RESUMO DO ARTIGO

INTRO

Este relatório descreve nossa experiência em modelagem de superfície 3D de grandes áreas

urbanas usando sensores óticos de satélite VHR: GeoEye-1 (GE1) em Dakar e Cidade da
Guatemala e WorldView-2 (WV2) na Cidade do Panamá, Constitucion, Cabul, Teerã, Katmandu
e São Salvador.

A análise dos DSMs leva em consideração as características dos sensores e das imagens, as
abordagens de processamento, o terreno e as características do terreno e o volume de dados.
Como modelos de superfície digital de referência em resolução mais alta de plataformas
aéreas não estão disponíveis, a análise quantitativa de nossos resultados é avaliada por meio
de interpretação visual precisa, análise de perfis de altura ao longo de transectos e
comparação com modelos de elevação global geralmente empregados pela comunidade
científica como informação de superfície .

O relatório está organizado da seguinte forma. Após uma breve descrição das características
do sensor HR e VHR de última geração, os conjuntos de dados e o fluxo de trabalho de
processamento são apresentados e, em seguida, a qualidade dos DSMs gerados é analisada
criticamente. O potencial de DSMs precisos para aplicações de risco natural é demonstrado
por meio da extração de informações de valor agregado, como a altura do edifício. Conclusões
e recomendações encerrarão o relatório.

2. Características dos sensores ópticos HR e VHR

2.1. Aquisição de imagem

Sensores ópticos de observação da Terra montados em satélites adquirem principalmente o

modo push-broom. O sistema de imagem de um sensor de vassoura consiste em um
instrumento óptico (geralmente uma lente ou um telescópio) e linhas de dispositivos
acoplados de carga (CCD) montados no plano focal. A combinação dos sistemas ópticos e das
linhas CCD permite a aquisição de imagens no princípio push-broom (Poli 2007). Enquanto a
plataforma se move ao longo de sua trajetória, linhas sucessivas são adquiridas
perpendiculares à trilha do satélite e armazenadas uma após a outra para formar uma faixa.
No caso de sensores multiespectrais, uma faixa é gerada para cada canal. Entre os diferentes
designs de matriz, na maioria dos casos, os chips são colocados ao longo de uma única linha ou
em dois ou mais segmentos escalonados ao longo da direção do voo (por exemplo, SPOT-5
HRG) ou intercalados com alguma sobreposição (por exemplo, Quickbird) para aumentar a
Resolução da imagem do solo através de um pós-processamento geométrico e radiométrico
específico.

2.2. Aquisição estéreo

De acordo com o modo de aquisição estéreo, podemos distinguir sistemas de varredura

transversal, Sistemas simultâneos de múltiplas varreduras ao longo do percurso e sistemas
ágeis de lente única.

Na configuração de varredura transversal padrão, as linhas CCD e um sistema óptico são

geralmente combinados com um espelho ou semelhante que gira de um lado do sensor para o
outro na direção do voo. Os ângulos transversais geralmente são acima de 30 °, mas pode
atingir valores maiores. De acordo com esta configuração, as imagens estéreo são coletadas de
diferentes órbitas em diferentes datas, com a área de sobreposição na direção do voo. Esta
configuração estéreo multi-data cria uma variação temporal entre as imagens

Na configuração padrão ao longo da pista, duas ou mais faixas são tiradas simultaneamente da
mesma órbita em ângulos diferentes ao longo da direção do vôo. Para cada direção de
visualização, há uma lente e um conjunto de linhas CCD colocadas no plano focal. Os ângulos
ao longo da trilha são geralmente fixos e a relação B / H constante, diferente para cada
satélite. Esta configuração ao longo da mesma data evita assim a variação temporal entre as
imagens. Exemplos de sensores de HR com esta configuração são SPOT-5 HRS, ALOS-PRISM e
Cartosat-1.

