Qualitative Assessment of Multi-Dimensional UAV Photogrammetry Models for Computer Vision Applications in Landslide Investigation

Farmakis, I., Karantanellis, E., Hutchinson, D.J., Vlachopoulos, N., Marinos, V.

Dans les comptes rendus d’articles de la conférence: GeoNiagara 2021: 74th Canadian Geotechnical Conference; 14th joint with IAH-CNC

RÉSUMÉ: Depuis quelques années, la photogrammétrie par drones constitue une pratique courante dans le domaine de la recherche géotechnique. Cette technique est utilisée pour fournir des produits numériques multidimensionnels et détaillés permettant d'évaluer les glissements de terrain, en particulier dans les cas où l'accès au site est limité. Cette technique offre une solution polyvalente et économiquement viable pour l'étude des glissements de terrain. Les données numériques obtenues comprennent une mosaïque (ortho) qui représente la zone étudiée en 2D, un modèle numérique de surface (MNS) qui fournit des informations sur les élévations en format 2,5D et un nuage de points dans un format 3D. Cette étude examine comment la détection et l'extraction automatiques d'éléments de glissement de terrain peuvent être réalisées à l'aide de modèles multidimensionnels de photogrammétrie par drone. Les auteurs appliquent une méthode de segmentation d'image non supervisée comprenant une sur-segmentation préliminaire selon l'algorithme SLIC (Simple Linear Iterative Clustering) et une segmentation NCut (Normalized Graph Cut). Nous effectuons une comparaison qualitative des différents modèles, pour deux (2) cas de glissement de terrain en Grèce, à partir de différentes configurations de la méthodologie et évaluons leur capacité en tant que source d'information pour la visualisation par ordinateur des glissements de terrain.

ABSTRACT: UAV photogrammetry has been a state-of-the-art practice within geotechnical research in recent years. Such technique has been utilized to provide detailed multi-dimensional digital products for use in landslide assessment, especially in scenarios whereby site access is limited, supporting landslide investigations as a versatile, and economically viable solution. Those products include the (ortho-) mosaic which comprises a 2D representation of the area under investigation, the Digital Surface Model (DSM) which includes elevation information in a rasterized 2.5D format, and the 3D point cloud. In the work that is discussed in this paper, the potential of the automated recognition and extraction of landslide elements with multi-dimensional UAV photogrammetry models is examined. The authors apply an unsupervised image segmentation method which consists of an initial over-segmentation based on the Simple Linear Iterative Clustering (SLIC) algorithm followed by a Normalized Graph Cut (NCut) segmentation. We perform a qualitative comparison of the different models, for two (2) landslide cases in Greece, based on multiple configurations of the method and assess their suitability as inputs to computer vision applications for landslide investigation.

Please include this code when submitting a data update: GEO2021_389

Retrouver cet article:
Les membres de la Société canadienne de géotechnique peuvent accéder à cet article, ainsi qu'à tous les autres articles de la Conférence Géotechnique Canadienne, dans le Espace membre. Les comptes rendus d'articles sont également disponibles dans de nombreuses bibliothèques.

Citer cet article: