REZUMATUL TEZEI DE DOCTORAT - doctorat.tuiasi.ro · MULȚUMIRI În aceste momente deosebite,...

IAŞI, 2018

UNIVERSITATEA TEHNICĂ

“GHEORGHE ASACHI” DIN IAŞI

REZUMATUL

TEZEI DE DOCTORAT

CERCETĂRI PRIVIND UTILIZAREA

TEHNOLOGIEI DE SCANARE LASER

PE CURSURI DE APĂ

Conducător de doctorat: Student doctorand:

Prof. Univ. Dr. Ing. ION GIURMA ANA-MARIA LOGHIN

Dedicată în amintirea dragului, regretatului meu tată,

croitor Mihai Loghin,

cel căruia ȋi datorez ceea ce sunt

(1955-2016)

“Si-mi pare-aşa ciudat că se mai poate

găsi atâta vreme pentru ură,

când viata e de-abia o picătură

ȋntre minutu-acesta care bate

și celălalt –

și-mi pare ne-nțeles și trist

că nu privim la cer mai des,

că nu culegem flori și nu zâmbim,

noi, care-atât de repede murim.”

(Magda Isanos – “Murim…ca mâine”)

MULȚUMIRI

În aceste momente deosebite, marcate de încheierea stagiului de doctorat,

doresc să aduc cuvinte de sinceră mulțumire și de profundă recunoștință tuturor

celor care m-au îndrumat și m-au susținut în toți acești ani.

În primul rând, sincere mulțumiri și sentimente de considerație domnului

prof. univ. dr.ing. Ion Giurma, în calitate de coordonator științific al prezentei

lucrări de doctorat, pentru permanenta sa îndrumare, pentru întreg sprijinul,

înțelegerea și încrederea acordată pe parcursul desfășurării activității de

cercetare științifică și de elaborare a tezei.

În mod deosebit, le mulțumesc distinșilor referenți oficiali prof. univ. dr.ing.

Petre Iuliu Dragomir, prof. univ. dr.ing. Maricel Palamariu şi conf. dr. ing. Ersilia

Oniga pentru timpul și onoarea acordată de a recenza această lucrare.

Mulțumesc în mod special doamnei Conf. dr. ing. Ersilia Oniga, cea care

mi-a deschis drumul și m-a călăuzit în universul minunat al Fotogrammetriei și

Teledetecției. Doresc să îi mulțumesc pentru sprijinul științific, îndrumarea

permanentă și în mod special pentru sprijinul deosebit acordat pentru pregătirea

stagiului Erasmus în cadrul Universității Tehnice din Viena, precum și pentru

ideile și sfaturile constructive în redactarea acestei lucrări.

De asemenea, le mulțumesc domnilor profesori din cadrul Universității

Tehnice “Gheorghe Asachi” din Iași: domnului prof. univ. dr. ing. Dorin

Cotiușcă-Zăucă, domnului conf. dr. ing. Constantin Bofu, care, în calitate de

membrii ai comisiei de susținere a rapoartelor de cercetare științifică, au

contribuit cu sugestii și sfaturi pentru îmbunătățirea prezentei lucrări.

Alese și sincere mulțumiri domnului prof. univ. dr. ing. Norbert Pfeifer,

conducătorul Grupului de cercetare de Fotogrammetrie al Universității Tehnice

din Viena, pentru răspunsul pozitiv la aplicarea stagiului de pregatire Erasmus.

Îi datorez deosebită recunoștință pentru întregul set de date oferit, pe baza căruia

s-au realizat analizele științifice, dar și pentru discuțiile constructive, pline de idei

și sugestii, care au contribuit la progresul cercetărilor. De asemenea, doresc să

le mulțumesc domnului prof. dr. ing Johannes Otepka, domnului asistent univ.

Markus Poechtrager, precum și întregii echipe din cadrul departamentului de

Geodezie și Geoinformație pentru disponibilitatea, explicațiile oferite și punerea

la dispoziție a softului OPALS, folosit în post-procesarea datelor de scanare laser.

Nu în ultimul rând, îi mulțumesc din suflet familiei mele: mamei și

surorilor şi celor apropriaţi, care au fost și sunt mereu alături de mine, pentru

sprijinul, încrederea, răbdarea, dragostea și susținerea morală cu care m-au

învăluit. Îi mulțumesc profund tatălui meu, care deși fizic nu mai este printre noi,

l-am simțit mereu aproape, i-am simțit ajutorul neîntrerupt și încurajarea

neîncetată.

Cuprins ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪

i

CUPRINS

Mulțumiri Cuprins .................................................................................................................. i 1. O tehnologie care schimbă lumea ... ................................................................1 1.1 De unde a început totul ... .................................................................................1 1.2 Aspecte generale ...............................................................................................2 1.3 Motivație ...........................................................................................................3 1.4 Obiective și scop ...............................................................................................4 1.5 Structura tezei de doctorat ................................................................................4

2. Situaţia actuală privind utilizarea tehnologiei de scanare laser pe cursuri de

apă ..........................................................................................................................6 2.1 Introducere ........................................................................................................6 2.2 Relieful fluvial ..................................................................................................6 2.3 Tehnologia de scanare laser ..............................................................................7

2.3.1 Principiul de scanare al tehnologiei laser ..............................................7 2.3.2 Clasificarea sistemelor de scanare laser ................................................7 2.3.3 Sisteme de scanare laser aeropurtate .....................................................7 2.3.4 Sisteme de scanare laser terestre ...........................................................7

2.4 Situaţia actuală pe plan internaţional privind aplicarea tehnologiei de scanare

laser pe cursuri de apă .............................................................................................7 2.4.1 Condiţii de aplicare a tehnologiei de scanare laser pe cursuri de apă ....7 2.4.2 Clasificarea aplicaţiilor de utilizare a tehnologiei de scanare laser .......8 2.4.3 Aspecte importante privind aplicarea tehnologiei LiDAR în medii

străbătute de cursuri de apă ............................................................................8 2.4.4 Aplicaţii ale tehnologiei de scanare laser pe cursuri de apă ..................8 2.4.5 Scanarea laser aeriană ...........................................................................9 2.4.6 Scanarea laser terestră ...........................................................................9 2.4.7 Sisteme ULS ..........................................................................................9 2.4.8. Scanere laser topo-batimetrice ........................................................... 10 2.4.9 Situaţia actuală pe plan internaţional în ceea ce priveşte obţinerea

Medelului Digital al Terenului prin filtrarea datelor de scanare laser .......... 10 2.5. Situatia actuală pe plan naţional în ceea ce priveşte utilizarea sistemelor de

scanare laser în diverse aplicaţii ........................................................................... 10 2.5.1 Companii naţionale care utilizează sisteme de scanare laser 3D ......... 10 2.5.2 Domenii de utilizare a sistemelor laser de scanare pe plan naţional.... 10

2.6 Concluzii ......................................................................................................... 10

3. Clasificarea3D a norilor de puncte ................................................................ 11 3.1 Introducere ...................................................................................................... 11 3.2 Clasificarea tridimensională a norilor de puncte ............................................. 11


ii

3.2.1 Tipuri de clasificare ............................................................................. 11 3.2.2 Metode existente de clasificare a norilor de puncte............................. 11 3.2.3 Surse de date folosite în clasificarea 3D .............................................. 12

3.3 Studiu de caz: Râul Pielach – o bijuterie a naturii .......................................... 12 3.3.1 Prezentarea zonei de studiu ................................................................. 12 3.3.2 Surse de date, materiale și metode utilizate în clasificare ................... 13 3.3.3 Algoritmi utilizaţi pentru clasificarea tridimensională ........................ 13

3.4 Clasificarea norilor de puncte în medii naturale ............................................. 13 3.4.1 Pre-procesarea norilor de puncte ......................................................... 14 3.4.2 Stabilirea fluxului pentru clasificare ................................................... 14

3.5 Prezentarea algoritmului de clasificare supervizată ........................................ 14 3.5.1 Clasificarea bazată pe arbori de decizie .............................................. 14 3.5.2 Algoritmi de decizie ............................................................................ 14 3.5.3 Baza matematică a arborilor de decizie ............................................... 15 3.5.4 Etapele clasificării supervizate ............................................................ 15

3.6 Prezentarea algoritmului de clasificare semi-supervizată ............................... 15 3.6.1 Baza matematică pentru algoritmii de tip SVM .................................. 15 3.6.2 Clasificarea norilor de puncte prin utilizarea software-ului

CANUPO ..................................................................................................... 16 3.6.3 Aplicarea algoritmului de clasificare semi-supervizată pentru studiul de

caz ................................................................................................................ 16 3.7 Aplicarea algoritmului CSF de filtrare a punctelor teren ....................... 17

3.8 Compararea rezultatelor clasificării şi analiza preciziei rezultatelor .............. 18 3.9 Concluzii ......................................................................................................... 20

4. Algoritm propus pentru filtrarea, segmentarea şi clasificarea norilor de

puncte în scopul derivării Modelelor digitale ale terenului pe baza datelor de

scanare laser aeropurtat LSA ............................................................................ 21 4.1 Introducere ...................................................................................................... 21

4.1.1 Aspecte generale ................................................................................. 21 4.1.2 Avantajele utilizării datelor LSA (Laser Scaner Aeropurtat) pentru

obţinerea Modelelor Digitale ale Terenului ................................................. 21 4.2 Algoritm inovativ de filtrare, segmentare şi clasificare a norilor de puncte ... 21 4.3 Situaţia actuală pe plan international în ceea ce priveşte filtrarea norilor de

puncte ................................................................................................................... 22 4.3.1 Clasificarea metodelor existente de filtrare a norilor de puncte .......... 22 4.3.2 Limitări ale metodelor existente de filtrare ......................................... 22

4.4 Propunerea unui nou algoritm de filtrare a norilor de puncte ......................... 22 4.4.1 Obiective principale ale metodei propuse ........................................... 23 4.4.2 Etape de procesare ............................................................................... 23

4.5 Aplicarea metodei propuse – studii de caz...................................................... 24 4.5.1 Prezentarea etapelor algoritmului de filtrare a punctelor-teren ........... 24 4.5.2 Pre-procesarea şi filtrarea datelor ........................................................ 25


iii

4.5.3 Filtrare – robfilter ................................................................................ 25 4.5.4 Segmentarea norilor de puncte ............................................................ 25 4.5.5 Clasificare segmentelor - Implementare algoritm în Matlab ............... 26 4.5.6 Combinarea punctelor-teren ................................................................ 27

4.6 Analiza rezultatelorobţinute ............................................................................ 27 4.6.1 Generarea Modelului Digital al Diferenţelor ....................................... 27 4.6.2 Vizualizare profile transversale ........................................................... 28 4.6.3 Clase de puncte rezultate ..................................................................... 29

4.7 Studiu de caz numărul 2.................................................................................. 29 4.8 Concluzii ......................................................................................................... 32

5. Aplicaţii ale datelor de scanare laser pe cursuri de apă .............................. 33 5.1 Introducere ...................................................................................................... 33 5.2 Pre-procesarea datelor de scanare laser .......................................................... 33

5.2.1 Sisteme de scanare laser utilizate în prezentul studiu de caz ............... 33 5.2.2 Achiziţia datelor de scanare laser ........................................................ 33

5.3 Crearea Modelului Digital al Suprafeţei prin utilizarea datelor laser scaner

aeropurtat .............................................................................................................. 35 5.3.1 Aspecte generale ................................................................................. 35 5.3.2 Procesarea datelor ............................................................................... 35

5.3.2.1 Metoda aplicată pentru derivarea MDS ...................................... 35 5.3.2.2 Derivarea imaginii raster corespunzatoare rugozităţii suprafeţei 36 5.3.2.3 Modelul matematic ..................................................................... 36

5.3.3 Derivarea Modelului Digital al Suprafeţei .......................................... 37 5.4 Analize efectuate pentru vegetaţia din zonele străbătute de cursuri de apă .... 37

5.4.1 Determinarea locaţiei arborilor şi înălţimile acestora .......................... 37 5.4.2 Structura vegetaţiei pe verticală .......................................................... 38 5.4.3 Evoluţia vegetaţiei în timp .................................................................. 38

5.5 Aplicaţii ale Modelelor Digitale ale Terenului ............................................... 38 5.5.1 Derivarea MDT pentru întreaga suprafaţă de studiu ........................... 38

5.5.2 Aplicații ale Modelului Digital al Terenului ................................................ 39 5.6 Aplicații ale Modelului Digital al Terenului în hidrologie ............................. 39

5.6.1 Modelarea sistemului de drenaj ........................................................... 39 5.6.2 Direcţia scurgerii superficiale ............................................................. 39 5.6.3 Calculul direcţiei scurgerii superficiale pentru zona de studiu ............ 39 5.6.4 Acumularea scurgerii .......................................................................... 40

5.7 Analiza evoluţiei în timp a albiei râului .......................................................... 40 5.8 Concluzii ......................................................................................................... 42

6. Tehnologia de scanare laser topo-batimetrică .............................................. 43 6.1 Introducere ...................................................................................................... 43 6.2 Scurt istoric ..................................................................................................... 43 6.3 Principiul de măsurare al batimetriei LiDAR ................................................. 43


iv

6.3.1 Principiul de scanare al senzorului topo-batimetric............................. 44 6.3.2 Corecţia fenomenului de refracţie ....................................................... 44 6.3.3 Principiul corecţiei de refracţie ........................................................... 44

6.4 Studiu de caz – descrierea datelor topo-batimetrice ....................................... 44 6.4.3 Algoritmul de procesare pentru corecţia unghiului de refracţie .......... 45

6.4.3.1 Procesul de filtrare a norului de puncte ...................................... 45 6.4.3.2 Derivarea Modelului Digital de suprafață al Apei (MDSA) ....... 46 6.4.3.3 Calcului corecţiei de refracţie a ecourilor laser........................... 46

6.5 Vizualizarea şi analiza rezultatelor ................................................................. 47 6.5.1 Analiza rezultatelor pe baza profilelor transversale ............................ 47 6.5.2 Analiza rezultatelor pe baza calculului diferenţelor pe înălţime ......... 48

6.5.2.1 Calculul distanţei Hausfdorf ....................................................... 48 6.5.2.2 Calculul distanţei dintre un nor de puncte şi o suprafaţă interpolată

de tip mesh ..................................................................................... 48 6.5.2.3 Calculul Modelului Digital al Diferenţelor DoD ........................ 48

6.5.3 Compararea cu profile de referinţă .............................................................. 49 6.6 Concluzii ......................................................................................................... 50

7. Concluzii generale, contribuţii personale şi direcţii viitoare de cercetare . 51 7.1 Concluzii generale .......................................................................................... 51 7.2 Avantajele şi dezavantajele utilizării datelor de scanare laser şi a aplicaţiilor

propuse ................................................................................................................. 55 7.3 Contribuţii originale ........................................................................................ 58 7.4 Direcţii viitoare de cercetare ........................................................................... 59

Bibliografie .......................................................................................................... 61 Lista lucrărilor publicate ................................................................................... 67

1 O TEHNOLOGIE

CARE SCHIMBĂ LUMEA ...

1.1 De unde a început totul ...

V-aţi pus vreodată întrebarea unde sunt rădăcinile acestei minunate

tehnologii 3D de măsurare?

Încă de la începutul anilor 1900’ când lumina lanternelor era folosită pentru

studiul atmosferei şi până la industria automobilelor autonome din zilele noastre,

tehnologia de scanare laser a fost, este şi va fi într-o continuă evoluţie.

LiDAR – o tehnologie evoluată din radar, însă care utilizează undele de

lumină în locul microundelor – cunoaşte o gamă impresionantă de aplicaţii,

culminând cu rolul crucial pe care îl are industria maşinilor autonome.

Această fascinantă tehnologie, într-o continuă dezvoltare este folosită pentru

o înţelegere mai detaliată a mediului în care trăim: aer, apă şi întreaga suprafaţă a

uscatului.

În anul 1917, Albert Einstein a propus pentru prima data procesul care a făcut

posibilă existenţa laserelor, proces numit emisia simulată. În anul 1954, primul

articol referitor la maser (engl. MASER – microwave amplification by stimulated

emission of radiation – ampificarea microundelor prin stimularea emisiei de

radiaţie) a fost publicat ca rezultat al investigaţiilor realizate simultan şi

independent de Townes şi de colegul său la universitatea Columbia din New York

şi de Basov şi Prokhrov la Institutul Lebedev din Moscova

Capitolul 1 ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪

2

Totul a început de la fizicianul Edward

Hutchinson Synge, născut în anul 1890 în Dublin,

Irlanda, care a publicat o întreagă descriere teoretică

a microscopului optic de scanare la distanţă

apropiată, instrument folosit în nanotehnologie, care

a fost dezvoltat cu câteva decenii în urmă. A fost

primul care a aplicat principiul de scanare în

imagistică, care mai târziu a devenit important

pentru numeroase domenii, inclusiv televiziune,

radar şi microscopie de scanare electronică.

Cea mai importantă invenţie a sa a fost de a extinde

rezoluţia microscopului. Acest lucru a fost susţinut de

nimeni altul decât însuşi Einstein (1879 – 1955).

Acesta a arătat interes deosebit pentru studiul fizicii

atmosferei, întrucât a simţit că aceasta va fi importantă

pentru meteorologi. Metoda sa a fost bazată pe

utilizarea unor raze de lumină de pe vârful unui munte

pe timpul nopţii. La 18 mile depărtare ar fi un reflector

care ar direcţiona lumina într-un fotodetector. Sună

familiar? Acesta a fost începutul LiDAR-ului.

Cel mai probabil, viitorul acestei tehnologii ne va duce într-o lume a

taxiurilor aeropurtate fără pilot şi a sateliţilor capabili de a localiza de pe orbita

lor, sursele de gaz naturale de pe Pământ (Neff T. 2018).

Cerul nu reprezintă o limită pentru tehnologia de scanare laser, care

promite să ne facă lumea să fie mai în siguranţă, mai sănătoasă şi mai

frumoasă.

1.2 Aspecte generale

Morfologia terenului joacă un rol deosebit de important pentru înțelegerea,

modelarea și analiza proceselor geomorfologice ale suprafeței pământului.

Modelele Digitale ale Terenului (MDT) de o mare rezoluție și de o acuratețe

ridicată sunt absolut necesare pentru studii legate de analiza suprafeței terestre,

acestea reprezentând un subiect cheie pentru științele de cercetare a pământului.

Analiza reliefului fluvial, format datorită acțiunii continue a apelor

curgătoare prezintă un interes deosebit pentru domenii precum hidrologie,

geomorfologie, geografie și geologie. Acesta ia naștere în timp, prin procese

complexe de eroziune (regresivă, laterală și de adâncime), de transport și depunere

(acumulare) a sedimentelor.

Metodele fotogrammetrice tradiționale de derivare a Modelelor Digitale sunt

utile și suficient de precise pentru analiza suprafețelor lipsite de obstacole, cum ar

fi câmpuri agricole, suprafețe netede, învelișul de coronamente al arborilor, însă

prezintă limitări în ceea ce privește reprezentarea digitală a suprafeței terenului în

zonele acoperite de vegetație, în special pentru zonele de păduri dense.


3

În ultimele două decenii, reprezentarea digitală a morfologiei suprafeței este

folosită ca strat fundamental în numeroase aplicații, precum: modelarea suprafeței

terestre, planificare teritorială, aplicații inginerești și management. Chiar și studiile

de cercetare în hidrologie și geomorfologie au numeroase beneficii de pe urma

creșterii disponibilității datelor topografice în format digital. Pentru astfel de

aplicații, tehnologia de scanare laser prezintă un rol cheie, deoarece permite o mai

bună reprezentare a suprafeței terestre, într-un timp scurt și îmbunătățește

înțelegerea proceselor de suprafață (Tarolli şi Dalla Fontana 2009). Într-un interval

de timp de doar două decenii, scanarea laser aeriană și terestră au devenit

tehnologii de măsurare de sine stătătoare, folosite pentru colectarea de informații

geospațiale.

Spre deosebire de tehnicile tradiționale fotogrammetrice, o caracteristică

deosebit de valoroasă a tehnologiei de scanare laser este reprezentată de

capacitatea de a deriva date topografice ale suprafeței terestre, în mod direct, prin

filtrarea norului de puncte rezultat. Procesul de filtrare are rolul de a elimina

punctele ce reprezintă vegetația și a punctelor corespunzătoare unor altor

elemente, precum: clădiri, poduri, construcții ş.a. Chiar dacă pentru zonele

străbătute de ape, cu un relief fluvial, această tehnologie prezintă anumite limitări

cauzate de faptul că impulsul laser nu pătrunde apele adânci, totuși, în mod cert

reprezintă un instrument util pentru derivarea Modelelor Digitale ale Terenului cu

o acuratețe ridicată în zone complexe precum văile inundabile și bazine

hidrografice.

1.3 Motivație

Datele topografice de mare rezoluție constituie o sursă fundamentală pentru

analiza calitativă precum și cantitativă a zonelor străbătute de cursuri de apă.

Datele topografice derivate prin metode cartografice tradiționale sunt, de obicei,

mult prea generale pentru o analiză detaliată și pentru cartografierea

caracteristicilor morfologice ale suprafețelor, în timp ce sursele de date de o

acuratețe ridicată precum GPS sau teodolit, sunt scumpe și necesită un timp mai

îndelungat pentru realizarea măsurătorilor. Din acest motiv, este necesară găsirea

unei soluţii optime în ceea ce privește sursa de date necesare pentru analiza zonelor

străbătute de cursuri de apă.

Tehnologia de scanare laser furnizează date topografice de o mare rezoluție,

capabilă de a acoperi suprafețe largi, cu o precizie ridicată atât în plan orizontal,

cât și în cel vertical, într-o perioadă scurtă de timp, contribuind astfel în mod

semnificativ la reprezentarea suprafețelor de teren. O caracteristică deosebit de

valoroasă pe care o are această tehnologie, spre deosebire de tehnicile topografice

tradiționale de măsurare, este capacitatea de derivare a Modelelor Digitale ale

Terenului (MDT) cu o mare rezoluție (1 m), direct din norul de puncte.

Lucrarea de față realizează un studiu complex asupra aplicării tehnologiei de

scanare laser pe cursuri de apă, prin integrarea a patru surse diferite de date, și

anume: date laser scaner aeropurtat (engl. Aerial Laser Scanner - ALS), date laser

scaner aeropurtat batimetric (engl. Airborne LiDAR Bathymetry - ALB), date

laser scaner terestru (engl. Terestrial Laser Scanner - TLS) și date laser scaner


4

obținute prin montarea senzorului pe o platformă aeropurtată fără pilot de tip dronă

(engl. Unmanned LiDAR scanning - ULS).

1.4 Obiective și scop

Aplicarea tehnologiei de scanare laser în zonele cursurilor de apă este mult

mai complicată față de alte medii, datorită morfologiei complexe, a numărului

mare de categorii de folosință ale terenului și a prezenței suprafețelor acoperite de

ape adânci.

Scopul principal al acestei lucrări constă în analiza zonelor străbătute de

cursuri de apă, prin realizarea de aplicaţii, ce utilizează datele obţinute prin

tehnologie de scanare laser, precum şi de a evidenția capacitatea tehnologiei

LiDAR, dar și limitările acesteia.

În lucrarea de față se prezintă un studiu detaliat asupra modului de achiziție

și de utilizare a surselor de date de scanare laser menționate anterior, în zonele

străbătute de cursuri de apă, cu scopul evidențierii numeroaselor aplicații ce pot fi

realizate. De asemenea, se ține cont de următoarele aspecte: oferirea de soluții

optime în ceea ce privește numeroasele dificultăți ce pot apărea în pre- și post-

procesarea datelor, alegerea unui flux de lucru optim, managementul datelor,

utilizarea softurilor fotogrammetrice corespunzătoare, organizarea informațiilor

precum și analiza calitativă și cantitativă a rezultatelor.

Scanarea laser aeriană și terestră diferă în ceea ce privește modul de achiziție

a datelor, dimensiunile proiectelor de lucru, mecanismele de scanare, precum și

acuratețea și rezoluția obținută. Cu toate acestea, au în comun numeroase aspecte,

în special cele legate de tehnologia laser de măsurare comună. În mod particular,

în momentul procesării norilor de puncte, uneori aceiași algoritmi pot fi aplicați

atât pentru scanarea aeriană cât și pentru cea terestră.

Modelele Digitale ale Terenului obținute prin scanarea laser aeriană,

constituie cel mai calitativ strat informativ de bază pentru numeroase aplicații.

Acestea permit o aplicare mult mai eficientă a metodelor tradiționale, dezvoltarea

unor noi metodologii de analiză și o caracterizare morfologică și hidrologică

detaliată a zonelor străbtute de ape, astfel îmbunătățind înțelegerea proceselor

hidrologice și de transport a sedimentelor. Astfel, Modelele Digitale ale Terenului

rezultate în urma procesării datelor achiziționate în intervale diferite de timp sunt

utilizate atât pentru analiza reliefului fluvial în zonele străbătute de cursuri de apă,

cât și pentru monitorizarea în timp a evoluției acestuia (Tarolli et al. 2009).

1.5 Structura tezei de doctorat

Lucrarea de faţă este structurată pe şapte capitole, după cum urmează:

Capitolul 1 – “O tehnologie care schimbă lumea…” cuprinde o prezentare

succintă despre modul de apariţie al tehnologiei de scanare laser şi influenţa

acesteia în dezvoltarea măsurătorilor, motivaţia principală a temei alese,

obiectivele, scopul şi descrierea capitolelor.

Capitolul 2 – “Situaţia actuală privind utilizarea tehnologiei de scanare

laser pe cursuri de apă” cuprinde o prezentare a tehnologiei de scanare laser,

fiind menţionate principalele caracteristici, principiul de măsurare şi clasificarea


5

în: sisteme de scanare laser aeropurtată sau terestră. Se prezintă principalele

aplicaţii şi utilizarea pe cursuri de apă a acestei metode de măsurare atât pe plan

internaţional, cât şi pe plan naţional. De asemenea, prin referire la literatura de

specialitate, se descriu principalele metode existente folosite în prezent pentru

filtrarea norilor de puncte, în vederea obţinerii Modelului Digital al Terenului

(MDT).

Capitolul 3 – “Clasificarea 3D a norilor de puncte” prezintă câteva

aspecte teoretice referitoare la metodele existente de clasificare a norilor de

puncte, precum şi principalele surse de date folosite în clasificarea 3D. Ca studiu

de caz, s-a avut în vedere zona “Neubacher Au”, localizată în apropierea satului

Loosdorf, la aproximativ 100 km vest de Viena, în Austria. Norii de puncte

rezultati în urma măsurătorilor cu laser scanerul aeropurtat (LSA) au fost

clasificaţi prin două metode diferite, şi anume: (1) prin aplicarea unui algoritm de

clasificare supervizată, bazat pe arbori de decizie şi (2) prin aplicarea unui algoritm

de clasificare semi-supervizată. În final rezultatele clasificărilor au fost analizate

şi comparate.

Capitolul 4 – “Algoritm propus pentru filtrarea, segmentarea şi

clasificarea norilor de puncte în scopul derivării Modelelor Digitale ale

Terenului pe baza datelor LSA” prezintă metodele existente de filtrare a norilor

de puncte, cu principalele limitări ale acestora şi propunerea unei noi metode de

clasificare a punctelor-teren, care este bazată pe o combinaţie a doi algoritmi: de

filtrare şi de segmentare, în vederea obţinerii de Modele Digitale ale Terenului

care să descrie mai fidel suprafaţa terestră. Algoritmul este aplicat pentru două

studii de caz: zona “Neubacher Au” şi o zonă în vecinătatea acesteia, caracterizată

printr-un relief cu terasamente. În final, se prezintă principalele avantaje aduse de

acestă metodă.

Capitolul 5 – “Aplicaţii ale datelor de scanare laser pe cursuri de apă”

cuprinde principalele aplicaţii realizate pentru zona de studiu, prin utilizarea

datelor rezultate în urma scanărilor laser şi anume: crearea Modelului Digital al

Suprafeţei, analize pentru vegetaţia zonei, aplicaţii ale MDT pentru modelarea

sistemului de drenaj şi al scurgerii, precum şi analiza evoluţiei în timp a albiei

râului prin utilizarea datelor de scanare multitemporale, pentru o perioadă de 3 ani.

Capitolul 6 – “Tehnologia de scanare laser topo-batimetrică” prezintă

principalele caracteristici ale scanărilor laser topo-batimetrice, utilizate pentru

determinarea adâncimii apelor. S-a propus un algoritm pentru corecţia unghiului

de refracţie, împreună cu derivarea Modelului Digital al Suprafeţei Apei (MDSA).

Capitolul 7 – “Concluzii generale, contribuţii personale şi direcţii

viitoare de cercetare” cuprinde concluziile generale cu privire la utilizarea

tehnologiei de scanare laser pe cursuri de apă cu avantajele si dezavantajele

acesteia, contribuţiile originale aduse în prezenta lucrare şi principalele direcţii

viitoare de cercetare.

2 SITUAŢIA ACTUALĂ PRIVIND

UTILIZAREA TEHNOLOGIEI DE SCANARE

LASER PE CURSURI DE APĂ

2.1 Introducere

Din punct de vedere teoretic, orice sursă de lumină poate fi folosită pentru

crearea unui instrument LiDAR, însă în practică toate intrumentele moderne

utilizează un laser ca sursă principală. Tehnologia de scanare laser este ştiinţa de a

utiliza un laser pentru măsurarea distanţelor spre puncte specifice. În mod tehnic,

laserele pot utliza orice lungime de undă a luminii din cadrul spectrului

electromagnetic. Utilizarea tehnologiei de scanare laser pe cursuri de apă reprezintă

o abordare relativ nouă, comparativ cu metodele tradiţionale de măsurare.

Zonele străbătute de râuri se caracterizează printr-o morfologie complexă, cu

numeroase categorii de folosinţă ale terenului, precum şi prezenţa suprafeţelor de

apă. Din acest motiv, utilizarea tehnologiei de scanare laser în aceste medii este

mai dificilă comparativ cu aplicaţiile clasice de cercetare şi studiu a terenului. Cu

toate aceste neajunsuri însă, studiile de cercetare şi investigare a mediilor străbătute

de râuri prin utilizarea tehnologiei de scanare laser au continuat şi evoluat, chiar

dacă numărul lor este cu mult mai redus faţă de alte domenii.

2.2 Relieful fluvial

În general, pe parcursul traseului lor, apele curgătoare formează un relief

specific, ce poartă denumirea de relief fluvial. Acesta poate fi caracterizat prin:

albie, meandre, lunci, terase, piemonturi, câmpii de nivel de bază. De obicei râurile

şi fluviile, care au un curs permanent, pornesc din munţi, unde îşi au izvoarele până

ce ajung la mare sau ocean. În traseul lor, are loc un fenomen de eroziune

permanentă, în urma căruia se formează văile care pot fi largi şi chiar foarte adânci

uneori.

Albia reprezintă suprafaţa care este ocupată aproape în permanenţă de apă. În

cadul acesteia, au loc permanent procesele de eroziune, transport şi acumulare.

Aceasta mai este întâlnită şi sub denumirea de albie minoră, fiind delimitată de cele

două maluri (stâng şi drept) precum şi de canalul de etiaj (talvegul), care reprezintă

linia ce uneşte cele mai adânci puncte din albie, având o lăţime foarte redusă. În

evoluţia unui râu, pornind de la albia minoră, prin aceste procese de meandrare şi

deplasări unilaterale, se formează albia majoră, care este folosită doar în cazul de

inundaţii.


7

2.3 Tehnologia de scanare laser

Tehnologia LIDAR (Light Detection and Ranging), este o tehnică activă de

teledetecție, prin intermediul căreia se pot obţine date şi informaţii de o acurateţe

ridicată despre topografia terenului, vegetaţie, clădiri etc. (Iosub F. 2008)

Coordonatele tridimensionale (x, y, z sau latitudine, longitudine şi altitudine)

ale punctelor corespunzătoare obiectelor măsurate sunt calculate prin utilizarea a

trei elemente principale, şi anume: (1) diferenţa de timp dintre emisia şi întoarcerea

pulsului laser; (2) unghiul sub care a fost emis pulsul laser şi (3) locaţia exactă a

senzorului de pe suprafaţa Pământului sau deasupra acesteia.

2.3.1 Principiul de scanare al tehnologiei laser

Tehnologia de scanare laser este o tehnică activă de teledetecție, ce utilizează

proprietățile luminii dispersate pentru a determina anumite caracteristici ale

obiectelor aflate la distanță. Aceasta oferă date de o acuratețe ridicată despre

topografia terenului, vegetație, clădiri, resurse naturale etc.

2.3.2 Clasificarea sistemelor de scanare laser

Sistemele de scanare laser pot fi clasificate în funcţie de următoarele

caracteristici: Principiul de operare, Montare, Principii de scanare, Lungimi de

undă utilizate.

2.3.3 Sisteme de scanare laser aeropurtate

Scanarea laser aeropurtată cunoscută şi sub denumirea de ALS (engl.

Airborne Laser Scanning) reprezintă un sistem activ de teledetecţie, folosit în

numeroase domenii de măsurare. Laserul poate fi montat atât pe un avion, cât şi pe

un elicopter. Sistemele laser de măsurare active sunt independente de lumina

solară. Acestea pot fi operate atât pe timpul zilei, cât şi noaptea. Această

caracteristică este deosebit de importantă faţă de alte metode de măsurare.

2.3.4 Sisteme de scanare laser terestre

Principiile fundamentale de măsurare a distanţelor şi de scanare întâlnite la

scanerele laser montate pe platforme aeropurtate, se întâlnesc şi în cazul laserelor

terestre de scanare. Sistemele terestre sunt montate de obicei pe un trepied. Spre

deosebire de acestea, sistemele de scanare mobile sunt montate pe vehicole.

2.4 Situaţia actuală pe plan internaţional privind aplicarea tehnologiei de

scanare laser pe cursuri de apă

2.4.1 Condiţii de aplicare a tehnologiei de scanare laser pe cursuri de apă

În domeniul geomorfologiei, tehnologia de scanare laser aeriană este folosită

la scară largă în numeroase domenii, precum: pentru cercetarea morfologiei şi

distribuţiei alunecărilor de teren (Glenn et al. 2006; McKean şi Roering 2004),

dezvoltarea inventarierii acestora (Ardizzone et al. 2007; Van Den Eeckhaut et al.


8

2005), dar şi pentru recunoaşterea structurilor de depuneri în conurile aluviale

(Cavalli et al. 2008; Frankel şi Dolan 2007; Staley et al. 2006).

2.4.2 Clasificarea aplicaţiilor de utilizare a tehnologiei de scanare laser

Principalele aplicaţii ale acestei tehnologii în zonele străbătute de râuri, pot fi

grupate in şapte categorii tematice, precum:

1. Modelare hidraulică şi hidrologică (Cobby et al. 2003; French 2003; Hollaus

et al. 2005);

2. Cartografiere geomorfologică şi analiza cantitativă a zonelor inundabile (ex.

profile în secţiune transversală) (Challis 2006; Charlton et al. 2003; James et

al. 2007; Jones et al. 2007; Notebaert et al. 2009);

3. Monitorizarea şi analiza schimbărilor morfologice fluviale prin integrarea

LiDAR-ului topografic cu sisteme sonice (Hicks et al. 2007; Lollino et al.

2008) sau prin utilizarea LiDAR-ului batimetric (McKean et al. 2008);

4. Clasificarea automatatizată a suprafeţelor de apă (Hofle et al. 2009);

5. Evoluţia morfologigă a cursului de apă pe termen lung (Magirl et al. 2005);

6. Analiza eroziunii malurilor râurilor (Thoma et al. 2005);

7. Caracterizarea morfologiei fundului apelor (Cavalli et al. 2008).

2.4.3 Aspecte importante privind aplicarea tehnologiei LiDAR în medii

străbătute de cursuri de apă

În ceea ce urmează, vor fi prezentate câteva aspecte esenţiale legate de

aplicarea tehnologiei LiDAR în zonele de râuri.

Rezoluţia mare a Modelelor Digitale ale Terenurilor derivate prin utilizarea

datelor LiDAR precum şi precizia acestora (0.1 – 0.2 m în plan vertical şi 0.5 – 1

m în plan orizontal) permite utilizarea acestora în numeroase analize şi studii de

precizie pentru descrierea morfologiei reliefului fluvial. În domeniul modelării

hidraulice şi hidrologice, numărul ridicat de secţiuni transversale ce pot fi extrase

din MDT de-a lungul cursului râului, pot servi ca bază pentru simularea precisă a

inundaţiilor, atrăgând atenţia agenţiilor şi autorităţilor din domeniul

managementului de mediu (Maso 2002; Fema 2003).

2.4.4 Aplicaţii ale tehnologiei de scanare laser pe cursuri de apă

Unul dintre primele studii care a utlizat date LiDAR topografice pentru

analiza morfologică a zonelor străbătute de cursuri de apă este realizat de Charlton

et al. (2003). Aceştia au testat capacitatea datelor LiDAR de extragere a profilelor

transversale pentru un râu (Coquet, Regatul Unit), caracterizat prin instabilitate

laterală şi o continuă activitate. În acest caz, senzorul LiDAR topografic făcea parte

din prima generaţie, capabil de a înregistra un singur impuls.

Datele LiDAR ce descriu suprafeţele de apă sunt în mod evident afectate de

erori mai mari decât datele colectate pe suprafaţa uscatului. În orice caz, este

posibilă utilizarea acestor informaţii pentru analiza schimbărilor morfologice, cu

variaţii mai mai decât toleranţa instrumentului, fapt demonstrat în lucrarea lui

Magirl et al. (2005).


9

2.4.5 Scanarea laser aeriană

Tehnologia de scanare laser aeropurtat (LSA) este aplicată pentru

cartografierea elevaţiilor în zonele riverane, pentru realizarea unui bun

management în cazul fenomenelor de inundaţii (Pereira, Wicherson 1999) şi pentru

evaluarea eroziunii şi depozitării sedimentelor (Milan, Heritage, Hetherington

2007). Ca şi limitare a acestei tehnologii, de menţionat este faptul că scanarea laser

aeriană nu este capabilă de a detecta fenomenele locale de eroziune, din moment

ce malurile sunt, de obicei, sub-verticale.

2.4.6 Scanarea laser terestră

Astfel, sunt lucrări ştiinţifice în care se foloseşte scanarea laser terestră

(LST) pentru determinarea cantitativă a materialului erodat, dar şi pentru

identificarea transformărilor spaţiale şi temporale pe un întreg curs de râu

(Kociuba, Kubisz, Zagorski 2014) (Rosser, Petley, Lim, Dunning, Allison 2005).

Lotsari et al. (2014) a investigat corelaţia dintre intensitatea curenţilor de apă şi

durată, precum şi morfodinamica râurilor. La o scară mai mică, Rosser et al. (2005)

a analizat potenţialul utilizării datelor LST pentru identificarea schimbărilor

malurilor râurilor.

Figura 2.1 Identificarea zonelor de eroziune, depunere pentru râul alpin Tartano

din nordul Italiei (Longoni, Papini et al. 2016)

Scanarea terestră a cursurilor de apă este mai avantajoasă decât metodele

clasice de măsurare folosind staţiile totale şi tehnologia GNSS, datorită

măsurătorilor mai rapide şi obţinerea unui număr mai mare de puncte.

2.4.7 Sisteme ULS

În iulie 2016 departamentul de Geodezie şi Geoinformatică al Universităţii

Tehnice din Viena a prezentat în cadrul celui de-al XXIII-lea Congres ISPRS de la

Praga, evaluarea unei noi tehnici de construire a profilelor topo-batimetrice, prin

utilizarea unui senzor topo-batimetric (RIEGL BathyCopter) montat pe o platform

ă UAV de măsurare (RiCOPTER). Lungimea de undă a laserului ese de 532 nm,

corespunzătoare culorii verde din spectrul electromagnetic, care are capacitatea de

penetrare a apei (Mandlburger G. 2016).


10

2.4.8. Scanere laser topo-batimetrice

Scanerele laser topo-batimetrice moderne nu mai folosesc ca prim semnal

unda infraroşie (NIR), cu lungimi de undă de λ= 1064nm, ci emit şi primesc doar

semnalul verde λ= 532 nm (Mandlburger, Pfennigbauer, Pfeifer 2013). LiDAR-ul

batimetric nu mai este restricţionat doar pentru zonele costiere, ci poate fi utilizat

şi pentru topografia fluvială precum şi ape mici de suprafaţă, precum apele

superficiale, râuri, lacuri şi pârâuri (Pfennigbauer et al. 2011), (Steinbacher şi

Pfenningbauer 2010).

2.4.9 Situaţia actuală pe plan internaţional în ceea ce priveşte obţinerea

Medelului Digital al Terenului prin filtrarea datelor de scanare laser

Procedeele de filtrare a datelor obţinute din scanarea laser reprezintă un

aspect important, adresat în câteva studii recente (Jones et al. 2007; James et al.

2007; Cavalli et al. 2008). Această etapă de lucru are o influenţă majoră în obţinerea

unui Model Digital al Terenulu. Pe de altă parte, adoptarea unei metode potrivite

de filtrare a norilor de puncte, depăşeşte toate aceste probleme, contribuind la

obţinerea unui MDT de calitate, în care morfologia cursului de apă, secţiunile

transversale şi profilele longitudinale sunt detectate în mod corect.

2.5. Situatia actuală pe plan naţional în ceea ce priveşte utilizarea sistemelor

de scanare laser în diverse aplicaţii

2.5.1 Companii naţionale care utilizează sisteme de scanare laser 3D

La nivel naţional, printre companiile care deţin şi realizează lucrări cu sisteme

de scanare laser, se enumeră:

1. S.C. Primul Meridian S.R.L – Slatina, judeţul Olt

2. N. B. Trading ’93 S.R.L. în Bucureşti

3. S.C.ArenaCAD, cu sedii în Braşov şi Bucureşti

4. S.C. Habitat Proiect S.A. Iasi, Romania

5. S.C. GisCAD S.R.L. cu sedii în Arad şi Bucureşti

2.5.3 Domenii de utilizare a sistemelor laser de scanare pe plan naţional

Începând cu anul 2007, Administraţia Naţională “Apele Române”, în

cadrul proiectului “Hărţi de hazard şi de risc la inundaţii” foloseşte date obţinute

prin scanare laser, pentru realizarea hărţilor de hazard şi de risc din bazinul

hidrografic Prut-Bârlad. În ceea ce priveşte folosirea laserului cu lungimi de undă

de 532 nm pe plan naţional, încă nu există măsurători din această categorie.

2.6 Concluzii

Acest capitol prezintă principalele caracteristici ale tehnologiei de scanare

laser, împreună cu situaţia actuală pe plan internaţional şi naţional a utilizării

acestora în diverse apicaţii, însă în mod special pentru zonele străbătute de cursuri

de apă.

3 CLASIFICAREA

3D A NORILOR DE PUNCTE

3.1 Introducere

Procesul de clasificare constă într-un ansamblu de metode de căutare a

proprietăţilor comune pentru obiecte, care sunt ulterior grupate în clase diferite,

conform cu un model de clasificare (Pater 2006).

3.2 Clasificarea tridimensională a norilor de puncte

Norii de puncte tridimensionali reprezintă principalul rezultat al scanărilor

laser atât terestre cât şi aeropurtat. Pentru o procesare ulterioară, clasificarea norilor

de puncte este deosebit de importantă în aplicaţii precum: derivarea Modelului

Digital al Terenului, pentru delinierea zonelor de pădure, pentru extracţia clădirilor

şi modelarea acestora, ş. a.

3.2.1 Tipuri de clasificare

Clasificarea norilor de puncte rezultaţi în urma scanărilor laser, poate fi de

mai multe tipuri şi anume:

1. în funcţie de modul de realizare: supervizată şi nesupervizată

2. în funcţie de datele utilizate:

- clasificare bazată pe puncte (engl. Point-based);

- clasificare bazată pe segmente (engl. Segment-based);

- clasificare bazată pe voxel (engl. Vovel-based).

3.2.2 Metode existente de clasificare a norilor de puncte

În literatura de specialitate sunt menționate două tipuri majore de clasificare

a datelor: prima este reprezentată de analiza cluster (eng. Cluster analysis) iar a

doua este reprezentată de clasificarea orientată obiect, care vizează clasificarea

obiectelor identificate. Primul tip de clasificare, cel de analiză cluster, este utilizat

în procesarea imaginilor, fiind bazat pe caracteristicile geometrice sau spectrale ale

obiectelor (Zhang 2011). Li et al (2007) utilizează o metodă care combină imaginile

cu o rezoluție ridicată cu datele laser, pentru clasificarea orientată obiect a unei

zone urbane, având la bază algoritmii Support Vector Machines (mașini vectoriale

de suport). Clasificarea bazată pe obiecte este mai cunoscută și folosește

caracteristicile geometrice și spectrale ale obiectelor, care contribuie la

identificarea obiectelor pe baza diferențelor spațiale și spectrale.


12

3.2.3 Surse de date folosite în clasificarea 3D

În ultimii ani, tehnologia de scanare laser reprezintă o importantă metodă

de măsurare, fiind utilizată într-o varietate de domenii, precum: topografie, mediu,

industrie, conservarea monumentelor istorice. Unul dintre marile avantaje ale

acestei tehnologii îl constituie achiziția tridimensională a datelor cu o precizie

ridicată, bazată pe măsurători de unghiuri și distanțe (Loghin et al. 2017). Principiul

de măsurare are la bază emisia pulsurilor de lumină în spectrul infraroșu care

traversează atmosfera, sunt împrăștiate și apoi parțial absorbite de obiectele aflate

în câmpul instantaneu de vizare. Colecția rezultată de puncte având o cunoscută

poziție 3D geometrică în spațiu pi = (x, y, z) P, constituie norul de puncte.

3.3 Studiu de caz: Râul Pielach – o bijuterie a naturii

De multe ori subevalat şi nu foate cunoscut, precum Dunărea, Lech sau Mur,

râul Pielach, ce curge între Annaberg şi Melk, este considerat ca fiind una dintre

ultimele Grădini ale Edenului pentru animalele şi plantele aflate în pericol de

dispariţie din regiunea subalpină a Austriei de Nord-Est. Râul Pielach îşi are izvorul

la Hennesteck (Alpii Austriei – partea central-estică a ţării). Datorită frumuseţii

deosebite a locului, râul Pielach a fost numit o bijuterie a naturii.

Figura 3.1 Fotografii ale râului Pielach realizate pe teren în Martie 2016

(prima linie) şi Iunie 2016 (a doua linie)

3.3.1 Prezentarea zonei de studiu

Zona de studiu este reprezentată de Neubacher Au, localizată în apropierea

satului Loosdorf, la aproximativ 100 km vest de Viena, în Austria (48o 12’50” N,

15o 22’30” E, WGS 84). Acest teritoriu este străbătut de albia meandrată a râului

Pielach, afluent pe partea dreaptă al Dunării și face parte din ariile protejate din

cadrul proiectului Natura 2000. Datorită inundaţiilor care s-au produs, zona

prezintă o complexitate topografică ridicată, din punct de vedere al modificărilor

în ceea ce priveşte albia râului, prin formarea de noi canale, eroziune.


13

(a) (b)

Figura 3.2 Zona de studiu, Neubacher Au, Austria; (a) Harta Austriei;

(b) localizarea zonei de studiu

3.3.2 Surse de date, materiale și metode utilizate în clasificare

Pentru clasificarea tridimensională a norilor de puncte s-a luat în considerare

norul de puncte rezultat în urma campaniei de scanare laser aeropurtat din data de

26 februarie 2015, realizată cu senzorul de tip Riegl LMS-Q1560. Norul de puncte

rezultat, cu o densitate de 21 puncte / m2, având 2.8 milioane de puncte, acoperă o

suprafață de 45 150 m2.

3.3.3 Algoritmi utilizaţi pentru clasificarea tridimensională

În paginile care urmează sunt descrise două metode diferite de clasificare

tridimensională, aplicate pentru nori de puncte obținuți prin scanare laser aeriană.

1. În primul rând, este prezentat un algoritm de clasificare supervizată (eng.

Supervised Machine learning classification) ce folosește algoritmi cu arbori de

decizie și algoritmi de tipul Random Forest aplicați pe un set redus de date și

anume pe datele de antrenare (engl. Training data). Astfel sistemul este antrenat

să recunoască tipurile de clase definite.

2. Cea de-a doua metodă este un algoritm de clasificare semi-supervizat,

compus dintr-o cascadă de clasificatori binari, care au la bază mașini vectoriale

de suport (engl. Support Vector Machines). Aceste metode sunt aplicate pentru

a eticheta fiecare punct în una din următoarele patru clase: sol, apă, vegetatie și

pietriș.

3.4 Clasificarea norilor de puncte în medii naturale

Clasificarea norilor de puncte în medii naturale este o misiune destul de

dificilă, datorită caracterului complex și heterogen al suprafeţelor naturale. Această

complexitate provine din ne-uniformitatea obiectelor naturale individuale, precum:

mărimi diferite ale particolelor de pământ, tipuri de soluri cu granulații diferite,

vegetaţie de diferite tipuri și vârste (iarbă, arbuști, vegetație medie și înaltă),

Zona de studiu


14

litologie variabilă, morfologia dinamică a albiei cursurilor de râuri caracterizată

prin depuneri aluvionare, resturi și eroziuni.

