آمار

تعداد نشریات13
تعداد شماره‌ها238
تعداد مقالات2,424
تعداد مشاهده مقاله3,968,402
تعداد دریافت فایل اصل مقاله2,878,998
صالح مهدی, هدی, قنبری پرمهر, عبادت, انوری, سید احمد. (1402). نقشه‌برداری مناطق زاغه‌نشین با استفاده از فتوگرامتری پهپاد. فناوری آموزش, 2(1), 1-10. doi: 10.22061/jrsgr.2024.10593.1047
هدی صالح مهدی; عبادت قنبری پرمهر; سید احمد انوری. "نقشه‌برداری مناطق زاغه‌نشین با استفاده از فتوگرامتری پهپاد". فناوری آموزش, 2, 1, 1402, 1-10. doi: 10.22061/jrsgr.2024.10593.1047
صالح مهدی, هدی, قنبری پرمهر, عبادت, انوری, سید احمد. (1402). 'نقشه‌برداری مناطق زاغه‌نشین با استفاده از فتوگرامتری پهپاد', فناوری آموزش, 2(1), pp. 1-10. doi: 10.22061/jrsgr.2024.10593.1047
صالح مهدی, هدی, قنبری پرمهر, عبادت, انوری, سید احمد. نقشه‌برداری مناطق زاغه‌نشین با استفاده از فتوگرامتری پهپاد. فناوری آموزش, 1402; 2(1): 1-10. doi: 10.22061/jrsgr.2024.10593.1047

