geração de modelo digital do terreno por aproximações sucessivas ...
Transcript of geração de modelo digital do terreno por aproximações sucessivas ...
unesp UNIVERSIDADE ESTADUAL PAULISTA Faculdade de Ciências e Tecnologia
Programa de Pós-Graduação em Ciências Cartográficas
GERAÇÃO DE MODELO DIGITAL DO TERRENO POR APROXIMAÇÕES
SUCESSIVAS UTILIZANDO CÂMARAS DIGITAIS DE PEQUENO
FORMATO
Ricardo Luis Barbosa
Orientador: Prof. Dr. João Fernando Custódio da Silva
Dissertação ap resentada ao Programa de Pós-Graduação em Ciênc ias Cartográficas para a obtenção do Títu lo de Mestre em Ciênc ias pela Facu ldade de Ciências e Tecno logia da Universidade Estadual Paulista.
Presidente Prudente 1999
RICARDO LUIS BARBOSA
GERAÇÃO DE MODELO DIGITAL DO
TERRENO POR APROXIMAÇÕES
SUCESSIVAS UTILIZANDO CÂMARAS
DIGITAIS DE PEQUENO FORMATO
RICARDO LUIS BARBOSA
GERAÇÃO DE MODELO DIGITAL DO
TERRENO POR APROXIMAÇÕES
SUCESSIVAS UTILIZANDO CÂMARAS
DIGITAIS DE PEQUENO FORMATO
Dissertação apresentada à Faculdade de Ciências e
Tecnologia da Universidade Estadual Paulista “Júlio de
Mesquita Filho”, Campus de Presidente Prudente, para a
obtenção do título de Mestre em Ciências (Área de
Concentração : Aquisição, Análise e Representação de
Informações Espaciais).
Orientador : Prof. Dr. João Fernando Custódio da Silva
Presidente Prudente
1999
B212g Barbosa, Ricardo Luis Geração de modelo digital do terreno por aproximações
sucessivas utilizando câmaras digitais de pequeno formato / Ricardo Luis Barbosa.-- Presidente Prudente, FCT/UNESP, 1999.
Dissertação – Mestrado – UNESP, Faculdade de Ciências e Tecnologia, Presidente Prudente, 1999.
1. Modelo digital do terreno 2. Fotogrametria digital.
I. Título 18a ed. CDD – 623.72
RICARDO LUIS BARBOSA
GERAÇÃO DE MODELO DIGITAL DO TERRENO
POR APROXIMAÇÕES SUCESSIVAS
UTILIZANDO CÂMARAS DIGITAIS DE
PEQUENO FORMATO
COMISSÃO JULGADORA
DISSERTAÇÃO PARA OBTENÇÃO DO GRAU DE MESTRE
Presidente e orientador : Prof. Dr. João Fernando Custódio da Silva
2º Examinador : Prof. Dr. Leonardo Castro de Oliveira
3º Examinador : Prof. Dr. Messias Meneguette Jr.
Presidente Prudente, 22 de Dezembro de 1999
DADOS CURRICULARES
RICARDO LUIS BARBOSA
NASCIMENTO 13.06.68 – Presidente Prudente/SP
FILIAÇÃO JOÃO ARAÚJO BARBOSA
INÊZ DOS SANTOS BARBOSA
1987/1990 Curso de Graduação : Licenciatura em Matemática
Faculdade de Ciências e Tecnologia
1991/1998 Professor da Rede Estadual de Ensino
1995/1998 Professor na Faculdade de Informática de Presidente
Prudente – Unoeste
1997/1999 Curso de Pós-Graduação em Ciências Cartográficas,
nível Mestrado, na Faculdade de Ciências e
Tecnologia de Presidente Prudente – Unesp
Aos meus pais, João e Inêz (in memoriam).
AGRADECIMENTOS
A realização deste trabalho só foi possível graças à colaboração
direta ou indireta de muitas pessoas. Manifestamos nossa gratidão a todas elas e
de forma particular :
ao Prof. Dr. João Fernando Custódio da Silva, pela orientação e
paciência;
à Nara Garcia, pelo carinho, compreensão e apoio nos
momentos difíceis;
ao Prof. Dr. Messias Meneguette Jr., pela confiança e amizade;
ao Prof. Almir Olivette Artero, pela amizade;
à FAPESP, pelo apoio financeiro ao projeto.
Se fores capaz de olhar dentro das sementes do tempo, e dizer que grão irá crescer e qual morrerá,
aponte-os para mim, Shakespeare, Macbeth
SUMÁRIO LISTA DE FIGURAS........................................................................................ 10
LISTA DE TABELAS....................................................................................... 12
Resumo.............................................................................................................. 13
1 INTRODUÇÃO............................................................................................. 14
2 PROPOSIÇÃO............................................................................................... 31
3 MATERIAL E MÉTODO............................................................................. 43
4 RESULTADO E DISCUSSÃO..................................................................... 62
5 CONCLUSÃO............................................................................................... 78
6 REFERÊNCIAS BIBLIOGRÁFICAS........................................................... 81
Anexos............................................................................................................... 84
Abstract.............................................................................................................. 96
LISTA DE FIGURAS
Figura 1 : Perspectiva do terreno construída de um MDT. 17
Figura 2 : Curvas de nível interpoladas de um MDT. 17
Figura 3 : Exemplo de malha regular retangular. 21
Figura 4 : Exemplo de uma Triangulação de Delaunay. 23
Figura 5 : Esquema dos pontos sinalizados na maquete. 31
Figura 6 : Representação da configuração inicial com os pontos de
Gruber.
33
Figura 7 : Representação genérica dos vértices de um quadrilátero. 34
Figura 8 : Resultado da interpolação linear em um quadrilátero. 35
Figura 9 : Interpolação linear no terreno. 35
Figura 10 : Arranjo para obtenção da correspondência – Imagem da
esquerda (a) e da direita (b).
38
Figura 11 : Após a intersecção, o ponto interpolado linearmente sofre
uma correção.
41
Figura 12 : Sistemas fotogramétrico e coordenadas pixel. 46
Figura 13 : Esquema da matriz A. 53
Figura 14 : Terreno tomado como o de referência. 55
Figura 15 : Exemplo da configuração para o controle de qualidade. 56
Figura 16 : O ponto cai à direita do quadrilátero. 57
Figura 17 : O ponto cai acima do quadrilátero. 57
Figura 18 : O ponto cai abaixo do quadrilátero. 57
Figura 19 : O ponto cai à esquerda do quadrilátero. 58
Figura 20 : Produto vetorial no plano. 58
Figura 21 : Fluxograma da metodologia. 61
Figura 22 : Representação das fotos (a região hachurada indica a
superposição usada).
62
Figura 23 : Visualização do terreno gerado com 9 pontos interpolados. 64
Figura 24 : Visualização do modelo no experimento 2. 65
Figura 25 : Visualização do terreno com três passos na interpolação. 67
Figura 26 : Visualização do terreno no passo 4 da interpolação 68
Figura 27 : Visualização do terreno no passo 5. 68
Figura 28 : Modelo gerado com janela alvo 3 x 3 e janela busca 15 x 15,
sem redução dos pesos.
70
Figura 29 : Modelo gerado com janela alvo 3 x 3 e janela busca 11 x 11,
com redução dos peso.
71
Figura 30 : Modelo gerado com janela alvo 5 x 5 e janela busca 15 x 15,
sem redução dos peso.
72
Figura 31 : Modelo gerado com janela alvo 5 x 5 e janela busca 15 x 15,
com redução dos pesos.
73
Figura 32 : Gráfico do erro médio em função da janela de busca. 74
Figura 33 : Gráfico da variância à posteriori em função da janela de
busca.
75
Figura 34 : Modelo gerado com alvo 3 x 3 e busca 13 x 13, com redução
dos pesos.
76
Figura 35 : Modelo gerado sem a estratégia de aproximação por
correspondência.
77
Figura 36 : Medição e colocação do pontos de Gruber. 84
Figura 37 : Montagem e modelagem do terreno. 85
Figura 38 : Maquete finalizada. 85
LISTA DE TABELAS
Tabela 01 - Crescimento do número de pontos e quadriláteros em função
do número da interpolação.
36
Tabela 02 - Total de parâmetros a serem ajustados em função do passo da
interpolação.
37
Tabela 03 - Parâmetros iniciais para os testes realizados. 63
Tabela 04 - Resultados obtidos no experimento 1 64
Tabela 05 - Resultados obtidos no experimento 2. 65
Tabela 06 - Resultados obtidos no experimento 3. 66
Tabela 07 - Resultados obtidos no experimento 4. 69
Tabela 08 - Resultados obtidos no experimento 5. 70
Tabela 09 - Resultados obtidos no experimento 6. 71
Tabela 10 - Resultados obtidos no experimento 7. 72
Tabela 11 - Resultados obtidos no experimento 8. 76
RESUMO
A proposta deste trabalho é testar uma metodologia iterativa e seqüencial para
gerar o MDT, a partir de um par de fotos digitais (obtidas com câmaras digitais de
pequeno formato) com superposição aproximada de 60% e conhecidos os
elementos de orientação exterior e os pontos de Gruber. A estratégia de
aproximação é iniciada com uma Resseção Espacial Dupla de um par de fotos
digitais. É feita uma interpolação linear nos quadriláteros formados pelos pontos
de referência (sinalizados). Com os pontos interpolados determinam-se as
fotocoordenadas nas imagens da esquerda e da direita. Tomando-se as
fotocoordenadas da esquerda como referência, busca-se uma melhor localização
das fotocoordenadas da direita. Com as fotocoordenadas refinadas pela
correspondência, é realizada a Intersecção para melhorar a interpolação. Com este
novo conjunto de pontos, é realizado um reajustamento da Resseção Dupla. Em
seguida, o processo se repete, interpolando-se novos pontos nos quadriláteros
formados pelos pontos interpolados no passo anterior, até atingir-se uma
densidade definida. Os resultados mostraram que o tamanho da janela de
referência e de busca influenciam tanto na parte interna (estatística) quanto na
externa (erro médio com o modelo de referência) e em um dos experimentos
realizados, esse erro foi de 0,0014m. A metodologia se mostrou funcional e
futuros trabalhos podem contribuir para melhorar a acurácia.
1. INTRODUÇÃO
A representação do relevo ou terreno é uma componente
fundamental no processo cartográfico que, em formato digital, recebe o nome de
Modelo Digital do Terreno (MDT) e consiste de um conjunto de dados que
explicitam as coordenadas (X, Y, Z) do terreno e a forma como os mesmos estão
relacionados.
1.1. Definições e aplicações
Segundo (Petrie & Kennie, 1990), o termo Modelo Digital do
Terreno (MDT) apareceu pela primeira vez no artigo The digital terrain model –
theory and applications, publicado na revista Photogrammetric Eng. n.3, V.24,
pp. 433-442, 1958, dos autores Charles Miller e R. A. LaFlamme, ambos do
Instituto de Tecnologia de Massachusetts (MIT), com a seguinte definição: “The
digital terrain model (DTM) is simply a statistical representation of the
continuous surface of the ground by a large number of selected points with known
X, Y, Z coordinates in an arbitrary coordinate field” (O modelo digital do terreno
(MDT) é simplesmente uma representação estatística da superfície contínua do
terreno por um grande número de pontos selecionados com conhecimento das
coordenadas X, Y, Z em um sistema de coordenadas arbitrário).
