусу дії знаходяться в одному діапазоні. Таким чином, якщо вам потрібна аналогічна або більша роздільна здатність на більшій висоті, варто використовувати датчик LіDAR дальнього радіусу дії. Застосування датчика LiDAR Останній параметр, який слід врахувати, – це сфера застосування. Для використання в археології, де необхідне проникнення лазера крізь крони дерев та відбиття від поверхні землі, має значення кількість повернень імпульсу лазера, що підтримуються датчиком, це допоможе звузити вибір. Наприклад, датчики Velodyne LiDAR забезпечують до двох повернень, Quanergy M8 LiDAR – до трьох, а датчики LiDAR Teledyne-Optech – до чотирьох повернень.

Висота польоту або Висота відносно точки злету

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Вертикальна роздільна здатність Кут

Діаметр відображення (впоперек)

Горизонтальна роздільна здатність Кут

Діаметр відображення (вздовж)

Дрони для збереження культурної спадщини

Частина І

Фотограмметрія vs LіDAR LiDAR та фотограмметричні дані надають багато корисної інформації археологам, яким потрібні дані про структури та шари на старовинній ділянці. Отримання та опрацювання даних LiDAR займає менше часу. При використанні технології LiDAR створюється більш чітка хмара точок, з якою легше працювати. Переваги LiDAR ф іксування кількох повернень імпульсу ш видка обробка ж ива візуалізація і нформація щодо кожної точки і нтенсивність г еоприв’язка р еконструює складні і нетипові об’єкти, тобто рослинність і ЛЕП Недоліки LiDAR с кладніше інтерпретувати результати зйомки б ільша вага модуля порівняно з камерою с кладно забезпечити перевірку даних Переваги фотограмметрії б ільш щільна хмара точок порівняо з LіDAR п роста у використанні, легко обробляти отримані дані м істить інформацію про колір об’єкта (RGB)

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Недоліки фотограмметрії потребує великих обчислювальних потужностей

фотографії чутливі до освітлення (пасивний датчик) відстань між маршрутами польоту має бути невеликою для забезпечення достатнього поперечного перекриття

однорідні поверхні не можуть бути реконструйовані в 3D-формат з високою точністю

Поєднання LiDAR та фотограмметрії створює унікальні можливості. Поєднання LiDAR та фотограмметрії додавання текстури з фотограмметричної обробки для доповнення даних LiDAR

інтерпретація фотографій у хмарі точок з LіDAR допомагає уникнути помилок

збирання двох типів даних за один політ – оптимальний спосіб збирання даних

Дрони для збереження культурної спадщини

Частина І

3. Огляд найкращих рішень Для фіксування об’єктів культурної спадщини найкращими є мультироторні дрони, оскільки вони прості у використанні, можуть виконувати польоти в умовах обмеженого простору, зокрема на забудованих територіях. Враховуючи те, що переважна більшість археологічних пам’яток не надто великі за площею, немає необхідності використовувати безпілотники типу «Крило». Крім того, для забезпечення кращої деталізації та огляду об’єкта з цим типом дронів можна застосовувати складні місії.

3.1. DJI Mavic 2 Pro Переваги: компактний доступна вартість простий у використанні інтегрована камера висока якість зображень Особливість, завдяки якій цей безпілотник може стояти осторонь від решти конкурентних дронів, – наявність камери з досить великим сенсором для такого виду дрона. Mavic 2 Pro має інтегровану камеру з 1-дюймовим сенсором CMOS. Він здатний фіксувати більше інформації в кожному пікселі, а широкий динамічний діапазон дає змогу зменшити шум та, як результат, підвищити продуктивність за слабкого освітлення. Безпілотник підтримує 10-бітний кольоровий профіль Dlog-M та 10-розрядне відео HDR з підтримкою 4K з функцією негайного відтворення. Завдяки сенсору крім цілей документування цей безпілотник можна використовувати для створення моделей з високою відносною точністю. А за використання опорних точок (GCP) можна отримати і високу абсолютну точність моделі.

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

3.2. DJI Phantom 4 RTK Переваги: простий у використанні висока якість зображень механічний затвор RTK/PPK на борту Цей дрон використовується у топографо-геодезичній діяльності. 1-дюймовий 20-мегапіксельний CMOS-сенсор дає можливість отримувати зображення високої якості. Завдяки високій роздільній здатності Phantom 4 RTK може досягти просторової роздільної здатності (GSD) 2,74 см за висоти польоту 100 метрів. Механічний затвор робить збирання даних безперебійним та допомагає уникнути змазів на знімках, оскільки Phantom 4 RTK перебуває в русі під час фотографування. Для забезпечення точності отриманих даних кожен об’єктив камери проходить процес калібрування, параметри якого зберігаються в метаданих кожного зображення, що дає змогу програмному забезпеченню для опрацювання даних розпізнавати ці індивідуальні параметри в кожному окремому випадку. Модуль RTK, інтегрований безпосередньо в Phantom 4 RTK, фіксує дані позиціонування на сантиметровому рівні в режимі реального часу для забезпечення абсолютної точності центру фотографування. На додачу до оптимізованої безпеки польоту та збирання точних даних з дрона, Phantom 4 RTK зберігає дані супутникового спостереження, які використовуються для постобробки (PPK). Цей дрон допомагає отримувати 2D- та 3D-інформацію з високою абсолютною точністю за короткий час.

Дрони для збереження культурної спадщини

Частина І

3.3. DJI Matrice 600 + LiDAR Переваги: б агатофункціональність з датність підняти важкі додаткові навантаження м ожливість інтеграції різних сенсорів (камери та LіDAR) Більшість модулів LiDAR можуть бути інтегровані з M600, тому це найкраще рішення для використання найбільш важких датчиків. БПЛА може знаходитись у повітрі 15–20 хвилин, залежно від погодних умов. За один виліт можна отримати інформацію про ділянку 400 х 400 м. За використання комплектів змінних акумуляторів можна знімати більше 200 га в день. Рішення на основі БПЛА, представлені в цій статті, виробляються компанією DJI, яка є світовим лідером у цій галузі та виготовляє надійні безпілотники. З іншого боку, виділити кращих постачальників модулів LiDAR досить складно, оскільки майже кожне рішення, що представлено на ринку, має певну унікальну особливість. Для археологічного дослідження переважно придатні лідери з тактичної дальності – таких як Velodyne HDL 32 або VLP 16 було б достатньо для переважної більшості проєктів. Але крім самого модуля треба звертати увагу ще й на його інтеграцію, аби забезпечити високу точність інтеграції GNSS та IMU. Тому такі комплексні рішення, як Yellowscan, Phoenix тощо, можуть виявитись найкращими для польових досліджень. Корисні навантаження з інтеграцією камери та LiDAR також можуть бути встановлені на DJI Matrice 600 для отримання всіх необхідних даних під час одного польоту.

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Посилання 1.

https://www.architecturelab.net/best-drones-for-architectural-photography/

https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLII-2-W9 / 45/2019/isprs-archives-XLII-2-W9-45-2019.pdf

ht tps:/ /www.yellowscan-LiDAR.com/ knowledge/urban-myth-LiDAR-andphotogrammetry-are-redundant/

https: //www.goldensoftware.com/blog/industry-application-LiDAR-best-practicesfor-cultural-heritage-and-archaeology-practiciners

https://www.directionsmag.com/article/6807

https://www .dronezon.com / Learn-about-drones-quadcopters / best-LiDAR-sensorsfor-drone-great-use-for-LiDAR-sensors /

https://geodetics.com/LiDAR-sensors-for-your-drone /

https://www.routescene.com/case-studies/routescene-use-drone-based-LiDARsystem-to-uncover-700-year-old-structures/

https://www.pix4d.com/blog / точність-повітряне картографування

10. https://wingtra.com/how-ground-sample-distance-gsd-relates-to-accuracy-anddrone-roi/ 11. https://builtin.com/drones

Частина 2

Обробка даних фотограмметричної зйомки з БПЛА Вступ

ерофотозйомка використовується для створення топографічних карт ще з ХІХ століття, практично з моменту винайдення фотоапаратів. Фотограмметрія — наука, котра вивчає явища, форми й положення різних предметів у просторі, об’єкти та їхні розміри шляхом вимірювання їх фотографічних зображень. Після опрацювання фотографічних матеріалів можна розраховувати тривимірні координати точок об’єктів і таким чином створювати їх 3D-моделі. Сьогоднішній рівень розвитку техніки в галузі створення безпілотних літальних апаратів (БПЛА) та цифрових технологій робить аерофотозйомку значно доступнішою, ніж 10 років тому. Точність та детальність фотограмметричних моделей значно покращилась за останні роки і наразі не поступається отриманим класичними інструментальними методами. Саме тому фотограмметрична зйомка з БПЛА на сьогодні є одним із найпопулярніших методів великомасштабного картографування та створення тривимірних моделей місцевості. Пропонуємо вашій увазі методичні вказівки з обробки фотограмметричних даних в програмному комплексі Agisoft Metashape та обробки отриманих результатів в програмних комплексах CloudCompare, Autodesk ReCap та Civil 3D.

