Integrazione di dati LiDAR e fotogrammetrici raccolti da strumentazione SLAM per la produzione di mesh texturizzate e ortofoto

This thesis aims to evaluate the possibility of generating textured meshes and geometrically accurate orthophotos from images acquired by the cameras integrated in a SLAM device and from the point cloud produced by the LiDAR sensor, assessing their metric accuracy. The objective is to verify whether such orthophotos can represent an effective integration of the traditional point cloud, thereby expanding the application potential of SLAM systems. The study was conducted using the Stonex X120GO device and was based on the definition of two different processing workflows: one purely photogrammetric and the other a hybrid LiDAR-photogrammetric approach. The analyses were developed through three case studies characterized by different geometries and contexts and were supported by metric comparisons with reference data. The evaluation of the results was carried out using statistical indicators such as mean, standard deviation and RMSE. The results show that the SLAM system provides overall reliable position estimates, while more critical issues emerge in the estimation of camera orientations, particularly in correspondence with kinematic variations along the acquisition path. Regarding orthophotos, those derived from the LiDAR point cloud generally have greater geometric stability and smaller deviations from the reference data. Orthophotos obtained from the photogrammetric processing of SLAM images, on the other hand, are characterized by a higher dispersion of errors. The thesis highlights that orthophotos derived from SLAM systems can represent a useful supporting product for 2D mapping, provided that their accuracy and the intrinsic limitations of the system are critically evaluated. The images acquired by SLAM cameras can therefore represent an integrative resource to LiDAR data; however, their use for metrically rigorous applications requires particular caution.

Il presente lavoro di tesi si propone di valutare la possibilità di ottenere mesh texturizzate e ortofoto geometricamente corrette a partire dalle immagini acquisite dalle camere integrate in un dispositivo SLAM e dalla nuvola di punti prodotta dal sensore LiDAR, analizzandone l’accuratezza metrica. L’obiettivo è verificare se tali ortofoto possano rappresentare un’integrazione efficace alla tradizionale nuvola di punti, ampliando le potenzialità applicative dei sistemi SLAM. Lo studio è stato condotto utilizzando il dispositivo Stonex X120GO e si è basato sulla definizione di due differenti workflow di elaborazione, uno puramente fotogrammetrico e l’altro ibrido LiDAR-fotogrammetrico. Le analisi sono state sviluppate attraverso tre casi di studio, caratterizzati da geometrie e contesti differenti, e sono state supportate da confronti metrici con dati di riferimento. La valutazione dei risultati è stata condotta mediante indicatori statistici quali media, deviazione standard e RMSE. I risultati mostrano come il sistema SLAM fornisca stime di posizione complessivamente affidabili, mentre emergono maggiori criticità nella stima degli orientamenti delle camere, in particolare in corrispondenza di variazioni cinematiche del percorso di acquisizione. Per quanto riguarda le ortofoto, quelle derivate dalla nuvola di punti LiDAR presentano generalmente una maggiore stabilità geometrica e scostamenti più contenuti rispetto ai dati di riferimento. Le ortofoto ottenute dalla fotogrammetria delle immagini SLAM risultano invece caratterizzate da una maggiore dispersione degli errori. Il lavoro di tesi evidenzia come le ortofoto derivate da sistemi SLAM possano costituire un prodotto di supporto utile alla restituzione 2D, a condizione di una valutazione critica della loro accuratezza e dei limiti intrinseci del sistema. Le immagini delle camere SLAM possono quindi rappresentare una risorsa integrativa al dato LiDAR, ma il loro utilizzo per applicazioni metricamente rigorose richiede particolare cautela.