Tổng quan luận án
Tính cấp thiết và khoảng trống nghiên cứu
Trong lĩnh vực Trắc địa - Bản đồ, việc ứng dụng thiết bị bay không người lái (UAV) phục vụ thu nhận dữ liệu không gian ngày càng trở nên phổ biến nhờ khả năng vận hành linh hoạt tại các khu vực nguy hiểm, địa hình chia cắt khó tiếp cận, bay chụp ở độ cao thấp dưới tầng mây và cung cấp ảnh độ phân giải siêu cao với độ phủ lớn (60% - 90%). Tuy nhiên, các hệ thống UAV gắn cảm biến quét laser (UAV-LiDAR) hiện đại có giá thành thương mại rất cao, dẫn đến phần lớn các ứng dụng dân sự tại Việt Nam và trên thế giới chủ yếu sử dụng các dòng UAV phổ thông mang máy ảnh kỹ thuật số thông thường (3 kênh phổ RGB).
Từ thực tiễn xử lý dữ liệu ảnh UAV giá rẻ, luận án chỉ ra ba khoảng trống kỹ thuật chính:
- Hạn chế trong công tác tạo mô hình số độ cao (DEM) tự động: Các phần mềm thương mại hiện nay tạo mô hình số bề mặt (DSM) tương đối thuận lợi, nhưng thuật toán chiết tách DEM từ DSM thường nhầm lẫn giữa bề mặt địa hình và các đối tượng địa vật (nhà cửa, cây cối), đặc biệt tại khu vực có địa hình đồi gò hoặc thực phủ che phủ phức tạp. Phương pháp đo vẽ lập thể thủ công truyền thống trên hàng trăm cặp ảnh UAV kích thước nhỏ đòi hỏi khối lượng công sức rất lớn và kém khả thi.
- Hạn chế trong nhận dạng tự động đối tượng địa vật: Phần lớn công tác thành lập bản đồ từ ảnh UAV vẫn dựa trên số hóa thủ công (véc tơ hóa trực tiếp từ bình đồ ảnh). Các nghiên cứu ứng dụng phương pháp phân loại định hướng đối tượng (PLĐHĐT) trước đây chủ yếu thực hiện trên ảnh vệ tinh đa phổ (WorldView) hoặc ảnh hàng không nhiều hơn 3 kênh phổ; việc nghiên cứu áp dụng PLĐHĐT trên ảnh kỹ thuật số UAV chỉ có 3 kênh phổ RGB kết hợp dữ liệu mô hình số độ cao địa vật (DHM) chưa được giải quyết đầy đủ.
- Hạn chế trong xây dựng cơ sở dữ liệu 3D: Các nghiên cứu trong nước chủ yếu tập trung xây dựng cơ sở dữ liệu (CSDL) 3D ở dạng mô hình mô phỏng (3D model mapping) với cấu trúc hình học đơn giản hóa, chưa tiếp cận quy trình tích hợp mô hình 3D thực (3D mapping in real time - tái tạo từ đám mây điểm 3D và ảnh cấu trúc texture) với CSDL hệ thống thông tin địa lý (GIS).
Mục tiêu nghiên cứu
Luận án xác định 3 mục tiêu cụ thể:
- Xây dựng thuật toán và chương trình tạo DEM từ kết quả DSM phù hợp với một số dạng địa hình ở Việt Nam;
- Nhận dạng và nâng cao độ chính xác nhận dạng đối tượng trên bình đồ ảnh UAV;
- Xây dựng cơ sở dữ liệu 3D từ kết quả xử lý ảnh UAV.
Đối tượng và phạm vi nghiên cứu
- Đối tượng nghiên cứu: Các thuật toán tách DEM từ DSM, thuật toán nhận dạng đối tượng trên ảnh và quy trình xây dựng CSDL 3D từ dữ liệu DSM, ảnh trực giao (orthomosaic), ảnh xiên và đám mây điểm thu nhận từ UAV sau xử lý.
- Phạm vi nghiên cứu: Dữ liệu ảnh trực giao, ảnh xiên và DSM thu nhận bằng hệ thống thiết bị bay UAV đã được kiểm định tại khu vực bãi thử nghiệm thôn Yên Bồ, xã Vật Lại, huyện Ba Vì, thành phố Hà Nội (tọa độ trung tâm khoảng $21^\circ 12' 10''$ vĩ độ Bắc, $105^\circ 24' 26''$ kinh độ Đông).
Tổng quan tài liệu và vị trí của luận án
Các hướng nghiên cứu trên thế giới
- Lịch sử phát triển và thiết bị UAV: Từ các thử nghiệm chụp ảnh hàng không ban đầu bằng khinh khí cầu của Gaspard Tournachon (NaDar, 1858), diều bay của ED Archibald (1882), Arthur Batut (1888), George R. Lawrence (1906), chim bồ câu của Julius Neubranner (1903), tên lửa của Albert Maul (1906), đến mô hình trực thăng đo ảnh của Wester-Ebbinghaus (1980), các dòng UAV thương mại của Microdrone (MD4-200 năm 2006, MD4-1000, MD4-2000), hệ thống Aeroscout tích hợp máy quét Riegl LMS-Q160 của Imbach và Eck (2009), UAV-LiDAR kiểm kê rừng của Luke Wallace và cộng sự (2012), hệ thống UAV-Phoenix tích hợp LiDAR Velodyne HDL-32E của Wolfgang Juchmann (2013), và tổng quan của Molina (2014) trên tạp chí ISPRS.
- Ứng dụng thành lập bản đồ và tạo DEM: Tampubolon và Reinhardt (2014) thành lập bản đồ địa hình 1:1000 khu vực đền Borobudur bằng phần mềm PCI Geomatica và Agisoft PhotoScan; Xue và cộng sự (2015) lập bản đồ 1:1000 tại cao nguyên Tây Tạng bằng PixelGrid UAV; Leitão và cộng sự (2016) đánh giá độ chính xác DEM tạo tự động từ phần mềm Pix4D; Dowling và Gallant (2013) tạo DEM bằng phần mềm cấu trúc từ chuyển động (SFM).
- Thuật toán lọc tách DEM từ DSM: Các phương pháp lọc hình thể học (geomorphology filters) của Weidner và Förstner (1995); lọc trung bình (medium filters, 1996); toán tử hình thể học đa kích thước của Killian (1996); màng lọc cải tiến của Keqi Zhang và cộng sự (2003), Ismail và cộng sự (2015); lọc mặt địa hình tiến triển của Axelsson (1999); nội suy hiệp phương sai của Lee và cộng sự (2003); lọc theo ngưỡng độ dốc của Vosselman (2000), Sithole (2001); tối thiểu hóa hàm năng lượng với hàm Huber của Markus Unger và cộng sự (2009); màng lọc trên thực vật thưa của Kattenborn và cộng sự; phân tích hạn chế của đám mây điểm 1 lớp từ ảnh so với LiDAR của Sammartano và Spano (2016).
Các hướng nghiên cứu tại Việt Nam
- Thử nghiệm khí tài bay: Chế tạo UAV M400-CT (405, 406) của Viện Kỹ thuật Phòng không - Không quân (2005); mô hình UAV composite của sinh viên ĐH Bách Khoa TPHCM (2010); hệ thống UAV tích hợp GPS của Lê Văn Trung (2010); máy bay AV.S2 đo phổ kế của Viện Công nghệ không gian (2013); Cục Bản đồ - Bộ Tổng tham mưu thử nghiệm hệ thống MD4-1000 (2011), Swinglet CAM và Trimble UX-5 (2014).
- Ứng dụng trắc địa và GIS 3D: Đào Ngọc Long (2011) xử lý ảnh UAV M100-CT bằng phần mềm InterGraph; Phan Thị Anh Thư và Lê Văn Trung (2011) thử nghiệm AscTec Falcon 8; Vũ Phan Long và Lê Thắng (2014) khảo sát tuyến điện bằng UAV; các nghiên cứu xây dựng CSDL GIS 3D dạng mô hình mô phỏng phục vụ quản lý đô thị và di sản của Vũ Đức Minh (2013), Vương Tuấn Huy và cộng sự (2016), Trần Thị Phương và cộng sự (2016).
Khoảng trống luận án giải quyết
Luận án tập trung xử lý dữ liệu thu nhận từ UAV quang học giá rẻ thông qua:
- Đề xuất thuật toán bán tự động kết hợp phân ngưỡng cục bộ và nội suy để lọc tách DEM từ DSM trên địa hình thực tế tại Việt Nam;
- Thiết lập quy trình phân loại định hướng đối tượng kết hợp kênh màu RGB và mô hình chênh cao địa vật (DHM);
- Xây dựng quy trình tích hợp mô hình 3D thực dạng lưới đa giác cấu trúc ảnh (mesh texture) vào cơ sở dữ liệu GIS 3D theo chuẩn không gian địa lý.
