Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864 Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net Download luận án tiến sĩ ngành kĩ thuật trắc địa với đề tài: Nghiên cứu phương pháp nhận dạng tự động một số đối tượng và xây dựng cơ sở dữ liệu 3D bằng dữ liệu ảnh thu nhận từ thiết bị bay không người lái

1. BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC MỎ-ĐỊA CHẤT
ĐỖ VĂN DƯƠNG
NGHIÊN CỨU PHƯƠNG PHÁP NHẬN DẠNG TỰ ĐỘNG MỘT SỐ
ĐỐI TƯỢNG VÀ XÂY DỰNG CƠ SỞ DỮ LIỆU 3D BẰNG DỮ LIỆU
ẢNH THU NHẬN TỪ THIẾT BỊ BAY KHÔNG NGƯỜI LÁI
LUẬN ÁN TIẾN SĨ KỸ THUẬT
HÀ NỘI - 2018

2. BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC MỎ-ĐỊA CHẤT
ĐỖ VĂN DƯƠNG
NGHIÊN CỨU PHƯƠNG PHÁP NHẬN DẠNG TỰ ĐỘNG MỘT SỐ
ĐỐI TƯỢNG VÀ XÂY DỰNG CƠ SỞ DỮ LIỆU 3D BẰNG DỮ LIỆU
ẢNH THU NHẬN TỪ THIẾT BỊ BAY KHÔNG NGƯỜI LÁI
Ngành : Kỹ thuật Trắc địa - Bản đồ
Mã số : 9 52 05 03
LUẬN ÁN TIẾN SĨ KỸ THUẬT
NGƯỜI HƯỚNG DẪN KHOA HỌC
1. PGS.TS NGUYỄN QUANG MINH
2. PGS.TS TRẦN VÂN ANH
HÀ NỘI - 2018

3. i
Lời cam đoan
Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu
được sử dụng và kết quả phân tích, trình bày trong luận án là trung thực và chưa
từng được công bố trong bất cứ công trình nào
Tác giả luận án
Đỗ Văn Dương

4. ii
MỤC LỤC
Lời cam đoan............................................................................................................i
MỤC LỤC ..............................................................................................................ii
Danh mục các ký hiệu, chữ viết tắt tiếng Việt và tiếng Anh.....................................v
Danh mục các bảng, biểu đồ...................................................................................vi
Danh mục các hình vẽ, đồ thị.................................................................................vii
MỞ ĐẦU .............................................................................................................. 10
Chương 1- TỔNG QUAN VỀ HỆ THỐNG UAV VÀ CÁC ỨNG DỤNG DỮ LIỆU
ẢNH UAV TRONG TRẮC ĐỊA - BẢN ĐỒ......................................................... 16
1.1 Định nghĩa UAV.............................................................................................. 16
1.2 Lịch sử phát triển hệ thống UAV.....................................................................16
1.2.1 Trên thế giới............................................................................................... 16
1.2.2 Ở Việt Nam................................................................................................ 18
1.3 Ứng dụng dữ liệu ảnh thu nhận từ UAV trong Trắc địa - Bản đồ ..................... 22
1.4 Dữ liệu ảnh UAV phục vụ trong nghiên cứu của đề tài....................................25
1.4.1 Khu vực thu nhận ảnh và thiết bị bay chụp ảnh ..........................................25
1.4.2 Dữ liệu sử dụng trong nghiên cứu của đề tài............................................... 27
Chương 2 - NGHIÊN CỨU VÀ ĐỀ XUẤT THUẬT TOÁN TẠO DEM TỪ DỮ
LIỆU DSM............................................................................................................ 28
2.1 Tổng quan về công tác tạo DEM trong xử lý ảnh UAV....................................28
2.2 Nghiên cứu và đề xuất thuật toán tạo DEM từ DSM ........................................29
2.2.1 Tổng quan về các thuật toán tạo DEM từ DSM ..........................................29
2.2.2 Nghiên cứu thuật toán sử dụng trong công nghệ LiDar............................... 31
2.2.2.1 Thuật toán lọc số liệu địa hình để thành lập DEM từ DSM [90]............ 31
2.2.2.2 Thuật toán lọc điểm địa vật và cây [90] ................................................ 32
2.2.3 Nghiên cứu đề xuất thuật toán tạo DEM từ dữ liệu DSM trong xử lý ảnh
UAV ................................................................................................................... 34
2.2.3.1 Thuật toán xác định các điểm độ cao đột biến.......................................34
2.2.3.2 Thuật toán xác định tập điểm độ cao địa vật .........................................37
2.2.3.3 Thuật toán nội suy độ cao tái tạo nền địa hình.......................................40

5. iii
2.3 Thực nghiệm tạo DEM từ dữ liệu DSM bằng thuật toán đề xuất...................... 42
2.3.1 Dữ liệu sử dụng.......................................................................................... 42
2.3.2 Sơ đồ thuật toán của chương trình tạo DEM từ dữ liệu DSM...................... 43
2.3.3 Kết quả tạo DEM từ dữ liệu DSM và đánh giá độ chính xác....................... 44
2.3.3.1 Kết quả thiết đặt ngưỡng độ cao đột biến.............................................. 44
2.3.3.2 Kết quả phân ngưỡng địa hình tự động ................................................. 45
2.3.3.3 Kết quả phân ngưỡng địa hình tùy chỉnh............................................... 46
2.3.3.4 Kết quả tái tạo nền địa hình...................................................................47
2.3.4 Đánh giá độ chính xác kết quả thực nghiệm ............................................... 49
2.3.4.1 Khả năng xác định các khu vực địa vật, khu vực có độ cao đột biến .....49
2.3.4.2 Khả năng tái tạo lại nền địa hình........................................................... 50
2.3.4.3 Độ chính xác DEM của chương trình tạo ra so với kết quả DEM đo
đạc thực địa.....................................................................................................51
Chương 3 - NGHIÊN CỨU PHƯƠNG PHÁP NÂNG CAO ĐỘ CHÍNH XÁC
NHẬN DẠNG TỰ ĐỘNG ĐỐI TƯỢNG TRÊN ẢNH UAV................................ 55
3.1 Tổng quan về nhận dạng đối tượng ảnh ........................................................... 55
3.2 Cơ sở lý thuyết và thuật toán trong PLĐHĐT .................................................. 58
3.2.1 Các cơ sở tri thức sử dụng trong PLĐHĐT................................................. 58
3.2.2 Thuật toán sử dụng trong phân mảnh ảnh ................................................... 61
3.2.3 Phương pháp nâng cao độ chính xác nhận dạng đối tượng trên ảnh UAV...63
3.3 Thực nghiệm nhận dạng đối tượng trên ảnh UAV sử dụng dữ liệu DHM và các
dữ liệu khác...........................................................................................................64
3.3.1 Dữ liệu sử dụng.......................................................................................... 64
3.3.2 Quy trình nhận dạng đối tượng trên ảnh UAV sử dụng DHM và các dữ liệu
khác.................................................................................................................... 65
3.3.2.1 Công tác tiền xử lý dữ liệu....................................................................66
3.3.2.2 Phân mảnh ảnh ..................................................................................... 66
3.3.2.3 Thiết lập các lớp đối tượng ...................................................................67
3.3.2.4. Thiết lập bộ quy tắc và tiến hành xác định lớp cho đối tượng............... 68

6. iv
3.3.2.5 Định danh từng đối tượng địa vật.......................................................... 72
3.3.2.6 Đánh giá độ chính xác ..........................................................................74
Chương 4 - XÂY DỰNG CƠ SỞ DỮ LIỆU 3D TỪ KẾT QUẢ XỬ LÝ ẢNH UAV83
4.1 Tổng quan về xây dựng cơ sở dữ liệu 3D......................................................... 83
4.2 Cơ sở lý thuyết khoa học về xây dựng cơ sở dữ liệu 3D...................................87
4.2.1 Cơ sở dữ liệu 3D........................................................................................ 87
4.2.2 Chuẩn hóa cơ sở dữ liệu ............................................................................. 89
4.2.3 Một số phần mềm ứng dụng trong công tác xây dựng CSDL 3D................ 90
4.2.3.1 Phần mềm Pix4D mapper .....................................................................90
4.2.3.2 Phần mềm Skyline................................................................................ 91
4.2.3.3 Phần mềm ArcGIS................................................................................ 92
4.2.4 Thiết kế mô hình 3D từ ảnh UAV .............................................................. 93
4.2.4.1 Mô hình 3D mô phỏng..........................................................................94
4.2.4.2 Mô hình 3D thực................................................................................... 95
4.3. Thực nghiệm xây dựng CSDL 3D từ kết quả xử lý ảnh UAV ......................... 97
4.3.1 Dữ liệu sử dụng.......................................................................................... 97
4.3.2 Quy trình thực nghiệm xây dựng CSDL 3D................................................ 98
4.3.3 Kết quả xây dựng cơ sở dữ liệu 3D và đánh giá........................................104
KẾT LUẬN VÀ KIẾN NGHỊ ............................................................................. 106
DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA TÁC GIẢ............................ 108
TÀI LIỆU THAM KHẢO ................................................................................... 110
PHỤ LỤC............................................................................................................ 122
Phụ lục 1: Thông số thiết đặt máy chụp ảnh, ảnh chụp và thiết bị bay..................... 122
Phụ lục 1: Cơ sở lý thuyết thiết kế bay chụp ảnh UAV ..........................................123
Phụ lục 3: Chương trình tạo DEM từ dữ liệu DSM.............................................. 125
Phụ lục 4: Một số đoạn Code của chương trình tạo DEM từ DSM...................... 129
Phụ lục 5: Số liệu so sánh chênh độ cao giữa DEM đo đạc trực tiếp và DEM tạo ra
từ DSM bằng thuật toán đề xuất ..........................................................................136
Phụ lục 6: Thiết kế cấu trúc dữ liệu nền địa lý tỷ lệ 1:2000..................................141

7. v
Danh mục các ký hiệu, chữ viết tắt tiếng Việt và tiếng Anh
UAV Unmanned Aircraft Vehicle: Thiết bị máy bay không người lái
DEM Digital Elevation Model: Mô hình số độ cao
DSM Digital Surface Model: Mô hình số bề mặt
DTM Digital Terrain Model: Mô hình số địa hình
DHM Digital Height Model: Mô hình số độ cao địa vật
2D Two Dimension: Hai chiều
3D Three Dimension: Ba chiều
GIS Geographic Information System Hệ thống thông tin địa lý
GPS Global Positioning System: Hệ thống định vị toàn cầu
INS Inertial Navigation System: Hệ thống dẫn đường quán tính
IMU Inertial Measurement Unit: Đơn vị đo lường quán tính
GCS Ground Control Systerm Trạm điều khiển mặt đất
PLĐHĐT Phân loại định hướng đối tượng
CSDL Cơ sở dữ liệu
MBKNL Máy bay không người lái
KCANN Khống chế ảnh ngoại nghiệp

8. vi
Danh mục các bảng, biểu đồ
Bảng 2.1. Ký hiệu mức độ cao các đối tượng......................................................... 35
Bảng 2.2. Bảng giá trị chênh cao giữa các lớp đối tượng .......................................35
Biểu đồ 2.3 (a). So sánh chênh độ cao trên các mặt cắt địa hình 1-1’..................... 53
Biểu đồ 2.3 (b). So sánh chênh độ cao trên các mặt cắt địa hình 2-2’..................... 53
Biểu đồ 2.3 (c). So sánh chênh độ cao trên các mặt cắt địa hình 3-3’..................... 53
Bảng 3.1. Miêu tả các tiêu chí trong bộ quy tắc theo thuật toán PLĐHĐT ảnh UAV
kết hợp dữ liệu DHM trên khu vực thực nghiệm.................................................... 68
Bảng 3.2. Thống kê độ chính xác tổng thể nhận dạng theo lớp đối tượng trên ảnh
UAV khi không kết hợp bình đồ ảnh với DHM so với kết quả véc tơ hóa ảnh tham
chiếu...................................................................................................................... 77
Bảng 3.3. Thống kê độ chính xác tổng thể nhận dạng theo lớp đối tượng trên ảnh
UAV khi kết hợp bình đồ ảnh so với kết quả véc tơ hóa ảnh tham chiếu................ 78
Bảng 3.4. Kết quả thống kê và độ chính xác nhận dạng đối tượng trên Hình 3.13..80
Bảng 3.5. Kết quả thống kê và độ chính xác nhận dạng đối tượng trên Hình 3.14..80
Bảng 3.6. Kết quả thống kê và độ chính xác nhận dạng đối tượng trên Hình 3.15..81
Bảng 3.7. Kết quả thống kê và độ chính xác nhận dạng đối tượng trên Hình 3.16..81
Bảng 3.8. Kết quả thống kê và độ chính xác nhận dạng đối tượng trên Hình 3.17..82
Bảng 4.1. Danh mục các chuẩn TTĐLCS .............................................................. 90

