Estudo da integração de nuvens de pontos obtidas de aerolevantamentos VANT e LiDAR

Abstract

Resumo: As características dos dados pontuais do "Light Detection and Ranging" (LiDAR), e aqueles, obtidos com imagens, têm sido reconhecidas como sendo complementares no campo das aplicações fotogramétricas, e as pesquisas para aprimorar a sua utilização de forma integrada se intensificou nos últimos anos. O objetivo desta pesquisa é integrar nuvens de pontos LiDAR, ou seja, "Point Cloud LiDAR" (PCL), com nuvens de pontos obtidas por Fotogrametria utilizando a técnica "Structure from Motion" (SfM), ou seja, "Point Cloud Data" (PCD). Esta integração visa minimizar as falhas de oclusão, melhorar a definição de bordas das edificações, densificação da nuvem de pontos e redução dos pontos espúrios, desta maneira obtendo nuvens de pontos com melhores qualidade geométricas para a reconstrução tridimensional. Foram escolhidas duas áreas de estudo distintas: a primeira foi utilizada para a obtenção dos pontos de controle em nuvens LiDAR; e a segunda foi utilizada para se colocar em prática a metodologia da integração das nuvens de pontos LiDAR e fotogramétrica. Os resultados obtidos nos experimentos mostraram que para o método de determinação dos pontos de controle os resultados apresentaram valores satisfatórios, permitindo enquadrá-los na escala de 1/2.000 ou menores para a Classe A do PEC-PCD. Para o método de integração das nuvens de pontos os resultados apresentaram melhorias significativas na nuvem integrada, como redução das falhas de oclusão, melhorarias na definição de bordas das edificações e uma grande densificação da nuvem integrada.

Abstract:The characteristics of point Light Detection and Ranging (LiDAR) data and those of imagery have been recognized as complementary in photogrammetric applications, and research to improve their integrated use has intensified in recent years. The goal of this research is to integrate LiDAR point clouds, i.e. Point Cloud LiDAR (PCL), with point clouds obtained by photogrammetry using the Structure from Motion (SfM) technique, i.e. Point Cloud Data (PCD). This integration aims to minimize occlusion, improve the definition of building edges, densify the point cloud, and reduce spurious points, thus obtaining point clouds with better geometric conditions for three­dimensional reconstruction. Two distinct study areas were chosen: the first was used to obtain contrai points in LiDAR clouds; and the second was used to apply the methodology of LiDAR and photogrammetric point cloud integration. The results obtained in the experiments showed that for the method of determining the contrai points, the values of the results were satisfactory, allowing them to fit into the 1/2.000 scale or smaller for Class A of the PEC-PCD. For the point cloud integration method, the results showed significant improvements in the integrated cloud, such as reduced occlusion gaps, improved building edge definition, and a large densification of the integrated cloud.