3.4.1 Pre-procesarea norilor de puncte

Preprocesarea norilor de puncte LSA (georeferențiere directă, aducerea

benzilor în coincidență – strip adjustment) a fost realizată cu ajutorul software-ului

Riegl RiProcess, special destinat pentru lucrul, procesarea, analiza, registrația,

filtrarea și vizualizarea datelor achiziționate cu sisteme de scanare laser.

3.4.2 Stabilirea fluxului pentru clasificare

Ca prim pas de pre-procesare a datelor, a fost aplicată o filtrare a norului de

puncte. Norul de puncte rămas este tratat în mod separat cu cele două tipuri de

clasificare, implementate în OPALS și în software-ul Canupo. În final, rezultate

obținute în urma clasificărilor, s-au comparat și validat.

3.5 Prezentarea algoritmului de clasificare supervizată

Algoritmul de clasificare supervizată aplicat norului de puncte este bazat pe

arbori de decizie (Decision Trees) și pe algoritmi de tipul Random Forests.

Algoritmul de tip Random Forests este cunoscut ca un ansamblu de tehnici, care

conține un grup de clasificatori de o performanță ridicată, având la bază o

multitudine de arbori de decizie.

3.5.1 Clasificarea bazată pe arbori de decizie

Un arbore de decizie (arbore de clasificare) este o structură-suport de decizie,

care utilizează un grafic, asemănător unui copac, sau un model de decizii, împreună

cu posibilele consecinţe, inclusiv rezultate, costuri de resurse, utilitate.

Principalele componente ale unui algoritm de tip arbore de decizie sunt:

Nodurile – acestea sunt punctele de decizie, în care atributul este testat

(condiția)

Ramuri – cele două rezultate diferite ale testării

Frunze – acestea sunt reprezentate prin etichete și reprezintă decizia finală

luată în urma analizării tuturor atributelor.

3.5.2 Algoritmi de decizie

Trăsăturile de bază ale algoritmilor de decizie sunt:

- Majoritatea algoritmilor de decizie utilizează variabile de enumerare şi

regresia;

- Algoritmii de decizie sunt destinaţi doar pentru clasificarea de tip binar

- Decizia finală pentru clasificare se găseşte în nodul-frunză, decizie care

se stabileşte în urma analizei histogramei valorilor rezultate. Clasa cu

numărul cel mai mare de valori este stabilită ca rezultat final pentru

clasificare.


15

3.5.3 Baza matematică a arborilor de decizie

1). Presupunând ca există două clase P şi N:

a) fie un set de exemple S care conţin p elemente din clasa P şi n elemente

din clasa N

b) cantitatea de informaţie necesară pentru a decide dacă un exemplu arbitrar

din S aparţine clasei P sau clasei N este definită astfel (Pater, 2006):

𝐼 (𝑝, 𝑛) = −𝑝

𝑝+𝑛𝑙𝑜𝑔2

𝑝

𝑝+𝑛−

𝑛

𝑝+𝑛𝑙𝑜𝑔2

𝑛

𝑝+𝑛 (3.1)

2). presupunem că utilizând atributul A, un set S va fi partiţionat în seturile {S1,

S2, ..., Sv}

𝐸(𝐴) = ∑𝑝𝑖+𝑛𝑖

𝑝+𝑛𝐼(𝑝𝑖 , 𝑛𝑖)

𝑛𝑖=1 (3.2)

Detalii teoretice referitoare la acestă metodă se găsesc pe adresa:

http://ip.ase.ro.

3.5.4 Etapele clasificării supervizate

Etapele principale ale algoritmului de clasificare supervizată sunt

prezentate în următoarele secţiuni.

1. Selecţia şi clasificarea manuală a seturilor de date de antrenare

2. Calculul atributelor în fiecare punct

3. Crearea modelului de clasificare

4. Aplicarea modelului de clasificare pe întregul set de date

5. Vizualizarea şi analiza rezultatelor

3.6 Prezentarea algoritmului de clasificare semi-supervizată

3.6.1 Baza matematică pentru algoritmii de tip SVM

Algoritmii de tip Support Vector Machines (SVM) sunt foarte eficienţi

pentru problemele supervizate complexe, furnizând rezultate de o acurateţe

ridicată. Algoritmii SVM creează hiperplane care separă grupele cât mai clar. Un

hiperplan este un plan care divizează spațiul în două subspații.

a·x+b·y+c=0 (3.3)

De fapt hiperplanele sunt funcții de m variabile unde m este numărul de

variabile independente după care se face clasificarea. Pentru un spațiu de

dimensiune m ecuația hiperplanului este:

w1x1 + w2x2 + ... +wmxm + b = 0. (3.4)

Algoritmul constă în a identifica hiperplane care să despartă cât mai bine

punctele într-un spațiu de dimensiune m. Distanța dintre hiperplan și cele mai

apropiate puncte se numește marjă, iar aceste puncte sunt vectorii suport. Un

hiperplan desparte cu atât mai bine punctele cu cât marja este mai mare.


16

3.6.2 Clasificarea norilor de puncte prin utilizarea software-ului CANUPO

Pachetul CANUPO este utilizat cu eficienţă pentru clasificarea automată a

norilor de puncte. Permite crearea unor clasificatori proprii şi aplicarea acestora pe

un nor de puncte

- clasificatorii permit separarea în două clase diferite

- este implementat ca şi plugin in softul CloudCompare

De asemenea, are ca şi output un parametru ce indică precizia de clasificare

pentru fiecare punct, astfel încât se pot identifica problemele sau sursele de erori

ce pot interveni în clasificare.

Ce este un Clasificator?

Clasificatorii sunt stocaţi în fişiere de tip .prm, ce permit clasificarea unor

seturi de date. Aceştia pot fi aplicaţi oricărui nor de puncte, cu condiţia ca unitatea

sa de măsură să fie în concordanţă cu cea pentru care a fost definit clasificatorul

3.6.3 Aplicarea algoritmului de clasificare semi-supervizată pentru studiul de caz

Algoritmul de clasificare semi-supervizată aplicat în acest studiu este bazat

pe o cascadă de clasificatori binari și pe tehnici de tip mașini vectoriale de suport -

Support Vector Machines, cunoscute drept SVM. Această metodă de clasificare

descrisă în (Brodu 2012) este dezvoltată în mod special pentru nori de puncte 3D

preluați pentru medii naturale complexe.

După cum se poate vedea în figura 3.3, metoda utilizează o cascadă de

clasificatori binari, fiind contruită din trei faze principale. Pentru determinarea

gradului de acuratețe a fiecărui clasificator în parte, s-au folosit doi parametri:

balanced accuracy (ba) pentru cuantificarea performanței clasificatorului și un

raport de destriminare, Fisher Discriminant Ration (fdr), pentru stabilirea

separabilității claselor. De exemplu, o valoare ridicată a parametrului ba, de peste

95 % indică o clasificare foarte bună, în timp ce o valoare ridicată a parametrului

fdr arată o separare bună a claselor.

Figura 3.3 Fluxul de lucru pentru algoritmul semi-supervizat de clasificare


17

În figura 3.4 sunt prezentați cei trei clasificatori cu parametrii de analiză

a preciziei acestora. Primul clasificator separă punctele de pe vegetație de celelalte

trei clase, având parametrul ba de 98.57% și un grad de separabilitate fdr de 9.32.

Cel de-al doilea clasificator separă punctele situate pe apă de sol și suprafețele

acoperite cu pietriș. Procedura automatizată are o acuratețe de 98.87%, valoare ce

indică o foarte bună clasificare, iar valoarea ridicată a parametrului fdr de 12.46

reflectă un grad ridicat de separabilitate a claselor. Clasificatorul al treilea separă

punctele aflate pe pietriș de cele de la nivelul solului, cu o acuratețe de 92.25 % și

o valoare a parametrului fdr de 10.57.

(a) (b) (c)

Figura 3.4 Clasificatori semi-supervizați aplicați în procesul de clasificare

(Loghin 2018)

3.7 Aplicarea algoritmului CSF de filtrare a punctelor teren

Algoritmul CSF (Cloth Simulation Filter) este o metodă de extragere a

punctelor care aparţin terenului, din cadrul noilor de puncte LiDAR.

Figura 3.5 Vizualizarea norului de puncte clasificat, în urma aplicării

algoritmului CSF

Acest algoritm utilizează o metodă de simulare a unei pânze, care este

suprapusă peste norul de puncte, supus anterior unui proces de inversare. Acestă

pânză este folosită pentru filtrarea punctelor teren de punctele non-teren, prin

analiza legăturilor dintre aceasta şi punctele din norul iniţial de puncte. Algoritmul

este descris în lucrarea (Zhang 2016) şi este implementat ca plugin în software-ul

Canupo.


18

Cu ajutorul acestuia, au fost determinate punctele care aparţin terenului şi

punctele non-teren pentru zona de studiu, având următoarele rezultate:

Tabelul 3.1 Rezultatele clasificării în urma aplicării algoritmului CSF

Puncte Algoritm CSF Procentaj [ % ]

Teren 958 044 33,82

Non-teren 1 874 453 66,18

Număr total de puncte 2 832 497

3.8 Compararea rezultatelor clasificării şi analiza preciziei rezultatelor

Rezultatele finale ale clasificărilor, prin utilizarea celor două tipuri de

algoritmi este etichetarea fiecărui punct din norul de puncte în una din următoarele

patru clase: vegetație, apă, sol și pietriș.

(a) (b)

(c) (d)

Figura 3.6 Rezultatele procesului de clasificare pentru zona Neubacher Au

vizualizare de sus și vizualizare 3D - (a), (c) utilizând software-ul OPALS, și (b),

(d) utilizând pachetul CANUPO

Prin analiza statistică, se arată că dintr-un număr total de aproximativ 2.8

milioane de ecouri, procentajele rezultate pentru fiecare clasă în parte sunt după

cum urmează: 48.03% puncte sol, 44.63% puncte vegetație, 5.23% puncte apă și

2.10% puncte pietriș, utilizând pachetul Canupo și 47.99% puncte sol, 44.66%

puncte vegetație, 5.21% puncte apă și 2.14% puncte pietriș, utilizând software-ul

Opals.


19

(a)

(b)

Figura 3.7

Procentajul de puncte per clasă

(a) Clasificare semi-supervizată

(b) Clasificare supervizată

Legenda

În următorul tabel sunt prezentate numărul de puncte rezultate pentru fiecare

clasă, prin utilizarea celor două metode:

Tabelul 3.2 Rezultatele clasificării tridimensionale CANUPO OPALS Diferenţe [ % ]

Teren 1 360 527 1 359 242 0,05

Vegetaţie 1 264 223 1 265 124 0,03

Apă 148 181 147 593 0,02

Pietriş 59 566 60 538 0,03

Număr total de

puncte 2 832 497

Ambele metode de clasificare prezintă o acuratete ridicată, având rezultate

similare, cele mai mari diferențe 0,05 % fiind înregistrate pentru punctele din clasa

teren.

Evaluarea preciziei rezultatelor

Performanţa clasificatorilor se analizează prin construirea matricelor de

confuzie corespunzătoare (engl. confusion matrix). Acurateţea este calculată ca

raport dintre numărul de date clasificate, etichetate corect şi numărul total de date,

în timp ce rata erorii este dată de raportul dintre numărul de date etichetate greşit

şi numărul total de date.

În continuare sunt prezentate matricile de confuzie rezultate în urma aplicării

clasificării tridimensionale pentru prezentul studiu de caz.

Matricea de confuzie rezultată prin utilizarea clasificării supervizate

Clasa reală

Total σclasă

referinţă Teren Vegetaţie Apă Pietriş

Clasa

prezisă

Teren 1359242 1843 507 514 1362106 98.79

Vegetaţie 12598 1265124 183 112 1278017 98.99

Apă 5894 345 147593 474 154306 95.65

Pietriş 5938 812 217 31101 38068 81.70

Total 1383672 1268124 148500 32201 2832497

σclasă clasificator 98.23 97.76 97.39 96.58

Acurateţe totală 0.959607


20

Matricea de confuzie rezultată prin utilizarea clasificării semisupervizate

Clasa reală

Total σclasă

referinţă Teren Vegetaţie Apă Pietriş

Clasa

prezisă

Teren 1360527 1758 211 542 1363038 98.82

Vegetaţie 12456 1264223 57 214 1276950 97.00

Apă 6487 378 148181 321 155367 95.37

Pietriş 4202 1765 51 31124 37142 83.80

Total 1383672 1268124 148500 32201 2832497

σclasă clasificator 98.33 98.69 98.79 96.66

Acurateţe totală 0.969959

3.9 Concluzii

În acest capitol este prezentă clasificarea norilor de puncte obţinuţi prin

scanarea laser aeriană cu senzorul Riegl LMSQ 1560, în campania din 26 februarie

2015. Pentru aceasta, s-a considerat norul cu o densitate de 21 puncte / m2, având

în total un număr de 2.8 milioane de puncte, ce acoperă o suprafață de 45 150 m2

reprezentată de zona “Neubacher Au” de pe cursul râului Pielach din Austria.

Senzorul de tip “full-waveform” este capabil de a înregistra întreaga formă a undei,

fapt ce aduce în plus față de măsurători de distanță și alte atribute, precum:

amplitudinea ecoului, lățimea acestuia, dar și informații despre mai multe ecouri

doar dintr-un singur puls laser.

Pentru clasificarea acestui nor de puncte, s-au utilizat două metode diferite:

(1) clasificare supervizată ce folosește algoritmi cu arbori de decizie și algoritmi

de tipul Random Forest aplicați pe un set redus de date și anume pe datele de

antrenare (eng. Training data) şi (2) clasficarea semi-supervizată compus dintr-o

cascadă de clasificatori binari, care au la bază mașini vectoriale de suport (eng.

Support Vector Machines).

Aceste metode sunt aplicate pentru a eticheta fiecare punct în una din

următoarele patru clase: sol, apă, vegetatie și pietriș. Ca prim pas de pre-procesare

a datelor, a fost aplicată o filtrare a norului de puncte. Astfel, unctele rămase sunt

tratate în mod separat cu cele două tipuri de clasificare, implementate in OPALS și

în software-ul Canupo.

Principalele etape ale algoritmului de clasificatre supervizate, constă în:

selecţia şi clasificarea manuală a seturilor de date de antrenare, calculul atributelor

în fiecare punct, crearea modelului de clasificare, aplicarea modelului de clasificare

pe întregul set de date şi vizualizarea şi analiza rezultatelor. În cazul clasificării

semi-supervizate, s-au aplicat trei clasificatori diferiți: un clasificator pentru

vegetație, un clasificator pentru apă şi un clasificator pentru pietriș.

În final, rezultate obținute în urma clasificărilor, s-au comparat și validat,

având ca referinţă norii de puncte clasificaţi manul în softul DTMaster produs de

firma Inpho Trimble. Acurateţea cea mai mică se înregistrează pentru pietriş de 81

%, iar per total, precizia celor doi clasificatori este de 0.95 % pentru softul Opals

şi de 0.96 % pentru Canupo.

4 ALGORITM PROPUS PENTRU FILTRAREA,

SEGMENTAREA ŞI CLASIFICAREA NORILOR

DE PUNCTE ÎN SCOPUL DERIVĂRII

MODELELOR DIGITALE ALE TERENULUI PE

BAZA DATELOR LSA

4.1 Introducere

Ca sistem activ de măsurare prin utilizarea luminii, un laser scanner are

nevoie de o vizualizare clară a terenului. Acesta nu poate penetra norii, ceaţa sau

vegetaţia foarte densă. Impulsul laser trece prin coronametele arborilor de foioase,

în special in anotimpul iernii, când frunzele sunt căzute. Oricum, laserul nu va capta

terenul în cazul pădurilor dense de conifere. În ciuda tuturor acestor limitări,

scanarea laser aeriană, s-a dovedit a fi o metodă foarte productivă pentru

producerea Modelelor Digitale ale Terenului (Vosselman, Maas 2010).

4.1.1 Aspecte generale

Principiul care stă la baza tehnologiei de scanare laser, este emiterea unui puls

laser într-direcţie cunoscută, controlată şi măsurarea timpului de zbor de la emisie

până la recepţie (Loghin, Oniga, Wieser 2016). Norul de puncte este georeferenţiat

în spaţiu 3D (Otepka, Ghuffar, Waldhauser, Hochreiter, Pfeifer 2013).

Modelul Digital al Terenului, ca reprezentare matematică a tuturor

punctelor de pe suprafaţa terenului, este unul din produsele cele mai importante ale

datelor e tip LiDAR. Pentru obţinerea sa, este necesară o separare a punctelor-teren

dintre toate punctele din norul de puncte rezultat în urma scanării, acest proces fiind

este cunoscut sub nmele de “filtrare”.

4.1.2 Avantajele utilizării datelor LSA (Laser Scaner Aeropurtat) pentru

obţinerea Modelelor Digitale ale Terenului

Tehnologia de scanare laser are câteva avantaje, faţă de alte metode de

generare a modelelor digitale ale terenului, printre care se enumeră: Densitate mare

de măsurare şi acurateţe ridicată a datelor, Achiziţia rapidă a datelor, Penetrarea

coronamentului, Date pe teren minime.

4.2 Algoritm inovativ de filtrare, segmentare şi clasificare a norilor de puncte

În acest studiu, s-a dezvoltat un nou algoritm, care se referă la o nouă

metodă de filtrare, segmentare și clasificare a norilor de puncte pentru

derivarea Modelelor Digitale ale Terenului prin utilizarea datelor rezultate în

urma scanării laser aeriene, în vederea utilizării acestora la întocmirea unor proiecte

de precizie ridicată, cum ar fi: aplicații în hidrologie, geomorfologie, hidraulică;


22

monitorizarea albiei râurilor; crearea unor hărți de hazard și de risc în cazul unor

inundații; detecția schimbărilor în timp; management și monitorizare (El-Sheimy

et al. 2005).

4.3 Situaţia actuală pe plan international în ceea ce priveşte filtrarea norilor

de puncte

Pe plan internațional, de-a lungul timpului, au fost dezvoltate mai multe

metode automatizate care pot fi aplicate pentru filtrarea norilor de puncte. Cei mai

mulţi algoritmi sunt bazaţi pe analiză matematică (Vosselman et al. 2000), iteraţii

cu ponderi (Briese, Pfeifer et al. 2001) sau crearea de reţele de puncte (Wack,

Wimmer 2002).

4.3.1 Clasificarea metodelor existente de filtrare a norilor de puncte

Sunt cunoscute metodele existente de filtrare a norilor de puncte, care în

funcție de datele de intrare se clasifică în două categorii, astfel:

1. Metode de filtrare care au la bază punctul.

2. Meode de filtrare care au la bază segmente.

Sunt cunoscute, de asemenea metodele existente de filtrare a norilor de

puncte, care în funcție de conceptul folosit, se clasifică în patru categorii astfel:

1. Metode de filtrare morfologică (Vosselman et al. 2000)

2. Metode de densificare progresivă (Axelsson 2000)

3. Metode de filtrare care utilizează suprafețe (Kraus, Pfeifer et al. 1998)

4. Metode ce utilizează procese de segmentare (Tovari, Pfeifer 2005)

4.3.2 Limitări ale metodelor existente de filtrare

Toate aceste metode de filtrare existente prezintă anumite limitări și

dificultăți în anumite situații speciale. Spre exemplu: punctele outliers - ca erori de

scanare, obiectele cu o complexitate ridicată, obiectele de dimensiuni mici

(vehicule), obiectele atașate de teren (poduri), obiectele cu o configurație

complexă, nu pot fi eliminate în cadrul procesului de filtrare a norului de puncte.

Toți acești algoritmi de filtrare sunt construiți în special pentru suprafațe

netede și continue în toate direcțiile. Acest lucru conduce la o reprezentare netedă

a terenului, chiar și în cazul unor suprafețe cu discontinuități, fapt ce demonstrează

limitările acestor algoritmi. În studiul (Briese, 2004) este descrisă metoda de

obținere a Modelelor Digitale ale Terenului cu o acuratețe ridicată, metodă care are

la bază tehnica de interpolare a punctelor și modelarea manuală a zonelor de

discontinuitate. Pornind de aici, am dezvoltat o nouă metodă de obținere a

Modelelor Digitale ale Terenului de mare precizie, bazată pe un nou algoritm, care

are în vedere automatizarea procesului și eliminarea intervențiilor manuale.

4.4 Propunerea unui nou algoritm de filtrare a norilor de puncte

Scopul metodei inovative, prin realizarea unei noi metode care are la bază

procesele de interpolare robustă ierarhică, segmentare și clasificare a norilor de

puncte, este de a diminua efectul de netezire în special în zonele de discontinuitate


23

ale terenului (linii de schimbare a pantei), comparativ cu metodele tradiționale de

filtrare, de a automatiza întreg procesul de filtrare, segmentare și clasificare,

precum și de a crește acuratețea modelelor digitale ale terenului care sunt obținute

pe baza datelor laser scaner aeropurtat.

4.4.1 Obiective principale ale metodei propuse

1. Crearea unei noi metode de filtrare, segmentare și clasificare a norilor de

puncte rezultați din scanarea laser aeropurtată, care păstrează caracterul

discontinuu al suprafeței, fără însă a include o etapă manuală adițională care să

modeleze zonele de discontinuitate.

2. Diminuare a efectului de netezire indus de metodele de interpolare, efect

care apare în special în zonele de discontinuitate (pante abrupte, malurile râurilor),

prin păstrarea punctelor caracteristice ale terenului.

3. Automatizarea algoritmului de filtrare a norilor de puncte, în scopul

obținerii punctelor-teren într-un mod rapid și eficient.

4.4.2 Etape de procesare

În cazul de faţă, metoda se caracterizează printr-o succesiune logică de etape,

după cum urmează:

1) Norul de puncte LiDAR xP, yP, zP, Amplitudine, EchoWidth se folosește ca sursa

de date în vederea obținerii MDT.

2) Eliminarea erorilor

3) Filtrare Echo-Width – în această etapă, punctele care au o valoare a atributului

EchoWidth mai mare decât un anumit prag sunt eliminate. Acest prag a fost

ales în urma unor analize și crearea unei hărți tematice, pe intervale de valori

ale acestui atribut. Astfel, punctele rămase sunt considerate puncte candidat

teren, pentru care vor fi realizați următorii pași de procesare.

4) Interpolare ierarhică robustă – în această etapă, norul de puncte este filtrat, în

vederea obținerii punctelor-teren.

5) Segmentare –Procesul de segmentare are la bază condițiile de similaritate, iar

în acest caz, s-au folosit două condiții de similaritate: prima se referă la valoarea

vectorului normal în fiecare punct, care nu trebuie să depășească pragul de 5o,

comparativ cu punctele vecine; iar cea de-a doua condiție de similaritate are în

vedere diferențele pe înălțime dintre vecinătăți, care nu trebuie să depășească

20 cm. Astfel, dacă un punct îndeplinește condițiile de similaritate, este inclus

în segment.

6) Clasificare - condiția principală care este verificată în această etapă are în

vedere procentul de puncte teren din cadrul fiecărui segment în parte. Se

folosesc ca referință punctele-teren obținute din etapa de interpolare ierarhică

robustă. Astfel, segmentele care conțin un procent mai mare de 80% de puncte-

teren, sunt clasificate ca segmente-teren. De aici provin punctele-teren situate

în zonele de discontinuitate ale suprafeței și în imediata proximitate a liniilor

de schimbare de pantă, cum ar fi malurile râului în cazul de față. Restul


24

segmentelor vor fi clasificate ca non-teren și segmente care nu conțin deloc

puncte-teren.

7) Puncte – teren și crearea Modelului Digital final al Terenului- în ultima etapă

a metodei, se vor combina toate punctele-teren obținute în procesele de filtrare

ierarhică, segmentare și clasificare iar punctele duble vor fi eliminate. Prin

interpolarea tuturor punctelor-teren obținute, se va obține Modelul Digital Final

al Terenului, un model îmbunătățit, care redă în mod fildel forma suprafeței

terenului, prin păstrarea malurilor abrupte ale râului.

4.5 Aplicarea metodei propuse – studii de caz

Metoda inovativă de filtrare a norilor de puncte a fost realizată şi aplicată

pentru două studii de caz: Neubacher Au şi o zonă în apropierea acesteia,

carcaterizată de terasamente, fapt ce constituie un interes în analiza rezultatelor ce

vor fi obţinute pentru MDT.

