Epsilon Archive for Student Projects

Abstract

Syftet med studien är att jämföra tre olika metoder för höjdkorrigering av punktmoln skapade från bilder tagna med drönaren DJI Phantom 4 Pro. Detta är intressant då drönare anses vara ett av framtidens instrument för småskalig och snabb fjärranalys. Problemet med drönare är den osäkra bedömningen av höjd som medförs av drönarens teknik för höjdmätning. För att kunna användas effektivt i framtiden behöver därför höjden korrigeras för att passa andra mer noggranna fjärranalysdata. I arbetet bearbetas och korrigeras sju flygblock med flygbilder inom ett relativt litet område.

För varje flygblock genererades ett punktmoln som sedan skulle korrigeras efter en höjdmodell. Tre metoder jämfördes i studien. Den första var manuell justering av Z-koordinaten. Den andra metoden var “Iterative closest point” (ICP-metoden) där punktmolnet matchas med en modell för marken, punkt för punkt. Den sista metoden var att korrigera höjden i drönarbildernas exif-filer utefter drönarens barometer. Efter korrigeringen jämfördes höjden på punktmolnen med RTK-GNSS-mätningar inom flygblocken.

Resultatet visar att den manuella metoden har bäst genomsnittligt Root mean square error (RMSE) över alla flygblock på 1.06 m. Maximum och minimum för metoden var 1.59 m och 0.40 m. ICP-metoden var näst bäst med genomsnittligt RMSE på 1.35 m. ICP-metodens RMSE varierade mellan 2.97 m och 0.32 m vilket tyder på att metoden kan träffa bättre än den manuella då 0.32 m var det lägsta RMSE som registrerades. Barometermetoden var sämst med ett genomsnittligt RMSE på 7.95 m. Spridningen inom metoden var större än för de andra. Maximum och minimum RMSE låg på 9.35 m respektive 5.47 m.

The purpose of the study was to compare three different methods for height correction of point clouds created from pictures taken from the drone DJI Phantom 4 Pro. This is interesting as drones are a future instrument for small scale and quick remote sensing. The problem with drones is the inaccuracies in height measurement that exist because of the drone’s small stature. For drones to be used effectively in the future there must be a correction in height to fit other more accurate remote sensing data sets. In this paper seven flight blocks of flight images from a relatively small area are corrected.

For each flight block a point cloud was generated which would be corrected to the Swedish Land surveys height model. Three methods were compared. The first method was a manual correction of the Z-coordinate. The second method was “Iterative closest point” where a software matched the point clouds ground points to the height models points. The last method was to correct the point clouds height by changing the drone photos height according to the barometric height information in the exif file.

The result shows that the manual method had the best average Root mean square error (RMSE) with a value of 1.06 m. Maximum and minimum RMSE for the method where 1.59-0.40 m. The ICP-method was the second-best method with an average RMSE of 1.35 m, the result varied between 2.97-0.32 m, which indicates that it could generate the best result. The barometric method was the worst method with an average RMSE of 7.95 m and a variance between 9.35-5.47 m.