Data inwinning door drones

UAV-data luchtmachtbasis

null
null

Voor de veiligheid van het luchtverkeer is het belangrijk dat er geen hoge hindernissen in de buurt van de luchthaven staan. De omgeving rondom een luchthaven wijzigt echter voortdurend. Hoe kan je deze obstakels nauwkeurig, snel en efficiënt in kaart brengen? Drones (Unmanned Aerial Vehicles of UAVs) zijn het antwoord.

Uitdaging

Het ICAO (International Civil Aviation Organization) legt in zijn richtlijnen voor luchthavens criteria vast omtrent hoogtebeperkingen rondom vliegvelden. Iedere 5 jaar moet de luchthaven alle natuurlijke en artificiële objecten identificeren die het zogenaamde hindernisbeperkend vlak doorsnijden. Dit hindernisbeperkend vlak duidt de hoogte aan waar er geen structuren bovenuit mogen steken, om zo het luchtruim vrij van obstakels te houden.

In opdracht van het Nationaal Geografisch Instituut (NGI) en Defensie heeft BitsOfData obstakels in de omgeving van de luchtmachtbasis van Koksijde gedetecteerd en vergeleken met de beperkingen opgelegd door het hindernisbeperkende vlak.

Oplossing

Traditioneel wordt deze obstakeldetectie uitgevoerd door middel van terreinmetingen of de interpretatie van traditionele luchtfoto’s. Beide methoden zijn zeer arbeidsintensief en de opmetingen en verwerking neemt enkele maanden in beslag. Data inwinning door UAVs is aanzienlijk goedkoper, bovendien kent data ingewonnen door UAVs een zeer korte verwerkingsketen waardoor de tijdsduur tussen vlucht en resultaatoplevering verkort wordt tot enkele weken. De volledige luchtmachtbasis inclusief aangrenzende terreinen (in totaal 7,7 km²) werd overvlogen door een multicopter uitgerust met een 24 MP camera. In totaal werden meer dan 4000 beelden genomen met een beeldresolutie van ca. 3 cm. De verwerking van de ruwe data gebeurt in verschillende stappen: relatieve oriëntering van beelden (op basis van GPS en point matches), georefereren: integratie van opgemeten controlepunten, creatie dense puntenwolk op basis van point-matching, afleiden hoogtemodel (digital surface model - DSM) op basis van dense puntenwolk en aanmaak (true) orthomosaic. De detectie van de obstakels gebeurt door een vergelijking van de punten in de dense 3D puntenwolk met de hoogte opgegeven in het hindernisbeperkend vlak. De geselecteerde punten worden vervolgens visueel geïnterpreteerd en in klassen (gebouw, lichtmast, pyloon of vegetatie) onderverdeeld.

Resultaat

De beeldverwerkingsresultaten zijn: een orthomosaic (resolutie 3-5 cm), dense 3D puntenwolk (ca. 125 punten/m²), nauwkeurig hoogtemodel (DSM) en classificatie van obstakels (punten). We kunnen accuraat de obstakels rondom de luchthaven identificeren. Onze resultaten tonen aan dat het gebruik van drones niet langer beperkt is tot zeer kleine gebieden (in de grootteorde van enkele hectares), maar ook voor grotere terreinen een rendabele oplossing is. De beeldverwerking is relatief goedkoop, kan snel gebeuren en heeft een hoge nauwkeurigheid

null

Wilt u ook terrein in kaart brengen met behulp van drones? Twijfel niet om ons te contacteren.