A terceira classe de sensores usa uma configuração que foi introduzida pela primeira vez no
IKONOS-2 em 1999. Construídos e operados por empresas privadas, esses sensores são
transportados em pequenos satélites voando ao longo de órbitas sincronizadas com o sol e
quase polares e fornecem imagens de resolução muito alta no modo mono ou estéreo usando
um sistema óptico de lente única flexível. Para visualização em estéreo ou cobertura temporal
frequente, eles têm a capacidade de girar sob comando em torno dos eixos de suas câmeras e
visualizar o alvo de diferentes direções, no modo para frente (de Norte para Sul) ou modo
reverso (de Sul para Norte). Portanto, pares estéreo along-track e cross-track de uma área
particular de interesse são planejados com antecedência e adquiridos em quase qualquer
parte da superfície da Terra.

Alguns sensores ágeis possuem um modo de aquisição síncrona, portanto a velocidade do

satélite e a velocidade de varredura são iguais, e o ângulo de visão é constante durante uma
aquisição de imagem. Os exemplos são IKONOS-2, Kompsat-2 e Formosat-2 RSI da NSPO
(National Space Program Office of China). Por outro lado, alguns sensores ágeis fazem a
varredura da Terra em modo assíncrono. É o caso do Quickbird, WV1 e WV2 (DigitalGlobe),
GE1 (GeoEye), EROS-A e –B (ImageSat International), Orbview-3 (Orbimage) e TopSat
(QinetiQ). De acordo com este projeto, a velocidade da plataforma é maior do que a de
varredura; Isso significa que o satélite gira continuamente, de modo que uma linha CCD varre
uma linha mais longa no solo, mas a geometria é menos estável. A velocidade de varredura
também pode ser mais rápida do que a velocidade da pegada para WV1 / 2 (24.000 linhas / s)
e GE1 (20000 linhas / s).

2.3. Níveis de processamento

Em geral, podemos distinguir três níveis principais de processamento.

 Imagens brutas com apenas normalização e calibração dos detectores (por exemplo, nível 1A
para SPOT, EROS e Formosat, 1B1 para ALOS, imagens básicas para QuickBird / WorldView)
sem qualquer correção geométrica, exceto às vezes para a orientação interior, são orientadas
por satélite . Além disso, são fornecidos metadados relacionados ao sensor, satélite
(efemérides e atitude) e imagem. Imagens brutas são preferidas por fotogrametristas que
trabalham com modelos físicos 3D e agora devem ser favorecidas pela comunidade de
sensoriamento remoto, para evitar erros residuais na geometria e reamostragem múltipla da
radiometria nos produtos processados.

 Imagens georreferenciadas (por exemplo, nível 1B para SPOT, 1SYS para Cartosat, Basic
Standard e Basic Stereo 1B para QuickBird / WorldView, 1G para Landsat-ETM +) corrigidas
para distorções sistemáticas devido ao sensor, a plataforma e a rotação e curvatura da Terra ;
Eles são orientados por via de satélite. Geralmente, poucos metadados relacionados ao sensor
e satélites são fornecidos; Alguns dos metadados estão relacionados ao processamento 1B.

imagens geocodificadas (por exemplo, nível 2A para SPOT, Geo Standard para IKONOS, Ortho
Ready 2A para Quickbird / WorldView, 1B2 para ALOS) corrigidas para as mesmas distorções
das imagens georreferenciadas e orientadas para o norte. Geralmente, poucos metadados
relacionados ao sensor e satélites são fornecidos; A maioria dos metadados está relacionada
ao processamento 2A e às características do elipsóide / mapa.

3. Geração de DSM

3.1. Descrição dos dados

Em todos os conjuntos de dados, as imagens estéreo têm estereoscopia ao longo da trilha. Na

verdade, WV2 e GE1 pertencem aos sistemas de satélites ágeis de última geração, capazes de
girar em seus eixos e adquirir imagens estéreo ao longo da trilha na mesma órbita.

A vantagem de um pequeno intervalo de tempo é que as condições de iluminação solar são

quase constantes e as mudanças no cenário se limitam a objetos em movimento, como
veículos. Devido à grande extensão das cidades (até 1.500 km2), os conjuntos de dados
geralmente consistem em vários pares (ou pares) de imagens estéreo adquiridas pelo mesmo
sensor e cortadas em blocos. Se os pares estéreo forem adquiridos no mesmo dia, a diferença
de tempo entre suas aquisições é inferior a 1 hora. No caso de várias datas, as diferenças são
de até 3 meses (ou seja, Dakar).

Os ângulos de visão e, conseqüentemente, o ângulo de convergência e a relação B / H não são

iguais para todos os pares estéreo. Diferentes situações podem ocorrer: a) uma imagem
quase-nadir (ângulo de aquisição próximo à vertical) e uma imagem fora do nadir (vista
anterior ou posterior), Grandes ângulos de visão determinam a presença de oclusões,
principalmente em Áreas urbanas, sombras maiores e GSD maiores, com relação às aquisições
quase-nadir.

Isso pode causar diferenças no DSM nas áreas de sobreposição entre os caminhos, pois o
desempenho do sensor para geração do DSM depende da relação B / H e, consequentemente,
dos ângulos de incidência das imagens estéreo.

Em geral, a precisão da geolocalização do RPC depende do nível de processamento da imagem,

da inclinação do terreno e dos ângulos de visão de aquisição (Toutin, 2004, Poli e Toutin,
2012). Em áreas planas como na Cidade do Panamá (nível 2A, ângulos de visão -16º e 16º) a
precisão relativa do RPC entre duas imagens que compõem um par estéreo em é de
aproximadamente 30m, enquanto na área montanhosa ao redor de Katmandu (nível 1B,
ângulos de visão de -31º e 15º, Figura 3) a precisão relativa entre as imagens estéreo chega a
300m.

3.2. Processamento de imagem e geração de DSM

Neste trabalho seguimos o fluxo de trabalho fotogramétrico clássico disponível no ambiente

ERDAS Leica Photogrammetric Suite (LPS) (ERDAS LPS, 2011) para o processamento das
imagens estéreo e geração DSM.

O processamento foi aplicado separadamente para cada conjunto de dados Do ponto de vista
da orientação, o modelo geométrico para sensores de varredura espacial baseado em RPC foi
usado. Depois de importar as imagens com suas informações de RPC e metadados e gerar as
pirâmides, pontos de ligação comuns em duas ou mais imagens foram medidos a fim de
garantir a orientação relativa entre as duas imagens do mesmo par estéreo e entre pares
estéreo diferentes que se sobrepõem ao longo da direção do vôo.

um mínimo de 5 pontos de empate para cada par foram medidos manualmente por um
operador. A regra geral para a medição do ponto de amarração é selecionar pontos em
características bem definidas e fixas / estáveis no terreno (ou seja, cruzando linhas, sinais de
trânsito, etc., Figura 5) e obter uma distribuição homogênea nas cenas de imagens (Figura 27
para Figura 33 no Anexo A). No total, foram medidos um mínimo de 20 pontos para o projeto
da Cidade da Guatemala e um máximo de 98 pontos para o projeto de Teerã (Tabela 3).

O DSM foi gerado no módulo ERDAS LPS eATE (Enhanced Automatic Terrain Extraction) com
pareamento de imagens estéreo, que visa encontrar correspondências densas e robustas entre
imagens estéreo e estimar suas coordenadas 3D no espaço do objeto. O procedimento de
correspondência no eATE é baseado em pirâmide, ou seja, começa a partir de uma pirâmide
de imagem alta e a faixa de terreno é inicializada com um DEM global gerado com SRTM DEM
de 3 segundos; Em cada nível da pirâmide, o intervalo de terreno atualizado a partir de
correspondências na pirâmide superior é usado para limitar o intervalo de pesquisa na
pirâmide atual e os resultados de correspondência da pirâmide atual serão usados para
atualizar o intervalo de terreno na próxima pirâmide inferior. Desta forma, a ambigüidade da
variação do terreno é reduzida em cada nível da pirâmide e o intervalo de pesquisa também
deve ser reduzido e convergir para um valor pequeno, que é uma função da inclinação do
terreno, precisão e tamanho do pixel (Xu et al., 2008 ) Os pontos de semente não foram
adicionados manualmente como pontos de massa para ajudar na correspondência e melhorar
o DSM. As regiões ocluídas por nuvens foram mascaradas manualmente por um operador no
espaço da imagem e resultaram em nenhum valor de dados no DSM final.

