Dankzij de met drones genomen beelden en het OpenDroneMap-platform kunnen we op een eenvoudigere en goedkopere manier fotografische modellen verkrijgen van elk oppervlak van de planeet, waarin alle elementen op dezelfde schaal staan, vrij van fouten en vervormingen (orthofoto).
We kunnen deze dienst ook verkrijgen door rechtstreeks satellietbedrijven of hoogvliegende vliegtuigen in te huren. Deze dure diensten falen niet en bieden een perfecte schaal van het geregistreerde gebied (ze moeten op regionale schaal zijn (>1 km²)), in tegenstelling tot de met drones gemaakte foto's (die dit gebrek hebben).
Maar om dit probleem op te lossen is er een platform genaamd OpenDroneMap dat met drones gemaakte afbeeldingen verwerkt. De regionale schaal (>1 km²) is ideaal voor het uitvoeren van studies naar water- en milieuhulpbronnen. En zo de stroming van oppervlakte- en grondwater te bepalen met betrekking tot de interactie met het ecosysteem.
Wat is OpenDroneMap?
OpenDroneMap is een compleet platform voor het verwerken van met drones gemaakte afbeeldingen. De omgeving beschikt over verschillende tools voor het verwerken en analyseren van afbeeldingen:
- Puntenwolken
- Meshes
- Rasters zoals GDAL
- OpenSfm
- OpenCV
- Pdal
- Een geospatiale puntenwolk genereren
- Orthofoto's genereren
- Hoogtemodellen maken
Om alle afhankelijkheden van OpenDroneMap te optimaliseren, wordt aanbevolen om het in een virtualisatieomgeving zoals Docker uit te voeren.
Invoergegevens invoeren in OpenDroneMap
Om deze methode uit te voeren, moet je over de foto's beschikken. Als je de foto's niet hebt, kun je voorbeeldafbeeldingen downloaden van de website Adobe Buttes – Delta, Colorado. Elk pakket bevat ongeveer 500 afbeeldingen; in deze test hebben we de afbeeldingen in drie subgroepen verdeeld (ongeveer 150 afbeeldingen per groep).
Nu gaan we je de Linux-commando's geven om de datum op te slaan en de Docker-commando's om in OpenDroneMap uit te voeren:
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
Prestatieanalyse met behulp van Python:
Met Python hebben we de start- en eindtijd van de OpenDroneMap-verwerking geregistreerd en verwerkt (aantal en grootte van de verwerkte foto's).
Als we de simulatieberekening uitvoeren voor een gemiddelde computer (architectuur: x86_64 - CPU(s): 8 / Intel(R) Core(TM) i7-4790 CPU @ 3.60GHz / CPU-MHz: 3899.047) duurde dat ongeveer 6 uur, voor ongeveer 500 afbeeldingen (totaal gewicht 3000 MB).
Vervolgens moet je het aantal afbeeldingen vergelijken met de rekentijd (trendlijn en regressievergelijking), met betrekking tot de drie samengestelde pakketten (ongeveer 150 foto's per pakket) die beter presteren, in tegenstelling tot het invoegen van één enkel pakket (500 foto's). Ja, dit is duidelijk niet voor beginners, maar eerder voor mensen die weten wat ze willen doen en kennis hebben over hoe het moet.
Dankzij het groeperen van afbeeldingen per locatie hebben we de rekentijd aanzienlijk verbeterd, hoewel in sommige tests de differentiële afstand van de overlapping van de resulterende afbeeldingen groter was dan 1 meter. Afhankelijk van je behoeften kan dit programma nuttig voor je zijn.
https://old.neoteo.com/skypixel-las-mas-espectaculares-fotos-aereas-hechas-drones-galeria/
