Mappare un campus universitario in Brasile

Dall’articolo originale uscito su GIM International di Luciene Stamato Delazari, Leonardo Ercolin Filho, tradotto e adattato da Marco Tagliabue

L’Università Federale di Paraná (UFPR) ha la sua sede centrale a Curitiba, ma ha un totale di 26 campus distribuiti nell’intero stato di Paraná, nel sud del Brasile. Insieme tutti i campus comprendono 1.100 ettari, di cui 50 occupati da 316 edifici. Nel 2014 è stato lanciato un ambizioso progetto pilota chiamato ‘UFPR CampusMap’, teso allo sviluppo di un GIS aziendale o ‘smart geodatabase’ per l’amministrazione universitaria. Inizialmente è stato creato un geodatabase delle parti interne ed esterne del campus universitario del Centro Politécnico a Curitiba (Fig.1). Per il progetto pilota le planimetrie sono state ottenute dai gestori delle strutture, mentre la parte esterna è stata creata utilizzando la tecnica di fotogrammetria UAS.

vista bird's eye campus universitario
Figura 1: Vista Bird’s-eye del campus del Centro Politécnico a Curitiba, nel sud del Brasile

Fotogrammetria UAS

La mappa di base è stata creata da immagini catturata con un Phantom 4 da DJI. Per piccolo aree, la fotogrammetria UAS è un metodo più veloce ed economico rispetto alla fotogrammetria tradizionale. Il campus è stato modellato da 1.438 immagini con una GSD (la distanza tra i centri dei pixel misurati a terra) di 2.5 cm, georeferenziate usando 50 punti di controllo a terra (GCP: Ground Control Point) rilevati con strumentazione GNSS (Fig. 2).

linee di volo rilievo UAS
Figura 2: Linee di volo e centri di esposizione del rilievo UAS (a sinistra) e la distribuzione dei punti di controllo nel campus (a destra)

L’estrazione dei punti di collegamento e l’aggiustamento delle rotte con auto-calibrazione sono state eseguite utilizzando Agisoft Photoscan. I parametri di orientamento e le coordinate 3D dei punti di controllo a terra sono stati calcolati simultaneamente con la lunghezza focale, i punti principali ed i coefficienti di distorsione della lente, come ad esempio i parametri dell’orientamento interno. Usando software specifici, è stata quindi generata una nuvola di punti con 516 milioni di elementi, per una densità di 600 punti/m².

modello superficie digitale campus universitario
Figura 3: Modello di superficie digitale del campus (a sinistra) e dettaglio, generati da render

Un modello digitale della superficie (Fig. 3) ortorettificato è stato generato dalla nuvola di punti e dalle immagini. In seguito, i perimetri degli edifici e degli altri oggetti sono stati manualmente estratti attraverso la tecnica chiamata stereo compilation, secondo gli standard della Brazilian Mapping Agency (Fig. 4). I layer con i differenti tipi di oggetti sono stati archiviati ed elaborati in QGIS, mentre la topologia e un geodatabase sono stati creati via Postgres/PostGIS.

sovrapposizione ortofoto edifici campus universitario
Figura 4: I perimetri degli edifici e degli altri oggetti sono stati estratti manualmente tramite stereo compilation, sovrapponendo l’ortofoto del campus

Le coordinate 3D dei 35 punti di controllo, misurate con strumenti GNSS, sono state confrontate con quelle estratte direttamente dal modello digitale della superficie e attraverso la visualizzazione 3D. L’errore quadratico medio planimetrico è stato di 4 cm, quello altimetrico di soli 1 cm: quello complessivo tridimensionale è stato quindi di 4 cm. Questa accuratezza è migliore di quella richiesta per le mappe in scala 1:1000, come definito dagli standard di accuratezza nella mappatura brasiliana (Brazilian Mapping Accuracy Standards).

