مدل سازی سه بعدی در فتوگرامتری و سنجش از دور

 

وقتی در مهندسی ژئوماتیک از «مدل سه‌بعدی» حرف می‌زنیم، منظور صرفاً یک مدل گرافیکی برای نمایش نیست؛ بلکه یک محصول اندازه‌پذیر و نقشه‌برداری‌شده است که باید دقت هندسی، سیستم مختصات، و شاخص‌های کیفیت مشخص داشته باشد. در این حوزه، خروجی‌ها معمولاً شامل ابرنقاط (Point Cloud)، مدل رقومی سطح (DSM)، مدل رقومی زمین (DTM)، مش سه‌بعدی و ارتوموزائیک (Orthomosaic) هستند؛ محصولاتی که پایه‌ی تحلیل‌های مهندسی، پایش، و تصمیم‌گیری مکانی‌اند.
در فتوگرامتری و سنجش‌ازدور، مدل سه‌بعدی یعنی بازسازی هندسه‌ی سطح زمین/عارضه با وابستگی به:
  • ژئورفرنس دقیق (GNSS/IMU، GCP/CP)
  • پارامترهای دوربین/سنسور (کالیبراسیون و مدل خطا)
  • روش‌های تنظیم شبکه (Bundle Adjustment)
  • کنترل کیفیت (RMSE، پراکنش خطا، گزارش دقت)
به همین دلیل، «مدل سه بعدی ژئوماتیکی» بیشتر یک محصول نقشه‌برداری است تا یک خروجی صرفاً بصری.

خروجی‌های رایج سه بعدی در فتوگرامتری و سنجش‌ازدور

 

ابرنقاط (Point Cloud)
ابرنقاط قلب بازسازی سه‌بعدی است و برای:
  • حجم‌برداری (Stockpile)
  • مدلسازی سازه‌ها و معادن
  • استخراج عوارض (خطوط شکست، لبه‌ها، ساختمان‌ها)
    استفاده می‌شود.
DSM و DTM (مدل‌های رقومی)
  • DSM: سطح شامل ساختمان، درخت، سازه‌ها
  • DTM: زمینِ عاری از عوارض (Bare Earth)
    کاربرد: هیدرولوژی، سیلاب، شیب/جهت، طراحی مسیر، مطالعات خاکبرداری.
ارتوموزائیک (Orthomosaic)
تصویر موزاییکی با تصحیح اعوجاج و مقیاس یکنواخت برای:
  • نقشه‌برداری پایه
  • پایش تغییرات
  • تفسیر و رقومی‌سازی
    که به‌خصوص در پروژه‌های پهپادی بسیار کلیدی است.
مش سه‌بعدی و مدل بافت‌دار
(Textured Model)
برای نمایش واقع‌گرایانه و ارائه‌ی مدیریتی/کارفرمایی، و همچنین مدل‌سازی شهری و میراث فرهنگی کاربرد دارد.
روش‌های تولید مدل سه‌بعدی در ژئوماتیک
الف) فتوگرامتری (پهپاد/دوربین زمینی)
مبتنی بر همپوشانی تصاویر و استخراج نقاط مشترک:
  • مناسب برای پروژه‌های مهندسی با دقت بالا
  • خروجی‌های متنوع (Orthomosaic، DSM/DTM، Point Cloud، Mesh)
ب) سنجش‌ازدور (ماهواره‌ای)
بسته به نوع داده:
  • Stereo Satellite برای بازسازی ارتفاعی و DSM در مقیاس‌های بزرگ
  • داده‌های چندطیفی برای تحلیل پوشش زمین (کمک به تفکیک عوارض و طبقه‌بندی)
ج) LiDAR (هوابرد/زمینی)
مزیت اصلی: نفوذ بهتر در پوشش گیاهی و تولید DTM با کیفیت بالاتر در مناطق جنگلی/پیچیده.
نقش هوش مصنوعی در فتوگرامتری و سنجش‌ازدور 
  • طبقه‌بندی ابرنقاط (زمین/غیرزمین، ساختمان، پوشش گیاهی)
  • استخراج عوارض (مرزبندی ساختمان‌ها، راه‌ها، خطوط ساحلی)
  • تشخیص تغییرات (Change Detection) بین دوره‌های زمانی
  • بهبود کیفیت داده (کاهش نویز، ترمیم حفره‌ها در مش، هموارسازی کنترل‌شده)
  • تقسیم‌بندی تصاویر برای تولید لایه‌های موضوعی از ارتوموزائیک/ماهواره
کاربردهای کلیدی مدل سازی سه‌بعدی 
  • پایش پروژه‌های عمرانی (پیشرفت فیزیکی، کنترل حجم عملیات)
  • معدن و مدیریت دپو (حجم‌برداری و تحلیل شیب)
  • مدل‌سازی شهری و BIM/GIS (همگرایی داده‌های مکانی و مدل‌سازی)
  • مدیریت بحران (رانش، سیلاب، زلزله-تحلیل تغییرات)
  • جنگلداری و محیط زیست (ارتفاع پوشش گیاهی، تغییر کاربری)
  • نقشه‌برداری کاداستر و املاک (به شرط رعایت استانداردهای دقت و کنترل)

سولاات متداول

بله، اگر ژئورفرنس و کنترل کیفیت درست انجام شود و دقت با CP گزارش شود.

DSM سطح را با عوارض نشان می‌دهد؛ DTM زمینِ بدون عارضه است و برای تحلیل‌های مهندسی/هیدرولوژی ضروری‌تر است.

برای بسیاری از پروژه‌ها فتوگرامتری اقتصادی و دقیق است؛ اما برای زمین زیر پوشش گیاهی و استخراج DTM در جنگل‌ها، LiDAR معمولاً برتری دارد.