Metodología de navegación autónoma precisa para aplicaciones de fotogrametría aérea
Contenido principal del artículo
- Alberto Jiménez Hormeño+−
- David Martín Gómez+−
- Arturo de la Escalera Hueso+−
- José María Armingol Moreno+−
Resumen
En la última década, el uso de vehículos aéreos no tripulados para aplicaciones civiles ha crecido exponencialmente. La irrupción de los sistemas autónomos y la inteligencia artificial ha abierto nuevas áreas de investigación para el desarrollo de aplicaciones industriales aéreas. Este trabajo presenta una metodología basada en un hexacóptero cautivo para realizar aplicaciones de fotogrametría aérea mediante una navegación totalmente autónoma. El dron ha sido configurado con una selección específica de sus componentes para lograr un posicionamiento de elevada precisión, junto a hardware de fotogrametría para la captura de imágenes georreferenciadas. La navegación autónoma de la aeronave se basa en la información generada en tiempo real por el conjunto de sensores a bordo, calibrados minuciosamente. Todo el control de las operaciones autónomas se realiza desde una estación terrestre en constante conexión con la aeronave, mediante la ejecución de aplicaciones desarrolladas específicamente para misiones de fotogrametría. La metodología aplicada ha proporcionado resultados fotogramétricos precisos mediante la navegación autónoma desarrollada.
Palabras clave:
Detalles del artículo
Citas
ASTM (2021). Standard practice for methods to safely bound behavior of aircraft systems containing complex functions using run-time assurance. DOI: 10.1520/F3269-21
Carvajal-Ramírez, F. et al. (2021). UAV photogrammetry and remote sensing. MDPI - Multidisciplinary Digital Publishing Institute, Switzerland. DOI: 10.3390/books978-3-0365-1453-6
Elkhrachy, I. (2021). Accuracy assessment of low-cost unmanned aerial vehicle (UAV) photogrammetry. Alexandria Eng. J., vol. 60, n.o 6, 5579–5590. DOI: 10.1016/j.aej.2021.04.011
Ismael, R. Q., Henari, Q. Z. (2019). Accuracy sssessment of UAV photogrammetry for large scale topographic mapping. Proc. 5th Int. Eng. Conf. IEC 2019, 1–5. DOI: 10.1109/IEC47844.2019.8950607
Kumari, R., Dubey, D. (2023). A review of various image processing techniques for UAV based photogrammetry. 2023 International Conference on IoT, Communication and Automation Technology (ICICAT), 1–5. DOI: 10.1109/ICICAT57735.2023.10263713
Li, M. -S. et al. (2023). Using unmanned laser scanning and aerial photogrammetry for potential large-scale landslide area monitoring. 2023 IEEE 5th Eurasia Conference on IOT, Communication and Engineering (ECICE), 863–865. DOI: 10.1109/ECICE59523.2023.10383168
Mahendran, S. et al. (2023). Experimental investigations to enhance precision and accuracy in UAV photogrammetry of 3D model. 2023 International Conference on Electrical, Electronics, Communication and Computers (ELEXCOM), 1–6. DOI: 10.1109/ELEXCOM58812.2023.10370555
Marques, A. et al. (2021). Deep learning application for fracture segmentation over outcrop images from UAV-based digital photogrammetry. 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS, 4692–4695. DOI: 10.1109/IGARSS47720.2021.9553232
Subramanian, J. A. et al. (2024). Integrating computer vision and photogrammetry for autonomous aerial vehicle landing in static environment. IEEE Access, vol. 12, 4532–4543. DOI: 10.1109/ACCESS.2024.3349419
Torres-Sánchez, J. et al. (2023). Mobile terrestrial laser scanner vs. UAV photogrammetry to estimate woody crop canopy parameters – Part 2: Comparison for different crops and training systems. Computers and Electronics in Agriculture, vol. 212, 1–10. DOI: 10.1016/j.compag.2023.108083