Interni del campus universitario

Le linee di contorno 2D di edifici, stanze, porte, uscite, corridoi , scale ed ascensori per ogni piano sono state rappresentate su mappa (Fig. 5a), aggiungendo dei punti di transizione, definiti con l’obiettivo di creare percorsi. Questi punti sono fondamentali per trovare il percorso più corto tra due punti usando l’algoritmo di Dijkstra (inventato dall’omonimo informatico olandese negli anni ’50). Porte e corridoi permettono spostamenti orizzontali tra punti nello stesso piano; scale e ascensori li permettono in direzione verticale. Le uscite permettono spostamenti tra interno ed esterno. Per le porte interne i punti di transizione sono stati posti manualmente nel punto centrale della soglia, mentre per i corridoi è stata posta all’intersezione delle linee centrali di due corridoi. I punti di transizione e le loro connessioni emergono nella planimetria schematica. Le linee centrali dei corridoi sono state create manualmente (Fig. 5b).

Quindi le connessioni tra punti di transizione e linea centrale dei corridoi sono state create usando la funzione PostGIS ST-ShortestLine (Fig. 5c), per formare lo schema finale dei percorsi interni per ogni piano (Fig. 5d).

planimetrie interni
Figura 5: Planimetria con punti di transizione (a) e linee centrali dei corridoi (b), uniti tramite linee di collegamento (c) per formare il grafo finale senza planimetria (d)

Creazione di percorsi

Per trovare il percorso più corto tra due punti l’algoritmo Dijkstra assegna un costo alla lunghezza delle traiettorie. Con questo obiettivo, la mappa finale viene trasferita in un grafo, in cui per primi vengono generati i nodi agli estremi di ogni segmento, usando la funzione PostGIS topology.CreateTopology. I tratti disconnessi adiacenti sono stati raggruppati snappandoli con una tolleranza di 10 cm; una volta connessi, il nuovo tratto diventa il confine del grafo. Tutti i piani hanno la stessa planimetria, il che facilita le operazioni, ma applicando la funzione topology.CreateTopology senza cautela e attenzione si può rischiare di connettere segmenti di differenti piani; per questo sono stati creati sottografi per ogni piano del campus universitario, ad eccezione del piano terra dove i dati di OpenStreetMap sono stati combinati con la mappa finale elaborata della figura 5. Se il percorso elaborato coinvolge più piani, i sottografi vengono uniti creando bordi che uniscano come punti di transizione i punti iniziali e finali dei sottografi coinvolti. Nella funzione di creazione dei costi, viene presa la distanza Euclidea tra due piani: in pratica massimo 2 m, che è un piccolo valore se comparato alla lunghezza totale del percorso.

Quale utilizzo futuro?

L’algoritmo per la creazione di percorsi permette la determinazione del percorso più breve tra due punti all’interno di un edificio, oppure un punto interno ed uno esterno. Il prossimo passo è differenziare il risultato in base alla modalità di spostamento (a piedi, in bicicletta o con ciclomotore). Usando QGIS, PostGIS e Python la creazione del grafo finale è completamente automatica, inclusa la determinazione di bordi e nodi. In maniera similare, vengono creati i database su parte interna ed esterna per ogni altro campus universitario formando, una volta raggruppati, il cuore di un GIS aziendale.

Cartelli catasto dei sentieri

E GPSBrianza? Crea mappe interne ed esterne per applicazioni di routing!

Come per questo progetto pilota sul campus universitario, in fase di elaborazione e perfezionamento c’è proprio quell’algoritmo per la creazione di percorsi, che verrà inizialmente implementato nei progetti turistici che includono la rete sentieristica creati con tecnologia WebEasy GIS. Grazie a questa novità, ogni utente potrà il proprio percorso tra due punti in maniera autonoma, così da organizzare la propria escursione ed ottenendo informazioni personalizzate. Rimanete aggiornati sulle novità, ne vedrete delle belle!

Leave Comment

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *