امکان سنجی استفاده از تصاویر UAV برای تعیین موقعیت ساختمان‏ها

الموضوعات :

شبنم مهبودی ¹ , علی اسماعیلی ² , مسعود ورشوساز ³

1 - داشنجوی کارشناسی ارشد سنجش از دور/ دانشگاه تحصیلات تکمیلی وفناوری های پیشرفته
2 - استادیار دانشکده عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوریهای پیشرفته
3 - دانشیار دانشکده مهندسی زئودزی و ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی

تاريخ الإرسال : 16 الثلاثاء , رمضان, 1437 تاريخ التأكيد : 10 الثلاثاء , محرم, 1438 تاريخ الإصدار : 21 الإثنين , صفر, 1438

الکلمات المفتاحية: واژگان کلیدی: سیستم هوایی بدون سرنشین(UAV), تصویر‏برداری مورب, روش شی‏گرا, استخراج ساختمانها,

ملخص المقالة :

چکیده سیستم های هوایی بدون سرنشین (UAVs) مبتنی بر سنجش از دور از تکنولوژی های پیشگام و نوید بخشی هستند که به سرعت رشد کرده اند. به علت محدودیت های تصاویر ماهواره ای و تصاویر هوایی از جمله ناکافی بودن کیفیت، هزینه بالای پرواز/ راه اندازی و وابستگی به شرایط جوی در دو دهه اخیرUAV ها به مکملی کارآمد برای جمع آوری داده های سنجش از دور تبدیل شده اند. تصویر برداری UAV رزولوشن تصویربرداری را بطور چشم گیری ارتقاع می دهد و در کاهش هزینه عملیات اخذ داده بسیار مقرون به صرفه عمل می کند. به طور همزمان تصویر بردای مورب هوایی بعلت مزایای فنی آن تکنولوژی باالقوه ای است که به صورت ترکیبی با تصویربرداری UAV مورد استفاده قرار گرفته است. در سالیان اخیر، UAVها در عملیات غیر نظامی بسیاری خصوصا در مناطق شهری با عوارض پیچیده از جمله ساختمان ها مورد استفاده قرار گرفته اند. در این تحقیق امکان سنجی استخراج ساختمان ها با الگوهای متفاوت در منطقه ای مسکونی از تصاویرUAV بررسی شده است. به منظور تولید داده، تصویر برداری نیمه مورب UAV از منطقه ای مطالعاتی در شهر کرمان به طور تجربی برای حصول نتایج بهینه با زوایه ی °6 انجام شد. در راستای امکان سنجی، ساختمان ها با تقسیم بندی و طبقه بندی در روش شی گرا با انعطاف بسیار بالا با دقت (DP) 82/96% و فاکتور برنچ (BF) 17/3% از تصاویر RGB و DSM مربوط به UAV استخراج شدند. بعلاوه برای درک برتری استخراج ساختمان از تصاویر UAV، دقت حاصل از استخراج ساختمان از تصویر UAV با دقت استخراج ساختمان از تصویر هوایی منطقه با هم مقایسه شد. در تصاویر هوایی DP برابر با 97/94% و BF برابر با 55/5% حاصل شد که نشان دهنده دقت بالاتر تصاویر اخذ شده باUAV می باشد. همچنین ساختمان ها از ابر نقاط UAV و ابرنقاط هوایی استخراج و با یکدیگر مقایسه شدند.