9. vii
Danh mục các hình vẽ, đồ thị
Hình 1.1. Một số UAV được phát triển và sử dụng thu nhận ảnh trên thế giới .......18
Hình 1.2. Một số UAV được phát triển và sử dụng thu nhận ảnh ở Việt Nam........20
Hình 1.3. Một số kết quả ứng dụng dữ liệu ảnh UAV trong Trắc địa-bản đồ..........24
Hình 1.4. Vị trí địa lý khu vực bay thử nghiệm UAV (Nguồn: Google Map).........25
Hình1.5. Thiết bị bay UAV Swinglet-CAM và máy ảnh Canon IXUS 127HS.......26
Hình 1.6. Mô tả dải bay và hình ảnh 1 tấm ảnh thu nhận khu vực thử nghiệm............26
Hình 1.7. Các kết quả xử lý ảnh UAV bằng phần mềm Pix4D mapper...................... 27
Hình 2.1. (a) Dữ liệu DSM, (b) Dữ liệu DEM được lọc trên TopoSys [49]...........33
Hình 2.2. Mô tả dữ liệu ảnh DSM..........................................................................35
Hình 2.3. Kết quả của Hình 2.2 với ngưỡng chênh cao đột biến là 1.5m................ 36
Hình 2.4. Xác định khu vực các đối tượng địa vật bằng phương pháp trực tiếp......38
Hình 2.5. Minh họa kết quả của Hình 2.3 với sự kết hợp ngưỡng đột biến được thiết
lập 1.5m và ngưỡng địa hình tự động.....................................................................39
Hình 2.6. Mối quan hệ giữa điểm ảnh p với các điểm địa hình xung quanh. ..........41
Hình 2.7. (a) Mô hình số bề mặt (DSM); (b) Bình đồ ảnh UAV............................. 43
Hình 2.8. Sơ đồ thuật toán của chương trình tạo DEM từ DSM............................. 44
Hình 2.9. Thiết lập với các ngưỡng chênh cao đột biến khác nhau......................... 45
Hình 2.10. (a) Mô hình số bề mặt; (b) Phân ngưỡng địa hình tự động.................... 46
Hình 2.11. Kết quả đối tượng địa vật được xác định bằng thuật toán phân ngưỡng.47
Hình 2.12. So sánh DSM và kết quả DEM tạo ra bằng thuật toán đề xuất.............. 48
Hình 2.13. So sánh DSM và kết quả DEM tạo ra bằng thuật toán đề xuất.............. 49
Hình 2.14. Kết quả xác định các khu vực địa vật, khu vực có độ cao đột biến. ......50
Hình 2.15. (a) Dữ liệu DSM ; (b) Kết quả DEM không bổ sung tập điểm độ cao; (c)
Kết quả DEM có bổ sung tập điểm độ cao............................................................. 50
Hình 2.16. (a) Dữ liệu DSM; (b) Dữ liệu DEM; (c) Bình đồ ảnh. .......................... 51
Hình 2.17. (a) Dữ liệu DSM; (b) Dữ liệu DEM; (c) Bình đồ ảnh. .......................... 51
Hình 2.18. (a) Bình đồ ảnh tham chiếu; (b) Địa hình đo đạc trực tiếp; (c) Dữ liệu
DSM sử dụng tạo DEM; (d) DEM được tạo từ thuật toán đề xuất; (e) Hình ảnh
DSM ở dạng 3D; (f) Hình ảnh DEM ở dạng 3D............................................... 52
Hình 3.1. So sánh đặc trưng hình dạng của sông suối và ao, hồ ............................. 60

10. viii
Hình 3.2. Quan hệ topo và khái niệm khoảng cách dùng trong PLĐHĐT [41].......60
Hình 3.3. So sánh kết quả phân mảnh ảnh với các tỷ lệ khác nhau......................... 61
Hình 3.4. (a) Dữ liệu ảnh UAV và (b) Dữ liệu DHM khu vực Vật Lại-Ba Vì-Hà Nội...64
Hình 3.5 Quy trình nhận dạng đối tượng dựa vào thuật toán PLĐHĐT sử dụng
DHM và các dữ liệu khác...................................................................................... 65
Hình 3.6. Kết quả phân mảnh theo thuật toán Multiresolution segmentation với
(Scale parameter =50; shape=0.3 và compactness = 0.7) .......................................67
Hình 3.7. Một hình nón đôi của mô hình màu HSI [84]. ........................................70
Hình 3.8. Sơ đồ khái quát quá trình nhận dạng theo lớp đối tượng với tiêu chí trên
Bảng 3.1................................................................................................................ 71
Hình 3.9. Kết quả nhận dạng theo từng lớp đối tượng trên UAV khi kết hợp 3 kênh
phổ (Red, Green, Blue) và DHM khu vực thực nghiệm .........................................72
Hình 3.10. Gộp mảnh ảnh từ kết quả nhận dạng đối tượng theo lớp....................... 73
Hình 3.11. (a) Mẫu ảnh thử nghiệm; (b) Dữ liệu DHM; (c) Kết quả gộp vùng nhận
dạng; (d) Kết quả nhận dạng hiển thị trên ArcGis.................................................. 73
Hình 3.12. (a) Mẫu ảnh thử nghiệm; (b) Kết quả véc tơ hóa; (c) Kết quả nhận dạng
đối tượng khi không kết hợp bình đồ ảnh với DHM; (d) Kết quả nhận dạng đối
tượng khi kết hợp bình đồ ảnh với DHM. .............................................................. 74
Hình 3.13. Kết quả nhận dạng đối tượng nhà mái tôn so với dữ liệu số hóa...........79
Hình 3.14. Kết quả nhận dạng đối tượng mặt nước so với dữ liệu số hóa............... 79
Hình 3.15. Kết quả nhận dạng đối tượng nhà tầng so với dữ liệu số hóa................ 79
Hình 3.16. Kết quả nhận dạng đối tượng nhà mái ngói so với dữ liệu số hóa .........79
Hình 3.17. Kết quả nhận dạng đối tượng nhà fibro xi nămg so với dữ liệu số hóa..80
Hình 4.1. (a) CSDL 3D thành phố Vĩnh Yên, tỉnh Vĩnh Phúc (theo[25]), (b) CSDL
3D thành phố Toronto, Canada (nguồn: Google earth)...........................................86
Hình 4.2. Dữ liệu không gian và dữ liệu thuộc tính trong cơ sở dữ liệu.................... 89
Hình 4.3. Mô hình nhà được lập trên phần mềm Pix4D mapper (Nguồn:
Google.com)..........................................................................................................91
Hình 4.4. Các gói dữ liệu cơ bản của Skyline (Nguồn: skylineglobe.com)............. 91
Hình 4.5. Ba phần mềm ứng dụng chính của ArcGis (Nguồn: ESRI.com). ............ 93
Hình 4.6. Năm mức độ chi tiết (LoD) được định nghĩa bởi CityGML [61] ............ 94

11. ix
Hình 4.7. Quy trình xây dựng mô hình 3D mô phỏng ............................................ 95
Hình 4.8. Thiết kế tuyến bay thu nhận ảnh phục vụ tái tạo mô hình 3D thực [4]....96
Hình 4.9. Kết quả thu nhận hình ảnh đối tượng theo 4 hướng cơ bản..................... 96
Hình 4.10. Quy trình xây dựng mô hình 3D thực................................................... 97
Hình 4.11. Dữ liệu thực nghiệm sử dụng xây dựng cơ sở dữ liệu 3D..................... 98
Hình 4.12. Quy trình xây dựng cơ sở dữ liệu 3D................................................... 98
Hình 4.13. Kết quả véc tơ hệ thống giao thông, thủy hệ và bình độ khu vực thực
nghiệm. ................................................................................................................. 99
Hình 4.14. Xây dựng các gói dữ liệu và lớp đối tượng trên ArcCatalog............... 100
Hình 4.15. Load dữ liệu véc tơ vào các lớp trong cấu trúc CSDL ........................ 100
Hình 4.16. (a) Đám mây điểm (b) Ảnh cấu trúc và (c) Mô hình 3D thực ............. 101
Hình 4.17. Load các lớp đối tượng vào CSDL trên TerraExplorer Pro................. 103
Hình 4.18. Nhập dữ liệu thuộc tính vào CSDL trên TerraExplorer Pro ................ 103
Hình 4.19. Trình bày cơ sở dữ liệu 3D trên TerraExplorer Pro............................ 104
Hình 4.20. Tìm kiếm thông tin trên CSDL 3D..................................................... 105

12. 10
MỞ ĐẦU
1. Tính cấp thiết của đề tài
Những năm gần đây, việc ứng dụng thiết bị bay không người lái (UAV) để
thu nhận ảnh phục vụ cho các lĩnh vực quân sự và dân sự đã khá phổ biến trên thế
giới và ở Việt Nam do thiết bị này có những ưu điểm như: Thiết bị bay UAV có thể
sử dụng trong các tình huống có độ rủi ro cao mà không nguy hại đến cuộc sống
con người, các vùng không thể tiếp cận, ở cao độ thấp và bay gần với các đối tượng
nơi mà hệ thống có người lái không thể bay được. Những nơi xảy ra các thảm họa
tự nhiên hoặc những nơi có điều kiện thời tiết xấu như nhiều mây và mưa phùn.
UAV còn có khả năng thu nhận dữ liệu nhanh chóng ở thời điểm tức thời, truyền tải
hình ảnh xuống trạm điều khiển mặt đất. Việc kết hợp của hệ thống GPS/INS ổn
định cho phép UAV đảm bảo độ chính xác về vị trí và hướng của hệ thống bay, mặt
khác dữ liệu ảnh thu nhận được có độ phủ lớn từ 60 đến 90%, ảnh chụp ở nhiều góc
độ, hình ảnh trung thực có độ phân giải cao, hàm chứa lượng thông tin lớn.
Từ những ưu điểm đó, đã có khá nhiều các nghiên cứu về ứng dụng dữ liệu
ảnh UAV vào trong các lĩnh vực như lập bản đồ địa hình, địa chính [3], giám sát
sạt lở lưu vực sông [90], xây dựng dữ liệu 3D đô thị [11], xây dựng cơ sở dữ liệu
3D các khu vực khảo cổ [30],[32], xây dựng mô hình số độ cao [94], khảo sát mức
độ thiệt hại do thiên tai, dịch họa, môi trường [54],.v.v. Và gần đây nhờ công nghệ
quét đám mây điểm (3D point cloud) của UAV-LiDar một số nhóm nghiên cứu đã
xây dựng dữ liệu không gian (3D) theo công nghệ hiện đại này. Tuy nhiên UAV-
LiDar chưa được phổ biến do giá thành của công nghệ này còn khá cao trên thị
trường thương mại.
Các nghiên cứu ứng dụng ảnh của UAV trong lĩnh vực dân sự trên thế giới
và ở Việt Nam đa phần tập trung vào UAV giá rẻ, ảnh thu nhận của thiết bị là ảnh
kỹ thuật số thông thường. Từ dữ liệu ảnh UAV thu nhận được, bằng các công nghệ
xử lý ảnh tự động hiện nay dễ dàng cho ra được kết quả bình đồ ảnh, DSM và
DEM. Tuy nhiên, để tạo lập cơ sở dữ liệu đòi hỏi phải có dữ liệu DEM và dữ liệu

13. 11
địa vật trên bề mặt một cách chính xác. Các nghiên cứu trên cho thấy, việc tạo DEM
tự động trong quá trình xử lý ảnh UAV chưa đạt độ chính xác để có thể đưa vào sử
dụng, do vậy kết quả DEM đang được tạo ra từ việc đo điểm độ cao địa hình trên
mô hình các cặp ảnh lập thể UAV. Tuy nhiên, với kích thước ảnh nhỏ, số lượng ảnh
UAV thu nhận sẽ là rất lớn trên khu vực bay chụp, để đo điểm độ cao trên một khối
lượng lớn cặp ảnh lập thể sẽ là rất vất vả, đôi khi là không thể.
Việc tạo lập dữ liệu các đối tượng địa vật từ bình đồ ảnh UAV (orthomosaic)
cũng thực hiện phổ biến theo phương pháp véc tơ hóa. Gần đây đã có một số nghiên
cứu sử dụng các thuật toán nhận dạng để chiết tách các đối tượng trên bề mặt trên
ảnh có độ phân giải cao phục vụ cho công tác xây dựng CSDL [13],[18], [97],
[101],v.v., kết quả của các nghiên cứu đã khẳng định nhận dạng theo thuật toán của
phân loại định hướng đối tượng (PLĐHĐT) phù hợp với ảnh có độ phân giải cao
như ảnh Worldview, ảnh hàng không có nhiều hơn 3 kênh phổ (RGB). Tuy nhiên để
nhận dạng đối tượng trên bề mặt ảnh kỹ thuật số của UAV với ba kênh phổ (RGB)
và có độ phân giải siêu cao thì chưa nghiên cứu nào đề cập đến.
Ngoài ra, việc xây dựng cơ sở dữ liệu 3D (CSDL 3D) từ dữ liệu ảnh UAV
cũng đang được nhiều tác giả trên thế giới nghiên cứu [37],[38],[42], v.v. Mô hình
không gian trong CSDL 3D được xây dựng dưới hai dạng: (1) là mô hình 3D mô
phỏng (3D model mapping) được xây dựng dựa trên các thành phần bình đồ ảnh của
UAV, DEM và bộ ký hiệu thiết kế địa vật 3D và (2) là mô hình 3D thực (3D
mapping in real time) được xây dựng từ các kết quả dữ liệu đám mây điểm (3D
point cloud) và ảnh cấu trúc đối tượng (texture image) được tạo ra tự động trong
quá trình xử lý ảnh UAV. Trên thế giới, mô hình 3D thực đang có xu hướng thay
thế dần mô hình 3D mô phỏng do chúng có ưu điểm như: Mô hình biểu diễn hình
ảnh thật mà không cần phải thiết kế mô phỏng các đối tượng, địa vật; Sử dụng trực
tiếp DSM không cần dữ liệu DEM để xây dựng mô hình. Điển hình cho cách tiếp
cận này là CSDL 3D của Google Earth với sản phẩm mô hình 3D thực rất trực quan
và có độ chi tiết cao ở một số thành phố lớn trên thế giới, giúp người sử dụng dễ có
cái nhìn tổng quan, dễ truy cập tìm kiếm. Tuy nhiên, các nghiên cứu trong nước mới

