Ортофотопланы: Что такое ортофотоплан и для чего он нужен?

Содержание

Создание ортофотопланов по данным АФС или космической съемки

Ортофотоплан ― это фотографический план местности на точной геодезической основе, полученный путем аэрофотосъемки или космической съемки с последующим преобразованием снимков из центральной проекции в ортогональную с помощью метода ортотрансформирования.

Ортотрансформирование устраняет искажения на снимке, обусловленные рельефом местности и отклонениями оси фотоаппарата от вертикали при съемке, путем последовательного проектирования трансформируемого изображения возможно малыми участками с помощью ортофотопроекторов.

Перераспределение пикселей на изображении в результате ортотрансформирования.

В результате преобразования получаются ортофотоснимки, которые позволяют составить ортофотопланы на любые районы.

Ортофотопланы особенно востребованы при геодезических, топографических, геологических, гидрологических, экологических изыскательских работах, землеустройстве, архитектурно-строительном проектировании и контроле строительно-монтажных работ.

Создание ортофотоплана проходит в три этапа:

Редакционно-подготовительные работы ― выясняется наличие данных для трансформирования снимка, готовятся файлы исходных данных, выполняется копирование исходного снимка (исходного растра), создается матрица рельефа.
Трансформирование отдельных снимков ― на исходном растре опознаются и измеряются опорные точки, а также создается файл трансформированного изображения исходного растра (трансформированного растра).
Создание ортофотоплана ― происходит сводка изображения на стыках трансформированных растров (сшивка фотопланов) и нарезка фрагментов трансформированного растра по номенклатурным листам.

Аэрофотоснимки для создания ортофотопланов отличаются высоким качеством и точностью до нескольких сантиметров на пиксель. Ортофотопланы, полученные в результате ортотрансформирования аэрофотоснимков, обладают высокой визуальной информативностью и отличными измерительными свойствами.

Исходный аэрофотоснимок

Аэрофотоснимок после ортотрансформирования

Космические снимки высокого разрешения также используются для создания ортофотопланов. Данные со спутников можно получать оперативно, и в этом их преимущество. Не нужно ждать, когда спутник пройдет над заданной территорией, достаточно «наклонить» оптическую ось съемочной аппаратуры и вскоре получить нужные данные.

Космический снимок до (слева) и после (справа) ортотрансформирования.

Чтобы рассчитать стоимость ортофотоплана, обращайтесь в компанию «Совзонд» по телефонам: +7 (495) 642-8870, +7 (915) 206-0665 или по e-mail: sovzond@sovzond. ru

Заказать ортофотоплан

Ортофотопланы и 3D модели | Аэросъемка в Москве. Съемка с квадрокоптера. Аэросъемка в Москве. Съемка с квадрокоптера.

Особыми продуктами аэрофотосъемки являются ортофотопланы и 3D модели. Их создание проходит обязательные три этапа:

планирование и подготовка
выполнение аэросъемки
обработка полученных снимков специализированным программным обеспечением

Каждый из этапов требует от исполнителей высокой квалификации и опыта выполнения подобных работ.

Ортофотопланы заказывают у нас риэлтерские агентства и строительные компании, для получения актуальной информации о земельном участке. При одинаковой технологии изготовления они имеют различные назначения. Если риелторам ортофотоплан необходим как дополнительный источник информации об объекте, то строителям он нужен как исходный материал для проектирования. Поэтому для продажи недвижимости аэрофотосъемку лучше делать, когда на деревьях и кустарниках уже есть листва, чтобы наиболее информативно отобразить зеленые насаждения и сделать объект привлекательней.

Для проектирования нужна более подробная информация о ландшафте, и желательно, чтобы зелень этому не мешала. Мы выполняем аэрофотосъемку круглогодично, исходя из поставленной задачи.
Кроме ортофотопланов мы предлагаем новую уникальную услугу – построение цифровой трехмерной модели рельефа.