نقشه‌برداری مناطق زاغه‌نشین با استفاده از فتوگرامتری پهپاد

پژوهش های سنجش از دور و اطلاعات مکانی
مقاله 1، دوره 2، شماره 1 - شماره پیاپی 3، دی 1402، صفحه 1-10    اصل مقاله (1.07 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22061/jrsgr.2024.10593.1047
نویسندگان
هدی صالح مهدی؛ عبادت قنبری پرمهر* ؛ سید احمد انوری
گروه مهندسی نقشه‌برداری، دانشکده مهندسی عمران، دانشگاه صنعتی نوشیروانی بابل، بابل، ‌ایران
تاریخ دریافت: 22 دی 1402،  تاریخ بازنگری: 29 فروردین 1403،  تاریخ پذیرش: 20 اردیبهشت 1403 
چکیده
پیشینه و اهداف: پدیده شهرنشینی به‌عنوان فرآیند تغییر نظم اجتماعی و دگرگونی منظر یک شهر در همه جا به‌خصوص در کشورهای در حال توسعه رخ می­دهد، اما شهرنشینی، رشد زاغه‌نشینی یا سکونت‌گاه‌های غیررسمی را به‌دنبال داشته و توسعه مناطق شهری با مناطق زاغه‌نشین متراکم و پیچیده، نیازمند برنامه‌ریزی گسترده و اطلاعات دقیق و قابل اعتماد است. جمع‌آوری داده­ها با استفاده از روش­های سنتی زمان‌بر و پرهزینه است، اما فتوگرامتری پهپاد قادر به تهیه نقشه­های دقیق و قابل اعتماد در مدت زمان کوتاه با جزئیات مکانی بالا برای توصیف و تجسم مناطق زاغه نشین هستند.
روش‌ها‌: به‌دلیل پیچیدگی زیاد بافت مناطق زاغه‌نشین و قدرت تفکیک مکانی محدود تصاویر ماهواره­ای، امکان استفاده از تصاویر ماهواره‌ای برای تهیه نقشه­های دقیق با جزئیات بالا وجود ندارد. پرنده­های هدایت‌پذیر از راه دور (پهپاد) به‌عنوان سکوی تصویربرداری، امکان اخذ تصاویر با جزییات زیاد و قدرت تفکیک بالا را فراهم می­سازند. از این‌رو، فتوگرامتری پهپاد به‌عنوان راهکار مناسب برای تهیه نقشه مناطق زاغه‌نشین مطرح می­گردد. هر چند که ساختار تصویربرداری به‌روش فتوگرامتری هوایی مرسوم یعنی اخذ تصاویر قائم با پوشش طولی و عرضی امکان تهیه مدل سه بعدی را فراهم می­سازد، پیچیدگی­های بافت مناطق زاغه‌نشین، موجب بروز نواحی پنهان زیاد در مدل سه بعدی می­شود. علاوه بر این، ساختار تصویربرداری متداول به‌دلیل وابستگی بین پارامترهای کالیبراسیون دوربین و پارامترهای توجیه خارجی دوربین در روش مثلث بندی دسته اشعه مناسب برای تعیین پارامترهای کالیبراسیون دوربین نیست. از این‌رو، در این تحقیق، تصاویر قائم و مایل پهپادی با زاویه 30 و 45 درجه برای تهیه نقشه سه بعدی منطقه زاغه‌نشینی واقع در شهر شطره استان ذی قار عراق استفاده شده و ارزیابی دقت حاصل از تصاویر قائم و مایل با استفاده از نقاط کنترل موجود در منطقه مورد مطالعه قرار گرفت.
یافته‌ها: استفاده از تصاویر مایل، موجب بهبود دید عوارض و کاهش نواحی پنهان گردیده و منجر به افزایش دقت کالیبراسیون شد. علاوه بر این، تصاویر مایل دید وسیع­تر از تصاویر قائم را پوشش داده و می­توان مناطق پنهان شده در زیر موانع مانند گیاهان، ساختمان­ها و کوچه­های باریک را مشاهده کرد. این ویژگی، دقت بالایی را ارائه می­دهد که می­توان از آن در پروژه‌هایی که نیاز به توصیف دقیق دارند، مانند پروژه‌های حفاظت از میراث فرهنگی و پروژه­های شهری که نیاز به جزئیات مانند نمای ساختمان و برآورد ارتفاع آن‌ها دارند، استفاده کرد.
نتیجه‌گیری: در این تحقیق، از تصاویر قائم و مایل پهپاد برای تهیه نقشه سه بعدی منطقه زاغه‌نشین استفاده شد و بر اساس نتایج حاصل، خطای کل تصاویر مایل به‌ترتیب برابر 2/6 و 3/8 سانتی‌متر برای تصاویر مایل با زوایای 30 و 45 به‌دست آمد، در حالی‌که خطای کل تصاویر قائم برابر 1/16سانتی‌متر است. این مقایسه، برتری دقت تصاویر مایل نسبت به تصاویر قائم را نشان می­دهد. در پروژه­هایی که نیاز به استخراج ارتفاع ساختمان با دقت بیشتری دارند، استفاده از تصاویر مایل، مناسب بوده در حالی‌که مدل سه بعدی ساختمان­های دارای ارتفاع کم را می­توان با تصاویر قائم تولید نمود. 
کلیدواژه‌ها
پهپاد؛ تصاویر قائم؛ تصاویر مایل؛ فتوگرامتری؛ مناطق زاغه‌نشین؛ نقشه برداری سه بعدی
عنوان مقاله [English]
Slum Area Mapping Using UAV Photogrammetry
نویسندگان [English]
H. Salih Mahdi؛ E. Ghnabari Parmehr؛ S. A. Anvari
Department of Geomatics, Faculty of Civil Engineering, Babol Noshirvani University of Technology, Babol, Iran
چکیده [English]
Background and Objectives: The urbanization occurs everywhere, especially in developing countries and is the process of changing the social order and transforming the landscape of a city. However, urbanization always leads to the growth of slums or informal settlements. The development of urban areas with dense and complex slum areas requires extensive planning and very accurate and reliable information. The process of collecting data using traditional methods is time-consuming and expensive.
Methods: Remote sensing is used to identify, identify and monitor slum settlements in space and time and better understand the physical effects of slums. But due to the complexities of the slum areas and the spatial resolution of satellite images, it is not possible to use satellite images to prepare accurate maps with high details. With the emergence of unmanned aerial vehicle (UAV) as an imaging platform and the use of these images for aerial photogrammetric mapping of UAVs, its applications in various fields have increased day by day. Due to their portability, accuracy, low cost, and high imaging speed, UAVs have attracted attention in many research fields to obtain the latest information about target areas. Due to the use of non-metric cameras in UAV photogrammetry, camera calibration is necessary is carried out in the UAV image processing software using the bundle adjustment technique. However, the conventional aerial photogrammetry imaging structure, i.e. obtaining vertical images with overlaps, due to the dependence between the camera calibration parameters and the external orientation parameters of the camera, cannot achieve high accuracy in the 3D maps. In addition, due to the low height of UAV images, more hidden areas are created in the 3D photogrammetric model. In this research, vertical and oblique UAV images with angles of 30 and 45 degrees were used to prepare a three-dimensional map of the slum area with high density and complexity, and the accuracy of the vertical and oblique images was evaluated using control points in the study area.
Findings:  The high resolution of UAV images and the generated orthomosaic makes it possible to recognize details and provides a better understanding of the earth's features. For example, walls with a thickness of ten centimeters and power lines with a thickness of two centimeters can be seen. As a result, urban planners can determine the boundaries of buildings with high accuracy and produce cadastral maps with high accuracy. Oblique images are distinguished by a wider field of view than vertical images. It is also possible to see areas hidden under obstacles such as plants, buildings and narrow alleys. This feature provides high accuracy that can be used in projects that require detailed descriptions, such as cultural heritage protection projects and urban projects that require details such as building facades and height estimates.
Conclusion: In this research, vertical and oblique UAV images were used to prepare a 3D map of the slum area, and based on the results, the total error of oblique images is 6.2 and 8.3 cm for oblique images with angles of 30 and 45 degrees, respectively. While the total error of vertical images is equal to 16.1 cm. This comparison shows the superiority of the accuracy of oblique images compared to vertical images. 
کلیدواژه‌ها [English]
3D Mapping, Oblique Images, Photogrammetry, Slum, UAV, Vertical Images
مراجع
[1] M. Barry and H. Rüther, "Data collection techniques for informal settlement upgrades in Cape Town, South Africa," Urisa Journal, vol. 17, no. 1, pp. 43-52, 2005.

