Correção da distorção geométrica em ortomosaicos de imagens ópticas obtidas por RPA, causada por variações no ângulo de guinada, por meio do método paramétrico de transformação projetiva, com derivação dos termos da matriz de rotação RΨ

Abstract

Aeronaves pilotadas remotamente (RPA) têm sido utilizadas como plataformas de baixo custo nas atividades de aerolevantamentos, principalmente para imageamentos ópticos. O objetivo deste trabalho é corrigir, por meio do método matemático paramétrico de transformação projetiva com derivação dos termos da matriz de rotação R𝜓 (guinada), erros geométricos causados pelas variações nos ângulos de guinada em ortomosaicos não corrigidos de imagens ópticas obtidas por RPA, utilizando algoritmo de rotação de imagem em linguagem de programação Python. Foram selecionadas duas áreas-teste localizadas nos estados do Rio de Janeiro (área 1, relevo plano) e Minas Gerais (área 2, relevo ondulado). O RPA de asa-fixa de classe 3 utilizado neste projeto foi o PT-UAV, pertencente à empresa Esteio Engenharia e Aerolevantamentos S.A. O sensor empregado foi a câmera Alfa Nex 3 Sony, com resolução máxima de 14 MPixels e distâncias focais de 16 mm e 35 mm. Para o registro dos pontos de apoio e de verificação, foi utilizado o receptor GPS Hiper da Topcon e a antena Hiper GD. A metodologia foi dividida em sete fases: a) planejamento e execução dos voos; b) determinação dos pontos de apoio e de verificação; c) geração dos ortomosaicos iniciais nos programas Agisoft Photoscan e E-Foto; d) avaliação do comportamento da distribuição espacial, normalidade e acurácia posicional das amostras, com análise de tendência e de precisão dos ortomosaicos iniciais com a aplicação do padrão de exatidão cartográfica (PEC) analógica e digital, que trata das especificações técnicas de aquisição de dados geoespaciais e vetoriais, utilizando o método disponível no aplicativo GeoPEC; e) criação matemática do método paramétrico de transformação projetiva com derivação dos termos da matriz de rotação R𝜓 e criação do algoritmo em linguagem de programação Python, capazes de minimizar erros geométricos; f) aplicação dos algoritmos de correção nos mosaicos iniciais e geração de novos ortomosaicos e modelos digitais de elevação no Agisoft Photoscan. Nesta fase, o E-Foto não foi utilizado, pois seu desempenho foi inferior ao Agisoft Photoscan; e g) nova avaliação no aplicativo GeoPEC. O método SfM do Agisoft Photoscan apresentou maior eficiência que a correlação de Pearson e o método dos mínimos quadrados do E-Foto na geração de modelos digitais de superfície. Os resultados finais revelaram melhores acurácias nas planimetrias das áreas 1 e 2. A área 1 corrigida apresentou menor erro médio quadrático (RMS), com uma escala maior de 1:1.000; também foi possível obter PEC A, analógico e digital. Apesar do relevo ondulado da área 2 corrigida, mantendo-se a mesma escala de 1:2.000, o RMS foi menor, com melhoria no PEC B para o analógico e PEC C para o digital; também obtiveramse as melhores acurácias nas altimetrias das áreas 1 e 2. A área 1 corrigida apresentou menor RMS, com uma equidistância menor de 60 metros; também foi possível obter PEC A, analógico e digital. Para a área 2 corrigida, mantendo-se a mesma equidistância de 50 metros e os PECs, o RMS foi menor. As avaliações foram com padrão disperso e distribuição normal, obtendo-se redução no resultado tendencioso ou resultado não tendencioso. Como conclusão, o modelo matemático proposto, por meio de um algoritmo específico na linguagem de programação Python, apresentou resultados significativos na redução do RMS e melhores PEC, analógico e digital.