Alguns autores (Andrade, 1998) preferem usar o termo Modelo
Digital de Elevação (MDE) para designar apenas a elevação da superfície e o
15
termo MDT significando um modelo mais completo do terreno, incluindo outras
feições, tais como : casas, prédios, vegetação, árvores etc. Na literatura de língua
inglesa DTM é a sigla para Digital Terrain Model (que neste trabalho será
traduzida para Modelo Digital do Terreno), e DEM é a sigla para Digital
Elevation Model (Modelo Digital de Elevação). Os termos DTM e DEM são
usados como sinônimos na Europa (Ackermann, 1996).
Na Cartografia, o MDT é utilizado para a geração de ortofotos,
mapas topográficos e temáticos, em Sistemas de Informações Geográficas (SIG)
etc. O Modelo Digital do Terreno, também tem aplicações em outras áreas, como
por exemplo (Petrie & Kennie, 1990; Bourrogh, 1986) :
- engenharia civil : fundamental para o projeto e execução de
obras, sendo utilizado para estimação do volume de terra a ser movimentado em
construção de estradas e rodovias, por exemplo. Atualmente os mesmos princípios
do MDT são aplicados na representação de outras estruturas, tais como prédios,
estradas etc. A fusão entre computação gráfica e MDT possibilita impressões
realistas visuais de impacto ambiental dos projetos de engenharia civil e
elementos estruturais (prédios, pontes, barragens etc.);
- mapeamento batimétrico : modelos em pequena escala do
fundo do mar, rios, lagos e represas, podem ser obtidos com ecobatímetros.
Comparado com o equivalente topográfico, estes modelos são mais difíceis de se
acessar ou visualizar. Recentemente modelos digitais do fundo do mar em grandes
16
escalas foram criados como parte da investigação de áreas marinhas para a
construção de plataformas continentais de exploração de petróleo em águas
profundas;
- mapeamento geológico e geofísico : modelos de camadas
inferiores da superfície da Terra podem ser criados para definir estratos
geológicos específicos, estudos de simulação de reservatórios de petróleo etc.;
- simulação e visualização do terreno : representação realista da
superfície da Terra derivada do MDT é utilizada para simulação de vôo, além de
ter grande importância para a computação gráfica e para a animação;
- engenharia militar : a compreensão do terreno é de vital
importância para as ações militares (determinação de posição ótima para radares,
lançadores de mísseis ou equipamentos de comunicação, entre outras).
As figuras 1 e 2 representam uma mesma porção do terreno e
ilustram alguns produtos obtidos de um Modelo Digital do Terreno :
17
Figura 1 : Perspectiva do terreno construída de um MDT.
Figura 2 : Curvas de nível interpoladas de um MDT.
Os dados para a criação do MDT podem ser obtidos (ou
amostrados) de várias maneiras, como por exemplo, utilizando métodos
analógicos para a extração das coordenadas (X, Y, Z) e posterior transferência
para o computador, ou fazendo-se uso de técnicas digitais para a determinação do
MDT de forma semi-automática ou automática.
0.00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.000.00
1.00
2.00
3.00
4.00
5.00
6.00
7.00
18
1.2. Aquisição dos dados
Existem vários métodos para se obter os dados do MDT, os
principais deles são (Petrie & Kennie, 1990) :
1) levantamento topográfico : esta técnica faz uso de teodolitos
e coletores de dados, tais como estação total, estação semitotal, GPS (Sistema de
Posicionamento Global) e INS (Sistema de Navegação Inercial). Os pontos que
fazem parte do Modelo Digital do Terreno são obtidos diretamente no terreno.
Esta técnica permite grande acurácia do modelo, mas é viável apenas para
pequenas áreas, devido ao alto custo do trabalho em campo.
2) técnicas fotogramétricas : atualmente fazem uso de
restituidores analíticos ou digitais, a partir de pares de fotografias aéreas com
superposição adequada. Os instrumentos analíticos que são usados para coletar os
dados do MDT são aqueles que propiciam a formação de um estereomodelo, que é
percorrido através de movimentos mecânicos, no fim dos quais o computador
fornece as fotocoordenadas das fotos da direita e da esquerda, bem como as
coordenadas da mesa de desenho, onde as curvas de nível podem ser traçadas ou
os valores obtidos armazenados em algum dispositivo digital.
Os restituidores digitais fazem uso de fotos digitais, que podem
ser obtidas por câmaras digitais ou scanners fotogramétricos. A visão
estereoscópica pode ser obtida com monitores (ou óculos) que polarizam a luz. A
19
extração das coordenadas e do MDT pode ser feita através da iteração do operador
com o modelo, através de controles 3D ligados diretamente ao computador.
As técnicas fotogramétricas apresentam média e alta precisão
em grandes áreas.
3) técnicas cartográficas : digitalização de isolinhas ou de
mapas, que podem ser feitas de maneira manual, semi-automática ou automática.
Estas técnicas, em geral, podem cobrir grandes áreas, mas a acurácia é cerca de
1/3 da obtida com técnicas fotogramétricas ou de levantamento de pontos no
terreno.
As técnicas fotogramétricas e cartográficas para a aquisição das
informações, podem ser feitas com os seguintes critérios de amostragem (Sharif &
Makarovic, 1989) :
a) amostragem seletiva : esta amostragem é feita manualmente
com o objetivo de realçar ou excluir regiões anômalas do terreno. Ela é usada em
mudanças abruptas na inclinação do terreno, periferia de superfícies de água etc.
As informações desta amostragem podem ser usadas como entrada para uma
posterior amostragem progressiva (amostragem composta), e incluem feições
(retas ou não);
20
b) amostragem progressiva : é uma técnica de amostragem
semimanual para regiões de relevo predominantemente homogêneo. A densidade
do MDT fica adaptada localmente à movimentação do terreno. Alguns critérios
são usados para a amostragem progressiva : filtro Laplaciano 2D, filtro
Laplaciano 1D nas quatro direções, altura mediana etc.;
c) amostragem composta : combina a amostragem seletiva com
a amostragem progressiva, fazendo com que a representação do terreno não fique
com informações amostradas redundantes. As informações de entrada são os
pontos de controle da região de superposição. A malha regular especificada é
particionada em partes quadradas onde é feita a amostragem seletiva e depois a
amostragem progressiva.
A saída da amostragem composta é uma malha com a densidade
adaptada à movimentação local do terreno, apoiada com informações das feições
derivadas da amostragem seletiva.
Os dados obtidos através das técnicas de aquisição descritas
acima, constituem o Modelo Digital do Terreno, ou se for o caso, uma base sobre
a qual poderá ser realizada uma densificação (interpolação).
21
1.3. Representação dos dados
O MDT pode ser classificado quanto à forma como os dados
estão distribuídos : regular ou irregularmente espaçados. A distribuição regular faz
uso de malhas (ou grades) que em geral são retangulares (figura 3), hexagonais ou
triangulares.
Figura 3 : Exemplo de malha regular retangular.
Nesta distribuição, os dados são estruturados em forma
matricial, onde uma posição qualquer da matriz implica em uma posição
correspondente na malha, e armazena-se apenas o valor da cota Z do ponto.
As desvantagens das malhas regulares são, entre outras, segundo
(Burrough, 1986) :
a) grande quantidade de dados redundantes em áreas onde o
terreno é uniforme : como a malha é regular, em terreno muito movimentado,
ocorre uma falta (subamostragem) de pontos para melhor explicitar o terreno; e ao
contrário, onde o terreno é pouco movimentado, ocorre uma superamostragem dos
pontos;
22
b) incapacidade de se adaptar a áreas de relevo complexo sem
alterar o tamanho da malha : devido a própria característica da malha regular, é
impossível adaptá-la a relevos muito movimentados.
Usando pontos irregularmente espaçados, é possível amostrar
mais pontos onde a movimentação do terreno é maior, e menos pontos onde o
terreno for constante.
A forma mais comum de se representar pontos irregularmente
espaçados é a triangulação, pois triângulos oferecem uma maneira relativamente
fácil de incorporar as linhas notáveis ou breaklines - feições lineares onde
ocorrem mudanças na suavidade ou continuidade da superfície (Maune, 1996) -
como por exemplo em um fundo de vale. Na malha triangular, os pontos
amostrados devem pertencer aos vértices dos triângulos. Uma das triangulações
mais utilizadas é a Triangulação de Delaunay (figura 4), que faz as seguintes
exigências :
a) os triângulos devem ser os mais equiláteros possíveis :
triângulos não equiláteros, acarretam problemas em regiões que mudam
rapidamente de inclinação quando da interpolação;
b) os lados dos triângulos devem ser os menores possíveis :
lados grandes ou muito desproporcionais implicam em triângulos pouco
equiláteros.
23
Figura 4 : Exemplo de uma Triangulação de Delaunay.
A triangulação tem algumas desvantagens :
a) a geração da triangulação é mais complicada do ponto de
vista computacional : uma triangulação otimizada necessita de algoritmos
complexos para ser realizada;
b) a estrutura dos dados deve ser mais elaborada : para satisfazer
a otimização de um algoritmo de triangulação, os dados que representam a
triangulação devem ser muito bem estruturados.
Tanto nas malhas regulares quanto nas irregulares, se for
necessário realizar uma densificação, esta é feita através de uma interpolação na
malha regular, ou com a colocação de uma malha regular sobre a triangulação.
Neste caso os pontos são interpolados em função do triângulo ao qual pertencem.
Para os pontos da malha de densificação que caiam fora da malha triangular, é
necessário fazer uma extrapolação com a fronteira visível a esses pontos.
24
1.4. Interpolação
De posse dos pontos amostrados (coletados), e em função da
aplicação, pode ser necessário fazer uma interpolação (densificação) para
aumentar a quantidade dos pontos que representam o terreno e consequentemente
uma melhor representação dos mesmos. A escolha da função de interpolação é
decisiva para se obter uma boa precisão do MDT. Segundo (McCullagh, 1988), os
requisitos desejáveis para uma função interpoladora são :
a) que reproduza uma superfície contínua;
b) o tempo de computação não seja proibitivo;
c) tenha propriedades matemáticas de interesse para a aplicação.
Em geral são utilizados dois métodos de interpolação : global e
local. Os métodos globais levam em consideração todos os pontos que foram
amostrados, ajustando alguma função que passe por todos esses pontos. Os
métodos locais são influenciados por pontos que estejam em uma certa
vizinhança, diminuindo sua contribuição à medida em que a distância ao ponto
interpolado aumenta.
Uma variedade muito grande de formas de interpolação podem
ser utilizadas para a densificação do MDT : polinômios, splines, elementos finitos,
mínimos quadrados, krigagem etc.; em (Lancaster & Salkauskas, 1990) é possível
encontrar a fundamentação matemática para estas formas de interpolação e em
25
(Yamamoto, 1998), são detalhadas formas de interpolação para dados geológicos
e particularmente para MDT.
Uma interpolação muito utilizada juntamente com a
Triangulação de Delaunay é a interpolação quíntica, que faz uso do Polinômio de
Akima, que é uma função interpoladora bivariada de grau cinco com garantia de
continuidade C1 globalmente, ou seja, a função interpoladora é contínua e a
derivada de primeira ordem também é contínua, o que garante a suavidade da
superfície interpolada.