Cơ sở lý thuyết và phương pháp nghiên cứu
Cơ sở lý thuyết và khung phân tích
-
Lý thuyết lọc số liệu độ cao trong mô hình bề mặt: Dựa trên hàm hiệu số độ cao cực đại $\Delta h_{max}$ và phân bố độ dốc địa hình. Đối với dữ liệu quét LiDAR, điều kiện lọc điểm địa hình dựa trên quan hệ:
$$\Delta h_{max} = a + k_a^2 \sigma_a^2 + b \cdot k_b^2 \sigma_b^2$$
Chuẩn phân loại điểm địa hình và địa vật theo ngưỡng khoảng cách trục $Z$:
- $(h_i - h_{min}) < k_1 / \cos b \implies$ Điểm địa hình
- $(h_i - h_{min}) > k_2 / \cos b \implies$ Điểm địa vật
Mặt phẳng cục bộ $ax + by + cz + d = 0$ được cực tiểu hóa theo phiếm hàm sai số $\chi^2$:
$$\chi^2(a,b,c,d) = \sum_{i=1}^N \frac{v_i^2}{\sigma_{vi}^2} = \sum_{i=1}^N \frac{(ax_i + by_i + cz_i + d)^2}{a^2 \sigma_{xi}^2 + b^2 \sigma_{yi}^2 + c^2 \sigma_{zi}^2}$$
-
Lý thuyết phân loại định hướng đối tượng (PLĐHĐT): Phân đoạn ảnh thành các đối tượng đa điểm ảnh (image segments/objects) dựa trên thuật toán phân mảnh đa độ phân giải (Multiresolution Segmentation) kết hợp các thuộc tính phổ, hình học, quan hệ không gian topology và mô hình màu HSI.
-
Khung phân tích CSDL 3D: Dựa trên phân loại 5 mức độ chi tiết không gian (LoD 0 đến LoD 4) theo chuẩn CityGML, kết hợp dữ liệu thuộc tính và không gian dạng 3D mesh trong môi trường phần mềm GIS.
Phương pháp nghiên cứu
- Phương pháp phân tích lý thuyết và tổng hợp tài liệu: Hệ thống hóa các thuật toán lọc điểm DSM, nhận dạng ảnh và cấu trúc CSDL 3D hiện có.
- Phương pháp thực nghiệm: Thu nhận dữ liệu thực địa bằng hệ thống UAV Swinglet-CAM tại xã Vật Lại; xử lý ảnh bằng Pix4D mapper; lập trình thuật toán thực nghiệm trên C++.
- Phương pháp mô hình hóa: Xây dựng sơ đồ khối thuật toán lọc điểm, quy trình phân loại định hướng đối tượng và quy trình tích hợp CSDL 3D.
- Phương pháp so sánh, kiểm chứng: Đánh giá độ chính xác DEM tạo ra so với số liệu đo đạc thực địa trực tiếp tỷ lệ 1:1000 theo Thông tư số 68/2015/TT-BTNMT trên 3 mặt cắt địa hình; so sánh kết quả nhận dạng đối tượng tự động với kết quả véc tơ hóa thủ công.
- Phương pháp chuyên gia: Tham vấn các chuyên gia thuộc Bộ môn Đo ảnh và Viễn thám (Trường Đại học Mỏ - Địa chất) và Cục Bản đồ - Bộ Tổng tham mưu.
Nguồn tư liệu và dữ liệu thực nghiệm
- Thiết bị bay và cảm biến: Thiết bị bay UAV cánh bằng Swinglet-CAM (hãng Sensefly, Thụy Sĩ) tích hợp hệ thống định vị dẫn đường INS/DGPS và máy ảnh kỹ thuật số Canon IXUS 127HS.
- Thông số bay chụp:
- Tuyến bay tầm thấp: 2 tuyến vuông góc ở độ cao 100 m, chụp 73 tấm ảnh xiên, độ phân giải mặt đất (GSD) đạt 3 cm;
- Tuyến bay tầm cao: 1 tuyến ở độ cao 180 m, chụp 27 tấm ảnh thẳng đứng, độ phân giải mặt đất (GSD) đạt 5,4 cm;
- Độ phủ dọc và độ phủ ngang của ảnh chụp đạt từ 70% đến 90%.
- Dữ liệu dẫn xuất sau xử lý sơ bộ qua Pix4D mapper: Bình đồ ảnh trực giao (orthomosaic), mô hình số bề mặt (DSM độ phân giải 0,2 m), dữ liệu đám mây điểm 3D (3D point cloud) và mô hình ảnh cấu trúc đối tượng (texture image).
| Thông số thực nghiệm |
Giá trị |
| Khu vực bay thực nghiệm |
Thôn Yên Bồ, xã Vật Lại, huyện Ba Vì, TP. Hà Nội |
| Tọa độ trung tâm |
$21^\circ 12' 10''$ N, $105^\circ 24' 26''$ E |
| Đặc điểm địa hình thực địa |
Đồi gò bán sơn địa chuyển tiếp đồng bằng, cao độ 6 m - 34 m |
| Thiết bị bay |
Swinglet-CAM (Sensefly) tích hợp INS/DGPS |
| Máy ảnh |
Canon IXUS 127HS |
| Tuyến bay thấp (100 m) |
73 ảnh (chụp xiên, GSD 3 cm) |
| Tuyến bay cao (180 m) |
27 ảnh (chụp đứng, GSD 5,4 cm) |
| Tổng số ảnh thu nhận |
100 ảnh, độ phủ dọc/ngang 70% - 90% |
Nội dung chính theo từng chương
Chương 1 - Tổng quan về hệ thống UAV và các ứng dụng dữ liệu ảnh UAV trong Trắc địa - Bản đồ
Chương 1 hệ thống hóa các định nghĩa, lịch sử phát triển của thiết bị bay không người lái từ các phương tiện thô sơ đến các hệ thống hiện đại trang bị con quay hồi chuyển, hệ thống định vị GPS/IMU và cảm biến chuyên dụng. Tác giả phân tích các ưu điểm của UAV như: khả năng tiếp cận vùng rủi ro, vận hành ở độ cao thấp dưới mây, chi phí thấp, tính linh hoạt và khả năng cung cấp ảnh có độ phủ lớn với độ phân giải siêu cao. Đồng thời, chương này chỉ ra các hạn chế kỹ thuật: tải trọng cảm biến nhỏ, máy ảnh phổ thông có độ ổn định hình học thấp, khả năng kháng gió hạn chế và phụ thuộc vào người điều khiển.
Chương này cũng tổng kết thực trạng ứng dụng ảnh UAV trong nước và quốc tế:
- Các nghiên cứu của Tampubolon & Reinhardt (2014), Xue và cs (2015), Leitão và cs (2016) khẳng định khả năng lập bản đồ địa hình tỷ lệ 1:1000 từ dữ liệu UAV.
- Các ứng dụng tại Việt Nam của Đào Ngọc Long (2011), Phan Thị Anh Thư & Lê Văn Trung (2011), Vũ Phan Long & Lê Thắng (2014), Vũ Đức Minh (2013) cho thấy việc tạo DEM tự động chưa đạt độ chính xác cần thiết và CSDL 3D chủ yếu dừng lại ở mô hình mô phỏng.
- Giới thiệu khu vực thực nghiệm tại xã Vật Lại (Ba Vì) và thiết kế hệ thống bay chụp phối hợp giữa tuyến bay tầm thấp (100 m) và tầm cao (180 m) để phục vụ cả việc dựng mô hình 3D thực lẫn thành lập bình đồ ảnh.
Chương 2 - Nghiên cứu và đề xuất thuật toán tạo DEM từ dữ liệu DSM
Chương 2 tập trung giải quyết bài toán tách lọc bề mặt địa hình từ mô hình số bề mặt (DSM). Do dữ liệu đám mây điểm từ ảnh số thông thường chỉ có một lớp bề mặt ngoài cùng (không xuyên qua tán cây như LiDAR), các thuật toán tự động hoàn toàn thường thất bại ở khu vực có thực phủ rậm rạp hoặc địa hình đồi núi dốc.
Tác giả đề xuất thuật toán bán tự động gồm 3 nội dung cốt lõi:
-
Thuật toán xác định các điểm độ cao đột biến: Xét hàm độ cao $f(x,y)$ của điểm ảnh $p(x,y)$ và 8 điểm lân cận $p_k(x_k, y_k)$. Điểm $p$ được xác định là điểm độ cao đột biến khi:
$$|f(x, y) - f(x_k, y_k)| \ge \Delta H$$
Các điểm này tạo thành đường bao khép kín quanh các đối tượng địa vật (nhà cửa, cây cối), trong khi trên nền địa hình chúng chỉ tạo thành các đoạn đứt rời rạc.