Figura 4.1 Localizarea zonelor de studiu

4.5.1 Prezentarea etapelor algoritmului de filtrare a punctelor-teren

- Date inițiale: norul de puncte LiDAR de coordonate cunoscute xP, yP, zP și

atribute cunoscute: Amplitudine, EchoWidth – norul de puncte inițial are un

număr total de 2 832 902 puncte;

- Eliminarea erorilor care intervin în urma procesului de scanare: au fost

eliminate un număr de 370 de puncte;

- Filtrare Echo-Width - au fost eliminate un număr de 684 293 de puncte, care

au valoarea pentru atributul EchoWidth mai mare de 4.7;

- Interpolare ierarhică robustă – în urma acestui proces au rezultat 1 225 707 de

puncte care au fost clasificate drept teren;

- Segmentare – in urma acestui procedeu au rezultat 125 de segmente, care sunt

ulterior analizate și clasificate;

- Clasificare, verificarea condiției– se verifică segmentele care conțin peste 80%

puncte-teren, având ca referință rezultatele din metoda de filtrare ierarhică

robustă. Astfel, segmentele au fost clasificate în: 89,6% segmente-teren, 10,4%

segmente non-teren și 2,4% segmente ce nu conțin puncte teren.

Raul

Pielach

Loosdorf


25

- Puncte – teren și crearea Modelului Digital final al Terenului. În urma

combinației, are loc o creștere a numărului de puncte ce sunt clasificate drept

teren, cu 32 531, puncte-teren care sunt obținute în urma procedeului de

segmentare și clasificare a segmentelor rezultate.

Figura 4.2 Paşi de lucru

4.5.2 Pre-procesarea şi filtrarea datelor

1. În primul rând, se elimină din norii de puncte, punctele aleatorii, eronate.

2. Pentru determinarea MDT se folosesc doar ultimele ecouri

3. Filtrare după atributul EchoWidth - un bun indicator pentru determinarea

punctelor ce corespund vegetaţiei şi este folosit pentru filtrarea acestora.

4.5.3 Filtrare – robfilter

Pentru prezentul studiu de caz al teritoriului Neubacher Au, s-au utilizat

metoele de filtrare robuste “robust filtering” descris în (Kraus. Pfeifer et al. 1998),

care constă în parcurgerea următorilor paşi:

1. interpolarea unei suprafeţe iniţiale, în care punctele au ponderi individuale egale

2. calculul coeficienţilor procesului de filtrare

3. utilizând noile valori determinate pentru ponderi, este calculată o nouă suprafaţă

4. paşii 2 şi 3 sunt reiteraţi până în momentul obţinerii unei bune aproximări a

suprafeţei terenulu

5. ultimul pas este dat de identificarea punctelor care aparţin terenului.

4.5.4 Segmentarea norilor de puncte

Procesul de segmentare are la bază condițiile de similaritate, iar în acest caz,

s-au folosit două condiții de similaritate:


26

1. prima se referă la valoarea vectorului normal în fiecare punct, care nu trebuie

să depășească pragul de 5o, comparativ cu punctele vecine;

2. a doua condiție de similaritate are în vedere diferențele pe înălțime dintre

vecinătăți, care nu trebuie să depășească 20cm. Astfel, dacă un punct

îndeplinește condițiile de similaritate, este inclus în segment.

Figura 4.3 Rezultatul aplicării procesului de segmentare

4.5.5 Clasificare segmentelor - Implementare algoritm în Matlab

Figura 4.4 Secvenţă a programului Matlab folosit pentru clasificarea

segmentelor în segmente teren şi segmente non-teren


27

Figura 4.5 Procentajul segmentelor teren şi non-teren

4.5.6 Combinarea punctelor-teren

În final, punctele-teren obţinute prin cele două metode: de filtrare robustă şi

segmentare respectiv, sunt combinate, iar punctele duble sunt eliminate.

Figura 4.6 Combinarea punctelor-teren

În final punctele-teren au fost interpolate şi s-a obţinut Modelul Digital al

Terenului îmbunătăţit, prin aplicarea metodei propuse.

Figura 4.7 Modelul Digital al Terenului îmbunătăţit, ce descrie în mod fidel albia

și malurile râului

4.6 Analiza rezultatelorobţinute

4.6.1 Generarea Modelului Digital al Diferenţelor

Pentru analiza rezultatelor, s-a calculat Modelul digital al Diferenţelor între

MDT final îmbunătăţit cu metoda propusă şi MDT iniţial, obţinut doar prin

aplicarea algoritmului de filtrare robustă iterativă.


28

Figura 4.8 DoD Figura 4.9 Vizualizare îmbunătăţiri

4.6.2 Vizualizare profile transversale

Figura 4.10 MDT cu localizarea

unor profile semnificative

Figura 4.11 Profile ale norilor de puncte

Aceste profile evidențază îmbunătățirile pe care această metodă le aduce.

Se poate vedea în mod cert, faptul că modelul digital obținut pe baza noii metode,

redă cu acuratețe forma reală a terenului.


29

4.6.3 Clase de puncte rezultate

Figura 4.12 Clase de puncte

Tabelul 4.1 Numărul de puncte din fiecare clasă

ID Clasă

Nume Descriere Număr de

puncte

1

Pu

ncte

- t

eren

“comune” - puncte – teren commune în rezultatul

filtrării robuste şi segmentare 1 036 036

2

“doar

filtrare

robustă”

- puncte – teren obţinute doar prin filtrare

robustă, care nu se regăsesc în segmente 189 671

3 “doar

segmentare”

- puncte – teren doar din segmente, care nu se

regăsesc în rezultatul filtrării robuste 27 965

4 “altele” - alte puncte (e.g. vegetaţie) 1 579 230


Figura 4.13 Procentajul de puncte per clasă

4.7 Studiu de caz numărul 2

Pentru al doilea studiu de caz, etapele de procesare au fost asemănătoare,

cu precizarea unor aspecte, ce vor fi prezentate în continuare.


30

Figura 4.14 Norul de puncte cu segmente clasificate

Figura 4.15 Clasificare segmente

Tabelul 4.2 Numărul total de segmente şi puncte Nr de segmente Numar puncte

Segmente

omogene

Teren 15 2 561 puncte

Non - teren 207 184 439 puncte

Segmente

mixte

Teren 94 8 121 288 puncte

„Necunoscute“ Formă

regulată

Non -

teren

4 4 362 puncte

Formă

neregulată

Teren 52 10 685 puncte

Non -

teren

3 408 puncte

Non - teren 6 4 718 puncte

Număr total de puncte 381 8 328 461 puncte

În urma combinării punctelor - teren obţinute prin cele două metode, s-a

obţinut următorul rezultat:


31

Tabelul 4.3 Numărul de puncte din fiecare clasă

ID

Nume Descriere Nr puncte

1 P

un

cte

- te

ren

“comune”

- puncte – teren commune în rezultatul filtrării robuste şi segmentare

7 985 176

2 “doar filtrare

robustă”

- puncte – teren obţinute doar prin filtrare

robustă, care nu se regăsesc în segmente 9 578

3 “doar

segmentare”

- puncte – teren doar din segmente, care nu se

regăsesc în rezultatul filtrării robuste 139 775

4

“altele” - alte puncte (e.g. vegetaţie) 5 876 150


Figura 4.16 –Clase de puncte cu procentajele corespunzătoare

Figura 4.17 Vizualizare MDT cu

localizarea unor profile


32

Figura 4.18 Vizualizare profile prin norii de puncte

4.8 Concluzii

Algoritmul propus pentru filtrarea, segmentarea şi clasificarea norilor de

puncte obţinuţi prin scanarea laser aeropurtat, în scopul obţinerii Modelului Digital

al Terenului cuprinde trei metode diferite, şi anume: (1) Metoda de filtrare, (2)

Metoda de segmentare şi (3) Metoda de clasificare a norilor de puncte.

(1). Metoda de filtrare a norilor de puncte este caracterizată prin algoritmul

de interpolare ierarhică robustă. Această metodă prevede mai mulţi paşi

consecutivi, şi anume: interpolarea unei suprafete inițiale, în care punctele au

ponderi individuale egale, calculul coeficienților în funcție de deviațiile verticale

ale punctelor la suprafață, calculul unei noi suprafețe, iterații succesive şi în final,

identificarea punctelor ce aparțin terenului pentru obținerea Modelelor Digitale ale

Terenului.

(2). Metoda de segmentare propusă pentru norii de puncte rezultați în urma

utilizării tehnologiei de scanare laser aeriană, se caracterizează prin calculul

valorilor normalelor în fiecare punct, selecția punctelor, analiza punctelor în funcție

de vecinătăți, procesul “region growing” de formare a segmentelor prin

îndeplinirea condițiilor de similaritate: pragul pentru valorile normalelor în fiecare

punct și pragul diferențelor pe înălțime dintre puncte, obținerea segmentelor

utilizate în derivarea Modelelor Digitale ale Terenului.

(3). Metoda de clasificare are în vedere analiza comparativă a punctelor teren

obținute prin interpolarea ierarhică robustă și segmentare, clasificarea segmentelor

în: segmente-teren, segmente non-teren și segmente ce nu conțin puncte-teren,

urmată de clasificarea norilor de puncte în puncte ce aparțin terenului și puncte

non-teren, în vederea obținerii Modelelor Digitale ale Terenului.

5 APLICAŢII ALE DATELOR DE SCANARE

LASER PE CURSURI DE APĂ

5.1 Introducere

Datele de scanare laser prezintă numeroase aplicaţii pentru zonele străbătute

de cursuri de apă, printre care se menţionează: modelare hidraulică şi hidrologică,

cartografiere geomorfologică şi analiza cantitativă a zonelor inundabile (ex. profile

în secţiune transversală), monitorizarea şi analiza schimbărilor morfologice

fluviale prin integrarea LiDAR-ului topografic cu sisteme sonice sau prin utilizarea

LiDAR-ului batimetric, clasificarea automatatizată a suprafeţelor de apă, evoluţia

morfologigă a cursului de apă pe termen lung, analiza eroziunii malurilor râurilor

şi caracterizarea morfologiei topografiei subacvatice.

5.2 Pre-procesarea datelor de scanare laser

5.2.1 Sisteme de scanare laser utilizate în prezentul studiu de caz

Sisteme de scanare laser utilizate în cercetările efectuate sunt: RIEGL VQ -580,

RIEGL LMS – Q1560, RIEGL VQ820 – G, RIEGL VUX-1UAV şi RIEGL VZ-2000.

5.2.2 Achiziţia datelor de scanare laser

Tabelul 5.1 Achiziţia datelor

Nr

item

Data zborului

fotogrammetric

Tip de

scanare Senzor

Densitatea

punctelor

[puncte/m2]

Numărul total de

puncte

1 24 Mai 2013 ALS VQ-580 11 1 958 483

2 24 Mai 2013 ALB VQ-820G 5 1 528 812

3 14 Octombrie 2014 ALS LMS-Q680 4 2 018 402

4 26 Februarie 2015 ALS LMS-Q1560

57 2 832 498

5 26 Februarie 2015 ULS VUX 20 151 572 791

6 10 Martie 2016 TLS VZ2000 8-1000 17 309 106

7 7 Iunie 2016 TLS VZ2000 8-1000 27 395 336

Co-registraţia şi geo-referenţierea norilor de puncte – un aspect deosebit de

important îl reprezintă procesele de co-registraţie şi georeferenţiere, procese prin

intermediul cărora norii de puncte obţinuţi din scanările laser din diferite puncte de

preluare, sunt aduşi într-un sistem comun de referinţă, cu o poziţie spaţială reală.

Acest proces se realizează în softul RiSCAN, prin utilizarea punctelor de legătură

(tie points), care sunt în acelaşi timp şi puncte de control la sol. Pentru realizarea

registraţiei, un număr de 21 de puncte de legătură (tie points), marcate în teren prin

ţinte circulare cu diametrul de 5 cm (Riegl) au fost fixate în teren pentru a fi ulterior

utilizate ca puncte de legătură în etapa de pre-procesare (registraţie şi


34

georeferenţiere). Aceste ţinte reflectorizante au fost măsurate cu aparatura GNSS,

cu o acurateţe de mai puţin de 1cm de poziţionare.

Georeferenţierea este procesul prin care norii de puncte, aflaţi în sistemul de

coordonate al proiectului sunt aduse în referinţă spaţială reală, cu ajutorul punctelor

de control la sol. Pentru analiza georeferenţierii, se calculează diferenţele dintre

seturile de date preluate la momente de timp diferite şi se analizează histograma

diferenţelor.

Figura 5.1 Diferenţele pe înălţime dintre suprafeţele interpolate pentru ALS şi

Histograma diferenţelor pe înălţime, este considerată masca pentru vegetaţie

Se observă valoarea deviaţiei standard de 1 cm şi a erorii medii residuale

RMS de 0.094 m, ceea ce dovedeşte faptul că datele sunt bine georeferenţiate.

Pentru aducerea în corespondenţă a norilor de puncte obţinuţi prin scanarea

laser aeropurtat la norii de puncte obţinuţi în urma scanării terestre, se utilizează

algoritmul ICP (engl. Iterative Colsest Point), implementat în Matlab de Philipp

Glira, în prezent doctorand la Universitatea Tehnică din Viena, departamentul de

Geodezie şi Geoinformatică.

Figura 5.2 Zone fixe, stabile în timp şi Rezultatul algoritmului ICP

Pentru aceasta, s-a selectat din norul de puncte LST anumite zone,

considerate a fi fixe şi stabile în timp. În urma unui număr de 5 iteraţii, în final s-a

obţinut o eroare medie pătratică pentru toate scanările aeropurtate de 0.55 m.

Din rasterul diferenţelor rezultat şi pe baza histogramei rezultate, poate fi

văzut faptul că în zona deschisă de iarbă, diferenţele sunt de ordinul -2 şi +2 cm,

fapt ce demonstrază că scările laser terestre se suprapun foarte bine cu scanările

aeriene în acelaşi sistem de coordonate ETRS89, UTM Zona 33N.


35

Rezultatul scanărilor laser terestre sau

aeriene nu este numai norul de puncte

cu coordonate X, Y, Z cunoscute, ci şi

o serie de atribute pentru fiecare punct

în parte, atribute ce pot fi folosite

ulterior în procesarea datelor.

Figura 5.3 – Vizualizare 3D a norilor

de puncte ALS şi TLS

Norul de puncte obţinuţi prin scanarea laser pe platforma aeropurtată (151.5

mil. puncte) fără pilot se caracterizează printr-o mare densitate (20 puncte / m2),

fapt ce duce la creşterea timpului de procesare a datelor.

Figura 5.4 Vizualizarea

MDS “shaded” şi cu paleta

standard de colori

5.3 Crearea Modelului Digital al Suprafeţei prin utilizarea datelor laser

scaner aeropurtat

5.3.1 Aspecte generale

Pentru prezentul studiu de caz, s-a derivat Modelul Digital al Suprafeţei

pentru zona “Neubacher Au” din Austria, model generat pe baza unei combinaţii a

două produse, şi anume: DSMmax şi gridul de interpolare DSMmpl. Întregul algoritm

este implementat în soft-ware-ul ştiinţific OPALS.

În prezent, există numeroşi algoritmi matematici pentru crearea modelelor

digitale, prezentate în (Maune, Kopp, Crawford, Zervas 2007): interpolare liniară,

biliniară, interpolare spline, spline bi-cubică, interpolare IDW (Inverse Distance

Weighted), metoda vecinului celui mai apropiat, triangulaţia Delaunay, interpolare

prin utilizarea planurilor mobile (moving planes).

5.3.2 Procesarea datelor

În procesul de achiziţie, s-a utilizat senzorul laser Riegl LMS Q1560,

caracterizat printr-o rată mare a impulsurilor laser de până la 80k Hz şi utilizează o

lungime de undă de 1064 nm, în domeniul infraroşu al spectrului electromagnetic.

Misiunea de zbor s-a desfăşurat în 26 Februarie 2015, în sezon de iarnă, norul de

puncte rezultat având o densitate de 57 de puncte pe m2.

5.3.2.1 Metoda aplicată pentru derivarea Modelului Digital al Suprafeţei

Zona de studiu, Neubacher Au, cuprinde o porţiune meandrată a râului

Pielach, o zonă de pădure cu vegetaţie aluvionară, şi o zonă de câmp deschis.


36

Figura 5.5 Ilustraţie pentru derivarea MDS (a)

corespunzător vegetaţiei înalte (b) zone

deschise, şi (c) profilul cursului de apă

Se poate vedea că pentru arbori, Modelul Digital al Suprafeţei obţinut prin

utilizarea interpolării “moving planes” este situat sub poziţia reală a punctelor,

acest model subestimează inălţimile copacilor, conducând la diferenţe mari între

situaţia reală şi modelul aproximat. Modelul Digital obţinut prin utilizarea valorilor

maxime din puncte, DSMmax, conduce spre o mai bună aproximare a suprafeţei

reale din teren.

Figura 5.6 Paşi de procesare pentru

obţinerea MDS (Loghin et al. 2016)

Pe de altă parte, pentru suprafeţele

netede şi înclinate, DSMmax,

aproximează valorile Z ale fiecărei

celule raster cu valorile maxime,

producând o supra-estimare a

situaţiei reale din teren:este

recomandată utilizarea DSMmpl.

Figura următoare este o scurtă

prezentare a principalilor paşi de

procesare, aplicaţi pentru a obţine

Modelul Digital al Suprafeţei,

pentru zona de studiu, Neubacher

Au.

5.3.2.2 Derivarea imaginii raster corespunzatoare rugozităţii suprafeţei

Un parametru foarte important utilizat în calculele următoare este valoarea

σz, ce defineşte rugozitatea suprafeţei. Aceasta joacă un rol deosebit de important

în implementarea modelului matematic, deoarece este utilizată pentru identificarea

acoperişurilor de clădiri, a străzilor şi arealelor deschise pe de o parte, dar şi pentru

identificarea şi marcarea zonelor de vegetaţie, pe de altă parte (Hollaus,

Mandlburger, Pfeifer, Mucke 2010).

5.3.2.3 Modelul matematic

În principal, modelul mathematic este reprezentat de implementarea în limbaj

pseudocod în software-ul OPALS:

Z[DSM] = z[σz]<0.5 or not z[DSMmax] ? z[DSMmpl] :

z[DSMmax]


37

5.3.3 Derivarea Modelului Digital al Suprafeţei

În primul rând, este obţinut Modelul Digital al Suprafeţei DSMmax, ce conţine

în fiecare celulă raster cu dimensiunea de 20 cm, punctele cu valoarea Z cea mai

mare. Pentru a obţine un Model al Suprafeţei îmbunătăţit, dezavantajele Modelului

bazat pe valorile maxime din fiecare celulă raster sunt reduse prin utilizarea unui

grid de interpolare DSMmpl, ce se obţine prin aplicarea metodei “moving planes”

de interpolare (interpolare pe baza panurilor mobile). În final, cele două modele s-

au combinat, conform modelului matematic definit anterior.

Figura 5.7 MDS Vizualizare 3D in

software-ul“ArcScene”, prin utilizarea

paletei de culori standard

Figura 5.8 MDS pentru întreaga arie de

zbor – valori Z clasificate

5.4 Analize efectuate pentru vegetaţia din zonele străbătute de cursuri de apă

Vegetaţia din zonele străbăturte de cursuri de apă se caracterizează printr-o

mare varietate şi o complexitate ridicată. În cadrul acestui studiu, s-au determinat

poziţiile arborilor, s-a analizat structura acestora pe verticală şi s-a estimat evoluţia

vegetaţiei în timp.

5.4.1 Determinarea locaţiei arborilor şi înălţimile acestora

Pentru identificarea poziţiilor trunchiurilor arborilor s-a utilizat o metodă

bazată pe căutarea punctelor de maxim local “local maxima” din cadrul Modelului

Digital al Suprafeţei normalizat (MDSn).

Figura 5.9 Vizualizarea locaţiilor arborilor şi

Vizualizare 3D în softul “ArcScene” a trunchiurilor arborilor

Prin această metodă, au fost determinaţi un număr de 578 de arbori împreună

cu localizarea pe teren şi cu înălţimile corespunzătoare, care au fost exportaţi într-

un fişier de tip .xyz.


38

5.4.2 Structura vegetaţiei pe verticală

În general, modulul PointStats al softului Opals permite extragerea de

caracteristici, ce permite clasificarea punctelor. Prin filtrarea punctelor cu o

distribuţie spaţială locală de cel putin 5 m şi o poziţie relativă în cadrul sferei de

căutare de mai mult de 90%, se exportă fişierul ce conţine punctele menţionate

anterior. Prin simpla inversare a filtrului, celelalte puncte sunt scrise într-un alt

fişier.

Figura 5.10

Vizualizarea părţii

superioare a

coronamentelor

arborilor şi a tuturor

celorlalte puncte

5.4.3 Evoluţia vegetaţiei în timp

Prin utilizarea rezultatelor în ceea ce priveşte punctele de pe coronamentele

arborilor, s-a efectuat o comparaţie între numărul de puncte obţinute pentru

scanarea laser aeropurtat din anul 2013 cu cea din anul 2015.

Tabelul 5.2 Analiza evoluţiei coronamentului arborilor

Data de

achiziţie

Tipul de

sensor ALS

Număr total

de puncte

Număr de

puncte

coronament

Restul

punctelor

Procentaj

puncte

coronament

24 Mai 2013 VQ-580 1 958 483 148 631 1 809 852 7,59 %

26 Februarie

2015 LMS-Q1560 2 832 498 119 814 2 712 684 4,23 %

5.5 Aplicaţii ale Modelelor Digitale ale Terenului

5.5.1 Derivarea MDT pentru întreaga suprafaţă de studiu

În cazul de faţă, pentru prezentul studiu de caz, pentru derivarea MDT-ului,

s-a utilizat metoda propusă în capitolul anterior, bazată pe îmbinarea metodei de

filtrare robustă cu procesul de segmentare al norilor de puncte.

(a) (b) Fig. 5.11 Clasificarea norilor de puncte în puncte-teren si puncte non-teren (a) vizualizare 3D a

norilor de puncte cu localizarea unui profil;(b) MDT pentru întreaga arie măsurată


39

5.5.2 Aplicații ale Modelului Digital al Terenului

Un model al terenului constituie o necesitate în vederea identificării și

analizării problemelor într-o varietate de domenii, precum: hidrologie,

geomorfologie, precum și în modelarea mediului înconjurător.

5.6 Aplicații ale Modelului Digital al Terenului în hidrologie

5.6.1 Modelarea sistemului de drenaj

Determinarea limitelor unui bazin hidrografic și modul în care apa se

acumulează în cadrul unui bazin hidrografic este realizată având la bază Modelul

Digital al Terenului. Algoritmul de calcul este implementat în software-ul ArcGis

și este bazat pe metoda dezvoltată de (Hutchinson 1989), metodă care constă în

următoarele două etape principale:

1. Determinarea coeficientului și a direcției de curgere din fiecare pixel al rasterului

2. Determinarea acumulării

5.6.2 Direcţia scurgerii superficiale

Determinarea modului și a direcției în care se scurge apa reprezintă, în mod

natural, o primă etapă în delimitarea unui bazin hidrografic.

În figura 5.12 este reprezentat un

model ipotetic de MDT, cu

elevațiile scrise în interiorul

fiecărei celule. Săgețile albastre

indică direcțiile de curgere, iar în

partea din dreapta sunt prezentați

coeficienții de direcție pentru

fiecare celulă în parte.

Figura 5.12 Codificarea direcției

de curgere

Direcția de curgere este determinată de direcția scăderii altitudinale maxime

pentru fiecare celulă, conform următoarei formule de calcul:

𝑝 % = 𝛥𝑧

𝑑𝑖𝑠𝑡𝑎𝑛𝑡𝑎∗ 100 (5.1)

Distanța este calculată între centrele celulelor. Rezultatul este calculat ca

diferențe pentru valorile elevaţiilor Z, divizate de lungimea distanței dintre celule,

exprimat în procente. Pentru celulele vecine, această formulă este asemănătoare cu

formula ce definește panta.

5.6.3 Calculul direcţiei scurgerii superficiale pentru zona de studiu

Pentru calculul direcţiei scurgerii superficiale a fost folosit Algoritmul D8

(Dterministic Eight), dezvoltat de (O’Callaghan, Mark 1984), algoritm de direcţie

singulară, ce foloseşte fereastra de 3 x 3 şi calculează direcţia scurgerii superficiale

prin aproximarea acesteia cu direcţia înclinării maxime a pantei.


40

5.6.4 Acumularea scurgerii

În cazul unui model digital de

elevaţie de tip grid, pentru

determinarea acumulării

scurgerii se însumează numărul

total de celule care deversează în

alte celule ale modelului. Figura 5.13 Acumularea scurgerii

Figura 5.14 Direcțiile de scurgere

Figura 5.15 Acumularea scurgerii

5.7 Analiza evoluţiei în timp a albiei râului

Disponibilitatea datelor rezultate în urma scanărilor laser pentru aceeaşi zonă

în diferite perioade de timp, este strategică pentru analiza evoluţiei morfologice a

canalului râului. Pe baza datelor LiDAR multi-temporale se obţine Modelul Digital

al Diferenţelor (DoD – Digital Elevation Model of Differences), care este analizat,

în vederea identificării schimbărilor topografiei terenului.

