Datan prosessoinnin normalisointi ja automatisointi

Abstract

Opinnäytetyön tarkoituksena oli tutkia kahta eri fotogrammetriaohjelmistoa toimeksiantajan datalla. Työssä etsittiin normalisoidut parametrit testidatalle Pix4DMatic-ohjelmistossa ja kehitettiin automatisointi Correlator3D-ohjelmistoon luomaan tuotokset. Yrityksen toimeksiantona oli löytää tapa, jolla fotogrammetriaprosessointi voitaisiin automatisoida, mikä muuttaisi nykyisen manuaalisen työn automaattiseksi ja nopeuttaisi fotogrammetria osuutta tuotosten toimittamiseksi. Testidata on otettu keväällä Kolilta ja koostuu yhteensä 428 kuvasta, joissa on kolme kanavaa: punainen, vihreä ja sininen. Kuvissa näkyy heinikkoalue ja metsää ja kuvien koko on 5320 x 4600 pikseliä. Molemmilla fotogrammetriatyökaluilla tuotettiin pistepilvi, 3D-malli ja ortomosaiikki kuvista. Correlator3D automati-sointiin Pythonilla ja tuotoksille ei tehty manuaalista muokkausta. Pix4DMatic-ohjelmistossa testattiin eri parametreja testidatalle ja löydettiin että ”Large scale and corridor (Default)” -asetus oli kalibroinnissa nopein ja tuotti käyttökelpoiset tulokset. Pistepilven tiheytyksessä täyden kuvakoon käyttäminen ei paranna tuloksia verrattuna puolikkaaseen kuvakokoon ja moniskaalaus auttoi pistepilven tiheyttämisessä. Pistepilven tiheydeksi jätettiin ”Optimal”, joka laskee pisteen kuvan joka kahdeksannesta pikselistä. 3D-mallin luonnissa käytettiin aggressiivista poikkeamien havaitsemista ja maksimi tekstuuri kokoa 32768 x 32768 pikseliä. Korkeusmallin luonnissa käytettiin ”Default”-asetusta ja interpolointia aukkojen täyttämiseen. Ortomosaiikin asetuksia ei muutettu. Correlator3D kalibrointi oli herkkä väärille pitch-arvoille, joten arvoja piti muuttaa niin että arvot olivat lähempänä nollaa. Correlator3D:lle kirjoitettiin automatisointi Pythonilla, joka luo projektin testidatasta, käynnistää projektin parametritiedoston ohjeilla ja kopioi projektitiedostot. Correlator3D luo kuvista ensin korkeusmallin ja käyttää tätä pohjana pistepilven, 3D-mallin ja ortomosaiikin tekemiseen. Tämä eroaa Pix4DMaticista, joka käyttää pohjana tiheää pistepilveä. Correlator3D luoma pistepilvi oli harva verrattuna Pix4DMaticin luomaan ja 3D-mallin maksimaalinen tekstuuri koko oli 8192 x 8192 pikseliä. Ortomosaiikki vastasi Pix4DMaticin luomaa, mutta reunat jäivät rikkinäisiksi. Opinnäytetyössä todettiin, että testidatan määrä ei ole riittävä normalisoitujen parametrien määrittämiseksi. Pix4DMaticista löydettyjen parametrien käyttäminen Correlator3D-ohjelmassa oli haastavaa, sillä ohjelmien välillä ei ole standardisoituja parametrien nimityksiä. Automatisointi saatiin rakennettua onnistuneesti Pythonilla alusta loppuun saakka, mutta projektin aloitus vaatii vielä kehitystä parametritiedoston automaattisessa luonnissa. Normalisoitujen parametrien löytäminen vaatii lisää testidataa erilaisista kasvillisuusalueista, maaseuduista ja kaupunkialueista.