Neste trabalho, é proposta uma nova forma de se fazer a
densificação do MDT utilizando aproximações sucessivas, conforme descrito no
Capítulo 2.
1.5. Geração automática do MDT
Com a fotogrametria digital, as técnicas fotogramétricas para a
geração do Modelo Digital do Terreno têm sido automatizadas. A geração
automática do MDT, a partir de um par de fotos digitais (imagens) com
superposição adequada, compreende os seguintes passos :
- determinação de pontos correspondentes (matching);
- interpolação e densificação da superfície;
- conferência e edição do MDT (controle de qualidade).
26
A determinação de pontos correspondentes, ou matching de
imagens, é uma tarefa da fotogrametria digital que não têm uma solução geral
(robusta), apesar dos trabalhos iniciais serem da década de 50 (Schenk, 1996).
As principais abordagens para se fazer a correspondência de
imagens são as baseadas em área, feições e descrições simbólicas :
a) correspondência baseada em área : é feita uma comparação
entre a distribuição do nível de cinza de uma pequena subimagem, chamada de
pedaço da imagem (template), com sua contrapartida na outra imagem (janela de
busca). O template é um pedaço da imagem que permanece em uma posição fixa.
A janela de busca se refere ao espaço de busca onde o template é comparado. A
comparação pode ser feita com vários critérios de medida de similaridade.
Existem vários critérios para se medir a similaridade entre as janelas : coeficiente
de correlação, erro quadrático etc.
Em (Schenk, 1996), são apresentados uma série de fatores que
devem ser considerados independentemente da medida de similaridade utilizada :
- localização do template : teoricamente pode ser em qualquer
posição da imagem com superposição, mas certas condições devem ser levadas
em consideração, pois a correspondência pode falhar. Por exemplo, colocar o
template sobre áreas que estão ocultas na outra imagem, selecionar uma área com
baixa relação sinal/ruído (SNR) ou padrão repetitivo, selecionar em áreas com
breaklines etc.;
27
- tamanho do template : o tamanho do template e a janela de
busca é um parâmetro importante. Com o aumento do tamanho, a unicidade da
função do nível de cinza cresce. Uma técnica é utilizar templates de diferentes
tamanhos e medir a unicidade da função do nível de cinza;
- localização e tamanho da janela de busca : a localização da
janela de busca é muito importante em correspondência baseada em área, pois ela
depende de uma boa aproximação inicial. Uma estratégia hierárquica é
usualmente empregada para garantir razoáveis aproximações;
- critério de aceitação : os fatores obtidos para a medida de
similaridade entre o template e a janela de busca precisam ser analisados. O
critério de aceitação ou rejeição muitas vezes muda; os valores de limiares
(threshold) ou outros critérios devem ser determinados localmente;
- controle da qualidade : o controle de qualidade inclui uma
avaliação da acurácia e precisão da localização das entidades correspondentes.
Todavia, a consistência dos pontos correspondentes, precisa ser analisada
incluindo a compatibilidade com expectativas e conhecimento sobre o espaço
objeto.
b) correspondência baseada em feições : nesta técnica, a
correspondência é feita sobre as propriedades das feições presentes na imagem.
Tais feições podem ser retas ou não. A similaridade, isto é, a forma, o sinal e o
comprimento das arestas é medida por uma função custo.
28
Esta técnica também é muito utilizada em visão computacional,
pois faz uso da capacidade humana de distinguir melhor arestas correspondentes
do que níveis similares de cinza. Alguns fatores devem ser levados em
consideração :
- arestas correspondentes ocorrem em regiões similares : em um
par de fotos aéreas com superposição longitudinal, uma aresta no canto superior
direito da foto da esquerda provavelmente terá uma correspondente no canto
superior esquerdo na foto da direita;
- arestas correspondentes tem forma e orientação similar : uma
aresta horizontal terá uma correspondente horizontal, ou bem próxima disto;
- a relação espacial das arestas não mudam radicalmente, ou
seja, as propriedades topológicas são mantidas.
c) correspondência simbólica ou estrutural : este método
compara descrições simbólicas nas imagens e medem a similaridade por uma
função custo. As descrições simbólicas devem se referir ao nível de cinza ou
feições derivadas. Elas podem ser implementadas através de grafos, árvores, redes
semânticas etc. Em contraste com outros métodos, a correspondência simbólica
não é estritamente baseada em propriedades geométricas, pois ao usar a forma ou
localização como critério de similaridade, está usando propriedades topológicas.
29
Outras abordagens podem ser utilizadas, como as que fazem uso
de múltiplas imagens (Wiman, 1998; Gruen & Baltsavias, 1988); parâmetros
descritivos e relacionais das feições (Hellvich & Faig, 1994); uso de cor e textura
para a detecção de árvores, prédios etc., entre outras abordagens.
1.6. Checagem e edição
A automação da geração do MDT pode ser completa até o
processo de checagem e edição, que ainda requer a intervenção de um operador
humano para fazer o controle de qualidade, ou seja, verificar a acurácia e a
qualidade do MDT. Este controle é feito inicialmente através da visualização do
MDT e edição de pontos se for o caso. Esta etapa é essencial, pois além de afetar a
qualidade do MDT, pode economizar tempo.
Para uma primeira verificação da qualidade e detecção de erros
grosseiros no MDT, uma visualização com vista perspectiva em arame é
suficiente. Uma outra maneira de se fazer essa detecção, é fazer uso de técnicas de
renderização sobre um modelo em arame, dando uma visão mais realista com luz
e sombreamento.
Erros mais sutis podem ser detectados com a sobreposição do
MDT nas imagens e uma comparação visual pode ser feita pelo operador.
A tarefa de edição e checagem dos dados é ainda muito
demorada, e técnicas para a realização automática desta tarefa estão sendo
desenvolvidas. Em (Norvelle, 1996) por exemplo, têm-se um método que
30
consiste em gerar duas ortofotos, uma para cada imagem da região de
superposição : com exceção de diferenças radiométricas, as duas ortofotos devem
ser idênticas. Se ocorrer diferenças geométricas, isto implica que o MDT contém
erros. Medindo este erro, o MDT é corrigido, e gera-se novamente as duas
ortofotos. O processo se repete, até que não hajam erros mensuráveis entre as duas
ortofotos e o MDT.
2. PROPOSIÇÃO
Este trabalho tem como objetivo desenvolver e testar um
algoritmo automático para geração do Modelo Digital do Terreno (MDT), com
base em aproximações e interpolações sucessivas, a partir de um par de fotos
digitais (obtidas com uma câmara digital de pequeno formato), com conhecimento
dos parâmetros de orientação exterior e dos pontos de Gruber.
Para tal, foi construída uma maquete representando um terreno
(Anexo A), com dimensões 2,0 m x 1,0 m. Nesta maquete, existe um conjunto de
15 pontos sinalizados e com suas respectivas posições (X, Y, Z) conhecidas
(figura 5).
: 0,25 m
: 0,20 m
: 0,15 m
: 0,10 m
Figura 5 : Esquema dos pontos sinalizados na maquete.
32
Estes pontos estão regularmente espaçados na horizontal e na
vertical de 0,5 m em 0,5 m . As alturas variam de 0,10 m ao máximo de 0,25 m e
em intervalos de 0,05 m. Esta maquete foi confeccionada de isopor e dada uma
caracterização de relevo, vegetação e água, usando tinta e massa corrida. A
maquete está apoiada sobre uma base de madeirite.
Para a simulação do vôo, foi também construída uma trave com
largura de 2,20 m e altura de 2,10 m. A câmara digital Fujix DS 300 (Anexo B)
foi fixada nesta trave, de onde foram tomadas as fotos. Após a tomada das fotos,
as mesmas são transferidas para o computador. O software GA_MDT (Geração
Automática de Modelo Digital do Terreno) implementado em linguagem C++,
ambiente Builder 3.0, para testar a metodologia, carrega as imagens da esquerda e
da direita, onde é feita a leitura das fotocoordenadas dos pontos de Gruber.
Com um par de fotos digitais, com uma superposição
longitudinal de aproximadamente 60%, é realizada a Resseção Espacial Dupla
com autocalibração, utilizando injunções nos parâmetros de calibração interior e
nos pontos de terreno, que são modelados como se fossem pseudo-observações. A
Resseção Espacial Dupla, tem como objetivo (Wolf, 1983), ajustar os seis
parâmetros de orientação exterior de cada foto : a orientação angular (, , ) e a
posição espacial (XC, YC, ZC). Neste trabalho também são ajustados pela Resseção
Espacial Dupla, três parâmetros de orientação interior da câmara : distância focal
(f) e o ponto principal (x0, y0); além dos pontos no terreno.
Inicialmente são tomadas 24 observações, que são as
fotocoordenadas da direita e da esquerda dos seis pontos de Gruber. Os
33
parâmetros a serem ajustados são : 12 parâmetros de orientação exterior para as
fotos da esquerda e da direita, 03 parâmetros de calibração da orientação interior
e as 18 coordenadas no terreno (X, Y, Z), totalizando 33 parâmetros.
Para resolver o problema da Resseção Espacial Dupla com
injunções generalizadas aos parâmetros, isto é, todos os parâmetros tem peso, é
utilizado o Método dos Mínimos Quadrados, que será descrito no próximo
capítulo.
2.1. Interpolação linear nos quadriláteros
O processo de aproximação se inicia, após uma Resseção
Espacial Dupla inicial, com a interpolação nos quadriláteros formados pelos
pontos de Gruber (figura 6) :
B : aerobase
Figura 6 : Representação da configuração inicial com os pontos de Gruber.
3 4
1 2
3
6 5
B
B
B
34
A interpolação linear nos pontos do terreno em um dado
quadrilátero, é dada por :
Figura 7 : Representação genérica dos vértices de um quadrilátero.
Tomando um dos quadriláteros para exemplificar, a interpolação
é dada por :
,2
211
vvp
e
44321
5vvvv
p
(1)
,2
422
vvp
,2
433
vvp
231
4
vvp
V1
V3 V4
V2
B
B
35
o que resulta na seguinte configuração :
Figura 8 : Resultado da interpolação linear em um quadrilátero.
No terreno a configuração é a seguinte:
Figura 9 : Interpolação linear no terreno.
No primeiro passo da interpolação são interpolados 9 pontos. A
tabela 1, mostra o aumento (A) do número de pontos no MDT e o total de
quadriláteros (Q) em cada passo da interpolação (n) :
V1
V3 V4
V2
P4
P1
P5 P2
P3
X
Z
Z1 Z2 Zinterpolado
36
Tabela 1 - Crescimento do número de pontos e quadriláteros em função do
número da interpolação.
n A Total de pontos Q
1 9 15 8
2 30 45 32
3 108 153 128
4 408 561 512
5 1584 2145 2048
O aumento de pontos em cada etapa da interpolação é dado pela
seguinte equação :
A n n n 2 2 2 151 . (2)
A quantidade de quadriláteros em cada etapa é dado por :
2 12 nQ (3)
onde n é o passo da interpolação, n = 1, 2, .....
