Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Feature detection for geospatial referencing
Umeå University, Faculty of Science and Technology, Department of Physics.
2019 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Bildanalys för automatisk georeferering (English)
Abstract [en]

With the drone industry's recent explosive advancement, aerial photography is becoming increasingly important for an array of applications ranging from construction to agriculture. A drone flyover can give a better overview of regions that are difficult to navigate, and is often significantly faster, cheaper and more accurate than man-made sketches and other alternatives. With this increased use comes a growing need for image processing methods to help in analyzing captured photographs.

This thesis presents a method for automatic location detection in aerial photographs using databases of aerial photographs and satellite images. The proposed pipeline is based on an initial round of tests, performed by using existing feature detection, description and matching algorithms on aerial photographs with a high degree of similarity. After which further modifications and improvements were implemented to make the method functional also for handling aerial photographs with a high level of inherent differences, e.g., viewpoint changes, different camera- and lens parameters, temporary objects and weather effects.

The method is shown to yield highly accurate results in geographical regions containing features with a low level of ambiguity, and where factors like viewpoint difference are not too extreme. In particular, the method has been most successful in cities and some types of farmland, producing very good results compared to methods based on camera parameters and GPS-location, which have been common in automatic location detection previously. Knowledge of these parameters is not necessary when applying the method, making it applicable more generally and also independently of the precision of the instruments used to determine said parameters. 

Furthermore, the approach is extended for automatic processing of video streams. With lack of available ground truth data, no definite conclusions about absolute accuracy of the method can be drawn for this use case. But it is nevertheless clear that processing speeds can be greatly improved by making use of the fact that subsequent video snapshots have a large graphical overlap. And it can indeed also be said that, for the tested video stream, using a type of extrapolation can greatly reduce the risk of graphical noise making location detection impossible for any given snapshot.

Abstract [sv]

Då drönarindustrin växer så det knakar, har flygfoton blivit allt viktigare för en rad applikationer i vårt samhälle. Att flyga över ett svårnavigerat område med en drönare kan ge bättre översikt och är ofta snabbare, billigare och mer precist än skisser eller andra alternativa översiktsmetoder. Med denna ökade användning kommer också ett ökat behov av automatisk bildprocessering för att hjälpa till i analysen av dessa fotografier.

Denna avhandling presenterar en metod för automatisk positionsbedömning av flygfoton, med hjälp av databaser med flygfoton och satellitfoton. Den presenterade metoden är baserad på inledande tester av existerande feature detection, feature description och feature matching algoritmer på ett något förenklat problem, där givna foton är väldigt grafiskt lika. Efter detta implementerades ytterligare modifikationer och förbättringar för att göra metoden mer robust även för bilder med en hög nivå av grafisk diskrepans, exempelvis skillnad i synvinkel, kamera- och linsparametrar, temporära objekt och vädereffekter.

Den föreslagna metoden ger nöjaktiga resultat i geografiska regioner med en proportionellt stor mängd grafiska särdrag som enkelt kan särskiljas från varandra och där den grafiska diskrepansen inte är allt för stor. Särskilt goda resultat ses i bland annat städer och vissa typer av jordbruksområden, där metoden kan ge betydligt bättre resultat än metoder baserade på kända kameraparametrar och fotografens GPS-positionering, vilket har varit ett vanligt sätt att utföra denna typ av automatisk positionsbestämning tidigare. Dessutom är den presenterade metoden ofta enklare att applicera, då precisionen för diverse mätinstrument som annars måste användas när fotot tas inte spelar in alls i metodens beräkningar.

Dessutom har metoden utökats för automatisk processering av videoströmmar. På grund av bristfälligt referensdata kan inga definitiva slutsatser dras angående metodens precision för detta användningsområde. Men det är ändå tydligt att beräkningstiden kan minskas drastiskt genom att använda faktumet att två påföljande ögonblicksbilder har ett stort grafiskt överlapp. Genom att använda en sorts extrapolering kan inverkan från grafiskt brus också minskas, brus som kan göra positionsbestämning omöjligt för en given ögonblicksbild.

Place, publisher, year, edition, pages
2019. , p. 63
Keywords [en]
Feature detection, feature description, feature, image processing, digital image processing, image analysis, aerial photography, drone
Keywords [sv]
Bildanalys, flygfotografi, flygfoto, bildprocessering
National Category
Computational Mathematics
Identifiers
URN: urn:nbn:se:umu:diva-159809OAI: oai:DiVA.org:umu-159809DiVA, id: diva2:1321511
Subject / course
Examensarbete i teknisk fysik
Educational program
Master of Science Programme in Engineering Physics
Presentation
2019-06-07, Bottenhavet, Linnaeus väg 20, Umeå, 18:35 (English)
Supervisors
Examiners
Available from: 2019-06-10 Created: 2019-06-08 Last updated: 2019-06-20Bibliographically approved

Open Access in DiVA

fulltext(17614 kB)18 downloads
File information
File name FULLTEXT02.pdfFile size 17614 kBChecksum SHA-512
7b3720f64b49c51221d6ba5d4924ce21c760f16dc0a2f8eaab836173967f2eb7eea72f34a8b6fcf1f63396ab448277769dc7fc40184de685a06f35f58f61f497
Type fulltextMimetype application/pdf

Search in DiVA

By author/editor
Nilsson, Niklas
By organisation
Department of Physics
Computational Mathematics

Search outside of DiVA

GoogleGoogle Scholar
Total: 19 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 156 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf