Erste Auswertemethode
mit QGIS
Je nach Perspektive zum Aufnahmeobjekt müssen Transformationen zur Georeferenzierung in QGIS angepasst werden. Generell lassen sich so sehr einfach für den 2D-Fall die Daten kombinieren und auswerten. Die Genauigkeit der Bildkoordinaten in den Thermalbildern ist von der Aufnahmeperspektive und der Transformationsmethode zur Georeferenzierung abhängig.
In beiden Fällen lassen sich die Bildleerräume, welche durch die Transformation entstehen, beseitigen. Der größte Unterschied liegt in der Qualität und der Genauigkeit der Lage der entstandenen Bildkoordinaten und dem damit betriebenen Aufwand der Festlegung von Passpunkten.
Die Genauigkeit am Aufnahmeobjekt, hängt im Wesentlichen von der geometrischen Auflösung der RGB-Kamera und der Thermalkamera ab, wobei die Thermalkamera durch die schlechtere geometrische Auflösung den größeren Fehler einbringt. Auch unterliegen die Kamerasysteme dem Abbildungsfehler der Optik, zum einem ist durch die Kamerakonstruktion eine starke Tonnenverzeichnung in den Thermalbildern festzustellen. Dadurch entstehen zusätzliche Krümmungen in den Bildern, unabhängig von Perspektive oder geometrischer Auflösung
Georeferenziertes Thermalbild
Hier zu sehen ein entzerrtes Thermalbild in Pseudofarbskalar.
Für die Thermalkamera: Bekannte Größen: Brennweite(𝑐) = 9mm, Pixelabstand(𝑥‘)= 12 μm, Abstand zum Aufnahmeobjekt (ℎ) = 10 m, Auflösung 640px mal 512px.
Mit der Formel lassen sich entsprechend die Sensor- und Objektpixelgröße berechnen.
𝑚 = ℎ/𝑐 = 𝑋/𝑥′ = 1/𝑀
Wenn man für x als Länge oder Breite des Sensors den Pixelabstand (𝑥‘=12μm) einsetzt, lässt sich damit auch die Pixelgröße am Objekt (𝑋) berechnen. Dieser kann wie folgt mit Abstand von 10 m errechnet werden:
𝑋 = 10 𝑚 ∗ 12 ∗ 10−6𝑚 / 0,009 𝑚 ≈ 0,13 𝑚
Für einen Abstand von 10 m erhält man eine Pixelgröße am Objekt von 13 cm.
(Abb. Quelle: aus QGIS, Thauer)
Georeferenziertes RGB-Bild
Für die RGB-Kamera: Bekannte Größen: Auflösung 8000 x 6000 Pixel, Brennweite 24 mm und der Name des Sensors: 1/2 Zoll-CMOS Im Datenblatt von DJI ist für den RGB-Sensor nur der Name bekannt, somit muss erst die Größe aus dem Internet herangezogen werden. Es wird für den verbauten 1/2-Zoll-CMOS-Sensor eine Größe von 6,4 mm × 4,8 mm angegeben (vgl. WALDMANN 2019).
So errechnet sich für die Pixelgröße im Bild: 0,0064 𝑚 / 8000 𝑝𝑖𝑥𝑒𝑙 = 8 ∗ 10−7𝑚 = 0,8 𝜇𝑚 Zur Kontrolle auch für die Höhe:
0,0048 𝑚 / 6000 𝑝𝑖𝑥𝑒𝑙 = 8 ∗ 10−7𝑚 = 0,8 𝜇𝑚 Es ergibt in beiden Fällen eine Pixelgröße von 0,8 µm. Daraus lassen sich nun der Fehler bei einer manuellen Auswahl der Lage in QGIS von 1-2 Pixel, sowie der Aufnahmebereich am Objekt bestimmen. Für die Berechnungen wird mit dem gleichen Abstand (ℎ) = 10 m gerechnet wie bei der Thermalkamera. Für die Größe eines Pixels am Objekt:
𝑋′ = 10 𝑚 ∗ 8 ∗ 10−7𝑚 / 0,024 𝑚 ≈ 0,003 𝑚
(Abb. Quelle: aus QGIS, Thauer)
Ergebnis beider Mosaike
Zunächst wurden die Thermal- und RGB-Bilder mit QGIS in 2D visualisiert. Die einzelnen Bilder wurden mit Helmert- und Polynomtransformation (dritten Grades) georeferenziert. Nach Bereinigung des informationslosen Raumes in den Bildern, entstand durch die Transparent- und Pseudofarbeinstellung der einzelnen Bilder ein Thermalbildmosaik und ein RGB-Bildmosaik.
(Abb. Quelle: aus QGIS, Thauer)