В качестве исходных данных мы берем аэроснимки, выполненные с помощью камеры высокого разрешения, установленной на коптере. После специальной обработки мы получаем интерактивную 3D модель местности. Для ее просмотра не требуется никакого дополнительного программного обеспечения, но она помогает получить наглядную информацию об объекте с различных ракурсов. Поэтому 3D модели так востребованы при продажах недвижимости.

Кроме рекламного использования цифровая модель рельефа (ЦМР) имеет ряд практических применений. С ее помощью можно выполнять достаточно точно пространственный анализ без выезда на место. Чаще всего ЦМР применяется для:

мониторинга и прогнозирования состояния рельефа с учётом характеристик ландшафта
оценки возможных рисков с учётом характерных особенностей рельефа — районы затопления в момент паводков, оползни и обвалы и т.
д.
вычисления геометрических характеристик для инженерных изысканий, прокладки маршрутов — навигации, архитектурного планирования
для прокладки линий электропередач, проектирования автомобильных дорог, трубопроводов (газ, нефть)

Подробная 3D модель рельефа по точности и информативности не уступает полевым геодезическим изысканиям. Поэтому, используя цифровую модель, можно на раннем этапе исключить возможные ошибки при проектировании и строительстве.

Уникальность построения 3d ландшафта на основе аэрофотосъемки заключается в том, что мы единственные среди наших коллег, кто предоставляет данный вид услуг. Заказать 3D модель рельефа вы можете параллельно с проведением аэрофотосъемки и помимо готовых аэрофотоснимков вы получите ЦМР. Новая перспективная технология помогает решать множество разноплановых задач в сжатые сроки без использования дорогостоящих полевых работ и привлечения большого количества специалистов.

Заказать эти услуги и узнать дополнительную информацию о 3D моделях рельефа и ортофотопланах можно, связавшись с нами по любому из указанном на сайте контактах.

Ортофотоплан

Определение

Ортофотоплан является растровым, ортогональным и картометрическое представление поверхности местности, созданное цифровыми обработка аэрофотоснимков или спутниковых снимков. Во время ортотрансформирования геометрические искажения, возникающие из-за рельефа местности, устраняются с использованием цифровых моделей рельефа (ЦМР). Ортофотоплан имеет географическую привязку, и, следовательно, позволяет определить географические координаты для каждого из его клетки.

Свойства ортофотопланов:

Пространственное разрешение – связано с размером наименьший объект, который может быть обнаружен датчиком и определяется размер ячейки изображения (пиксель). Чем меньше ячейка, тем больше деталь, которую она представляет. Слишком большой пиксель означает, что отдельные объекты в сцену уже не узнать.

Композиция – аналоговые изображения в оттенках серого, в то время как цифровые изображения могут быть в естественных цветах (RGB) или в ближнем инфракрасном диапазоне. (НИР).

Цель

Целью этой виньетки является оценка состояния растительности выбранная область. Это можно сделать на основе данных дистанционного зондирования (мультиспектральная ортофотокарта) и простой вегетационный индекс.

NDVI (нормализованный разностный индекс растительности) простой индикатор растительности, использующий красный и ближний инфракрасный диапазоны группы. Его основное применение – мониторинг и прогнозирование Сельскохозяйственное производство. Он рассчитывается с использованием следующего формула:

\[NDVI = \frac {NIR – RED} {NIR + RED}\]

Его значение находится в диапазоне от -1 до 1. Чем выше значение, тем выше уровень биомассы. Значения, близкие к 0 и ниже, относятся к воде, голой грунтовые поверхности или здания.

Анализ

 # прикрепить пакеты
библиотека (сф)
библиотека (звезды)
library(rgugik)

Областью анализа является природный заповедник Крайково, расположенный в Великопольское воеводство. Он был создан в 1958 году для охранять места размножения птиц, особенно серая цапля и большой черный баклан , а также для защиты ландшафта старица Варта.

Векторные данные

Данные о заповедниках можно найти в базах данных General Geographic. Мы можем получить их с помощью функции geodb_download()

. Давайте сделаем это.

 # 17,6 МБ
geodb_download("wielkopolskie", outdir = "./data")

Если у вас возникнут проблемы с загрузкой, помните, что вы можете пройти другой метод загрузки из download.file() как аргумент функции.

 geodb_download(req_df, outdir = "./data", method = "wget")

Загруженная база данных состоит из множества файлов в формате GML ( Язык географической разметки ). Краткое описание структуру этой базы можно посмотреть здесь. Таблица с заповедниками находится в Файл «PL.PZGIK.201.30__OT_TCRZ_A.xml». Мы можем использовать Пакет sf и его функция read_sf() для загрузить его.

 backups = read_sf("data/PL.PZGiK.201.30/BDOO/PL.PZGIK.201.30__OT_TCRZ_A.xml")

Проверим структуру наших данных.

 нкол (резервы)
## [1] 28
сейчас(резервы)
## [1] 110

Проще говоря, это пространственная таблица, состоящая из 110 наблюдений. (строки) и 28 переменных (столбцы). Названия объектов расположены в столбце nazwa , которые позволяют нам выбрать Только заповедник Крайково.

 # выбор по атрибуту
krajkowo = резервы[резервы$nazwa == "Крайково", ]

Мы можем отобразить его двумя основными способами:

Используя функцию plot() и напрямую указав столбец с геометрией объекта: сюжет(крайково$геометрия)
Использование plot() и st_geometry() функции, которые получают геометрию из векторного слоя. В первом случае нам нужно знать имя столбца с геометрией (например, геометрия , геометрия и т. д.), а в во втором случае геометрия подбирается автоматически (надежнее и предпочтительный способ). 92, и после конвертации мы получили результат 165 га.
Растровые данные
Теперь переходим к этапу загрузки ортофотоплана. Мы используйте функцию ortho_request() , которая показывает нам, какие изображения доступны для анализируемой области. Нам нужно обеспечить наше Крайково полигон в качестве аргумента этой функции.
```
 req_df = ortho_request(krajkowo) 
```
Мы можем отобразить результирующую таблицу, используя приведенный ниже код.
```
 # отображать первые 10 строк и первые 6 столбцов
req_df[1:10, 1:6] 
```
```
 ## SheetID Год Разрешение Составной датчик CRS
## 1 N-33-142-B-d-4-2 2004 0,50 Ч/Б Аналог PL-1992
## 2 N-33-142-B-d-4-4 2004 0,50 Ч/Б Аналог PL-1992
## 3 N-33-142-B-d-4-4 2010 0,25 RGB Digital PL-1992
## 4 N-33-142-B-d-4-2 2010 0,25 RGB Digital PL-1992
## 5 N-33-142-B-d-4-4 2010 0,25 CIR Digital PL-1992
## 6 N-33-142-B-d-4-2 2010 0,25 CIR Digital PL-1992
## 7 N-33-142-B-d-4-2 2016 0,25 CIR Digital PL-1992
## 8 N-33-142-B-d-4-2 2016 0,25 RGB Digital PL-1992
##9 N-33-142-B-d-4-4 2016 0,25 CIR Digital PL-1992
## 10 N-33-142-B-d-4-4 2016 0. 25 RGB Digital PL-1992 
```
Для выполнения нашей задачи нам необходимо получить данные ближнего инфракрасного диапазона. Итак, в следующий шаг, мы выбираем те строки, для которых Столбец состава имеет значение «CIR».
```
 # выбрать ИК изображения и перезаписать объект req_df
req_df = req_df[req_df$composition == "CIR", ] 
```
Тогда давайте отсортируем таблицу по году, когда была сделана фотография, с самыми последними изображениями в верхней части таблицы.
```
 req_df = req_df[order(-req_df$year), ] 
```
Давайте снова отобразим таблицу и выберем самые новые композиции.
```
 req_df[ c(1:5, 9)] 
```
```
 ## SheetID год разрешение композиция датчик seriesID
## 7 N-33-142-B-d-4-2 2016 0,25 CIR Цифровой 69837
## 9 N-33-142-B-d-4-4 2016 0,25 CIR Digital 69837
## 22 N-33-142-B-d-4-2 2013 0,25 CIR Цифровой 69903
## 24 N-33-142-B-d-4-4 2013 0,25 CIR Digital 69903
## 5 N-33-142-B-d-4-4 2010 0,25 CIR Digital 69763
## 6 N-33-142-B-d-4-2 2010 0,25 CIR Digital 69763 
```
```
 req_df = req_df[req_df$year == 2016, ] 
```
Обратите внимание, что результат содержит пару объектов (изображений). Это значит, что наш заповедник Крайково запечатлен на двух фото в рамках одной серии. Следовательно, серия ID 9Столбец 0046 используется для объединения меньших изображения в большую мозаику.
```
 req_df[ c(1:5, 9)] 
```
```
 ## SheetID год разрешение композиция датчик seriesID
## 7 N-33-142-B-d-4-2 2016 0,25 CIR Цифровой 69837
## 9 N-33-142-B-d-4-4 2016 0.25 CIR Digital 69837 
```
Функция tile_download() используется для загрузки ортофотопланы, взяв в качестве основного аргумента выбранную нами таблицу. Мы можем также укажите выходную папку с вне каталога аргумент.
```
 # 61,9 МБ
tile_download(req_df, outdir = "./data") 
```
```
 ## 1/2
## 2/2 
```
Обработка
Загрузим загруженные ортофотопланы с помощью read_stars() функция из звезд пакет, позволяющий работать с пространственно-временными массивами. В нашем случае это растр, состоящий из трех каналов (NIR, R, G) только для одной точки во время. Нам не нужно загружать весь массив данных в память — мы вместо этого можно прочитать метаданные файла, используя прокси аргумент.
```
 img1 = read_stars ("data/69837_329609_N-33-142-B-d-4-2.TIF", proxy = TRUE)
img2 = read_stars("data/69837_329613_N-33-142-B-d-4-4.TIF", proxy = TRUE) 
```
Теперь мы можем выполнить две операции: слияние растров и обрезку до заповедная зона. Использование прокси позволяет получить результат почти сразу, при обработке всего изображения ( proxy = FALSE ) займет несколько минут. Изображения имеют свои собственные системы отсчета координат, так что давайте удостоверимся, является правильным после слияния. Здесь должно быть EPSG 2180. случай.
```
 изображение = ст_мозаика (изображение1, изображение2)
st_crs(img) = 2180 # перезаписать CRS для уверенности
img = st_crop(img, krajkowo) 
```
Давайте отобразим эффект с помощью функции plot() и определить входные полосы с аргументом rgb . Это создает композиция, состоящая из трех полос: NIR, R и G в нашем случае. Композиция ниже показана в инфракрасном диапазоне, а не в естественных цветах, что может может быть неправильно истолкован из имени аргумента rgb .
```
 сюжет(изображение, rgb = c(1, 2, 3), main = NULL) 
```
На последнем шаге мы вычисляем NDVI, используя ближний инфракрасный диапазон (1) и красные (2) полосы.
```
 calc_ndvi = функция(изображение) (изображение[1] - изображение[2]) / (изображение[1] + изображение[2])
ndvi = st_apply(img, MARGIN = c("x", "y"), FUN = calc_ndvi)
plot(ndvi, main = "NDVI", col = hcl.colors(10, палитра = "RdYlGn")) 
```
Удивительным наблюдением являются относительно низкие значения NDVI для лесной массив. Этому есть две причины: фотографии сделаны в середине марта (до начала вегетационного периода) и, вероятно, уже не прошел калибровку. По этой причине лучшим источником данных для анализа могут быть спутниковые снимки, которые калибруются спектрально и получают непрерывно (если не происходит помутнения).
В чем разница между ортофотоснимками, ортофотопланами, ортофотопланами и настоящими ортофотоснимками?
Наука фотограмметрия развивается уже более века. Первоначально полностью аналоговый, он постепенно оцифровывается в течение последних 30-40 лет. Тогда это была область, которую понимала и практиковала довольно небольшая и замкнутая группа инженеров. Данные использовались в основном правительствами и военными, и это было чрезвычайно дорого.
Сегодня наука о фотограмметрии находится в совершенно другом месте из-за появления дронов за последние 7-8 лет. Сейчас фотограмметрией ежедневно занимаются сотни и тысячи людей по всему миру. Они управляют дронами, собирают данные и беспрепятственно обрабатывают их для получения ортомозаики и цифровых моделей поверхности (DSM). Это очень помогает им в сельском хозяйстве, строительстве, городском планировании, энергетике, горнодобывающей промышленности и многих других отраслях. Беспилотники и так называемая «низковысотная фотограмметрия» распространены повсеместно.
Важные термины
Однако я заметил, что когда вы превращаете область техники в товар, прежние научные термины начинают жить своей собственной жизнью. Кроме того, я заметил, что некоторые из этих терминов имеют немного разные значения в разных языках. Ниже я попытаюсь определить некоторые ключевые термины, которые вы можете там встретить. Некоторые из терминов применяются в основном к традиционной фотограмметрии, а некоторые больше относятся к фотограмметрии на малых высотах. Не волнуйся, я тебе все объясню!
Ортофото (слева) и истинное ортофото (справа). источник: Программное обеспечение nFrames SURE
Ортофото:
Во-первых, Orthophoto является результатом обработки фотограмметрии, в которой используется цифровая модель местности (DTM), обычно наблюдаемая в традиционной бортовой фотограмметрии. На ортофотопланах вы часто будете видеть эффект очень точного представления местности, но вы увидите наклон зданий и других высоких сооружений, что является следствием использования ЦММ, отображающего только естественную форму земли (за исключением растительности). и все искусственные объекты и сооружения).
Истинный ортофото:
True Orthophoto , с другой стороны, обрабатывается с использованием цифровой модели поверхности, которая отображает каждую форму и объект, видимые на земле (включая растительность и искусственные объекты). True Orthophoto дает вертикальный вид земной поверхности, исключая наклон здания и позволяя видеть практически любую точку на земле.
Традиционно измерять цифровую модель поверхности было чрезвычайно сложно и дорого. Обычно это делается с помощью LiDAR или наземных измерений. С другой стороны, цифровые модели местности были широко доступны на основе обобщенных моделей высот по всей стране. Поэтому True Orthophotos раньше были очень дорогими в производстве и труднодоступными. Эти два продукта обычно относятся к традиционной аэрофотограмметрии, потому что, согласно стандартам многих стран, они должны выполняться с использованием метрическая камера и идеально надир изображения. Однако, как правило, это не относится к фотограмметрии с маловысотных дронов.
Пример Leica ADS40
Ортомозаика:
Продукт фотограмметрии дронов обычно называют ортофотопланом . На самом деле ортомозаика похожа на True Orthophoto (поскольку она создается с использованием цифровой модели поверхности), но, как правило, не основана на метрической камере (в которой фокусное расстояние и внутренние размеры точно известны и откалиброваны), поскольку они дороги и не широко доступны для БПЛА. Кроме того, ортомозаика может быть создана на основе как надира, так и наклонного изображения.
Ортомозаики на основе дронов генерируются на основе цифровой модели поверхности, которая не выполняется как отдельная съемка, как в случае традиционной аэрофотограмметрии. В фотограмметрии дронов DSM создается на основе трехмерного облака точек, которое является исходным продуктом обработки данных. Эта технология разработана и используется компанией Pix4D, монополизировавшей маловысотную фотограмметрию во всем мире.