Tóm tắt Luận án 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

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 
TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT 
Hà Nội- Năm 2018 
Công trình được hoàn thành tại: Bộ môn Đo ảnh và Viễn thám, Khoa Trắc địa 
- Bản đồ và Quản lý đất đai, trường Đại học Mỏ - Địa chất 
Người hướng dẫn khoa học: 1. PGS.TS Nguyễn Quang Minh 
 2. PGS.TS Trần Vân Anh 
Phản biện 1: PGS.TS Nguyễn Trường Xuân 
Phản biện 2: TS Cáp Xuân Tú 
Phản biện 3: GS.TSKH Phan Văn Lộc 
Luận án sẽ được bảo vệ trước Hội đồng đánh giá luận án cấp Trường họp tại 
Trường đại học Mỏ - Địa chất vào hồi giờ  ngày  tháng năm 
Có thể tìm hiểu luận án tại thư viện: Thư viện Quốc Gia, Hà Nội 
hoặc Thư viện Trường đại học Mỏ - Địa chất 
-1- 
MỞ ĐẦU 
1. Tính cấp thiết của đề tài 
 Những năm gần đây, trên Thế giới và ở Việt Nam đã có khá nhiều các nghiên 
cứu về ứng dụng dữ liệu ảnh UAV trong các lĩnh vực dân sự như giám sát tài nguyên 
rừng, giám sát khí thải của nhà máy, khảo sát mức độ thiên tai dịch họa, xây dựng mô 
hình số độ cao, xây dựng cơ sở dữ liệu 3D (CSDL 3D) các khu vực khảo cổ,.v.v. 
Công nghệ xử lý ảnh UAV hiện nay dễ dàng tạo ra các sản phẩm như bình đồ ảnh, mô 
hình số bề mặt (DSM) và mô hình số độ cao (DEM). Tuy nhiên, một số kết quả nghiên 
cứu cho thấy kết quả 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 DEM đang sử dụng hiện nay chủ yếu 
được tạo ra từ đo cao địa hình trên 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 độ cao trên 
một khối lượng lớn cặp ảnh lập thể sẽ là rất vất vả, đôi khi là không thể. 
Việc tạo lập cơ sở dữ liệu (CSDL) địa vật trong các nghiên cứu cũng đang thực 
hiện phổ biến theo phương pháp số hóa từ bình đồ ảnh UAV. Gần đây, một số nghiên 
cứu đã sử dụng thuật toán nhận dạng đối tượng trên bề mặt ảnh viễn thám có độ phân 
giải cao phục vụ công tác xây dựng CSDL. Tuy nhiên để nhận dạng đối tượng trên 
ảnh kỹ thuật số (RGB) và có độ phân giải siêu cao được thu nhận từ UAV thì chưa có 
nghiên cứu nào đề cập đến. 
 Công tác xây dựng CSDL 3D từ ảnh UAV cũng đang được nhiều tác giả quan 
tâm nghiên cứu. Mô hình đối tượng trong CSDL 3D hiện nay đang xây dựng dưới hai 
dạng: (1) là mô hình 3D mô phỏng và (2) là mô hình 3D thực được xây dựng từ hình 
ảnh thật của đối tượng. Tuy nhiên, ở Việt Nam khi nghiên cứu xây dựng CSDL 3D 
chưa có tác giả nào đề cập đến xây dựng mô hình 3D thực. 
 Xuất phát từ những nhu cầu thực tế, 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: bình đồ ảnh UAV, dữ liệu DEM, DSM và 
cơ sở dữ liệu 3D . 
 Phạm vi nghiên cứu của luận án bao gồm dữ liệu không gian và dữ liệu thuộc 
tính của các đối tượng trên ảnh UAV. 
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; 
-2- 
- 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); 
- Xây dựng CSDL 3D từ các kết quả đám mây điểm, ảnh cấu trúc đối tượng 
được tạo ra trong quá trình xử lý ảnh UAV và cơ sở dữ liệu địa lý (GIS). 
5. 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. 
6. 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 
7. Cấu trúc và khối lượng luận án 
Luận án gồm phần mở đầu, kết luận, tài liệu tham khảo, các phụ lục và nội dung 
chính được kết cấu gồm 4 chương như sau: 
Chương 1- TỔNG QUAN VỀ HỆ THỐNG UAV VÀ CÁC ỨNG DỤNG DỮ 
LIỆU ẢNH UAV TRONG TRẮC ĐỊA - BẢN ĐỒ 
1.1 Tổng quan về hệ thống UAV 
Hệ thống bay không người lái (UAV) còn được gọi là phương tiện cơ giới trên 
không có thể điều khiển từ xa, bán tự động, tự động, hoặc kết hợp giữa điều khiển từ 
xa và tự động. 