Na primeira iteração, existem 57 equações e 33 parâmetros. Na
tabela 2, são listados o número de equações e os parâmetros a serem ajustados em
cada passo da interpolação, já que os parâmetros ajustados no passo anterior são
tomados como pseudo-observações ou previamente determinados no processo
atual e são novamente reajustados.
37
Tabela 2 – Total de parâmetros a serem ajustados em função do passo da
interpolação.
Passo No. de equações
de observações
No. de equações
de injunções
Total de
equações
Total de
parâmetros
00 6x2x2 = 24 3+12+3x6=33 57 33
01 15x2x2=60 3+12+3x15=60 120 60
02 45x2x2=180 3+12+3x45=150 330 150
03 153x2x2=612 3+12+3x153=474 1086 474
04 561x2x2=2244 3+12+3x561=1698 3942 1698
05 2145x2x2=8580 3+12+3x2145=6450 15030 6450
Na medida em que os pontos no terreno vão sendo interpolados,
suas fotocoordenadas são obtidas utilizando as equações de colinearidade
(equação 11), ou seja, resolvendo-se o problema da intersecção, já que se conhece
os parâmetros de orientação exterior da foto da direita e da esquerda e os
parâmetros de orientação interior.
Em torno das fotocoordenadas da esquerda, é tomada uma janela
de referência, para se buscar uma correspondência na imagem da direita, na
tentativa de se melhorar o resultado da interpolação linear. As fotocoordenadas na
imagem da direita são utilizadas como o centro da janela de busca.
2.1. Correspondência
Um ponto importante e de difícil automação, é o
estabelecimento de correspondência entre pontos homólogos (matching). O
38
matching baseado em área, aqui implementado, satisfaz os critérios de
convergência dos pontos gerados para o MDT.
A correspondência baseada em área para duas imagens com
superposição, consiste em buscar na imagem da direita (busca), a região que tenha
a melhor correspondência com uma dada região na imagem da esquerda
(referência) (figura 10) :
(a) (b)
Figura 10 : Arranjo para obtenção da correspondência – Imagem da esquerda (a) e da direita (b).
A função de correspondência usada para medir a similaridade
foi o erro quadrático (Gonzalez, 1993):
yx
rx
x
ry
y
rr
tysxgyxftseq
*
,,),(
1
0
1
0
2
(4)
onde :
y’
x’
referência
y’’
x’’
busca
39
),( tseq : erro quadrático na posição (s,t) na imagem da direita
),( yxf : é a janela na imagem da esquerda (referência)
),( tysxg : é a janela de busca tomada na foto da direita
yx rr , : quantidade de pixels na horizontal e vertical respectivamente.
Com esta função, a posição (s, t) onde ocorrer o menor valor, é a
posição que contém a melhor correspondência. Esta posição então é tomada como
sendo a das fotocoordenadas da direita corrigidas, melhorando a interpolação
linear feita no terreno, quando da intersecção.
2.2. Intersecção
A etapa seguinte após a determinação das fotocoordenadas
refinadas pela correspondência, é calcular novamente os pontos no terreno,
utilizando-se as equações de colinearidade na forma inversa, já que os elementos
de orientação exterior e interior estão disponíveis. Dada as fotocoordenadas da
esquerda e da direita, as equações para a resolução do problema da intersecção são
(Krauss, 1992):
para as fotocoordenadas da esquerda :
e
yece
ce
e
xece
ce
DN
ZZYY
DN
ZZXX
(5)
40
para as fotocoordenadas da direita :
d
ydcd
cd
d
xdcd
cd
DN
ZZYY
DNZZXX
(6)
onde,
fmyfymxfxmD
fmyfymxfxmD
fmyfymxfxmN
fmyfymxfxmN
fmyfymxfxmN
fmyfymxfxmN
dddddd
eeeeee
dddddyd
dededxd
eeeeeye
eeeeexe
33032031
33032031
23022021
13012011
23022021
13012011
(7)
e os mij são os elementos da matriz de rotação da foto da esquerda (e) e da direita
(d), conforme as equações 13 e 14.
Como é necessário determinar 3 incógnitas (X, Y, Z) com 4
equações, o Z é isolado fazendo-se uso de (5) e (6) :
41
21
12
kkXkZkZX
Zce
ce
cd
cd
(8)
onde,
d
xd
e
xe
DNk
DNk
2
1
As coordenadas X e Y podem ser computadas a partir de uma
média aritmética entre (5) e (6).
De posse das coordenadas do terreno “corrigidas”, se faz
novamente o ajustamento dos parâmetros de orientação exterior, interior e dos
pontos no terreno.
Figura 11 : Após a intersecção, o ponto interpolado linearmente sofre uma correção.
X
Z
Z1 Z2
Zcorrigido
Zinterpolado
42
Este processo se repete até atingir uma densidade de pontos
previamente definida. Ao final do processo, são gerados relatórios que contém as
informações do ajustamento, do controle de qualidade e dos pontos interpolados
no terreno e uma visualização em perspectiva do MDT resultante.
No próximo capítulo, os procedimentos da metodologia são
detalhados.
3. MATERIAL E MÉTODO
Como citado anteriormente, foi implementado um programa
(GA_MDT) em linguagem C++, ambiente Builder 3.0, para verificar a validade
do método em estudo.
Neste programa, o usuário carrega as imagens com a região de
superposição. Estas imagens são do formato Windows BMP com 24 bits de
resolução radiométrica e resolução geométrica de 1280 x 1000 pixels. Com as
imagens carregadas, as fotocoordenadas dos pontos de Gruber podem ser
coletadas com o mouse ou estes dados podem ser lidos de um arquivo texto. Para
auxiliar na coleta destas fotocoordenadas, existe uma rotina de zoom que amplia a
região em questão em até 16 vezes.
Estas fotocoordenadas são armazenadas nos vetores xf_e, yf_e,
xf_d e yf_d que representam respectivamente as fotocoordenadas da esquerda e
as fotocoordenadas da direita.
Em seguida, pode-se ler de um arquivo texto as configurações
iniciais ou interagir com o programa e informar diretamente os seguintes dados :
- f : distância focal
- x0, y0 : coordenadas do ponto principal
- Xt, Yt, Zt : vetores com as coordenadas de pontos no
terreno, inicialmente com os pontos de Gruber
- Xc_e, Yc_e, Zc_e, Xc_d, Yc_d, Zc_d : coordenadas do
centro perspectivo da foto da esquerda e da direita
44
- Ângulos da orientação exterior das duas fotos
- Número de passos máximos e critério de convergência (na
cota Z) para o pontos no terreno na Resseção Espacial
- Número de passos no processo de interpolação
- Variância à priori das fotocoordenadas e das injunções para
o cálculo dos respectivos pesos
- Fator de redução dos pesos das fotocoordenadas e das
injunções quando ocorrer uma nova interpolação
com estes parâmetros, o processo é executado.
A matriz com as derivadas parciais A e a matriz das equações
normais N são alocadas dinamicamente. A transposta de N é armazenada na
própria N para se economizar memória. O escopo de validade da matriz A é em
todo o programa e a matriz N tem o escopo de validade apenas no procedimento
onde é montada, no caso, quando é computado o vetor X das correções aos
parâmetros ajustados.
Após a correção dos parâmetros, os resíduos são calculados
(equação 19) e as principais informações em cada etapa do processo é armazenada
em um arquivo texto.
Em seguida, é realizada a interpolação linear dos pontos no
terreno (equação 1) e computada as suas respectivas fotocoordenadas (equação
11). As fotocoordenadas da direita são corrigidas através de um procedimento que
45
faz a correspondência. Para se fazer a correspondência, as subimagens em exame
são transformadas em tons de cinza, utilizando a equação de luminância
(Gonzalez, 1993) :
BGRL 114.0587.0299.0 (09)
onde R (Vermelho), G (Verde) e B (Azul) são as três componente primárias da
cor do pixel.
Com a correspondência finalizada e com as fotocoordenadas
corrigidas, através da intersecção (equação 8) os pontos interpolados linearmente
são trocados pelos pontos obtidos com estas fotocoordenadas.
Em cada etapa da interpolação, novos pontos no terreno vão
sendo obtidos e novos quadriláteros vão sendo criados. Estes quadriláteros são
armazenados em uma matriz, onde cada posição (i, j), guarda o número do ponto
no terreno. Esta informação é importante pois será usada no controle de qualidade.
Desta forma, um quadrilátero qualquer é formado pelos elementos que estão nas
posições (i, j), (i, j + 1), (i + 1, j) e (i + 1, j + 1).
Os tópicos a seguir, mostram as principais rotinas utilizadas no
programa.
46
3.1. Transformação de coordenadas (Sistema de referência)
Com o par de imagens mostrados na tela do computador, o
processo inicial é coletar as fotocoordenadas nas imagens, que são coordenadas
pixels (xp, yp) e fazer uma transformação geométrica linear deste sistema para um
sistema de coordenadas fotogramétrico (xf, yf) dado em milímetros. O sistema de
coordenadas fotogramétrico tem o eixo xf paralelo ao eixo xp e eixo yf refletido
em relação ao eixo yp (figura 12). Esta é uma transformação de reflexão e de
escala (tamanho do pixel), depois de transladar o sistema para o centro da imagem
(xc, yc) e para o centro do pixel :
Figura 12 : Sistemas fotogramétrico e coordenadas pixel.
xp
yf
xf
yp
47
Na forma matricial fica descrito como :
5.05.0
1001
00
cp
cp
py
px
f
f
yyxx
tt
yx (10)
onde tpx é o tamanho do pixel na horizontal e tpy o tamanho do pixel na vertical.
No caso da câmara Fujix DS300, o tamanho do pixel é quadrado e têm dimensões
de 7m. A constante 0.5 serve para posicionar as fotocoordenadas no centro do
pixel.
3.2. Equações de colinearidade
O método exige que as coordenadas no terreno dos pontos de
Gruber sejam conhecidas, bem como uma aproximação inicial para os elementos
de orientação interior (f, x0, y0) e exterior (centro perspectivo da foto da esquerda
e da direita, bem como os ângulos de rotação das respectivas fotos).
A localização dos pontos de Gruber no terreno é garantida, no
caso deste teste, pela construção da maquete, onde as posições foram previamente
planejadas e sinalizadas. As aproximações iniciais para os elementos de
orientação exterior também são garantidas pelo conhecimento à priori do
posicionamento da câmara.
