Créez des modèles d'élévation avec des images prises par des drones

Grâce aux images prises par des drones et à la plateforme OpenDroneMap, il est possible d'obtenir de manière plus simple et économique des modèles photographiques de toute surface de la planète, où tous les éléments seront à la même échelle, sans erreurs ni déformations (orthophotographie).

Ce service peut également être obtenu en faisant appel directement à des entreprises satellitaires ou à des avions volant à haute altitude. Ces services coûteux ne faillissent pas et offrent une échelle parfaite de la région enregistrée (ils doivent être à l'échelle régionale (>1 km²)), contrairement aux photos prises par drones (qui présentent ce défaut).

Mais pour remédier à ce problème, il existe une plateforme appelée OpenDroneMap qui traite les images prises par drones. L'échelle régionale (>1 km²) est idéale pour réaliser des études sur les ressources hydriques et environnementales. Et ainsi déterminer les flux d'eaux superficielles et souterraines par rapport à leur interaction avec l'écosystème.

Qu'est-ce que OpenDroneMap ?

OpenDroneMap est une plateforme complète de traitement d'images prises par drones. L'environnement dispose de différents outils pour le traitement et l'analyse d'images :

• Nuages de points
• Maillages
• Rasters comme GDAL
• OpenSfm
• OpenCV
• Pdal
• Générer un nuage de points géospatiaux
• Générer des orthophotos
• Créer des modèles d'élévation

Pour optimiser toutes les dépendances d'OpenDroneMap, il est recommandé de l'exécuter dans un environnement de virtualisation comme Docker.

Saisir les données d'entrée dans OpenDroneMap

Pour réaliser cette méthode, vous devez disposer des photographies. Si vous n'avez pas de photos, vous pouvez télécharger des images d'échantillons depuis le site « Adobe Buttes – Delta, Colorado ». Chaque paquet dispose d'environ 500 images ; dans ce test, nous avons divisé les images en trois sous-groupes (environ 150 images par groupe).

date > outputData/images400start.log
docker run --rm -v "$(pwd)/inputImages/images400:/code/images"
-v "$(pwd)/outputData/odm_georeferencing400:/code/odm_georeferencing"
-v "$(pwd)/outputData/odm_orthophoto400:/code/odm_orthophoto"
opendronemap/opendronemap
date > outputData/images400end.log

Analyse des performances avec Python :

Avec Python, nous avons enregistré et traité le temps de début et de fin du traitement d'OpenDroneMap (quantité et taille des photos traitées).

Si nous effectuons le calcul de simulation pour un ordinateur moyen (Architecture : x86_64 - CPU(s) : 8 / Intel(R) Core(TM) i7-4790 CPU @ 3.60GHz / MHz CPU : 3899.047), il était d'environ 6 heures pour environ 500 images (poids total de 3000 Mo).

Ensuite, vous devez faire la comparaison entre le nombre d'images et le temps de calcul (ligne de tendance et équation de régression), par rapport aux trois paquets constitués (environ 150 photos chacun) qui offrent de meilleures performances, par rapport à l'insertion d'un seul paquet (500 photos). Oui, ce n'est clairement pas pour les débutants, mais plutôt pour des personnes qui savent ce qu'elles veulent faire et qui ont des connaissances sur la façon de le faire.

Grâce au regroupement des images par localisation, nous avons considérablement amélioré le temps de calcul, bien que dans certains tests, la distance différentielle de chevauchement des images résultantes ait dépassé 1 mètre. Selon vos besoins, ce programme pourra vous être utile.

Site officiel :