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 UAV hiện đại dạng máy bay có gắn động cơ cánh 
bằng, cánh quay. 
-3- 
Thiết bị thu nhận hình ảnh của hệ thống UAV cũng được phát triển và cải tiến từ 
máy ảnh điều khiển bằng tay đến 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 UAV 
phục vụ cho 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. 
1.2 Ứng dụng dữ liệu ảnh thu nhận từ UAV trong Trắc địa - Bản đồ 
Dữ liệu ảnh thu nhận từ UAV đã được ứng dụng trong các nghiên cứu về lĩnh 
vực Trắc địa-Bản đồ, như: lập bản đồ địa hình, địa chính tỷ lệ lớn, xây dựng mô hình 
số độ cao (DEM), 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.v.v. 
Dữ liệu DEM được sử dụng trong các nghiên cứu chủ yếu được tạo ra từ số hóa 
đường bình độ, từ tập điểm độ cao đo trực tiếp hoặc đo độ cao trên cặp ảnh lập thể, 
chứ chưa sử dụng DEM tạo ra từ DSM. Đối tượng địa vật đa phần được số hóa trực 
tiếp từ bình đồ ảnh UAV chứ chưa sử dụng thuật toán nhận dạng tự động. Công tác 
xây dựng CSDL 3D ở Việt Nam mới đang tập trung vào nghiên cứu với 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. Trên cơ sở những tồn tại 
đã nêu, nội dung nghiên cứu chính 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 3D thực được xây dựng từ hình ảnh thật của 
các đối tượng địa vật. 
1.3 Dữ liệu ảnh UAV phục vụ trong nghiên cứu của đề tài. 
1.3.1 Khu vực thu nhận ảnh và thiết bị bay chụp ảnh 
Khu vực thu nhận ảnh tại thôn Yên Bồ, xã Vật Lại, huyện Ba Vì, Hà Nội. Trung 
tâm xã có tọa độ địa lý khoảng 21012’10” vĩ độ Bắc, 105024’26” kinh độ Đông. 
Hình 1.1. Vị trí địa lý khu vực bay thử nghiệm UAV (Nguồn: Google Map) 
-4- 
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. 
Hình 1.2. 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 và 1 
tuyến bay tầm cao, mục đích là thu nhận đầy đủ hình ảnh đối tượng ở nhiều góc độ 
khác nhau để xây 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% . 
Hình 1.3. Mô tả dải bay và hình ảnh 1 tấm ảnh thu nhận khu vực thử nghiệm. 
1.3.2 Dữ liệu sử dụng trong nghiên cứu của đề tài 
Dữ liệu ảnh UAV sau khi bay chụp sẽ được tiến hành xử lý trên phần mềm Pix4D 
mapper. Kết quả sau đó được đưa vào thực nghiệm các hướng nghiên cứu của đề tài, 
gồm có: bình đồ ảnh, dữ liệu DSM, dữ liệu đám mây điểm và ảnh cấu trúc đối tượng. 
(a) Bình đồ ảnh (b) Mô hình số bề mặt (DSM) 
(c) Đám mây điểm 3D (d) Ảnh cấu trúc bề mặt 
Hình 1.4. Các kết quả xử lý ảnh UAV bằng phần mềm Pix4D mapper. 
-5- 
Chương 2 - NGHIÊN CỨU VÀ ĐỀ XUẤT THUẬT TOÁN TẠO DEM TỪ DỮ 
LIỆU DSM 
2.1 Tổng quan về các thuật toán tạo DEM 
Trên thế giới, đã có nhiều thuật toán tạo DEM từ DSM như: thuật toán lọc điểm 
bằng cách sử dụng các cửa sổ lọc hình thể học (geomorphology filters); lọc điểm 
bằng màng lọc trung bình (Weidner (1995)); sử dụng các phương pháp nội suy bằng 
hàm tương quan (Lee (2003)); sử dụng ngưỡng độ dốc để loại bỏ các điểm có độ dốc 
lớn so với các điểm xung quanh (J. Susaki (2012)),.v.v. Tuy nhiên, khi sử dụng các 
thuật toán kể trên vào việc tạo DEM từ DSM trong xử lý ảnh UAV thì gặp khó khăn 
và đạt độ chính xác không cao do dữ liệu DSM chỉ có 1 lớp điểm không giống như 
dữ liệu LiDar có nhiều lớp điểm. Do vậy trên dữ liệu DSM tại những vị trí có địa vật 
và cây cối số lượng điểm mặt đất sẽ giảm đi sau khi sử dụng phép lọc điểm và không 
thể xác định các điểm độ cao mặt đất ở phía dưới tán cây như dữ liệu LiDar. 