48
Os parâmetros de orientação interior foram obtidos através do
programa FOTRAC (Fototriangulação com autocalibração, adaptado do FOTRIA
– Fototriangulação Analítica, Silva, 1987). As equações de colinearidade usadas
foram (Merchant, 1979; Krauss, 1992) :
DN
fyy
DNfxx
y
x
0
0 (11)
onde :
00 , yx : coordenadas do centro principal em relação ao centro da imagem
f : distância focal
ccc
cccy
cccx
ZZmYYmXXmD
ZZmYYmXXmN
ZZmYYmXXmN
332313
322212
312111
(12)
mij : elementos da matriz de rotação R
333231
232221
131211
mmmmmmmmm
RRRR (13)
As matrizes de rotação em relação aos ângulos , e são
dadas por :
49
cossen0sencos0001
R
cos0sen010
sen0cosR
1000cossen0sencos
R (14)
e
coscoscossensensencos
sensencossencos
cossencoscossensensen
sencoscossensen
sensencos
coscos
33
32
31
23
22
21
13
12
11
mmm
mmm
mmm
50
3.3. Modelo matemático
As equações de colinearidade (equação 11) constituem o modelo
matemático funcional que relaciona as variáveis do problema, a saber :
fotocoordenadas (observações), parâmetros de orientação exterior, parâmetros de
orientação interior e coordenadas do espaço objeto (pontos no terreno) :
...,,,,,, 00 yxfFyx (15)
O modelo de ajustamento (de observações) a ser utilizado com o
propósito de estimar a solução única é o paramétrico sob a condição dos Mínimos
Quadrados (MMQ). Além disso, um conjunto de injunções aos parâmetros
complementa o modelo (Gemael, 1994; Uotila, 1986) :
aX
aa
XGL
XFL (16)
:aL vetor das observações ajustadas
:aX vetor dos parâmetros ajustados
:XL vetor do “erro de fechamento” do modelo injuncional
51
O modelo matemático funcional é não linear e portanto requer a
linearização por Séries de Taylor :
XXXV
LAXV
bXˆ0
0
(17)
onde,
ba LLL
V : vetor dos resíduos das fotocoordenadas
XV : vetor dos resíduos das injunções
X̂ : vetor das correções aos parâmetros
00X : vetor das aproximações iniciais dos parâmetros
bX : vetor das pseudo-observações
bL : vetor das fotocoordenadas observadas
A : matriz das derivadas parciais em relação aos parâmetros de orientação
exterior, interior e coordenadas dos pontos no terreno
Após a aplicação do MMQ com o uso de pesos, temos a
seguinte solução para a equação 17 :
52
XXt
Xt LPPLAPPAAX 1
(18)
onde
P : peso relativo às observações
XP : peso relativo às injunções
A solução da equação 18 requer iterações por causa da não
linearidade do modelo matemático funcional.
A variância à posteriori é dada por :
unnVPVPVV
X
XXt
Xt
20̂ (19)
onde n é o número de equações de observações, nX o número de equações de
injunções e u o total de parâmetros. Neste modelo, nX = u em todos os passos da
interpolação.
As derivadas parciais das equações de colinearidade em relação
aos parâmetros, são apresentadas no Anexo C e a matriz formada pelas derivadas
do modelo estocástico em relação às injunções é uma matriz identidade.
Para a matriz A, temos a seguinte configuração inicial :
53
Figura 13: Esquema da matriz A.
A descrição das submatrizes de A :
- derivadas parciais das fotocoordenadas em relação aos parâmetros de
orientação exterior da foto da esquerda (12 x 6).
- derivadas parciais das fotocoordenadas em relação aos parâmetros de
orientação exterior da foto da direita (12 x 6).
- derivadas parciais das fotocoordenadas da foto da esquerda, em relação aos
parâmetros de orientação interior (2 x 3).
- derivadas parciais das fotocoordenadas da foto da direita, em relação aos
parâmetros de orientação interior (2 x 3).
- derivadas parciais das fotocoordenadas da foto da esquerda em relação aos
pontos no terreno (2 x 3).
- derivadas parciais das fotocoordenadas da foto da direita em relação aos
pontos no terreno (2 x 3).
54
As partes não preenchidas são submatrizes nulas. A matriz A é
esparsa e existem algoritmos para armazená-la eficientemente. Existem também
algoritmos para resolver a Resseção Espacial Dupla de maneira rápida e
econômica do ponto de vista computacional (Merchant, 1979).
3.4. Controle de qualidade
Para a verificação da qualidade do MDT, é feita uma
fototriangulação com o Programa FOTRAC, que fornece uma relação dos pontos
fototriangulados. Este programa foi escolhido pois têm boa qualidade e já foi
amplamente testado em simulações e situações reais de campo; além disso, a
medição de pontos na maquete é de difícil realização. Em trabalhos futuros, pode-
se utilizar pontos sinalizados no terreno e com posição determinada por GPS
(Sistema de Posicionamento Global), por exemplo. O projeto desta
fototriangulação é composto de 03 fotos, 04 pontos de apoio HV (horizontal-
vertical), 05 pontos de checagem e 215 pontos a serem fototriangulados. Estas e
outras informações, podem ser obtidas no relatório do processamento (Anexo D).
Estes 215 pontos foram coletados pelo GA_MDT nas duas fotos
que foram usadas como teste, e as aproximações iniciais são calculadas na rotina
da intersecção fotogramétrica linear.
55
Os resultados obtidos pelo FOTRAC são tomadas como
referência, ou seja, considerados como sendo o terreno “real”, representado na
figura 14 como sendo a região entre as retas :
Figura 14 : Terreno tomado como o de referência.
O controle de qualidade é feito da seguinte forma :
- para cada ponto fototriangulado, determina-se em qual
quadrilátero ele pertence, utilizando as coordenadas (X, Y);
- com as coordenadas (X, Y, Z) dos 4 vértices do quadrilátero, é
realizada uma interpolação bilinear (equação 21) para obtenção da cota Z no
ponto em questão;
- esta cota é comparada com a de referência e o erro calculado.
56
3.4.1. Determinação do quadrilátero
Dado o ponto fototriangulado P = (X, Y, Z), é feita uma busca
nos quadriláteros na direção horizontal, da esquerda para a direita, limitando à
direita e à esquerda :
21 XXX
O mesmo processo se repete na direção vertical, limitando-se
acima e abaixo :
21 YYY
As coordenadas limitadoras são mapeadas através da matriz que
gerou a última interpolação, de tal forma que o quadrilátero no qual o ponto será
verificado é dado por :
Figura 15 : Exemplo da configuração para o controle de qualidade.
(X2, Y3)
(X4, Y4)
(X1, Y1)
(X3, Y2)
(Xp,Yp)
57
É possível que o ponto a ser verificado esteja dentro dos limites
estabelecidos, mas não pertença ao quadrilátero, devido ao mesmo não ser regular,
como nos seguintes casos :
Figura 16 : O ponto cai à direita do quadrilátero.
Figura 17: O ponto cai acima do quadrilátero.
Figura 18 : O ponto cai abaixo do quadrilátero.
(X4, Y4)
(X2, Y3) (X1, Y1)
(X3, Y2)
(Xp,Yp)
(X2, Y3)
(X4, Y4)
(X1, Y1)
(X3, Y2)
(Xp,Yp)
(X2, Y3)
(X4, Y4)
(X1, Y1)
(X3, Y2)
(Xp, Yp)
58
Figura 19: O ponto cai à esquerda do quadrilátero.
Para verificar se um ponto pertence ou não a um dado
quadrilátero, é utilizado o produto vetorial no plano, pois através dele consegue-se
determinar a posição de um ponto em relação a um vetor :
Figura 20 : Produto vetorial no plano.
O produto vetorial no plano é definido por (Figueiredo &
Carvalho, 1991) :
(X3, Y2)
(X2, Y3)
(X4, Y4)
(X1, Y1)
(Xp,Yp)
u
p
v
59
32313231
3232
3131 xxyyyyxxyyxxyyxx
vu (20)
onde, u = (x1, y1) , v = (x2, y2) e p = (x3, y3).
Através de uma inspeção nos vetores formados com os lados dos
quadriláteros (u, v) e o ponto a ser testado (p), se o produto vetorial for positivo
(equação 20), o ponto está à esquerda da aresta do quadrilátero. Como os vértices
do quadrilátero estão ordenados em sentido anti-horário, para o ponto ser interior
é necessário que o produto vetorial seja positivo ou igual a zero em todos os lados.
Se for negativo em algum lado, basta trocar o quadrilátero com o quadrilátero
vizinho a este. Se não houver quadriláteros na vizinhança, o ponto não é testado
pois neste caso ele não pertence a nenhum quadrilátero e não é possível fazer a
interpolação.
3.4.2. Interpolação para controle de qualidade Com a determinação do quadrilátero no qual o ponto
fototriangulado pertence, é feita uma interpolação bilinear e o erro é computado.
Enquanto a interpolação linear ajusta uma curva simples entre
dois pontos, a interpolação bilinear ajusta uma superfície simples entre quatro
pontos (Farin, 1997) :
60
bduvbcuadvacdvcbuavuf , (21)
A superfície mais simples entre quatro pontos é o produto entre
duas funções lineares. Como existem quatro incógnitas {a, b, c, d}, são
necessárias quatro equações, que são dadas pelos vértices do quadrilátero :
444444444
333333333
222222222
111111111
,
,
,
,
zvbdubcuadvacdvcbuavuf
zvbdubcuadvacdvcbuavuf
zvbdubcuadvacdvcbuavuf
zvbdubcuadvacdvcbuavuf
(22)
Este sistema de equações lineares é resolvido pelo Método da
Eliminação Gaussiana, cuja solução são os coeficientes {a, b, c, d}. Com estes
coeficientes, o valor de Z é determinado (equação 21). Em seguida, é calculado o
erro entre este valor e o valor de Z fototriangulado.
Quando todos os pontos fototriangulados forem testados, o erro
médio aritmético é computado e se têm uma medida de quanto o MDT gerado por
este método se aproxima do modelo “real”.
O seguinte fluxograma (figura 21), resume a metodologia
empregada :
61
Figura 21 : Fluxograma da metodologia.
Carrega imagem da esquerda e da direita
Obtém parâmetros iniciais (fotocoordenadas, elementos de oe, elementos de oi, pesos, número de interpolação, tamanho do pixel etc.)
Resseção espacial dupla inicial
Interpola pontos no terreno (linearmente)
Determina fotocoordenadas dos pontos interpolados
Correspondência entre as fotocoordenadas
Intersecção com fotocoordenadas para melhorar os pontos interpolados no terreno
Adiciona as novas “observações” ao modelo e executa a Resseção Espacial Dupla até atingir a convergência desejada no terreno
Atingiu número máximo de interpolação?
Faz o controle de qualidade, gera os relatórios e visualiza o MDT gerado.
N
S
4. RESULTADO E DISCUSSÃO
Para demonstrar o método, foram usadas duas fotos digitais da
maquete, que tem a seguinte configuração :
Figura 22 : Representação das fotos (a região hachurada indica a superposição usada).
A seguir são detalhados os resultados obtidos com a
metodologia aqui apresentada. São mostrados e discutidos os resultados com
cinco passos de interpolação. Para todos estes testes foram usados os seguintes
parâmetros :
63
Tabela 3 – Parâmetros iniciais para os testes realizados.
Parâmetros Valor inicial
focal aproximada 11.55mm
x0
y0
0.146mm
-0154mm
ângulos de oe foto esquerda (’, ’, ’ )
ângulos de oe foto direita (’’, ’’, ’’ )
(0.0, 0.0, 0.0)rad
(0.0, 0.0, 0.0)rad
posição CP esquerda (Xc’, Yc’, Zc’)
posição CP direita (Xc’’, Yc’’, Zc’’)
(1.0, 1.5, 2.0)m
(1.5, 1.5, 2.0)m 20 1.0
janela alvo 3 x 3 pixels
janela busca 5 x 5 pixels
Os pesos dos novos parâmetros introduzidos (pontos
interpolados no terreno) e das novas fotocoordenadas, vão sendo reduzidos pela
metade dos pesos inseridos no passo anterior da interpolação. Isto é feito para
deixar as novas “observações” e parâmetros mais livres porque são derivados dos
passos sucessivamente e daí afetados pela propagação dos erros inerentes ao
projeto.
