Riassunto analitico
Negli ultimi anni, i veicoli aerei senza equipaggio (UAV) equipaggiati con fotocamere digitali sono emersi come alternativa economica al Laser Imaging Detection and Ranging (LiDAR) per la mappatura delle frane. La prima parte di questa tesi prevede un confronto accurato di cinque diversi algoritmi open source, originariamente sviluppati per i dati LiDAR, per la classificazione delle nuvole di punti UAV-SfM, in punti di terra, e punti non di terra, da cui è possibile estrarre modelli digitali di superficie di alta qualità (DSM), modelli di elevazione digitale (DEM) e nuvole di punti prive di vegetazione, costruzioni e oggetti che non fanno parte della topografia del suolo. Gli algoritmi di classificazione utilizzati in questo lavoro di tesi sono stati selezionati dal software open source CloudCompare (v2.10) e Qgis (v2.18) e sono corrispettivamente CRF (Cloth simulation filter), CANUPO, LASground, FUSION. Sono state anche valutate le influenze di pendenza del terreno, vegetazione e densità dei punti e caratteristiche difficili da filtrare sulla precisione della classificazione Una volta estratta la terra nuda generata dal migliore dei quattro algoritmi di classificazione si passa alla valutazione del cambiamento 3D nel terreno naturale misurato in un periodo di 1 anno da marzo 2014 a luglio 2015. Anche qui vengono confrontati accuratamente 3 diversi algoritmi per la valutazione del movimento in 3D della frana oggetto di studio. Gli algoritmi individuati per l’analisi del movimento multi-temporale della frana sono M3C2, C2C, e C2M scelti dal software CloudCompare (v2.10). Infine nell’ultima parte della tesi vengono elaborati i DSM estratti dalla classificazione per una valutazione idrologica finalizzata alla ricerca dei corsi d’acqua che hanno causato tale movimento.
|