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

1. Обробка фотограмметричних даних в програмному комплексі Agisoft Metashape 1.1. І нтерфейс програмного комплексу Agisoft Metashape Professional Програмний комплекс Agisoft Metashape дає змогу здійснювати фотограмметричну обробку цифрових зображень (аерофотознімків, космічних знімків та результатів наземної фотозйомки) та генерувати на їх основі просторові дані у вигляді хмар точок, текстурованих полігональних моделей, цифрових моделей рельєфу та ортофотознімків. Інтерфейс програмного комплексу складається з таких основних блоків (рис. 1): 1. Рядок меню 2. Панель інструментів 3. Панель проєкту з вкладками 3.1. Робочий простір (Workspace) 3.2. Прив’язка (Reference) 4. Простір моделі з вкладками

4.1. Модель (Model) 4.2. Орто (Ortho) 5. Панель консолі (Console) 6. Панель черги завдань (Jobs) 7. Панель фотографій (Photos)

3 4.1 4.2

Рис. 1 Інтерфейс головного вікна програми Agisoft Metashape

3.1 3.2 41

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Залежно від потреб користувача панелі можна переміщувати в межах робочого вікна або вимикати. Якщо в процесі роботи необхідно повторно відкрити закриту панель, це можна зробити в меню виду «View», обравши відповідну назву панелі (рис. 2). Зазвичай процес опрацювання фотознімків охоплює такі основні етапи: 1) завантаження даних в проєкт 2) вирівнювання фотознімків 3) прив’язка фотознімків 4) калібруванння камери 5) побудова щільної хмари точок 6) побудова полігональної моделі 7) генерація ортофото Рис. 2 Налаштування активних панелей в меню виду

1.2. Завантаження даних в проєкт і оцінювання якості Agisoft Metashape працює з більшістю популярних форматів растрових зображень – JPEG, PNG, BMP, TIFF, TGA та іншими. Якщо знімальна система генерує зображення в форматі, що не підтримується (напр. RAW, NEF), то такі знімки необхідно перевести в один із підтримуваних форматів за допомогою програмного забезпечення виробника камери або універсальних конверторів.

! При підготовці даних до завантаження в програму не допускається геометрична обробка фотознімків (зміна розміру, обрізання, поворот, корекція дисторсії тощо). Такі дії унеможливлять побудову коректної моделі камери. Рис. 3 Завантаження знімків

Для завантаження знімків в проєкт використовується команда меню Workflow – Add Photos або Workflow – Add Folder, якщо необхідно додати одразу всі зображення, що містяться в одній папці (рис. 3).

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Завантажені в проєкт фотографії автоматично відобразяться в папці Cameras в дереві проєкту на вкладці Workspace, а також у панелі Photos. Якщо в проєкті використовуються знімки з відомими координатами центрів фотографування, то їх просторове положення одразу відобразиться у вигляді синіх кульок на панелі Model (рис. 4).

Рис. 4 Візуалізація завантажених фотознімків

При цьому в дереві проєкту навпроти назв файлів зображень буде помітка «NA» («Not Aligned») яка вказує на те, що знімки не вирівняні. Якщо навпроти фотознімка буде помітка «NC» («No Calibration»), це означає, що для знімка відсутні EXIF-дані з описом характеристик камери, що ускладнює побудову її коректної моделі. У разі появи такої мітки варто перевірити, чи не піддавались знімки попередній обробці в графічних редакторах. Якщо в проєкті є знімки поганої якості (розфокусовані, змазані тощо), то їх використання лише збільшить час на обробку проєкту і зробить результати менш надійними. Metashape дозволяє оцінити якість завантажених знімків і за необхідності вилучити небажа43

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

ні. Для цього на панелі Photos необхідно перейти в детальний режим (рис. 5).

Рис. 5 Вибір детального режиму відображення фотознімків

Знімки почнуть відображатися у вигляді таблиці з детальними характеристиками. Для оцінювання якості необхідно клацнути правою кнопкою миші на будь-якому знімку і обрати у контекстному меню Estimate image quality. В наступному вікні необхідно обрати All images, щоб оцінювання здійснювалось для всіх фотознімків проєкту. Після закінчення операції в таблиці зі знімками в полі Quality з’явиться числове значення (від 0 до 1), яке характеризує відносну якість знімків: 0 – знімок поганої якості, 1 – гарної якості (рис. 6). Клацнувши на заголовок Quality в таблиці, можна відсортувати знімки за якістю, щоб проглянути найгірші з них. Подвійний клік на імені знімка на панелі Photos або в дереві ресурсів проєкту відкриє оригінальний знімок в окремій вкладці поряд з Model. Необхідно візуально оцінити якість знімка, і якщо вона дійсно незадовільна, то такий знімок краще відключити, клацнувши на імені знімка правою кнопкою миші і обравши в меню Disable Cameras.

Рис. 6 Результат оцінювання якості знімків

1.3. Вирівнювання фотознімків На етапі вирівнювання фотознімків виконується: пошук характерних точок на фотографіях; пошук відповідностей між цими точками; визначення взаємного розташування площин знімків і спільних точок і водночас визначення характеристик оптичної системи, найбільш відповідних визначеним параметрам; формування розрідженої хмари точок об’єкта. Операція викликається з меню Workflow – Align photos. Виконання операції вирівнювання регулюється такими параметрами (рис. 7): Точність (Accuracy) Цей параметр визначає розмір знімків, які програма буде вико44

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

ристовувати для пошуку відповідностей. При значенні точності «Висока» будуть використовуватись знімки оригінального розміру. Для середньої точності вихідні знімки зменшуються в 4 рази (в 2 рази по кожній стороні знімка). За низької точності будуть використовуватись знімки, зменшені в 16 разів, і т.д. За значення точності «Дуже висока» використовуються знімки, збільшені в 4 рази. Чим вище значення параметру, тим точніше і якісніше буде розраховано положення знімків. Однак слід враховувати, що з підвищенням якості пропорційно зростатиме час розрахунків. Використання дуже високої якості рекомендовано лише для дуже чітких зображень і в основному для дослідницьких цілей, оскільки вимагає дуже багато часу. П реселекція пар (Pair preselection) Преселекція пар дає змогу пришвидшити процес вирівнювання великих обсягів даних шляхом попереднього відбору фотознімків, для яких буде здійснюватись пошук відповідностей. В режимі «Загальна преселекція» (Generic preselection) вибір пар здійснюється шляхом попереднього відбору з низькою точністю. В режимі «Преселекція за прив’язкою» (Reference preselection) вибір пар здійснюється на основі даних про положення камери, якщо такі є: Source – преселекція за відомими центрами фотографування (доцільно використовувати, якщо знімки отримані з БПЛА з використанням GPS); Estimated – преселекція за розрахованими елементами зовнішнього орієнтування камери (доцільно використовувати, якщо вирівнювання знімків у проєкті вже виконувалось, але потрібно його повторити з новими параметрами); Sequential – відбір пар здійснюється за порядковими номерами знімків з розрахунку, що послідовні знімки мають перекриття.

! Преселекцію за прив’язкою не рекомендується застосовувати у випадках, коли є грубі помилки положення центрів фотографування (наприклад, коли зйомка здійснювалася за відсутності GPS-сигналу).

Рис. 7 Параметри вирівнювання фотознімків

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Скинути поточне вирівнювання (Reset current alignment) Параметр доступний за повторного вирівнювання фотознімків. При виборі цієї опції видаляються всі дані про визначені характерні точки і процедура запускається заново. Максимальна кількість точок (Point limit) Параметри Key point limit та Tie point limit визначають максимальну кількість характерних точок та відповідностей, що беруться до уваги на поточній стадії опрацювання. Стандартні значення (40 000 та 4 000) підходять для більшості випадків. Нульове значення цих параметрів вимикає фільтрацію точок, що може призвести до появи великої кількості ненадійних точок. Використання масок (Apply masks) За використання цієї опції не враховуються характерні точки або відповідності, знайдені на ділянці зображення під маскою. Локальний пошук відповідностей (Guided image matching) Опція дає змогу знаходити додаткові характерні точки для знімків з високою роздільною здатністю. Доцільно застосовувати для знімків розміром вище 50 мегапікселів. Адаптивне уточнення моделі камери (Adaptive camera model fitting) Опція дає змогу автоматично уточнювати значення параметрів камери залежно від оцінки їх надійності. Для наборів даних з надійною геометрією кадру це дасть змогу уточнити більше параметрів при першому вирівнюванні, і навпаки – для ненадійних наборів функція допоможе уникнути значного розходження деяких параметрів камери. Доцільно завжди вмикати цю опцію, окрім випадків використання попередньо каліброваної камери з відомими параметрами. Після закінчення операції вирівнювання знімків формується: розріджена точкова модель місцевості, що складається зі спільних точок; розрахункові координати і параметри орієнтування знімків; уточнені (в першому наближенні) параметри калібрування камери. В дереві ресурсів проєкту буде вказано кількість знімків, що були успішно вирівняні, на панелі Model будуть відображені розраховані координати положення камер (рис. 8). 46

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 8 Результат вирівнювання фотознімків

Якщо якісь знімки не вирівнялись (навпроти знімка залишилась позначка NA), необхідно повторити вирівнювання з іншими параметрами. Якщо за повторного вирівнювання певні знімки все одно не вирівнюються, то їх можна прив’язати вручну за допомогою маркерів (див. п. 1.4).

1.4. Прив’язка знімків. Робота з маркерами Прив’язка фотознімків дає можливість: зорієнтувати проєкт в певній геодезичній системі координат; вирівняти вручну знімки, які не урівнялись автоматично. За високих вимог до точності фотограмметричних матеріалів обов’язково необхідно виконувати геодезичну прив’язку. Є два основні методи: використання БПЛА з високоточним RTK GPS приймачем; координування опорних точок класичними геодезичними методами (знімання за допомогою GPS або тахеометрів). У першому випадку знімки, завантажені в проєкт, вже будуть мати 47

Обробка даних фотограмметричної зйомки з БПЛА

Рис. 9 Завантаження опорних точок

Частина ІІ

координати центрів проєкцій, визначені з високою точністю (сантиметровий діапазон для RTK GPS), відповідно, і результати будуть мати таку саму точність. У другому випадку для прив’язки знімків необхідно завантажити в проєкт координати опорних точок і розпізнати їх на знімках. Для завантаження опорних точок у проєкт треба клацнути на кнопці Import Reference на панелі Reference (рис. 9). Після цього необхідно вибрати текстовий файл, що містить координати опорних точок, і у вікні імпорту вказати правильну систему координат, роздільник значень у текстовому файлі, а також порядок колонок (рис. 10). У нижній частині вікна буде відображатись попередній перегляд розбору текстового файлу. Слід упевнитись, що всі значення правильно розподілені по колонках. У наступному вікні програма запитає, чи створювати новий маркер для імпортованої точки. Необхідно обрати пункт «Yes to all», щоб створити маркери для всіх опорних точок. Під маркерами у Metashape розуміють як опорні точки, що слугують для прив’язки знімків в геодезичній системі координат, так і додаткові точки, які користувач може створити самостійно для підвищення якості вирівнювання. Всі створені маркери відобразяться на панелі Reference (рис. 11).

Рис. 10 Налаштування імпорту координат опорних точок

Рис. 11 Завантажені в проєкт опорні точки

Після цього слід відмітити маркери на знімках. Для цього необхідно відкрити знімок подвійним кліком на імені файла зображення на панелі Photos або у дереві ресурсів проєкту. На самому знімку треба знайти місце розташування опорної точки, клацнути на ньому правою кнопкою миші, обрати Place Marker і вибрати назву маркера зі списку, що випаде (рис. 12). Після цього на знімку з’явиться маркер у вигляді зеленого пра порця. Операцію необхідно виконати для всіх опорних точок на всіх знімках, де ці опорні точки видимі. Після розміщення маркерів щонайменше на двох вирівняних знімках програма авто48

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

матично розрахує приблизне їх положення на інших знімках і позначить його сірим прапорцем. Таке положення доволі легко уточнити, перемістивши прапорець у правильне місце, після чого він стане зеленим. Після розставляння опорних точок необхідно натиснути кнопку Update Transform на панелі Reference (рис. 13). Metashape перерахує положення камер з урахуванням координат опорних точок. А в таблиці маркерів з’являться значення похибок положення на знімках Error (pix) та на місцевості Error (m) (рис. 14). Прив’язка вважається задовільною, якщо значення похибок положення маркерів на зображенні Error (pix) не перевищують 0,5 пікселя, а похибки положення на місцевості Error (m) лежать в діапазоні точності геодезичних методів, що використовувались для визначення координат опорних точок. Якщо значення похибок положення маркерів на зображенні Error (pix) перевищують 1 піксель, це може свідчити про недостатню якість калібрування камери (див. п. 161.5). Маркери можна також використовувати для ручної прив’язки знімків, які не вирівнялись автоматично. Для цього необхідно на невирівняному знімку позначити мінімум 4 маркери, кожен з яких позначений щонайменше на двох вирівняних знімках. Такими маркерами

Рис. 12 Розміщення маркерів на знімках

Рис. 13 Оновлення інформації про прив’язку

Рис. 14 Опорні точки з розрахованими значеннями похибок

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

можуть бути як опорні точки, так і додаткові маркери, створені користувачем. Створити новий маркер можна, клацнувши правою кнопкою в таблиці маркерів і обравши пункт Add marker. Створити новий маркер можна не лише в таблиці маркерів, але й одразу на знімку, обравши пункт Add marker в контекстному меню, що викликається правою кнопкою миші. Однак в цьому випадку програма автоматично розрахує координати цього маркера з поточного вирівнювання і буде використовувати їх як опорні. За недостатньої якості калібрування камери ці координати будуть неточними, і положення маркера на деяких знімках буде відхилятися від правильного. Тому цей спосіб створення маркерів доцільно застосовувати після виконання калібрування камери.

Після розміщення маркерів необхідно на панелі Photos вибрати невирівняні знімки і в контекстному меню, що викликається правою кнопкою миші, обрати пункт Align selected cameras.

1.5. Калібрування камери Metashape здійснює калібрування камери автоматично за характерними точками на знімках, розпізнаними на етапі вирівнювання. Результат автоматичного калібрування можна оцінити за похибкою положення на знімку Error (pix) в таблиці маркерів. Якщо в проєкті не використовуються опорні точки, то для перевірки калібрування варто вручну створити 3-7 маркерів і проставити їх на характерних точках місцевості, що однозначно ідентифікуються. Для стабільної камери значення Error (pix) має становити близько 0,5 пікселя. За вищих значень доцільно уточнити параметри калібрування камери. Для цього необхідно після проставляння всіх маркерів виконати команду меню Tools – Optimize cameras. У спливаючому вікні програма автоматично позначить параметри, що мають бути уточнені, тому необхідно просто натиснути ОК. В результаті виконання операції програма розрахує уточнені значення калібрування камери, а також уточнить положення знімків. В таблиці маркерів оновляться значення похибок (рис. 15). 50

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 15 Оновлені значення похибок положення маркерів після оптимізації камер

Якщо після оптимізації камер значення похибок не зменшились, це може свідчити про: неточне виставлення маркерів на знімках (слід перевірити якість виставлення маркерів); нестабільність камери (необхідно перед фотографуванням вимкнути в налаштуваннях камери системи, що впливають на оптичні параметри камери, наприклад автофокус). ! Для коректного калібрування маркери мають бути проставлені на максимальній кількості знімків і, за можливості, в різних частинах кадру (як по центру, так і по краях). Якщо проставити маркери лише на кількох знімках, то модель камери точно підлаштується під ці знімки, тоді як для решти знімків вона стане неадекватною. При цьому похибки в таблиці маркерів будуть мати мінімальні значення, що не відповідатиме дійсності.

! Після виконання операції оптимізації камер в проєкті видаляться всі щільні хмари точок і 3D-моделі, якщо такі були створені. Враховуючи, що побудова щільної хмари точок та 3D-моделі є найбільш затратним етапом опрацювання фотограмметричних даних, дуже рекомендується виконувати оптимізацію камер до побудови щільної хмари.

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

1.6. Робота з блоками

Рис. 16 Створення нового блоку

Metashape дає змогу опрацьовувати проєкт частинами (окремими блоками), а потім з’єднати ці блоки в єдину модель. Це доцільно використовувати у випадках коли: проєкт дуже великий для опрацювання всіх знімків одразу; всі знімки не вирівнюються автоматично, тоді як окремі групи знімків можна урівняти між собою. Щоб створити новий блок, необхідно натиснути кнопку Add chunk в дереві ресурсів проєкту (рис. 16). Metashape одночасно працює тільки з одним блоком, тому для активації блока необхідно двічі клацнути на його імені в дереві ресурсів. Після чого опрацювання даних здійснюється за стандартною процедурою. Для того, щоб перемістити знімки з одного блоку в інший (наприклад при роботі за сценарієм, коли в одному блоці всі знімки не вирівнюються), необхідно виділити ці знімки в дереві ресурсів, клацнути правою кнопкою миші і в контекстному меню обрати Move cameras – Chunks – «Назва блоку». Коли всі фотознімки в кожному блоці урівняні, необхідно вирівняти блоки між собою. Для цього потрібно виконати команду меню Workflow – Align chunks. Відкриється вікно, в якому необхідно позначити блоки, які потрібно вирівняти, а також метод вирівнювання: Метод Point based – базується на використанні характерних точок, аналогічно до вирівнювання окремих знімків між собою. Доцільний у випадках, коли ці характерні точки наявні. Якщо проєкт розбивається на блоки через те, що знімки не вирівнюються автоматично в одному блоці, це свідчить про недостатню кількість характерних точок на знімках, і цей спосіб вирівнювання блоків буде малоефективним. Marker based – базується на використанні маркерів. Для використання цього способу блоки повинні мати хоча б 4 спільних маркери. Доцільно використовувати у випадках, коли характерних точок недостатньо для вирівнювання блоків. Camera based – базується на використанні координат положення 52

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

камер. Цей метод доцільно використовувати, коли положення камер відоме з високою точністю. Після вирівнювання блоків необхідно їх об’єднати. Для цього потрібно виконати команду меню Workflow – Merge chunks. У вікні, що відкриється, слід обрати блоки, які треба об’єднати, а також позначити типи даних, що будуть об’єднуватись (для формування цілісної моделі, як правило, об’єднуються всі дані). В результаті в дереві ресурсів з’явиться новий блок, що містить об’єднані дані.

1.7. Побудова щільної хмари точок Коли всі фотознімки вирівняні, здійснюється побудова щільної хмари точок. Суть операції полягає в попіксельному порівнянні пар зображень, що мають спільне перекриття. Оскільки параметри орієнтування знімків вже відомі, то для кожної точки на одному знімку відома область розташування цієї ж точки на інших знімках. Якщо в процесі порівняння ця точка ідентифікується на обох знімках, то розраховуються її тривимірні координати. Metashape автоматично визначає зону реконструкції щільної хмари таким чином, щоб у неї потрапили всі об’єкти, що відобразились на знімку. У вікні Model ця зона позначена сірим паралелепіпедом (рис. 17). Оскільки досить часто в сцену зйомки потрапляє значно більше об’єктів, ніж потрібно, доцільно зменшити зону реконструкції до меж потрібної території. Це дасть змогу зменшити кількість надлишкових даних та підвищити швидкість реконструкції. Відредагувати зону реконструкції можна за допомогою кнопок на панелі інструментів (рис. 18). За допомогою інструментів Move Region, Resize Region та Rotate Region можна відповідно перемістити, змінити розміри чи повернути зону реконструкції. Після того, як зона реконструкції встановлена, для побудови щільної хмари точок необхідно виконати команду меню Workflow – 53

Рис. 17 Зона реконструкції щільної хмари

Рис. 18 Інструменти редагування зони реконструкції

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Build dense cloud. У спливаючому вікні (рис. 19) необхідно встановити параметри реконструкції:

Якість (Quality) – визначає ступінь зменшення знімків аналогічно

до параметру Точність (Accuracy) при зрівнюванні знімків. High – використання знімків оригінального розміру, Medium – знімки зменшені в 4 рази і т.д. Чим вища якість реконструкції, тим щільнішою і детальнішою буде хмара точок. Фільтрація карт глибин (Depth filtering). При порівнянні пар знімків програма розраховує карти глибин для кожного знімка. В результаті впливу різних факторів – поганої текстури деяких об’єктів, шумів, нерізкості і т.п. – положення деяких точок може бути визначено неправильно: вони можуть в тій чи іншій мірі «провалюватися» або «підніматися» щодо сусідніх точок. Такі точки – випадкові викиди – необхідно відфільтрувати.

Рис. 19 Налаштування параметрів побудови щільної хмари точок

Рис. 20 Візуалізація щільної хмари точок

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Фільтрація карт глибини може приймати значення «Відключена», «М’яка», «Помірна», «Агресивна». Агресивна (Aggressive) фільтрація призводить до формування більш гладкої поверхні, тому її доцільно використовувати при реконструкції об’єктів, що не мають дрібних деталей, наприклад для аерофотозйомки територій з плавними формами рельєфу. Якщо поверхні об’єктів досить складні, то доцільно використовувати м’яку (Mild) фільтрацію. Помірна (Moderate) фільтрація використовується для об’єктів, що мають проміжний характер. Вимикати фільтрацію рекомендується лише у випадках високоякісної зйомки з дуже добрими текстурами і без шумів на зображеннях. Повторно використовувати карти глибин (Reuse depth maps) – дає можливість скоротити час побудови хмари точок шляхом повторного використання карт глибин, якщо вони вже були побудовані раніше. Розрахувати кольори точок (Calculate point color) – розфарбовує хмару точок в реальні кольори з фотографій. Розрахувати достовірність точок (Calculate point confidence) – підраховує, скільки карт глибин використовувалось для обчислення координат кожної точки. Надалі ця інформація може використовуватись для фільтрації хмари точок. Після завершення операції в дереві ресурсів з’явиться щільна хмара точок (Dense Cloud). Щоб відобразити її у вікні Model, необхідно на панелі інструментів вибрати відповідну кнопку (рис. 20).

1.8. Фільтрація хмари точок Часто після побудови щільної хмари точок виникає необхідність відфільтрувати зайві точки – небажані об’єкти або просто недостовірні точки, які з’явились через шуми. Це можна здійснити декількома способами: Ручна фільтрація. За допомогою інструментів виділення на панелі інструментів (рис. 21) позначити зайві точки в просторі моделі і видалити їх, натиснувши кнопку Del на клавіатурі. Фільтрація за кольором. За допомогою меню Tools – Dense 55

Рис. 21 Інструменти виділення точок

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Рис. 22 Візуалізація достовірності точок щільної хмари

cloud – Select points by color можна виділити всі точки певного кольору (наприклад шумові точки від поверхні водойми синього кольору), після чого видалити їх кнопкою Del. Фільтрація за достовірністю. Якщо на етапі побудови щільної хмари точок виконувався розрахунок достовірності, то можна видалити з моделі точки з низькою достовірністю. Для відображення розрахованої достовірності точок необхідно на панелі інструментів обрати відповідний режим (рис. 22). Хмара точок розфарбується за шкалою від червоного до синього, залежно від кількості карт глибин відповідно до шкали у нижній лівій частині. За допомогою меню Tools – Dense cloud – Filter by confidence можна відфільтрувати точки з низькою достовірністю.

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

1.9. Побудова полігональної моделі Наступним етапом обробки є створення полігональної моделі. Операція викликається з меню Workflow – Build mesh і регулюється такими основними параметрами (рис. 23):

Тип вхідних даних (Source data) – тип даних, що використову-

ються для створення полігональної моделі. Розріджена хмара точок (Sparse cloud) може використовуватись для створення швидкої низькодеталізованої моделі. В загальному випадку використовується Щільна хмара (Dense cloud), що згенерована і відфільтрована на попередніх етапах. Для довільних поверхонь можна обрати Карти глибин (Depth maps) – це дасть змогу використовувати всю інформацію з фотознімків більш ефективно, однак не буде враховуватись фільтрація щільної хмари точок. Тип поверхні (Surface type). Довільна (Arbitrary 3D) може використовуватись для реконструкції будь-яких об’єктів. Карта висот (Height field 2.5D) оптимізована для побудови рельєфу і потребує значно менше ресурсів і часу на реконструкцію. Якість (Quality). Доступний лише для карт глибин і визначає ступінь зменшення оригінальних зображень, аналогічно до параметру Якість при побудові щільної хмари. Кількість полігонів (Face count) визначає максимальну кількість полігонів в моделі. Для опцій Висока (High), Середня (Medium) і Низька (Low) Metashape автоматично пропонує кількість полігонів залежно від щільності хмари точок. Опція Довільна (Custom) дає змогу користувачеві ввести значення вручну. Після завершення операції в дереві ресурсів з’явиться полігональна модель (3D Model). Для того, щоб її відобразити у вікні Model, необхідно на панелі інструментів вибрати відповідну кнопку (рис. 24). Для моделі доступно кілька типів візуалізації (затінена, суцільна, каркасна тощо).

Рис. 23 Основні параметри побудови полігональної моделі

Рис. 24 Результат побудови полігональної моделі

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

1.10. Текстуризація моделі Полігональна модель, отримана на попередньому етапі опрацювання, буде забарвлена в реальні кольори шляхом розфарбовування її вершин. Цей метод колоризації дає добрі результати у випадках, коли щільність точок моделі дуже висока. Коли щільність точок низька, модель буде розпливчастою. Покращити якісь візуалізації моделі можна, побудувавши текстуру з фотознімків. Операція викликається з меню Workflow – Build texture і в загальному випадку регулюється такими основними параметрами (рис. 25): Т ип текстури (Texture Type) – Карта кольорів – (Diffuse map) Т ип вхідних даних (Source Data) – Зображення (Images) Р ежим накладання текстури (Mapping mode) – Загальний (Generic) Режим змішування (Blending mode) – Мозаїка (Mosaic) Р озмір/кількість текстур (Texture size/count) – 4096 х 1 У вімкнути заповнення отворів (Enable hole filling) – Увімкнути (Enable) У вімкнути фільтрацію шумів (Enable ghosting filter) – Увімкнути (Enable)

Рис. 25 Параметри побудови текстури

! Параметр Texture size/count прямо пропорційно впливає на рівень деталізації текстури: чим більший розмір текстури, тим вищою буде деталізація. Значення 4096 згенерує файл текстури розмірами 16 мегапікселів (4096 х 4096 пікселів), чого достатньо для простої візуалізації. Якщо необхідно побудувати більш детальну текстуру, то доцільно збільшувати кількість файлів текстур, а не розмір самої текстури, оскільки створення одного файла текстури великої роздільної здатності потребує багато пам’яті і може видати помилку.

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 26 Результат побудови текстури

Інші параметри текстуризації використовуються в особливих випадках, і з ними можна ознайомитись у довідці до Agisoft Metashape. В результаті виконання операції для моделі стане доступний тип візуалізації «Текстурована модель» (рис. 26).

1.11. Побудова ортофотоплану Операція викликається з меню Workflow – Build orthomosaic і в загальному випадку регулюється такими основними параметрами (рис. 27):

Тип проекції (Projection) – відповідно до системи координат, що використовується в проєкті Поверхня (Surface) – Полігональна модель (Mesh)

Рис. 27 Налаштування параметрів побудови ортофотоплану

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Т ип змішування (Blending mode) – Мозаїка (Mosaic) У вімкнути заповнення отворів (Enable hole filling) – Увімкнути (Enable) Розмір пікселя (Pixel size): – чим менше значення розміру пік-

Рис. 28 Результат побудови ортофотоплану

селя, тим більш детальним буде ортофото і більшим розмір файла. Metashape автоматично розрахує максимально можливу роздільну здатність ортофото залежно від деталізації фотознімків. Регіон (Region) відповідає за налаштування розміру області побудови ортофото. За вимкненої опції Встановити межі (Setup boundaries) ортофото створиться для всієї моделі. Після завершення операції в дереві ресурсів з’явиться ортофотоплан (Orthomosaic). Подвійний клік на ньому в дереві ресурсів відкриє ортофотоплан у вкладці Ortho (рис. 28).

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

1.12. Побудова цифрової моделі рельєфу Metashape дає змогу швидко побудувати цифрову модель рельєфу (ЦМР), на основі щільної хмари точок для експорту в ГІС-системи. Перед виконанням операції необхідно класифікувати землю

Рис. 29 Щільна хмара з класифікованими точками землі

на хмарі точок за допомогою меню Tools – Dense cloud – Classify ground points. У спливаючому вікні необхідно встановити такі параметри (придатні для більшості сценаріїв зйомки з БПЛА): Максимальний кут нахилу (Max angle) – 15°. Це стандартне значення для рівнинного рельєфу. Якщо рельєф горбистий чи гірський, то кут необхідно збільшувати. Максимальна відстань (Max distance) – 1 м. Розмір ділянки (Cell size) – 50 м. Після класифікації щільну хмару точок можна розфарбувати відповідно до призначених класів, обравши Dense Cloud Classes в методах відображення щільної хмари на панелі інструментів (рис. 29). 61

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Якщо певні ділянки хмари неправильно класифіковані, то класифікацію можна підправити вручну, виділивши помилкову ділянку на хмарі за допомогою інструмента Free-form selection на панелі інструментів та призначивши їй правильний клас у меню Tools Dense cloud – Assign class. Операція побудови цифрової моделі рельефу (ЦМР) викликається з меню Workflow – Build DEM. Параметри подібні до використовуваних для побудови ортофотоплану, окрім: Вихідні дані (Source data) – Щільна хмара (Dense cloud) К ласи точок (Point Classes) – Земля (Ground)

Рис. 30 Результат побудови цифрової моделі рельєфу

Після завершення операції в дереві ресурсів з’явиться ЦМР (DEM). Подвійний клік на ньому в дереві ресурсів відкриє ЦМР у вкладці Ortho (рис. 30).

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 31 Цифрова модель рельєфу з виправленою класифікацією точок

Отримана ЦМР буде візуалізована з відтіненням (Hillshade), що до зволяє легше виявити піки і різкі перепади рельєфу. Якщо піки на моделі не відповідають реальному рельєфу, це означає, що деякі точки неправильно класифіковані. В таких випадках доцільно по вторити класифікацію точок щільної хмари з іншими параметрами або вручну виправити неправильно класифіковані точки і знову побудувати ЦМР (рис. 31).

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

1.13. Експорт даних Metashape дає змогу експортувати в зовнішні програми практично всі результати, згенеровані програмою. Це можна зробити через меню File – Export (рис. 32) або клікнувши правою кнопкою на відповідному об’єкті в дереві ресурсів і обравши Export у контекстному меню. У спливаючому вікні необхідно обрати шлях до папки, де буде збережено результат та формат даних. Після чого у наступному вікні необхідно обрати параметри експорту (система координат, кольори, текстура тощо).

! Особливу увагу слід приділити системі координат! Практично всі ГІС системи (ArcGIS, QGIS, MapInfo тощо) можуть працювати з будь-якими координатами. Однак багато програм для 3D-моделювання не можуть працювати з великими координатами, і тому в таких програмах результати здебільшого відображаються некоректно через втрату точності. В цьому випадку доцільно експортувати результати в локальній системі координат з певним зміщенням по осях X, Y, Z.

Рис. 32 Меню експорту даних з Metashape

2. О бробка фотограмметричних даних в інших програмних комплексах 2.1. Робота з хмарами точок та 3D-моделями в CloudCompare CloudCompare – це відкрите програмне забезпечення для роботи з хмарами точок і 3D-моделями. Спочатку розроблялося лише для порівняння хмар точок, але згодом значно розширило свій функціонал і стало охоплювати багато просунутих алгоритмів (реєстрація хмар точок, розрахунок нормалей, статистичний аналіз, сегментація тощо). 64

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 33 Вікно перетворення координат CloudCompare

2.1.1. Робота з великими координатами При відкритті в програмі об’єктів, що мають великі координати (більше ніж 105), програма попередить про це користувача і запропонує зсунути (або відмасштабувати) об’єкт таким чином, щоб працювати в локальній системі координат з невеликими координатами (рис. 33). Це пов’язано з тим, що CloudCompare та специфікація OpenGL працюють з 32-бітними значеннями чисел. Це дає змогу збільшити швидкість опрацювання даних і на 50 % зменшити споживання пам’яті порівняно з 64-бітними значеннями. Однак 32-бітове представлення має обмежену роздільну здатність (точність). Тому дуже важливо «зсунути» об’єкти до локальних координат, інакше точність оригінальних даних втратиться. СloudCompare зберігає значення зсуву та масштабу як метадані в процесі роботи. І коли користувач зберігає результати, то використовує ці значення для відновлення оригінальної системи ко65

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

ординат (у випадку, якщо формат даних підтримує 64-бітні значення). Якщо необхідно прибрати великі координати (наприклад для подальшої роботи в іншому програмному забезпеченні, що не підтримує великі координати), то потрібно вибрати відповідний об’єкт і обрати пункт меню Edit – Edit Global shift and scale. У спливаючому вікні необхідно змінити значення GlobalShift на нуль (рис. 34). Опція Keep original position fixed має бути вимкнена.

Рис. 34 Видалення великих координат в CloudCompare

2.1.2. Імпорт та експорт даних CloudCompare працює з великою кількістю форматів даних хмар точок та 3D-моделей. Тому його можна успішно використовувати для конвертування тривимірних даних. Однак при роботі в комбінації з іншим програмним забезпеченням варто звернути увагу на такі аспекти: 66

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Формати файлів BIN – внутрішній бінарний формат даних, який використовує CloudCompare. Зберігає максимум інформації і здатний зберігати великі координати, але відкривається лише через CloudCompare. E57 – популярний формат зберігання хмар точок. Здатний зберігати великі координати. DXF – відкритий формат файлів для обміну графічною інформацією між різними САПР, створений компанією Autodesk. Здатний зберігати великі координати. При імпорті в CloudCompare відображаються лише 2D-дані. PTS – текстовий формат зберігання хмар точок. Здатний зберігати великі координати. PLY – формат файлів для зберігання хмар точок та 3D-моделей. Може бути як бінарним, так і текстовим. Бінарні файли відкриваються та зберігаються значно швидше, ніж текстові. Здатний зберігати великі координати. FBX, OBJ, STL – популярні формати для зберігання 3D-моделей. Не здатні зберігати великі координати. Особливості взаємодії з іншим популярним програмним забезпеченням Autodesk ReCap. Найшвидший спосіб перенесення даних хмар точок з CloudCompare в Autodeks ReCap – використання формату Е57. Autodesk AutoCAD. CloudCompare не працює з тривимірними DWGчи DXF-файлами. Найпростіший спосіб перенесення 3D-моделі з AutoCAD в CloudCompare – експортувати в формат STL чи FBX. Autodeks Meshmixer. Не здатний працювати з великими координатами. Не читає PLY-файли, створені в CloudCompare. Краще використовувати формати STL та OBJ при імпорті даних в Meshmixer.

2.1.3. Фільтрація хмар точок CloudCompare має декілька інструментів для фільтрації хмар точок: Інтерактивна сегментація хмари Вилучення статистичних викидів (Statistical Outlier Removal) 67

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Рис. 35 Інтерактивна сегментація хмари точок в CloudCompare

Інтерактивна сегментація використовується у випадках, коли потрібно вилучити з хмари точок зайві об’єкти. Операція сегментації запускається з меню Edit – Segment або з аналогічної кнопки на панелі інструментів. У вікні моделі у правому верхньому кутку з’явиться додаткова інструментальна панель (рис. 35). Стандартно операція сегментації запускається в режимі полігонального виділення. Потрібно накреслити полігон у вікні моделі: лівою кнопкою миші слід послідовно вказати точки полігона і закінчити побудову правою кнопкою миші. Якщо після цього натиснути ліву кнопку миші в просторі моделі, то побудова полігона почнеться спочатку. Після побудови полігона необхідно вибрати режим сегментації на панелі інструментів: Segment in – залишає лише ті точки, які розташовані всередині полігона; Segment out – залишає лише точки зовні полігона. 68

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Після вибору зайві точки зникнуть, і сегментація буде призупинена. При цьому в просторі моделі можна змінювати положення камери і оцінювати якість сегментації. Якщо на моделі все ще наявні зайві точки, то необхідно продовжити сегментацію: 1) встановити нове положення камери; 2) натиснути кнопку Pause segmentation на панелі інструментів; 3) визначити новий полігон. Коли в просторі моделі відображаються лише необхідні точки, можна закінчити сегментацію хмари двома способами: 1) кнопка підтверджує сегментацію і створює дві хмари, одна з яких містить всі вибрані точки, а інша – решту точок; 2) кнопка підтверджує сегментацію і створює лише одну хмару з вибраними точками, решта точок видаляється. Інструмент Вилучення статистичних викидів (Statistical Outlier Removal) використовується для видалення випадкових точок – «вильотів». Суть операції полягає в обчисленні відстаней від кожної точки до найближчих сусідніх точок. Якщо така відстань значно перевищує середню відстань між точками, то відповідна точка видаляється. Операція запускається з меню Tools – Clean – SOR filter або з відповідної кнопки на панелі інструментів і регулюється двома параметрами: Кількість сусідів для обчислення відстаней (Number of neighbors). Чим більше сусідніх точок аналізується, тим менша імовірність видалення точки, оскільки більше віддалених точок буде задіяно в обчисленні відстаней. Тому доцільно виставляти високі значення параметра на щільних хмарах точок. Коефіцієнт середнього відхилення точок (Standard deviation multiplier threshold). Якщо хмара точок має рівномірну щільність, то доцільно залишати значення коефіцієнта 1. За нерівномірного розподілу точок рекомендується збільшувати коефіцієнт. Не рекомендується встановлювати значення коефіцієнта меншим, ніж 1, оскільки в цьому випадку з великою імовірністю відфільтруються і «корисні» точки. В результаті виконання операції в дереві ресурсів з’явиться нова хмара точок з суфіксом «.clean». 69

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

2.1.4. Створення моделі рельєфу CloudCompare дає змогу здійснювати просте моделювання поверхні землі регулярною сіткою (GRID). Перед виконанням операції рекомендується виконати грубу сегментацію поверхні землі (див. п. 2.1.3). Обов’язково потрібно видалити шумові точки, які знаходяться під поверхнею землі. Операція побудови ЦМР викликається з меню Tools – Projection – Rasterize або відповідною кнопкою на панелі інструментів. Суть операції зводиться до пошуку найнижчої точки в кожній клітинці GRID-сітки – як правило, ця точка відповідає земній поверхні. У спливаючому вікні (рис. 36) необхідно встановити такі параметри: S tep – крок сітки GRID-моделі. Залежить від щільності точок моделі і від форми рельєфу місцевості. Чим більші перепади рельєфу, тим менший крок сітки потрібно встановлювати для коректно-

Рис. 36 Вікно налаштування параметрів інструмента Rasterize

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 37 Результат виконання операції Rasterize

го відображення ЦМР. Не рекомендується виставляти крок сітки менший, ніж відстань між точками моделі на хмарі. Для більшості топографічних цілей достатньо кроку сітки в 0,5–5 м. Direction – Z Cell height – minimum Empty cells fill with – leave empty Після чого на вкладці Export потрібно натиснути Cloud. В дереві ресурсів і у вікні моделі з’явиться нова хмара точок з префіксом «.raster». Окрім точок землі вона буде містити й інші (наприклад, точки дахів будівель, якщо в межах клітинки не було інших точок) (рис. 37). Такі зайві точки необхідно відфільтрувати вручну або за допомогою SOR-фільтра (див. п. 2.1.3). В результаті буде отримано модель, що містить лише точки землі (рис. 38). Для створення поверхні землі на основі такої хмари точок необхідно виконати команду Edit – Mesh – Delaunay 2.5 D (XY plane) зі 71

Рис. 38 Хмара точок землі, отримана після фільтрації

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Рис. 39 Результат побудови полігональної моделі рельєфу

значенням Max edge length = 0. В результаті буде побудовано модель рельєфу у вигляді полігональної поверхні (рис. 39).