Experimento 1 : A primeira aproximação consiste da
interpolação nos dois quadriláteros formados pelos pontos de Gruber. A tabela 4,
resume os resultados obtidos neste experimento.
64
Tabela 4 – Resultados obtidos no experimento 1.
focal ajustada 11.54 mm xo yo
-0.070 mm 0.110 mm
ângulos esquerda (’, ’, ’ ) ângulos direita (’’, ’’, ’’ )
(-0.0017, 0.0029, 0.0352) rad (-0.0109, 0.0184, 0.0102) rad
CP esquerda (Xc’, Yc’, Zc’) CP direita (Xc’’ , Yc’’, Zc’’)
(1.9799, 1.5046, 2.0019) m (2.5202, 1.4949, 1.9975) m
média aritmética dos resíduos 0.000291 maior resíduo em fotocoordenadas da esquerda -0.011mm maior resíduo em fotocoordenadas da direita 0.011mm maior resíduo em pontos do terreno (Y) 0.0019m
20̂ 17.95
Densidade no terreno 1 ponto a cada 3.3 dm2 Escala média 1 : 156 Superposição 61%
Podemos verificar nesta tabela que a qualidade do ajustamento
não é boa, devido ao fato de termos pouco pontos no modelo. Uma visualização
do terreno deste experimento é mostrado na figura abaixo :
Figura 23 : Visualização do terreno gerado com 9 pontos interpolados.
65
Experimento 2 : A interpolação chega até o passo 2, com 45
pontos no terreno, ou seja 39 pontos interpolados e aproximados.
Tabela 5 - Resultados obtidos no experimento 2.
focal ajustada 11.56 mm xo yo
-0.096 mm 0.110 mm
ângulos esquerda (’, ’, ’ ) ângulos direita (’’, ’’, ’’ )
(-0.0021, 0.0014, 0.0353) rad (-0.0010, 0.0242, 0.0102) rad
CP esquerda (Xc’, Yc’, Zc’) CP direita (Xc’’, Yc’’, Zc’’)
(1.9735, 1.5052, 2.0024) m (2.5266, 1.4941, 1.9968) m
média aritmética dos resíduos -0.000038 mm maior resíduo em fotocoordenadas da esquerda -0.0010mm maior resíduo em fotocoordenadas da direita -0.0096mm maior resíduo em pontos do terreno (Z) 0.0013 m
20̂ 4.57
densidade no terreno 1 ponto a cada 1.1 dm2 escala média 1 : 156 sobreposição 60%
A média aritmética dos resíduos e a variância à posteriori
mostram uma melhora no ajustamento com o adensamento dos pontos.
Figura 24 : Visualização do modelo no experimento 2.
66
Experimento 3 : O modelo têm 153 pontos, ou seja, foram
interpolados e aproximados 147 pontos. Neste experimento também é feito um
controle da qualidade entre o modelo gerado e o modelo de referência. A tabela 9
resume os resultados.
Tabela 6 – Resultados obtidos no experimento 3.
focal ajustada 11.56 mm xo yo
-0.114 mm 0.107 mm
ângulos esquerda (’, ’, ’ ) ângulos direita (’’, ’’, ’’ )
(-0.0024, 0.0003, 0.0352) rad (-0.0104, 0.0283, 0.0103) rad
CP esquerda (Xc’, Yc’, Zc’) CP direita (Xc’’, Yc’’, Zc’’)
(1.9688, 1.5054, 2.0027) m (2.5312, 1.4938, 1.9964) m
média aritmética dos resíduos -0.000032 maior resíduo em fotocoordenadas da esquerda -0.0081mm maior resíduo em fotocoordenadas da direita 0.0081mm maior resíduo em pontos do terreno (Z) -0.0002m
20̂ 1.22
densidade média no terreno 1 ponto a cada 0.33 dm2 escala média 1 : 156 superposição 60% erro médio aritmético (controle de qualidade) -0.029m
Neste experimento, a variância à posteriori e os resíduos
mostram que o ajustamento está com uma boa qualidade. O erro médio
computado entre o modelo gerado e o de referência mostra que ele está, em
média, acima do modelo de referência (fototriangulado). A figura 25 mostra que o
modelo gerado está seguindo a mesma tendência da maquete e do modelo de
controle, a menos do erro apontado na tabela 6.
67
Figura 25 : Visualização do terreno com três passos na interpolação.
A partir do passo 3 da interpolação, foi constatado que as
correções nos parâmetros dadas pela resseção espacial são desprezíveis, o que
implica em eliminar no processo de aproximação e interpolação o ajustamento dos
parâmetros na nova interpolação. Dessa forma, continuando o processo sem o
ajustamento, podemos realizar as interpolações até a densidade desejada.
Para ilustrar este fato, no passo 4 da interpolação temos a
visualização do terreno (figura 26) com 555 pontos interpolados e aproximados e
com densidade aproximada de 1 ponto a cada 0,09 dm2.
68
Figura 26 : Visualização do terreno no passo 4 da interpolação.
Continuando o adensamento, obtemos um MDT com 2139
pontos interpolados e aproximados e densidade de 1 ponto a cada 0,02 dm2 :
Figura 27 : Visualização do terreno no passo 5.
69
A visualização permite constatar que o terreno apresenta uma
movimentação maior do que a real. Desta forma, concluímos que o passo três da
interpolação apresenta o melhor resultado.
Como a correspondência é um fator importante na qualidade do
MDT, foram feitos alguns experimentos com janelas de alvo e busca de vários
tamanhos. Para verificar quais as melhores dimensões para as janelas alvo e
busca, foram feitos os seguintes experimentos, todos com três passos de
interpolação :
Experimento 4 : fixação da janela alvo em 3 x 3 pixels e
variando-se a janela de busca.
Tabela 7 - Resultados obtidos no experimento 4.
janela busca (pixels) 5 x 5 7 x 7 9 x 9 11 x 11 15 x 15 resíduo máximo fotocoordenada esq. (mm)
-0.0081 0.0104 0.0132 0.0155 0.0169
resíduo máximo fotocoordenada direita (mm)
0.0081 -0.0104 -0.0132 -0.0155 0.0172
média aritmética dos resíduos
-0.000032 -0.000031 -0.000097 -0.000107 -0.000144
20̂ 1.2287 2.0935 3.2675 4.8879 8.9206
erro médio aritmético (m)
-0.0298 -0.0230 -0.0201 -0.0108 0.0106
Na medida em que o tamanho da janela de busca vai
aumentando, os resíduos nas fotocoordenadas, a média dos resíduos e a variância
à posteriori também aumentam. Por outro lado, o erro médio aritmético diminui.
70
O menor erro médio ocorre com a janela de busca 15 x 15. O
modelo resultante, pode ser visualizado na figura 28 :
Figura 28 : Modelo gerado com janela alvo 3 x 3 e janela busca 15 x 15, sem redução dos pesos.
Experimento 5 : Janela alvo 3 x 3 pixels, com o aumento da
variância à posteriori das fotocoordenadas obtidas no processo de correspondência
de 0.001 para 0.01 na primeira interpolação, e consequente redução dos pesos.
Tabela 8 – Resultados obtidos no experimento 5.
janela busca (pixels) 5 x 5 7 x 7 9 x 9 11 x 11 15 x 15 resíduo máximo fotocoordenada esq. (mm)
-0.0086 -0.0084 -0.0083 -0.0082 -0.0080
resíduo máximo fotocoordenada direita (mm)
0.0115 0.0161 0.0217 0.0292 0.0422
média aritmética dos resíduos
0.000330 0.001277 0.002018 0.002703 0.004214
20̂ 0.8017 0.8254 0.8598 0.9018 0.9966
erro médio aritmético (m)
-0.0306 -0.0235 -0.0196 -0.0090 0.0133
71
Nesta caso também se verifica a mesma coisa, com exceção do
menor erro médio ocorrer na janela de busca 11 x 11 pixels. Como é de se
esperar, os resíduos nas fotocoordenadas da direita são maiores (em valores
absolutos), em função da diminuição dos respectivos pesos. Este modelo é
visualizado abaixo :
Figura 29 : Modelo gerado com janela alvo 3 x 3 e janela busca 11 x 11, com redução dos pesos.
Experimento 6 : Janela alvo 5 x 5 e variando a janela de busca,
sem redução dos pesos.
Tabela 9 – Resultados obtidos no experimento 6.
janela busca (pixels) 7 x 7 9 x 9 11 x 11 15 x 15 resíduo máximo fotocoordenada esquerda (mm)
-0.0078 0.0110 0.0137 0.0142
resíduo máximo fotocoordenada direita (mm)
0.0077 -0.0110 -0.0137 0.0144
média aritmética dos resíduos -0.000043 -0.000054 -0.000079 -0.000131 20̂ 1.2822 2.1121 3.3812 7.0721
erro médio aritmético (m) -0.0337 -0.0263 -0.0202 -0.0034
72
Com o aumento da janela alvo, podemos verificar que o erro
médio, se comparado com a janela alvo de 3 x 3 pixels, aumenta para todas as
janelas menos para a 15 x 15; mas os resíduos das fotocoordenadas e o resíduo
médio diminuem.
Figura 30 : Modelo gerado com janela alvo 5 x 5 e janela busca 15 x 15, sem redução dos pesos.
Experimento 7 : Janela alvo 5 x 5 pixels, com o aumento da
variância das fotocoordenadas obtidas no processo de correspondência de 0.001
para 0.01 na primeira interpolação, e consequentemente redução dos pesos.
Tabela 10 – Resultados obtidos no experimento 7.
janela busca (pixels) 7 x 7 9 x 9 11 x 11 15 x 15 resíduo máximo fotocoordenada esquerda (mm)
-0.0086 -0.0085 -0.0083 -0.0081
resíduo máximo fotocoordenada direita (mm)
0.0092 0.0159 0.0211 0.0344
média aritmética dos resíduos 0.000282 0.001082 0.001949 0.003435 20̂ 0.8026 0.8256 0.8619 0.9488
erro médio aritmético (m) -0.0345 -0.0277 -0.0212 -0.0024
73
O menor erro ocorre na janela 15 x 15, que neste experimento
ainda apresenta a melhor variância à posteriori, inclusive em relação ao
experimento anterior. A visualização desde caso é dada abaixo :
Figura 31 : Modelo gerado com janela alvo 5 x 5 e janela busca 15 x 15, com redução dos pesos.
Os gráficos a seguir, sintetizam as tabelas 4, 5, 6 e 7, com
relação ao erro médio aritmético calculado entre o modelo gerado e o modelo de
referência (fototriangulado) e a variância à posteriori.
74
Figura 32 : Gráfico do erro médio em função da janela de busca.
Através dos gráficos das figuras 32 e 33 podemos constatar que
o tamanho da janela de busca onde ocorre o menor erro médio do modelo gerado
com o modelo de referência (fototriangulado) e onde a variância à posteriori
mostra um bom resultado estatístico, é na janela de tamanho 13 x 13 pixels.
4 6 8 10 12 14 16-0,02
-0,01
0,00
0,01
0,02
0,03
0,04
Alvo 3 s/redução Alvo 3 c/redução Alvo 5 s/redução Alvo 5 c/redução
Erro
méd
io (Z
refe
rênc
ia -
Zint
erpo
lado
) m
Janela de busca (pixels)
75
Figura 33 : Gráfico da variância à posteriori em função da janela de busca.
O experimento 8 foi realizado com a janela alvo 3 x 3 pixels e
janela de busca 13 x 13 pixels, com a redução dos pesos. Este experimento
mostrou o menor erro médio entre o modelo gerado e o modelo fotogriangulado,
além da variância à posteriori também apresentar um resultado próximo de 1. A
tabela a seguir mostra os resultados obtidos neste experimento.
4 6 8 10 12 14 160
2
4
6
8
10 Alvo 3 s/redução Alvo 3 c/redução Alvo 5 s/redução Alvo 5 c/redução
Var
iânc
ia a
pos
terio
ri
Janela de busca (pixels)
76
Tabela 11 – Resultados obtidos no experimento 8.
focal ajustada 11.57 mm xo yo
-0.120 mm 0.133 mm
ângulos esquerda (’, ’, ’ ) ângulos direita (’’, ’’, ’’ )
(-0.0016, 0.0000, 0.0359) rad (-0.0072, 0.0301, 0.0102) rad
CP esquerda (Xc’, Yc’, Zc’) CP direita (Xc’, Yc’, Zc’)
(1.9667, 1.5077, 2.0031) m (2.5333, 1.4914, 1.9957) m
média aritmética dos resíduos -0.003708 maior resíduo em fotocoordenadas da esquerda -0.0080mm maior resíduo em fotocoordenadas da direita 0.0386mm maior resíduo em pontos do terreno (Y) -0.0008m
20̂ 0.97
densidade no terreno 1 ponto a cada 0.33dm2
escala média 1 : 157 Sobreposição 60% erro médio (controle de qualidade) 0.0014m
O modelo neste caso pode ser visualizado na figura 34 :
Figura 34 : Modelo gerado com alvo 3 x 3 e busca 13 x 13, com redução dos pesos.
77
Para finalizar, é apresentado na figura 35, o modelo gerado
apenas com a interpolação linear até o passo cinco, sem a estratégia de
aproximação utilizando a correspondência.
Figura 35 : Modelo gerado sem a estratégia de aproximação por correspondência.
Fica evidente que a estratégia de aproximação, utilizando a
correspondência, apresenta um melhor resultado do que uma interpolação linear
simples. É preciso lembrar ainda que este modelo é gerado com apenas 6 pontos
iniciais, o que dificulta qualquer outra técnica de interpolação que se queira usar
na tentativa de melhorar a interpolação.
5. CONCLUSÃO Este trabalho teve como objetivo testar uma nova metodologia
para a geração de Modelo Digital do Terreno. Esta metodologia se baseia em um
método automático, onde o operador/usuário inicia o processo e espera o
resultado, além de fazer uso de uma câmara digital de pequeno formato e não
métrica.
Conforme visto no capítulo anterior, esta técnica se mostra
factível e com razoável precisão. Para colocá-lo em uma escala comercial ou de
produção, seriam necessários alguns aprimoramentos :
- Otimização do código : o programa implementado não inclui
técnicas de recursão e de otimização. As técnicas de recursão poderiam ser usadas
no processo de interpolação e de armazenamento dos quadriláteros; bem como ser
atacado um quadrilátero por vez, até se atingir a densidade desejada neste
quadrilátero. A matriz das derivadas (A) necessitaria de um tratamento
computacional para ocupar eficientemente os espaços “vazios”, devido ao fato da
mesma ser muita esparsa. Um armazenamento apenas dos elementos da diagonal
superior e da própria diagonal da matriz normal N pode ser utilizado, visto que a
mesma é simétrica, além do uso de técnicas para resolução otimizada dos
parâmetros (Merchant, 1979);
79
- Técnicas de correspondência : um dos grandes problemas da
automação na fotogrametria digital é o estabelecimento da correspondência de
pontos homólogos. Existem inúmeras técnicas que apresentam uma melhor
acurácia do que a correspondência aqui testada e que poderiam ser usadas, bem
como o ajustamento por Mínimos Quadrados quando do estabelecimento da
correspondência em nível de pixel. Também seria recomendável, o usuário dispor
de várias medidas de similaridade e não apenas a do erro quadrático;
- Técnicas de interpolação: com a interpolação linear, vimos que
o ponto interpolado pode ficar muito acima ou abaixo do terreno, o que pode
acarretar paralaxes residuais em x e em y, as quais a correspondência visa
diminuir. Técnicas de interpolação que levam em consideração a inclinação do
terreno podem ser usadas e com isso poderiam diminuir estas paralaxes, o que
levaria a um melhor resultado na correspondência;
- Visualização : existem atualmente técnicas de realidade virtual
sendo aplicadas à visualização de MDT (Reddy et al., 1999), que fazem uso de
ferramentas para renderização, técnicas de sombreamento, passeios pelo modelo,
mudança de ângulo de vista etc., ou então implementar algoritmos dentro do
sistema para eliminação de linhas ocultas, iluminação entre outras;
- Outros testes : outros testes podem ser realizados, como por
exemplo, usar um levantamento aéreo que tenha pontos medidos por GPS, para
que se possa fazer um controle real (físico) da qualidade para validar a acurácia
do método;
80
- Uma extensão desta metodologia para que possa ser usada com
múltiplas imagens também é importante, visto que daí, poderia resultar em um
mosaico e posteriormente a produção de uma ortofotodigital.
Enfim, no presente trabalho foi mostrada a geração automática
do Modelo Digital do Terreno, com imagens obtidas com uma câmara digital de
pequeno formato, a partir de apenas 6 pontos (Gruber) conhecidos e sinalizados
no terreno, utilizando uma interpolação linear e uma estratégia de correspondência
baseada em área para melhorar esta interpolação.
Os resultados mostraram que o menor erro ocorre quando se têm
uma janela alvo de 3 x 3 pixels e janela de busca 13 x 13 pixels, com redução dos
pesos das fotocoordenadas da direita e dos pontos no terreno que vão sendo
interpolados. Estes resultados indicam que o método funciona e que seriam
necessários alguns aprimoramentos para que se possa atingir uma acurácia maior.
6. REFERÊNCIAS BIBLIOGRÁFICAS
ACKERMANN, F. Techniques and strategies for DEM generation. Digital
photogrammetry : in addendum to the manual of photogrammetry, Amer. Soc. for Photogramm. & Remote Sensing, pp. 135-141, 1996.
ANDRADE, J. B. Fotogrametria. Curitiba : SBEE, 1998. ATKINSON, K. B. Close range photogrammetry and machine vision. Caithness :
Whittles, 1996. BURROUGH, P. A. Digital Elevation Models : principles of geographical
information system for land resources assesment monographs on soil and resources survey, Oxford, 1986.
FARIN, G. Curves and surfaces for computer-aided geometric design. Academic
Press, 4a ed., 1997. FUJI PHOTO FILM CO. LTD. Owner’s manual. Tokyo, 1997. FIGUEIREDO, L. H. & CARVALHO, P. C. P. Introdução à Geometria
Computacional. Rio de Janeiro : IMPA, 1991. GONZALEZ, R. C. e WOODS, R. E. Digital image processing. Addison-
Wesley, 1993. GEMAEL, Camil. Introdução ao ajustamento de observações : aplicações
geodésicas. Curitiba : UFPR, 1994. GRUEN, A. W. & BALTSAVIAS, E. P. Geometriclly constrained
multiphotomatching. Photogrammetric Record, vol. 72(12), pp. 633-41, 1988.
HELLVICH, O. & FAIG, W. Graph-based feature matching using descriptive and relational parameters. Photogrammetric Engineering & Remote Sensing, vol. 60(4), pp. 443-50, 1994.
LANCASTER, P. & SALKAUSKAS, K. Curve and surface fitting : an
introduction. Academic Press, 1990.
KRAUSS, K. Photogrammetry : fundamentals and standard processes. Vol. 1, Dummler Verlag, 1992.
82
MAUNE, D. F. DEM extraction, editing, mathing and quality control techniques. Digital photogrammetry : in addendum to the manual of photogrammetry, Amer. Soc. For photogramm. & Remote Sensing, pp. 131-134, 1996.
McCULLAGH, M. J. Terrain and surface modelling systems : theory and
practice. Photogrammetric Record, vol. 72(12), pp. 747-779, 1988. MERCHANT, D. C. Analytical photogrammetry : Theory and practice.
Unpublished notes, Department of Geodetic Science and Surveying. Ohio State University, Columbus, 1979.
NORVELLE, F. R. Stereo correlation : window shaping and DEM corrections.
Photogrammetric Engineering & Remote Sensing, vol. 58(1), pp. 111-5, 1992.
NORVELLE, F. R. Using iterative orthophoto refinements to generate and
correct digital elevation models (DEM´s). Digital photogrammetry : in addendum to the manual of photogrammetry, Amer. Soc. For photogramm. & Remote Sensing , pp. 151-155, 1996.
PETRIE, G. & KENNIE, T. J. M. Terrain modelling in surveying and civil
engineering. Caithness : Whittles, 1990. REDDY, M. et al. Terravision II : visualizing massive terrain databases in
VRML. Computer Graphics and Applications, pp. 30-8, 1999. SCHENK, A. F. Automatic generation of DEM’s. Digital photogrammetry : in
addendum to the manual of photogrammetry, Amer. Soc. for Photogramm. & Remote Sensing , pp. 145-150, 1996.
SHARIF, M. & MAKAROVIC, B. Optimizing progressive and composite
sampling for DTMs. ITC Journal, n.2, pp. 104-111, 1989. SILVA, J. F. C. A influência bayesiana e a detecção de erros grosseiros em
fototriangulação por feixes de raios. Curitiba, 1987. Tese (Doutorado em Ciências Geodésicas) - UFPR, 1987.
UOTILA, U. Notes on adjustment computations – part I. Unpublished notes,
Department of Geodetic Science and Surveying. Ohio State University, Columbus, 1986.
YAMAMOTO, J. K. A review of numerical methods for the interpolation of
geological data. Anais Academia Brasileira de Ciências, vol. 1(70), 1998. WARNER, W. S. et al. Small format aerial photography. Caithness : Whittles,
1996.
83
WIMAN, H. Automatic generation of digital surface models through matching in
object space. Photogrammetric Record, vol. 91(16), pp. 83-91, 1998. WOLF, P. R. Elements of photogrammetry, with air photo interpretation and
remote sensing. MacGraw-Hill Book, 1983.
ANEXO A
CONSTRUÇÃO DA MAQUETE
A maquete foi construída sobre uma base de madeirite com
dimensões 2,0m x 1,10 m. Foram medidos e sinalizados 15 pontos na maquete. A
figura 36 ilustra a base com os pontos medidos e colocados :
Figura 36 : Medição e colocação dos pontos de Gruber.
Os pontos no “terreno” estão espaçados de 0,5 em 0,5m e suas
alturas variam de 0,10m à 0,25m no centro da maquete.
Foi também construída uma trave com 2 m de altura, onde a
câmara digital é fixada para a tomada das fotos, simulando um vôo aéreo.