Chính vì những hạn chế trên, nghiên cứu và đề xuất thuật toán tạo DEM từ DSM 
dạng bán tự động, phù hợp với một số địa hình ở Việt Nam là thực tiễn và cần thiết. 
2.2 Nghiên cứu đề xuất thuật toán tạo DEM từ DSM trong xử lý ảnh UAV 
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. 
2.2.1 Thuật toán xác định các điểm độ cao đột biến 
Giả sử X là ảnh mô hình số bề mặt có hàm ݂(ݔ,ݕ) 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 ݂(ݔ௜ ,ݕ௜). 
 Giả sử, ta thiết lập giá trị ngưỡng chênh cao ߪ cho trước, nếu tồn tại điểm lân 
cận của điểm ݌(ݔ,ݕ) là ݌௜ có độ cao ݂(ݔ௜ ,ݕ௜)	thỏa mãn: 
݂(ݔ,ݕ) − ݂(ݔ௜ ,ݕ௜) ≥ ߪ (2.1) 
thì ݌(ݔ, ݕ) được gọi điểm độ cao đột biến. 
 Như vậy với ngưỡng ߪ bất kỳ, ta sẽ thu được tập hợp các điểm độ cao đột biến. 
2.2.2 Thuật toán xác định tập điểm độ cao địa vật 
 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 
Là phương pháp lựa chọn trực tiếp từng khu vực đối tượng địa vật trên ảnh. Giả 
sử, P là điểm thuộc khu vực đối tượng địa vật.	Φ là tập hợp các điểm độ cao đột biến 
xung quanh khu vực đó. Khi đó, Φ sẽ là một đường khép kín. Như vậy, ta có thể sử 
dụng thuật toán loang, tô vùng (W.K.Prat (2007), Xiaoqing Zuo (2014)) để xác định 
các điểm thuộc khu vực đối tượng địa vật này. Tuy nhiên, cách xác định này không 
hiệu quả trong quá trình tính toán và lập trình. 
-6- 
Hình 2.1. 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. Để phân 
tách nền địa hình, chúng ta sẽ thiết lập một giá trị gọi là ngưỡng địa hình. Giá trị 
ngưỡng này có thể được xác định tự động hoặc tùy chỉnh. 
 * Ngưỡng địa hình tự động 
Giả sử gọi X là ảnh mô hình số bề mặt với ݔ௜௝ là điểm ảnh ở vị trí hàng i, cột j; 
ℎ൫ݔ௜௝൯ là giá trị độ cao của điểm ݔ௜௝. Thiết lập giá trị ngưỡng độ cao đột biến là ߪ, 
chúng ta thu được tập hợp các điểm đột biến ݌ଵ,݌ଶ,  , ݌௡ với giá trị độ cao điểm ảnh 
lần lượt là ℎ(݌ଵ),ℎ(݌ଶ),  ,ℎ(݌௡). Khi đó giá trị ngưỡng độ cao tự động ݐ௔được xác 
định theo công thức: 
ݐ௔ = ℎ(݌ଵ) + ℎ(݌ଶ) + ⋯+ ℎ(݌௡)	݊ 	(2.2) 
 Xét điểm ảnh ݔ௜௝ có độ cao ℎ௜௝: 
- Nếu ℎ௜௝ ݐ௔ thì ݔ௜௝ là điểm thuộc đối tượng địa vật. 
- Nếu ℎ௜௝ ≤ ݐ௔ thì ݔ௜௝ là điểm thuộc địa hình. 
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. 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 
Giả sử X là ảnh mô hình số bề mặt, có giá trị độ cao điểm ảnh được biểu diễn 
bởi hàm ݂(ݔ,ݕ)	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 ݂ (ݔ, ݕ) 
݉ܽݔ = max݂(ݔ, ݕ) 
݈݀݁ݐܽ là giá trị ngưỡng tùy chỉnh. 
݉݅݊ ≤ ݈݀݁ݐܽ ≤ ݉ܽݔ 
Φ(ݔ,ݕ) là tập các điểm độ cao đột biến, Φଵ(ݔ,ݕ) là tập các điểm đột biến thuộc các 
đối tượng địa vật. Khi đó, Φଵ(ݔ,ݕ) sẽ là tập hợp các đường bao kín. Xét điểm ảnh 
p(x, y) có độ cao là f(x, y). 
- Nếu ݂(ݔ,ݕ) ≤ ݈݀݁ݐܽ và ݌(ݔ,ݕ) 	 ∉ Φଵ(ݔ, ݕ) thì ݌(ݔ,ݕ) là điểm địa hình. 
-7- 
- Nếu ݂(ݔ,ݕ) ≥ ݈݀݁ݐܽ và ݌(ݔ,ݕ) 	 ∈ 	Φଵ(ݔ, ݕ) thì ݌(ݔ,ݕ)	là điểm địa vật. 
Sau khi xác định được khu vực các đối tượng địa vật. 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 Thuật toán nội suy độ cao tái tạo nền địa hình 
Giả sử điểm p nằm trong khu vực đối tượng địa vật Y. Khi đó sẽ có n điểm ảnh 
݌௜(i = 1 ÷ n) lân cận và tạo ra n hướng xung quanh điểm p, khi đó ta có thể tính toán 
được độ cao điểm p dựa vào các điểm ݌௜ (i = 1 ÷ n) này. 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௜,݀௜)	ݒớ݅	݅ = 	1	 ÷ 	݊ 
Trong đó: ℎଵ (i = 1 ÷ n) lần lượt là độ cao của các điểm ݌ଵ (i = 1 ÷ n) 
 ݀ଵ (i =  ... 3.788 66.03 33.97 
Nhà bro 
ximang (m2) 
13.699 26.185 0.694 902.414 6.243 0.520 23.930 2.948 6.069 1.561 0.000 984.263 91.68 8.32 
Nhà ngói (m2) 0.694 0.000 0.000 29.133 214.852 0.173 3.642 0.520 1.907 1.734 0.000 252.655 85.04 14.96 
Nhà tôn(m2) 1.561 1.734 0.000 1.387 0.173 344.215 3.642 1.040 0.173 0.347 0.000 354.272 97.16 2.84 
Nhà tầng (m2) 0.000 0.173 0.000 0.173 0.000 1.387 235.661 0.000 0.694 0.000 0.000 238.089 98.98 1.02 
Sân (m2) 12.485 41.444 9.191 3.988 2.948 0.694 19.422 538.085 66.068 7.283 0.000 701.608 76.69 23.31 
Sân đất (m2) 16.821 71.444 32.080 4.682 2.254 0.520 7.803 3.988 235.314 1.561 0.000 376.468 62.51 37.49 
Đường (m2) 17.341 65.722 21.676 4.855 1.561 0.000 0.000 1.907 8.497 650.973 7.630 780.162 83.44 16.56 
Mặt nước (m2) 4.509 61.213 0.867 0.347 0.000 0.000 0.000 0.000 0.000 0.173 1292.062 1359.171 95.06 4.94 
Tổng diện tích 
tham chiếu của 
mỗi lớp (m2) 
1368.015 4280.920 1392.465 973.685 228.725 351.324 296.181 582.824 370.052 722.244 1311.830 11878.264 
Phần trăm diện 
tích nhận dạng 
đúng so với 
diện tích tham 
chiếu (%) 
83.22 76.42 85.53 92.68 93.93 97.98 79.57 92.32 63.59 90.13 98.49 Overall Accuracy = 84.31 
Phần trăm diện 
tích không 
nhận dạng 
được (%) 
16.78 23.58 14.47 7.32 6.07 2.02 20.43 7.68 36.41 9.87 1.51 Kappa = 0.81 
-18- 
(a) Đối tượng số hóa (b) Đối tượng nhận dạng (c) Chồng xếp đối tượng 
Hình 3.7. Kết quả nhận dạng đối tượng nhà tầng so với dữ liệu số hóa 
(a) Đối tượng số hóa (b) Đối tượng nhận dạng (c) Chồng xếp đối tượng 
Hình 3.8. Kết quả nhận dạng đối tượng nhà fibro xi nămg so với dữ liệu số hóa 
(a) Đối tượng số hóa (b) Đối tượng nhận dạng (c) Chồng xếp đối tượng 
Hình 3.9. Kết quả nhận dạng đối tượng nhà mái ngói so với dữ liệu số hóa 
Kết quả thống kê số lượng đối tượng và đánh giá sai số vị trí điểm trên đường 
biên tương ứng giữa hai đối tượng cùng tên theo tiêu chuẩn kỹ thuật BĐĐH tỷ lệ 
1/2000. Kết quả nhận được trong các Bảng 3.4 đến Bảng 3.8 dưới đây. 