2.1.5. Рендеринг хмар точок

Рис. 40 Рендеринг зображення в CloudCompare

CloudCompare має можливість експортувати візуалізацію хмар точок у вигляді зображення чи відео. Для рендерингу зображення хмари точок чи моделі необхідно виконати команду меню Display – Render to file. У спливаючому вікні (рис. 40) необхідно встановити шлях до файла зображення (File Name), що згенерується, та коефіцієнт масштабування (Zoom), якщо потрібно згенерувати зображення більшої роздільної здатності, ніж поточне на екрані. Для рендерингу відео необхідно виставити бажаний ракурс і виконати команду Display – Save viewport as object або натиснути на клавіатурі Ctrl+V. Після чого в дереві ресурсів з’явиться збережене положення камери (рис. 41). Потім слід встановити наступний 72

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

ракурс камери і знову зберегти його. Операцію потрібно повторити для всіх положень камери. Для запуску рендерингу відео необхідно вибрати всі збережені камери у дереві ресурсів і виконати команду меню Plugins – Animation. У спливаючому вікні (рис. 42) необхідно налаштувати параметри анімації: Animation – Total duration – загальна тривалість відео в секундах. Current step – Duration – тривалість відео для обраного положення камери. Loop – повернення до першого ракурсу після останнього (зациклення анімації). У блоці Video Output можна налаштувати параметри відеофайла – частоту кадрів, бітрейт, роздільну здатність, шлях до файла. Для рендерингу хмар точок рекомендується виставляти бітрейт не нижче 25000 kbps, щоб уникнути артефактів на відео. Натиснувши на кнопку Preview, можна у вікні моделі проглянути, який вигляд матиме анімація. Для створення відеофайла необхідно натиснути кнопку Render. Операція займе певний час, залежно від тривалості відео. Успішне виконання операції програма підтвердить спливаючим вікном.

Рис. 41 Збережені ракурси камер в CloudCompare

2.2. Autodeks ReCap Програмне забезпечення Autodesk ReCap призначене для роботи з хмарами точок. Воно дає змогу імпортувати хмари точок для перегляду і редагування, а також для їх інтегрування в інші продукти компанії Autodesk. Програма перетворює вихідні дані хмар точок з різноманітних форматів в індексовані хмари у форматі RCS, які об’єднуються в файлі проєкту у форматі RCP. Один RCP-файл проєкту може містити багато RCS-хмар точок. Завдяки механізму індексації ReCap може швидко працювати з дуже масивними хмарами (мільярди точок). 73

Рис. 42 Налаштування рендерингу відео в CloudCompare

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

2.2.1. Імпортування даних хмар точок в Autodesk ReCap Для того, щоб імпортувати дані хмар точок, необхідно спочатку створити новий проєкт. Для цього слід натиснути на кнопку New project на головному екрані програми або Ctrl+N на клавіатурі. У спливаючому вікні необхідно вибрати Import point cloud (рис. 43). У наступному вікні треба ввести назву проєкту та шлях до папки, куди будуть зберігатись файли проєкту, і натиснути кнопку Proceed. Після чого потрібно вибрати файли хмар точок для імпорту. За допомогою кнопок Select files for import та Select folder for import можна вказати шлях до конкретного файла або папки з файлами, або можна перенести файли хмар безпосередньо з Провідника у вікно ReCap. Після вибору файлів відкриється вікно налаштувань імпорту з двома вкладками: Filtering – призначена для налаштування фільтрації хмар точок лазерного сканування Advanced (рис. 44) – додаткові параметри імпорту:

Рис. 43 Створення нового проєкту в ReCap

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 44 Вікно налаштування імпорту хмар точок в ReCap

Decimation grid – розрідження хмари до вказаної відстані між

точками. Всі точки, розташовані на меншій відстані, будуть видалені. Стандартне значення – 5 мм (достатньо для архітектурних і планувальних проєктів). Coordinate system – перетворення системи координат хмари точок (current – вихідна система координат, target – цільова). Якщо немає необхідності у перетворенні системи координат, то поля слід залишити порожніми. Up axis – вибір осі, що направлена вгору. Стандартно – вісь Z. Після введення параметрів імпорту необхідно натиснути кнопку Import files. Перелік файлів для імпорту буде відображатись у наступному вікні. За необхідності можна додати в проєкт ще файли, за допомогою кнопок Select files for import та Select folder for import у лівій частині вікна (рис. 45). 75

Рис. 45 Вікно імпорту даних ReCap

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Коли всі файли обрано, потрібно натиснути Index files. Коли індексування буде закінчено, проєкт автоматично збережеться. Для перегляду проєкту потрібно натиснути кнопку Launch project.

Рис. 46 Режими візуалізації хмар точок в ReCap

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

2.2.2. Налаштування параметрів візуалізації даних ReCap підтримує декілька методів візуалізації хмар точок, між якими можна перемикатись в меню Display settings – Color Mode (рис. 46): a) RGB – реальні кольори точок, отримані з фотографій. b) Elevation – карта висот. Розфарбовує хмару у кольори спектру від червоного (найнижча точка) до рожевого (найвища точка). c) Intensity – інтенсивність відбитого лазерного променя. Відображається лише для хмар точок лазерного сканування. d) Normal – нормалі до поверхні. При імпорті хмар точок ReCap аналізує кривину і орієнтацію поверхонь на хмарі і розфарбовує по-різному орієнтовані поверхні у різні кольори. В цьому режимі дуже добре виділяються ребра граней поверхонь. e) Scan location – розфарбовує кожну окрему хмару в інший колір. Окрім цього доступні такі додаткові параметри: Display settings – Points – Point size дає можливість змінювати розмір точок хмари при візуалізації. Display settings – Toggle UI Elements – Perspective дає змогу перемикатись між ізометричною проєкцією та перспективною.

2.2.3. Чистка хмар точок Чистка хмар точок в ReCap здійснюється вручну за допомогою інструмента Selection tool, що розміщується на нижній панелі інструментів (рис. 47). Доступні три режими виділення точок: Window – виділення прямокутником. Необхідно вказати два протилежні кути прямокутника. Fence – виділення полігоном. Необхідно послідовно вказати всі точки прямокутника. Для закінчення виділення необхідно натиснути Enter або зробити подвійний клік лівою кнопкою миші. Plane – виділення точок, розташованих на одній площині. При 77

Рис. 47 Панель інструментів Selection tool

Обробка даних фотограмметричної зйомки з БПЛА

Рис. 48 Меню відновлення видалених точок

Рис. 49 Меню експорту зображення з ReCap

Рис. 50 Параметри експорту зображення

Частина ІІ

цьому активується параметр Plane depth, який визначає допустиме відхилення точок від ідеальної площини. Для задання площини необхідно вказати на хмарі щонайменше 3 точки, що відносяться до площини, і натиснути Enter. Виділені точки будуть автоматично підсвічуватись на хмарі. При повторенні операції всі попередньо виділені точки деактивуються. Якщо виконувати виділення із натиснутою клавішею Shift, то нове виділення додасться до наявного. За натиснутої клавіші Alt точки віднімуться від попереднього виділення. Коли точки виділено, на нижній панелі інструментів з’являться додаткові кнопки: R egion – дає змогу розподілити точки по «регіонах». Таким чином надаліу можна буде приховувати лише точки конкретного регіону. C lip – дає змогу приховати частину точок. Параметр Clip outside залишить активними лише вибрані точки, в той час як Clip inside – залишить всі точки, крім вибраних. Інструмент не видаляє точки, а лише тимчасово приховує. Кнопка Unclip поверне на екран всі точки, що були приховані. D elete – видаляє вибрані точки. C lear – скасовує виділення. Варто зауважити, що після того, як непотрібні точки видалено інструментом Delete, вони все ще залишаються у файлі проєкту, і їх можна відновити через пункт Recover deleted points в головному меню (рис. 48). Після того, як виконані всі модифікації з хмарою точок, необхідно зберегти проєкт через кнопку Save у головному меню або натиснувши Ctrl+S на клавіатурі. При цьому ReCap запитає, чи потрібно оптимізувати проєкт. Якщо обрати «Оптимізувати», то всі видалені точки остаточно буде втрачено. Якщо проєкт не оптимізовувати, то видалені точки можна буде згодом відновити.

2.2.4. Рендеринг хмар точок ReCap має можливість експортувати візуалізацію хмар точок у вигляді зображень або відео. 78

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 51 Панель навігації проєкту

Для рендерингу поточної візуалізації хмари точок у зображенні необхідно обрати пункт Export Image у головному меню (рис. 49) або натиснути Ctrl+J на клавіатурі. У спливаючому вікні (рис. 50) необхідно вказати формат зображення, роздільну здатність, шлях до папки з зображенням та на зву файла. Рендеринг відео хмари точок з ReCap здійснюється в такій послідовності: Відкрити панель навігації проєкту через кнопку Project Navigator у правому нижньому кутку або клавішу Q на клавіатурі (рис. 51). Встановити необхідний ракурс камери і натиснути кнопку «+» в розділі View States панелі навігації проєкту (рис. 52).

Рис. 52 Збереження ракурсів камер

Обробка даних фотограмметричної зйомки з БПЛА

Рис. 53 Експортування відео хмари точок з ReCap

Частина ІІ

Операцію повторити для кожного бажаного положення камери. Збережені камери будуть відображатись у вигляді списку в розділі View States. Натиснувши кнопку Play animation в розділі View States, можна проглянути траєкторію руху камери, згенеровану зі збережених ракурсів. 3. Натиснути кнопку Export animation в розділі View States (рис. 53) і налаштувати параметри експорту (рис. 54). Експорт відео регулюється такими параметрами: Pause time – час затримки камери на кожному збереженому ракурсі в секундах. Transition time – час переходу між ракурсами. Loop – повернення до першого ракурса після останнього. Easing – згладження траєкторії руху камери. Format – формат вихідного відеофайла Resolution – роздільна здатність відеофайла. Path – шлях до папки збереження. Filename – назва відеофайла. Після налаштування параметрів потрібно натиснути кнопку Export. Коли рендеринг буде виконано, ReCap запропонує відкрити папку з файлом для перегляду.

2.3. Autodesk AutoCAD Civil 3D Рис. 54 Налаштування параметрів експорту відео

Програмне забезпечення AutoCAD Civil 3D призначене для спеціалістів у сферах землеустрою, геодезії, планування територій та об’єктів інфраструктури. В його основі лежить використання ВІМ-технологій, що дає змогу суттєво автоматизувати проєктування об’єктів.

2.3.1. Робота з хмарою точок в AutoCAD Civil 3D Робота з хмарою точок в Civil 3D аналогічна роботі в інших програмних продуктах Autodesk. Безпосередньо хмара точок не імпортуєть80

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 55 Імпортування хмари точок в Civil 3D

Рис. 56 Візуалізація хмари точок в Civil 3D

ся в проєкт Civil, а зберігається лише посилання на проєкт ReCap. Для завантаження хмари необхідно на вкладці Insert в блоці Point Cloud вибрати Attach (рис. 55), після чого вибрати шлях до проєкту ReCap з хмарою. У наступному спливаючому вікні необхідно задати параметри вставлення хмари, а саме точку вставки, масштаб, поворот. Якщо хмара точок вже в необхідних координатах, то точка вставки повинна мати координати Х = 0, Y = 0, Z = 0. Видовий екран автоматично візуалізує хмару точок (рис. 56). 81

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Рис. 57 Панель керування хмарою точок в Civil

Якщо вибрати завантажену хмару точок у видовому екрані, то на стрічці автоматично активується вкладка Point Cloud з набором інструментів (рис. 57). Опис основних інструментів для роботи з хмарою подано у таблиці: Блок Display Point Size

Розмір точок хмари. Добирається візуально для кращого сприйняття хмари точок

Level of detail Рівень деталізації хмари. Стандартне значення 10 означає, що завантажуються всі точки. Це може суттєво сповільнювати роботу з великими масивами даних. При зменшенні рівня деталізації частина точок буде відкидатись, що дасть змогу пришвидшити роботу Блок Visualization Stylization

Метод візуалізації хмари точок, аналогічно до ReCap (див. п. 2.2.2)

Transparency

Налаштування прозорості хмари точок

Блок Cropping Crop

Підрізання хмари точок. Доступне підрізання прямокутником, полігоном чи колом. Використовується, коли потрібно тимчасово виділити на хмарі певну зону.

Uncrop all/last

Скасування всіх/останнього підрізання хмари

Блок Section

Призначений для підрізання хмари точок площиною

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Блок Extract

Призначений для напівавтоматичного розпізнавання на хмарі точок ребер, кутів, осьових ліній. Працює лише для структурованих хмар точок лазерного сканування

Блок Options Point Cloud Manager

Менеджер хмари точок. Дає можливість приховувати певні регіони або окремі хмари, якщо вони наявні у проєкті ReCap

External Reference

Панель роботи з зовнішніми посиланнями. Дає змогу завантажувати або видаляти з проєкту різноманітні зовнішні файли, зокрема хмари точок, PDF-документи, зображення тощо.

2.3.2. Створення цифрової моделі рельєфу Цифрову модель рельєфу на основі хмари точок в Civil 3D можна побудувати різними способами. Перший – створення ЦМР безпосередньо з хмари точок. Для виконання операції необхідно на вкладці Home в блоці Create Ground Data обрати Surfaces – Create Surface from Point Cloud (рис. 58). У спливаючому вікні необхідно встановити: загальні параметри поверхні: назва, опис, стиль, матеріал, шар; вибір хмари точок: налаштування вибору зони з хмари, за якою буде будуватись поверхня, а також щільність точок поверхні (Distance between points); метод фільтрації точок, що не відносяться до землі: Planar average – відкидає всі точки, розташовані вище від середньої площини. Kriging interpolation – інтерполює нові точки і будує криволінійну поверхню. Відкидає точки, що знаходяться вище цієї по83

Рис. 58 Побудова ЦМР на основі хмари точок

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Рис. 59 Налаштування параметрів побудови поверхні

верхні. Працює повільніше, ніж Planar average, але якість фільтрації значно вища. No filter – без фільтрації. Доцільно використовувати у випадках, коли хмара точок вже попередньо відфільтрована. Після встановлення параметрів необхідно натиснути кнопку Create surface (рис. 59). Час створення поверхні залежить від обсягу хмари точок. Після закінчення побудови поверхня автоматично візуалізується у видовому екрані (рис. 60). Перевага побудови ЦМР безпосередньо з хмари точок: немає необхідності в попередній обробці хмари точок. Недоліки способу: велика кількість полігонів в моделі; Недостовірність моделі у місцях, де на хмарі точок є тіні або дірки. Другий – створення структурованої моделі рельєфу. Для створення структурованої моделі рельєфу потрібно спочатку 84

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 60 Результат побудови поверхні з хмари точок

Рис. 61 Фрагмент оцифрованих структурних точок рельєфу

оцифрувати характерні лінії рельєфу (водорозділи, тальвеги, бровки та підошви відкосів) у вигляді 3D-поліліній, ліній, сплайнів за допомогою стандартних інструментів AutoCAD. Всі ці лінії повинні коректно відображатися в плані та за висотою (рис. 61). 85

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Потрібно також оцифрувати характерні точки рельєфу. Для виконання операції необхідно на вкладці Home в блоці Create Ground Data обрати Points – Create points-Miscellaneous – Manual. Після цього необхідно вказати на точку на місцевості. Для того щоб точка точно відповідала хмарі, потрібно увімкнути 3D-прив’язку. Щоб це зробити, необхідно виконати команду 3DOSNAP в командному рядку. У спливаючому вікні слід активувати пункти 3D Object Snap On та Point Cloud – Node (рис. 62).

! Коли хмара точок має великі координати, прив’язка до хмари може працювати некоректно. В такому випадку рекомендується змістити хмару точок до локальних координат (напр. за допомогою CloudCompare, див. п. 2.1.1) та вставляти її в Civil, вказуючи параметри зміщення в полі Insertion point. При створенні нової точки Civil необхідно ввести її короткий опис (напр. «ground») та висотну позначку. Якщо прив’язка до хмари спрацювала коректно, то позначка визначиться автоматично і вже буде вписана в поле. Створені точки будуть автоматично відображатись у просторі моделі у вигляді зверху (Top view) (рис. 63).

Рис. 62 Налаштування 3D-прив’язки

Після оцифровування характерних точок необхідно об’єднати їх у групу. Для цього потрібно клацнути правою кнопкою миші на елементі Point Groups на панелі Toolspace і у контекстному меню обрати New... (рис. 64).

Рис. 63 Оцифровані структурні лінії та точки рельєфу

У спливаючому вікні налаштування групи точок слід вказати такі параметри: На вкладці Information в полі Name необхідно вказати назву групи точок, наприклад «Ground Points». На вкладці Include в полі With raw description matching необхідно подати той самий короткий опис точок, що вказувався при їх створенні. 86

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Таким чином всі точки землі, створені раніше, автоматично увійдуть в цю групу. Якщо після створення групи оцифровуються нові точки землі, необхідно клацнути правою кнопкою на назву групи в дереві ресурсів на панелі Toolspace і обрати пункт Update, щоб оновити перелік точок. Після оцифровування характерних точок і ліній рельєфу необхідно побудувати поверхню. Для цього потрібно виконати таку послідовність дій: 1. На вкладці Home в розділі Create Ground Data потрібно обрати Surfaces – Create Surface або на панелі Toolspace клацнути правою кнопкою в розділі Surfaces і обрати Create Surface. У спливаючому вікні в полі Type слід обрати TIN Surface. Новостворена поверхня відобразиться в дереві ресурсів на панелі Toolspace. 2. Відкрити структуру поверхні у дереві ресурсів і клацнути правою кнопкою в групі Definition – Breaklines, у контекстному меню обрати Add (рис. 65). 3. У спливаючому вікні додавання структурних ліній необхідно вказати такі параметри: Description – опис групи структурних ліній (довільний). Type – Standard. S upplementing factors визначають додаткове розбиття структурних ліній для побудови більш регулярної поверхні. Встановлюються залежно від потрібного рівня детальності та щільності точок. Для крупномасштабної зйомки здебільшого достатньо 1 м. Distance – визначає відстань, на яку розбиваються прямолінійні ділянки структурних ліній. Mid-ordinate distance – визначає відстань від дуги до хорди при спрощенні криволінійних елементів. 4. Клацнути правою кнопкою у групі Definition – Point Groups і у контекстному меню обрати Add… 5. У спливаючому вікні вибрати групу точок землі, створену раніше. 6. Клацнути правою кнопкою в дереві ресурсів на створеній поверхні і обрати в контекстному меню пункт Rebuild. 87

Рис. 64 Створення нової групи точок

Рис. 65 Додавання структурних ліній до поверхні

Обробка даних фотограмметричної зйомки з БПЛА

Частина ІІ

Рис. 66 Результат побудови структурної моделі рельєфу

У просторі моделі відобразиться новостворена поверхня (рис. 66). Створену модель можна в будь-який момент уточнити шляхом додавання до поверхні нових структурних ліній чи характерних точок. Переваги структурованої ЦМР:

евелика кількість полігонів; н исокий рівень достовірності. в Недолік способу: необхідність ручного оцифровування структурних лінії рельєфу.

Частина 3

Обробка даних з БПЛА на прикладі результатів зйомки з квадрокоптера Phantom 4 RTK в програмному забезпеченні Pix4D

Рис. 3 90

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

I. Cтворення нового проєкту Для створення нового проєкту: Запустіть Pix4Dmapper.

На панелі меню натисніть Project> New Project (рис. 1). Відкриється вікно нового проєкту New Project (рис. 2). У поле Name (Назва): введіть назву проєкту. (не обов’язково) У вікні Create in (Створити): натисніть Browse...

(Переглянути). У спливаючому вікні Select Project Location (Вибір місця розташування проєкту) перейдіть, щоб вибрати папку, в якій буде зберігатися проєкт та результати, і натисніть кнопку Select Folder (Вибрати папку).

(не обов’язково) Щоб зберегти всі нові проєкти у вибраній папці,

виберіть Use As Default Project Location (Використовувати як місце розташування за замовчуванням).

У Project Type (Тип проєкту) збережіть New Project (Новий проєкт) з параметрами за замовчуванням.

Рис. 1

Натисніть Next (Далі). Імпорт зображень Щоб додати зображення: У вікні Select Images (Вибрати зображення) натисніть Add Images... (Додати зображення ) (рис. 3).

У спливаючому вікні Select Images (Вибрати зображення) вибе-

ріть папку, в якій зберігаються зображення, виділіть зображення для імпорту (можна виділити кілька зображень) та натисніть Open (Відкрити).

Натисніть Next (Далі).

Рис. 2 91

Обробка даних з БПЛА

Частина ІІІ

В редакторі властивостей зображень (Image Properties Editor) треба змінити систему висот (vertical coordinate system) на еліпсоїдальну висоту замість автоматично визначеної висоти геоїда (EGM96). Для цього потрібно: В ідкрити редактор Вибору системи координат зображень (Select Image Coordinate System). Н атиснути на Додаткові параметри координат (Advanced Coordinate Options). В ибрати Geoid Height Above WGS 84 Ellipsoid (0m). Н атиснути ОК. Вибір вихідної системи координат/Cистеми координат опорних точок (GCP) (рис. 4) У вікні Select Output Coordinate System (Вибір вихідної системи координат): З мініть Output / GCP Coordinate System (Вихідну систему координат/GCP систему координат опорних точок).

! Примітка За замовчуванням вихідна система координат та система координат опорних точок (GCP) будуть однаковими. Таким чином, результати можуть відображатись в системі координат опорних точок (GCP). З а замовчуванням Unit (одиницею вимірювання) є m (метр). Я кщо зображення мають геолокацію, то за замовчуванням обирається Auto detected (Автоматичне визначення), і відображається відповідна UTM або NAD83 зона для зображень.

Якщо зображення не мають геолокації, за замовчуванням буде вибрано Arbitrary Coordinate System (Довільна система координат).

Рис. 4

Н атисніть кнопку Next (Далі) (рис. 5).

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Вибір шаблону параметрів обробки У вікні Processing Options Template (Шаблон параметрів обробки): Виберіть потрібний шаблон, спираючись на бажану сферу застосування і результати, описані в розділі Шаблони параметрів обробки (рис. 6).

Щоб автоматично запустити обробку, виберіть Start Processing Now (Почати обробку зараз).

Натисніть Finish (Завершити), щоб завершити обробку і запустити проєкт.

Рис. 5

Рис. 6

Обробка даних з БПЛА

Частина ІІІ

II. Перший етап обробки

Рис. 7

Параметри обробки Зайдіть у параметри налаштування проєкту (рис. 7). Для першого етапу обробки задайте наступні параметри:

Метод калібрування: стандартний (Standard). Оптимізація внутрішніх параметрів камери: всі (All) (рис. 8).

Рис. 8

Необхідно поставити позначку навпроти першого етапу обробки – 1. Initial processing – та натиснути Start (рис. 9). Після обробки у вікні RayCloud з’явиться розріджена хмара точок (рис. 10).

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 9

Рис. 10

Обробка даних з БПЛА

Частина ІІІ

III. Додавання опорних/контрольних точок

Рис. 11

Для імпорту опорних точок зайдіть в менеджер опорних точок (рис. 11).

Рис. 12

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 13

Задайте систему координат опорних точок (рис. 12). Виберіть файл опорних точок (*.txt,*.csv). (рис. 13).

Рис. 14

Обробка даних з БПЛА

Частина ІІІ

Для того щоб використати імпортовані точки як контрольні, задайте у полі Type – Check Point. Контрольні точки не впливають на точ-

Рис. 15

ність опрацювання проєкту та використовуються лише для оцінювання точності (рис. 14).

Рис. 16

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Оберіть 3D GCP, щоб використати імпортовані точки як опорні. В такому випадку вони будуть впливати на точність під час опрацювання проєкту. Після додавання опорних точок необхідно позначити їх на проєкті.

Рис. 17

Для цього перейдіть в режим RayCloud (рис. 15). Позначте імпортовані точки в проєкті. Для цього виділіть необхідну точку на панелі шарів або оберіть точку в інтерфейсі проєкту (рис. 16). Позначте точку у вікні Images мінімум на чотирьох знімках (рис. 17). Automatic Marking – для автоматичного маркування точки на всіх доступних знімках. S02 [pixel] – параметр, що визначає точність наведення на точку в пікселях. Apply – збереження змін (рис. 18). Виконайте цю дію для всіх доступних точок.

Обробка даних з БПЛА

Частина ІІІ

Рис. 18

IV. Оптимізація проєкту Для того щоб зазначені на попередньому етапі зміни прийняти, необхідно виконати оптимізацію проєкту (рис. 19).

Рис. 19

100

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 20

Після обробки проєкту створіть звіт якості Quality report (рис. 20). Якщо звіт звідповідає вимогам щодо точності, можна починати виконувати обробку інших етапів.

101

Обробка даних з БПЛА

Частина ІІІ

V. Другий етап обробки Зайдіть у Processing Options та задайте необхідні параметри для обробки хмари точок (рис. 21). Для початку обробки видаліть «галочку» з першого етапу та оберіть другий етап – 2. Point Cloud and Mesh. (рис. 22). ! Примітка Якщо не прибрати галочку з уже обробленого етапу, він буде пройдений заново і замість всіх збережених результатів буде записана нова інформація. Рис. 21

Рис. 22

102

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

VI. Робота з хмарою точок

Рис. 23

Після обробки у вікні Ray Cloud для візуалізації хмари точок слід вибрати Point Clouds, для візуалізації 3D-поверхні необхідно увімкнути Triangle Meshes (рис. 23).

Рис. 24

103

Обробка даних з БПЛА

Частина ІІІ

Рис. 25

Рис. 26

Редагування хмари точок необхідне, щоб побудувати цифрову модель рельєфу та покращити якість цифрової моделі поверхні, ортофотоплану (рис. 24). 104

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 27

Для редагування оберіть інструмент з верхньої панелі інструментів. Виділіть необхідну групу точок та оберіть шар, на який необхідно перенести точки (рис. 25). Для зручності використовуйте Clipping box. Цей інструмент не впливає на дані проєкту і використовується лише для візуалізації та полегшення опрацювання даних (рис. 26, 27).

105

Обробка даних з БПЛА

Частина ІІІ

VII. Третій етап обробки Після редагування хмари точок необхідно виконати третій етап обробки, на якому будується ортофотоплан, ЦМР, ЦММ та інші дані.

Рис. 28

Рис. 29

106

Геодезичні дослідження та моделювання об’єктів єврейської спадщини

Рис. 30

Параметри обробки задаються у вікні (рис. 28, 29).

Processing Options

Після опрацювання стануть активними дві вкладки – Mosaic Editor та Volumes. (рис. 30).

107

Обробка даних з БПЛА

Частина ІІІ

VIII. Результати обробки Результати всіх етапів обробки зберігаються в директорії, що була задана при створенні проєкту. Для того щоб перейти в директорію, натисніть на відповідну піктограму (рис. 31). Записані результати можуть бути використані в інших програмних продуктах для подальшої обробки.

Рис. 31

108

109

Автори

Тетяна Кондратенко – керівник геодезичного відділу компанії DroneUA. Із самого початку розвитку сфери використання дронів вдало інтегрує технології дронів у профільні напрямки, такі як архітектура, геодезія, промислові об’єкти різного типу та інше. Сертифікований фахівець з використання програмних продуктів Pix4d.

kondratenko@drone.ua

Денис Горковчук – кандидат технічних наук, доцент кафедри геоінформатики і фотограмметрії Київського національного університету будівництва і архітектури. Займається дослідженнями у сфері інтегрування даних лазерного сканування та фотограмметрії, віртуальної і доповненої реальності, автоматизації тривимірного моделювання. Один із засновників міжнародної компанії SPM3D LLC, що спеціалізується на опрацюванні даних лазерного сканування та фотограмметрії.

d.gorkovchuk@gmail.com

110

Дрони

9 783982 208541

112

Вступ