การศึกษาเปรียบเทียบคุณภาพของพอยต์คลาวด์จากวิธีการสแกนด้วยเลเซอร์บนอากาศยานไร้คนขับ และวิธีการประมวลผลบล็อกของภาพถ่ายทางอากาศ
Article Sidebar
Main Article Content
บทคัดย่อ
ปัจจุบันการสแกนด้วยเลเซอร์ที่ติดตั้งบนอากาศยานไร้คนขับเริ่มมีบทบาทในงานสำรวจและการทำแผนที่มากยิ่งขึ้น โดยข้อมูลสำคัญที่จะได้จากการเทคโนโลยีสำรวจนี้คือข้อมูลพอยต์คลาวด์ แต่การได้มาซึ่งข้อมูลพอยต์คลาวด์นั้นยังสามารถได้มาด้วยวิธีการประมวลผลบล็อกของภาพถ่ายทางอากาศด้วยเทคนิคการรังวัดโครงสร้างจากการเคลื่อนไหวของการมองเห็นของคอมพิวเตอร์ตามกระบวนการสำรวจด้วยภาพถ่าย โดยในงานวิจัยมุ่งเน้นไปที่การศึกษาลักษณะการเรียงตัวของข้อมูลพอยต์คลาวด์ตามลักษณะโครงสร้างหลังคาของอาคารขนาดใหญ่ และการเปรียบเทียบค่าส่วนเบี่ยงเบนมาตรฐานของค่าต่างทางความสูงของข้อมูลพอยต์คลาวด์แต่ละชุด เพื่อแสดงให้เห็นถึงคุณภาพของข้อมูลพอยต์คลาวด์ที่ได้จากการสำรวจรังวัดมาด้วยวิธีการที่แตกต่างกันใน 2 วิธี โดยในงานวิจัยนี้ได้นำข้อมูลพอยต์คลาวด์จำนวน 3 ชุดมาเปรียบเทียบกัน 1 ชุดจากเลเซอร์สแกนเนอร์รุ่น LiDAR Swiss และอีก 2 ชุดจากข้อมูลภาพถ่ายทางอากาศที่ใช้กล้องถ่ายภาพและรูปแบบการบินที่แตกต่างกัน ได้แก่ ชุดภาพถ่ายทางอากาศที่ถ่ายด้วยกล้อง Cannon EOS 5DSR มีส่วนซ้อนร้อยละ 60 และส่วนเกยร้อยละ 30 และชุดภาพถ่ายทางอากาศที่ถ่ายด้วยกล้อง ZENMUSE P1 มีส่วนซ้อนร้อยละ 80 และส่วนเกยร้อยละ 60 ผลจากการเปรียบเทียบลักษณะการเรียงตัวของข้อมูลพอยต์คลาวด์จำนวน 3 ชุด ด้วยมุมมองภาพตัดขวางของตัวอาคาร จำนวน 5 อาคาร พบว่า ข้อมูลพอยต์คลาวด์จากเลเซอร์สแกนและข้อมูลพอยต์คลาวด์จากการสร้างพอยต์คลาวด์อย่างหนาแน่นด้วยชุดข้อมูลภาพถ่ายของกล้อง ZENMUSE P1 มีลักษณะการเรียงตัวที่สอดคล้องกับลักษณะโครงสร้างหลังคาของอาคารทั้งหมด แต่สำหรับข้อมูลพอยต์คลาวด์ที่ได้จากชุดข้อมูลภาพถ่ายของกล้อง Cannon EOS 5DSR มีลักษณะการเรียงตัวที่ไม่สอดคล้องกับลักษณะโครงสร้างหลังคาของอาคารทั้งหมด โดยในแต่ละอาคารมีการคำนวณหาค่าส่วนเบี่ยงเบนมาตรฐานของค่าต่างทางความสูงระหว่างข้อมูลพอยต์คลาวด์จากเลเซอร์สแกนเทียบกับข้อมูลพอยต์คลาวด์จากชุดข้อมูลภาพถ่ายทางอากาศของกล้อง ZENMUSE P1 และ Cannon EOS 5DSR ตามลำดับ ได้ค่าดังนี้ อาคารที่ 1 เท่ากับ 0.016 ม.และ 0.318 ม., อาคารที่ 2 เท่ากับ 0.023 ม. และ 0.545 ม., อาคารที่ 3 เท่ากับ 0.020 ม. และ0.695 ม., อาคารที่ 4 เท่ากับ 0.018 ม. และ 0.609 ม. และสุดท้ายอาคารที่ 5 เท่ากับ 0.019 ม. และ 2.230 ม. ซึ่งแสดงให้เห็นได้ว่าข้อมูลพอยต์คลาวด์จากเลเซอร์สแกนและข้อมูลพอยต์คลาวด์จากการสร้างพอยต์คลาวด์อย่างหนาแน่นด้วยชุดข้อมูลภาพถ่ายของกล้อง ZENMUSE P1 มีความถูกต้องและคุณภาพที่ดีกว่า สามารถใช้เป็นทางเลือกในวิธีการสำรวจเพื่อให้ได้ข้อมูลพอยต์คลาวด์ที่มีคุณภาพและเหมาะสมที่จะนำไปประยุกต์ใช้ในการขึ้นรูปแบบจำลองของอาคาร ตลอดจนการนำไปใช้จัดทำแผนที่สามมิติ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของวารสารวิศวกรรมสารฉบับวิจัยและพัฒนา วิศวกรรมสถานแห่งประเทศไทย ในพระบรมราชูปถัมภ์
