GERAÇÃO DE ORTOFOTOS DIGITAIS OBTIDAS POR UM
Transcrição
GERAÇÃO DE ORTOFOTOS DIGITAIS OBTIDAS POR UM
GERAÇÃO DE ORTOFOTOS DIGITAIS OBTIDAS POR UM SISTEMA DE VEÍCULO AÉREO NÃO TRIPULADO (SISVANT) Cristhyano Cavali da Luz Programa de Pós-Graduação em Ciências Geodésicas Universidade Federal do Paraná Carlos Aurélio Nadal Instituto Tecnológico de Transportes e Infraestrutura Universidade Federal do Paraná Alzir Felippe Buffara Antunes Programa de Pós-Graduação em Ciências Geodésicas Universidade Federal do Paraná Eduardo Ratton Instituto Tecnológico de Transportes e Infraestrutura Universidade Federal do Paraná Edu José Franco Instituto Tecnológico de Transportes e Infraestrutura Universidade Federal do Paraná Luís Augusto Koenig Veiga Instituto Tecnológico de Transportes e Infraestrutura Universidade Federal do Paraná RESUMO O objetivo deste trabalho foi propor uma metodologia de desenvolvimento de ortofotocartas digitais a partir de fotografias aéreas de pequeno formato, obtidas através de uma câmera digital convencional (não métrica) acoplada em um Sistema de Veículo Aéreo Não Tripulado (SISVANT). O SISVANT é composto por uma aeronave, projetada para operar sem piloto a bordo e que não seja utilizada para fins meramente recreativos, e pelos seus componentes associados (sensores). Estas imagens oferecem grande nível de resolução e podem ser obtidas com voos em baixas altitudes. Para este trabalho foi utilizado um SISVANT do tipo “Asa Fixa”, com peso de 6 kg. As imagens obtidas foram processadas com software de código fechado Agisoft Photoscan, com base nas técnicas de processamento fotogramétrico de fotografias aéreas que envolvem as seguintes etapas: definição dos parâmetros de orientação, fototriangulação, geração dos modelos digitais e das ortofotocartas. O processamento foi efetuado com base em dois tratamentos: o primeiro consistiu em utilizar apenas os dados oriundos do centro perspectivo das fotografias aéreas, estimando as atitudes provenientes da aeronave, enquanto a segunda consistiu em empregar pontos de apoio obtidos por levantamento GPS. Como resultado deste processamento foram obtidos os seguintes produtos: Modelos Digitais de Elevação (MDE) e Ortofotocartas da área de estudo, em diferentes configurações. Palavras-chave: Veículo Aéreo Não Tripulado, Fotogrametria, Imageamento Aéreo, Ortofotocartas. 1. INTRODUÇÃO O embarque de sensores em Veículos Aéreos Não Tripulados (VANT’s) para a aquisição de informação espacial, com vistas à elaboração de produtos cartográficos, despontou a partir do século XXI, com o processamento digital entre fotografias aéreas, adquiridas com câmeras digitais. Os VANT’s, por sua vez, realizavam missões pré-estabelecidas por seus programadores, visando recobrir determinada área de interesse através das fotografias necessárias para a fotointerpretação do solo. De maneira análoga, a utilização das fotografias aéreas de pequeno formato visaram, principalmente, reduzir os custos dos aerolevantamentos, uma vez que sua aquisição, através dos VANT’s, se destacava em missões menos onerosas, comparando às empresas de aerolevantamento convencional, nas quais estavam inseridos os altos custos da utilização de câmeras aerofotogramétricas métricas. Trata-se de um tema atual e em consonância com o estado-da-arte para estudos de engenharia. A utilização de VANT’s e câmeras de baixo custo é uma ferramenta desejável e econômica para propósitos específicos, principalmente nas etapas iniciais de projeto, como estudos de viabilidade e projetos funcionais. Dessa forma, pela facilidade de utilização de um VANT, tanto na tomada das fotografias ou no processamento digital para a obtenção da ortofoto, vários profissionais não ligados à Geomática têm aproveitado dessa ferramenta para a produção de produtos cartográficos de interesse. Porém, qual é a viabilidade operacional no desenvolvimento destes produtos? Qual a confiabilidade da informação extraída? 