Bảng 3.4. Kết quả thống kê và độ chính xác nhận dạng đối tượng trên Hình 3.5 
STT Đối tượng 
số hóa
Đối tượng 
nhận dạng
Sai số vị trí 
điểm lớn nhất (m)
Kết luận
(Có thể thay thế/ Không)
1 nha_ton nha_mai_ton 0.53 Có thể thay thế
2 nha_ton nha_mai_ton 1.00 Có thể thay thế
3 nha_ton nha_mai_ton 0.36 Có thể thay thế
4 nha_ton nha_mai_ton 0.22 Có thể thay thế
5 nha_ton nha_mai_ton 0.41 Có thể thay thế
6 nha_ton nha_mai_ton 0.30 Có thể thay thế
7 nha_ton nha_mai_ton 0.22 Có thể thay thế
-19- 
Bảng 3.5. Kết quả thống kê và độ chính xác nhận dạng đối tượng trên Hình 3.6 
Bảng 3.6. Kết quả thống kê và độ chính xác nhận dạng đối tượng trên Hình 3.7 
Bảng 3.7. Kết quả thống kê và độ chính xác nhận dạng đối tượng trên Hình 3.8 
STT Đối tượng 
số hóa
Đối tượng 
nhận dạng
Sai số vị trí 
điểm lớn nhất (m)
Kết luận
(Có thể thay thế/ Không)
1 mat_nuoc mat_nuoc 3.60 Không
2 mat_nuoc mat_nuoc 5.14 Không
3 mat_nuoc mat_nuoc 0.89 Có thể thay thế
4 mat_nuoc mat_nuoc 1.12 Có thể thay thế
STT Đối tượng 
số hóa
Đối tượng 
nhận dạng
Sai số vị trí 
điểm lớn nhất (m)
Kết luận
(Có thể thay thế/ Không)
1 nha_tang nha_tang 0.49 Có thể thay thế
2 nha_tang nha_tang 1.37 Không
3 nha_tang nha_tang 0.44 Có thể thay thế
4 nha_tang nha_tang 0.68 Có thể thay thế
5 nha_tang nha_tang 2.90 Không
6 nha_tang nha_tang 0.72 Có thể thay thế
7 nha_tang nha_tang 1.98 Không
8 nha_tang
9 nha_tang
10 nha_tang
-20- 
Bảng 3.8. Kết quả thống kê và độ chính xác nhận dạng đối tượng trên Hình 3.9 
Từ các kết quả so sánh trên ta nhận thấy đối tượng nhà mái tôn được nhận dạng 
tốt nhất, các đối tượng được nhận dạng có độ chính xác cao về số lượng, cấu trúc 
hình dạng và đều đạt giới hạn về sai số vị trí điểm đường biên. 
Một số đối tượng mặt nước có cấu trúc hình dạng và sai số vị trí điểm trên 
đường biên lớn là do đường mép nước của các đối tượng này không rõ ràng, chúng bị 
che khuất bởi thực phủ ven bờ. 
Với các đối tượng nhà tầng và nhà mái ngói, ngoài những đối tượng được nhận 
dạng đúng và chính xác về cấu trúc hình dạng, đôi khi còn một số đối tượng bị nhận 
dạng nhầm hoặc không nhận dạng, có sai số vị trí điểm trên đường biên lớn, lý do bởi 
giá trị độ xám trên các kênh phổ và độ cao của các đối tượng là tương đối giống nhau, 
một số đối tượng còn bị che khuất bởi đối tượng khác có độ cao hơn chúng. 
+ Đánh giá chung 
Nhận dạng đối tượng trên ảnh kỹ thuật số (RGB) của UAV khi kết hợp với dữ 
liệu độ cao địa vật (DHM) cho độ chính xác cao hơn hẳn so với nhận dạng ảnh UAV 
(RGB) đơn thuần. Kết quả nhận dạng một số đối tượng độc lập hoàn toàn sử dụng để 
thay thế và giảm thời gian cho công tác số hóa đối với những đối tượng này. 
Tuy vậy, kết quả nhận dạng vẫn còn tồn tại một số đối tượng bị nhận dạng nhầm 
lẫn hoặc nhận dạng với sai số lớn, do chúng có giá trị độ xám và độ cao tương đối giống 
nhau, một số đối tượng còn bị đối tượng khác che khuất, với những đối tượng này sẽ 
được loại bỏ trước khi sử dụng kết quả nhận dạng cho công tác xây dựng cơ sở dữ liệu. 
