FenixEdu™

Dissertação

{pt_PT=Georeferencing of Fire Front Aerial Images using Structure from motion and Iterative Closest Point} {} EVALUATED

Detalhes: {pt=Esta tese propõe o uso de Sfm (Structure-from-motion) e de ICP (Iterative Closest Point) para georeferenciação em missões de patrulha de incêndio florestal, utilizando imagens capturadas por aeronaves não tripuladas. Sfm+ICP usa o vídeo da câmara da aeronave, bem como os dados fornecidos pelo GPS e IMU (Unidade de medição inercial) para reconstruir uma nuvem de pontos 3D da área do desastre. A reconstrução Sfm é separada em dois passos: uma reconstrução esparsa usando Speeded up robust features (SURF) para estimar as poses da câmara ao longo do tempo, e uma reconstrução densa usando um rastreador de pontos Kanade-Lucas-Tomasi (KLT) inicializado com o algoritmo de valores próprios mínimos. A reconstrução densa é depois registada a um DEM (Digital Elevation Model) real da área à volta do fogo, e usada para obter as estimativas de georeferenciação, calculando a média das coordenadas 3D correspondentes aos pixels do alvo. Este algoritmo foi validado em dois datasets artificiais criados no Blender, e dois datasets reais de aeronaves em missões de patrulha em incêndios florestais. Os resultados demonstram que Sfm+ICP consegue fazer reconstruções 3D fiéis, e, ao mesmo tempo, georeferenciar de forma precisa e exata numa situação de fogo florestal. Os resultados mostram também robustez a erros altos de IMU e GPS, tornando este algoritmo numa opção ágil para georeferenciação com UAVs com sensores pouco precisos., en=This work proposes the use of Structure-from-motion (Sfm) and Iterative Closest Point (ICP) as a forest fire georeferencing algorithm to be used with images captured by an aerial vehicle. Sfm+ICP uses the real time video captured by an aircraft’s camera, as well as its IMU and GPS measurements to reconstruct a dense 3D point cloud of the disaster area captured by the camera. The Sfm reconstruction is divided in two steps: a sparse reconstruction step using Speeded up robust features (SURF) for camera pose estimation, and a dense reconstruction step relying on a Kanade–Lucas–Tomasi (KLT) feature tracker initialized using the minimum eigenvalue algorithm. This dense 3D reconstruction is then registered to a real Digital Elevation Model (DEM) of the surrounding area, thus refining the point cloud to better match the terrain. The reconstruction is then used as the basis of the georeferencing estimates, as any target’s location can be estimated by averaging the 3D coordinates corresponding to its nearby pixels. The algorithm was validated with two artificial Blender datasets and two real forest fire monitoring videos. The results demonstrate that Sfm+ICP can perform accurate 3D reconstructions while also georefering several targets in a forest fire environment. The results also show the algorithm is robust to high IMU and GPS errors, making it a far better option than optic-ray-based georeferencing for UAVs with unreliable telemetry.}
Keywords: {pt=fogo florestal, Veículo Aéreo Não Tripulado, structure from motion, georeferenciação, DEM, ICP, en=forest fire, UAV, structure from motion, georeferencing, DEM, ICP}

Discussão: dezembro 2, 2021, 10:0