[2] C. M. Gevaert, R. Sliuzas, C. Persello, and G. Vosselman, "Evaluating the societal impact of using drones to support urban upgrading projects," ISPRS international journal of geo-information, vol. 7, no. 3, p. 91, 2018.

 [3]          M. Kuffer, K. Pfeffer, and R. Sliuzas, "Slums from space—15 years of slum mapping using remote sensing," Remote Sensing, vol. 8, no. 6, p. 455, 2016.

[4] T. Stark, M. Wurm, H. Taubenböck, and X. X. Zhu, "Slum mapping in imbalanced remote sensing datasets using transfer learned deep features," in 2019 Joint Urban Remote Sensing Event (JURSE), 2019: IEEE, pp. 1-4.

[5] R. Mahabir, A. Croitoru, A. T. Crooks, P. Agouris, and A. Stefanidis, "A critical review of high and very high-resolution remote sensing approaches for detecting and mapping slums: Trends, challenges and emerging opportunities," Urban Science, vol. 2, no. 1, p. 8, 2018.

 [6]          J. C. Duque, J. E. Patino, and A. Betancourt, "Exploring the potential of machine learning for automatic slum identification from VHR imagery," Remote Sensing, vol. 9, no. 9, p. 895, 2017.

 [7] A. Najmi, C. M. Gevaert, D. Kohli, M. Kuffer, and J. Pratomo, "Integrating remote sensing and street view imagery for mapping slums," ISPRS International Journal of Geo-Information, vol. 11, no. 12, p. 631, 2022.

[8] A. M. Ambugadu and N. B. Hosni, "MODELLING INFORMAL SETTLEMENTS EXPANSION FOR SUSTAINABLE URBAN DEVELOPMENT: A SCIENTOMETRIC REVIEW," Journal of Archaeology of Egypt/Egyptology, vol. 19, no. 1, pp. 1567-1592, 2022.

[9] A. M. Ambugadu and N. Hosni, "Identifying Informal Settlements in Satellite Images for Sustainable Urban Planning: a Systematic Review of Methods Available," J Inf Syst Technol Manag, vol. 7, no. 25, pp. 102-119, 2022.

 [10] J. G. Gomes and J. C. Pedrassoli, "Survey of slum housing characteristics using drones: An experiment in the Alto das Pombas community, Salvador de Bahia/Brazil," Quaestiones Geographicae, vol. 40, no. 3, pp. 169-182, 2021.

 [11] I. Aicardi, F. Chiabrando, N. Grasso, A. M. Lingua, F. Noardo, and A. Spanò, "UAV photogrammetry with oblique images: First analysis on data acquisition and processing," The International Archives of the Photogrammetry, Remote Sensing, vol. 41, pp. 835-842, 2016.

[12] C. Gevaert, R. Sliuzas, C. Persello, and G. Vosselman, "Opportunities for UAV mapping to support unplanned settlement upgrading," International Journal of Applied Earth Observation, vol. 1, 2016.

[13] C. M. Gevaert, C. Persello, R. Sliuzas, and G. Vosselman, "Monitoring household upgrading in unplanned settlements with unmanned aerial vehicles," International Journal of Applied Earth Observation Geoinformation, vol. 90, p. 102117, 2020.

[14] Q. P. Ashilah and R. Hernina, "Urban slum identification in bogor tengah sub-district, bogor city using unmanned aerial vehicle (uav) images and object-based image analysis," in IOP Conference Series: Earth and Environmental Science, 2021, vol. 716, no. 1: IOP Publishing, p. 012133.

