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.