-
Thuật toán xác định tập điểm độ cao địa vật: Phân tách khu vực địa vật thông qua phân ngưỡng địa hình:
- Ngưỡng tự động toàn cục ($H_{tđ}$):
$$H_{tđ} = \frac{\sum_{i=1}^N h(p_i)}{N}$$
(Phù hợp cho địa hình bằng phẳng; gây lỗi nhầm lẫn đối với địa hình biến đổi lớn).
- Ngưỡng tùy chỉnh cục bộ ($H_{tc}$): Xác định trong dải độ cao $[f_{min}, f_{max}]$ theo từng vùng cục bộ, cho phép bóc tách chính xác ranh giới địa vật trên địa hình phức tạp.
- Loại bỏ tập điểm địa vật khỏi DSM để giữ lại tập điểm độ cao địa hình.
-
Thuật toán nội suy độ cao tái tạo nền địa hình: Tại các khu vực bị che khuất, độ cao địa hình $h_p$ tại điểm $p$ được tính toán từ các điểm địa hình xung quanh $p_i(x_i, y_i, h_i)$ thông qua phương pháp nghịch đảo trọng số khoảng cách (IDW):
$$h_p = \frac{\sum_{i=1}^n w_i h_i}{\sum_{i=1}^n w_i}, \quad \text{với } w_i = \frac{1}{d(p, p_i)^2}$$
$$d(p, p_i) = \sqrt{(x - x_i)^2 + (y - y_i)^2 + (h - h_i)^2}$$
Trường hợp khu vực bị che khuất hoàn toàn, thuật toán tích hợp thêm tập điểm đo bổ sung ngoại nghiệp $(X, Y, Z)$ trước khi thực hiện nội suy.
Thuật toán được xây dựng thành phần mềm thực nghiệm viết bằng ngôn ngữ C++. Kết quả kiểm nghiệm thực tế tại Vật Lại được so sánh với số liệu đo đạc thực địa tỷ lệ 1:1000 theo Thông tư 68/2015/TT-BTNMT dọc theo 3 mặt cắt địa hình (chiều dài trung bình 270 m, khoảng cách lấy mẫu 1 m), chứng minh địa vật được loại bỏ hoàn toàn và nền địa hình được khôi phục liên tục.
| STT |
Cặp đối tượng so sánh chênh cao |
Giá trị chênh cao trung bình (m) |
| 1 |
Cây - Nhà ($T_1 - T_2$) |
0,25 |
| 2 |
Cây/Nhà - Đất (Địa vật - Nền địa hình) |
4,35 |
| 3 |
Đất 1 - Đất 2 (Nền địa hình lân cận) |
0,24 |
Chương 3 - Nghiên cứu phương pháp nâng cao độ chính xác nhận dạng tự động đối tượng trên ảnh UAV
Chương 3 giải quyết bài toán tự động hóa công tác chiết xuất đối tượng địa mạo, địa vật phục vụ thành lập CSDL bản đồ, thay thế phương pháp số hóa thủ công:
- Nguyên lý phân loại định hướng đối tượng (PLĐHĐT): Ứng dụng thuật toán phân đoạn đa độ phân giải (Multiresolution Segmentation) với các tham số tỷ lệ (Scale parameter = 50, Shape = 0,2), chuyển đổi không gian màu RGB sang mô hình màu HSI (Hue - Saturation - Intensity) để tách biệt thông tin màu sắc và độ sáng.
- Tích hợp mô hình số độ cao địa vật (DHM): Dữ liệu DHM được tạo ra từ phép trừ giữa DSM và DEM ($DHM = DSM - DEM$). Thông tin độ cao tương đối từ DHM đóng vai trò là một kênh dữ liệu độc lập bổ sung vào tập thuộc tính phổ của đối tượng.
- Thiết lập bộ quy tắc phân loại: Xây dựng cây quyết định nhận dạng các lớp đối tượng chính: nhà mái ngói, nhà mái tôn, nhà fibro xi măng, nhà tầng, mặt nước, thực vật, đường giao thông.
