• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
https://doi.org/10.11606/D.44.2020.tde-25082020-090103
Documento
Autor
Nome completo
Luiz Fernando dos Santos
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2020
Orientador
Banca examinadora
Grohmann, Carlos Henrique (Presidente)
Macedo, Eduardo Soares de
Tognoli, Francisco Manoel Wohnrath
Título em português
Utilização de dados 3D de alta resolução para detecção de mudanças em movimentos de massa em Perus, São Paulo (SP)
Palavras-chave em português
Deslizamentos
Detecção de mudança 3D topográfica
Drones
Nuvem de pontos
Veículo aéreo não tripulado - VANT
Resumo em português
Há um aumento da intensidade e frequência de desastres naturais em todo o mundo, especialmente os relacionados aos movimentos de massa (p. ex., deslizamentos), inclusive no Brasil onde vários ocorreram nos últimos anos. O desenvolvimento recente de plataformas e sensores remotos aéreos de coleta de dados, como aeronaves não tripuladas equipados com sensores fotográficos comuns (drones), pode, com um certo nível de planejamento fotogramétrico e processamento de dados, ser usado para entender melhor esses cenários, com resultados positivos na identificação, análise e monitoramento de áreas suscetíveis aos movimentos de massa. O objetivo foi (1) produzir uma extensa e ampla revisão bibliográfica de temas relacionados; (2) o emprego de drones e pontos de controle (GCPs), pela técnica dGNSS, em área suscetível de geodinâmica conhecida (como o Morro Doce, a NW da cidade de São Paulo); (3) uma comparação, por meio de algoritmo apropriado, de dois conjuntos de dados 3D registrados (nuvens de pontos) e gerados a partir de processamento fotogramétrico (SfM-MVS) para detectar alterações topográficas (p. ex., um deslizamento). O primeiro conjunto de imagens, adquirido em 2017, contém um total de 155 imagens e 7 GCPs de <1 cm em precisão XYZ. O segundo, de 2019, compreende 484 imagens e 8 GCPs de <2cm em XY e <4cm em Z. Diante de diferentes arranjos de aquisição de dados (linhas de vôo, altura acima do solo, GCPs) e equipamentos, o processamento de dados e o registro obtiveram a melhor qualidade possível por meio de uma análise da configuração inicial, observações de modelos de câmera, filtragem e otimização (ajustamento por feixe de raios) automatizados via script Python. A seguir, as nuvens densas, resultantes da etapa MVS, foram filtradas de ruídos e pontos acima do solo e depois segmentadas por uma área comum (cobrindo as feições de instabilidade identificadas na encosta). Após, uma filtragem multi-etapas utilizou um algoritmo especializado (Cloth Simulation Filter), as distâncias calculadas para uma superfície/nuvem de referência conhecida (dados LiDAR-ALS) e a remoção manual de pontos resultando em nuvens de pontos comparáveis, livres de objetos (apenas pontos de solo) e com erro de registro de 5cm medido em feições estáveis da encosta (p. ex., afloramentos rochosos). Uma comparação 3D nuvem a nuvem (método M3C2) detectou pequenas mudanças significativas em duas cicatrizes de deslizamento, sugerindo que estas áreas mudaram no intervalo de tempo do estudo, ou, que pontos não-solo ainda estavam presentes apesar da filtragem criteriosa (M3C2 considera a rugosidade das nuvens). Para considerar a origem dos dados (fotogramétrica) e melhorar os resultados, foram incorporados estimativas de precisão dos pontos (M3C2-Precision Maps), resultando em nenhuma alteração significativa detectada e correspondendo ao registro histórico da Defesa Civil local no período. O resultado representa um modelo histórico de mudança mais detalhado do que o monitoramento visual atualmente empregado. A prevenção é um dos principais pilares da gestão de desastres naturais, portanto, os resultados destacam um novo método de prevenção, de última geração e baixo custo, para monitorar movimentos de massa antes que eles ocorram e causem perdas e danos.
Título em inglês
Application of high resolution 3D data for change detection on mass movements at Perus, São Paulo, SP, Brazil
Palavras-chave em inglês
Drones
Landslides
Point cloud
Topographic 3D change detection
Unmanned aerial vehicle - UAV
Resumo em inglês
There is an increase of intensity and frequency of natural disasters around the world, especially in regards to mass movements (e.g., landslides), including in Brazil where several events occurred in recent years. Recent development of airborne remote data collection platforms and sensors such as unmanned aircrafts equipped with over-thecounter photographic sensors (drones) can, with a certain level of photogrammetric planning and data processing, be used to better understand these scenarios, with positive results in the identification, analysis and monitoring of areas susceptible to mass movement (e.g., landslide prone regions). The aim was (1) to produce an extensive and broad bibliographic review of related themes; (2) the usage of drones and ground control points (GCPs), by dGNSS technique, on a known geodynamic susceptible area (such as the Morro Doce slope, NW of São Paulo city); (3) a comparison by means of an appropriate algorithm of two registered 3D datasets (point clouds) generated from photogrammetric processing (SfM-MVS) in order to detect topographic change (e.g., a landslide). The first image set, acquired in 2017, contains 155 total images and 7 GCPs of <1 cm in XYZ precision. The second set, from 2019, comprises 484 images and 8 GCPs of <2cm in XY and <4cm in Z. In the face of different data acquisition arrangements (line of flight, height above ground, GCPs) and equipment, data processing and registration achieved the best possible quality by initial configuration analysis, camera model observations and automated cloud filtering and optimization (bundle block adjustment) via Python script. Then, the dense clouds, resulting from the MVS step, were filtered out of noise and above ground points and segmented to a common area (covering the instability features identified on the slope). Next, a multi-step dense cloud filtering approach took advantage of a specialized filtering algorithm (Cloth Simulation Filter), the calculated distances to a known reference surface/cloud (LiDAR-ALS data) and of a manual removal of points resulting on comparable point clouds free of objects (only ground points) with a registration error of 5cm measured on stable features of the slope (e.g., rocky outcrops). A 3D cloud to cloud comparison (M3C2 method) enabled the detection of changes which resulted in small significative changes for two bare soil landslide scars suggesting that these areas actually changed over the study time range, or that non ground points were still present on both clouds despite the careful filtering (since M3C2 considers cloud roughness). To take the photogrammetric data into account and improve the results, estimates of point precisions (M3C2-Precision Maps) were incorporated, resulting in no significant change detected and matching the local Civil Defense historic record for the time range. This result represents a more detailed historical change model when compared to the visual monitoring technique currently employed. Prevention is a major underpin in natural disaster management, thus the results highlights a new state-ofthe-art and low-cost prevention method to monitor mass movements before they occur and cause damage and losses
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2020-09-01
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2024. Todos os direitos reservados.