Forschung
 

Aktuelle Forschung – 3D UAV Flugplanung

3D UAS Flugplanung für die Gebäuderekonstruktion

Die photogrammetrische Datenerfassung komplexer 3D-Objekte unter Verwendung von UAV-Bildern ist mittlerweile eine Standardaufgabe. Software-Tools auf Basis von Algorithmen wie Structure-from-Motion und Multi-View-Stereobildanpassung ermöglichen die vollautomatische Erzeugung von dicht vermaschten 3D-Punktwolken. Im Gegensatz dazu erfordert die Planung und Ausführung eines geeigneten Bildnetzwerks in der Regel erheblichen Aufwand eines menschlichen Experten, da diese Schritte direkt die Genauigkeit und Vollständigkeit der resultierenden Punktwolke beeinflussen.

Wir haben ein Tool für die automatische Flugmissionsplanung entwickelt, das Fluglinien für eine optimale Kamerakonfiguration erzeugt. Dies hält eine ungefähr konstante Objektentfernung aufrecht, stellt eine ausreichende Bildüberlappung bereit und vermeidet unnötige Stationen.

Als Machbarkeitsnachweis verwenden wir das Tool in unserem Forschungsprojekt MoVEQuaD, das auf die Rekonstruktion von Gebäudegeometrien im Zentimeterbereich abzielt. Das Projekt wird vom Bundesministerium für Wirtschaft und Energie gefördert. Partner sind das Geodätische Institut der Universität Hannover und GeoOffice GmbH.

Als Hauptdatenquelle dient ein georeferenziertes 2.5D DSM, zusammen mit einem 2D-Polygon, das die Gebäudekonturen beschreibt (Abbildung 1). Wir erzeugen eine volumetrische Belegungskarte der Gebäudeumgebung, die Voxel in die Klassen Freiraum , Objekt von Interesse und Hindernis klassifiziert (Abbildung 2). Optional kann ein zusätzlicher Satz von Polygonen verwendet werden, um Verbotszonen zu definieren. Diese Option ermöglicht den Ausgleich von unzuverlässig rekonstruierten Bereichen im DSM, z. B. Pfosten, Laternen, Vegetation usw. Das Ergebnis ist eine Reihe von Trajektorien für jede Flughöhe. Einfache Verknüpfungsmanöver verbinden diese Trajektorien mit einer einzigen Mission (Abbildung 3).

Abbildung 1: Ein DSM (links) und ein Polygon, das die Gebäudekontur (grün) darstellt, ist die Hauptdateneingabe für die Einsatzplanung. Ein einzelnes Polygon (rot) maskiert einen ungenau rekonstruierten Baum in der Nähe des Gebäudes.

 

Abbildung 2: Die volumetrische Karte im linken Segmentbereich in die Klassen Objekt von Interesse (grün), Hindernis (rot) und Freiraum (blau). Verbotszonen erzeugen vertikale Hindernisbereiche. Diese Karte wird mit einem dreidimensionalen Skalarfeld kombiniert, das Abstände zum interessierenden Objekt (Mitte) enthält. Das Ergebnis ist ein Skalarfeld, das die Abstände zum belegten Raum darstellt (rechts). Es dient zur Vermeidung von Hindernissen während der Einsatzplanung.

 

Abbildung 3: Draufsicht eines Flugplans. Grüne Kugeln mit blauen Pfeilen zeigen Kamerastationen und entsprechende Kameraausrichtung an.

Wir haben eine spezielle Smartphone-App entwickelt, um den besonderen Anforderungen dieses Projekts gerecht zu werden. Diese bestehen hauptsächlich aus der Zusammenstellung einer Flugmission, die von der UAV-Firmware gelesen werden kann, von bestimmten Wegpunkten und Standpunkten des Flugplans, Übertragung auf ein UAV und Kontrolle der Ausführung. Bei anderen auf dem Markt verfügbaren Lösungen fehlten bestimmte Merkmale. Viele Apps sind ausschließlich für Nadir-Flüge konzipiert.

Das System wurde vor Ort mit einem kostengünstigen Quadrocopter (DJI Phantom 4 Pro) getestet. Die resultierende Bildverteilung ist homogen und deckt die Strukturen vollständig ab, während sie gut auf die Oberflächen ausgerichtet (Abbildung 4). Außerdem wurde die Anzahl der aufgenommenen Bilder im Vergleich zu einem manuellen Flug mit Zeitintervallauslösung um mehr als 30% reduziert.

Abbildung 4: Vergleich von Bildkonfigurationen, die sich aus einem manuell gesteuerten Versuch mit der Zeitintervall-Kameraauslösung (oben) und aus Tests mit unseren Flugplanungs- und Hilfstools ergaben (unten). Im ersten Fall wurden Entfernungen und Blickrichtungen nicht ausreichend berücksichtigt. Die Verteilung von Kamerastationen (links) zeigt sowohl Löcher als auch Cluster und führt zu einer suboptimalen Bildkonnektivität (rechts). Mit unserem Ansatz werden die Ergebnisse deutlich verbessert.

 

Abbildung 5: Vermaschte Oberfläche des Gebäudes, generiert aus UAV-Bildern. Eine präzise, ​​homogene und vollständige Rekonstruktion wurde mit den gut verteilten Bildern unseres Flugplanungs- und Ausführungskonzepts erreicht.

Referenzen

Cefalu, A.; Haala, N.; Schmohl, S., Neumann, I. & Genz, T. [2017]
A Mobile Multi-Sensor Platform for Building Reconstruction Integrating Terrestrial and Autonomous UAV-Based Close Range Data Acquisition. Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLII-2/W6, pp. 63-70.
DOI: 10.5194/isprs-archives-XLII-2-W6-63-2017