2. METODOLOGIA 2.1. Área De Estudo A área de estudo compreendeu, aproximadamente, 3.924.000 m² (3,924 km²) de uma região rural do município de São Desidério, na mesorregião do extremo Oeste Baiano. São Desidério/BA limita-se com o município de Barreiras/BA ao norte, Catolândia a nordeste, Baianópolis a leste, Correntina a sul, Santa Maria da Vitória a sudeste, Luiz Eduardo Magalhães a noroeste, e com os estados de Goiás e Tocantins a oeste (Figura 1). Figura 1 – Área de estudo. Fonte: O Autor, 2015. 2.3. Métodos Os métodos empregados para a execução deste trabalho estão descritos na Figura 2. Para tanto, foi realizado no mês de outubro de 2014 a campanha de campo para a aquisição dos dados, entre os Km 218 e Km 221 da rodovia federal BR-135/BA, no Sistema Cárstico do Rio João Rodrigues em São Desidério/BA. 2.3.1. Aquisição dos dados e imagens através do SISVANT Para a obtenção das fotografias foi utilizado um SISVANT, modelo Smartbird X-260 Softmapping & Aerial Propeller, fabricado pela Softmapping Engenharia, Cartografia e Geoprocessamento Ltda. As principais características do SISVANT são apresentadas na Tabela 1. O SISVANT (Figura 2) é um sistema estruturalmente fabricado em fibra de carbono e polipropileno que permite a tomada de fotografias aéreas de pequeno formato com alta resolução e de forma rápida. Foi equipado com uma câmera digital convencional (não métrica e não calibrada) da marca Sony NEX-3 16 Mega Pixels e com um piloto automático com GPS/INS integrados, com precisão nominal na ordem de 10 metros e 1º, respectivamente, para fornecer os parâmetros de posição e orientação da aeronave no instante das tomadas da imagem. As principais características do sensor utilizado (Figura 3) são detalhadas na Tabela 2. Tabela 1 – Características do SISVANT. Fonte: O Autor, 2015. Figura 2 – Sistema de Veículo Aéreo Não Tripulado utilizado. Fonte: O Autor, 2015. Tabela 2 – Características do sensor embarcado. Fonte: Disponível em: http://pdf.crse.com/manuals/4275473521.PDF 2.3.2. Processamento das imagens Esta etapa teve como objetivo processar as fotografias através de um software fotogramétrico de código fechado. O processo de calibração da câmera não foi realizado para este trabalho, portanto, análises em relação as distorções da câmera não foram abordadas. O processamento das imagens obtidas com o SISVANT foi implementado com base na metodologia apresentada na Figura 4. Todas as etapas aqui detalhadas visaram utilizar metodologias clássicas associadas à fotogrametria digital convencional com adaptação da computação gráfica para minimizar os erros provenientes da instabilidade da plataforma autônoma e os erros associados às distorções da lente da câmera não métrica. Seleção e Filtragem das Fotografias Processamento dos Dados com Software Alinhamento das Fotografias Geração do Modelo Digital de Elevação Avaliação da Exatidão Absoluta Geração da Ortofoto Figura 4 – Organograma do processamento dos dados oriundos do VANT. Fonte: O Autor, 2015. A primeira etapa correspondeu a seleção e a filtragem das fotografias. A seleção eliminou o número excessivo de fotografias obtidas durante o imageamento, decorrentes da alta taxa de sobreposição longitudinal. A filtragem foi realizada manualmente, antes das fotografias serem adicionadas à ferramenta computacional, excluindo aquelas que apresentaram problemas de qualidade decorrentes da inclinação da aeronave no momento da tomada da fotografia (fotografias inclinadas); da variação da altitude do SISVANT entre tomadas consecutivas (escala); e da deriva da mesma provocada pelo vento (arrasto). Para este trabalho, as fotografias foram processadas através de algoritmos computacionais de reconhecimento de padrões e reconstrução tridimensional do terreno, oriundos do software de código fechado Agisoft PhotoScan Professional Edition Version 1.0.4, ano de 2014. Após a seleção e filtragem, as 600 fotografias foram adicionadas no software e alinhadas através de um algoritmo que localiza os pontos homólogos (matching points) entre elas. Neste 1º processamento, os dados de entrada foram os parâmetros de orientação exterior (POE), ou seja, as coordenadas (𝑋𝑐𝑝 , 𝑌𝑐𝑝 , 𝑍𝑐𝑝 ) do CP da câmera no momento da tomada de cada fotografia. Contudo, não foram empregados os valores correspondentes às atitudes da plataforma SISVANT de baixo custo (𝑘, 𝜑, 𝜔), em decorrência da imprecisão da integração INS/GPS. Para o alinhamento procurou-se, também, à similaridade entre todas as fotografias processadas. A técnica que o software utiliza consiste em estabelecer uma relação geométrica entre duas vistas similares, quando cada cena possui o seu centro de projeção e estes não são coincidentes. Esta etapa exigiu um microcomputador com grande capacidade de processamento de dados devido à quantidade e qualidade das fotografias adquiridas, bem como dos algoritmos de processamento digital. Para tanto, verificou-se através de testes de processamento em blocos, que a estrutura mínima para processar um bloco fotogramétrico com 329 fotografias deve conter, ao menos, um processador Intel Core i-7 de 3,5 GHz, memória RAM de 16 Gb, uma placa de vídeo NVIDIA Ge-Force GTX 780 Ti e um disco rígido de 1 Tb de armazenamento, ou similar. A Figura 5 ilustra o processo de alinhamento das fotografias selecionadas e os pontos homólogos encontrados. Figura 5 – Pontos homólogos entre as fotografias aéreas. Fonte: O Autor, 2015. Na sequência, foi realizada foi a aerotriangulação através do método dos feixes perspectivos (bundle block adjustment), que permitiu que todas as imagens que compõem o espaço imagem e todos os pontos fotogramétricos contidos nestas imagens fossem processados em um único processo. Este método utiliza o modelo de colinearidade para relacionar o espaço-imagem com o espaço-objeto por meio de alguns pontos de apoio conhecidos no objeto e medidos nas imagens, e muitos outros de ligação medidos apenas nas imagens, ou seja, a geometria de um par de fotografias, com sobreposição adequada, permite a formação de um modelo estereoscópico, por interseção de raios homólogos. Na sequência, com a nuvem de pontos determinada pela aerotriangulação, foi estabelecida uma grade triangular irregular (TIN - Triangulated Irregular Network). Este método de estruturação dos dados cria uma superfície a partir de pontos espaçados irregularmente. Os triângulos que formaram a TIN adequaram-se à densidade de pontos detectados no processamento anterior. Quanto maior a irregularidade do relevo, maior a densidade de pontos e, consequentemente, maior a densidade de triângulos da grade. Para a criação do MDE (Figura 6), foi utilizada a rotina do software que permitiu escolher o tipo de superfície que se deseja modelar e a quantidade de pontos para se formar a malha, constituída por pequenos polígonos. O fluxo de trabalho compreendeu a escolha do algoritmo para criação da superfície como sendo o de “Mapas de Altura / Terreno”, otimizado para a modelagem de superfícies planas e fotografias aéreas, com uma densa nuvem de pontos de malha máxima de 200.000 polígonos gerados por interpolação. Figura 6 – Pontos homólogos entre as fotografias aéreas. Fonte: O Autor, 2015. Dessa forma, aplicou-se o algoritmo “ortofoto”, que utiliza o processo direto para se efetuar a transformação de uma foto original, que é uma perspectiva central do terreno, em uma projeção ortogonal sobre um plano da projeção ortogonal. Este modo utiliza novamente as equações de colinearidade para se obter as coordenadas altimétricas do MDT e, em seguida, calcula as coordenadas planimétricas. Para exportar a ortofotocarta atribuiu o tamanho do pixel (GSD) como 8,9 cm, conforme calculado anteriormente, pois a amostragem do produto final não pode ser maior que a dos dados originais (LIMA et al., 2004), e exportou-se em formato TIFF. Com a pré-identificação dos alvos, realizou-se o imageamento aéreo a fim de se identificar a marcação artificial no terreno através das fotografias. Logo em seguida, realizou-se o rastreio terrestre visando à obtenção