Chương 4 - XÂY DỰNG CƠ SỞ DỮ LIỆU 3D TỪ KẾT QUẢ XỬ LÝ ẢNH UAV 
4.1 Tổng quan về xây dựng cơ sở dữ liệu 3D 
Những năm gần đây, công nghệ lập bản đồ và hệ thống thông tin địa lý GIS đã có 
những bước phát triển mạnh mẽ trong công tác xây dựng cơ sở dữ liệu (CSDL) trong 
đó có việc xây dựng CSDL 3D. Trên Thế giới và ở Việt Nam đã có rất nhiều các 
nghiên cứu xây dựng CSDL 3D từ ảnh UAV. Tuy nhiên, khi xây dựng mô hình trong 
CSDL 3D thì các nghiên cứu trong nước mới tập trung nghiên cứu xây dựng mô hình 
STT Đối tượng 
số hóa
Đối tượng 
nhận dạng
Sai số vị trí 
điểm lớn nhất (m)
Kết luận
(Có thể thay thế/ Không)
1 nha_ngoi nha_ngoi 0.45 Có thể thay thế
2 nha_ngoi nha_ngoi 2.21 Không
3 nha_ngoi nha_ngoi 0.68 Có thể thay thế
4 nha_ngoi nha_ngoi 0.45 Có thể thay thế
5 nha_ngoi nha_ngoi 0.64 Có thể thay thế
6 nha_ngoi nha_ngoi 2.15 Không
7 nha_ngoi nha_ngoi 1.02 Có thể thay thế
8 nha_ngoi
9 nha_ngoi
10 nha_ngoi
11 nha_ngoi
-21- 
3D mô phỏng, trong khi đó việc xây dựng mô hình 3D thực từ đám mây điểm (3D 
point cloud) và ảnh cấu trúc (texture image) tạo ra trong xử lý ảnh UAV thì chưa có 
nghiên cứu nào đề cập đến. Đây sẽ là một hướng nghiên cứu tiếp theo trong nội dung 
của luận án. 
4.2 Xây dựng mô hình 3D thực 
Mô hình 3D thực được xây dựng từ đám mây điểm (3D point cloud) và ảnh cấu 
trúc (texture image) tạo ra trong xử lý ảnh UAV được thực hiện theo quy trình sau: 
Hình 4.1 Quy trình xây dựng mô hình 3D thực 
4.3. Thực nghiệm xây dựng CSDL 3D từ kết quả xử lý ảnh UAV 
Trong phần thực nghiệm của đề tài, tác giả tiến hành xây dựng CSDL 3D với 
mô hình 3D thực, nhằm tiếp cận với xu thế hiện nay trên thế giới về công tác xây 
dựng CSDL 3D. 
4.3.1 Dữ liệu sử dụng 
Dữ liệu sử dụng để xây dựng CSDL 3D là kết quả xử lý ảnh UAV gồm bình đồ 
ảnh, dữ liệu đám mây điểm và ảnh cấu trúc. Dữ liệu DEM và dữ liệu địa vật trong kết 
quả nghiên cứu của luận án cũng được đưa vào để tạo lập CSDL. 
(a) Bình đồ ảnh trưc giao (b) DEM tạo ra từ DSM 
(c) Đám mây điểm (d) Ảnh cấu trúc đối tượng 
Hình 4.2. Dữ liệu thực nghiệm sử dụng xây dựng cơ sở dữ liệu 3D 
-22- 
4.3.2 Quy trình thực nghiệm xây dựng CSDL 3D 
Quy trình xây dựng CSDL 3D với dữ liệu là mô hình 3D thực được trình bày 
tổng quát như sau: 
Hình 4.3. Quy trình xây dựng CSDL 3D 
Cụ thể các bước thực hiện như sau: 
a. Dữ liệu không gian véc tơ 
 Là sự kết hợp giữa kết quả số hóa và kết quả nhận dạng các đối tượng giao 
thông, thủy hệ, ranh giới hành chính trên nền bình đồ ảnh. Yếu tố địa hình (đường 
bình độ) được nội suy trên kết quả DEM từ thuật toán Chương 2 luận án. Công tác số 
hóa và nội suy đường bình độ được thực hiện trên phần mềm Global Mapper. 
b. Thiết kế cấu trúc cơ sở dữ liệu địa lý 
Là công tác xây dựng cấu trúc cơ sở dữ liệu được thực hiện trên phần mềm 
ArcCatalog với 7 gói dữ liệu (Feature Dataset) theo quy định xây dựng CSDL địa lý, 
bao gồm: BienGioiDiaGioi; CoSoDoDac; DanCuCoSoHaTang; DiaHinh, PhuBeMat; 
ThuyHe; GiaoThong. 
c.Tích hợp cơ sở dữ liệu địa lý 
Dữ liệu không gian véc tơ sau khi đã được chuẩn hóa và chuyển sang dạng 
shapefile sẽ được đẩy vào các lớp đối tượng (Feature Class) trong cấu trúc cơ sở dữ 
liệu đã được tạo sẵn trên ArcGIS. 
