Καθηγητές Μαθήματος
ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ
Σκοπός του μαθήματος είναι η εξοικείωση με τις πλέον σύγχρονες μεθόδους συλλογής γεωχωρικών δεδομένων σε υψηλή ανάλυση και μεγάλη κλίμακα (κοντινή απόσταση), με έμφαση κυρίως σε εφαρμογές με κινούμενες επίγειες πλατφόρμες λήψεων (mobile–mapping) καθώς και αερομεταφερόμενους αισθητήρες από UAV (μη στελεχωμένα οχήματα/αεροσκάφη). Οι φοιτητές θα έχουν την ευκαιρία να σχεδιάσουν την πραγματοποίηση τέτοιων αποστολών, να παρακολουθήσουν την λήψη των δεδομένων, αλλά κυρίως να εμβαθύνουν στις φωτογραμμετρικές διαδικασίες παραγωγής τρισδιάστατων μοντέλων από τέτοιες εικόνες.
Ιδιαίτερη έμφαση θα δοθεί στην κατανόηση και σύγκριση των μεθόδων πλοήγησης μέσω οπτικών αισθητήρων και στον συνδυασμό τους με κλασικές μεθόδους αυτόνομης πλοήγησης οχημάτων (GPS-INS).
Με την ολοκλήρωση του μαθήματος οι φοιτητές:
- Θα έχουν κατανοήσει και θα είναι ικανοί να περιγράψουν, αναλύσουν και συγκρίνουν τις επιμέρους κατηγορίες μη στελεχωμένων αεροσκαφών (UAV) που χρησιμοποιούνται στις αποτυπώσεις ακριβείας (μειονεκτήματα – πλεονεκτήματα) καθώς και τα συστήματα καταγραφής, αποτύπωσης και πλοήγησης που φέρουν
- Θα έχουν κατανοήσει και θα είναι ικανοί να περιγράψουν, αναλύσουν και συγκρίνουν τα διαφορετικά κινητά συστήματα χαρτογράφησης (MMS – Mobile Mapping Systems) και τις αρχές λειτουργίας των αισθητήρων που χρησιμοποιούν για την αποτύπωση
- Θα είναι σε ικανοί να πραγματοποιούν σχεδιασμό πτήσης με UAV και καταγραφής από MMS αξιολογώντας την ποιότητα των δεδομένων από τους αισθητήρες.
- Θα μπορούν να βαθμονομούν τους οπτικούς αισθητήρες αυτών των συστημάτων μέσω πεδίων ελέγχου είτε κατά την στιγμή της καταγραφής
- Θα είναι ικανοί να υλοποιήσουν όλα τα επιμέρους βήματα μιας φωτογραμμετρικής αποτύπωσης από πλατφόρμες UAV και Mobile Mapping (συλλογή δεδομένων, επεξεργασία και ανάλυση τους, παραγωγή τελικών 3Δ προϊόντων και μετρητικών εικονιστικών προβολών, ερμηνεία-αξιολόγηση αποτελεσμάτων)
- Θα είναι σε ικανοί να εφαρμόσουν επιλύσεις SFM (Structure from Motion) σε συνδυασμό με ταυτόχρονες παρατηρήσεις από δέκτες GPS/INS ή και μετρήσεις φωτοσταθερών στόχων στην περιοχή αποτύπωσης
- Θα έχουν κατανοήσει και θα είναι ικανοί να περιγράψουν, αναλύσουν και αξιολογήσουν τις μεθόδους SLAM, visual SLAM και visual odometry, ενώ θα μπορούν να τις εφαρμόζουν σε ακολουθίες βίντεο που έχουν προκύψει από πλατφόρμες UAV και MMS, με την βοήθεια λογισμικών ανοικτού κώδικα.
- Θα είναι ικανοί να εφαρμόσουν και να προγραμματίσουν αυτοματοποιημένες διαδικασίες αναγνώρισης πινακίδων, εντοπισμού εμποδίων και εξαγωγής 3Δ πληροφορίας από στερεοκάμερα.
Γενικές Ικανότητες
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
- Αυτόνομη εργασία
- Ομαδική εργασία
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
- Εργασία σε διεπιστημονικό περιβάλλον
ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
- Ανάλυση των τεχνολογιών αιχμής σε συστήματα mobile mapping και UAV.
- Κατηγοριοποίησή τους ανάλογα με το είδος του συστήματος, την αρχή λειτουργίας του, την αυτοματοποίηση της πλοήγησης (δορυφορική πλοήγηση με GNSS, αδρανειακά συστήματα INS-IMU, οπτικά δεδομένα – αποφυγή εμποδίων), το είδος των αισθητήρων και των δεδομένων που συλλέγονται.
- Βασικές αρχές κατά τον προγραμματισμό λήψης με UAV (fixed-wing και drone) και με συστήματα κινητής χαρτογράφησης.
Βαθμονόμηση αισθητήρων. Τεχνικές οπτικής πλοήγησης (SLAM, visual odometry). - Φωτογραμμετρική επεξεργασία δεδομένων – αυτόματος προσανατολισμός εικόνων μέσω χαρακτηριστικών σημείων και
συνδυασμός παρατηρήσεων από GPS-INS, εισαγωγή φωτοσταθερών και αξιολόγηση ακρίβειας, εξαγωγή 3D μοντέλου από εικόνες μέσω πυκνής συνταύτισης. Εφαρμογή στην δημιουργία 3D μοντέλων πόλεων ή/και κτιρίων. - Συνδυασμός/σύγκριση με δεδομένα από σαρωτή laser και επίγειες λήψεις.
- Τριγωνισμός από εικόνες Mobile Mapping – ακρίβεια αποτελεσμάτων.
- Αυτόματη ψηφιοποίηση πινακίδων.
Μέθοδος Αξιολόγησης
- Αξιολόγηση των θεμάτων
- Τελική παρουσίαση θεμάτων
ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ
- Σημειώσεις/διαφάνειες του μαθήματος
- Szeliski R., 2010. Computer Vision: Algorithms and Applications (draft). Springer (http://szeliski.org/Book/).
- Hartley R., Zisserman A., 2000. Multiple View Geometry in Computer Vision. Cambridge University Press.
- Fӧrstner W., Wrobel B. P., 2016. Photogrammetric Computer Vision. Springer