de coordenadas geodésicas planimétricas e altimétricas dos pontos de controle. No entanto, foram definidos 27 pontos de controle, sendo 12 pontos de apoio e 15 pontos de verificação para a obtenção do 2º processamento utilizando os pontos de apoio obtidos via rastreio GNSS. Adotou-se, portanto, pontos de apoio bem distribuídos na região periférica (bordas) e no centro do bloco. Os demais pontos foram considerados de verificação para o controle de qualidade. Após o processamento destes pontos de apoio, eles foram adicionados como marcadores (makers) no Agisoft PhotoScan. Após este processo manual de identificação dos 12 pontos de apoio nas fotografias, efetuou-se o alinhamento para nova identificação dos pontos homólogos entre elas. A sequência metodológica com a utilização dos pontos de apoio seguiu de maneira análoga à sem os pontos de apoio, ou seja, aerotriangulação, geração do MDE e ortofotocarta. 5. RESULTADOS O processo de alinhamento das fotografias resultou em um grande tempo de processamento, através da rotina computacional. Como resultado, obteve-se uma densa nuvem de 1.374.392 pontos homólogos (tie points – pontos de ligação) entre as fotografias, sem a utilização dos pontos de apoio. O processo manual de identificação dos pontos de controle no terreno com 12 pontos de apoio pré-identificados nas fotografias possibilitou o processamento completo de todas as 600 fotografias, formando um bloco único com 2.717.245 pontos homólogos entre elas. Ambos os processamentos obtiveram um alto índice de pontos homólogos entre as fotografias. Tal situação se justifica devido ao plano de voo ter sido estabelecido níveis de sobreposição lateral e longitudinal bem acima dos aplicados para aerofotogrametria convencional. Esta sobreposição se fez necessário em razão da instabilidade da plataforma no instante de tomada de cada fotografia. A fototriangulação, através de uma grade irregular TIN para o modelo sem pontos de apoio, gerou triângulos com 274.813 faces, distribuídas em 137.439 vértices. Através da nuvem de pontos obtida através dos pontos homólogos entre as fotografias e densificada pelo processo manual de identificação dos pontos de apoio, a aerotriangulação gerou 543.381 faces triangulares e 271.724 vértices. Com relação a fidedignidade da representação da área de estudo, caracterizada especialmente por cavidades subterrâneas, o algoritmo de geração do Modelo Digital de Elevação (MDE), através de uma TIN, se demonstrou viável para ambos os processamentos (sem e com pontos de apoio) (Figura 7). Figura 7 – Vista em planta e em perfil da ortofotocarta gerada da área de estudo. Fonte: O Autor, 2015. A primeira configuração da ortofotocarta exportada não considerou os pontos de apoio obtidos via rastreio GNSS, visando verificar a verdadeira potencialidade de um SISVANT de baixo custo e a obtenção de produtos cartográficos. Tal situação se fez necessária devido ao significativo aumento no desenvolvimento e comercialização de plataformas VANT. Em seu processo de geração, foram obtidos 435.507 pontos de ligação entre as fotografias. A segunda configuração considerou 12 pontos de apoio bem distribuídos no bloco. Ao total foram considerados 12 pontos de apoio e 15 pontos de verificação. Para que a amostra não apresentasse tendenciosidade, efetuou-se uma escolha aleatória dos pontos de verificação. Neste trabalho optou-se pela identificação de pontos distribuídos nas regiões de maior concentração de informações visualmente disponíveis, evitando-se a escolha homogênea. Ao se realizar o alinhamento entre as fotografias, foram encontrados 1.375.392 pontos homólogos entre elas, aproximadamente 3,15 vezes mais pontos homólogos que o processamento sem GCP (Figura 8). Figura 8 – Vista em planta e em perfil da ortofotocarta gerada da área de estudo. Fonte: O Autor, 2015. O controle de qualidade foi realizado através de análises estatísticas de exatidão e tendência dos modelos, através das discrepâncias entre as coordenadas