Após a colocação dos pontos, a maquete foi contruída com
isopor e o “terreno” foi modelado. A figura 37 mostra uma das etapas da
construção da maquete :
85
Figura 37 : Montagem e modelagem do terreno.
Após a construção da maquete, foi dada uma caracterização de
vegetação e rios no “terreno”, conforme pode ser visto na figura 38.
Figura 38 : Maquete finalizada.
ANEXO B
CÂMARA DIGITAL
O uso de câmaras digitais em fotogrametria tem crescido muito
nos últimos anos e uma das principais razões desse crescimento é a busca da
automação. Algumas das vantagens das câmara digitais podem ser resumidas em
(Atkinson, 1996; Warner et al., 1996):
- automação;
- integração com tecnologia de navegação (GPS , INS);
- operações podem ser executadas em tempo real ou próximo
do tempo real;
- custo em declínio;
- aumento da resolução geométrica;
- sistemas de medidas são estáveis e não necessitam de
calibração.
Algumas das desvantagens da câmara digital são :
- baixa resolução geométrica;
- pequena abertura;
- localização não precisa do ponto principal;
- distância focal variável e não calibrada;
- demora relativa na tomada de fotos aéreas.
Uma câmara digital faz uso de um dispositivo CCD (Charge
Coupled Device), ou dispositivo de carga acoplada, que consiste de um conjunto
de elementos sensores (fotosensores) que acumulam a quantidade de luz que os
atinge, acumulando em um capacitor uma carga elétrica proporcional ao total de
87
luz recebida. Esta carga elétrica é convertida em sinal digital, que representa o
nível de cinza ou cor da imagem, que é armazenada em algum tipo de memória.
O tamanho e o formato do pixel é uma característica importante
do CCD, principalmente para uso fotogramétrico : quanto menor o pixel, melhor a
resolução geométrica da imagem. O formato do pixel é importante, pois pixels
retangulares podem ocasionar distorção na imagem, quando esta for apresentada
na tela do computador.
A resolução geométrica de um sensor CCD é dada pela
quantidade de pixels que ele possui. Atualmente, câmaras não métricas
disponíveis no mercado chegam a ter resolução de milhões de pixels (as chamadas
câmaras megapixel). Uma câmara métrica da Zeiss, UMK-SCAN, têm resolução
geométrica de 15414 x 11040 pixels, com pixel quadrado de 11 m (Atkinson,
1996).
O tamanho do sensor CCD é dado pela multiplicação do
tamanho do pixel pelo total de pixels presente no sensor, desprezando-se as
chamadas zonas mortas, que são regiões de separação entre os pixels.
A resolução radiométrica em geral é de 8 bits para câmaras
monocromáticas e de 24 bits para câmaras coloridas. Neste caso, a câmara possui
três sensores CCD, um para cada componente das cores primárias (Vermelho,
Verde e Azul).
A câmara digital Fujix DS 300 tem as seguintes especificações
básicas, segundo o manual do fabricante (Fuji Photo Film Co. Ltd, 1997) :
- resolução geométrica em pixels : 1280 x 1000 e 640 x 480;
- resolução radiométrica : 24 bits RGB ou 8 bits tons de cinza;
88
- tamanho do pixel : 7 m x 7 m;
- CCD de 2/3”;
- foco automático e manual;
- armazenamento compressado (JPEG) ou não (TIFF);
- velocidade de abertura : 1/4 a 1/1000 segundos;
- unidade SCSI;
- sensibilidade equivalente a ISO 100 – ISO 400;
- cartão de armazenamento PC Card (ATA) ou Smartmedia.
Nos testes utilizados, citados no capítulo 4, as imagens foram
tomadas com resolução geométrica de 1280 x 1000, com 24 bits, sem compressão,
ou seja, no modo de amostragem mais alto permitido pela câmara e com foco no
infinito, propiciando a maior abertura possível.
ANEXO C
EQUAÇÕES DAS DERIVADAS PARCIAIS
A seguir, são dadas as derivadas parciais das equações de
colinearidade (equação 11) em relação aos parâmetros a serem ajustados.
fotocoordenada x :
xc
xc
xc
x
x
NmDmD
f
Z
x
NmDmD
f
Y
x
NmDmD
f
X
x
DZmYmXmD
fx
NZYXDZYX
D
fx
NZmYmDZmYmD
fx
33312
23212
13112
3222122
2
233321312
sencossensencoscoscoscoscoscossencossen
90
DN
fx
yx
xx
NmDmD
fZx
NmDmD
fYx
NmDmD
fXx
x
x
x
x
0
1
0
0
33312
23212
13112
91
fotocoordenada y :
yc
yc
yc
y
y
NmDmD
fZy
NmDmD
fYy
NmDmD
fXy
DZmYmXmD
fy
NZYXDZYX
Dfy
NZmYmDZmYmD
fy
33322
23222
13122
2321112
2
233322322
sencossensencoscoscoscossencossensensen
92
DN
fy
yy
xy
NmDmD
fZy
NmDmD
fYy
NmDmD
fXy
y
y
y
y
1
0
0
0
33212
23222
13122
ANEXO D
FOTOTRIANGULAÇÃO
O projeto de fototriangulação para a geração de superfície de
referência foi realizado com : 3 fotos, 9 pontos de apoio e 215 pontos a serem
triangulados, utilizando o programa FOTRAC. As fotocoordenadas destes pontos,
bem como uma aproximação inicial para as coordenadas no terreno, foram
geradas pelo GA_MDT. Um arquivo com os pontos de apoio e os pontos
fototriangulados constituem o terreno de referência, o qual será comparado com o
terreno gerado pelo GA_MDT, para se estimar a qualidade do mesmo. Segue
abaixo, o relatório resumido desta fototriangulação.
RELATORIO DO DIA 9/12/1999 AS 16h35min "Input" do FOTRAC.DAT TITULO DO PROJETO: Controle de qualidade para 7 um REGIAO DO PROJETO: FCT - Unesp CAMERA DO PROJETO: Camara Fujix 300DX Arquivos de Dados Acessados: ftcd3.dat : Fotocoordenadas orex3.dat : Orientacao Exterior das Fotos lpat3.dat : Pontos e Coordenadas-Objeto orin3.dat : Orientacao Interior (Calibracao) Total de Fotos ============ 3 Total de Pontos-Objeto ==== 233 Nro Max Pts por Foto ====== 233 Total de Iteracoes ======== 10 Crit Converg (Pto Obj) ==== .001m Tamanho do quadro focal === .009m x .007m Execucao com controle de erros grosseiros: Nivel signif crtau (alfa) = 1.000000000000000E-002
94
FOTOCOORDS OREX_Geral OREXPonder _CP_Geral_ CP_Ponder. PtoObjGerl PontoApoio VAR.APRIORI .10E+01 .30E-03 .30E-03 .10E+01 .10E+01 .10E+01 .10E+01 VARIANCIA .25E-03 .11E-02 .35E+01 .50E-01 .50E-01 .50E+00 .10E-04 FOTO KODF OM FI CA xc yc zc 100 L .000 .000 .000 1.500 1.500 2.000 200 L .000 .000 .000 2.000 1.500 2.000 300 L .000 .000 .000 2.500 1.500 2.000 Não há EG detectado no passo 4, pois a tolerância T = .0180 < 3*sigma= .0474 Pontos de Controle (Apoio) introduzido após passo 4 Não há EG detectado no passo 7, pois a tolerância T = .0180 < 3*sigma= .0474 +---------+---------+---------+---------+---------+---------+---------+--------- "OUTPUT" DO FOTRAC CONVERGE APOS 7 ITERACOES PARAMETROS AJUSTADOS DE CALIBRACAO: Ajustados Observados Diferenca DesvPadrão -1_DesvPadr +1_DesvPadr f= 11.477 11.455 .022 .253 11.223 11.730 x0= .001 .000 .001 .032 -.031 .032 y0= .000 .000 .000 .010 -.010 .010 K1= -.267D-03 .000D+00 -.267D-03 .772D-03 -.104D-02 .505D-03 K2= -.783D-05 .000D+00 -.783D-05 .725D-04 -.803D-04 .647D-04 K3= .360D-06 .000D+00 .360D-06 .203D-05 -.167D-05 .239D-05 P1= -.249D-04 .000D+00 -.249D-04 .697D-03 -.722D-03 .672D-03 P2= -.459D-03 .000D+00 -.459D-03 .633D-03 -.109D-02 .173D-03 Orientacao Exterior Ajustada & Residuos de Fotocoords FotoEsq...FotoDir...Base...SL Aprox (%)...EscMedFtEsq 100 200 .7 48.8% 154.7 200 300 .6 57.2% 157.0 Maximo vx= -.014 ponto: 100016 foto: 200 Maximo vy= .040 ponto: 100238 foto: 300 +---------+---------+---------+---------+---------+---------+---------+--------- FORMA QUADRATICA FOTOCOORDENADAS VTPV= .6622E+02; GR LIB=227; S02= .2917E+00; szfc= .1000E+01; S02/szfc = .292 FORMA QUADRATICA ANGULOS ORI_EXT VTPV= .2380E-02; GR LIB=227; S02= .1048E-04; szan= .3046E-03; S02/szan = .034
95
FORMA QUADRATICA TRANSLACAO DO CP VTPV= .1229E+01; GR LIB=227; S02= .5412E-02; sztr= .1000E+01; S02/sztr = .005 FORMA QUADRATICA PTO_OBJ (PTO_TERR) VTPV= .6571E+00; GR LIB=227; S02= .2895E-02; szpt= .1000E+01; S02/szpt = .003 +---------+---------+---------+---------+---------+---------+---------+--------- PONTOS-CONTROLE: Erro Medio Quadratico & Desvio Padrao Estimado SD=SomaDiscrep SV=SomaDesvPadr SD / SV Nro.Pontos Média_Aritmética CoordX .001 .003 .286 4 .74E-05 CoordY .001 .003 .285 4 -.34E-05 CoordZ .000 .003 .038 4 .18E-04 PONTOS-VERIFICACAO: Erro Medio Quadratico & Desvio Padrao Estimado SD=SomaDiscrep SV=SomaDesvPadr SD / SV Nro.Pontos Média_Aritmética CoordX .001 .004 .276 5 .35E-03 CoordY .001 .004 .240 5 -.45E-03 CoordZ .007 .013 .532 5 -.62E-02
ABSTRACT
The proposal of this work is to test an iterative and sequential methodology to
generate a DTM from a pair of digital images with end overlap of about 60% and
their exterior orientation and the points of Gruber known in the object reference
system. The approximation strategy starts with a double resection of the image
pair with both the (Gruber) signalized control points on 3D-model and the
respective photocoordinates. It follows a linear interpolation in the quasi-squares
figures formed by the reference points. The interpolated object points and the
exterior orientation (double resection) in the collinearity equations determine left
and right image photocoordinates. Then the photocoordinates in the image at left
are taken as reference for the an correlation function to estimate the correspondent
photocoordinates in the image at right.. The refined photocoordinates are inserted
in the inverse collinearity equations to return to the 3D-model points in order to
update and improve the interpolated coordinates. From this new set of points it is
performed a double resection readjustment. The process is repeated by
interpolating new 3D-model points in the quasi-squares formed by the
interpolated points in the previous step until the 3D-model point density reaches.