- Kết quả thực nghiệm: Khi chỉ sử dụng 3 kênh phổ RGB, sự tương đồng về màu sắc giữa mái nhà fibro xi măng và mặt đường bê tông, hoặc giữa bóng đổ công trình và mặt nước gây ra nhiều sai số nhầm lẫn. Khi tích hợp dữ liệu DHM, độ chính xác nhận dạng tổng thể và độ chính xác phân loại từng lớp đối tượng tăng lên rõ rệt so với dữ liệu véc tơ hóa tham chiếu.
| Lớp đối tượng nhận dạng |
Kênh dữ liệu đầu vào |
Đặc trưng nhận dạng chính |
| Nhà mái ngói |
RGB + DHM |
Giá trị phổ kênh Red cao, DHM $> 2,5\text{ m}$, hình dạng góc cạnh |
| Nhà mái tôn |
RGB + DHM |
Độ phản xạ cao trên cả 3 kênh phổ, DHM $> 2,5\text{ m}$ |
| Nhà fibro xi măng |
RGB + DHM |
Độ xám tương tự bê tông, phân biệt nhờ giá trị DHM $> 2,5\text{ m}$ |
| Nhà tầng |
RGB + DHM |
Giá trị DHM $> 6,0\text{ m}$, cấu trúc đa giác khép kín |
| Mặt nước (ao, hồ) |
RGB + DHM |
Giá trị phổ kênh Blue/Green đặc trưng, DHM $\approx 0\text{ m}$, độ nhám thấp |
| Thực vật (cây cối, bụi) |
RGB + DHM |
Chỉ số màu sắc thực vật, DHM biến thiên theo tán cây |
Chương 4 - Xây dựng cơ sở dữ liệu 3D từ kết quả xử lý ảnh UAV
Chương 4 thiết lập quy trình công nghệ xây dựng cơ sở dữ liệu GIS 3D tích hợp mô hình 3D thực:
- Cơ sở lý thuyết: Chuẩn hóa cấu trúc dữ liệu không gian 3D dựa trên mô hình hình học mesh 3D và các mức độ chi tiết (LoD 0 đến LoD 4) theo chuẩn CityGML.
- Phân biệt hai mô hình 3D:
- Mô hình 3D mô phỏng (3D model mapping): Dựng khung hình học nhân tạo từ bình đồ ảnh, DEM và thư viện đối tượng 3D thiết kế sẵn.
- Mô hình 3D thực (3D mapping in real time): Xây dựng trực tiếp từ đám mây điểm dày đặc (3D point cloud) và mô hình ảnh cấu trúc đối tượng (texture image) tạo ra tự động từ các tuyến bay chụp ảnh xiên và thẳng đứng.
- Quy trình thực nghiệm:
- Xử lý khối ảnh bay chụp đa góc độ trên Pix4D mapper để tạo đám mây điểm 3D và lưới đa giác bề mặt thực;
- Thiết kế cấu trúc cơ sở dữ liệu nền địa lý tỷ lệ 1:2000 trên phần mềm ArcCatalog (ArcGIS);
- Chuyển đổi và nạp các lớp dữ liệu không gian (giao thông, thủy hệ, địa hình, ranh giới) vào cấu trúc CSDL;
- Tích hợp mô hình 3D thực và dữ liệu véc tơ vào phần mềm Skyline (TerraExplorer Pro);
- Liên kết bảng thuộc tính quản lý và thiết lập chức năng tìm kiếm, truy vấn thông tin không gian 3D.
Kết quả và những đóng góp mới
Đóng góp mới về mặt khoa học và lý luận
- Thuật toán tạo DEM từ DSM: Đề xuất thuật toán xác định điểm chênh cao đột biến kết hợp phân ngưỡng địa hình cục bộ ($H_{tc}$) và nội suy khoảng cách nghịch đảo (IDW) có bổ sung điểm kiểm soát, giải quyết hạn chế của việc thiếu dữ liệu dưới tán phủ thực vật trên ảnh quang học UAV.
- Phương pháp nâng cao độ chính xác nhận dạng đối tượng: Chứng minh tính hiệu quả của phương pháp phân loại định hướng đối tượng (PLĐHĐT) khi kết hợp dữ liệu ảnh quang học 3 kênh phổ (RGB) với mô hình độ cao địa vật (DHM), loại bỏ sự nhầm lẫn giữa các đối tượng có đặc trưng phổ tương đồng nhưng khác biệt về độ cao.
- Quy trình công nghệ CSDL GIS 3D thực: Hoàn thiện quy trình công nghệ xây dựng CSDL 3D tích hợp mô hình 3D thực từ ảnh chụp đa góc độ UAV vào hệ thống GIS thương mại (Skyline TerraExplorer, ArcGIS), phản ánh chính xác bề mặt địa hình thực tế.
Đóng góp về mặt thực tiễn và giải pháp đề xuất
- Xây dựng chương trình phần mềm độc lập (ngôn ngữ C++) hỗ trợ lọc tách DEM tự động và bán tự động từ dữ liệu DSM của ảnh UAV, giúp giảm đáng kể thời gian và nhân lực so với công tác đo vẽ lập thể truyền thống.
