Utilização de modelos digitais de terrenos agrícolas obtidos através
Transcrição
Utilização de modelos digitais de terrenos agrícolas obtidos através
Utilização de modelos digitais de terrenos agrícolas obtidos através de imagens obtidas por VANTs Luiz Pedro Petroski, Maria Salete Marcon Gomes Vaz Departamento de Informática, Universidade Estadual de Ponta Grossa, Ponta Grossa, Paraná, Brasil, [email protected], [email protected] RESUMO Neste artigo será apresentado um estudo de caso com imagens aéreas obtidas por meio de Veículos Aéreos Não Tripulados (VANT), e a construção de mosaicos para modelos digitais de terrenos e mapas ortográficos. A justificativa deste trabalho se apresenta na aplicabilidade dos modelos e mapeamentos obtidos para o aumento de produtividade, gestão de propriedades e análise de terrenos dentro da agricultura de precisão. Também, possibilita a extração de dados geomorfológicos presentes na imagem. PALAVRAS-CHAVE: Veículos Aéreos Não Tripulados, Agricultura de precisão, Mosaicos. ABSTRACT This paper presents a case study of aerial images obtained through Unmanned Aerial Vehicles (UAV), and building mosaics for digital terrain models and spelling maps. The justification of this work is presented in the applicability of the models and mappings obtained for increasing productivity, property management and analysis of land within the precision farm. Also enables the extraction of geomorphological data present in the image. KEYWORDS: Unmanned Aerial Vehicles, Precision farm, Mosaic. INTRODUÇÃO O processo para obtenção de imagens aéreas é fundamental para o processo de extração de informações biofísicas de campos agrícolas. Este processo será realizado por Veículos Aéreos Não Tripulados (VANTs) ou UAV (abreviação em inglês para Unmanned Aerial Vehicle). De acordo com (EISENBEISS, 2009) VANTs são veículos aéreos não tripulados, reutilizáveis e controlados, sendo que estes veículos podem voar de forma autônoma, semiautônoma ou manualmente, guiados por controle remoto. Uma das vantagens da utilização de VANTs, é a capacidade de adquirir imagens ou filmagens em tempo real e envia-las para uma estação de controle, onde pode-se aplicar métodos para melhorar a qualidade das imagens capturadas, seja por sobreposição de imagens, reposicionamento, repetição do procedimento, entre outros. Outra vantagem de VANTs é a redução dos custos operacionais (trajetória de voo e aquisição de imagem) e custos de aquisição da plataforma de voo (WATTS, 2010). O processamento das imagens é independente da plataforma de voo. Algumas desvantagens da utilização de VANTs são encontradas devido a algumas limitações de peso, cobertura estreita, condições de clima para captura (chuva e vento) e grande quantidade de dados para o pré-processamento (LIN, 2010). Apesar das desvantagens, o resultado do voo corresponde a várias imagens, que podem ser processadas em uma única imagem ortográfica. Segundo (WOLF; DEWITT, 2000), uma imagem ortográfica é de extrema importância para SIGs (Sistema de Informações Geográficas), por ser facilmente manuseada e analisada visualmente. Um plano ortográfico contém várias informações que podem ser extraídas, constituindo uma base de dados geográfica. A partir das imagens aéreas capturadas por um VANT, em um determinado campo agrícola, são extraídas características geomorfológicas da área. Estas imagens serão processadas por um conjunto de ferramentas que realizam a junção de vários arquivos em uma imagem ortográfica da área. Estes panoramas ortográficos construídos podem ser chamados de Modelos Digitais de Terrenos. As imagens aéreas são classificadas em verticais ou oblíquas (Figura 1). As verticais possuem um ângulo de 90º em relação ao solo. Enquanto que as imagens que possuem alguma inclinação diferente da anterior, são classificadas como obliquas, podendo ser alto e baixo obliquas. Sendo a primeira mostrando o horizonte, e a segunda não o mostrando. Figura 1- Geometria das fotografias: (a) Vertical; (b) baixo-obliqua; (c) alto-obliqua; e (d) par convergente. (TOMMASELLI, 2009) Por meio das imagens verticais do terreno como visto na figura 1-a é possível extrair informações geométricas do terreno pelas características da câmera e distância do solo, as quais são utilizadas para a construção do modelo digital do terreno. A utilização de VANTs tem se apresentado como uma ferramenta promissora na agricultura de precisão (Zhang e Kovacs 2012). Permitindo o gerenciamento eficiente dos recursos com aplicações em locais específicos, evitando o desperdício. A proposta é apresentar um estudo de caso sobre o mapeamento aéreo com imagens de VANTs, visando a obtenção de um mosaico de mapeamento e processamento para a extração de informações geomorfológicas relevantes do cultivo na área sobrevoada. MATERIAL E MÉTODOS Para a verificação do estudo de caso foi utilizado uma base pública de imagens aéreas (Seneca dataset, 2015) sob a licença Open Data Commons Open Database License (ODbL), a qual permitiu o uso para análise e processamento das imagens como descrito na figura 2. Figura 2: Metodologia Fonte: O autor A figura 2 mostra que as imagens foram retiradas de uma base pública, e em seguida realizado um pré-processamento de aplicação de um filtro, onde para a construção do mapa foram processadas todas as imagens, e selecionado uma região para a classificação por cor. A área total de cobertura das imagens é de aproximadamente 45 ha (Seneca dataset, 2015), onde gerou-se o mosaico (ortofoto). Para a extração de dados geoespaciais utilizou-se um retângulo de aproximadamente 110 m de largura por 91 m de altura (aproximadamente 1 ha), selecionado de acordo com características interessantes para a análise da cobertura vegetal. Para o processamento, foi utilizado um ambiente com sistema operacional Windows: Notebook Asus, core i5 4210U, 1,7 GHz, 8 GB de RAM e 1 TB de HD, Windows 8.1. E outro ambiente Linux: Notebook Asus, core i5 4210U, 1,7 GHz, 8 GB de RAM e 1 TB de HD, Debian 8. As imagens passaram por um pré-processamento de aplicação do filtro passa-alta de maneira a ressaltar os detalhes espaciais e se obter um melhor resultado. Para a criação dos modelos digitais de terrenos foram utilizadas as seguintes ferramentas: Open Drone Maps (ODM, 2015) e Siscob (Sicob, 2015). As duas ferramentas possuem licenças gratuitas, sendo a primeira de código aberto. Para a visualização das imagens ortográficas foi utilizado o Software MeshLab, com licença GNU General Public License version 2.0 (GPLv2). As escolhas foram baseadas em softwares de licença livre e preferencialmente de código aberto, no caso do ODM (Open Drone Maps), possibilitando a personalização e adequação em futuros projetos. ODM é um conjunto de ferramentas e scripts, que são utilizados para o pósprocessamento das imagens e formação do mosaico ortográfico da área. Foram processadas as imagens do Seneca dataset como entrada para o ODM. A instalação da ferramenta foi realizada em ambiente Linux, sendo executada pelo script que realiza verificações e instalação de dependências. O processamento é realizado por linha de comando no diretório das imagens, do script run.pl. A Ferramenta SisCob, é uma ferramenta para ambiente Windows, utilizada para a segmentação por cor, para distinguir as diferentes características geográficas da imagem. Após a instalação e configuração da ferramenta, carrega-se a imagem a ser segmentada, adicionando-se às classes desejadas como na (Figura 3). Figura 3: Segmentação por cor Fonte: o autor Na figura 3 tem-se as classes de solo exposto (áreas brancas), plantação com menor desenvolvimento (áreas mais claras) e com melhor desenvolvimento (áreas mais escuras). A ferramenta utiliza a técnica de rede neural para o processamento das classes de segmentação por cor. A imagem será classificada de acordo com os padrões definidos anteriormente. RESULTADOS E DISCUSSÃO A Ferramenta ODM permitiu a criação de um modelo digital do terreno. Um mapa atualizado que pode ser visualizado e manipulado como apresentado na Figura 4. Figura 4: Ortofoto gerado