Does HDR pre-processing improve the accuracy of 3D models obtained by means of two conventional SfM-MVS software packages? the case of the corral del veleta rock glacier

Abstract

La precisión de los diferentes flujos de trabajo usando la estructura del Movimiento y técnicas estéreo vista múltiple (SfM-MVS) está probado. Nubes de doce puntos del Corral del Veleta glaciar de roca, en España, se produjeron con dos diferentes paquetes de software (123D Catch y Agisoft Photoscan), utilizando imágenes de bajo rango dinámico y composiciones de alto rango dinámico (HDR) para tres años distintos (2011, 2012 y 2014). La exactitud de las nubes de puntos resultante se evaluó mediante modelos de referencia adquiridos cada año con un escáner láser terrestre. Tres parámetros se utilizaron para estimar la precisión de cada nube de puntos: el RMSE, la nube-a-nube distancia (C2C) y la Multiscale-Model a comparación de modelos (M3C2). El M3C2 el error promedio varió de 0,084 m (desviación estándar de 0,403 m) a 1.451 m (desviación estándar de 1.625 m). Agisoft Photoscan superar 123D Catch, produciendo más precisas y densas nubes de puntos en 11 de 12 casos, siendo este trabajo, la primera comparación entre ambos paquetes de software en la literatura. Ninguna mejora significativa fue observada a través de HDR de pre-procesamiento. A nuestro conocimiento, esta es la primera vez que la exactitud geométrica de modelos 3D obtenidos utilizando LDR y HDR composiciones son comparados. Estos hallazgos pueden ser de interés para los investigadores que deseen para estimar los cambios geomórficas con SfM-MVS enfoques.

The accuracy of different workflows using Structure-from-Motion and Multi-View-Stereo techniques (SfM-MVS) is tested. Twelve point clouds of the Corral del Veleta rock glacier, in Spain, were produced with two different software packages (123D Catch and Agisoft Photoscan), using Low Dynamic Range images and High Dynamic Range compositions (HDR) for three different years (2011, 2012 and 2014). The accuracy of the resulting point clouds was assessed using benchmark models acquired every year with a Terrestrial Laser Scanner. Three parameters were used to estimate the accuracy of each point cloud: the RMSE, the Cloud-to-Cloud distance (C2C) and the Multiscale-Model-to-Model comparison (M3C2). The M3C2 mean error ranged from 0.084 m (standard deviation of 0.403 m) to 1.451 m (standard deviation of 1.625 m). Agisoft Photoscan overcome 123D Catch, producing more accurate and denser point clouds in 11 out 12 cases, being this work, the first available comparison between both software packages in the literature. No significant improvement was observed using HDR pre-processing. To our knowledge, this is the first time that the geometrical accuracy of 3D models obtained using LDR and HDR compositions are compared. These findings may be of interest for researchers who wish to estimate geomorphic changes using SfM-MVS approaches.