14. 12
đang tập trung nghiên cứu xây dựng cơ sở dữ liệu 3D với mô hình 3D ở dạng mô
phỏng [11],[25]. Chưa có nghiên cứu nào đề cập đến xây dựng cơ sở dữ liệu 3D với
mô hình 3D thực.
Xuất phát từ những nhu cầu thực tế trên, đề tài “Nghiên cứu phương pháp
nhận dạng tự động một số đối tượng và xây dựng cơ sở dữ liệu 3D bằng dữ liệu
ảnh thu nhận từ thiết bị bay không người lái” nhằm giải quyết và tiếp cận với các
vấn đề trên.
2. Mục tiêu nghiên cứu
- Xây dựng thuật toán và chương trình tạo DEM từ kết quả DSM phù hợp với
một số địa hình ở Việt Nam;
- Nhận dạng và nâng cao độ chính xác nhận dạng đối tượng trên bình đồ ảnh
UAV;
- Xây dựng cơ sở dữ liệu 3D từ kết quả xử lý ảnh UAV.
3. Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu chính, gồm: các thuật toán về tách DEM từ DSM, thuật
toán nhận dạng đối tượng, và xây dựng cơ sở dữ liệu 3D từ dữ liệu DSM, ảnh trực
giao và ảnh xiên có được bằng UAV sau khi đã xử lý.
Phạm vi nghiên cứu của luận án bao gồm dữ liệu DSM và ảnh trực giao, ảnh
xiên sau khi đã xử lý có được bằng một số UAV đã được kiểm định tại Việt Nam.
4. Nội dung nghiên cứu
- Tổng quan hệ thống UAV và ứng dụng dữ liệu ảnh thu nhận từ UAV trong
công tác Trắc địa - Bản đồ;
- Tổng quan về công tác tạo DEM trong công nghệ phần mềm xử lý ảnh, công
tác nhận dạng đối tượng và xây dựng CSDL 3D từ các kết quả xử lý ảnh UAV
trên Thế giới và ở Việt Nam;
- Xây dựng thuật toán tạo DEM từ DSM (dữ liệu DSM được tạo ra trong quá
trình xử lý ảnh UAV);
- Nâng cao độ chính xác nhận dạng đối tượng trên bề mặt ảnh UAV khi kết hợp
dữ liệu bình đồ ảnh và dữ liệu độ cao địa vật (DHM);

15. 13
- Xây dựng CSDL 3D từ các kết quả đám mây điểm (3D point cloud), ảnh cấu
trúc đối tượng (texture image) tạo ra trong quá trình xử lý ảnh UAV và cơ sở
dữ liệu địa lý (GIS).
5. Phương pháp nghiên cứu
- Phương pháp tiếp cận lý thuyết, phân tích và tổng hợp các dữ liệu, tài liệu
liên quan;
- Phương pháp thực nghiệm: Thử nghiệm các dữ liệu thực tế để sáng tỏ cơ sở lý
thuyết cho các hướng nghiên cứu đưa ra;
- Phương pháp mô hình hoá: Các hướng nghiên cứu trong luận án được mô hình
hóa giúp dễ hiểu, dễ sử dụng trong quá trình xử lý dữ liệu;
- Phương pháp so sánh: Đối chiếu các kết quả nghiên cứu theo các hướng tiếp
cận khác nhau để đưa ra nhận định và chứng minh tính đúng đắn trong các đề
xuất mới của luận án;
- Phương pháp chuyên gia: Tiếp thu ý kiến của người hướng dẫn, tham khảo ý
kiến các nhà khoa học và đồng nghiệp về các vấn đề trong nội dung luận án.
6. Ý nghĩa khoa học và thực tiễn của luận án
Ý nghĩa khoa học: Luận án đã phân tích, đề xuất và khẳng định tính đúng đắn
của việc đưa ra thuật toán tạo DEM từ DSM phù hợp với một số địa hình ở Việt
Nam, phương pháp nhận dạng đối tượng trên ảnh UAV cũng như công tác xây dựng
CSDL 3D từ mô hình 3D thực. Xác lập tính khoa học trong mỗi hướng nghiên cứu,
đề xuất trong luận án, mở ra hướng tiếp cận mới trong việc xử lý và ứng dụng kết
quả xử lý dữ liệu ảnh UAV.
Ý nghĩa thực tiễn: Bằng cách thử nghiệm các dữ liệu thực tế để khẳng định
mỗi nghiên cứu, đề xuất trong luận án hoàn toàn có thể ứng dụng trong thực tiễn,
góp phần giảm thời gian và công sức trong công tác xử lý dữ liệu ảnh của UAV,
đưa ra các sản phẩm có tính ứng dụng tốt nhất phục vụ cho các lĩnh vực khác nhau
trong đời sống.

16. 14
7. Các luận điểm bảo vệ
- Thuật toán tạo DEM từ kết quả DSM có được trong xử lý ảnh UAV và cho
phép nâng cao độ chính xác của mô hình DEM;
- Độ chính xác nhận dạng đối tượng trên ảnh kỹ thuật số UAV khi kết hợp giá
trị độ xám các kênh phổ và dữ liệu độ cao địa vật (DHM) được nâng cao;
- CSDL 3D từ mô hình 3D thực kết hợp với CSDL thông tin địa lý (GIS) có
tính trực quan cao và phản ảnh đúng bề mặt địa hình.
8. Các điểm mới của luận án
- Đề xuất thuật toán và xây dựng chương trình tạo DEM từ kết quả DSM có
được từ xử lý ảnh UAV;
- Đề xuất phương pháp nâng cao độ chính xác nhận dạng đối tượng trên ảnh
kỹ thuật số của UAV kết hợp với dữ liệu độ cao địa vật;
- Góp phần hoàn thiện quy trình xây dựng CSDL 3D từ mô hình 3D thực kết
hợp với CSDL thông tin địa lý.
9. Cấu trúc và khối lượng luận án
Luận án có các phần như sau:
Mở đầu
Chương 1 - Tổng quan về hệ thống UAV và các ứng dụng dữ liệu ảnh UAV
trong Trắc địa - Bản đồ
Chương 2 - Nghiên cứu và đề xuất thuật toán tạo DEM từ dữ liệu DSM
Chương 3 - Nghiên cứu phương pháp nâng cao độ chính xác nhận dạng tự
động đối tượng trên ảnh UAV
Chương 4 - Xây dựng cơ sở dữ liệu 3D từ kết quả xử lý ảnh UAV
Kết luận và kiến nghị

17. 15
10. Lời cảm ơn
Trước tiên, tôi xin bày tỏ sự kính trọng và lòng biết ơn sâu sắc tới PGS.TS
Nguyễn Quang Minh và PGS.TS Trần Vân Anh, hai người Thầy đã tận tình hướng
dẫn, động viên, giúp đỡ tôi trong suốt quá trình nghiên cứu và viết luận án này.
Những nhận xét, đánh giá và đặc biệt là những gợi ý của Thầy Cô về hướng giải
quyết các vấn đề thực sự là những bài học vô cùng quý giá đối với tôi trong suốt
quá trình nghiên cứu và viết luận án.
Tôi xin gửi lời cảm ơn chân thành tới các Thầy Cô trong Bộ môn Đo ảnh và
Viễn thám, Khoa Trắc địa - Bản đồ và Quản lý đất đai, trường Đại học Mỏ - Địa
chất đã tạo điều kiện thuận lợi giúp đỡ tôi trong quá trình học tập và nghiên cứu.
Tôi xin gửi lời cảm ơn chân thành đến TS Lê Đại Ngọc cùng toàn thể các cán
bộ, nhân viên trong Cục Bản đồ, Bộ Tổng tham mưu đã nhiệt tình cung cấp các số
liệu, tài liệu để giúp tôi hoàn thành các nghiên cứu của mình.
Tôi xin cảm ơn Ban Giám hiệu và tập thể giảng viên Khoa Trắc địa - Bản đồ,
trường Đại học Tài nguyên và Môi trường Hà Nội nơi tôi đang công tác, những
người bạn Nguyễn Sách Thành, Lã Phú Hiến, Dương Thành Trung và Tống Thị
Huyền Ái đã chia sẽ, giúp đỡ tôi trong quá trình nghiên cứu luận án.
Cuối cùng, tôi xin cảm ơn tới gia đình và người thân đã luôn bên cạnh động
viên, cổ vũ tinh thần để giúp tôi hoàn thành luận án này.
Nghiên cứu sinh
Đỗ Văn Dương

18. 16
Chương 1- TỔNG QUAN VỀ HỆ THỐNG UAV VÀ CÁC ỨNG DỤNG
DỮ LIỆU ẢNH UAV TRONG TRẮC ĐỊA - BẢN ĐỒ
1.1 Định nghĩa UAV
Hệ thống bay không người lái (UAV) còn được gọi là phương tiện cơ giới
trên không [102] có thể điều khiển từ xa, bán tự động, tự động, hoặc kết hợp giữa
điều khiển từ xa và tự động. Có một số định nghĩa khác nhau về thiết bị bay không
người lái, tuy nhiên người ta vẫn quen sử dụng thuật ngữ UAV (Unmanned Aerial
Vehicle) hơn cả [64].
Trong quân sự, UAV đã được sử dụng rất sớm trong các cuộc chiến tranh thế
giới và ở Việt Nam. Nhiệm vụ của UAV quân sự làm trinh sát, tìm mục tiêu, thu
thập hình ảnh cả vào ban ngày và ban đêm. Do vậy, thiết bị UAV dùng trong quân
sự hiện đại, phức tạp, đắt tiền và có tính bảo mật rất cao.
Trong thập niên 90 của thế kỷ trước, NASA đã xây dựng một chương trình
phối hợp với các đối tác công nghiệp để phát triển công nghệ để hỗ trợ cho thị
trường UAV thương mại. Từ đó đến nay đã có rất nhiều các công ty của các nước
trên thế giới đã bắt tay vào việc nghiên cứu, chế tạo và thương mại hóa thiết bị này
với các mẫu và tên gọi khác nhau [4]. UAV được sử dụng trong dân sự là các hệ
thống đơn giản, có trọng lượng nhẹ hoặc siêu nhẹ thuận tiện cho công tác vận
chuyển và quan trọng là giá thành rẻ.
Đối với công tác Trắc địa, hệ thống UAV giống như một hệ thống viễn thám
thông thường, trong đó thiết bị bay UAV đóng vai trò là vật mang (carriers), trên
thiết bay UAV có thể mang các bộ cảm biến như sensor viễn thám, máy ảnh, máy
quét laser phục vụ cho công tác quay video và thu nhận hình ảnh.
1.2 Lịch sử phát triển hệ thống UAV
1.2.1 Trên thế giới
Năm 1858, hệ thống UAV đầu tiên được ứng dụng công tác đo ảnh, các bức
ảnh hàng không đầu tiên của ngôi làng của Pháp Petit-Becetre được thực hiện bởi
nhiếp ảnh gia Gaspard Tournachon (được gọi là NaDar) từ phương tiện bay là một
khinh khí cầu ở độ cao 80m [51].