pelo ODM Fonte: O autor Pela figura 4 pode-se notar o resultado do processamento, uma vez que as imagens foram sobrepostas e combinadas. Também, se nota algumas falhas, ocasionadas por pouca sobreposição, onde o software não “costurou” de forma adequada a ortofoto. A análise de cobertura do solo foi realizada em uma região da plantação selecionada (figura 5) com características de níveis diferenciados do desenvolvimento. Figura 5- Imagem original Fonte: (Seneca dataset, 2015) A Ferramenta Siscob permitiu a análise de cobertura do solo visto na figura 5, que utiliza uma rede neural composta pelas classes de solo exposto, maior desenvolvimento e menor desenvolvimento. Pode ser observado o resultado do processamento na Figura 6. Figura 6 – Imagem classificada no software Siscob Fonte: O autor Com a análise das classes de classificação por cor da área selecionada, resultou como visto na figura 6, que 1,43% da imagem é de solo exposto, uma área com 32, 29% da região com um menor desenvolvimento, e os demais 66,28% da plantação com o melhor desenvolvimento. CONCLUSÕES VANTs de pequeno porte possuem um ótimo custo benefício, levando em consideração o baixo custo de aquisição, e o mapeamento realizado em tempo real e atualizado de áreas agrícolas. Com a utilização das ferramentas estudadas, concluiu-se que estas podem dar suporte a agricultura de precisão, oferecendo a possibilidade da criação de modelos digitais dos terrenos e a extração de informações geoespaciais. O mapa digital do terreno possui alta resolução da imagem, e alta resolução temporal. As informações geoespaciais retiradas das imagens permitem a aplicação da agricultura de precisão, ou seja, o gerenciamento de recursos de forma eficiente, evitando desperdícios, e atendendo as necessidades específicas de cada local. Um pequeno impasse encontrado para a utilização desta tecnologia seriam grandes áreas, onde o VANT não tem autonomia para cobertura total, sendo necessária a subdivisão da captura de imagens em etapas por subáreas. AGRADECIMENTOS À Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) pelo apoio financeiro. REFERÊNCIAS EISENBEISS, H. VANT Photogrammetry. Zurich, University of Technology. Dresden. Doctor of Sciences: 237, 2009. LIN, J., et al. Practical Application of Unmanned aerial Vehicles for MountainHazards Survey. 18th International Conference of Geoinformatics. IEEE, 2010. MESHLAB. MeshLab documentarion. 2015. Disponível <http://sourceforge.net/p/meshlab/wiki/Home/> Acesso em 15 jun. 2015. em: OPEN DRONE MAP. Open Drone Map ODM. 2015. Disponível <https://github.com/OpenDroneMap/OpenDroneMap> Acesso em 15 jun. 2015. em: Seneca dataset. Seneca dataset - from Ohio Department of Transportation. 2015. Disponível em: <https://github.com/OpenDroneMap/odm_data_seneca> Acesso em 15 jun. 2015. SISCOB. SisCob Manual de utilização. 2015. Disponível <http://www.cnpdia.embrapa.br/publicacoes/LI04_2009.pdf> Acesso em 15 jun. 2015. em: TOMMASELLI, A. M. G. Fotogrametria Básica. [S.l.]: UNESP - Universidade Estadual Paulista, 2009. WATTS, A., C. et al. Small Unmanned Aircraft Systems for Low-Altitude Aerial Surveys. Journal of Wildlife Management vol. 74(7):1614–1619, 2010. WOLF, P. R. AND B. A. DEWITT. Elements of Photogrammetry: With Applications in Gis. McGraw-Hill Companies, 2000. Zhang, C., & Kovacs, J. M. The application of small unmanned aerial systems for precision agriculture: A review. Precision Agriculture, 13, 693–712, 2012.
Documentos relacionados
VANT como ferramenta auxiliar na análise da cobertura e uso da terra
movido a energia solar, sobrevoava o espaço aéreo dos Estados Unidos monitorando uma plantação de café localizada no Hawaii coletando imagenspor várias horas através de câmeras de alta resolução a...
Leia maisMonitoramento de doenças e pragas na cultura da soja utilizando
Alisson Felipe Coelho Garcia, Luis Guilherme Ribeiro, Jorge Davi Navarro, Maria Salete Marcon Gomes Vaz Departamento de Informática, Universidade Estadual de Ponta Grossa, Ponta Grossa, Paraná, Bra...
Leia mais