드론 대신 사진을 찍는 작은 비행기에서 머리를 걸고있는 것을 제외하고 는 Photosynth Toolkit ( http://www.visual-experiments.com/demos/photosynthtoolkit/ )을 사용하여 성공을 거두었습니다 . 작은 마을의 시내 지역. Visual SFM ( http://ccwu.me/vsfm/ ) 도 확인할 수 있습니다 . 나는 그것을 사용하지 않았지만 동일한 작업을 수행하는 또 다른 도구 인 것 같습니다.
나는 최근에도 드론을 얻었고 같은 프로젝트에 두 가지 방법론을 모두 사용하려고합니다. 기회가되었을 때 광합성 툴킷 프로젝트의 예를 게시하겠습니다.
편집 : 다음은 Photosynth Toolkit의 출력 예입니다 (MeshLab http://meshlab.sourceforge.net/ 참조 )
이것은 비행기에서 찍은 일련의 항공 사진으로 인한 포인트 클라우드 데이터 (색상 정보 포함)입니다. 한 번에 한 블록 씩 포인트 클라우드를 처리하는 데 초점을 맞추기 위해 이미지를 클러스터링했기 때문에 한 블록이 나머지 블록보다 훨씬 밀도가 높아졌습니다.
여기에 삼각형의 불규칙한 네트워크가 겹쳐진 동일한 포인트 클라우드가 있습니다. 완벽하지는 않지만 멋진 재구성입니다.
따라서 포인트 클라우드 데이터를 생성하기 위해 UAV를 사용하는 것이 지상 레이저 스캐너의 실행 가능한 대안인지에 대한 귀하의 질문에 대한 대답으로, 그렇습니다!
사진을 함께 스티칭하는 자동화 된 방법론은 고 대비 조명 환경에서는 잘 작동하지 않습니다. 건물의 한쪽이 햇빛에 있고 다른 쪽이 그늘에 있으면 사진을 정렬하는 데 문제가있을 수 있습니다. 그런 사진을 찍는 가장 좋은시기는 흐린 날씨입니다. 구름은 햇빛을 확산시켜 조명을 더욱 고르게 / 일관되게 만듭니다.
조명이 좋으면 비교적 가까운 거리에서 사진을 찍어 매우 상세한 포인트 클라우드 데이터 세트를 얻을 수 있습니다. 위의 TIN에서 왼쪽에 지상에서 우주로가는 것처럼 보이는 선이 있음을 알 수 있습니다. 그것은 데이터 세트에서 제거되지 않은 특이 치입니다. 한 가지 고려해야 할 점은 가장 가까운 이웃 분석을 사용하여 점 구름 데이터를 평활화하고 특이 치를 제거하는 방법입니다.
건물의 사진을 매우 근접하게 촬영하는 경우 사진을 서로 연결하는 데 도움이되도록 건물에 대상을 배치 할 수 있습니다. 대상을 사용하는 경우 사진이 잘못된 위치와 일치하지 않도록 각 대상이 고유한지 확인하고 각 사진에서 2/3 개의 대상을 가져와야합니다. 지상에 목표가있는 경우 각각의 GPS 측정 값을 사용하여 점 구름 데이터 세트를 지리 참조 할 수 있으므로 건물에서 측정 한 모든 측정 값이 실제 측정 값을 나타낼 수 있습니다.
포인트 클라우드 데이터를 지리 참조하려면 Mark Willis의 방법 안내서 ( http://palentier.blogspot.com/2010/12/how-to-create-digital-elevation-model.html )를 확인하십시오. . 오래된 블로그이지만 방법론이 좋습니다.
EDIT2 : 마지막 코멘트 : 왜곡없이 카메라를 사용하고 있는지 확인하십시오. 예를 들어 GoPro는 드론을 장착 할 수있는 멋진 작은 카메라이지만 광각 렌즈로 인한 왜곡이 심해 사진 촬영 프로젝트에 표준 GoPro를 사용할 가능성이 없습니다. 이 문제에 대한 해결책이 있지만 GoPro를 분해해야 할 수도 있습니다. http://www.peauproductions.com/collections/survey-and-ndvi-cameras
Peau Productions는 카메라와 함께 제공되는 렌즈보다 왜곡이 적은 렌즈를 사용하여 수정 된 GoPro 카메라를 판매합니다. 또한 카메라를 직접 수정해야 할 경우 렌즈 자체를 판매합니다.
편집 : 나는 이것이 오래된 질문이라는 것을 알고 있지만,이 프로젝트를 정확하게 수행 할 수있는 오픈 소스 도구 인 OpenDroneMap을 공유 할 것이라고 생각했습니다 http://opendronemap.org/