19. 17
Năm 1882, nhà khí tượng học ED Archibald người Anh là một trong những
người đầu tiên chụp ảnh thành công khi ông sử dụng phương tiện bay là một chuỗi
Diều được gắn trên đó một máy ảnh. Năm 1888, Arthur Batut cũng đã chụp các tấm
ảnh hàng không trên phương tiện Diều bay ở Labruguiere, Pháp.
Ở California, sự tàn phá của San Francisco sau khi trận động đất và hỏa hoạn
năm 1906 đã được ghi lại bởi nhiếp ảnh gia George R. Lawrence, khi ông sử dụng
một máy ảnh gắn liền với phương tiện bay là chuỗi 17 diều bay ở độ cao 2000 feet
để thu nhận hình ảnh trên thành phố [51].
Trong năm 1903, Julius Neubranner đã sử dụng phương tiện bay là chim bồ
câu có gắn máy ảnh được thiếp lập chụp tự động trong thời gian 30 giây, những tấm
ảnh chụp được sử dụng trong quân sự và đã được giới thiệu tại triển lãm nhiếp ảnh
quốc tế năm 1909 ở Dresden [51].
Năm 1906, Albert Maul người Đức cũng đã thử nghiệm thành công phương
pháp chụp ảnh gắn trên một tên lửa đẩy bằng khí nén. Máy ảnh của ông đã chụp
được những bức ảnh hàng không tại vùng nông thôn ở Thụy Điển và ở Đức từ độ
cao 2.600 feet, trước khi máy ảnh được đẩy ra và đưa trở lại trái đất bằng dù [57].
Năm 1980, lần đầu tiên một UAV máy bay trực thăng mô hình gắn động cơ
cánh quay đã được Wester-Ebbinghaus sử dụng vào mục đích đo ảnh. Hệ thống
trọng tải là 3kg, có thể bay ở độ cao đến 100m. Hệ thống UAV được gắn thiết bị
định vị và máy ảnh dạng phổ thông loại Rolleiflex SLX [109].
Năm 2006, công ty Microdrone của Đức cũng đã giới thiệu một UAV
phiên bản đầu tiên MD4-200 trọng lượng cất cánh là 1100g và thời gian hoạt
động 35 phút. Từ đó đến nay các phiên bản khác như MD4-1000, MD4-2000
cũng đã được giới thiệu với các tính năng vượt trội về thời gian bay và trọng
lượng cất cánh,.v.v.[54].
Năm 2009, Imbach và Eck cũng giới thiệu hệ thống UAV gồm một chiếc
trực thăng mô hình của công ty Aeroscout được trang bị với một máy quét laser nhỏ
gọn và nhẹ trong không khí LMS-Q160 của Riegl [66].

20. 18
Năm 2012, Luke Wallace và các cộng sự chuyên nghiên cứu về lĩnh vực địa
lý và môi trường thuộc Đại học Tasmania, Úc đã đưa ra một hệ thống UAV-LiDAR
với ứng dụng để kiểm kê rừng [106].
Năm 2013, tại hội chợ triển lãm về công nghệ UAV ở San Francisco,
Wolfgang Juchmann Velodyne đã giới thiệu hệ thống UAV-Phoenix được gắn thiết
bị quét LiDar HDL-32E và công nghệ GNSS mới nhất phục vụ lập bản đồ 3D dạng
đám mây điểm [58].
Năm 2014, I. Colomina và P. Molina cũng đã có bài viết tổng quan về hệ
thống UAV sử dụng trong đo ảnh và viễn thám trên Tạp chí ISPRS Journal of
Photogrammetry and Remote Sensing [65]. Trong bài viết này, tác giả đã liệt kê khá
đầy đủ về các hệ thống UAV và ứng dụng của nó trong các lĩnh vực như: nông
nghiệp và môi trường, kỹ thuật giám sát không khí, bảo tồn di sản văn hóa,.v.v.,
giúp người đọc hiểu hơn về vai trò của UAV trong thế giới ngày nay.
(a) UAV-Khinh khí cầu (b) UAV-Diều (c) UAV-Chim bồ câu (d) UAV-Tên lửa
(e) UAV-trực thăng
cánh bằng
(f) UAV-trực thăng
cánh quay
(g) UAV- 4 cánh quay (h) UAV LiDar-6 cánh
quay
Hình 1.1. Một số UAV được phát triển và sử dụng thu nhận ảnh trên thế giới
1.2.2 Ở Việt Nam
Năm 2005, Viện Kỹ thuật Phòng không - Không quân (VKTPK-KQ) đã chế
tạo và bay thử nghiệm thành công các mẫu UAV M400-CT mang phiên hiệu 405,
406 tại sân bay Kép (Bắc Giang). Mục đích của các loại UAV này phục vụ quan sát

21. 19
vùng rừng, vùng biển, làm nhiệm vụ thông tin liên lạc, quay phim chụp ảnh những
vùng con người không tiếp cận được như vùng nhiễm xạ, đường hiểm trở, vùng lũ
lụt, quan sát vị trí cứu hộ cứu nạn, v.v.[8] .
Năm 2010, một nhóm sinh viên Trường ĐH Bách Khoa TPHCM đã chế tạo
thành công máy bay không người lái bằng vật liệu composite, sải cánh 2,5 m, tổng
trọng lượng 12 kg. Máy bay có vận tốc trung bình 85 km/giờ, chở được vật nặng 4
kg, có thể mang camera quay phim, chụp ảnh trên không, thiết bị đo nhiệt độ, áp
suất không khí,.v.v., nhằm ứng dụng trong công tác quản lý môi trường và tài
nguyên thiên nhiên [7].
Cũng trong năm 2010, tác giả Lê Văn Trung, Giám đốc Trung tâm địa tin
học (Đại học quốc gia TP.HCM) đã giới thiệu hệ thống UAV do trung tâm chế tạo.
Hệ thống bao gồm: phương tiện bay UAV, thiết bị định vị toàn cầu GPS, thiết bị thu
nhận hình ảnh, phần mềm xử lý ảnh. Hệ thống có thể chụp ảnh ở hai chế độ: chụp tự
động theo toạ độ GPS được cài đặt sẵn hoặc chụp ảnh thông qua thiết bị điều khiển
trên mặt đất [21] .
Năm 2013, Viện Công nghệ không gian (Viện Hàn lâm Khoa học - Công
nghệ Việt Nam) đã thử nghiệm thành công chiếc máy bay AV.UAV.S2 mang theo
camera, máy ảnh và thiết bị đo phổ kế. Hệ thống UAV đã tiến hành ghi hình, chụp
ảnh và đo phổ các đối tượng tự nhiên trên mặt đất để chuẩn hóa số liệu ảnh viễn
thám thu được từ vệ tinh khu vực huyện Lạc Dương, tỉnh Lâm Đồng [9].
Năm 2011 lần đầu tiên Cục Bản đồ - Bộ Tổng tham mưu đã tiến hành bay
thử nghiệm mẫu UAV MD4-1000 của hãng Microdrones tại Mỹ Đình và Thái
Nguyên phục vụ thành lập bản đồ 3D. Thiết bị UAV MD4-1000 được thiết kế bay
hoàn toàn tự động bằng thiết bị dẫn đường GPS và có gắn máy ảnh phổ thông
Olympus EP; Canon-550D với chế độ chụp tự động. Trong quá trình bay chụp ảnh
theo tuyến, MD4-1000 có thể tự động hiệu chỉnh vị trí cân bằng nhờ thiết bị con
quay hồi chuyển IMU để thu nhận những tấm ảnh luôn ở vị trí nằm ngang. Hình ảnh
thu nhận được từ hệ thống MD4-1000 có độ phân giải lên đến 2.6 cm, độ phủ dọc

22. 20
80% và độ phủ ngang 60% thuận lợi cho công tác đo ảnh lập thể và tạo mô hình số
bề mặt (DSM) [11],[29].
Năm 2014, Cục Bản đồ - Bộ Tổng tham mưu tiếp tục mua và thử nghiệm hai
hệ thống UAV Swinglet CAM của hãng Sensefly (Thụy Sĩ) và UAV UX-5 của
hãng Trimble (Mỹ) lập thành lập bản đồ 3D hành lang tuyến điện [26] và đánh giá
khả năng ứng dụng lập bản đồ tại xã Vật Lại - Ba Vì - Hà Nội [14]. Các báo cáo
đánh giá cho thấy với tốc độ gió cấp 4 - cấp 5, góc nghiêng của tấm ảnh vẫn có thể
đạt được dưới 10
, độ phủ ngang dọc của ảnh là 80%, độ phân giải ảnh của Swinglet
CAM sử dụng máy ảnh Canon IXUS là 6cm và của hệ thống UX-5 sử dụng máy
ảnh Sony NEX5R có thể đạt đến 2.4cm ở độ cao bay 75m.
(a) UAV M400-CT (b) AV.UAV.S2 (c) UAV MD4-1000 (d) SwingletCAM
Hình 1.2. Một số UAV được phát triển và sử dụng thu nhận ảnh ở Việt Nam
* Nhìn chung, hệ thống UAV đã được phát triển rất sớm từ thế kỷ 18 từ những
phương tiện bay đơn giản có nguyên lý hoạt động gần giống với UAV như khinh
khí cầu, diều, chim,.v.v., đến những phương tiện hiện đại dạng máy bay có gắn
động cơ cánh bằng, cánh quay.
Thiết bị thu nhận hình ảnh của hệ thống UAV cũng được phát triển và cải tiến
không ngừng từ những máy ảnh điều khiển bằng tay đến các máy ảnh được thiết đặt
chế độ chụp tự động và ngày nay công nghệ quét LiDar hiện đại nhất cũng đã được
sử dụng gắn trên phương tiện bay UAV phục vụ cho các công tác thu nhận ảnh.
Ngoài ra, các hệ thống UAV hiện đại còn được lắp đặt hệ thống chống rung,
con quay hồi chuyển, các thiết bị định vị định hướng GPS/IMU, cảm biến (sensor)
đo phổ,.v.v. nhằm thu nhận các tấm ảnh chính xác ở các vị trí đã thiết lập tọa độ tâm
chụp với độ nghiêng, độ xoay của tấm ảnh là nhỏ nhất.

23. 21
Do hệ thống UAV có những đặc điểm kỹ thuật khá đặc trưng nên hệ thống
có một số ưu và nhược điểm như sau:
* Ưu điểm
Ưu điểm chính của UAV so với hệ thống máy bay có người lái là UAV có thể
sử dụng trong các tình huống có độ rủi ro cao mà không nguy hại đến cuộc sống con
người, các vùng không thể tiếp cận, ở cao độ thấp và bay gần với các đối tượng nơi
mà hệ thống có người lái không thể bay được, những nơi xảy ra các thảm họa tự
nhiên, ví dụ các khu vực núi lửa, lũ lụt ở đồng bằng, động đất và các vùng sa mạc v.v.
Hơn nữa, trong điều kiện thời tiết nhiều mây và mưa phùn, thu nhận dữ liệu bằng
UAV vẫn tốt vì UAV có tầm bay thấp nên có thể bay dưới các đám mây. Ngoài ra,
UAV còn có khả năng thu nhận dữ liệu nhanh chóng ở thời điểm tức thời, truyền tải
hình ảnh và các thông số định vị trong thời gian đó xuống trạm điều khiển mặt đất.
Hầu hết các hệ thống UAV thương mại hiện có trên thị trường phục vụ cho
các mục đích dân dụng tập trung vào các hệ thống giá rẻ, và như vậy một ưu điểm
lớn của việc sử dụng UAV còn là yếu tố giá thành, các hệ thống UAV ít tốn kém
và chí phí điều hành thấp hơn so với các máy bay có người lái. Do đó, UAV có thể
được xem như là việc bổ sung hoặc thay thế cho các thiết bị chụp ảnh mặt đất
trong các ứng dụng ở một khu vực nào đó. Ngoài những ưu điểm này, hình ảnh
thu nhận từ UAV cũng có thể được sử dụng để lập mô hình số cấu trúc bề mặt 3D
độ phân giải cao và các mô hình số địa hình, cũng như sử dụng nó trong việc hiệu
chỉnh hình ảnh.
Mặt khác dữ liệu ảnh thu nhận từ UAV có độ chồng phủ lớn. Ảnh chụp ở
nhiều góc độ, hình ảnh trung thực, hàm lượng thông tin lớn, độ phân giải cao cho
phép người sử dụng có thể ước tính được độ chính xác sản phẩm dự kiến [29].
* Nhược điểm.
Hệ thống UAV, thông thường có giá rẻ sẽ hạn chế về trọng lượng và kích
thước của cảm biến, vì vậy trọng lượng của cảm biến thường nhẹ, thường là dạng
camera nghiệp dư vừa và nhỏ. Vì thế, khi so sánh với camera dạng lớn, UAV phải
có được số lượng hình ảnh cao hơn nhằm có được cùng độ bao phủ hình ảnh và độ