Figura 5.16– DoD cu localizarea unor

profile Mai 2013 – Iunie 2016

După cum se poate observa in legenda

de culori, diferenţele variază între -0,5 m

(eroziune), până la +0,5 m (depuneri) şi

sunt localizate de-a lungul albiei râului

Pielach.

Diferenţele medii pe înălţime pentru

suprafeţele din cadrul pădurii aluvionare

pentru această perioadă de timp sunt în

intervalul a 5 cm, după cum poate fi

văzut în profilele 1 şi 7.

Inundaţia din luna Iunie 2013 a cauzat o

eroziune substanţială a malului râului

(profilul 4) şi în mod special la malul

abrupt localizat în cadrul meandrului,

după cum se poate vedea în profilul nr.

5. De asemenea, depuneri de pietriş se

pot vedea în profilul nr.6.


41

De asemenea, s-au preluat şi un

număr de fotografii pe teren, atât în

luna Martie cât şi în luna îunie,

pentru o referinţă vizuală a

schimbărilor. Figura 5.17 –Fotografii, prima coloană –

Martie 2016, a doua coloană: Iunie 2016

(a) Eroziunea malului, (b) Canal principal cu pădure, (c) câmp deschis cu vegetaţie

Fig 5.18 Fotografii la teren penttru zona de

pietriş analizată. Stânga: Martie 2016, dreapta: Iunie 2016

Secţiunea de profil de 20 m lungime

arată diferenţe ale formei malului.

Fig 5.19 Vizualizarea norilor de puncte din

epoci diferite, corespunzători malului de pietriş, cu un profil de 0.5 m

Celelalte detalii analizate sunt reprezentate de trei arbori de foioase, cu

diferite forme ale coroanelor şi anume: extinsă (sub-coroane de la diferite

trunchiuri într-un singur arbore – detaliul B), coroană în formă de coloană (o

singură coroană cu un trunchi central – detaliul C) şi coroană ovală (detaliul D).

Fig 5.20 Nori de puncte corespunzători

arborilor analizaţi,

pentru cele patru epoci diferite: (1)LSA Mai

2013, (2) LSA

Februarie 2015, (3) LST Martie 2016 şi (4)

LST Iunie 2016

Tabelul 5.3 arată schimbări ale înălţimilor arborilor pentru perioada Mai 2013

- Iunie 2016. Valorile diferenţelor pentru această perioadă nu depăşesc 1 m.

Tabelul 5.3 Înălţimile arborilor

Tipul de date Epoca Înălţime arbore [m]

B C D

LSA

Mai 2013 21,73 15,59 11,07

Februarie 2015 22,55 16,32 11,65

Diferenţa 0,82 0,73 0,58

LST

Martie 2016 22,96 16,61 11,77

Iunie 2016 23,25 16,75 11,89

Diferenţa 0,29 0,14 0,12

Diferenţa totală [m] 1,52 1,16 0,82

Diferenţa totală % 6,54 6,93 6,90


42

5.8 Concluzii

În acest capitol s-au analizat principalele aplicaţii ale scanărilor laser pe

cursuri de apă. S-a analizat în detaliu o suprafaţă de 447 pe 428 m, ce cuprinde o

porţiune a râului Pileach, care a fost scanat în mod repetat, atât cu laser scaner

aeropurtat, cât şi cu cel terestru.

Pentru derivarea Modelului Digital al Suprafeţelor, s-a utilizat o metodă care

ţine cont de categoriile de folosinţă ale terenului. Pentru identificarea poziţiilor

trunchiurilor arborilor s-a utilizat o metodă bazată pe căutarea punctelor de maxim

local din cadrul Modelului Digital al Suprafeţei normalizat (MDSn). De asemenea,

au fost efectuate analize pentru structura vegetaţiei pe verticală, în urma cărora au

rezultat punctele situate în partea superioară a coroanelor arborilor.

Modelul Digital al Terenului, determinat prin metoda propusă de filtrare şi

segmentare a norilor de puncte, prezintă numeroase aplicaţii pentru modelarea

sistemului de drenaj, determinarea scurgerii superficiale şi acumularea scurgerii,

obţinându-se în final cursul râului Pielach, prin modelare hidrologică.

Figura 5.21 redă o vizualizare comparativă a rezultatelor obţinute, cu datele

de referinţă. Datele de referinţă fac parte dintr-o bază de date a Austriei, numită

OSM (engl. Open Street Map) ce cuprind fişiere shape georeferenţiate pentru

următoarele categorii: clădiri, drumuri, căi ferate, cursuri de râuri şi lacuri şi

categorii de folosinţă a terenului.

Fig 5.21 Comparaţie a rezultatelor

acumulării scurgerii cu date OSM (Open

Street Map) de referinţă

Cursul râului, obţinut prin metodele

hidrologice aplicate pe MDT este

reprezentat în culoarea albastru închis,

în timp ce cursul de referinţă cu nuanţa

albastru deschis. În ansamblu, se

observă o bună suprapunere între

acestea, cu diferenţe în general de sub 5

m, valoarea maximă de 10 m

înregistrându-se în zona de meandru.

Trebuie însă ţinut cont de faptul că

datele de referinţă sunt preluate în 2018,

în timp ce rezultatul obţinut pe baza

MDT din anul 2015.

Pe baza datelor LiDAR multi-temporale se obţine Modelul Digital al

Diferenţelor (DoD – Digital Elevation Model of Differences), care a fost analizat,

în vederea identificării schimbărilor topografiei terenului pentru o perioadă de trei

ani. Prin analiza Modelului Digital al Diferentelor, se observă evoluţia în timp a

teritoriului, cu principalele zone de eroziune a malurilor dar şi zone de depunere.

Anumite detalii au fost analizate şi comparate în timp, utilizând ca referinţă şi

fotografii preluate la teren.

6

TEHNOLOGIA DE SCANARE

LASER TOPO-BATIMETRICĂ

6.1 Introducere

Batimetria lidar (LSB – Laser Scaner Batimetric) sau batimetria LiDAR este

o tehnică de măsurare a adâncimilor apelor superficiale sau a apelor costiere, din

aer, prin utilizarea impulsurilor laser (Guenther et al. 2000).

Batimetria LiDAR aeriană permite obţinerea de date referitoare la adâncimea

apei. Este o metodă foarte eficientă aplicată în zonele în care nu se pot folosi

metodele tradiţionale de măsurare. Adâncimea de penetrare este în funcţie de

claritatea apei; aceasta va descreşte pe măsură ce apa este mai tulbure. În condiţii

favorabile, se pot măsura adâncimi de mai mult de 50 m.

6.2 Scurt istoric

Odată cu apariţia laserului, la începutul anilor 60, s-a dezvoltat conceptul de

batimerie laser aeriană. Ideea de utilizare a laserului pentru detecţia subacvatică s-

a folosit iniţial pentru detectarea submarinelor (Ott 1965; Sorenson 1966).

În anii ’80 sistemele laser batimetrice au cunoscut o evoluţie continuă,

trecând de la faza de practică experimentală în regim operaţional. Firma Optech

din Canada, sponsorizată de Seviciul de Hidrografie, a construit sistemul

LASRSEN – 500 de scanare laser aeriană, dotat cu sensor activ pentru măsurarea

adâncimilor apelor costiere (Banic 1986). Acesta a fost lansat în anul următor şi

este şi astăzi funcţionabil (Hare 1994).

6.3 Principiul de măsurare al batimetriei LiDAR

Figura 6.1 Scanerul laser topografic

(infraroşu) şi topo-batimetric (verde)

montate pe aceeaşt platformă de

zbor; stânga:reflexia semnalului

infraroşu pe suprafaţa apei; dreapta:

principiul batimetriei laser aeriene

(refracţia razei laser la suprafaţa

apei, ecourile din apă , coloana de

apă fundul apei) (adaptat după

Mandlburger, Pfennigbauer, Pfeifer

2013)

Sistemele de tip batimetric utilizează două tipuri de sisteme LiDAR: unul în

domeniul infraroşu (1064 nm) şi unul în domeniul vizibil corespunzător undei de

culoare verde (532 nm) (Wozencraft, Millar 2005).


44

Lumina laser verde pătrunde în apă şi suferă două fenomene: de refracţie - la

suprafaţa apei şi de reflexie – la fundul apei. Lumina infraroşie este doar reflectată

la suprafaţa apei şi este folosită pentru a determina distanţa dintre platforma aeriană

de măsurare şi suprafaţa apei.

6.3.1 Principiul de scanare al senzorului topo-batimetric

Principiul de bază al tehnologiei batimetrice de scanare este dat de faptul că

scanerul laser emite două raze laser cu lungimi de ună diferite: infraroşie şi

respectiv verde. Adâncimea apei poate fi calculată din diferenţa de timp al

impulsurilor returnate, reflectate de la suprafaţa apei, respectiv de la fundul

acesteia. În majoritatea sistemelor, unda infraroşie (1064 nm) este folosită pentru

detecţia suprafeţei, în timp ce fundul apei se determină cu unda verde (532 nm).

6.3.2 Corecţia fenomenului de refracţie

Laserul de tip batimetric utilizează două tipuri de sisteme LiDAR: unul în

domeniul infraroşu (1064 nm) – folosit pentru determinarea modelului suprafeţei

apei şi unul în domeniul vizibil, corespunzător culorii verde (532 nm), care

pătrunde prin apă şi suferă fenomenele de refracţie (la suprafaţa apei) şi de reflexie

(la fundul apei). Aşadar, ecourile laser care penetrează în coloana de apă trebuie să

fie corectate, prin aplicarea legii de refracţie definită de Snell.

sin

sin

apaaer aer

apa apa aer

nc

c n

(6.1)

În care: naer şi napa sunt indicii de refracţie în aer şi apă; caer şi capa sunt vitezele

de deplasare în aer şi în apă; aer - unghiulde incidenţă a razei laser cu normal la

suprafaţa apei (direcţia zenitului, în general), apa - unghiul de refracţie

6.3.3 Principiul corecţiei de refracţie

Laserul scaner batimetric permite măsurarea în două medii diferite: aer şi apă.

Din acest motiv, propagarea undei prezintă diferenţe între aer şi apă, în principal în

ceea ce priveşte viteza de propagare a undei laser prin cele două medii (exemplu:

viteza luminii). Din acest motiv, impulsurile laser care penetrază coloana de apă

trebuie să fie corectate.

6.4 Studiu de caz – descrierea datelor topo-batimetrice

Datele laser topo-batimetrice utilizate în prezentul studiu de caz, au fost

achiziţionate cu un senzor topo-batimetric de tip Riegl VQ-820-G cu o lungime de

undă de 532 nm. Zborul fotogrammetric a avut loc pe data de 24 mai 2013, la o

altitudine de 600 m, rezultând o amprentă la sol cu un diametru de 60 cm.

În următoarele figuri şi profile este evidenţiată penetrabilitatea razei laser de

culoare verde prin coloana de apă. Pentru o bună analiză, s-a realizat o comparaţie

cu datele obţinute prin scanare cu senzorul infraroşu de tip Riegl LMS-Q1560,

achiziţionate în data de 26 februarie 2015. Astfel, în culoarea roşie este reprezentat

norul de puncte rezultat în urma scanării cu senzorul corespunzător pentru


45

infraroşu, în timp ce cu verde este reprezentat norul de puncte rezultat în urma

scanării cu senzorul topo-batimetric. Se poate uşor observa faptul că punctele

preluate cu lumina verde penetrează apa, în timp ce celelalte înregistrează doar

punctele de la nivelul suprafeţei apei.

Figura 6.2 Vizualizarea norilor de

puncte rezultaţi în urma scanărilor

cu senzori diferiţi, localizarea unei

zone de detaliu şi a unor profile

Figura 6.3 Zonă de detaliu

Figura 6.4 Profilul numărul 1 și histogramele pe înălțime ale acestuia: senzorul

infraroșu LMSQ 1560 (stânga) și senzorul batimetric VQ-820 (dreapta)

Pe baza acestor histograme, se poate observa elevaţia minimă a punctelor

rezultate prin scanarea cu senorul topo-batimetric de 258.57 m, mai mică faţă de

valoarea de 260 m, corespunzătoare senzorului topografic.

6.4.3 Algoritmul de procesare a datelor pentru corecţia unghiului de refracţie

Corecţia unghiului de refracţie este realizată pentru toate punctele datelor de

intrare. Procesarea datelor constă în realizarea următoarelor etape de lucru:

6.4.3.1 Procesul de filtrare a norului de puncte

Prima etapă în procesarea datelor o constituie procesul de filtrare a norului

de puncte, care constă în eliminarea punctelor măsurate în mod eronat. Acestea

sunt reprezentate de punctele singulare din atmosferă sau chiar situate sub nivelul

terenului, cauzate de păsări, praf sau alte particole. Acestea sunt considerate ca

valori aberante și din acest motiv trebuie să fie eliminate din norul de puncte. Pentru

acest lucru, sunt folosite trei moldule ale software-ului Opals: OpalsImport,

OpalsAddInfo şi OpalsExport.


46

6.4.3.2 Derivarea Modelului Digital de suprafață al Apei (MDSA)

Determinarea intersecției razei laser cu modelul de suprafață al apei

implică memorarea vectorului razei laser. Din acest motiv, în etapa de import a

norului de puncte în format odm (opals datamanager) se consideră şi traiectoria de

zbor corespunzătoare, care permite stocarea atributelor vectorului razelor pentru

fiecare punct. Pentru toate ecourile batimetrice corecţiile de refracţie pe cele 3

direcţii precum şi adâncimea apei sunt înregistrate ca atribute adiţionale ale

fişierului ce conţine norul de puncte.

Figura 6.5 Vizualizarea

punctelor după atributul

“WaterDepth”

Figura 6.6 Modelul Digital al Suprafeţei

Apei (MDSA) şi Modelul Digital al

Suprafeţei (MDS) învecinate

MDSA are un rol semnificativ şi serveşte drept bază pentru determinarea

corecţiei de refracţie în fiecare punct, pe baza legii lui Snell. Astfel, toate punctele

situate sub acest model sunt clasificate ca puncte localizate în apă sau puncte situate

la fundul acesteia. Pentru aceste puncte este necesară şi este calculată corecţia de

refracţie, în timp ce pentru punctele situate deasupra Modelului Digital al

Suprafeţei Apei, nu este aplicată nicio corecţie.

6.4.3.3 Calcului corecţiei de refracţie a ecourilor laser

După derivarea Modelului Digital de Suprafaţă al Apei (MDSA), urmează

calculul corecţiilor de refracţie pentru toate punctele clasificate ca aparţinând clasei

apă, corecţii ce sunt memorate ca atribute adiţionale în norul de puncte, cu

denumirile: _RefCorrX, _ReffCorrY, _ReffCorrZ. Calculul este realizat cu ajutorul

modulului opalsSnellius al software-ului Opals, având ca date de intrare norul de

puncte topo-batimetric filtrat şi Modelul Digital de Suprafaţă al Apei (MDSA).

Tabelul 6.1 Rezultatele aplicării corecţiei de refracţie Nr. de puncte procesate cu succes: 196136

Nr. de puncte filtrate 0

Nr. de puncte ignorate 1271115

Nr. de puncte fără informaţie a razei vector 0

Nr. de puncte/raze nelocalizate pe MDSA 56562

Nr. de puncte fără intersecţie cu MDSA 943


47

6.5 Vizualizarea şi analiza rezultatelor

Următoarea figură reprezintă vizualizări ale unor zone de detaliu, în care se

observă cum punctele pentru care a fost aplicată refracţia de corecţie (culoarea

verde) sunt situate deasupra punctelor din norul iniţial (culoarea portocalie).

Figura 6.7 Vizualizarea norilor de puncte iniţial şi corectat pentru doua zone de detaliu

6.5.1 Analiza rezultatelor pe baza profilelor transversale

Un mod efectiv de a evidenţia efectul corecţiei de refracţie este de a plota mai

multe profile, pe baza celor doi nori de puncte suprapuşi (norul original şi cel

obţinut în urma aplicării corecţiei), la care se adaugă şi suprafaţa apei.

Figura 6.8 Vizualizarea norilor

de puncte cu localizarea unor

profile reprezentative

Figura 6.9 Histogramele

corespunzătoare secţiunii

transversale 2 prin norul

de puncte original (roşu),

norul corectat (verde) şi

suprafaţa apei (albastru)


48

6.5.2 Analiza rezultatelor pe baza calculului diferenţelor pe înălţime

Un alt mod de a analiza rezultatele obţinute în urma aplicării corecţiei de

refracţie, este de a calcula şi a vizualiza diferenţele pe înălţime între norul de puncte

original şi norul de puncte corectat.

6.5.2.1 Calculul distanţei Hausfdorf

Distanţa Hausdorff aplicată pentru

doi nori de puncte diferiţi este definită de

distanţa euclidiană care constă în: pentru

fiecare punct p din primul nor N este

calculată distanţa până la punctul său cel

mai apropiat p’ din norul de puncte N’.

𝑑(𝑝, 𝑁′) = 𝑚𝑖𝑛‖ 𝑝 −𝑝′‖, 𝑝′ ∈ 𝑁′ (6.2)

Figura 6.10 Rezultatul calculului distanţei

Haussdorf între norii de puncte

6.5.2.2 Calculul distanţei dintre un nor de puncte şi o suprafaţă interpolată de tip

mesh

Calculul distanţei dintre un nor de puncte şi o suprafaţă de tip mesh se

realizează astfel: pentru fiecare punct din norul de puncte se determină triunghiul

cel mai apropiat din suprafaţa de tip mesh. Figura de mai jos redă distanţele dintre

norul de puncte original şi suprafaţa mesh. Se observă că diferenţele se situează în

intervalul [-0.30 m 0.20 m], valorile negative înregistrându-se în special în zona

cursului de apă, fapt ce sugerează că suprafaţa de tip mesh este situată deasupra

norului de puncte original.

(a) (b)

Figura 6.11 (a) Rezultatul calculului distanţei dintre norul de puncte iniţial şi

suprafaţa mesh a punctelor corectate şi (b) Histograma distribuţiei diferenţelor

6.5.2.3 Calculul Modelului Digital al Diferenţelor DoD

Pentru determinarea Modelului Digital al Diferenţelor, într-o primă etapă, pe

baza procesului de interpolare a suprafeţelor mobile, se determină cele două

Modele Digitale de Elevaţie corespunzătoare celor doi nori de puncte. Pe baza


49

acestora sunt calculate apoi diferenţele în fiecare celulă-raster în parte, diferenţe ce

vor fi salvate într-un nou fişiei de tip .tif, după cum se observă în următoarea figură:

Fig. 6.12 Diferenţele între cele două Modele

Digitale de Elevaţie, corespunzătoare norului

original şi a celui corectat

Fig. 6.13 Histograma diferenţelor

înălţimilor

Atât din reprezentarea grafică cât şi din histogramă se poate observa că

toate diferenţele sunt negative, ceea ce implică faptul că punctele corectate au

valori pe Z mai mari decât cele originale. Acest lucru se datorează faptului că

adâncimile originale sunt supraestimate ca urmare a neluării în considerare a

reducerii vitezei de propagare a luminii in apă.

6.5.3 Compararea cu profile de referinţă

În acest caz, pentru compararea coordonatelor corectate cu cele reale, s-au

luat în considerare două profile transversale pe cursul de apă, cu lungimi de 22 şi

respectiv 27 m.

Fig. 6.14 Poziţiile celor două profile pe suprafaţa Modelului Digital de Elevaţie

Măsurătorile RTK au fost realizate în luna noiembrie 2016, în timp ce

achiziţia datelor topo-batimetrice a fost efectuată pe data de 24 mai 2013. Se

observă diferenţe majore, datorită caracterului dinamic şi morfologiei cursului

apei. Un exemplu elocvent este eroziunea malurilor, foarte bine distinctă în partea

din dreapta a acestor profile.

În următorul tabel sunt prezentate o selecţie de puncte din cadul profilelor

transversale, cu coordonatele reale, elevaţia iniţială extrasă din norul de puncte

batimetric (coloana 5), elevatia corectată (coloana 6), precum şi diferenţele dintre

acestea şi valoarea reală (coloanele 7 şi 8). Datorită timpului diferit de achiziţie a

datelor, diferenţele înregistrează valori de până la 30 cm. În coloana a 9-a sunt

calculate diferenţele dintre coordonatele punctelor obţinute prin scanarea


50

batimetrică iniţială şi coordonatele calculate în urma aplicării corecţiei de refracţie,

cu o valoare a erorii medii pătratice de 35.6 cm. Tabelul 6.2 Calculul diferenţelor între coordonatele reale măsurate, iniţiale şi corectate Nr.

pct

Coordonate reale RTK Z (m)

iniţial

Z (m)

corectat

ZRTK -

Z init

ZRTK -

Z cor

Zcor - Z

init X (m) Y (m) Z (m)

1 2 3 4 5 6 7 8 9

1 527699.459 5340278.497 259.480 259.190 259.290 0.290 0.190 0.380

2 527695.354 5340282.221 259.500 258.780 259.160 0.720 0.240 0.330

3 527694.877 5340282.691 259.510 258.800 259.130 0.710 0.280 0.260

… … … … … … … … …

89 527689.597 5340287.451 259.900 259.560 259.680 0.340 0.220 0.380

Valoarea medie 0.495 0.271 0.343

Deviaţia standard 0.148 0.097 0.079

Eroarea medie pătratică 0.515 0.287 0.356

6.6 Concluzii

În acest capitol se prezintă modul de lucru şi procesarea datelor obţinute prin

scanare topo-batimetrică, pentru zona de studiu situată în partea de nord-vest a

Austriei, pe râul Pielach – afluent al Dunării, pe o lungime de aproximativ 380 m.

Datele au fost achiziţionate în urma unui zbor efectuat în data de 24 mai 2013 cu

senzorul topo-batimetric de tip VQ- 820-G, la o altitudine de 600 m. Comparativ

cu LiDAR-ul topografic, scanarea laser batimetrică are avantajul şi capacitatea de

a penetra coloana de apă, fiind folosită pentru cartografierea topografiei

subacvatice şi determinarea adâncimii apei.

În propagarea lor, undele laser batimetrice suferă două fenomene diferite: de

refracţie (la suprafaţa apei) şi de reflexie (la fundul acesteia). Aşadar, ecourile laser

care penetrează în coloana de apă sunt corectate, prin aplicarea legii de refracţie

definită de Snell. În acest scop, realizat un algoritm, implementat în softul Opals,

algoritm care a constat în următoarele etape principale: (1) filtrarea norilor de

puncte, (2) derivarea Modelului Digital al Suprafeţei apei, (3) calculul corecţiei de

refracţie a ecourilor laser şi (4) Vizualizarea şi analiza rezultatelor.

Pentru analiza rezultatelor obţinute, s-au propus mai multe metode, care au

fost procesate atât cu softul Opals, cât şi cu softul fotogrammetric Cloud Compare.

Astfel, s-au analizat o serie de profile transversale pe cursul de apă, s-au calculat

diferenţele dintre elevaţiile punctelor din norul iniţial şi cel rezultat în urma

aplicării corecţiei de refracţie. Analiza s-a efectuat prin 3 metode diferite, şi anume:

prin calculul distanţei Haussdorf, direct pe norii de puncte; prin determinarea

distanţei dintre puncte şi o suprafaţă de tip mesh şi prin calculul Modelului Digital

al Diferenţelor

Coordonatele punctelor pentru profilele de referinţă au fost determinate prin

tehnologie GNSS, prin metoda RTK. Aceste măsurători au fost folosite drept

referinţă în procesul de evaluare a rezultatelor obţinute în urma aplicării corecţiei

de refracţie. În total, s-au măsurat un număr de 89 de puncte: 47 pentru profilul (a)

şi 42 de puncte pentru profilul (b). În urma analizelor efectuate, diferenţele de

elevaţie între punctele din norul iniţial şi cel obţinut în urma aplicării corecţiei de

refracţie sunt de maxim 0.35 m, dovedind influenţa majoră a corecţiei de refracţie.

7 CONCLUZII GENERALE,

CONTRIBUŢII PERSONALE ŞI DIRECŢII

VIITOARE DE CERCETARE

7.1 Concluzii generale

Tehnologia de scanare laser este o tehnică de măsurare 3D relativ nouă, care

aduce un potenţial pentru achiziţia cu acurateţe a datelor geospaţiale

tridimensionale şi a geometriei obiectelor. Cu ajutorul Modelelor Digitale ale

Terenului obținute prin aplicarea acestei tehnologii, caracterizate printr-o mare

rezoluție, este posibilă recunoașterea și analiza proceselor de eroziune și depunere

la scară mai largă, evitându-se utilizarea secțiunilor. De asemenea, tehnologia

LiDAR poate fi folosită pentru analize calitative și cantitative legate de

recunoașterea schimbărilor morfologice ale râurilor. Principala limitare a acestei

tehnologii o reprezintă lipsa de informație colectată la suprafața de contact aer-apă,

precum și pierderea acurateței și calității la penetrarea coronamentului în zonele de

vegetație.