เอกสารอ้างอิง
Srirattanapaisarn, T. RTSD Unmanned Aerial Laser Scanner. Royal Thai Survey Department Journal, 2020. pp. 12-28.
Xiong, B., S. Oude Elberink, and G. Vosselman, Building Model From Noisy Photogrammetric Point Clouds. ISPRS Technical Commission III Symposium, 2014. Volume II-3, 2014.
Do, P.N.B. et al. A Review of Stereo-Photogrammetry Method for 3-D reconstruction in Computer Vision. 19th International Symposium on Communications and Information Technologies (ISCIT), 2019.
Schönberger, J.L., F. Fraundorfer, and J.M. Frahm. Structure-from-motion for MAV image sequence analysis with photogrammetric applications. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2014. pp. 305-312.
Hyeon Jeong, J. et al. Dense Thermal 3D Point Cloud Generation of Building Envelope by Drone-based Photogrammetry. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 2021.
Hillen, F. Optimization of LiDAR data line of sight analysis in service-oriented architectures using the OGC Web Processing Service, in The Geoinformatics course. 2011, The University of Osnabruck: Germany. pp. 83.
Santitamnont, P. Digital photogrammetry. Bangkok. 2021.
Glira, P. Hybrid Orientation of LiDAR Point Clouds and Aerial Images, in Department of Geodesy and Geoinformation.
TU Wien: Austria, 2018.
Strecha, C. The rayCloud–a vision beyond the point cloud. 2014.
ESRI. What is lidar data?. Available from: https://desktop.arcgis.com/en/arcmap/latest/manage-data/las-dataset/what-is-lidar-data-.htm
Bannakulpiphat, T. et al. Best practice for Mapping Production from UAV Imagery. Engineering Journal of Research and Development, 2023, 34 (1).
Laoniphon, C. et al. Performance Assessments of Correction Models in GNSS Network-based RTK Positioning. 18th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), 2021. pp.2-5
Bannakulpiphat, T. et al. A Case Study Of Multi-Head Camera Systems On UAV For The Generation Of High-Quality 3D Mapping. Engineering Journal of Research and Development, 2022, 33 (4).
Ye, N. et al. Accurate and dense point cloud generation for industrial Measurement via target-free photogrammetry. Optics and Lasers in Engineering, 2021, 140.