24. 22
phân giải hình ảnh tương đương. Hơn nữa, bộ cảm biến giá rẻ thường kém ổn định
hơn so với bộ cảm biến cao cấp, kết quả là chất lượng hình ảnh giảm. Thêm vào đó,
những hạn chế về tải trọng đó dẫn đến nhu cầu việc sử dụng những thiết bị định vị
nhẹ, đồng nghĩa với kém độ chính xác trong việc xác định hướng của các cảm biến.
Hơn nữa, UAV giá rẻ thường được trang bị với động cơ yếu, do vậy hạn chế về cao
độ đạt được và thời gian bay, ảnh hưởng đến năng suất công việc.
Ngoài những hạn chế trên, UAV không thể phản ứng giống như con người
trong những tình huống bất thường, ví dụ: trong trường hợp, bất ngờ xuất hiện một
chướng ngại vật [64]. UAV giá rẻ không được trang bị với các thiết bị truyền không
lưu và hệ thống phòng tránh va chạm giống như máy bay có người lái. Chính vì sự
thiếu thông tin liên lạc với cơ quan không lưu nên UAV bị giới hạn phạm vi bay.
Để vận hành hoàn toàn tự động UAV cánh quay, nhất thiết phải có một người điều
khiển đào tạo tốt để điều hành, người điều khiển có thể chủ động tiếp xúc với hệ
thống tại bất kỳ thời gian nào.
1.3 Ứng dụng dữ liệu ảnh thu nhận từ UAV trong Trắc địa - Bản đồ
Trên thế giới đã có khá nhiều nghiên cứu tiêu biểu về ứng dụng dữ liệu thu
nhận từ UAV trong công tác Trắc địa - Bản đồ có thể kể tới như: Tampubolon và
Reinhardt (2014) [105] đã thử nghiệm lập bản đồ địa hình tỷ lệ lớn khu vực Đền
Borobudur, Indonesia từ dữ liệu UAV, trong nghiên cứu này các tác giả đã thử
nghiệm xử lý ảnh UAV bằng hai phần mềm PCI Geomatica và Agisoft PhotoScan,
kết quả cho thấy ảnh chụp bằng UAV có thể sử dụng để thành lập bản đồ địa hình
1:1000, theo tiêu chuẩn độ chính xác của Indonesia; Xue và cộng sự (2015) [111]
cũng sử dụng ảnh chụp từ UAV để thành lập bản đồ tỷ lệ 1:1000 một khu vực ở cao
nguyên Tibetan, Trung Quốc, trong nghiên cứu này ảnh UAV được xử lý bằng phần
mềm PixelGrid UAV. Leitão và cộng sự (2016) [72] đã tiến hành một nghiên cứu
nhằm đánh giá độ chính xác của DEM tạo tự động từ ảnh chụp UAV bằng phần
mềm Pix4D, đây là phần mềm thương mại với giá tương đối đắt; Dowling và
Gallant (2013) [100] đã thử nghiệm tạo DEM từ ảnh chụp UAV bằng phần mềm
miễn phí SFM. Trong các nghiên cứu trên có thể thấy ảnh chụp bằng UAV có thể

25. 23
được xử lý bằng nhiều công cụ khác nhau, DEM có thể được tạo bằng phương pháp
hoàn toàn tự động hoặc bán tự động. Còn nhiều các nghiên cứu khác nữa về ứng
dụng ảnh UAV trong Trắc địa - Bản đồ như xây dựng mô hình số độ cao [94], lập
bản đồ giám sát sạt lở lưu vực sông [90], lập bản đồ khảo sát mức độ thiệt hại do
thiên tại, dịch họa, môi trường [54], [106], lập bản đồ địa hình [32], lập mô hình dữ
liệu 3D các khu vực khảo cổ [30], [32], [44],.v.v.
Ở Việt Nam, sử dụng dữ liệu ảnh UAV vào trong công tác Trắc địa-Bản đồ
cũng đang dần phổ biến như một số nghiên cứu: Đào Ngọc Long (2011) [3] đã thử
nghiệm thành lập bản đồ địa hình, địa chính từ dữ liệu ảnh UAV M100-CT, trong
nghiên cứu này tác giả đã sử dụng công nghệ đo vẽ của hãng InterGraph để xử lý
ảnh, công nghệ này đã cho thấy sự hạn chế khi phải xử lý nắn, cắt ghép một khối
lượng lớn ảnh UAV và xây dựng mô hình số độ cao (DEM); Phan Thị Anh Thư và
Lê Văn Trung (2011) [21] đã thử nghiệm thiết bị bay chụp AscTec Falcon 8 (Đức)
để thu nhận ảnh phục vụ lập bản đồ, công nghệ xử lý ảnh tự động đã được nhóm
nghiên cứu sử dụng để tạo ra các sản phẩm ảnh trực giao, dữ liệu DSM và DEM,
tuy vậy dữ liệu DEM tạo ra tự động không được sử dụng vì chưa kiểm chứng được
độ chính xác; Vũ Phan Long và Lê Thắng (2014) [26] đã thử nghiệm thiết bị bay
không người lái thành lập bản đồ 3D hành lang tuyến điện, trong nghiên cứu này
nhóm tác giả cũng đã sử dụng công nghệ xử lý tự động để xử lý ảnh UAV, kết quả
tạo ra là bình độ ảnh, DSM và đám mây điểm (3D point cloud). Nghiên cứu của các
tác giả Vũ Đức Minh (2013) [25], Vương Tuấn Huy và cộng sự (2016) [28], Trần
Thị Phương và cộng sự (2016) [22] đã ứng dụng dữ liệu xử lý ảnh UAV xây dựng
CSDL GIS 3D phục vụ cho công tác quản lý và quy hoạch đô thị, quản lý không
gian di sản văn hóa. Trong các nghiên cứu này các tác giả đã tích hợp dữ liệu
GIS(trong đó có lớp phủ bề mặt) với dữ liệu DEM và mô hình các đối tượng địa vật
để tạo ra CSDL GIS 3D.

26. 24
(a) Kết quả lập BĐĐH khu vực
khảo cổ [32]
(b) Kết quả lập mô hình 3D từ
point cloud [44]
(c) Kết quả lập DEM [44]
(d) Kết quả lập bản đồ địa chính[3] (e) Kết quả lập BĐĐH [3] (f) Kết quả lập bản đồ 3D [25]
Hình 1.3. Một số kết quả ứng dụng dữ liệu ảnh UAV trong Trắc địa-bản đồ
Có thể thấy, trong các nghiên cứu ứng dụng dữ liệu ảnh UAV kể trên, các
phương pháp tạo DEM được sử dụng chủ yếu là phương pháp trực tiếp, thủ công
hoặc bán tự động chứ chưa sử dụng các phương pháp tự động để có DEM từ DSM,
dữ liệu địa vật trên bề mặt địa hình trong các nghiên cứu này đa phần được số hóa
trực tiếp từ bình đồ ảnh chứ chưa sử dụng thuật toán khoanh vùng tự động (nhận
dạng) trên ảnh UAV. Trong khi đó, CSDL 3D được xây dựng với hai dạng mô hình
dữ liệu không gian 3D: (1) là mô hình 3D mô phỏng đối tượng đã được thiết kế sẵn
và (2) là mô hình 3D thực được xây dựng từ hình ảnh thật đối tượng, tuy nhiên các
nghiên cứu trong nước mới chủ yếu tập trung vào nghiên cứu xây dựng mô hình 3D
mô phỏng những khu vực có ít địa vật hoặc cấu trúc địa vật đơn giản mà chưa xây
dựng mô hình 3D thực từ hình ảnh thật của các đối tượng địa vật đó. Trên cơ sở
những tồn tại đã nêu, nội dung nghiên cứu của luận án nhằm giải quyết các vấn đề:
 Nghiên cứu và đề xuất thử nghiệm thuật toán tạo DEM từ dữ liệu DSM,
 Xây dựng, thử nghiệm thuật toán và quy trình nâng cao độ chính xác nhận
dạng tự động đối tượng trên ảnh UAV
 Xây dựng CSDL 3D với mô hình được xây dựng từ hình ảnh thật của các
đối tượng địa vật (hay gọi là mô hình 3D thực)

27. 25
Quá trình giải quyết mỗi vấn đề bao gồm xây dựng thuật toán, quy trình và
thử nghiệm đánh giá quy trình sẽ được trình bày trong 3 chương khác nhau của
luận án.
1.4 Dữ liệu ảnh UAV phục vụ trong nghiên cứu của đề tài.
1.4.1 Khu vực thu nhận ảnh và thiết bị bay chụp ảnh
Để nghiên cứu về 3 thuật toán nói trên, đề tài sử dụng dữ liệu ảnh UAV
Swinglet của hãng Sensefly được bay chụp và xử lý ảnh tại Cục Bản đồ, Bộ Tổng
tham mưu. Dữ liệu này đã được kiểm nghiệm và đánh giá cho thấy đủ điều kiện về độ
chính xác bản đồ địa hình, bình đồ ảnh đạt độ chính xác tương đương 1:2000, mô
hình số bề mặt DSM đạt độ chính xác 0.2m tại bãi kiểm nghiệm thuộc Xã Vật Lại, Ba
Vì, Hà Nội. Kết quả đã được công bố bởi Lê Đại Ngọc (2015) trong Báo cáo tại Hội
nghị GIS toàn quốc tổ chức tại Trường Đại học Khoa học tự nhiên[10]. Khu vực thu
nhận ảnh được tiến hành tại thôn Yên Bồ, xã Vật Lại, huyện Ba Vì, Hà Nội.
Hình 1.4. Vị trí địa lý khu vực bay thử nghiệm UAV (Nguồn: Google Map)
Trung tâm xã có tọa độ địa lý khoảng 21012’10” vĩ độ Bắc, 105024’26” kinh
độ Đông. Xã Vật Lại nằm ở phía Tây huyện Ba Vì, cách trung tâm huyện Ba Vì
khoảng 1,5km, cách trung tâm Hà Nội khoảng 50km. Khu vực thực nghiệm có địa

28. 26
hình chuyển tiếp giữa vùng đồi gò bán sơn địa và vùng đồng bằng. Địa vật trong
khu vực bay chụp ảnh đa phần là nhà xây cấp 4 lợp ngói đỏ, thực vật là những cây
bụi xen lẫn một số cây cao trên 4 mét có tán rộng, đường xá chủ yếu là đường bê
tông liên thôn, thủy hệ gồm một số ao, hồ nhỏ.
Thiết bị bay chụp ảnh là thiết bị bay UAV Swinglet-CAM được gắn hệ thống
định hướng định vị INS/DGPS và camera chụp ảnh tự động Canon IXUS 127HS.
Các thông số thiết đặt máy chụp ảnh, ảnh chụp và thiết bị bay được trình bày cụ thể
trong Phụ lục 1.
Hình1.5. Thiết bị bay UAV Swinglet-CAM và máy ảnh Canon IXUS 127HS
Tuyến bay được thiết kế gồm có 2 tuyến bay tầm thấp vuông góc nhau để thu
nhận hình ảnh xiên của các đối tượng và 1 tuyến bay tầm cao để thu nhận mái nóc
công trình nhà và ảnh bề mặt mặt đất, mục đích là thu nhận đầy đủ hình ảnh đối
tượng ở nhiều góc độ khác nhau để phục dựng mô hình 3D thực và lập bình đồ ảnh
khu vực. Kết quả thu được là 73 tấm ảnh ở tầm bay thấp 100 m với độ phân giải
mặt đất 3 cm và 27 tấm ảnh ở tầm bay cao 180 m với độ phân giải mặt đất 5.6 cm.
Các tấm ảnh có đều độ chồng phủ dọc ngang từ 70% đến 90% . Cơ sở lý thuyết
trong thiết kế bay chụp ảnh của UAV được trình bày khái quát trong Phụ lục 2 [27].
Hình 1.6. Mô tả dải bay và hình ảnh 1 tấm ảnh thu nhận khu vực thử nghiệm.

29. 27
1.4.2 Dữ liệu sử dụng trong nghiên cứu của đề tài
Sau khi thực hiện các công tác trắc địa và bay chụp ảnh khu vực thực
nghiệm. Dữ liệu ảnh UAV sẽ được tiến hành xử lý trên phần mềm Pix4D mapper.
Các kết quả sau quá trình xử lý ảnh bằng Pix4D mapper được đưa vào sử dụng để
thực nghiệm các hướng nghiên cứu của đề tài gồm có: bình đồ ảnh; mô hình số bề
mặt (DSM); dữ liệu đám mây điểm (3D points cloud) và ảnh cấu trúc đối tượng
(texture image).
(a) Bình đồ ảnh (b) Mô hình số bề mặt (DSM)
(c) Đám mây điểm (3D points cloud) (d) Ảnh cấu trúc đối tượng (texture image)
Hình 1.7. Các kết quả xử lý ảnh UAV bằng phần mềm Pix4D mapper.