Așadar, utilizarea LiDAR-ului topografic este adecvată pentru cursuri de apă

din zonele montane, unde dinamica malurilor constituie un aspect major și unde

adâncimea apei este destul de redusă. Oricum, pentru înlăturarea acestor limitări,

comunitățile de cercetare științifică și companiile private depun numeroase eforturi

pentru dezvoltarea algoritmilor de filtrare a ecourilor multiple și pe îmbunătățirea

acurateței datelor, prin integrarea instrumentelor tradiționale, a LiDAR-ului

batimetric pentru măsurători topografice detaliate, în zonele străbătute de râuri cu

o adâncime mai mare.

Posibilitatea de a realiza măsurători topografice într-un mod rapid şi precis

pe zone extinse la un preţ optim precum şi capacitatea de a achiziţiona simultan şi

alte surse de date, cu ar fi imagini aeriene de mare rezoluţie şi imagini

hiperspectrale, fac din tehnologia de scanare laser aeropurtată un instrument

important pentru numeroase aplicaţii legate de planificare şi management teritorial.

Zonele străbătute de râuri se caracterizează printr-o morfologie complexă, cu

numeroase categorii de folosinţe ale terenului, precum şi prezenţa suprafeţelor de

apă. Din acest motiv, utilizarea tehnologiei de scanare laser în aceste medii este

mai dificilă comparativ cu aplicaţiile clasice de cercetare şi studiu a terenului. Cu

toate aceste neajunsuri însă, studiile de cercetare şi investigare a mediilor străbătute

de râuri prin utilizarea tehnologiei de scanare laser au continuat să evolueze, chiar

dacă numărul lor este cu mult mai redus faţă de alte domenii.

Măsurarea suprafeţelor zonelor străbătute de ape, a devenit esenţială pentru

evaluarea volumelor de sedimente, pentru analiza schimbării cursului de apă,

pentru calculul vitezei şi dinamica nivelului apei, pentru descrierea structurii şi


52

schimbărilor geomorfologice a teritoriilor. Aceste măsurători pot fi obţinute într-

un mod efectiv prin utilizarea laserelor topo-batimetrice. În acest studiu, s-a folosit

senzorul aerian topo-batimetric Riegl VQ-820-G, proiectat pentru măsurarea

topografiei subacvatice a mărilor, a râurilor sau a lacurilor. Acesta este integrat

într-o platformă destinată scanării aeriene, care poate fi uşor instalată pe orice tip

de avion, de exemplu cu aripă fixă sau elicopter.

Prin utilizarea datelor de scanare laser aeriene, se uşurează studierea

morfologiei râurilor de dimensiuni mari, eliminându-se astfel dificultăţile

măsurătorilor pe teren. În momentul în care analizele sunt focusate pentru o scară

spaţială şi temporală fină, LiDAR-ul terestru este preferat, întrucât este mai precis,

Modelul Digital al Terenului generat prezintă o rezoluţie mai mare (0.01 m

dimensiunea unei celule grid), iar măsurătorile sunt repetabile. Aceste specificaţii

subliniază utilitatea instrumentului de a monitoriza morfologia râului în condiţii de

schimbări frecvente şi rapide.

Principalele limitări ale LiDAR-ului topografic aeropurtat pentru zonele

străbătute de cursuri de apă, sunt în mod principal legate de suprafaţa apei, care nu

este orizontală, ci se caracterizează printr-o continuă dinamică. Limitările LiDAR-

ului topografic în cazul apelor adânci nu sunt prezente pentru cazul apelor alpine

mai mici şi mai puţin adânci, unde alegerea unui timp favorabil de măsurare (ex.

perioada cu o scurgere mai scăzută), face ca mediul montan să fie favorabil pentru

utilizarea tehnologiei LiDAR. Pentru aceste zone, un Model Digital al Terenului

de o mare rezoluţie derivat din date LiDAR topografic este foarte util pentru

recunoaşterea morfologiei canalului, prin utilizarea unor indecşi morfometrici.

Concluzii privind clasificarea tridimensională a norilor de puncte LSA

Datorită caracterului complex al mediului natural, cu o morfologie complexă

într-o continuă dinamică, în aceste zone clasificarea norilor de puncte este o

misiune destul de dificilă. Această complexitate provine din ne-uniformitatea

obiectelor naturale individuale, precum: mărimi diferite ale particolelor de pământ,

tipuri de soluri cu granulații diferite, vegetaţie de diferite tipuri și vârste (iarbă,

arbuști, vegetație medie și înaltă), litologie variabilă, morfologia dinamică a albiei

cursurilor de râuri caracterizată prin depuneri aluvionare, resturi și eroziuni.

În acest studiu, s-au analizat și comparat rezultatele a două metode diferite de

clasificare: clasificare supervizată și clasificare semi-supervizată. Acești algoritmi

au fost aplicați cu succes pe un nor de puncte achiziționat prin scanare laser aeriană

LSA, pentru un mediu natural cu o morfologie complexă. Ambele metode de

clasificare prezintă o acuratete ridicată, având rezultate similare, cele mai mari

diferențe 0,05 % fiind înregistrate pentru punctele din clasa teren.

Norii de puncte astfel clasificați, cu puncte etichetate, oferă o mai bună

vizualizare a datelor și pot fi utilizați într-o varietate de domenii precum:

geomorfologie, cartografie și modelare 3D, studii legate de mediu.

S-a prezentat o comparație între două metode diferite de clasificare aplicate

pentru un nor de puncte preluat prin scanare laser aeriană, pentru zona Neubacher

Au. Prima metodă este un algoritm de clasificare supervizată pe calculator, bazată

pe algoritmi cu arbori de decizie și de tipul Random Forests, în timp ce cea de-a


53

doua metodă este reprezentată de un algoritm de clasificare semi-supervizată, ce

conține o cascadă de clasificatori binari, generati prin tehnica mașinilor vectoriale

de suport (Support Vector Machines). Procesarea norilor de puncte necesită

software specializat, pentru facilitarea lucrului cu un volum mare de date.

Cele două tipuri de clasificare sunt implementate în OPALS și în software-ul

Canupo. Software-ul Canupo este utilizat în mod eficient în procesul de clasificare

automatizată a norului de puncte, permițând generarea unor clasificatori proprii, ce

lucrează asemenea unor clasificatori binari, care separă punctele laser în două

categorii diferite. Clasificatorii au un caracter general și pot fi transferați și utilizați

cu succes pe orice alt nor de puncte, cu condiția ca unitatea de măsură să fie aceeași

cu cea în care a fost definit clasificatorul, iar densitatea punctelor să fie relativ

aceeași. Precizia de clasificare este calculată în fiecare punct, fapt ce conduce la

posibilitatea de creare a noi clase de incertitudine, corespunzătoare punctelor în

care clasificarea este incertă. Metoda de clasificare semi-supervizată folosește

geometria locală a obiectelor și poate fi aplicată pe nori de puncte de dimensiuni

mari, care conțin de la zece până la sute de milioane de puncte, pe un sistem

computer normal, într-un timp rezonabil.

Rezultatele arată că dintr-un număr total de puncte de 2 832 497, cu softul

Canupo, implementat în CloudCompare au rezultat 1 360 527 puncte-teren,

1 264 223 puncte-vegetaţie, 148 181 puncte-apă şi 59 566 puncte-pietriş. În cazul

softului Opals au rezultat 1 359 242 puncte-teren, 1 265 124 puncte-vegetaţie,

147 593 puncte–apă şi 60 538 puncte-pietriş. Ambele metode de clasificare

prezintă o acuratete ridicată, având rezultate similare, cele mai mari diferențe 0,05

% fiind înregistrate pentru punctele din clasa teren.

În cazul algoritmului CSF (Cloth Simulation Filter) punctele au fost

clasificate în doar două tipuri şi anume: 958 044 puncte-teren şi 1 874 453 puncte

non-teren.

Concluzii privind algoritmul propus pentru filtrarea, segmentarea şi

clasificarea norilor de puncte LSA

Scanarea laser aeriană, s-a dovedit a fi o metodă foarte productivă pentru

producerea Modelelor Digitale ale Terenului

În acest studiu, s-a dezvoltat un nou algoritm, prin care este propusă o nouă

metodă de filtrare, segmentare și clasificare a norilor de puncte pentru derivarea

Modelelor Digitale ale Terenului, prin utilizarea datelor rezultate în urma scanării

laser aeriene, în vederea utilizării acestora la întocmirea unor proiecte de precizie

ridicată, fiind unica de acest tip din România.

Metoda inovativă are la bază procesele de interpolare robustă ierarhică,

segmentare și clasificare a norilor de puncte. Scopul este de a diminua efectul de

netezire în special în zonele de discontinuitate ale terenului (linii de schimbare a

pantei), comparativ cu metodele tradiționale de filtrare, de a automatiza întreg

procesul de filtrare, segmentare și clasificare, precum și de a crește acuratețea

modelelor digitale ale terenului care sunt obținute pe baza datelor laser scaner

aeropurtat.


54

În urma aplicării acestui algoritm, s-a obţinut un număr adiţional de puncte-

teren (32 531 puncte-teren), realizându-se astfel o îmbunătăţire a filtrării iniţiale.

Prin vizualizarea profilelor transversale, se observă în mod clar îmbunătăţirea ce se

produce la malurile abrupte ale râului. Modelul Digital al Terenului obținut pe baza

noii metode redă cu acuratețe forma reală a terenului.

În cazul celui de-al doilea studiu de caz, cu suprafaţa de terasamente, se

constată o creştere a numărului de puncte-teren cu 139 775.

Concluzii referitoare la aplicaţiile tehnologiei de scanare laser pentru

prezentul studiu de caz – râul Pielach

Într-o primă etapă, norii de puncte au fost aduşi in cadrul aceluiaşi sistem de

referinţă, prin procedee de co-registraţie şi georeferenţiere, realizate în softul

RiScan Pro (software dezvoltat de compania Riegl) şi Matlab (algoritmul ICP).

Valoarea deviaţiei standard obţinută este de 1 cm şi a erorii medii residuale RMS

de 0.094 m, ceea ce dovedeşte faptul că datele au fost bine georeferenţiate.

Printre principalele aplicaţii realizate, se numără: procesul de integrare a

datelor rezultate în urma scanărilor aeropurtate cu cele terestre, analiza atributelor

punctelor şi vizualizarea acestora, generarea Modelelor Digitale ale Suprafeţelor,

ale Modelelor Digitale ale Terenului, analize efectuate pentru vegetaţie, structura

pe verticală a acesteia, determinarea localizării arborilor, aplicaţii ale MDT-ului în

hidrologie, modelarea sistemului de drenaj, determinarea scurgerii superficiale,

acumularea scurgerii şi analiza evoluţiei cursului de apă în timp.

Modelul Digital al Suprafeţei pentru zona “Neubacher Au” din Austria fost

generat pe baza unei combinaţii a două produse, şi anume: DSMmax şi gridul de

interolare DSMmpl. Întregul algoritm este implementat in software-ul ştiinţific

OPALS (Orientation and Processing of Airborne Laser Scanning data). Pentu acest

areal, s-au utilizat date de scanare laser aeropurtat, cu o densitate a punctelor de 57

ecouri/ m2. Comparat cu Modelul Digital a Suprafeţei obţinut prin metode

tradiţionale, obişnuite, Modelul final obţinut prin metoda propusă, oferă o mai bună

vizualizare a teritoriului, fiind utilizat cu uşurinţă în numeroase aplicaţii.

În ceea ce priveşte analizele pentru vegetaţia complexă din teritoriu, au fost

determinaţi un număr de 578 de arbori împreună cu localizarea pe teren şi cu

înălţimile corespunzătoare. Prin realizarea aplicaţiei de hidrologie, s-a obţinut in

final traseul de curgere al râului Pielach, numai prin metode automatizate având ca

dată de intrare doar MDT. Rezultatul se suprapune foarte bine cu datele de referinţă

din baza de date Open Street Map.

Prin analiza Modelului Digital al Diferenţelor, se observă evoluţia în timp a

teritoriului, cu principalele zone de eroziune a malurilor dar şi zone de depunere.

De asemenea, anumite zone au fost analizate în detaliu, precum şi parametrii

arborilor au fost analizaţi în evoluţia lor.

Concluzii privind utilizarea datelor LSB pe cursuri de apă

Pentru prezentul studiu de caz, s-a utlizat norul de puncte rezultat în urma

scanării aeropurtate cu senzorul topo-batimetric Riegl VQ-820-G, care permite atât

scanarea topografică a suprafeţei uscatului, cât şi scanarea topografiei subacvatice


55

a apelor cu adâncimi reduse sau a râurilor. Capacitatea impulsului de a penetra apa

depinde de gradul de turbititate al acesteia: în cazul în care apa este caracterizată

prin claritate, atunci adâncimea maximă poate ajunge până la 50 m.

Datele au fost achiziţionate în urma unui zbor efectuat în data de 24 mai 2013

cu senzorul topo-batimetric de tip Riegl VQ- 820-G, la o altitudine de 600 m,

pentru râul Pielach – afluent al Dunarii, pe o lungime de aproximativ 380 m,

rezultând un nor cu număr de 3049512 de puncte. Sistemul batimetric este proiectat

pentru măsurători combinate: topografice şi hidrografice, ce utilizează două tipuri

de sisteme LiDAR: unul în domeniul infraroşu (1064 nm) – ce scanează suprafaţa

uscatului- şi unul în domeniul vizibil corespunzător undei de culoare verde (532

nm), pentru scanarea topografiei subacvatice.

Cu toate acestea însă, raza laser batimetrică suferă două fenomene: de

refracţie - la suprafaţa apei şi de reflexie – la fundul apei. Pentru aceasta, este

necesară aplicarea corecţiei de refracţie. Aşadar, ecourile laser care penetrează în

coloana de apă sunt corectate, prin aplicarea legii de refracţie definită de Snell.

Pentru aceasta, realizat un algoritm în care s-a utilizat modulul Snellius al software-

ului fotogrammetric OPALS, ce constă în următoarele etape de calcul: în primul

rând, s-a realizat filtrarea norilor de puncte pentru eliminarea punctelor măsurate

în mod eronat. În al dilea rând, s-a determinat Modelul Digital de Suprafaţă al Apei,

care joacă un rol semnificativ pentru determinarea corecţiei de refracţie în fiecare

punct. În următorul pas, s-au determinat corecţiile de refracţie pentru fiecare punct

de pe suprafaţa apei, rezultând un număr de 196 136 de puncte procesate cu succes.

Numărul mare de puncte ignorate (1 271 115) se datorează punctelor de la suprafaţa

terenului şi a vegetaţiei, întrucât în procesare se consideră întregul nor de puncte,

iar algoritmul le selectează doar pe cele de la suprafaţa apei. În urma analizei, au

rezultat îmbunătaţiri pe elevaţie de până la 50 cm, pentru punctele situate sub apă.

Pentru validarea rezultatelor, s-au folosit două profile transversale,

determinate prin tehnologie GNSS, prin metoda RTK. În total, s-au utlizat un

număr de 89 de puncte, pentru care s-au calculat diferenţele pe înălţime atât faţă de

norul batimetric iniţial, cât şi faţă de cel obţinut în urma prelucrării, pentru care s-

a obţinut o valoare medie de 0.34 m şi o eroare medie pătratică de 0.35 m. În urma

analizelor efectuate, diferenţele de elevaţie între punctele din norul iniţial şi cel

obţinut în urma aplicării corecţiei de refracţie sunt de maxim 0.50 m, cu o deviaţie

standard de 0.36 mşi o valoare a erorii medii pătratice de 0.37 m.

7.2 Avantajele şi dezavantajele utilizării datelor de scanare laser şi a

aplicaţiilor propuse

În urma cercetărilor efectuate, se desprind următoarele avantaje şi dezavantaje în

ceea ce priveşte aplicarea tehnologiei de scanare laser pe cursuri de apă.

Avantajele utilizării tehnologiei LSA pe cursuri de apă

permite studierea morfologiei râurilor de dimensiuni mari, eliminându-se astfel

dificultăţile măsurătorilor pe teren;

tehnologia de scanare laser furnizează date topografice de o mare rezoluție,

capabilă de a acoperi suprafețe largi, într-o perioadă scurtă de timp, contribuind

astfel în mod semnificativ la reprezentarea suprafețelor de teren;


56

are o precizie ridicată atât în plan orizontal, cât și în cel vertical;

o caracteristică deosebit de valoroasă, spre deosebire de tehnicile topografice

tradiționale de măsurare, este capacitatea de derivare a Modelelor Digitale ale

Terenului (MDT) cu o mare rezoluție (1 m), direct din norul de puncte;

în mod cert reprezintă un instrument util pentru derivarea Modelelor Digitale

ale Terenului cu o acuratețe ridicată în zone complexe precum văi inundabile și

bazine hidrografice.

Dezvantajele utilizării tehnologiei LSA pe cursuri de apă

pentru zonele străbătute de ape, cu un relief fluvial, această tehnologie prezintă

anumite limitări cauzate de faptul că impulsul laser nu pătrunde apele adânci;

un dezavantaj încă mare al acestor echipamente, îl reprezintă costurile ridicate;

procesarea tridimensională a norilor de puncte necesită personal şi software

specializat;

prelucrarea norilor de puncte necesită timp îndelungat de procesare, datorită

densităţii mari de puncte rezultate în urma scanărilor;

chiar şi în prezent, datele obţinute în urma scanărilor (norii de puncte) trebuie

să fie transferaţi pe hard diskuri externe care au capacitate mare de stocare,

deoarece transferul datelor foarte mari nu se poate realiza prin email sau prin

intermediul serverelor de tip FTP (File Transfer Protocol);

norul de puncte arată foarte frumos, însă multi îl consideră inutil, datorită

dimensiunilor sale. Un nor obişnuit de puncte poate avea între 10 GB până la

100 GB, fiind inoperabil în programele de tip CAD- Adevărata putere a

scanărilor se dovedeşte în momentul în care norul de puncte se poate utiliza în

sistemul software curent.

Avantajele utilizării tehnologiei de scanare laser topo-batimetrică

Comparativ cu LiDAR-ul topografic, scanarea laser batimetrică are avantajul şi

capacitatea de a penetra coloana de apă, fiind folosită pentru cartografierea

topografiei subacvatice şi determinarea adâncimii apelor;

Este folosit cu succes în special pentru cartografierea zonelor costiere, dar şi a

apelor cu adâncimi reduse;

Este o metodă foarte eficientă aplicată în zonele în care nu se pot folosi

metodele tradiţionale de măsurare;

Un singur sistem poate măsura atât suprafaţa uscatului cât şi fundul apelor;

Comparativ cu batimetria convenţională, această metodologie prezintă

beneficii atât în ceea ce priveşte costurile de realizare, cât şi în creşterea

productivităţii;

La valori mari ale ratei de impuls, batimetria lidar poate lucra în mod

topografic, scanând astfel sufrafaţa terenului.

Dezvantajele utilizării tehnologiei de scanare laser topo-batimetrică

Partea de procesare a norilor de puncte necesită un timp destul de mare, datorită

numărului ridicat de puncte rezultate din scanare;


57

Adâncimea de penetrare este în funcţie de claritatea apei; aceasta va descreşte

pe măsură ce apa este mai tulbure. În condiţii favorabile, se pot măsura

adâncimi de până la 50 m. Cantitatea de oxigen din apă poate influeneţa de

asemenea gradul de penetrare a undei laser verde;

Nu este destinat pentru măsurarea apelor de o mare adâncime;

Pentru estimarea şi obţinerea unor adâncimi corecte ale apelor, este necesară

aplicarea corecţiei de refracţie;

Costurile pentru preluarea datelor sunt ridicate;

Prelucrarea necesită software fotogrammetric specializat, precum şi specialişi

în domeniu cu cunoştinţe de programare;

Comparativ cu scanarea laser aeriană, batimetria LiDAR necesită o cantitate

mai mare de energie, deoarece raza laser verde, în momentul în care pătrunde

în apă, suferă fenomene de refracţie, absorbţie şi dispersie.

Avantajele si dezavantajele arborilor de decizie

Principalele avantajele ale arborilor de decizie sunt ca ei produc modele

eficiente, usor de înteles, usor de utilizat si ca nu sunt afectaţi de lipsa valorilor

unor date. De asemenea ei sunt perfect aplicabili unor probleme reale cum ar fi

regulile comerciale. Acesti arbori se potrivesc bazelor de date de dimensiuni mari

deoarece dimensiunea arborelui este independentă de dimensiunea bazei de date.

Dintre dezavantaje amintim faptul că arborii de decizie impun anumite

restricţii asupra datelor care sunt analizate. În primul rând, arborii de decizie permit

doar o singură variabilă dependentă. Pentru a prezice mai mult de o variabila

dependentă, fiecare variabilă cere un model diferit. De asemenea, cei mai mulţi

algoritmi pentru arbori de decizie pretind ca datele continue să fie grupate sau

convertite la date de tip enumerare, multi algoritmi bazaţi pe arbori de decizie fiind

instabili.

Avantajele metodei propuse pentru derivarea MDT

Datorită numeroaselor avantaje pe care le prezintă și gradului ridicat al

preciziei de măsurare, tehnologia de scanare laser aeropurtat este metoda preferată

pentru derivarea Modelelor Digitale ale Terenului, care sunt utilizate în proiecte

inginerești, în proiecte de modelare a mediului, hidrologie, topografie, hidraulică,

geomorfologie, management și monitorizare, analiza schimbărilor în timp. Prin

utilizarea metodei inovative de filtrare, segmentare și clasificare a norilor de

puncte, se obțin Modele Digitale ale Terenului cu o precizie mai bună, comparativ

cu alte metode tradiționale de derivare a acestora. Noua metodă are la bază

procesele de interpolare robustă ierarhică, segmentare și clasificare a norilor de

puncte obținuți prin scanarea laser aeropurtată.

Obiectivele principale ale invenției sunt:

diminuarea efectului de netezire în special în zonele de discontinuitate ale

terenului (linii de schimbare a pantei), comparativ cu metodele tradiționale de

filtrare;

automatizarea întregului proces de filtrare, segmentare și clasificare, în scopul

eficientizării;


58

creșterea acurateței modelelor digitale ale terenului care sunt obținute pe baza

datelor de scanare laser aeropurtat.

Metoda propusă prezintă următoarele avantaje principale:

oferă posibilitatea obținerii unor Modele Digitale ale Terenului, pe baza

utilizării datelor de scanare laser preluate de la o înalțime de zbor de 600 m;

contribuie la creșterea numărului de puncte care sunt clasificate drept teren,

comparativ cu metodele existente;

oferă posibilitatea păstrării punctelor care aparțin teren în zonele de

discontinuitate (pante abrupte, maluri de râu);

eficiență și rapiditate prin automatizarea întregului algoritm de filtrare,

segmentare și clasificare a norului de puncte obținut prin scanare laser aeriană;

îmbunătățirea Modelelor Digitale ale Terenului, care descriu în mod fidel forma

reală a suprafeței terenului, comparativ cu metodele tradiționale de filtrare, ce

introduc efecte de netezire în zonele de discontinuitate;

7.3 Contribuţii originale

Lucrarea de faţă şi-a propus analiza şi dezvoltarea de aplicaţii pe cursuri de

apă, prin utilizarea datelor rezultate în urma scanărilor laser de diferite tipuri.

Contribuţiile originale aduse în acest studiu sunt prezentate pe scurt, după cum

urmează:

Lucrarea prezintă un studiu original, complex a zonelor străbătute de cursuri de

apă, prin integrarea a patru surse diferite de date, și anume: date laser scaner

aeropurtat (engl. Aerial Laser Scanner - ALS), date laser scaner aeropurtat

batimetric (engl. Airborne LiDAR Bathymetry - ALB), date laser scaner

terestru (engl. Terestrial Laser Scanner - TLS) și date laser scaner obținute prin

montarea senzorului pe o platformă aeropurtată fără pilot de tip dronă (engl.

Unmanned LiDAR scanning - ULS).

Prezentarea unei analize detaliate asupra modului de achiziție și de utilizare a

surselor de date de scanare laser în zonele străbătute de cursuri de apă;

Propunerea unei algoritm inovativ bazat pe o combinație a proceselor de

interpolare robustă ierarhică segmentare și clasificare a norilor de puncte, fiind

unica de acest tip din domeniu.

Metodă de filtrare a norilor de puncte rezultați în urma utilizării tehnologiei de

scanare laser aeriană, caracterizată prin algoritmul de interpolare ierarhică

robustă, interpolarea unei suprafete inițiale, în care punctele au ponderi

individuale egale, calculul coeficienților în funcție de deviațiile verticale ale

punctelor la suprafață, calculul unei noi suprafețe prin iterații succesive,

identificarea punctelor ce aparțin terenului pentru obținerea Modelelor Digitale

ale Terenului.

Metodă de segmentare a norilor de puncte rezultați în urma utilizării tehnologiei

de scanare laser aeriană, caracterizată prin: calculul valorilor normalelor în

fiecare punct, selecția punctelor, analiza punctelor în funcție de vecinătăți,

procesul “region growing” de formare a segmentelor prin îndeplinirea

condițiilor de similaritate (pragul pentru valorile normalelor în fiecare punct și


59

pragul diferențelor pe înălțime dintre puncte), obținerea segmentelor utilizate

în derivarea Modelelor Digitale ale Terenului.

Metodă de clasificare a norilor de puncte rezultați în urma utilizării tehnologiei

de scanare laser aeriană, caracterizată prin analiza comparativă a punctelor

teren obținute prin interpolarea ierarhică robustă și segmentare, clasificarea

segmentelor în: segmente-teren, segmente non-teren și segmente ce nu conțin

puncte-teren, urmată de clasificarea norilor de puncte în puncte ce aparțin

terenului și puncte non-teren, în vederea obținerii Modelelor Digitale ale

Terenului.

Elaborarea unei formule de calcul pentru identificarea segmentelor care aparţin

clasei teren, în scopul filtrării şi clasificării punctelor.

Realizarea unei analize complexe pentru aplicarea Modelelor Digitale ale

Terenului în hidrologie, prin modelarea sistemului de drenaj, determinarea

scurgerii superficiale şi acumularea scurgerii.

Realizarea unei monitorizări în timp a evoluţiei cursului de apă, din Februarie

2013 până în Iunie 2016, cu evidenţierea schimbărilor albiei.

Crearea unui flux de lucru pentru procesarea datelor obţinute în urma scanărilor

topo-batimetrice pe cursuri de apă.

Realizarea şi implementarea algoritmului pentru determinarea şi aplicarea

corecţiei de refracţie, în cazul norilor de puncte topo-batimetrici.

Propunerea de metode diferite pentru evaluarea rezultatelor în urma aplicării

algoritmului de corecţie al refracţiei şi analiza comparativă a acestora.

Implementarea algoritmilor pentru aplicaţiile realizate în limbajele Matlab şi

Python de programare.

Dezvoltarea de fişiere-script (cod) pentru softul Opals, executabile direct din

linia de comandă sau din mediul DOS / unix shell.

Analiza situaţiei pe plan internaţional şi naţional, în ceea ce priveşte aplicaţiile

tehnologiei de scanare laser pe cursuri de apă, metodele de filtrare, segmentare

şi clasificare a norilor de puncte, precum şi evoluţia tehnologiei de scanare laser

topo-batimetrică.

Propunerea unor direcţii viitoare de cercetare, de interes ştiinţific şi de

actualitate pentru specialişti atât din domeniul măsurătorilor terestre, cât şi

pentru cei din domeniul hidrologiei.

Punerea la dispoziţie a unei liste bibliografice, ce cuprinde numeroase lucrări

ştiinţifice publicate în jurnale internaţionale de specialitate, de interes pentru

specialiştii preocupaţi de cunoaşterea şi aplicarea tehnologiei de scanare laser.

7.4 Direcţii viitoare de cercetare

Studiile cuprinse în această lucrare pot fi continuate pe următoarele direcţii

de cercetare, după cum urmează:

Analiza detaliată a vegetației aluvionare și influențe ale acesteia asupra

coeficientului de scurgere precum şi analiza în timp a variației coeficientului de

scurgere.


60

Clasificarea norilor de puncte prin aplicarea unor algoritmi de tip rețele

neuronale (engl. neural networks), rețele neuronale profunde (engl. deep neural

networks), îmbinați cu procese avansate de învățare (engl. deep learning).

Îmbinarea tehnologiei de scanare laser cu alte surse fotogrammetrice de date,

de tip dronă sau imagini satelitare cu o mare rezoluţie spaţială – combinarea

norilor de puncte rezultati în urma scărilor laser cu norii de puncte obținuți prin

reconstrucție 3D, pe baza algoritmului de corelare densă a imaginilor (engl.

Dense Image Matching).

Procesarea și clasificarea norilor de puncte rezultați în urma reconstrucției 3D

a imaginilor aeriene și satelitare.

Analiza schimbărilor în timp a claselor de puncte (ex: un punct clasificat inițial

ca fiind “teren”, ulterior acesta își poate schimba clasa în “apă”).

Analiza comparativă a metodologiei de obținere a Modelului Digital al

Terenului prin utilizarea unor date din surse diferite, nori de puncte obţinuţi

prin scanarea laser terestră, scanarea aeropurtată fără pilot sau obţinuţi prin

reconstrucţie pe bază de imagini aeriene/satelitare.

Îmbunătăţirea softului Cloud Compare, astfel încât să poată realiza automat

filtrarea punctelor care aparţin terenului, prin implementarea metodei propuse.

Realizarea unui studiu de caz pe platforma softului OPALS al Universităţii

Tehnice din Viena, referitor la clasificarea, segmentarea şi filtrarea norilor de

puncte pentru extragerea Modelului Digital al Terenului.

Implementarea algoritmului propus în limbajul Python de programare.

Determinarea automată a axurilor cursurilor de râuri, direct din norul de puncte,

prin utilizarea punctelor de maximă adâncime.

Calculul volumelor de depuneri de sedimente, a volumelor erodate şi

determinarea ariilor suprafeţelor de eroziune / depunere pentru suprafeţe

extinse ale cursurilor de apă.

Integrarea analizelor efectuate într-o bază de date, care să permit

predictibilitatea zonelor de risc la inundaţii, în cazul unor ploi torenţiale.

Integrarea datelor tridimensionale - nori 3D de puncte- cu date bidimensionale

- 2D GIS.

Determinarea Modelului Digital al Suprafeţei apei, în cazul râurilor cu o viteză

mai mare de scurgere, prin adoptarea unei formule, care să ţină cont de aspectul

neregulat al suprafeţei apei.

Bibliografie ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪

61

BIBLIOGRAFIE

1. A. Loghin, I. Giurma, E. Oniga, Digital Surface Models Derivation from Airborna Laser Scanning Data, “1

Decembrie 1918” University of Alba Iulia RevCAD, 22, 2017, 141-150.

2. A. Loghin, V. E. Oniga, C. Giurma-Handley, 3D Point cloud classification of natural environments using

Airborne Laser Scanning Data, American Journal of Engineering Research (AJER), 7 /2, pp. 191-197, 2018.

3. Abalharth, M., Hassan, M. A., Klinkenberg, B., Leung, V., & McCleary, R. (2015). Using LiDAR to characterize

logjams in lowland rivers. Geomorphology, 246, 531-541.

4. Abdallah, H., Bailly, J. S., Baghdadi, N. N., Saint-Geours, N., & Fabre, F. (2013). Potential of space-borne

LiDAR sensors for global bathymetry in coastal and inland waters. IEEE Journal of selected topics in applied

earth observations and remote sensing, 6(1), 202-216.

5. Ahokas, E., Kaartinen, H., & Hyyppä, J. (2003). A quality assessment of airborne laser scanner data. International

Archives of Photogrammetry and Remote Sensing, 34(part 3), W13.

6. Allouis, T., Bailly, J. S., & Feurer, D. (2007, November). Assessing water surface effects on LiDAR bathymetry

measurements in very shallow rivers: A theoretical study. In Second ESA Space for Hydrology Workshop,

Geneva, CHE (pp. 12-14).

7. Al‐Manasir, K., & Fraser, C. S. (2006). Registration of terrestrial laser scanner data using imagery. The

Photogrammetric Record, 21(115), 255-268.

8. Antonarakis, A. S., Richards, K. S., & Brasington, J. (2008). Object-based land cover classification using airborne

LiDAR. Remote Sensing of Environment, 112(6), 2988-2998.

9. Apostol B., (2015) – Utilizarea tehnicilor modern ale teledetecţiei în estimarea unor caracteristici dendrometrice

la arbori şi arboreta de molid din valea Lotrului, Teză de doctorat, Universitatea “Transilvania” din Braşov

10. Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Creţ, A. (2011). Potential use of airborne LiDAR technology by

the integration of remote sensing and terrestrial datasets for forests assessment and mapping in Romania.

Proceedings to Symposium “Forest and Sustainable Development” - Editura Universitatii “Transilvania” din

Braşov, pp. 513-518.

11. Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Silaghi, D. (2012). Estimarea volumului de masă lemnoasă pe

picior la arborete de molid utilizând date LiDAR aeropurtat şi măsurători terestre. Revista Pădurilor nr.2: 14-22.

12. Ardizzone F, Cardinali M, Galli M, Guzzetti F, Reichenbach P (2007) Identification and mapping of recent

rainfall-induced landslides using elevation data collected by airborne Lidar Natural Hazards and Earth System

Science 7:637-650

13. Awwad, T. M., Zhu, Q., Du, Z., & Zhang, Y. (2010). An improved segmentation approach for planar surfaces

from unstructured 3D point clouds. The Photogrammetric Record, 25(129), 5-23.

14. Axelsson, (2000), DEM generation from laser scanner data using adaptive TIN models, International Archives of

Photogrammetry and Remote Sensing, Vol. XXXIII, Part B4. Amsterdam, pp. 110-117.

15. Axelsson, A. (2010, October). Rapid topographic and bathymetric reconnaissance using airborne LiDAR. In

Electro-Optical Remote Sensing, Photonic Technologies, and Applications IV (Vol. 7835, p. 783503).

International Society for Optics and Photonics.

16. Ajin, R. S., Loghin, A. M., Karki, A., Vinod, P. G., & Jacob, M. K. (2016). Delineation of forest fire risk zones

in Thenmala forest division, Kollam, Kerala, India: A study using geospatial tools. J Wetl Biodivers, 6, 139-48.

17. Ajin, R. S., Loghin, A. M., Vinod, P. G., Jacob, M. K., & Krishnamurthy, R. R. (2014). Landslide Susceptible

Zone Mapping Using ARS and GIS Techniques in Selected Taluks of Kottayam District, Kerala, India.,

International Journal of Applied Remote Sensingand GIS.

18. Bailly, J. S., Le Coarer, Y., Languille, P., Stigermark, C. J., & Allouis, T. (2010). Geostatistical estimations of

bathymetric LiDAR errors on rivers. Earth Surface Processes and Landforms, 35(10), 1199-1210.

19. Baltsavias E.P. (1999) - Airborne laser scanning: basic relations and formulas. ISPRS Journal of Photogrammetry

& Remote Sensing, 54: 199-214.

20. Banic J., Sizgoric S. and O’neil R. (1986), Scanning lidar bathymeter for water depth measurement, Proc. of SPIE

conference on Laser Technology and Applications, Quebec City, Quebec, SPIE, Vol. 663, 187.

21. Bertoldi, W., Gurnell, A. M., & Drake, N. A. (2011). The topographic signature of vegetation development along

a braided river: results of a combined analysis of airborne lidar, color air photographs, and ground measurements.

Water Resources Research, 47(6).

22. Besl P., McKay N., (1992). A Method for Registration of 3-D Shapes. In: IEEE Trans. PAMI, Vol. 14, No. 2:

239-256.

23. Bienert, A., Maas, H., Scheller, S., (2006). Analysis of the information content of terrestrial laserscanner point

clouds for the automatic determination of forest inventory parameters. In: T. Koukal, W. S. (Ed.), Proceedings

International Workshop 3D Remote Sensing In Forestry. pp. 44–49.

24. Birjaru C., (2011) – Cercetări privind utilizarea tehnologiei LiDAR în lucrările de silvicultură, Teză de doctorat,

Universitatea “Transilvania” din Braşov.

25. Boivin, M., & Buffin-Bélanger, T. (2010, September). Using a terrestrial LIDAR for monitoring of large woody

debris jams in gravel-bed rivers. In 7th Gravel bed Rivers Conference (pp. 5-10).

26. Bornaz, L., & Rinaudo, F. (2004, July). Terrestrial laser scanner data processing. In XXth ISPRS Congress

Istanbul.


62

27. Bremer M, Sass O (2012) Combining airborne and terrestrial laser scanning for quantifying erosion and

deposition by a debris flow event Geomorphology 138:49-60

28. Briese C (2004) Three-dimensional modelling of breaklines from airborne laser scanner data.

29. Briese C, Pfeifer N., 2001. Airborne Laser Scanning and Derivation of Digital Terrain Models. Proceedings of

the 5th Conference on Optical 3-D Measurement Techniques Vienna, pp. 80 – 87.

30. Briese C., Glira P., Pfeifer N., (2013), “Integration of multi-temporal airborne and terrestrial laser scanning data

for the analysis and modeling of proglacial geomorphodynamic processes”, Geophysical Research Abstracts Vol.

15, EGU General Asembly 2013 – 9479.

31. Briese C., Hollaus M., 2012, Workshop: Point Clouds from ALS and Aerial Images for Vegetation Analysis.

Derivation of topographic models DTM/ DSM, I.P.F., 24-25 September 2012, TU Vienna.

32. Briese C., Pfeifer N., Dorninger P.,(2002), Applications oft the robust interpolation for DTM determination,

International Archives of Photogrammetry and Remote Sensing, proceedings, Vol. XXXIV, 3A, pp.55-61.

33. Briese, (2004), Three-dimensional modeling of breaklines from airborne laser scanner data, IAPRS XXXV B/3,

Istanbul, Turkey

34. Briese, C. (2004). Breakline modelling from airborne laser scanner data.

35. C. Waldhauser, R. Hochreiter, J. Otepka, N. Pfeifer, S. Ghuffar, K. Korzeniowska, G. Wagner (2014), Automated

classification of Airborne Laser Scanning Point Clouds, Solving Computationally Expensive Engineering

Problems. Springer Proceedings in Mathematics & Statistics, Volume 97, 2014, 269-292.

36. Cassela V. (2003) - Introduzione al laser scanning aereo. In: CROSILLA F. & GALLETTO R.(eds) - La tecnica

del laserscanning - Teoria ed applicazioni, 1-37, CISM, Udine.

37. Cavalli M, Tarolli P, Marchi L, Dalla Fontana G (2008) The effectiveness of airborne LiDAR data in the

recognition of channel-bed morphology Catena 73:249-260

38. Cavalli M. & Marchil L. (2008) - Characterisation of the surface morphology of an alpine alluvial fan using

airborne LiDAR. Nat. Hazards Earth Syst. Sci., 8: 323-333.

39. Cavalli M., Mathys N. & Jacome A. (2008a) - Quality and vertical accuracy assessment of airborne LiDAR data:

a case study on the Draix basins (French Alps). Geophysical Research Abstracts, 10, EGU2008-A-04926.

40. Cavalli M., Tarolli P., Marchi L. & Dalla Fontana G. (2008b) - The effectiveness of airborne LiDAR data in the

recognition of channel-bed morphology. Catena, 73(3): 249-260.

41. Challis K. (2006) - Airborne laser altimetry in alluviated landscapes. Archaeological Prospection, 13(2): 103-

127.

42. Charlton ME, Large AR, Fuller IC (2003) Application of airborne LiDAR in river environments: the River

Coquet, Northumberland, UK Earth Surface Processes and Landforms: The Journal of the British

Geomorphological Research Group 28:299-306

43. Chen, Q., Gong, P., Baldocchi, D., & Xie, G. (2007). Filtering airborne laser scanning data with morphological

methods. Photogrammetric Engineering & Remote Sensing, 73(2), 175-185.

44. Church, M., Biron, P., & Roy, A. (Eds.). (2012). Gravel bed rivers: Processes, tools, environments. John Wiley

& Sons.

45. CloudCompare 3D point cloud and mesh processing software. Available online: http://www.danielgm.net/cc/

(Accessed on 12 May 2016)

46. Cobby D. M., Mason D. C., Horrit M.S. & Bates P.D (2003) - Two-dimensional hydraulic flood modelling using

a fi nite-element mesh decomposed according to vegetation and topographic features derived from airborne

scanning laser altimetry. Hydrological Processes, 17: 1979-2000.

47. Cobby D. M., Mason D.C. & Davenport I.J. (2001) - Image processing of airborne scanning laser altimetry data

for improved river flood modeling. ISPRS Journal of Photogrammetry & Remote Sensing, 56: 121-138.

48. Datasheet Riegl LMS (ALS). RiProcess, (2015). Available online http://www.riegl.co.at/products/software-

packages/riprocess/ (Accesat pe 12 Octombrie 2016)

49. Datasheet Riegl LMS (ALS). RiProcess, (2015). Available online http://www.riegl.co.at/products/software-

packages/riprocess/ (Accessed on 12 May 2016)

50. DataSheet Riegl LMS-Q1560, Full Waveform Digitizing, Dual Channel, Airborne LiDAR Scanning System for

Ultra Wide Area Mapping. Available online:

http://www.riegl.co.at/uploads/tx_pxpriegldownloads/DataSheet_LMS-Q1560_2015-03-19.pdf (Accessed on 14

May 2016)

51. DataSheet Riegl VQ-580, Airborne Laser Scanner with Online Waveform Processing. Available online:

http://www.riegl.com/uploads/tx_pxpriegldownloads/DataSheet_VQ-580_2015-03-23.pdf (Accessed on 14 May

2016)

52. DataSheet Riegl VZ-2000, Long Range, High Speed 3D Terrestrial Laser Scanner with Online Waveform

Processing. Available online: http://www.riegl.com/uploads/tx_pxpriegldownloads/DataSheet_VZ-2000_2015-

03-24.pdf (Accessed on 14 May 2016)

53. DataSheet RiSCAN PRO 2015, Operating & Processing Software RiSCAN PRO for RIEGL 3D Laser Scanners.

Available online: http://www.riegl.co.at/products/software-packages/riscan-pro/ (Accessed on 12 May 2016)

54. Delai, F., Moretto, J., Picco, L., Rigon, E., Ravazzolo, D., & Lenzi, M. A. (2014). Analysis of morphological

processes in a disturbed gravel-bed river (Piave River): integration of LiDAR data and colour bathymetry. Journal

of Civil Engineering and Architecture, 8(5).

55. Deruyter G., Vanhaelst M., Stal C., Glas H., Wulf A. (2015), The use of terrestrial laser scanning for

measurements in shallow water: correction of the 3D coordinates of the point cloud, International

Multidisciplinary Scientifig GeoConference – SGEM, p. 1203-1209.

http://www.riegl.co.at/products/software-packages/riprocess/

http://www.riegl.co.at/products/software-packages/riprocess/


63

56. Dold C., Brenner C., 2006, Registration of terrestrial laser scanning data using planar patches and image data,

IAPRS Volume XXXVI, Part 5, Dresden 25-27 September 2006, pp.78-83

57. El-Sheimy N., Valeo C., Habib A., (2005) – Digital Terrain Modelling – Acquisition, Manipulation and

Applications, Artech House, ISBN 1-58053-921-1, Norwood, United States ofAmerica.

58. Emilio Domenech, Clément Mallet, 2014, “Change detection in high-resolution land use/land cover geodatabases

(at object level), European Spatial Data Research, Official Publication No. 64, April 2014, pp 54.

59. Eysn L., Hollaus M., Vetter M., Mucke W., Pfeifer N., Regner B., 2010, „Adapting α-shapes for forest delineation

using ALS data“, in 10th International Conference on LiDAR Applications for Assessing Forest Ecosystems

(Silvilaser 2010), Freiburg, Germany, Vol. 10p.

60. Fema (2003) - Guidelines and Specifications for flood hazard mapping partners, Appendix A:www.fema.gov.

61. Filin, S., & Pfeifer, N. (2006). Segmentation of airborne laser scanning data using a slope adaptive neighborhood.

ISPRS journal of Photogrammetry and Remote Sensing, 60(2), 71-80.

62. Flener, C., Vaaja, M., Jaakkola, A., Krooks, A., Kaartinen, H., Kukko, A. & Alho, P. (2013). Seamless mapping

of river channels at high resolution using mobile LiDAR and UAV-photography. Remote Sensing, 5(12), 6382-

6407.

63. Florinsky, I. V. (2002). Errors of signal processing in digital terrain modelling. International Journal of

Geographical Information Science, 16(5), 475-501.

64. Florinsky, I. V., & Kuryakova, G. A. (2000). Determination of grid size for digital terrain modelling in landscape

investigations—exemplified by soil moisture distribution at a micro-scale. International Journal of Geographical

Information Science, 14(8), 815-832.

65. Frankel K.L. & Dolan J.F. (2007) - Characterizing arid-region alluvial fan surface roughness with airborne laser

swath mapping digital topographic data. J. Geophys. Res. - Earth Surface, 112: F02025,

doi:10.1029/2006JF000644.

66. French J.R. (2003) - Airborne LiDAR in support of Geomorphological and Hydraulic Modeling. Earth Surface

Processes and Landform, 28: 321-335.

67. G. Mandlburger, J. Otepka, W. Karel, W. Wagner, N. Pfeifer, Orientation and processing of airborne laser

scanning data (OPALS)–Concept and first results of a comprehensive ALS software, IAPRS- International

Archives of Photogrammetry and Remote Sensin., Vol.XXXVIII, Part3/W8, September 1-2, 2009, 55-60.

68. Gancz, V., Apostol, B., Petrila, M., Lorenţ, A. (2010). Detectarea cu ajutorul imaginilor satelitare a doborâturilor

de vânt şi evaluarea efectelor acestora, Revista pădurilor nr 6: 30-36.

69. Garvey K., Morrissey L., Rizzo D. M., Underwood K., Wemple B., Kline M., “Estimating channel erosion and

deposition using multi-date LiDAR in the Browns River, Chittenden County, VT, 24th Annual Nonpoint Source

Pollution Conference, Burlington, May 14, 2013

70. George Vozikis, Alexander Haring, Evangelos Vozikis, Karl Kraus (2004) Laser Scanning: A new method for

recording and documentation in Archaeology , Workshop – Archaeological Surveys, FIG Working Week 2004,

Athens, Greece, May 22-27, 2004

71. Gilvear, D., Tyler, A., & Davids, C. (2004). Detection of estuarine and tidal river hydromorphology using hyper-

spectral and LiDAR data: Forth estuary, Scotland. Estuarine, Coastal and Shelf Science, 61(3), 379-392.

72. Glenn NF, Streutker DR, Chadwick DJ, Thackray GD, Dorsch SJ (2006) Analysis of LiDAR-derived topographic

information for characterizing and differentiating landslide morphology and activity Geomorphology 73:131-148

73. Glira P., Pfeifer N., Briese C., Ressl C., 2015: A correspondence framework for ALS strip adjustments based on

variants of the ICP algorithm.

74. Gomes Pereira L.M. & Wicherson R.J. (1999) - Suitability of laser data for deriving geographical information: a

case study in the context of management of fluvial zones. ISPRS Journal of Photogrammetry & Remote Sensing,

54: 105-114.

75. Gottfried Mandlburger, Martin Pfennigbauer and Norbert Pfeifer (2013)- Analyzing near water surface

penetration in laser bathymetry – A case study at the river Pielach, ISPRS Annals of the Photogrammetry, Remote

Sensing and Spatial Information Sciences, Volume II-5/W2, 2013, ISPRS Workshop Laser Scanning 2013, 11 –

13 November 2013, Antalya, Turkey

76. Guenther G. C., Cunningham A., Laroque P. E. and Reid D. J. (2000) Meeting the accuracy challenge in airborne

lidar bathymetry. In: Proceedings of the 20th EARSeL Symposium: Workshop on Lidar Remote Sensing of Land

and Sea, Dresden, Germany.

77. Guenther G.C., Brooks M.W., and LaRocque P.E., (1998) New capabilities of the ‘SHOALS’ airborne lidar

bathymeter, 5th International Conference on Remote Sensing for Marine and Coastal Environments, October,

San Diego, CA.

78. Hare R. (1994), Calibrating Larsen-500 lidar bathymetry in Dolphin and Union Strait using dense acoustic ground

truth, International Hydro Review, Monaco, LXX(1), 91-108.

79. Hare, R. (2015). Calibrating Larsen-500 lidar bathymetry in Dolphin and Union Strait using dense acoustic

ground-truth. The International Hydrographic Review, 71(1).

80. Heritage G. & Hetherington D. (2007) - Towards a protocol for laser scanning in fluvial geomorphology. Earth

Surface Processes and Landforms, 32: 66-74.

81. Hicks D, Duncan M, Lane S, Tal M, Westaway R (2007) Contemporary morphological change in braided gravel-

bed rivers: new developments from field and laboratory studies. In. Elsevier

82. Höfle B., Vetter M., Pfeifer N., Mandlburger G. & Stötter J. (2009) - Water surface mapping from airborne laser

scanning using signal intensity and elevation data. Earth Surface Processes and Landforms, 34(12): 1635-1649.


64

83. Hollaus M., Wagner W. & Kraus K. (2005) - Airborne laser scanning and usefulness for hydrological models.

Advances in Geosciences, 5: 57-63.

84. Huggett, R. J.”Fundamentals of Geomorphology”, RoutledgeFundamentals of Physycal Geography, London and

New York: Taylor and Francis Group, 2003

85. Hyyppa H., Hyyppa J., Kaartinen H., Kaasalainen S., Honkavaara E., Ronnholm P., 2005, Factors affecting the

quality of DTM generation in forested areas, ISPRS WG III/3, V/4 Workshop “Laser scanning 2005”, Enschede,

the Netherlands, September 12-14, 2005.

86. Iosub F. (2008). Manipularea seturilor de date LiDAR (Light Detection and Ranging), www.geo-spatial.org

87. Kager H (2004) Discrepancies between overlapping laser scanner strips–simultaneous fitting of aerial laser

scanner strips International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences

35:555-560

88. Kennie, T. J. M., & Petrie, G. (1990). Digital terrain modelling (pp. 391-426). John Wiley & Sons Inc., New

York.

89. Kraus K., Briese C (2000)., Attwenger M., Pfeifer N., 2000, Quality measures for digital terrain models, ISPRS,

Proceedings, XXXV Congress, papers, 107.

90. Kraus K., Pfeifer N., (1998), Determination of terrain models in wooded areas with airborne laser scanner data,

ISPRS Journal of Photogrammetry and Remote Sensing, 53: 193-203.

91. Kraus K., Ressl C., Roncat A., Least-Squares Matchng with Airborne Laserscanning Data, (2000), IAPRS

Proceedings, Vol XXXIII, Part B3, Amsterdam 2000, pp.548-555

92. Kraus, K., & Pfeifer, N. (2001). Advanced DTM generation from LIDAR data. International Archives Of

Photogrammetry Remote Sensing And Spatial Information Sciences, 34(3/W4), 23-30.

93. LaRocque, P. E., & West, G. R. (1999, October). Airborne laser hydrography: an introduction. In Proc.

ROPME/PERSGA/IHB Workshop on Hydrographic Activities in the ROPME sea area and Red Sea (Vol. 4, pp.

1-15).

94. Lato J. M., Hutchinson D. J., Ondercin M., 2014, “Comparison of airborne laser scanning, terrestrial laser

scanning and terrestrial photogrammetry for mapping differential slope change in mountainous terrain”, July

2014, in Canadian Geotechnical Journal No. 52, pp. 1-12

95. Lindenberger (1993) Laser Profilmessungen zur topograophiechen Gelandeaufnahme, BVol C400, Deutsche

Geodätische Komission, München

96. Liu, Z. (1990, September). Estimate of maximum penetration depth of lidar in coastal water of the China sea. In

Ocean Optics X (Vol. 1302, pp. 655-662). International Society for Optics and Photonics.

97. Loghin A., Oniga E., Wieser M., (2016), Analysing and Modelling Terrain Surface Changes using Airborne Laser

Scanning Data, World Journal of Engineering Research and Technology WJERT, Vol. 2, Issue 3, 87-95

98. Loghin A., Giurma I., ONIGA, V. E., & Ajin R.S. (2017) Digital Surface Models Derivation from Airborne Laser

Scanning data, “1 Decembrie 1918” University of Alba Iulia, RevCAD no. 22, 141-150

99. Loghin, A. M., Oniga, V. E., & Giurma-Handley, (2018) C. R. 3D Point Cloud Classification of Natural

Environments Using Airborne Laser Scanning Data, American Journal of Engineering Research and Technology

WJERT, Vol. 7, Issue 2, 191-197

100. Lohmann, P., Koch, A. and Schaeffer, M., 2000, Approaches to the filtering of laser scanner data. In IAPRS,

Vol.XXXIII, Amsterdam, Netherlands.

101. Lollino G, Giordan D, Baldo M, Allasia P, Pellegrini F (2008) L’uso dei modelli digitali del terreno come

strumento per lo studio dell’evoluzione morfologica dei corsi d’acqua: proposte metodologiche e primi risultati

Il Quaternario Italian Journal of Quaternary Sciences 21:331-342

102. M. Wieser, M. Hollaus, G. Mandlburger, P. Glira, N. Pfeifer, ULS LiDAR supported analyses of laser beam

penetration from different ALS systems into vegetation, ISPRS Annals of the Photogrammetry, Remote Sensing

and Spatial Information Sciences, Volume III-3, 2016 XXIII ISPRS Congress, 12–19 July 2016, Prague, Czech

Republic, 233-239.

103. Magirl C.S., Webb R.H. & Griffiths P.G. (2005) - Changes in the water surface profile of the Colorado River in

Grand Canyon, Arizona, between 1923 and 2000. Water Resources Research 41(5): Art. No. W05021.

104. Mallet, C., & Bretar, F. (2009). Full-waveform topographic lidar: State-of-the-art. ISPRS Journal of

photogrammetry and remote sensing, 64(1), 1-16.

105. Mandlburger G., Briese C., Pfeifer N., 2007, Progress in LiDAR sensor technology – chance and challenge for

DTM generation and data administration, Vienna University of Technology, Pub Geo 1949.

106. Mandlburger, G., Pfennigbauer, M., & Pfeifer, N. (2013). Analyzing near water surface penetration in laser

bathymetry—A case study at the River Pielach. ISPRS Annals of the Photogrammetry, Remote Sensing and

Spatial Information Sciences, 5, W2.

107. Marco Cavalli, Paolo Tarolli (2011), Application of LiDAR technology for rivers analysis, Italian Journal of

Engineering Geology and Environment, Special Issue 1, DOI: 10.4408/IJEGE.2011-01.S-03

108. Masaharu, H., & Ohtsubo, K. (2002). A filtering method of airborne laser scanner data for complex terrain. IAPRS,

34(3/B), 165-169.

109. Maso M. (2002) - Note sulle metodologie operative per i rilievi laser-scanning e la generazione di DTM d’alta

qualità. Rivista Cinque Fiumi, Autorità di Bacino dell’alto Adriatico, 1: 23-33.

110. Maune D. F., Kopp S. M., Crawford C. A., Zervas C.E., (2007) – Introduction. In: Maune, D. F. (Ed.), Digital

Elevation Model Technologies and Applications: The DEM Users Manual, second Edition. American Society for

Photogrammetry and Remote Sensing, Bethesda, pp. 9- 16.

http://www.geo-spatial.org/


65

111. Mckean J., Isaak D. & Wright W. (2009) - Geomorphic controls on salmon nesting patterns described by a new,

narrow-beam terrestrial-aquatic lidar. Frontiers in Ecology and Environment, 6(3): 125-130.

112. Mercer, B. (2004, July). DEMs created from airborne IFSAR–an update. In Proceedings of the ISPRS XXth

Congress (Vol. 35, No. B2, pp. 841-848).

113. Moore, I. D., Grayson, R. B., & Ladson, A. R. (1991). Digital terrain modelling: a review of hydrological,

geomorphological, and biological applications. Hydrological processes, 5(1), 3-30.

114. Moretto, J., Delai, F., Rigon, E., Picco, L., Mao, L., & Lenzi, M. A. (2012). Assessing short term erosion-

deposition processes of the Brenta River using LiDAR surveys. WIT Transactions on Engineering Sciences, 73,

149-160.

115. Munoz, D., Vandapel, N., & Hebert, M. (2008, June). Directional associative markov network for 3-d point cloud

classification. In Fourth international symposium on 3D data processing, visualization and transmission (pp. 65-

72). Atlanta, US: Georgia Institute of Technology.

116. N. Brodu, D. Lague, 3D Terrestrial lidar data classification of complex natural scenes usng a multi-scale

dimensionality criterion: Applications in geomorphology, ISPRS Journal of Photogrammetry and Remote

Sensing 68, 2012, 121-134.

117. Naesset, E. (1997). Determination of mean tree height of forest stands using airborne laser scanner data. ISPRS

Journal of Photogrammetry and Remote Sensing, 52(2), 49-56.

118. Neff T. (2018), The Laser that’s Changing the World: The Amazing stories behind Lidar, from 3D Mapping to

Self-Driving Card, Kindle Edition, 13 September 2018.

119. Notebaert B., Verstraeten G., Govers G. & Poesen J., (2009) - Qualitative and quantitative applications of LiDAR

imagery in fluvial geomorphology. Earth Surface Processes and Landform, 348: 217-231.

120. Oniga E. (2014), Fotogrammetrie 1, 2, 3 şi 4, Note de curs, Iaşi

121. Oniga E. (2014), Modelarea 3D a clădirilor prin fotogrammetria clasică şi digitală, ISBN 978-606-687-119-8,

Editura Tehnopress, Iaşi

122. Oniga E. (2014), Teledetecţie, Note de curs, Iaşi

123. Onu Cristian (2009) – Contribuţii privind folosirea metodelor topo-geodezice la urmărirea comportării in situ a

construcţiilor, Teză de doctorat, Universitatea Tehnică din Iaşi

124. Otepka J., Ghuffar S., Waldhauser C., Hochreiter R., Pfeifer N.(2013) Georeferenced point clouds: A survey of

features and point cloud management. ISPRS Int. J. Geoinf. 2013, No. 2, pp. 1038–1065.

125. Ott L.M. (1965), Underwater ranging measurements using blue-green laser, NAVAIRDEVCEN Reort No.

NADC-AE-6519, Naval Air Development Center, Warminister, Pa. England.

126. Pater Alexandrina Mirela, Contributii la dezvoltarea algoritmilor de extragere a datelor din bazele de date multi-

nivel, Teză de Doctorat, Universitatea Politehnica Timişoaa, Facultatea de Automaticăşi calculatoare, Timişoara,

2006.

127. Pfeifer N., Briese C., 2007, Geometrical Aspects of Airborne Laser Scanning and Terrestrial Laser Scanning,

IAPRS Volume XXXVI, Part 3/ W52, ISPRS Workshop on Laser Scanning 2007 and SilviLaser 2007, Espoo,

September 12-14, 2007, Finland

128. Pfeifer N., Mandlburger G., Otepka J., Karel W.,2014 “OPALS - A framework for Airborne Laser Scanning data

analysis.” Comput. Environ. Urban Syst. 2014, No. 45, pp. 125–136.

129. Pfeifer, N., & Mandlburger, G. (2018). 11 LiDAR Data Filtering and Digital Terrain Model Generation.

Topographic Laser Ranging and Scanning: Principles and Processing, 349.

130. Q. Zhan L. Yu, Objects classification from Laser Scanning Data based on Multi-Class Support Vector Machine,

Remote Sensing, Environment and Transportantion Engineering (RSETE), 2011, 520-523

131. Renslow M. S. (2012) – Manual of Airborne Topographic LiDAR, American Society for Photogrammetry and

Remote Sensing (ASPRS), The Imaging & Geospatial Information Society, ISBN 1-57083-097-5, Maryland,

United States of America

132. Ressl C., Kager H., Mandlburger G., 2008, Quality checking of ALS projects using statistics of strip differences,

2008, The International Archives the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol.

XXXVII, Part B3b. Beijing 2008, pp. 253 – 260.

133. Richardson, J. J., & Moskal, L. M. (2014). Assessing the utility of green LiDAR for characterizing bathymetry

of heavily forested narrow streams. Remote sensing letters, 5(4), 352-357.

134. RIEGL Laser Measurement Systems, Ltd., 2007. Airborne Laser Scanner LMSQ560 User Instructions, Horn,

Austria.

135. Savu A., (2010) – Perfecţionări ale lucrărilor topografice şi geodezice în domeniul căilor de comunicaţii, Teză de

doctorat, Universitatea Tehnică de Construcţii Bucureşti

136. Sithole, G., & Vosselman, G. (2001). Filtering of laser altimetry data using a slope adaptive filter. International

Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, 34(3/W4), 203-210.

137. Sithole, G., & Vosselman, G. (2004). Experimental comparison of filter algorithms for bare-Earth extraction from

airborne laser scanning point clouds. ISPRS journal of photogrammetry and remote sensing, 59(1-2), 85-101.

138. Tacon, S., Liébault, F., & Piégay, H. (2011). LiDAR-derived morphological changes of gravel-bed rivers in the

French Prealps. In European Geophysical Union Conference EGU2011 (Vol. 13, p. 7165).

139. Tarolli P., Arrowsmith J R. & Vivoni E.R. (2009) - Understanding earth surface processes from remotely sensed

digital terrain models. Geomorphology, 113: 1-3.

140. Thoma D.P., Gupta S.C., Bauerc M.E. & Kirchoff C.E (2005) - Airborne laser scanning for riverbank erosion

assessment. Remote Sensing of Environment, 95: 493-501.


66

141. Tóvári D., Pfeifer N., 2005, Segmentation based robust interpolation – a new approach to laser data filtering,

International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, ISPRS Workshop

"Laser scanning 2005", Enschede, the Netherlands, September 12-14

142. Tóvári, D. (2006). Segmentation based classification of airborne laser scanner data (Doctoral dissertation, PhD

Thesis, Universität Karlsruhe, Karlsruhe, Germany. http://digbib. ubka. uni-karlsruhe.

de/volltexte/documents/3278 (accessed 15 May 2009)).

143. Trevisani S., Cavalli M. & Marchi L. (2010) - Reading the bed morphology of a mountain stream: a

geomorphometric study on high-resolution topographic data. Hydrology and Earth System Science, 14: 393-405.

144. Vianello A., Cavalli M. & Tarolli P. (2009) - LiDAR-derived slopes for headwater channel network analysis.

Catena, 76(2): 97-106.

145. Vorovencii, I. (2010). Fotogrammetrie. Editura Matrix Rom, București.

146. Vosselman G., (2000). Slope based filtering of laser altimetry data. International Archives of Photogrammetry

and Remote Sensing, Amsterdam,Netherlands 32,B3/2, pp. 935 – 942

147. Vosselman G., Maas H.G., (2010) – Airborne and Terrestrial Laser Scanning, Whittles Publishing, ISBN 978-

1904445-87-6, Scotland, UK

148. Vosselman, G., & Maas, H. G. (2001, March). Adjustment and filtering of raw laser altimetry data. In Proceedings

of OEEPE Workshop on Airborne Laserscanning and Interferometric SAR for Detailed Digital Terrain Models,

Stockholm, Sweden.

149. Wack, R., & Wimmer, A. (2002). Digital terrain models from airborne laserscanner data-a grid based approach.

International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, 34(3/B), 293-296.

150. Wang, Z., Zhang, L., Fang, T., Mathiopoulos, P. T., Tong, X., Qu, H., ... & Chen, D. (2015). A multiscale and

hierarchical feature extraction method for terrestrial laser scanning point cloud classification. IEEE Transactions

on Geoscience and Remote Sensing, 53(5), 2409-2425.

151. Wehr A. & Lohr U. (1999) - Airborne laser scanning - an introduction and overview. ISPRS Journal of

Photogrammetry & Remote Sensing, 54: 68-82.

152. Wei, H., & Bartels, M. (2006, August). Unsupervised segmentation using Gabor wavelets and statistical features

in LIDAR data analysis. In Pattern Recognition, 2006. ICPR 2006. 18th International Conference on (Vol. 1, pp.

667-670). IEEE.

153. Wozencraft J. M., Millar D., (2005) Airborne LiDAR and integrated technologies for coastal mapping and

nautical charting, Martine Technology Society Journal, 39(3), 27-35.

154. Yu, X., Hyyppä, J., Kukko, A., Maltamo, M., & Kaartinen, H. (2006). Change detection techniques for canopy

height growth measurements using airborne laser scanner data. Photogrammetric Engineering & Remote Sensing,

72(12), 1339-1348.

155. Zăvoianu Fl. (1999), Fotogrammetria, Editura Tehnică, ISBN 973-31-1414-6, Bucureşti, România

156. Zhang W, Qi J, Wan P, Wang H, Xie D, Wang X, Yan G. An Easy-to-Use Airborne LiDAR Data Filtering Method

Based on Cloth Simulation. Remote Sensing. 2016; 8(6):501.

157. Zhang, J., Lin, X., & Ning, X. (2013). SVM-based classification of segmented airborne LiDAR point clouds in

urban areas. Remote Sensing, 5(8), 3749-3775.

158. Zhang, Z., Zhang, L., Tong, X., Mathiopoulos, P. T., Guo, B., Huang, X., ... & Wang, Y. (2016). A multilevel

point-cluster-based discriminative feature for ALS point cloud classification. IEEE Transactions on Geoscience

and Remote Sensing, 54(6), 3309-3321.

159. http://astrofotografieluna.blogspot.ro

160. http://fae-drones.com/ro/

161. http://geo.tuwien.ac.at/opals

162. http://ip.ase.ro/Classification.pdf

163. http://www.riegl.com/

164. https://www.mathworks.com

165. www.faro.com

http://astrofotografieluna.blogspot.ro/

Lista lucrărilor ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪

67

LISTA LUCRĂRILOR PUBLICATE

1. Ana-Maria Loghin, Valeria Ersilia Oniga, Catrinel-Raluca Giurma-Handley (2018).

3D Point Cloud Classification of Natural Environments Using Airborne Laser

Scanning Data - American Journal of Engineering Research AJER, Vol. 7, Issue 2,

pp. 191-197, ISSN 1583-2279

2. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod, A. R. R. Menon and Mathew K. Jacob

(2018). Forest fire risk assessment using geospatial techniques: A study in

Mannarkkad forest division of Palakkad district, Kerala, India. ECOTERRA - Journal

of Environmental Research and Protection, 15(1),pp. 1-9. [ISSN: 1584-7071, E-

ISSN: 2248-3128]

3. R. S. Ajin, Ana-Maria Loghin, Rabina Sipai, Arya Viswam, P. Adarsh, P. G. Vinod,

A. R. R. Menon and Mathew K. Jacob (2017). Delineation of flood hazard zones in

Meenachil River Basin, Kottayam, Kerala, India: A study using geo-information

technology. International Journal of Health System and Disaster Management,

5(4), pp. XX-XX. [E-ISSN: 2347-9019]

4. Ana-Maria Loghin, Ion Giurma, Valeria Ersilia Oniga, Ajin R. S. (2017). Digital

Surface Models derivation from Airborne Laser Scanning data, Journal of Geodesy

and Cadastre RevCAD, no. 22/2017, pag. 141-150, Romania, ISSN 1583-2279.

5. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2018). Flood

hazard zone mapping in the tropical Achankovil River Basin in Kerala state, India: A

study using RS and GIS techniques. Journal of Wetlands Biodiversity. [ISSN: 2247-

0506, ISSN-L: 2247-0506] (accepted)

6. H. S. Veena, R. S. Ajin, Ana-Maria Loghin, Rabina Sipai, P. Adarsh, Arya Viswam,

P. G. Vinod, Mathew K. Jacob and M. Jayaprakash (2017). Wildfire risk zonation in

a tropical forest division in Kerala, India: A study using geospatial techniques.

International Journal of Conservation Science, 8(3), pp. 475-484. [ISSN: 2067-

533X, E-ISSN: 2067-8223]

7. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2017). Mapping

of forest fire risk zones in Peechi-Vazhani Wildlife Sanctuary, Thrissur, Kerala, India:

A study using geospatial techniques. Journal of Wetlands Biodiversity, 7, pp. 7-16.

[ISSN: 2247-0506, ISSN-L: 2247-0506]

8. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2017). The risk

analysis of potential forest fires in a Wildlife Sanctuary in the Western Ghats

(Southwest Indian Peninsula) using geospatial techniques. International Journal of

Health System and Disaster Management, 5(1), pp. 18-23. DOI:

10.4103/ijhsdm.ijhsdm_26_16 [E-ISSN: 2347-9019]

9. Ana-Maria Loghin, Valeria Ersilia Oniga, Martin Wieser (2016). Analysing and

modeling terrain surface changes using airborne laser scanning data - World Journal

of Engineering Research and Technology WJERT, Vol. 2, No. 3, pag. 87-95, ISSN

2454-695X.

10. Valeria Ersilia Oniga, Ana-Maria Loghin, Daniela Corina Păun (2016). Crashed

vehicle profile creation based on digital close-range photogrammetry, World Journal

of Engineering Research and Technology WJERT, Vol. 2, No. 4, pag. 16-29, , ISSN

2454-695X.

11. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2016). Forest fire

risk zone mapping using RS and GIS techniques: A study in Achankovil forest

division, Kerala, India. Journal of Earth, Environment and Health Sciences, 2(3),

pp. 109-115. DOI: 10.4103/2423-7752.199288 [E-ISSN: 2423-7752]

Lista lucrărilor ₪ Cercetări privind utilizarea tehnologiei de scanare laser pe cursuri de apă ₪

68

12. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod, Mathew K. Jacob and R. R.

Krishnamurthy (2016). Landslide susceptible zone mapping using ARS and GIS

techniques in selected taluks of Kottayam district, Kerala, India. International

Journal of Applied Remote Sensing and GIS, 3(1), pp. 16-25. [ISSN: 2394-8698, E-

ISSN: 2395-4388]

13. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2016). Forest fire

risk zone mapping in Chinnar Wildlife Sanctuary, Kerala, India: A study using

geospatial tools. Journal of Global Resources, 3, pp. 16-26. [ISSN: 2395-3160, E-

ISSN: 2455-2445]

14. R. S. Ajin, Ana-Maria Loghin, Mathew K. Jacob, P. G. Vinod and R. R.

Krishnamurthy (2016). The risk assessment of potential forest fire in Idukki Wildlife

Sanctuary using RS and GIS techniques. International Journal of Advanced Earth

Science and Engineering, 5(1), pp. 308-318. [E-ISSN: 2320-3609]

15. R. S. Ajin, Ana-Maria Loghin, Alina Karki, P. G. Vinod and Mathew K. Jacob

(2016). Delineation of forest fire risk zones in Thenmala forest division, Kollam,

Kerala, India: A study using geospatial tools. Journal of Wetlands Biodiversity, 6, pp.

139-148. [ISSN: 2247-0506, ISSN-L: 2247-0506]

16. R. S. Ajin, Ana-Maria Loghin, P. G. Vinod and Mathew K. Jacob (2016). RS and

GIS based forest fire risk zone mapping in the Periyar Tiger Reserve, Kerala, India.

Journal of Wetlands Biodiversity, 6, pp. 175-184. [ISSN: 2247-0506, ISSN-L: 2247-

0506]

17. Loghin Ana-Maria, Ajin R. S., Oniga Valeria Ersilia (2015) – The three -

dimensional geodetic networks adjustment automation using Matlab, Journal of

Geodesy and Cadastre RevCAD, no. 19/2015, pag. 15-22, Romania, ISSN 1583-2279.

18. Loghin Ana-Maria, Oniga Valeria Ersilia (2015) A comparative study on camera

calibration algorithms , GeoMAT 2015 – Journal of Geodesy and Cadastre RevCAD,

no. 19/2015, pag. 135-144, Romania, ISSN 1583-2279.

19. Loghin Ana-Maria, Oniga Valeria Ersilia (2015) Digital Images and Total Station

Measurment Fusion for 3D Buildings Models Creation, Journal of Geodesy and

Cadastre RevCAD, no. 18/2015, pag. 64-71, Romania, ISSN 1583-2279.

20. Loghin Ana-Maria, Oniga Valeria Ersilia (2014) The influence of calibration

parameters on 3D buildings models creation, Journal of Geodesy and Cadastre

RevCAD, no. 17, pag. 178-185, Alba Iulia, Romania, ISSN 1583-2279.

21. Valeriu MOCA, Adrian POPIA, Constantin SAVU, Mihaela CÂRDEI, Ana-Maria

Loghin (2014) - Elements related to updating the basic topographic plans from the

cadastral territories foreseen with underground pipe drainage system International

Symposium GEOMAT 2014, 13-15 November, Iasi, Romania.

CERERI DE BREVET

1. Ana-Maria LOGHIN, Valeria Ersilia ONIGA, Ion GIURMA - Metodă inovativă de

filtrare, segmentare şi clasificare a norilor de puncte pentru derivarea modelelor

digitale ale terenului (MDT) pe baza datelor laser scaner aeropurtat (LSA),

21/07/2017, nr. A/00501.

2. Valeria Ersilia ONIGA, Ana-Maria LOGHIN, Corina Daniela PĂUN – Câmp inovativ

de calibrare şi testare a camerelor digitale montate pe platforme aeropurtate fără pilot

(UAV), 18/10/2017, nr. A/00834.

REZUMATUL TEZEI DE DOCTORAT - doctorat.tuiasi.ro · MULȚUMIRI În aceste momente deosebite,...

Documents

Transcript of REZUMATUL TEZEI DE DOCTORAT - doctorat.tuiasi.ro · MULȚUMIRI În aceste momente deosebite,...