planialtimétricas de referência (reais) e as dos modelos, obtidas em amostra com 15 pontos de verificação localizados na área do levantamento (Quadro 1). Pto PV1 PV2 PV3 PV4 PV5 PV6 PV7 PV8 PV9 PV10 PV11 PV12 PV13 PV14 PV15 ID 9 13 14 18 20 21 22 23 29 30 32 33 34 37 43 Processamento Sem GCP E N 511287,5085 8631470,0249 512522,4581 8631210,4103 513201,6812 8631055,0947 512700,2307 8632351,7848 512539,2835 8631993,9911 512247,9122 8631628,5144 512065,0300 8631625,1502 512025,1165 8631296,7471 512224,2162 8632184,4572 512367,1523 8632269,3906 512055,6469 8632239,8478 511899,5145 8632391,0347 511911,5280 8632666,9865 511533,3007 8632148,5161 511515,3619 8631169,7750 Z 1453,7617 919,7146 625,2782 1221,5319 1149,1565 1136,8047 1208,1631 1128,7710 1340,0010 1321,4701 1422,4814 1528,7529 1608,2636 1593,7523 1298,0791 Processamento Com 12 GCP E N Z 511093,9913 8631493,2800 630,7606 512428,5712 8631238,1083 658,4713 513163,5854 8631085,4557 675,3677 512480,1123 8632421,4791 643,2840 512359,4767 8632045,8520 632,1234 512094,8566 8631663,3005 631,9416 511900,1465 8631659,3778 633,3940 511893,0674 8631322,3624 647,9111 511997,8758 8632243,7463 633,2511 512136,8332 8632334,6762 639,8138 511811,8711 8632299,5051 629,9276 511627,2469 8632454,4202 628,6129 511607,0599 8632739,9166 623,1158 511265,8698 8632202,0135 629,4059 511361,3436 8631192,6361 662,4773 Quadro 1 – Coordenadas (em metros) obtidas nas ortofotos geradas. Fonte: O Autor, 2015. ̅̅̅̅, ∆𝑦 ̅̅̅̅, ∆𝑧 ̅̅̅), valores máximos e mínimos, As discrepâncias (∆x, ∆y, ∆z), suas médias (∆𝑥 e desvios padrão (S∆x, S∆y, S∆z) para ambos processamentos são apresentados no Quadro 2 e no Quadro 3, respectivamente. S/GCP PV 1 PV 2 PV 3 PV 4 PV 5 PV 6 PV 7 PV 8 PV 9 PV 10 PV 11 PV 12 PV 13 PV 14 PV 15 Xci 511287,509 512522,458 513201,681 512700,231 512539,284 512247,912 512065,030 512025,117 512224,216 512367,152 512055,647 511899,515 511911,528 511533,301 511515,362 Xn (PV) 511088,128 512432,571 513175,487 512476,947 512363,157 512098,312 511902,360 511892,740 512000,063 512136,788 511813,498 511626,517 511602,544 511274,408 511354,844 Yci 8631470,025 8631210,410 8631055,095 8632351,785 8631993,991 8631628,514 8631625,150 8631296,747 8632184,457 8632269,391 8632239,848 8632391,035 8632666,987 8632148,516 8631169,775 Processamento Sem GCP Zci Zn (PV) Yn (PV) 8631505,021 1453,762 618,407 8631232,185 919,715 649,375 8631063,996 625,278 650,894 8632428,697 1221,532 647,693 8632046,844 1149,157 636,099 8631664,634 1136,805 633,141 8631662,021 1208,163 634,528 8631322,312 1128,771 643,616 8632240,856 1340,001 639,506 8632334,526 1321,470 647,094 8632292,875 1422,481 633,656 8632445,572 1528,753 631,706 8632730,720 1608,264 624,088 8632183,212 1593,752 631,338 8631193,682 1298,079 651,889 Média Desvio Padrão Mínimo Máximo ∆x 199,381 89,887 26,194 223,284 176,127 149,600 162,670 132,377 224,153 230,364 242,149 272,998 308,984 258,893 160,518 ∆y -34,996 -21,775 -8,901 -76,912 -52,853 -36,120 -36,871 -25,565 -56,399 -65,135 -53,027 -54,537 -63,733 -34,696 -23,907 ∆P 202,429 92,487 27,665 236,159 183,886 153,899 166,796 134,823 231,139 239,395 247,887 278,392 315,489 261,208 162,289 ∆z 835,355 270,340 -25,616 573,839 513,058 503,664 573,635 485,155 700,495 674,376 788,825 897,047 984,176 962,414 646,190 190,505 73,735 26,194 308,984 -43,028 19,048 -76,912 -8,901 195,596 75,348 27,665 315,489 625,530 266,952 -25,616 984,176 Quadro 2 – Resumo estatístico do processamento sem gcp (em metros). Fonte: O Autor, 2015. S/GCP PV 1 PV 2 PV 3 PV 4 PV 5 PV 6 PV 7 PV 8 PV 9 PV 10 PV 11 PV 12 PV 13 PV 14 PV 15 Xci 511093,991 512428,571 513163,585 512480,112 512359,477 512094,857 511900,147 511893,067 511997,876 512136,833 511811,871 511627,247 511607,060 511265,870 511361,344 Xn (PV) 511088,128 512432,571 513175,487 512476,947 512363,157 512098,312 511902,360 511892,740 512000,063 512136,788 511813,498 511626,517 511602,544 511274,408 511354,844 Yci 8631493,280 8631238,108 8631085,456 8632421,479 8632045,852 8631663,301 