Levando em consideração a resolução espacial do solo das imagens de entrada, os DSMs foram
gerados com espaçamento de grade de 2m (cerca de 4 vezes o tamanho do pixel dos canais
pancromáticos).

No caso de projetos com pares estéreo sobrepostos (ou seja, Teerã, Katmandu, Dakar, etc.), o
DSM é calculado separadamente para cada par estéreo e, em seguida, os DSMs únicos são
mesclados usando interpolação linear. Mesmo se os blocos estiverem relativamente
orientados, os resíduos se propagam durante a geração de DSM e produzem pequenos passos
verticais entre DSMs sobrepostos. Nestes casos, pontos de ligação adicionais são medidos
manualmente nas imagens na área crítica, a orientação relativa recomputada e o DSM gerado
novamente. Os DSMs finais são então mascarados de corpos d'água (rios, lagos, oceanos,
mares) usando conjuntos de dados gratuitos do OpenStreetMap (OpenStreetMap, 2011). A
edição manual adicional, como filtragem de erros ou medição manual de pontos de sementes
(massa), não foi aplicada para melhorar a qualidade dos DSMs.

Finalmente, as imagens mais nadir foram orto-retificadas nos DSMs e orto-imagens com
espaçamento de grade de 0,5 m foram geradas.

3.3. Análise de qualidade DSM

O objetivo desta análise é avaliar como a superfície terrestre foi modelada em diferentes
cenários, em relação às características das imagens fonte (resolução do solo, ângulos de visão
e radiometria) e do terreno (cobertura, tipologia, textura). Em geral, os DSMs foram gerados
com sucesso a partir de todos os conjuntos de dados com ambos os sensores (GE1 com nível
de processamento 2A e WV2 com níveis de processamento 1B e 2A).

Em comparação com SRTM, usando imagens VHR é possível extrair DSM mais fino e filtrar o
Modelo Digital de Terreno (DTM) em espaço de grade maior. Isso é confirmado pela
comparação dos perfis de altura do WV2 DTM e do SRTM em Teerã.

A qualidade dos DSMs em áreas urbanas também foi avaliada por meio de perfis de altura ao
longo de transectos, os edifícios são destacados pela presença de picos no DSM e confirmados
por interpretação visual na ortofoto correspondente.

A precisão absoluta da geo-localização da imagem, que depende do ângulo de visão, do nível

de processamento e da morfologia do terreno, influencia a estimativa da altura no objeto
Espaço e, portanto, a qualidade da geo-localização absoluta do DSM final e produtos
relacionados (DTM, ortofotos, objetos 3D). A medição de pontos de controle de solo (GCPs)
precisos e bem distribuídos nas imagens resolveria o problema, mas essas informações muitas
vezes não estão disponíveis. A precisão da orientação relativa entre duas imagens formando
um par é crucial para a geometria epipolar e a correspondência de imagens, enquanto a
precisão relativa entre pares estéreo sobrepostos é responsável pelos passos de altura no DSM
final

4. Extração de informações 3D

Nas seções anteriores, demonstramos que é possível modelar uma grande área metropolitana
em detalhes usando imagens estéreo adquiridas por sensores óticos de satélite VHR. Os DSMs
permitem uma série de extração automática de informações 3D com o objetivo de prevenir,
monitorar ou simular os maiores desastres naturais do mundo ou avaliar eventuais danos.
Algumas aplicações comuns de DSMs incluem:

- Análises de geomorfologia do terreno (aspecto, rugosidade, declividade, ver exemplo na

Figura 17) para estudos geológicos (deslizamentos ou avalanche);

- Modelagem de fluxo de água e movimento de massa (Figura 18);

- Extração automática de altura de edifícios para estimativa de volume e população (Figura 19);

- Criação de mapa de linha de base ou relevo;

- Logística, reconstrução e recuperação, planejamento de rotas de dutos;

- Visualização 3D e navegação fly-through interativa realista (Figura 20, Figura 21).