-23- 
d. Xây dựng mô hình 3D thực 
 Hình 4.4. (a) Đám mây điểm (b) Ảnh cấu trúc và (c) Mô hình 3D thực 
Kết quả xây dựng mô hình 3D thực được tạo lập bằng công nghệ dán tự động từ 
dữ liệu đám mây điểm và ảnh cấu trúc đối tượng trên phần mềm Pix4D mapper. Mô 
hình 3D thực sau khi được tạo trên Pix4D mapper sẽ được chuyển sang phần Skyline 
để tích hợp cơ sở dữ liệu 3D cho khu vực. 
e. Dữ liệu thuộc tính 
Dữ liệu thuộc tính đối tượng được thu thập thông qua công tác điều tra xác định 
các yếu tố định tính, định lượng của các đối tượng, các nội dung ghi chú tên riêng, 
tính chất và phân hạng hệ thống giao thông, thủy hệ, dân cư, địa lý, hành chính,.v.v. 
f. Tích hợp cơ sở dữ liệu 3D 
Tích hợp cơ sở dữ liệu 3D được thực hiện trên phần mềm TerraBuilder và 
TerraExplorer Pro của Skyline. Mục đích của công tác này chính là việc tích hợp cơ 
sở dữ liệu địa lý với mô hình 3D thực và dữ liệu thuộc tính của các đối tượng 
g. Biên tập và trình bày cơ sở dữ liệu 3D 
Công tác biên tập và trình bày cơ sở dữ liệu 3D được thực hiện gồm các công 
việc đặt các chú dẫn, ghi chú và ký hiệu biểu tượng cho các đối tượng địa lý trên kết 
quả mô hình đã được tích hợp CSDL. 
4.3.3 Kết quả xây dựng cơ sở dữ liệu 3D và đánh giá 
Kết quả xây dựng CSDL 3D được biểu diễn trên phần mềm TerraExplorer Pro 
cho phép hiển thị và tra cứu các thông tin đối tượng trên mô hình 3D thực đã được 
tích hợp CSDL. 
(a) (b) 
(c) 
-24- 
Hình 4.5. Tìm kiếm thông tin trên CSDL 3D 
* Đánh giá kết quả xây dựng CSDL 3D 
Hình ảnh trên mô hình 3D là hình ảnh thật của các đối tượng được thu nhận ở 
nhiều góc độ khác nhau, nên kết quả CSDL 3D được xây dựng từ việc tích hợp dữ liệu 
không gian, dữ liệu thuộc tính và mô hình 3D thực cho người sử dụng có cái nhìn trực 
quan về mức độ chi tiết các đối tượng địa vật trong khu vực. Ngoài ra, kết quả CSDL 
3D cũng cho phép người sử dụng cập nhật thông tin và tra cứu thông tin một cách dễ 
dàng, nhanh chóng. 
Tuy vậy, với phương pháp xây dựng CSDL 3D này đòi hỏi phải công nghệ phần 
cứng cấu hình cao, tốc độ xử lý nhanh và phần mềm hiện đại để lưu trữ và xử lý một 
khối lượng rất lớn dữ liệu ảnh UAV. 
KẾT LUẬN VÀ KIẾN NGHỊ 
Kết luận 
Nghiên cứu trong luận án đã đạt những kết quả sau: 
1. Luận án đã đề xuất và thử nghiệm thuật toán tạo DEM từ DSM cho lọc điểm tự 
động và bán tự động. Qua thử nghiệm cho thấy thuật toán tạo DEM từ DSM được đề 
xuất trong luận án đã có tính linh hoạt cao khi sử dụng thuật toán bán tự động phù 
hợp với độ phức tạp của địa hình. Kết quả DEM tạo ra đã được kiểm chứng với sai số 
trung phương chênh lệch độ cao dưới 0.3m so với DEM đo đạc trực tiếp, điều đó 
khẳng định kết quả DEM tạo ra từ thuật toán của chương trình hoàn toàn đáp ứng 
được độ chính xác phục vụ xây dựng CSDL nền địa hình với khoảng cao đều cơ bản 
1m trở lên. 
2. Luận án đã đề xuất phương pháp nhận dạng đối tượng trên ảnh UAV theo thuật 
toán hướng đối tượng khi kết hợp bình đồ ảnh và dữ liệu độ cao địa vật đã cho kết quả 
cao hơn hẳn so với việc sử dụng ảnh UAV đơn thuần. Độ chính xác của kết quả nhận 
-25- 
dạng đã được đánh giá cả về mặt định tính và định lượng. Với độ chính xác đạt được 
có thể khẳng định kết quả nhận dạng một số đối tượng theo hướng đề xuất hoàn toàn 
sử dụng được trong công tác xây dựng CSDL nhằm giảm thời gian số hóa các địa vật 
này. Ngoài ra, kết quả nhận dạng còn có thể ứng dụng vào mục đích quân sự như nhận 
diện các mục tiêu trên ảnh, cho dân sự như lập quy hoạch, kế hoạch sử dụng đất, v.v. 
3. Ứng dụng kết quả xử lý ảnh UAV để xây dựng CSDL 3D là hoàn toàn khả thi. 
