Method of Defining the Parameters for UAV Point Cloud Classification Algorithm

• Autorzy: Bui Ngoc Quy , Le Dinh Hien , Nguyen Quoc Long , Tong Si Son , Duong Anh Quan , Pham Van Hiep , Phan Thanh Hai , Pham Thi Lan

Identyfikatory

DOI

10.29227/IM-2020-02-08

Warianty tytułu

PL

[Metoda wyznaczania parametrów do opracowania metod klasyfikacji danych chmur punktów zbudowanych z obrazów BSP]

• Języki publikacji: EN

Abstrakty

EN

Image data from Drones/Unmanned Aerial Vehicles (UAVs) has been studied and used extensively for establishing maps. The process of UAV data provides three main products including (Digital Surface Model) DSM, Point cloud and Ortho-photos, in which point cloud is a valuable data source in building 3D models and topographic surfaces as well. However, processing point cloud separately to achieve secondary products has not been received much attention from researchers. This study determines parameters to develop a method for classifying point cloud data constructed from UAV images. Consequently, A 3D surface of the ground is built by applying a developed algorithm for the point cloud data for an open-pit mine. The temporal or non-ground objects such as trees, houses, vehicles are automatically subtracted from the point cloud by the algorithms. According to this line, it is possible to calculate and analyze the amount of reserves, the exploited volume to evaluate the efficiency for each mine during operation with the support of UAV integrated camera.

PL

Dane uzyskane z dronów / bezzałogowych statków powietrznych (BSP) zostały zbadane i powszechnie wykorzystane do opracowania map. Przetwarzanie danych z BSP zapewnia trzy główne produkty, a mianowicie: Model numeryczny powierzchni (MNS), chmurę punktów i ortofotomapy, w których chmura punktów jest cennym źródłem danych przy budowaniu modeli 3D i powierzchni topograficznych. Dotychczas, kwestia przetwarzania chmury punktów osobno w celu uzyskania produktów wtórnych nie wzbudziła większego zainteresowania naukowców. W artykule, przedstawiono wyniki badania nad sposobem wyznaczenia parametrów niezbędnych do opracowania metod klasyfikacji danych chmur punktów zbudowanych z obrazów BSP. W efekcie tego procesu, powstaje trójwymiarowa powierzchnia powierzchni poprzez zastosowanie opracowanego algorytmu dla danych chmury punktów w kopalni odkrywkowej. Na tej podstawie, można służyć do pomiarów inwentaryzacyjnych, bieżącej kontroli zgodności postępu eksploatacji górniczej z planem ruchu zakładu górniczego, prowadzenia pomiarów postępu frontu eksploatacji w złożu oraz frontów, obejmujących proces zdejmowania nadkładu oraz wyeksploatowanego złoża.

Słowa kluczowe

EN

UAV; point cloud; classification algorithms; open-pit mines

PL

BSP; chmura punktów; algorytmy klasyfikacyjne; kopalnie odkrywkowe

• Wydawca: Polskie Towarzystwo Przeróbki Kopalin
• Czasopismo: Inżynieria Mineralna
• Rocznik: 2020
• Tom: no. 2, vol. 1
• Strony: 49--56
• Opis fizyczny: Bibliogr. 16 poz., rys., tab., zdj.

Twórcy

autor

Bui Ngoc Quy

• Hanoi University of Mining and Geology, Hanoi, Vietnam

autor

Le Dinh Hien

• Hanoi University of Mining and Geology, Hanoi, Vietnam
• Natural resources and Environment one member co., ltd, Hanoi, Vietnam

autor

Nguyen Quoc Long

• Hanoi University of Mining and Geology, Hanoi, Vietnam

autor

Tong Si Son

• University of Science and Technology of Hanoi, Vietnam Academy of Science and Technology, Hanoi, Vietnam

autor

Duong Anh Quan

• Hanoi University of Mining and Geology, Hanoi, Vietnam

autor

Pham Van Hiep

• Hanoi University of Mining and Geology, Hanoi, Vietnam

autor

Phan Thanh Hai

• Department of Cartography, General Staff of the Vietnam People's Army, Hanoi, Vietnam

