LA SOVRAPPOSIZIONE DEGLI SCATTI FOTOGRAFICI IN UN RILIEVO FOTOGRAMMETRICO

Ciao!
Oggi ti parlerò dell’importanza della sovrapposizione degli scatti fotografici in un rilievo fotogrammetrico. Come al solito, farò una breve introduzione e poi ti rimanderò alla visione del video che trovi in calce all’articolo.
Come sappiamo, la tecnica della fotogrammetria utilizza le informazioni contenute negli scatti fotografici per creare dei modelli tridimensionali del soggetto ritratto. I fattori che possono influire sull’accuratezza del modello restituito sono molteplici, in primis la qualità degli scatti, ma non solo. Gli scatti possono anche avere un’elevata qualità dal punto di vista della nitidezza, luminosità, contrasto, ecc, ma se tra di loro non sono “legati” non ci farai proprio nulla. Qui entra in gioco la sovrapposizione tra le foto e tra le corrispondenti superfici dell’oggetto riprodotte nelle foto. Nel caso specifico voglio riferirmi ad un rilievo aerofotogrammetrico da drone per la restituzione di un modello tridimensionale del territorio. Solitamente, un rilievo di questo tipo viene eseguito facendo percorrere all’APR una rotta a forma di serpentina studiata in modo tale che gli scatti posti lungo due strisciate adiacenti si sovrappongano di una certa percentuale. O meglio, a sovrapporsi sono le superfici riprodotte: i cosiddetti footprints. La sovrapposizione laterale, quindi, la si ottiene semplicemente variando la distanza tra le strisciate quindi cambiando la geometria della rotta. La sovrapposizione longitudinale, invece, varia al variare dell’intervallo tra gli scatti e della velocità dell’APR. Le combinazioni possibili sono molteplici e quella scelta deve necessariamente tenere conto del fatto che la fotocamera scatterà delle foto con l’APR in movimento, quindi con i rischi che ne conseguono in merito alla qualità degli scatti. Oddio, posso anche fare in modo che il drone si fermi ad ogni scatto, ma personalmente non lo ho mai fatto per via dell’elevato consumo di batterie. Piuttosto sceglierei delle velocità basse e, quindi, intervalli tra gli scatti maggiori.
Ebbene, la prova che ho fatto per valutare l’accuratezza di un rilievo fotogrammetrico al variare delle percentuali di sovrapposizione longitudinale e trasversale, viene descritta nel video allegato e consiste nel rilievo di una zona prativa con modesti cambi di quota. La giornata era soleggiata, le ombre cortissime in quanto ho eseguito il volo nelle prime ore del pomeriggio e ne sono usciti degli scatti con una qualità compresa tra 0.83 e 0.89 (valutata con Metashape).
Ho scattato foto con sovrapposizioni dell’80% in entrambe le direzioni e poi ho eliminato delle strisciate oppure alternato gli scatti in modo da portare le sovrapposizioni al 60% in una o nell’altra direzione o in entrambe. In pratica, prendendo tutte o solo alcune foto, ho creato quattro data set su cui lavorare per ottenere altrettanti modelli. Ecco le immagini delle quattro elaborazioni.

Sovrapposizione longitudinale 80% – Sovrapposizione trasversale 80%

Sovrapposizione longitudinale 80% – Sovrapposizione trasversale 60%

Sovrapposizione longitudinale 60% – Sovrapposizione trasversale 60%

Sovrapposizione longitudinale 60% – Sovrapposizione trasversale 80%

A questo punto ho ottenuto quattro modelli distinti. Nel video ti spiego le caratteristiche di ognuno in termini di tempi di elaborazione e numero di punti nella nuvola sparsa e densa. Questi dati li puoi vedere anche nel foglio Excel scaricabile qui sotto.
Una cosa che non ti ho ancora detto è che le elaborazioni sono state eseguite senza prendere in considerazione i GCP (Ground Control Points). Sul terreno ci sono, ma nei modelli non li ho considerati, ossia in Metashape non ho posizionato le classiche bandierine che mi permettono di eseguire l’orientamento esterno assoluto degli scatti. Questa scelta è dettata dal fatto che il mio scopo è quello di valutare l’accuratezza del rilievo aerofotogrammetrico al variare della percentuale di sovrapposizione tra gli scatti, quindi se c’è un errore, voglio tenermelo e valutarlo. Se ottimizzassi l’allineamento dei fotogrammi tramite i GCP, Metashape correggerebbe le deformazioni del secondo ordine e l’interpretazione degli errori imputabili alla variazione delle percentuali di sovrapposizione diverrebbe più complicata. Quello che ho chiesto a Metashape, quindi, è di individuare i punti omologhi all’interno delle zone comuni tra gli scatti e poi di utilizzarli per definire l’orientamento interno della camera e l’orientamento esterno relativo tra gli scatti. Gli scatti, quindi, vengono posti in relazione l’uno rispetto all’altro andando a comporre i mosaici che vedete nelle immagini sopra.
Ok! Ma come faccio allora a georeferenziare e scalare le nuvole dense? Qui ci viene in aiuto Cloud Compare. All’interno di tale software è possibile importare la nuvola di punti elaborata da Metashape e metterla in relazione con una seconda nuvola costituita dal rilievo dei GCP effettuato con una strumentazione satellitare. In pratica, ad ogni GCP rilevato faccio corrispondere un punto della nuvola rappresentante il centro del GCP. Grazie a questo legame tra i punti del rilievo ed i punti della nuvola, Cloud Compare può effettuare una trasformazione a sette parametri, ossia una rototraslazione con variazione di scala della nuvola densa. Nelle due immagini qui sotto puoi vedere i passaggi di tale processo.

Rilievo dei GCP (a sinistra) e nuvola densa (a destra)

Creazione delle corrispondenze tra i punti delle due nuvole.

Risultato della trasformazione a sette parametri.

A questo punto ho potuto valutare l’accuratezza del rilievo fotogrammetrico andando a “prelevare” le coordinate dei punti della nuvola rappresentanti il centro del GCP. Se non ne trovavo uno nel centro esatto, prendevo quello più vicino. Le nuvole erano talmente dense che l’errore era del tutto trascurabile. Inoltre, almeno per la quota, il centro del GCP era del tutto analogo ai punti posti a qualche centimetro di distanza. Questo “prelievo” lo si può fare con lo strumento point list picking di Cloud Compare.

Fatta questa operazione per tutti i GCP, ho copiato le coordinate nel foglio Excel e le ho messe a confronto con quelle del rilievo GNSS. Stesso procedimento per tutte quattro le nuvole.
Dall’analisi dei risultati è emerso che le accuratezze migliori del rilievo aerofotogrammetrico corrispondono alle due nuvole ottenute con un’alta percentuale di sovrapposizione trasversale (80%). Variando la percentuale di sovrapposizione longitudinale (passando da 80% a 60%), a parità di quella trasversale (80% oppure 60%), non si ottengono grosse variazioni dell’accuratezza. Almeno per quanto riguarda la quota. Dal punto di vista planimetrico la combinazione 60%-60% si discosta abbondantemente dai valori ottenuti col rilievo GNSS, mentre le altre tre combinazioni se la giocano alla pari (+ o -). Detta in parole povere, dalla prova è emerso che un maggior numero di strisciate fornisce un rilievo più accurato rispetto ad avere scatti a distanza ravvicinata lungo le strisciate. Qui sotto riporto un grafico relativo agli scarti delle quote, mentre nel foglio Excel trovate la trattazione completa anche per le coordinate planimetriche.

La linea tratteggiata nera rappresenta un ulteriore approfondimento. Infatti il passo successivo è stato quello di ridurre le deformazioni del secondo ordine nella nuvola ottenuta con percentuali di sovrapposizione 80%-80%. Per fare questo ho inserito le bandierine di Metashape sui GCP ed ho ottimizzato l’allineamento degli scatti. In questo modo Metashape ha effettuato l’orientamento esterno assoluto andando anche a ridurre le deformazioni del secondo ordine. In pratica quello che fa il software è di risolvere nuovamente le equazioni di collinearità, questa volta utilizzando come dati le coordinate dei GCP e come incognite (di nuovo) i parametri di calibrazione della camera. L’accuratezza del rilievo è migliorata ulteriormente, almeno in corrispondenza dei 13 GCP.
Per estendere l’analisi a tutti i punti delle nuvole, ho utilizzato una funzione di Cloude Compare che permette di valutare la distanza tra i punti di due nuvole. Quindi, per ognuna delle quattro nuvole elaborate inizialmente, ho valutato la distanza lungo l’asse zeta tra i punti di tali nuvole ed i punti della nuvola ottimizzata. Scusate le ripetizioni… I risultati estesi a tutta la superficie coperta dal rilievo rispecchiano quelli riportati nel grafico precedente: le distanze minori sono relative a percentuali di sovrapposizione trasversali elevate.

Distanza lungo zeta tra la nuvola ottimizzata e la nuvola 80%-80% non ottimizzata.

Bene. Ora ti rimando alla visione del video nel quale ho trattato più esaustivamente l’argomento. Ci tengo a precisare che questi risultati non vanno presi come “oro colato”. Si tratta di una singola prova i cui risultati potrebbero essere smentiti se si considerasse ad esempio un’altra conformazione del terreno, magari con maggiori dislivelli. Apprezzerei molto se volessi riportarmi le tue esperienze in modo da costruire assieme un quadro più completo ed esaustivo di come influiscono sull’accuratezza le variabili in gioco.
Come detto, qui sotto trovi il link al download del foglio Excel ed il video.

Ti ricordo che mi trovi anche su Telegram (https://t.me/giampaoloberetta) dove ho aperto un canale nel quale ti parlo della mia attività e condivido informazioni (https://t.me/inggiampaoloberetta).

Ciao!

INTEGRAZIONE
Sì, lo so. Ho già salutato. Il fatto è che dopo aver scritto l’articolo ho trovato una bella pubblicazione su MDPI che tratta proprio dell’influenza
sull’accuratezza dei parametri utilizzati nel rilievo fotogrammetrico. Se volete scaricarla, cliccate QUI.

Seifert, E.; Seifert, S.; Vogt, H.; Drew, D.; van Aardt, J.; Kunneke, A.; Seifert, T. Influence of Drone Altitude, Image Overlap, and Optical Sensor Resolution on Multi-View Reconstruction of Forest Images. Remote Sens. 2019, 11, 1252.