30. 28
Chương 2 - NGHIÊN CỨU VÀ ĐỀ XUẤT THUẬT TOÁN TẠO DEM
TỪ DỮ LIỆU DSM
2.1 Tổng quan về công tác tạo DEM trong xử lý ảnh UAV
Cùng với sự nghiên cứu và phát triển các ứng dụng của Viễn thám cũng như
Hệ thống thông tin địa lý (GIS - Geographical Information Systems), việc cung cấp
dữ liệu DEM cho các ứng dụng GIS là một nhu cầu khá cấp thiết hiện nay. Mô hình
số độ cao DEM (Digital Elevation Model) thường được quản lý trong GIS dưới
dạng cấu trúc dữ liệu raster, cho phép thể hiện đơn giản, phân tích hiệu quả và
tương thích với dữ liệu UAV.
Theo các phương pháp truyền thống, DEM được xây dựng chủ yếu dựa trên
đường đồng mức của bản đồ đã được số hóa hoặc các kỹ thuật quan sát lập thể của
ảnh hàng không hay trực tiếp từ việc khảo sát thực địa của khu vực. Trong những
năm gần đây, thiết bị UAV phát triển mạnh mẽ, cho phép thu ảnh có độ phân giải
rất cao và áp dụng kỹ thuật quan sát lập thể cặp ảnh ta cũng có thể dễ dàng xây
dựng được DEM.
Đối với công nghệ phần mềm xử lý ảnh truyền thống, DEM được tạo ra từ kết
quả đo thủ công các điểm độ cao trên mô hình cặp ảnh lập thể. Kết quả DEM tạo ra
có độ chính xác cao và đã được ứng dụng vào trong công tác như: lưu trữ dữ liệu
bản đồ số địa hình trong các cơ sở dữ liệu (CSDL) quốc gia; giải quyết tính toán
đào đắp đất trong thiết kế đường và các dự án kỹ thuật công trình khác; biểu thị mô
hình 3D địa hình cho mục đích thiết kế và quy hoạch cảnh quan (kiến trúc cảnh
quan);.v.v. Tuy nhiên khi xử lý ảnh UAV trên phần mềm xử lý ảnh truyền thống
như ImageStation, Erdas Imagine, Imagine Photogrammetry, một số nghiên cứu của
tác giả Đào Ngọc Long (2011) [3], Lê Đại Ngọc (2014) [11], N.Yastikl và cộng sự
(2013) [83] đã chỉ ra những hạn chế của công nghệ này, đó là khi xử lý ảnh UAV,
phạm vi thu nhận của một tấm ảnh UAV rất hẹp và phải thực hiện đo DEM trên một
khối lượng lớn cặp ảnh lập thể thì công nghệ xử lý ảnh truyền thống này tỏ ra không
khả thi, tốn rất nhiều thời gian và công sức.

31. 29
Phần mềm xử lý ảnh đi kèm với hệ thống UAV hiện nay cho phép xử lý tự
động dữ liệu ảnh để tạo ra DSM và từ dữ liệu DSM phần mềm tiếp tục xử lý tạo ra
DEM. Đã có một số nghiên cứu trong nước như tác giả Lều Huy Nam (2014) [14],
Vũ Phan Long (2014) [26] và trên thế giới như Beumier. C và Idrissa. M (2015)
[36], Haugerud. R. A và Hardding. D. J (2001) [49], Melamed. S (2013) [81] sử
dụng các phần mềm như Pix4D mapper, Obit GIS, Geomedia, Agisoft PhotoScan
để xử lý tạo DEM từ dữ liệu DSM. Tuy nhiên kết quả các nghiên cứu cho thấy thuật
toán trong các phần mềm này chỉ phù hợp với việc tạo DEM từ đám mây điểm (3D
point cloud) trong công nghệ LiDar và tạo DEM từ DSM những khu vực có địa
hình bằng phẳng. Những khu vực có địa hình phức tạp, kết quả DEM tạo ra có độ
chính xác không cao, địa vật đôi khi bị nhầm lẫn là địa hình mặt đất và không được
loại bỏ.
Có thể nói, việc tạo tự động DEM từ DSM và tái tạo nền địa hình ở những khu
vực địa hình có thực phủ rậm rạp hoặc che khuất hoàn toàn là rất khó. Nghiên cứu
các thuật toán tạo DEM từ DSM đã có trên thế giới, từ đó đề xuất thuật toán phù
hợp để xử lý DEM là rất thực tiễn và cần thiết.
2.2 Nghiên cứu và đề xuất thuật toán tạo DEM từ DSM
2.2.1 Tổng quan về các thuật toán tạo DEM từ DSM
Đã có nhiều thuật toán tạo DEM từ các sản phẩm DSM được nghiên cứu trên
thế giới. Các thuật toán tạo DEM từ DSM được chủ yếu dựa trên phương pháp lọc
điểm, tách các điểm không nằm trên bề mặt tự nhiên của Trái đất và để lại các điểm
nằm trên bề mặt Trái đất từ đó tạo ra mô hình số độ cao DEM [92]. Các thuật toán
lọc điểm này có thể dễ dàng hơn khi áp dụng đối với các dữ liệu LiDar vì đặc điểm
của dữ liệu này. Dữ liệu điểm thu được từ kết quả quét LiDAR sẽ bao gồm nhiều
tầng điểm trong đó điểm dữ liệu mặt đất thường ở tầng cuối cùng. Việc lọc điểm có
thể thực hiện bằng cách sử dụng các cửa sổ lọc hình thể học (geomorphology
filters) như trong các nghiên cứu của Weidner và Förstner (1995) [108]. Một số
nghiên cứu khác của Morgan và Habib (2002) [82] sử dụng phương pháp nội suy để
chuyển dữ liệu dạng điểm thành dữ liệu dạng grid (raster) rồi từ đó xác định bề mặt

32. 30
DEM dựa trên dữ liệu raster được nội suy này. Tuy nhiên, việc sử dụng
geomorphology filters có một số hạn chế khi kết quả có thể dễ dàng bị ảnh hưởng
bởi một số điểm chứa sai số thô.
Để khắc phục hạn chế này, một số tác giả khác sử dụng màng lọc trung bình
(medium filters) để giảm ảnh hưởng của các điểm chứa sai số [39]. Tuy nhiên, kết
quả chỉ khắc phục để làm giảm sai số của các điểm đơn lẻ chứa sai số mà không thể
loại bỏ ảnh hưởng của một nhóm các điểm có sai số. Chính vì vậy, Killian (1996)
[75] đã sử dụng phối hợp nhiều toán tử hình thể học với kích thước khác nhau để
loại bỏ các điểm không phải trên mặt đất trong đó những điểm thuộc các đối tượng
nhỏ không thuộc mặt đất có thể loại bỏ bằng phương pháp này. Tương tự như vậy,
Keqi Zhang và cộng sự (2003) [74], Ismail và công sự (2015) [68] sử dụng màng
lọc cải tiến để nâng cao độ chính xác của DEM chiết tách ra từ DSM. Axelsson
(1999) [86] đã sử dụng phương pháp tách điểm mặt đất và điểm không phải mặt đất
bằng cách xây dựng các bề mặt bằng dữ liệu điểm LiDAR và từ đó so sánh các bề
mặt để loại bỏ các điểm không phải mặt đất.
Một số tác giả đã sử dụng phương pháp nội suy trong đó sử dụng các phương
pháp nội suy bằng hàm tương quan (covariance) để loại bỏ các điểm sai số bằng
trọng số. Những điểm không có tương quan với các điểm xung quanh sẽ có trọng số
rất thấp và không ảnh hưởng đến kết quả nội suy DEM (Lee và cộng sự (2003))
[76]. Một cách tiếp cận khác để xác định DEM bằng cách sử dụng phương pháp xác
định độ dốc để xác định các điểm không phải trên mặt đất trong đó có thể sử dụng
phương pháp ngưỡng độ dốc để loại bỏ các điểm có độ dốc lớn so với các điểm
xung quanh (Vosselman (2000) [103], Sithole (2001) [96], J. Susaki (2012) [69]).
Đối với tạo DEM từ dữ liệu DSM trong xử lý ảnh UAV thì gần đây đã có một
số nghiên cứu như: Năm 2009, tác giả Markus Unger và các cộng sự [79] đã nghiên
cứu và đề xuất thuật toán bán tự động dựa trên sự tối thiểu hóa của một hàm năng
lượng toán học. Thuật toán đã sử dụng hàm tổng quát hóa Huber và một hàm ràng
buộc để giữ các điểm địa hình luôn có độ cao thấp hơn DSM gốc. Từ đó, toàn bộ
các đối tượng địa vật như nhà cửa, cây cối sẽ được kéo xuống. Bằng cách đặt

33. 31
ngưỡng khác biệt giữa kết quả tổng quát hóa và ảnh đầu vào để tạo ra các điểm
(detection mask) để đánh dấu những vùng địa vật. Cuối cùng sử dụng hàm năng
lượng nội suy lại địa hình các khu vực này. Tuy nhiên, thuật toán nhóm nghiên cứu
đề xuất mới thực hiện tối ưu ở quy mô tổng thể và chưa có số liệu kiểm chứng thực
địa. Một số những khu vực địa vật che khuất hoàn toàn, việc tái tạo nền địa hình
những khu vực này cũng chưa được đề cập đến. Năm 2014, tác giả T. Kattenborn và
các cộng sự [98] đã sử dụng phương pháp màng lọc cải tiến để tạo DEM, tuy nhiên
nghiên cứu chỉ thực nghiệm ở khu vực thực vật thưa thớt. Việc tạo DEM/DTM từ
DSM trong trường hợp này có một số khó khăn như dữ liệu đám mây điểm chỉ có 1
lớp chứ không phải nhiều lớp như dữ liệu LiDAR nên việc lọc điểm sẽ khó khăn
hơn rất nhiều. Tại những vị trí có địa vật và cây cối số lượng điểm mặt đất sẽ giảm
đi và không thể đo để xác định các điểm mặt đất ở phía dưới tán cây như dữ liệu
LiDar (Sammartano và Spano (2016)) [93].
Để đi sâu hơn nữa vào việc nghiên cứu về vấn đề này, các phần tiếp theo sẽ
trình bày cụ thể về thuật toán tạo DEM từ DSM đã được áp dụng trong công nghệ
LiDar. Và nghiên cứu đề xuất thuật toán tạo DEM từ DSM dạng bán tự động phù
hợp với một số địa hình ở Việt Nam.
2.2.2 Nghiên cứu thuật toán sử dụng trong công nghệ LiDar
2.2.2.1 Thuật toán lọc số liệu địa hình để thành lập DEM từ DSM [91]
Để phát hiện điểm địa hình thuộc tập hợp điểm A (A là tập điểm của DSM)
người ta dựa vào “hàm hiệu số độ cao cực đại” giữa hai điểm pi và pj. Ứng dụng lý
thuyết topo học, DEM được định nghĩa như sau:
= ∈ |∀ ∈ ∶ ℎ − ℎ ≤ ∆ℎ , (2.1)
Biểu thức (2.1) phát biểu như sau: DEM là tập hợp các điểm địa hình pi được
lọc từ tập hợp A nếu tồn tại điểm pj nào khác, sao cho hiệu số độ cao giữa các điểm
ℎ − ℎ nhỏ hơn hiệu số độ cao cực đại ∆ℎ trong phạm vi khoảng cách
, giữa chúng. Các điểm pi được sắp xếp tuần tự theo độ dài tăng dần bắt đầu

34. 32
từ điểm pmin cục bộ có độ cao thấp nhất (hmin). Độ dốc địa hình b được tính toán dựa
vào độ dài khoảng cách ( , ) và chênh cao (ℎ − ℎ ):
= ( , ), (ℎ − ℎ ) (2.2)
Phụ thuộc vào tham số ngưỡng độ cao a và phương sai a của nó, đồng thời
phụ thuộc vào độ dốc địa hình b và phương sai b cũng như tham số ka , kb mô tả
đặc thù địa hình, giá trị ∆hmax xác định theo hàm hồi quy sau:
∆hmax = a + ka
2
a
2
+ b.d + kb
2
d2
b
2
(2.3)
Sau khi tính DEM lần thứ nhất theo (2.1) và (2.3), chúng ta tiến hành lọc số
liệu địa hình ra khỏi tập hợp thô (chứa các số liệu địa hình và số liệu địa vật) dựa
vào khoảng cách dọc theo phương dây dọi (trục Z) của DEM. Trước hết cần xác lập
ngưỡng k1 , k2 (k1<k2) chúng ta sẽ có chuẩn lọc điểm như sau:
a) (hi - hmin) < k1/ cosb → điểm đó là điểm địa hình.
b) (hi - hmin) > k2/ cosb → điểm đó là điểm địa vật.
c) k1/ cosb ≤ (hi - hmin) ≤ k2/cosb → điểm không được lọc (không được phân loại)
2.2.2.2 Thuật toán lọc điểm địa vật và cây [91]
Thuật toán lọc điểm địa vật nhà và cây từ tập hợp thô rất cần thiết trong thực
tế. Mỗi địa vật này đặc trưng bằng giá trị phương sai trong luật phân phối sai số.
Điểm P( xj , yj , zj ) được lọc từ N điểm Qi ( xi , yi , zi ) với i= 1, 2, 3, …,N nếu
khoảng cách từ điểm P tới điểm Qi (viết tắt là d(P, Qi)) nhỏ hơn hoặc bằng ngưỡng r
cho trước, nghĩa là:
d(P, Qi) ≤ r (2.4)
trong đó: r   là một tham số phụ thuộc vào mật độ điểm quét và khoảng cách
d(P, Qi) được tính theo công thức
( , ) = − + − + − (2.5)
Nếu điểm P và Qi cùng thuộc mặt phẳng cục bộ ax + by + cz + d = 0 thì
khoảng cách d(P, Qi) giữa chúng tới mặt phẳng đó phải nhỏ nhất; nghĩa là số hiệu
chỉnh khoảng cách ( theo trục Z) của điểm i (viết tắt là vi) sẽ có dạng:

35. 33
a b d
v z x yi i i i
c c c
 
    
 
(2.6)
Và phương sai của vi sẽ là:
2 2
2 2 2 2 2
v x y zi i i i
a b
c
c c
   
   
     
   
(2.7)
Hàm thử X2
(a, b, c, d) sẽ được cực tiểu hóa và có dạng:
 22
2
2 2 2 2
1 1
(a,b,c,d)
N N
i i ii
i iv x y zi i i i
ax by cz dv
X
a b c    
  
 
 
  (2.8)
Có 3 trường hợp xảy ra:
(1)_ Tồn tại mặt phẳng cục bộ và điểm P thuộc mặt phẳng đó.
(2)_ Tồn tại mặt phẳng cục bộ và điểm P không thuộc mặt phẳng đó.
(3)_ Không tồn tại mặt phẳng cục bộ.
Dưới đây là kết quả tạo DEM tự động từ tập dữ liệu DSM xử lý trên phần
mềm TopoSys của hãng Trimble tại khu vực miền Đông của thành phố Seattle
thuộc tiểu bang Washington.
(a) (b)
Hình 2.1. (a) Dữ liệu DSM, (b) Dữ liệu DEM được lọc trên TopoSys [49]
Kết quả tạo DEM cho thấy, các điểm địa vật nhỏ trên ảnh loại bỏ hoàn toàn ở
vị trí (A), các địa vật hình khối đôi khi bị nhầm lẫn là địa hình mặt đất và không
được loại bỏ ở các vị trí (D) và (E). Các vị trí (B) và (C) nơi có thực phủ rậm rạp
nhưng vẫn tồn tại một số điểm mặt đất, khi xử lý kết quả DEM tạo ra không mang
lại kết quả tốt, tại vị trí (C) đỉnh núi bị cụt đi so với thực tế của nó [49], [80]. Do
vậy, rất khó đạt được kết quả tốt khi xử lý địa hình bằng thuật toán này.

36. 34
2.2.3 Nghiên cứu đề xuất thuật toán tạo DEM từ dữ liệu DSM trong xử lý ảnh
UAV
Có thể nói, thuật toán tự động tạo DEM không hiệu quả với các địa hình
đồi núi, nhiều địa vật và nhiều cây, địa hình bị che khuất nhiều. Do vậy, việc
nghiên cứu đề xuất thuật toán tự động và bán tự động kết hợp với chọn các tham
số và biên tập trực tiếp để tạo DEM từ dữ liệu DSM là hợp lý.
Các thuật toán được đề xuất bao gồm: Thuật toán xác định các điểm độ cao
đột biến; thuật toán xác định tập điểm độ cao địa vật và thuật toán nội suy độ cao
tái tạo nền địa hình.
2.2.3.1 Thuật toán xác định các điểm độ cao đột biến
Đối với dữ liệu ảnh mô hình số bề mặt, tập hợp các điểm ảnh có thể được chia
thành 2 loại: điểm địa hình và điểm địa vật. Điểm địa hình hay còn gọi là điểm mặt
đất (ground point) là điểm biểu diễn độ cao nền địa hình, còn điểm địa vật (non-
ground point) là điểm biểu diễn độ cao của các đối tượng như nhà cửa, cây cối, v.v.
Để tạo mô hình số độ cao từ mô hình số bề mặt, chúng ta cần phải xác định được khu
vực của các đối tượng địa vật, có nghĩa là phải xác định được các điểm địa vật và sau
đó loại bỏ giá trị chênh cao của chúng so với độ cao của nền địa hình xung quanh.
Trong tự nhiên, nền địa hình (vùng đồng bằng, cao nguyên, đồi núi thấp, v.v.)
thường có sự biến đổi độ cao từ từ hoặc dốc thoải. Cho nên, các điểm địa hình lân
cận nhau thường có sự chênh cao không lớn. Trong khi đó, khu vực đối tượng địa
vật (nhà cửa, cây cối, v.v) lại có độ cao tăng đột biến so với nền địa hình bao quanh
do có thêm độ cao của bản thân các đối tượng đó.
Dựa vào đặc điểm tự nhiên đó, nên khi nhận biết được khu vực các đối tượng
địa vật trên dữ liệu ảnh mô hình số bề mặt điều đầu tiên là phải xác định được khu
vực có độ cao tăng đột biến so với nền địa hình xung quanh. Tức là vấn đề ban đầu
của bài toán cần đặt ra là phải thiết lập được giá trị ngưỡng chênh cao mà giá trị này
sẽ quy định đó là độ chênh cao để phân biệt vùng đối tượng với nền địa hình. Các
điểm ảnh có độ chênh cao so với các điểm lân cận nó một giá trị lớn hơn hoặc bằng
giá trị ngưỡng này được gọi là các điểm độ cao đột biến. Qua nghiên cứu thực

37. 35
nghiệm, tác giả nhận thấy độ chính xác của mô hình số độ cao được tạo ra phụ
thuộc nhiều vào giá trị ngưỡng chênh cao này. Quá trình tìm kiếm các điểm độ cao
đột biến bằng ví dụ minh họa dưới đây. Giả sử ảnh mô hình số bề mặt có kích thước
(14 x 14) điểm ảnh như Hình 2.2.
Hình 2.2. Mô tả dữ liệu ảnh DSM
Mỗi điểm ảnh là một ô vuông biểu diễn độ cao của một khu vực trên thực địa
với giá trị và màu sắc được thể hiện như Bảng 2.1. Trên thực tế thì độ cao của nền
địa hình cũng như độ cao của các đối tượng địa vật sẽ đa dạng hơn nhiều. Ở đây, tác
giả lấy ví dụ với 5 mức độ cao khác nhau.
Bảng 2.1. Ký hiệu mức độ cao các đối tượng
Ký hiệu Loại đối tượng Ý nghĩa Độ cao (m)
T1 Cây 13.5
T2 Nhà 12.7
T3 Đất 1 9.0
T4 Đất 2 7.25
T5 Đất 3 7.0
Dựa vào bảng giá trị độ cao, kết hợp vị trí tương quan giữa các lớp đối
tượng, chúng ta tính toán được giá trị chênh cao của các điểm ảnh liền kề giữa hai
lớp đối tượng khác nhau như trên Bảng 2.2.
Bảng 2.2. Bảng giá trị chênh cao giữa các lớp đối tượng
STT Đối tượng Giá trị chênh cao (m)
1 T1 - T2 (cây - nhà) 0.8
2 T1 - T3 (cây – đất 1) 4.5
3 T1 - T4 (cây - đất 2) 6.25
4 T1 - T5 (cây - đất 3) 6.5

38. 36
5 T2 - T3 (nhà – đất 1) 3.7
6 T2 - T4 (nhà - đất 2) 5.45
7 T2 - T5 (nhà – đất 3) 5.7
8 T3 - T4 (đất 1- đất 2) 1.75
9 T3 - T5 (đất 1 – đất 3) 2.0
10 T4 - T5 (đất 2 - đất 3) 0.25
Kết quả trên Bảng 2.2 cho thấy:
Giá trị chênh cao trung bình giữa các đối tượng địa vật (cây, nhà) với nền địa
hình (đất) là:
4.5 + 6.25 + 6.5 + 3.7 + 5.45 + 5.7
6
= 5.35
Giá trị chênh cao trung bình giữa các đối tượng địa vật hay giữa các nền địa
hình với nhau là:
0.8 + 1.75 + 2.0 + 0.25
4
= 1.2
Với kết quả phân tích trên, có thể thấy chênh cao giữa đối tượng địa vât và
nền địa hình lớn hơn nhiều so với chênh cao giữa các đối tượng địa vật hay giữa nền
địa hình với nhau.
Nếu ta thiết lập giá trị ngưỡng chênh cao là 1.5m thì những điểm có giá trị
chênh cao lớn hơn hoặc bằng 1.5m so với điểm lân cận sẽ là điểm độ cao đột biến.
Những điểm độ cao đột biến này được xác định như trên Hình 2.3, đó là những
điểm màu đỏ. Những điểm màu đỏ này chính là những điểm đường biên của khu
vực các đối tượng địa vật. Chúng tạo nên một đường khép kín. Còn đối với nền địa
hình, những điểm đỏ này lại tạo thành những đứt đoạn, không liên tục.
Hình 2.3. Kết quả của Hình 2.2 với ngưỡng chênh cao đột biến là 1.5m
Điểm độ cao
đột biến

39. 37
Tổng quát lại, giả sử X là ảnh mô hình số bề mặt có hàm ( , ) biểu diễn độ
cao điểm ảnh p(x,y) với x là vị trí hàng và y là vị trí cột, khi đó xung quanh điểm p có
thể xác định được tối đa 8 điểm ảnh lân cận là có hàm độ cao tương ứng ( , ).
Giả sử, ta thiết lập giá trị ngưỡng chênh cao cho trước, nếu tồn tại điểm lân
cận của điểm ( , ) là có độ cao ( , ) thỏa mãn:
( , ) − ( , ) ≥ (2.9)
thì ( , ) được gọi điểm độ cao đột biến.
Như vậy với ngưỡng bất kỳ, ta sẽ thu được tập hợp các điểm độ cao đột
biến.
2.2.3.2 Thuật toán xác định tập điểm độ cao địa vật
Để xác định tập điểm độ cao địa vật hay khu vực các đối tượng địa vật,
chúng ta cần phải dựa vào đặc điểm của các điểm độ cao đột biến mà đã được chỉ ra
ở phần trước:
- Tập hợp các điểm độ cao đột biến của các đối tượng địa vật là tập hợp các
điểm đường biên, bao quanh khu vực các lớp đối tượng đó. Chúng tạo ra các đường
khép kín.
- Tập hợp các điểm độ cao đột biến của nền địa hình là tập hợp các đoạn rời
rạc, không tạo thành các đường khép kín.
Từ đặc điểm này, chúng ta có thể xác định khu vực của các đối tượng địa vật
bằng hai phương pháp: phương pháp trực tiếp hoặc phương pháp gián tiếp.
+ Phương pháp trực tiếp
Đối với phương pháp này, chúng ta phải lựa chọn từng khu vực đối tượng địa
vật trên ảnh.
Giả sử, P là điểm thuộc khu vực đối tượng địa vật. là tập hợp các điểm độ
cao đột biến xung quanh khu vực đó. Khi đó, sẽ là một đường khép kín. Như vậy,
ta có thể sử dụng thuật toán loang, tô vùng [104], [110] để xác định các điểm thuộc
khu vực đối tượng địa vật này.
Quá trình này được mô tả như trên Hình 2.4. Tuy nhiên, cách xác định này
không hiệu quả trong quá trình tính toán và lập trình.

40. 38
Hình 2.4. Xác định khu vực các đối tượng địa vật bằng phương pháp trực tiếp.
+ Phương pháp gián tiếp
Phương pháp này sẽ xác định khu vực nền địa hình trước. Sau đó, loại bỏ
những điểm địa hình này, chúng ta sẽ còn lại khu vực của các đối tượng địa vật.
Phương pháp gián tiếp cũng dựa trên giải thuật loang, tô vùng để tìm kiếm các
điểm địa hình. Quá trình tìm kiếm này được gọi là phân tách nền địa hình. Để
phân tách nền địa hình, chúng ta sẽ thiết lập một giá trị được gọi là ngưỡng địa
hình. Đây là giá trị dùng để phân tách khu vực các đối tượng địa vật với nền địa
hình. Giá trị ngưỡng này có thể được xác định tự động hoặc tùy chỉnh.
* Ngưỡng địa hình tự động
Ngưỡng tự động được tính toán dựa trên tập các điểm có độ cao đột biến mà
chúng ta đã xác định được ở bước trên.
Giả sử X là ảnh mô hình số bề mặt với là điểm ảnh ở vị trí hàng i, cột j;
ℎ là giá trị độ cao của điểm . Thiết lập giá trị ngưỡng độ cao đột biến là ,
chúng ta thu được tập hợp các điểm đột biến , , … , với giá trị độ cao điểm
ảnh lần lượt là ℎ( ), ℎ( ), … , ℎ( ). Khi đó giá trị ngưỡng độ cao tự động được
xác định theo công thức:
=
ℎ( ) + ℎ( ) + ⋯ + ℎ( )
(2.10)
Xét điểm ảnh có độ cao ℎ :
- Nếu ℎ  thì là điểm thuộc đối tượng địa vật.
- Nếu ℎ ≤ thì là điểm thuộc địa hình.
Quay trở lại ví dụ ở trên, nếu chúng ta thiết lập giá trị ngưỡng đột biến
= 1.5 thì giá trị ngưỡng tự động sẽ là:
p

41. 39
=
14 × 13.5 + 16 × 12.7 + 13 × 9
43
= 11.8
Ở đây, các con số 14, 16, 13 được ví dụ lần lượt là số lượng điểm độ cao đột
biến mà chúng ta xác định được thuộc các lớp đối tượng cây (có độ cao là 13.5m),
nhà (có độ cao 12.7m), đất 1(có độ cao là 9m) trong Bảng 2.1.
Khi đó, khu vực của các đối tượng địa vật là những vùng có độ cao lớn
hơn hoặc bằng 11.8m còn khu vực nền địa hình có độ cao nhỏ hơn 11.8m. Màu
vàng, màu đỏ và màu cam thể hiện khu vực các đối tượng địa vật còn màu xám
thể hiện khu vực nền địa hình (Hình 2.5).
Hình 2.5. Minh họa kết quả của Hình 2.3 với sự kết hợp ngưỡng đột biến được thiết lập 1.5m
và ngưỡng địa hình tự động.
Tuy nhiên, ngưỡng địa hình tự động chỉ phù hợp và cho kết quả chính xác
với những nền địa hình bằng phẳng. Nguyên nhân là do giá trị ngưỡng này là
ngưỡng địa hình toàn cục (global threshold) được xác định là ngưỡng chung cho cả
khu vực nền địa hình. Vì thế đối với những khu vực có nền địa hình mà độ cao thay
đổi lớn thì quá trình áp dụng giá trị ngưỡng này có thể dẫn đến kết quả không chính
xác. Để khắc phục được nhược điểm này, ta có thể xây dựng các ngưỡng địa hình
tùy chỉnh với phạm vi cục bộ (local threshold). Các giá trị ngưỡng cục bộ này cần
phải được xác định dựa trên độ cao trung bình của nền địa hình ở từng khu vực đó.
* Ngưỡng địa hình tùy chỉnh
Ngưỡng địa hình tùy chỉnh được xác định thông qua sự thay đổi giá trị độ
cao. Giá trị độ cao này nằm trong khoảng từ độ cao nhỏ nhất đến độ cao lớn nhất
của khu vực ảnh mô hình số bề mặt.

42. 40
Giả sử X là ảnh mô hình số bề mặt, có giá trị độ cao điểm ảnh được biểu diễn
bởi hàm ( , ) với x là vị trí hàng, y là vị trí cột. Gọi min là giá trị độ cao nhỏ
nhất, max là giá trị độ cao lớn nhất trên ảnh X:
= min ( , )
= max ( , )
là giá trị ngưỡng tùy chỉnh.
≤ ≤
( , ) là tập các điểm độ cao đột biến, ( , ) là tập các điểm đột biến thuộc các
đối tượng địa vật. Khi đó, ( , ) sẽ là tập hợp các đường bao kín. Xét điểm ảnh
p(x, y) có độ cao là f(x, y).
- Nếu ( , ) ≤ và ( , ) ∉ ( , ) thì ( , ) là điểm địa hình.
- Nếu ( , ) ≥ và ( , ) ∈ ( , ) thì ( , ) là điểm địa vật.
Sau khi xác định được khu vực các đối tượng địa vật, nhiệm vụ còn lại là loại
bỏ độ chênh cao của khu vực địa vật đó so với nền địa hình xung quanh. Sử dụng
phép trừ giữa tập điểm dữ liệu DSM với tập điểm độ cao địa vật. Kết quả thu được
của công việc này là tập các điểm độ cao địa hình
2.2.3.3 Thuật toán nội suy độ cao tái tạo nền địa hình
Mục đích của quá trình này là thiết lập độ cao nền địa hình ở các khu vực bị
che phủ bởi các lớp đối tượng địa vật.
Giả sử điểm p nằm trong khu vực đối tượng địa vật Y. Nhiệm vụ là cần phải
xác định được độ cao của nền địa hình tại điểm p. Muốn xác định độ cao của điểm p
ta cần phải dựa vào độ cao của các điểm địa hình xung quanh.
Nếu gọi (i = 1 ÷ n) là các điểm địa hình theo các hướng xung quanh điểm
p. Các điểm pi này nằm bên ngoài ngay sát với đường bao khép kín bởi các điểm có
độ cao đột biến gần nhất với điểm p, khi đó chúng ta có thể tính toán được độ cao
điểm p dựa vào các điểm (i = 1 ÷ n) này, có nghĩa là cần phải xây dựng được một
hàm toán học để tính toán nội suy độ cao điểm p từ các điểm độ cao biết trước
(i= 1 ÷ n). Hàm toán học này cần phải được xây dựng dựa trên các tham số là độ

43. 41
cao và khoảng cách. Gọi ℎ là độ cao của nền địa hình tại điểm p, ℎ có thể được
biểu diễn dưới dạng toán học như sau:
ℎ = (ℎ , ) ớ = 1 ÷
Trong đó:
ℎ (i = 1 ÷ n) lần lượt là độ cao của các điểm (i = 1 ÷ n)
(i = 1 ÷ n) lần lượt là khoảng cách từ điểm p tới các điểm (i = 1 ÷ n)
Chúng ta có thể mô tả mối tương quan giữa điểm p(x,y,h) với các điểm địa
hình xung quanh (i = 1 ÷ n) như trên Hình 2.6.
Hình 2.6. Mối quan hệ giữa điểm ảnh p với các điểm địa hình xung quanh.
( = 1, ) có tọa độ là ( , , ℎ ), với , lần lượt là hàng thứ và cột thứ .
Như vậy, khoảng cách được tính theo công thức Euclid sẽ là:
= ( , ) = ( − ) + ( − ) + (ℎ − ℎ ) (2.11)
Thông thường, trong tự nhiên nếu 2 điểm càng gần nhau thì độ cao sẽ càng giống
nhau. Dựa vào thuật toán nội suy độ cao theo trọng số nghịch đảo khoảng cách
(Inverse Distance Weighting (IDW)) trong các tài liệu [43], [60]. Độ cao điểm p
được tính như sau:
1
1
w
w
n
i i
i
p n
i
i
h
h 




(2.12)
Trọng số nghịch đảo khoảng cách (wi) được tính:
1
wi k
id
 (2.13)
Trong đó: i = (1 ÷ n) là các điểm xung quanh đã biết độ cao

44. 42
hi là độ cao điểm thứ i
di là khoảng cách từ điểm p đến điểm thứ i
k là hằng số ảnh hưởng (thông thường k được lấy bằng 2).
2.3 Thực nghiệm tạo DEM từ dữ liệu DSM bằng thuật toán đề xuất
Với thuật toán tạo DEM từ DSM được nghiên cứu và đề xuất, tác giả đã tiến
hành lập mô đul phần mềm để thử nghiệm thuật toán (Giao diện phần mềm và thuật
toán được lập trên ngôn ngữ lập trình C++ và được trình bày trong Phụ lục 3 và Phụ
lục 4).
2.3.1 Dữ liệu sử dụng
Dữ liệu được sử dụng trong thực nghiệm là các mẫu mô hình số bề mặt DSM
(Hình 2.7(a)) và bình đồ ảnh (Hình 2.7(b)) khu vực Vật Lại - Ba Vì - Hà Nội. Dữ
liệu bình đồ ảnh cho thấy hình ảnh của địa vật ngoài thực địa. Giá trị độ cao bề mặt
của khu vực này nằm trong khoảng từ 6m đến 34m và được biểu diễn bởi dải màu
biến đổi liên tục từ xanh dương sang đỏ. Khu vực nền địa hình có độ cao thấp được
thể hiện bởi gam màu xanh. Sự chênh cao giữa các điểm lân cận nhau của nền địa
hình có sự biến đổi nhẹ. Trong khi đó, khu vực các đối tượng địa vật lại có độ cao
lớn hơn nhiều được biểu diễn bởi gam màu vàng và đỏ. Sự chênh cao giữa khu vực
các đối tượng địa vật với nền địa hình xung quanh tăng đột biến.
(a) (b)

45. 43
(a) (b)
(a) (b)
Hình 2.7. (a) Mô hình số bề mặt (DSM); (b) Bình đồ ảnh UAV.
2.3.2 Sơ đồ thuật toán của chương trình tạo DEM từ dữ liệu DSM
Sơ đồ thuật toán trong chương trình tạo DEM được minh họa như Hình 2.8,
bao gồm 6 bước chính: (1) Đọc dữ liệu DSM; (2) thiết lập ngưỡng xác định các
điểm độ cao đột biến; (3) Dùng phép lọc điểm để xác định tập các điểm độ cao
địa vật; (4) Từ tập điểm của DSM và tập điểm độ cao địa vật vừa xác định được,
sử dụng phép loại trừ để có được tập điểm độ cao địa hình; (5) Bổ sung tập điểm
độ cao địa hình một số khu vực bị thực phủ hoặc địa vật che khuất hoàn toàn; (6)
Từ kết quả tập điểm độ cao địa hình (4) và (5) chương trình sẽ sử dụng phép nội
suy để tái tạo DEM và lưu lại dưới dạng ảnh số.

46. 44
Hình 2.8. Sơ đồ thuật toán của chương trình tạo DEM từ DSM
Trong quy trình này, các khu vực có địa hình phức tạp như thực phủ rậm rạp
hoặc che khuất hoàn toàn, khó có thể lọc điểm địa hình. Do vậy, sau khi loại bỏ các
điểm độ cao địa vật, sẽ không còn dữ liệu điểm địa hình khu vực này, ta cần tiến
hành đo bổ sung tập điểm độ cao địa hình ở những khu vực này, kết quả tập điểm
này cần có đủ các thông số (X,Y, Z). Sau đó tập điểm độ cao đo bổ sung sẽ được
kết hợp với tập điểm độ cao địa hình được tạo ra từ DSM. Cuối cùng chương trình
sẽ thực hiện thuật toán nội suy tái tạo lại nền địa hình khu vực.
2.3.3 Kết quả tạo DEM từ dữ liệu DSM và đánh giá độ chính xác
2.3.3.1 Kết quả thiết đặt ngưỡng độ cao đột biến
Với những thông tin phân tích địa hình, tác giả tiến hành thiết đặt các ngưỡng
độ cao đột biến khác nhau là 0.4m, 0.6m, 0.8m và 1.0m trên cùng một mẫu DSM.
Hình 2.9 bao gồm 4 ảnh (c), (d), (e), (f) là các kết quả thu được tương ứng với các
giá trị thiết đặt trên.

47. 45
(a) Mẫu DSM
(b) Bình đồ ảnh tham chiếu
(c)_ = 0.4 (d)_ = 0.6
(e)_ = 0.8 (f)_ = 1.0
Hình 2.9. Thiết lập với các ngưỡng chênh cao đột biến khác nhau
Với kết quả thiết lập ngưỡng trên Hình 2.9, các điểm độ cao đột biến trên ảnh
DSM được đánh dấu bởi màu đỏ. Với giá trị ngưỡng đột biến càng thấp thì số lượng
điểm độ cao đột biến càng nhiều. Mật độ các điểm độ cao đột biến xuất hiện nhiều ở
khu vực có nhiều đối tượng như cây cối, nhà nằm trên bề mặt địa hình. Chúng tạo
nên các đường bao khép kín xung quanh các khu vực đó. Còn đối với nền địa hình,
các điểm đột biến này lại tạo thành các đường đứt đoạn.
2.3.3.2 Kết quả phân ngưỡng địa hình tự động
Kết quả đạt được với phân ngưỡng địa hình tự động trên mẫu DSM khu vực
thực nghiệm Hình 2.10(a). Hình 2.10(b) là kết quả của Hình 2.10(a) khi loại bỏ nền
địa hình với ngưỡng đột biến = 0.4 kết hợp phân ngưỡng địa hình tự động.

48. 46
Trên Hình 2.10(a), nền địa hình được xác định là những khu vực có màu xanh
dương còn khu vực các đối tượng địa vật vẫn được giữ nguyên. So sánh Hình
2.10(a) và kết quả trên Hình 2.10(b), ta có thể thấy rõ các vùng đối tượng địa vật đã
được nhận biết một cách chính xác.
(a) (b)
Hình 2.10. (a) Mô hình số bề mặt; (b) Phân ngưỡng địa hình tự động.
Qua nghiên cứu, tác giả nhận thấy đối với những nền địa hình bằng phẳng như
đồng bằng, ngưỡng địa hình tự động cho kết quả chính xác. Tuy nhiên, đối với địa
hình phức tạp hơn, kết quả này lại kém chính xác. Nguyên nhân là do giá trị ngưỡng
này là ngưỡng địa hình toàn cục (global threshold) được xác định là ngưỡng chung
cho cả khu vực nền địa hình. Vì thế đối với những khu vực có nền địa hình mà độ
cao thay đổi lớn thì quá trình áp dụng giá trị ngưỡng này có thể dẫn đến kết quả
không chính xác. Để khắc phục được nhược điểm này, ta có thể xây dựng các
ngưỡng địa hình tùy chỉnh với phạm vi cục bộ (local threshold). Các giá trị ngưỡng
cục bộ này cần phải được xác định dựa trên độ cao trung bình của nền địa hình ở
từng khu vực đó.
2.3.3.3 Kết quả phân ngưỡng địa hình tùy chỉnh
Với ngưỡng địa hình tùy chỉnh, chúng ta có thể xác định chính xác khu vực
đối tượng địa vật trên bất kỳ nền địa hình nào. Điều này được thực nghiệm trên
mẫu DSM ở Hình 2.11(a). Hình 2.11(b) là kết quả đối tượng địa vật thu được khi
áp dụng phân ngưỡng địa hình tự động và Hình 2.11(c) là kết quả áp dụng phân
ngưỡng địa hình tùy chỉnh của trên dữ liệu DSM.
Quan sát 2 ảnh kết quả trên Hình 2.11(b) và Hình 2.11(c), có thể dễ dàng
nhận thấy: