Manual Mensuration of the Image-tie-point Technique for Removing Outliers from Scattered Point-cloud-data in 3D Model Derived from Unmanned Aerial Vehicle Photogrammetry

Authors

  • Wisoot Ennoo นักศึกษา หลักสูตรวิศวกรรมศาสตรมหาบัณฑิต สาขาวิชาวิศวกรรมโยธา คณะวิศวกรรมศาสตร์ มหาวิทยาลัยขอนแก่น
  • Chattichai Waisurasingha ผู้ช่วยศาสตราจารย์ สาขาวิชาวิศวกรรมโยธา คณะวิศวกรรมศาสตร์ มหาวิทยาลัยขอนแก่น
  • Surat Pramualsakdikul อาจารย์ สาขาวิชาวิศวกรรมโยธา คณะวิศวกรรมศาสตร์ มหาวิทยาลัยขอนแก่น
  • Anant Sridet อาจารย์ สาขาวิชาวิศวกรรมสำรวจ คณะวิศวกรรมศาสตร์และสถาปัตยกรรมศาสตร์ มหาวิทยาลัยเทคโนโลยีราชมงคลอีสาน
  • Chutima Waisurasingha อาจารย์ ภาควิชามนุษยศาสตร์และสังคมศาสตร์ คณะศิลปศาสตร์ สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง
  • Sirorat Pattanapairoj อาจารย์ สาขาวิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยขอนแก่น

Keywords:

Photogrammetry from unmanned aerial vehicle, Point-cloud data, Automatic image matching, Manual image matching

Abstract

This article aimed to develop the working process and computation of the work outcomes in three-dimensional point clouds that reduced outliers of inappropriate dispersed points. The obtained three-dimensional point clouds will be geometrically perfect and can be applied both in engineering and architectural works. This study proposes a hybrid of manual-image-matching and automatic-image-matching technique for the adjustment process. The results derived from our suggested hybrid technique have been compared to those derived from the common technique using only automatic-tie-point measurement. We found that our suggested hybrid technique can significantly reduce approximately 98% of the irregularity of the form of objects from three-dimensional point cloud data and it shows the efficiency over the use of only automatic-tie-point technique.

References

Ennoo W. Application of UAV update geo-spatial information for smart city development: a case study of Khon Kaen City [M.Eng]. Khon Kaen: Khon Kaen University; 2019. Thai.

Sumalee A. Smart City. Bangkok: King Prajadhipok's Institute; 2015.

Pajić V, Govedarica M, Amović M. Model of Point Cloud Data Management System in Big Data Paradigm ISPRS International Journal Geo-Informatics. 2018; 7(7): 265.

Zang Y, Yang B, Li J, Guan H. An Accurate TLS and UAV Image Point Clouds Registration Method for Deformation Detection of Chaotic Hillside Areas Remote Sensing. 2019; 11(6): 647.

Peterson S, Lopez J, Munjy, R. Comparison of UAV imagery derived point cloud to terrestrial laser scanner point cloud. ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences. IV-2/W5. 149-155. 10.5194/isprs-annals-IV-2-W5-149-2019; 2019.

Berteska T, Ruzgiene B. Photogrammetric mapping based on UAV imagery. Geodesy and Cartography. 2013; 39(4):158-163

Uysal M, Toprak AS, Polat N. DEM generation with UAV Photogrammetry and accuracy analysis in Sahitler hill. Measurement. 2015; 73: 539–543.

Melo R, Leão B, Dayana C, Ferreira EAM. BIM analysis of the potential use of point cloud collected from UAS for BIM modeling and safety systems. Conference: 6th international workshop - When Social Sciences meets Lean and BIM; 2017.

American Society for Photogrammetry and Remote Sensing. ASPRS Positional Accuracy Standards for Digital Geospatial Data. Photogrammetric Engineering & Remote Sensing. 2014; 81(3): A1-A26.

Federal Geographic Data Committee. Geospatial Positioning Accuracy Standards. National Spatial Data Infrastructure. FGDC-STD: 007.3-1998; 1998.

Downloads

Published

2021-01-23

Issue

Section

บทความวิจัย