Os pontos de aterramento são triangulados em um TIN (Triangulated Irregular Network) e

então o TIN é interpolado e rasterizado para obter o DTM (Modelo Digital de Terreno). Ao
realizar uma diferença pixel a pixel entre o DSM e o DTM, o denominado DSM normalizado
(nDSM) é obtido. O nDSM representa a altura de todos os objetos presentes no terreno. Os
objetos incluem grandes edifícios, moradias, árvores, estádio, ruas, veículos, contêineres de
mercadorias etc. Como o objetivo é estimar a altura das estruturas construídas, o próximo
passo é o mascaramento de todos os objetos que não pertencem a esta Categoria.

5. Conclusões

Este relatório discute a qualidade da modelagem de superfície 3D a partir de imagens estéreo

VHR adquiridas de uma plataforma espacial. Graças à capacidade dos satélites de última
geração, imagens estéreo com visualização estéreo ao longo da trilha e distância de amostra
do solo abaixo de 1 m podem ser adquiridas ao longo de um caminho de órbita com um
pequeno retardo. Em seguida, procedimentos fotogramétricos padrão são seguidos para
orientar as imagens, gerar imagens epipolares e extrair o DSM com procedimentos de
correspondência de imagens. Neste relatório, os DSMs foram extraídos de imagens estéreo
GeoEye1 em Dakar e Cidade da Guatemala e de imagens estéreo WorldView-2 na Cidade do
Panamá, Constitucion, Cabul, Teerã, Katmandu e San Salvador usando as ferramentas ERDAS
LPS e eATE. Os pontos de aterramento não estavam disponíveis. Os DSMs não foram editados
no pós-processamento, nem melhorados pela medição de pontos de sementes adicionais a
serem usados como pontos de massa.

A análise dos DSMs mostra que a qualidade da superfície está relacionada aos parâmetros de
aquisição (ou seja, satélite e elevação do sol), o processamento geométrico (qualidade da
orientação inicial e disponibilidade de GCPs), a estratégia de correspondência (no nosso caso, a
ferramenta eATE no ERDAS LPS) e as características do terreno (ou seja, morfologia, faixa de
altura, cobertura do solo, água e cobertura de nuvens). Do ponto de vista da aquisição, a
relação base-sobre-altura da aquisição estéreo e, conseqüentemente, os ângulos de
convergência, é crucial para a geração automática de DSM. Do ponto de vista teórico, quanto
maior a relação B / H, melhor é a estereoscopia e a estimativa da altura; Por outro lado,
imagens adquiridas de ângulos de visão muito diferentes contêm certas desvantagens. Em
primeiro lugar, eles mostram oclusões em áreas urbanas devido a edifícios, portanto,
corredores entre edifícios não podem ser modelados adequadamente. Além disso, ângulos
grandes produzem sombras mais longas e, portanto, áreas homogêneas de baixa textura onde
a correspondência de imagens não funciona bem. No que diz respeito ao processamento de
imagem, a qualidade da orientação geométrica do sensor determina a exatidão da altura
estimada da superfície no espaço do objeto. Em geral, pontos de controle de solo são
recomendados para melhorar a precisão da geo-localização da imagem, mas no caso de áreas
remotas ou em situação de emergência, esta informação não pode ser recuperada. De
qualquer forma, recomenda-se garantir a orientação relativa entre as imagens que compõem
os pares e entre os pares medindo manualmente um número suficiente de pontos comuns
(empates) bem distribuídos nas imagens. Na verdade, a orientação relativa imprecisa de tiras
sobrepostas pode causar etapas de altura no DSM final.

No que diz respeito ao sensor, a qualidade das imagens GE1 e WV2 é boa e a altíssima
resolução espacial permite a modelagem detalhada de qualquer tipo de terreno. A
disponibilidade de canais multiespectrais é favorável para operação futura, como
mascaramento de nuvem e água, identificação de objetos.

O relatório demonstrou o potencial do DSM a partir de imagens VHR para a extração de

informações 3D de valor agregado, como altura do edifício, relevantes para atividades de
avaliação de necessidades pós-desastre e pós-crise (PDNA), monitoramento e simulação de
riscos naturais.