- Cung cấp giải pháp kỹ thuật kết hợp các tuyến bay chụp tầm thấp (100 m) và tầm cao (180 m) nhằm thu thập đầy đủ mặt bên công trình và bề mặt mái phục vụ tái tạo mô hình 3D thực.
- Thiết kế cấu trúc dữ liệu nền địa lý 3D tỷ lệ 1:2000 (Phụ lục 6) ứng dụng trực tiếp cho quản lý quy hoạch đô thị, hành lang tuyến điện và công tác quản lý đất đai.
Hạn chế và hướng nghiên cứu tiếp
Hạn chế
- Dữ liệu thực nghiệm mới được triển khai kiểm chứng tại một khu vực địa hình đặc thù (vùng chuyển tiếp bán sơn địa xã Vật Lại, Ba Vì, Hà Nội) với các loại hình địa vật chủ yếu là nhà cấp 4 và thực vật tầng thấp đến trung bình.
- Thuật toán phân ngưỡng tự động toàn cục ($H_{tđ}$) vẫn bộc lộ hạn chế khi áp dụng cho các khu vực có địa hình chia cắt mạnh hoặc độ dốc thay đổi liên tục, đòi hỏi phải can thiệp thủ công bằng phân ngưỡng tùy chỉnh cục bộ ($H_{tc}$).
- Tại những vùng địa hình bị thực phủ dày đặc che khuất hoàn toàn bề mặt đất, phương pháp vẫn phải phụ thuộc vào dữ liệu đo đạc bổ sung thực địa.
Hướng nghiên cứu tiếp
- Tiếp tục thử nghiệm và hiệu chỉnh các bộ tham số của thuật toán tạo DEM trên các dạng địa hình phức tạp khác nhau (vùng núi cao hiểm trở, khu vực đô thị mật độ cao).
- Tối ưu hóa thuật toán tự động hóa hoàn toàn việc chia vùng ngưỡng cục bộ nhằm hạn chế tối đa thao tác biên tập thủ công của người dùng.
- Mở rộng nghiên cứu nhận dạng tự động cho các lớp đối tượng địa mạo phức tạp khác và nâng cao mức độ chi tiết không gian của mô hình 3D thực.
Giá trị tham khảo
Đối tượng thụ hưởng và khả năng ứng dụng
- Nghiên cứu sinh, học viên cao học và giảng viên ngành Trắc địa - Bản đồ, Viễn thám và GIS: Tham khảo cơ sở toán học của thuật toán lọc điểm DSM, lý thuyết phân loại định hướng đối tượng kết hợp DHM và mã nguồn lập trình C++ (Phụ lục 3, 4).
- Cơ quan quản lý và đơn vị sản xuất bản đồ (Cục Bản đồ, các Trung tâm Trắc địa): Ứng dụng quy trình thiết kế bay chụp phối hợp (ảnh xiên và ảnh thẳng đứng) để thành lập bản đồ địa hình tỷ lệ lớn (1:1000, 1:2000) và xây dựng mô hình số độ cao DEM với chi phí thấp.
- Cán bộ quy hoạch đô thị, tài nguyên môi trường và quản lý hạ tầng: Ánh xạ quy trình tích hợp mô hình 3D thực trên nền tảng Skyline TerraExplorer và ArcGIS để phục vụ giám sát hành lang công trình, quản lý không gian đô thị và tài nguyên đất đai.
Câu hỏi thường gặp
1. Tại sao không thể áp dụng trực tiếp thuật toán lọc LiDAR để tạo DEM từ ảnh số UAV?
Dữ liệu LiDAR chứa nhiều tầng phản hồi xung (multi-echo) cho phép chùm tia laser xuyên qua các khe hở của tán lá xuống mặt đất, tạo ra các điểm mặt đất ở tầng cuối cùng. Ngược lại, dữ liệu đám mây điểm từ ảnh số UAV chỉ là mô hình một lớp bề mặt ngoài cùng (chỉ tái tạo được những gì máy ảnh nhìn thấy). Tại các khu vực bị thực phủ rậm rạp hoặc địa vật che khuất, ảnh số hoàn toàn không có thông tin điểm mặt đất bên dưới, do đó các thuật toán lọc hình thể học thông thường của LiDAR sẽ bị lỗi hoặc nhận nhầm đỉnh tán cây/mái nhà thành bề mặt địa hình.
