Iterative Hybrid Discrete-Continuous Viewpoint Planning for UAV Photogrammetry

Sintesi Tecnica: Pianificazione Iterativa di Prospettive Ibride Discreto-Continue per la Fotogrammetria UAV

Definizione del Problema
La fotogrammetria tramite veicoli aerei non pilotati (UAV) si basa su reti di telecamere che forniscono una copertura superficiale, una sovrapposizione di immagini, una parallasse e una risoluzione sufficienti per garantire una ricostruzione 3D di alta qualità. Tuttavia, le traiettorie di volo convenzionali, come i pattern "a taglierina" (lawnmower) con orientamento nadirale, sono spesso scarsamente adattate alle geometrie complesse delle scene. Questo disallineamento porta a errori di ricostruzione locali, superfici incomplete e modelli imprecisi quando le strutture vengono osservate da angoli inadatti, distanze eccessive o con un numero insufficiente di immagini sovrapposte. Sebbene i metodi esistenti affrontino questi problemi attraverso approcci di Next-Best-View (NBV) online o pianificazione basata su modelli, rimane la necessità di un metodo che bilanci la qualità della ricostruzione locale con la robustezza globale della rete di immagini senza incorrere in costi di acquisizione eccessivi.

Metodologia
Il documento propone un metodo di pianificazione di prospettive ibrido discreto-continuo che genera un percorso di volo mirato basato su una ricostruzione proxy. Il processo presuppone un'acquisizione in due fasi: un volo esplorativo iniziale (ad esempio, un pattern a taglierina) che crea una mesh proxy grossolana, la quale viene poi utilizzata per pianificare un secondo volo ottimizzato.

La metodologia opera attraverso le seguenti fasi:

1. Euristiche di Ricostruzione: Il pianificatore valuta i punti superficiali e gli insiemi di prospettive utilizzando punteggi fotogrammetrici specifici:

   • Punteggi a livello di punto: Stimano la qualità della ricostruzione basandosi su frontalità (allineamento con le normali della superficie), distanza di ripresa (aderenza al Ground Sampling Distance target), parallasse (diversità angolare) e conteggio delle osservazioni multi-vista.
   • Punteggi dell'insieme di prospettive: Valutano le proprietà globali della rete, premiando la visibilità (numero di punti osservati), la sovrapposizione a coppie (contenuto della scena condiviso tra le viste) e la connettività del grafo (garantendo che la rete di immagini formi un unico componente connesso).
   • Una funzione obiettivo globale combina questi punteggi locali e globali.

2. Pianificazione Ibrida Discreto-Continua:

   • Generazione dei Candidati: Il sistema identifica le regioni superficiali debolmente osservate e genera prospettive candidate attorno ad esse. Ciò comporta il campionamento di viste frontali e laterali con offset angolari specificati, vincolati dai limiti della telecamera e del gimbal.
   • Aggiunta di Prospettive: Nuovi candidati vengono aggiunti iterativamente per garantire conteggi minimi di osservazione e riparare le regioni deboli, ma solo se migliorano l'obiettivo globale.
   • Ottimizzazione Continua Clusterizzata: Per raffinare le pose, il metodo impiega la Strategia di Evoluzione a Adattamento della Covarianza (CMA-ES). Le prospettive sono partizionate in cluster spaziali per ridurre la dimensionalità. La CMA-ES è stata selezionata rispetto ai metodi basati su gradiente o Nelder-Mead perché l'obiettivo di ricostruzione è non convesso, non differenziabile e discontinuo a causa dei cambiamenti discreti di visibilità.
   • Eliminazione delle Prospettive (Culling): Le prospettive ridondanti vengono rimosse. Se una prospettiva non osserva punti o crea una sovrapposizione eccessiva senza migliorare il punteggio globale, viene scartata per minimizzare l'acquisizione delle immagini.

3. Design delle Prospettive a Due Livelli: L'insieme finale combina due tipi di prospettive:

   • Prospettive di dettaglio a corto raggio: Generate attorno a specifiche regioni deboli per migliorare la risoluzione locale e la qualità della ricostruzione.
   • Prospettive di copertura del modello: Generate per inquadrare porzioni più ampie del modello proxy, garantendo il contesto globale e la stabilità della rete di immagini.

4. Ordinamento della Traiettoria: L'insieme disordinato risultante viene convertito in un percorso di volo eseguibile risolvendo un problema del Commesso Viaggiatore (TSP) per determinare un ordine di percorrenza efficiente.

Contributi Chiave
Il documento identifica tre contributi primari:

• Una funzione obiettivo di ricostruzione che integra metriche di qualità fotogrammetrica locale con proprietà globali della rete di immagini (visibilità, sovrapposizione e connettività).
• Un pianificatore ibrido discreto-continuo che aggiunge, ottimizza (tramite CMA-ES clusterizzata) e rimuove iterativamente le prospettive.
• Una strategia di design delle prospettive a due livelli che bilancia le viste di dettaglio a corto raggio per l'accuratezza locale con le viste di copertura del modello per la robustezza globale.

Risultati
Il metodo è stato valutato su tre scene sintetiche derivate da modelli reali: la Tomba di Tu Duc, la Chiesa di Santa Sofia e la Cattedrale Metropolitana di Città del Messico. Il metodo proposto è stato confrontato con Smith et al. [1] e Yan et al. [13].

• Accuratezza e Completezza: Il metodo proposto ha generalmente migliorato sia l'accuratezza che la completezza della ricostruzione. Ha ottenuto il miglior errore al 90° percentile in tutte le scene e la massima completezza alla soglia di 0,075 m. Per le scene della Tomba e della Chiesa, ha superato i baseline alla soglia più rigorosa di 0,050 m, sebbene Yan et al. [13] abbiano mostrato una prestazione leggermente migliore allo 0,050 m per la Chiesa.
• Efficienza: Il metodo ha ottenuto questi miglioramenti di qualità con significativamente meno immagini rispetto a Yan et al. [13] e meno o un numero comparabile di immagini rispetto a Smith et al. [1]. Di conseguenza, i tempi di allineamento sono stati sostanzialmente inferiori rispetto a Yan et al. e comparabili a quelli di Smith et al., dimostrando un favorevole compromesso tra qualità della ricostruzione e costo di acquisizione.
• Evidenza Visiva: Le visualizzazioni dell'errore hanno indicato che il metodo proposto produce meno regioni di errore severo attorno a facciate e ingressi complessi rispetto ai baseline.

Significato e Limitazioni
Il documento afferma che il metodo proposto offre un rapporto superiore tra qualità della ricostruzione ed efficienza di acquisizione, bilanciando il dettaglio locale con la robustezza della rete globale. Esso affronta efficacemente i limiti delle traiettorie fisse adattandosi alla geometria della scena attraverso un approccio iterativo basato su proxy.

Tuttavia, gli autori riconoscono modestamente una limitazione chiave: la dipendenza del metodo dalla qualità della ricostruzione proxy iniziale. Le regioni mancanti o scarsamente ricostruite nella proxy (come le geometrie interne) potrebbero non essere prioritarie durante la pianificazione del secondo volo. Il documento suggerisce che il lavoro futuro potrebbe incorporare immagini di ricostruzione proxy per rilevare i dettagli mancanti e integrare termini di tempo di volo e qualità del volo nell'obiettivo di ottimizzazione per migliorare ulteriormente l'efficienza pratica del volo UAV.