8631659,378 8631322,362 8632243,746 8632334,676 8632299,505 8632454,420 8632739,917 8632202,014 8631192,636 Processamento Com 12 GCP Yn (PV) Zci Zn (PV) 8631505,021 630,761 618,407 8631232,185 658,471 649,375 8631063,996 675,368 650,894 8632428,697 643,284 647,693 8632046,844 632,123 636,099 8631664,634 631,942 633,141 8631662,021 633,394 634,528 8631322,312 647,911 643,616 8632240,856 633,251 639,506 8632334,526 639,814 647,094 8632292,875 629,928 633,656 8632445,572 628,613 631,706 8632730,720 623,116 624,088 8632183,212 629,406 631,338 8631193,682 662,477 651,889 Média Desvio Padrão Mínimo Máximo ∆x 5,863 -4,000 -11,902 3,165 -3,680 -3,455 -2,213 0,327 -2,187 0,045 -1,627 0,730 4,516 -8,538 6,500 ∆y -11,741 5,923 21,460 -7,218 -0,992 -1,333 -2,643 0,050 2,890 0,150 6,630 8,848 9,197 18,802 -1,046 ∆P 13,123 7,147 24,540 7,881 3,811 3,703 3,447 0,331 3,624 0,157 6,827 8,878 10,246 20,650 6,584 ∆z 12,354 9,096 24,474 -4,409 -3,976 -1,199 -1,134 4,295 -6,255 -7,280 -3,728 -3,093 -0,972 -1,932 10,588 -1,097 5,057 -11,902 6,500 3,265 8,885 -11,741 21,460 8,063 6,897 0,157 24,540 1,789 8,763 -7,280 24,474 Quadro 3 – Resumo estatístico do processamento com 12 gcp (em metros). Fonte: O Autor, 2015. De posse dos dados estatísticos calculados através dos pontos de verificação coletados, realizaram-se os testes de tendência ao nível de significância α = 10%, definido pelo Decreto-lei nº 89.817. Foi utilizado o teste t-Student com n = 15 amostras e graus de liberdade = 14. Comparando-se os testes calculados com o tabelado, conclui-se que não há presença de erros sistemáticos para o nível de significância α = 10%. Passou-se, então, a avaliação da precisão posicional utilizando o Teste Qui-quadrado. Os testes de exatidão foram realizados para escalas e classes pré-definidas, conforme a Especificação Técnica para a Aquisição de Dados Geoespaciais Vetoriais aplicados aos produtos digitais. Os resultados demonstraram que a ortofoto processada com 12 pontos de apoio é a melhor opção, visto que é acurada para a escala 1:10.000, ou seja, é precisa e não apresenta tendência planimétrica para a classe D da referida escala; e para a análise altimétrica, o MDE é acurado para a equidistância vertical de 20 metros das curvas de nível, escala 1:50.000, classe B, ou seja, é preciso e não apresenta tendência. 6. CONCLUSÕES E RECOMENDAÇÕES FINAIS A principal ferramenta computacional utilizada no presente trabalho é de código fechado (Agisoft PhotoScan Professional, versão 1.0.4 do ano de 2014) e possui um fluxo de trabalho semiautomático, compreendendo: introdução dos parâmetros de orientação interior e exterior, aerotriangulação, geração de modelo digital de elevação e de ortofotos. Os processos geraram relatórios com os resultados dos ajustamentos. Entretanto, não foi possível avaliá-los, pois o procedimento e os parâmetros considerados em cada etapa não são apresentados nos relatórios. A escolha desta ferramenta computacional se baseou na disponibilidade dos dados de entrada para o processamento. Pela facilidade na realização do recobrimento aerofotogramétrico, a utilização de um SISVANT de baixo custo, ou seja, aquele que possui receptores GPS de navegação, as aplicações da tecnologia “não tripulada” são mais indicadas para a execução de projetos de engenharia que objetivam a extração de informações atualizadas da superfície terrestre, com curtas defasagens temporais e elevada resolução espacial, associada com a necessidade de avaliações frequentes. REFERÊNCIAS BIBLIOGRÁFICAS Lima, D. L.; Costa, E. R.; Yamashiro, P. M.; Kim, W.; Tommaselli, A. M. G.; Hasegawa, J. K.; Galo, M. (2004) Restituição e geração de ortoimagens a partir de um estereopar EROS. In: Anais do I Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformação.
Documentos relacionados
AVALIAÇÃO DA QUALIDADE GEOMÉTRICA DE
• A seleção eliminou o número excessivo de fotografias (tempo: 2seg); • A filtragem foi realizada manualmente, excluindo: - Fotografias inclinadas;
Leia mais