2. Ngưỡng chênh cao đột biến $\Delta H$ trong thuật toán của luận án có ý nghĩa gì?
Ngưỡng chênh cao đột biến $\Delta H$ là giá trị chênh cao giới hạn giữa một điểm ảnh $p(x,y)$ và 8 điểm lân cận trên mô hình DSM nhằm phân biệt ranh giới giữa đối tượng địa vật và nền địa hình. Trên thực tế, nền đất tự nhiên thường biến đổi thoải (chênh cao lân cận trung bình khoảng 0,24 m), trong khi tại ranh giới công trình hoặc mép tán cây, độ chênh cao tăng đột biến (trung bình khoảng 4,35 m). Khi thiết lập $\Delta H$ thích hợp (ví dụ 1,5 m), các điểm thỏa mãn điều kiện sẽ tạo thành đường bao khép kín đánh dấu chính xác ranh giới của các khối địa vật.
3. Dữ liệu DHM được tính toán như thế nào và có vai trò gì trong việc nhận dạng đối tượng?
DHM (Digital Height Model - Mô hình số độ cao địa vật) được tạo ra bằng phép trừ đại số giữa mô hình số bề mặt và mô hình số độ cao ($DHM = DSM - DEM$). Vai trò của DHM là cung cấp thuộc tính độ cao thực tế của vật thể so với mặt đất. Khi phân loại ảnh UAV chỉ có 3 kênh màu RGB, các đối tượng có màu xám tương đồng (như mái nhà fibro xi măng và mặt đường bê tông) rất dễ bị phân loại nhầm. Nhờ có DHM (nhà có độ cao $> 2,5\text{ m}$, đường có độ cao $\approx 0\text{ m}$), thuật toán PLĐHĐT dễ dàng phân tách chính xác hai lớp đối tượng này.
4. Mô hình 3D thực khác mô hình 3D mô phỏng như thế nào trong xây dựng CSDL GIS 3D?
Mô hình 3D mô phỏng được xây dựng bằng cách dùng phần mềm đồ họa thiết kế các khối hình học nhân tạo của công trình rồi phủ lớp ảnh mẫu (symbol 3D) lên trên nền bình đồ và DEM. Ngược lại, mô hình 3D thực được tái tạo trực tiếp từ đám mây điểm dày đặc và ảnh cấu trúc đối tượng (texture image) thu được từ các tuyến bay chụp ảnh xiên đa hướng của UAV. Mô hình 3D thực phản ánh trung thực mọi góc cạnh, hình dáng và màu sắc thực tế của công trình ngoài thực địa mà không cần qua khâu thiết kế giả định.
5. Luận án đã kiểm chứng độ chính xác của mô hình DEM đề xuất bằng phương pháp nào?
Độ chính xác của DEM tạo ra từ thuật toán được kiểm chứng trực tiếp bằng số liệu đo đạc địa hình thực địa tỷ lệ 1:1000 tại thôn Yên Bồ (xã Vật Lại) tuân thủ tiêu chuẩn kỹ thuật của Thông tư số 68/2015/TT-BTNMT. Tác giả tiến hành so sánh chênh độ cao dọc theo 3 mặt cắt địa hình đại diện có chiều dài trung bình 270 m với bước lấy mẫu 1 m, kết hợp đánh giá sai số trung phương chênh cao trên toàn bộ bề mặt thực nghiệm.
Kết luận
Luận án của nghiên cứu sinh Đỗ Văn Dương đã giải quyết các vấn đề kỹ thuật trọng tâm trong chuỗi xử lý dữ liệu ảnh UAV dân dụng giá rẻ phục vụ ngành Trắc địa - Bản đồ. Các đóng góp chính bao gồm việc đề xuất thuật toán và chương trình C++ tạo DEM từ DSM dựa trên phân ngưỡng chênh cao cục bộ và nội suy IDW; thiết lập quy trình phân loại định hướng đối tượng nâng cao độ chính xác nhận dạng nhờ kết hợp 3 kênh phổ RGB với dữ liệu độ cao địa vật DHM; và hoàn thiện quy trình tích hợp mô hình 3D thực vào cơ sở dữ liệu GIS không gian theo chuẩn CityGML. Toàn bộ các thuật toán và quy trình công nghệ đều được kiểm chứng thông qua dữ liệu bay chụp thực địa tại xã Vật Lại (Ba Vì, Hà Nội) và đối chiếu với tiêu chuẩn đo đạc hiện hành, khẳng định tính khả thi trong ứng dụng thực tiễn thành lập bản đồ và quản lý cơ sở dữ liệu không gian 3D.