autor

Pham Thi Lan

• Hanoi University of Mining and Geology, Hanoi, Vietnam

Bibliografia

• 1. Bui, X.N., et al., Use of Unmanned Aerial Vehicles for 3D topographic Mapping and Monitoring the Air Quality of Open-pit Mines. Inżynieria Mineralna, 2019. 21.
• 2. Canh, L.V., Cuong, C.X., Viet, L.H., Tien, Dinh., (2020). Volume computation of quarries in Vietnam based on Unmanned Aerial Vehicle (UAV) data. Mining and earth sciences, 61(1), 21-30. doi:10.46326/JMES.2020.61(1).03
• 3. Geunsang Lee, Mikyoung Choi, Wansik Yu, Kwansue Jung, (2019). Creation of river terrain data using region growing method based on point cloud data from UAV photography, Quaternary International, Volume 519, Pages 255-262.
• 4. Han X. F., Jin J. S., Wang M. J., et al. (2017). A review of algorithms for filtering the 3D point cloud. Signal Processing Image Communication, Volume 57:103-112.
• 5. Jinbo Lu, Hong Wang, Shuhong Qin, Lin Cao, Ruiliang Pu, Guilin Li, Jing Sun, (2020). Estimation of aboveground biomass of Robinia pseudoacacia forest in the Yellow River Delta based on UAV and Backpack LiDAR point clouds, International Journal of Applied Earth Observation and Geoinformation, Volume 86, 102014.
• 6. Lin H. B., Fu D. M., Wang Y. T. (2017). Feature preserving denoising of scattered point cloud based on parametric adaptive and anisotropic gaussian kernel. Computer Integrated Manufacturing Systems, Volume 23(12):2583-2592.
• 7. Li P. F., Wu H. E., Jing J. F., et al., (2016). Noise classification denoising algorithm for point cloud model. Computer Engineering and Application, Volume 52(20):188-192.
• 8. Long, N. Q., Nam, B. X., Cuong, C. X., & Canh, L. V. (2019). An approach of mapping quarries in Vietnam using low-cost Unmanned Aerial Vehicles. International Journal of Sustainable Development, 11(2):199-210. doi:10.21177/1998-4502-2019-11-2-199-210.
• 9. Lorenzo Comba, Alessandro Biglia, Davide Ricaud Aimonino, Paolo Gay, (2018). Unsupervised detection of vineyards by 3D point-cloud UAV photogrammetry for precision agriculture, Computers and Electronics in Agriculture, Volume 155, Pages 84-95.
• 10. Mustafa Zeybek, İsmail Şanlıoğlu, (2019). Point cloud filtering on UAV based point cloud, Measurement, Volume 133, Pages 99-111.
• 11. Ning Ye, Louise van Leeuwen, Panagiotis Nyktas, (2019). Analysing the potential of UAV point cloud as input in quantitative structure modelling for assessment of woody biomass of single trees, International Journal of Applied Earth Observation and Geoinformation, Volume 81, Pages 47-57.
• 12. Nghia, N. V. (2020). "Building DEM for deep open-pit coal mines using DJI Inspire 2. Journal of Mining and Earth Sciences, 61(1), 1-10. doi:10.46326/JMES.2020.61(1).01.
• 13. Wu L. S., Shi H. L., Chen H. W., (2016). Denoising of three-dimensional point data based on classification of feature information. Optics and Precision Engineering. Volume 24(6):1465-1473.
• 14. Yuan H., Pang J. P., Mo J. W., (2015). Denoising algorithm for bilateral filter point based on noise classification. Journal of Computer Applications, Volume 35(8):2305-2310.
• 15. Zeng F. X., Li L.,(2016). Research on point cloud filtering based on Lagrange operator and surface fitting. Journal of laser, Volume 37(8):75-78.
• 16. Yumin Tan, Shuai Wang, Bo Xu, Jiabin Zhang, (2018). An improved progressive morphological filter for UAV-based photogrammetric point clouds in river bank monitoring, ISPRS Journal of Photogrammetry and Remote Sensing, Volume 146, Pages 421-429.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).