Kết quả xây dựng CSDL với mô hình 3D thực cho phép người dùng có cái nhìn tổng 
quan về không gian khu vực, có thể cập nhật, tra cứu thông tin các đối tượng một 
cách dễ dàng và nhanh chóng. Kết quả nghiên cứu còn có thể giúp các nhà hoạch 
định vạch ra các kế hoạch quy hoạch cảnh quan, không gian đô thị, v.v., các nhà quân 
sự thực hiện công tác chỉ huy, lập kế hoạch tác chiến trên mô hình dữ liệu 3D. 
Kiến nghị 
1. Tiếp tục nghiên cứu và phát triển thuật toán của chương trình tạo DEM từ 
DSM trong luận án để có thể ứng dụng trong thực tế nâng cao độ chính xác tạo DEM 
từ dữ liệu UAV 
2. Áp dụng thuật toán trong PLĐHĐT khi kết hợp bình đồ ảnh và dữ liệu độ cao 
địa vật (DHM) để nâng cao độ chính xác trong công tác nhận dạng tự động đối tượng 
trên ảnh UAV với 3 kênh phổ (RGB), nghiên cứu kết hợp thêm các thông số nhận 
dạng khác để nâng cao độ chính xác nhận dạng tự động. 
 DANH MỤC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA TÁC GIẢ 
1. Nguyễn Quang Minh, Đỗ Văn Dương. Ứng dụng mạng Neuron Hopfield trong 
siêu phân giải bản đồ lớp phủ. Tạp chí Khoa học kỹ thuật Mỏ-Địa chất. Số 
34, tháng 4-2011. 
 2. Đỗ Văn Dương. Các phương pháp phân loại mềm trong phân loại ảnh viễn 
thám. Tạp chí Khoa học Đo đạc và Bản đồ. Số 9, tháng 9-2011. 
 3. Đỗ Văn Dương. Giới thiệu các thiết bị bay không người lái và ứng dụng của 
chúng trong các lĩnh vực dân sự. Hội thảo khoa học lần thứ nhất Trường 
Đại học Tài nguyên và Môi trường, tháng 11-2013. 
 4. Dương Thành Trung, Đỗ Văn Dương, Kai-wei Chiang. Đánh giá độ chính xác 
của hệ thống dẫn đường tích hợp sử dụng IMU vi điện tử và máy thu GPS 
giá thấp trong các ứng dụng định vị, dẫn đường và công tác trắc địa, bản đồ. 
Hội nghị Khoa học và Công nghệ, Viện Khoa học và Bản đồ, tháng 7-2014. 
 5. Đỗ Văn Dương. Xây dựng cơ sở dữ liệu địa lý từ dữ liệu ảnh thu nhận của 
thiết bị bay không người lái (UAV). Tạp chí Khoa học Đo đạc và Bản đồ. 
Số 25, tháng 9-2015. 
6. Đỗ Văn Dương, Nguyễn Sách Thành. Nghiên cứu quy trình lập mô hình 3D 
thực từ dữ liệu ảnh của thiết bị bay không người lái (UAV). Tạp chí Khoa 
học Tài nguyên và Môi trường. Số 9, tháng 9-2015. 
7. Đỗ Văn Dương, Nguyễn Sách Thành. Xây dựng thuật toán tạo DEM từ dữ liệu 
DSM của ảnh UAV. Hội thảo ứng dụng GIS toàn quốc - 2016. 
8. Nguyễn Sách Thành, Nguyễn Quang Minh, Vũ Văn Trường, Đỗ Văn Dương. 
Dựng phần mềm quản lý ảnh vệ tinh dựa trên các công nghệ GIS mã 
nguồn mở. Hội thảo ứng dụng GIS toàn quốc - 2016. 
9. Đỗ Văn Dương, Nguyễn Quang Minh, Lê Thị Nhung. Nâng cao độ chính xác 
nhận dạng đối tượng trên ảnh UAV phục vụ công tác xây dựng CSDL địa 
hình. Tạp chí Khoa học kỹ thuật Mỏ-Địa chất. Số 58, tháng 3-2017 
10. Nguyen, Q. M., Do Van Duong, Atkinson, P. M. & Lewis, H. G. 
Downscaling Multispectral Imagery Based on the HNN Using Forward 
Model. FIG Regional Conference. Hanoi -2009. 
11. Duong Van Do, Hien Phu La, Minh Quang Nguyen. Automatic DTM 
Generation from DSM for Establishing Terrain Data Base. International 
Symposium on geo-spatial and Mobile Mappping Technologies and 
Summer School for Mobile Mapping Technology, GMMT 2016. Hanoi 
University of Mining and Geology.