[15] R. A. Ansari, R. Malhotra, and K. M. Buddhiraju, "Identifying informal settlements using contourlet assisted deep learning," Sensors, vol. 20, no. 9, p. 2733, 2020.

[16] F. Ali, "Unmanned Aerial Vehicles (UAVs) in urban land regularization process. Opportunities and challenges," African Journal on Land Policy and Geospatial Sciences, vol. 3, no. 1, pp. 1-10, 2020.

[17] S. M. Azmi, B. Ahmad, and A. Ahmad, "Accuracy assessment of topographic mapping using UAV image integrated with satellite images," in IOP Conference Series: Earth and Environmental Science, 2014, vol. 18, no. 1: IOP Publishing, p. 012015.

 [18] R. El Meouche, I. Hijazi, P. A. Poncet, M. Abunemeh, and M. Rezoug, "UAV photogrammetry implementation to enhance land surveying, comparisons and possibilities," The international archives of the photogrammetry, remote sensing and spatial information sciences, vol. 42, pp. 107-114, 2016.

[19] M. Fantin, J. C. Pedrassoli, G. N. Zaratine, and I. L. F. Coelho, "The use of UAV for slums land regularization: Potentialities, hindrances, and challenges," in XXII Congresso Internacional da Sociedade Iberoamericana de Gráfica Digital, Blucher Blucher Design Proceedings, 2018, vol. 5, pp. 560-567. .

[20] C. M. Gevaert, C. Persello, R. Sliuzas, and G. Vosselman, "Informal settlement classification using point-cloud and image-based features from UAV data," ISPRS journal of photogrammetry and remote sensing, vol. 125, pp. 225-236, 2017.

 [21] S. G. Gupta, D. M. Ghonge, and P. M. Jawandhiya, "Review of unmanned aircraft system (UAS)," International Journal of Advanced Research in Computer Engineering & Technology (IJARCET) Volume, vol. 2, 2013.

 [22] T. F. Olivatto, F. F. Inguaggiato, and F. N. Stanganini, "Urban mapping and impacts assessment in a Brazilian irregular settlement using UAV-based imaging," Remote Sensing Applications: Society and Environment, vol. 29, p. 100911, 2023.

 [23] N. Sahriman, M. Z. Z. Abiden, A. R. A. Rasam, and N. M. Tarmizi, "Urban poverty area identification using high resolution satellite imagery: A preliminary correlation study," in IEEE International Conference on Control System, Computing and Engineering, 2013 2013: IEEE, pp. 430-434.

[24] G. P. Sigdel, "Informal settlement segmentation using VHR RGB and height information from UAV imagery: A case study of Nepal," Master, Universitat Jaume I, 2021.

 [25] H. Yao, R. Qin, and X. Chen, "Unmanned aerial vehicle for remote sensing applications—A review," Remote Sensing, vol. 11, no. 12, p. 1443, 2019.

[26] Y. Zhou, E. Rupnik, C. Meynard, C. Thom, and M. Pierrot-Deseilligny, "Simulation and analysis of photogrammetric UAV image blocks—Influence of camera calibration error," Remote sensing, vol. 12, no. 1, p. 22, 2019.

[27] E. Sanz-Ablanedo, J. H. Chandler, J. R. Rodríguez-Pérez, and C. Ordóñez, "Accuracy of unmanned aerial vehicle (UAV) and SfM photogrammetry survey as a function of the number and location of ground control points used," Remote Sensing, vol. 10, no. 10, p. 1606, 2018.

[28] I. Toschi et al., "Oblique photogrammetry supporting 3D urban reconstruction of complex scenarios," International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. 42, pp. 519-526, 2017.

[29] C. Amrullah, D. Suwardhi, and I. Meilano, "Product accuracy effect of oblique and vertical non-metric digital camera utilization in UAV-photogrammetry to determine fault plane," ISPRS Annals of the Photogrammetry, Remote Sensing Spatial Information Sciences, vol. 3, pp. 41-48, 2016.

[30] E. G. Parmehr, M. Savadkouhi, and M. Nopour, "The impact of oblique images and flight‐planning scenarios on the accuracy of UAV 3D mapping," The Photogrammetric Record, 2023.

https://onlinelibrary.wiley.com/doi/abs/10.1111/phor.12466

آمار
تعداد مشاهده مقاله: 1,384
تعداد دریافت فایل اصل مقاله: 632


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب