GEODESI ITN MALANG

 

 

 

Teknik Geodesi S-1

Tujuan Pendidikan
  1. Menghasilkan Sarjana Teknik Geodesi  yang cakap dan terampil di bidang survei pemetaan dan  sistem  informasi spasial.
  2. Menghasilkan karya ilmiah yang inovatif dan aplikatif di bidang survei pemetaan dan sistem informasi spasial.
  3. Mengembangkan dan menyebarluaskan ilmu pengetahuan dan teknologi di bidang survei pemetaan dan  aplikasi sistem informasi spasial untuk membantu masyarakat, instansi pemerintah dan swasta.
Kompetensi Program Studi
1. Kompetensi Utama
  1. Bermoral dan Bertaqwa kepada Tuhan Yang Maha Esa
  2. Mempunyai Etika Profesi
  3. Mampu berkomunikasi dalam bahasa indonesia dan bahasa inggris dengan baik
  4. Mampu bekerjasama dengan tim
  5. Mampu mengambil keputusan teknis secara cepat
  6. Mampu memahami dasar pemrograman
  7. Mampu merencanakan dan melakukan kegiatan pemetaan
  8. Mampu melakukan kontrol kualitas hasil kegiatan pemetaan
  9. Mampu membuat rancangan basis data
  10. Mampu membuat sistem informasi spasial
  11. Mampu merencanakan dan melaksanakan penelitian
2. Kompetensi Pendukung
  1. Mampu menggunakan ICT
  2. Mampu mengembangkan Teknologi Lingkungan dalam dunia usaha
  3. Mampu membaca dan menciptakan peluang usaha di bidang Teknik Geodesi
3. Kompetensi Lainnya
  1. Mampu melakukan penilaian atas tanah dan properti.
  2. Mampu mengembangkan perangkat lunak yang mendukung teknologi survei pemetaan
  3. Mampu melakukan kegiatan survei hidrografi
  4. Mampu melakukan kegiatan survei survei untuk aplikasi tambang dan utilitas.
  5. Mampu memahami proses penetapan dan penegasan batas wilayah
  6. Mampu membuat aplikasi sistem informasi
Fasilitas Penunjang
1. Laboratorium Ukur Tanah
  • Theodolite

  • Waterpass

  • Theodolite Digital

  • Total Station

2. Laboratorium Hidrografi dan Geodesi Satelit
3. Laboratorium Fotogrametri dan Penginderaan Jauh
  • Trimble DSM 132 DGPS ( Rover )
  • 2 Unit GPS  Geodetic Leica SR 333
  • Wireless PS data link Pasific Crest PDL Base dan Pacific Crest EDL II Radio
  • Odom Hydrotrack Echosounder
  • Valeport 740 Automatic Tide Gauge
  • Software HydroPro Navigation Ver.2.31
  • Software Terramode HDMS Ver. 10.4
  • Software PDL Config Ver. 2.40 dan EDL Config Ver.1.21
  • Software TSIP Talker V.2.00
  • Software Analisa & Prediksi Pasut ( Totis )
  • Software SKI Pro
  • Stereopeker
  • Stereokop
4. Laboratorium Sistem Informasi Geografis
  • Koneksi Internet
5. Laboratorium Kartografi
6. Perpustakaan Geodesi (PUSTEG)

Kerjasama
  1. BAKOSURTANAL
  2. LAPAN, Pemda Tingkat I Jawa Timur
  3. Pemda Tingkat II Kota dan Kabupaten Malang
  4. Jurusan Teknik Geodesi Institut Teknologi Bandung
  5. Jurusan Teknik Geodesi Universitas Gajah Mada Yogyakarta
  6. Hidronav Tehknikatama, Jakarta
Peluang Kerja

Lulusan Sarjana Teknik Geodesi dan Geoinformatika ITN Malang telah banyak bekerja di berbagai instansi swasta maupun negeri yang tersebar di seluruh Nusantara, seperti berikut :
  1. Departemen Perhubungan dan Telekomunikasi
  2. Departemen Dalam Negeri
  3. Departemen Kelautan dan Perikanan
  4. Departemen Pekerjaan Umum
  5. Departemen Pertambangan
  6. Departemen Kehutanan
  7. Departemen Pertanian
  8. Badan Pertanahan Nasional (BPN)
  9. BAPEDA


  1. BAKOSURTANAL
  2. PERTAMINA
  3. Perusahaan Pertambangan
  4. Perusahaan Survey dan Pemetaan
  5. Direktorat Jendral Pajak Departemen Keuangan
  6. Militer (Dinas Topografi TNI Angkatan Darat), Dinas Hidrografi dan Oceanografi TNI Angkatan Laut, Dinas Pemotretan Udara TNI Angkatan Udara dan Pusat Survey dan Pemetaan (PUSURTA) TNI.
  7. Kontraktor Swasta dan BUMN
  8. Kontraktor Minyak Bumi

SEJARAH FOTOGRAMETRI

Definisi:
fotogrametri
"Ilmu atau seni untuk memperoleh pengukuran yang dapat diandalkan oleh
cara foto. "

"Fotogrametri adalah seni, ilmu pengetahuan, dan teknologi memperoleh informas yang dapat dipercaya tentang objek fisik dan lingkungan melalui proses pencatatan, pengukuran, dan menafsirkan gambar foto dan pola elektromagnetik radiasi energi dan fenomena lain. " (ASPRS, 1980)
1.  Definisi dan Sejarah Fotogrametri

Sejarah: Fase Perkembangan Fotogrametri
· Plane table photogrammetry
· 1850 to 1900
· Analog photogrammetry
· 1900 to 1960
  

· Analytical photogrammetry
· 1960 to present

  · Digital photogrammetry
· Present/ today









3D CAPTURE DEM / DTM / DSM

1. Pengenalan
Kemungkinan untuk menyimpan dan menganalisis 3-D data dunia nyata dalam bentuk digital telah menjadi kenyataan di berbagai bidang kegiatan manusia. Informasi lebih rinci dan data tentang lingkungan kita hidup sekarang dapat dicari, dianalisis dan disajikan sebagai penyimpanan data digital dan kapasitas manipulasi telah meningkat dan tersedia bagi banyak orang. Data yang akurat dikumpulkan dengan biaya yang efisien metode ini selalu berguna dalam perencanaan dan pengambilan keputusan. Misalnya, lima belas sampai dua puluh tahun lalu, akurasi pemetaan 3-D fotogrametri dibutuhkan peralatan yang sangat canggih dan mahal bersama dengan personil terlatih. Sekarang, dengan citra digital, setidaknya permintaan untuk peralatan khusus telah berubah secara dramatis. Kemajuan teknis dalam laser dan teknologi penentuan posisi juga telah menyediakan kita dengan cara-cara baru dalam memandang dunia (Baltsavias 1999a, Kraus 1993).
Fotogrametri didasarkan pada pengolahan gambar. Produk utama adalah model medan digital (DTM), model permukaan digital (DSM), orthoimages, rekonstruksi 2D dan 3D dan klasifikasi objek dunia nyata, dan visualisasi (model virtual). Meskipun teori fotogrametri banyak tanggal kembali lebih dari satu abad penggunaan fotogrametri digital dalam penggalian informasi telah mengalami perkembangan hanya untuk 20 tahun terakhir. Tingkat otomatisasi dan digitalisasi dari proses kerja sekarang cukup tinggi. Penilaian kualitas produk fotogrametri mapan dan kemungkinan secara keseluruhan dan batas-batas metode fotogrametri yang umum dikenal (Baltsavias 1999a).
Laser dikatakan salah satu penemuan teknologi yang paling menonjol dari abad 20. Ia baru-baru ini diperkenalkan kepada masyarakat fotogrametri dan saat ini minat laser scanning udara (ALS) telah sangat meningkat. Fakta bahwa ALS masih merupakan teknologi baru mempengaruhi biaya, jatuh tempo dari metode pengolahan data dan integrasi sistem pencitraan, jumlah sistem dan penyedia layanan dll (Baltsavias 1999a).
Perbedaan utama antara fotogrametri dan ALS dapat terdaftar sebagai berikut: i) vs pasif aktif, daya tinggi, collimated dan monokromatik penginderaan, ii) kerangka atau sensor linier vs sensor titik, iii) perspektif pencitraan geometri geometri vs kutub, iv) cakupan area penuh vs pengambilan sampel pointwise, v) tidak langsung vs langsung akuisisi atau pengkodean koordinat 3D, vi) kualitas gambar geometris dan radiometrically tinggi vs ada gambar pencitraan atau monokromatik berkualitas rendah, vii) teknologi matang dan kesalahan pemodelan vs keduanya menjadi. dalam pengembangan, viii) sistem desktop vs ketergantungan yang kuat pada sistem dan penyedia data. Banyak lagi perbedaan lainnya dapat dilihat sebagai konsekuensi dari yang disebutkan di atas (Baltsavias 1999a).
Aspek umum antara ALS dan gambar yang cocok untuk DSM / DTM produksi adalah: i) penggunaan GPS / INS, ii) metode untuk pengolahan mentah (X, Y, Z)-data seperti penyaringan outlier, DTM generasi dari DSM, deteksi dll elevasi breaklines, dan iii) analisis citra / metode pengolahan ketika ALS-data secara teratur diinterpolasi menjadi gambar (Baltsavias 1999a).


Gambar 1. Bekerja tahapan dalam produksi DSM. Pendekatan permukaan di mana garis produksi bertemu. (POS = optik pasif penginderaan ~ fotogrametri DSM produksi)
 
2. Tugas menghasilkan DEM / DSM / DTM
Menurunkan atau merekonstruksi 3-D atau 2 ½-D permukaan dari proyeksi 2-D atau data mulai kadang-kadang disebut pemindaian 3D. Sebagai produk semi-selalu ada titik awan-3D yang mungkin atau tidak mungkin diperintahkan dalam beberapa hal seperti poin berturut-turut dalam data laser. Ada banyak cara untuk membuat semacam titik-awan data dari objek dunia nyata dan dalam konteks makalah ini berikut ini adalah penting: i) pendaftaran kontrol (korespnndensi ~, ~ objek) poin dalam beberapa pandangan, ii) laser scanning menggunakan satu atau beberapa pandangan untuk objek lebih jenis topologi rumit (Hoppe 1994).
Konsep agak irasional model 2 ½ dimensi permukaan berasal dari gagasan bahwa hal itu dapat diasumsikan bahwa untuk setiap posisi XY-ada hanya ada satu Z-koordinat dalam model dari objek tiga dimensi (Kraus 1997 hal. 357). Tipe model ini memiliki keuntungan yang jelas karena begitu mudah dalam definisi. Dalam hal parameterisasi permukaan jenis model adalah bermanfaat. XY-pesawat adalah basis yang kuat dan solusi yang unik dalam hal memperoleh tiga dimensi koordinat untuk setiap titik dijamin oleh definisi representasi. Keterbatasan juga jelas. A 2 ½ D model tidak akan cukup jika kompleks objek tiga dimensi perlu diwakili. Contohnya bisa menjadi model tiga dimensi dari sebuah pohon berdaun lebar untuk tujuan visualisasi untuk mana 2 ½ dimensi representasi akan gagal. Di sisi lain representasi untuk permukaan tanah dapat dilakukan dengan menggunakan 2 ½-dimensi
Dalam tulisan ini DSM istilah digunakan untuk jenis 2 ½ dimensi representasi di mana untuk titik unik pada bidang XY-ada yang unik Z-nilai atau rentang yang terbatas tunggal dari Z-nilai yang mewakili breakline dalam model permukaan. Sebuah model medan digital, DTM biasanya dianggap sebagai perbaikan atau (termasuk) subset dari DSM. Dapat dikatakan bahwa DSM disaring untuk menghasilkan DTM atau DEM. Objek dan variabilitas permukaan dikeluarkan dalam proses penyaringan.
Masalah yang berasal sebuah DSM dari pengukuran dapat didefinisikan sebagai berikut: Mengingat satu set titik sampel X Î Â 3, diasumsikan terletak pada atau dekat permukaan tidak diketahui U, membuat model permukaan S U kurang lebih seperti bahwa d kriteria (S, U) <c dimana d () adalah beberapa perbedaan (jarak-) fungsi dan c adalah ambang batas kriteria, puas. Sebuah asumsi yang kuat pada jenis topologi dan morfologi U dibuat ketika DSM pendekatan dianggap.
Harus diingat bahwa pengukuran di X tidak pernah bebas dari kesalahan pengukuran dan yang sering X set berisi outlier. Contoh kasus ketika outlier yang hadir di X adalah dataset ALS dengan pengukuran campuran untuk kedua permukaan vegetasi dan permukaan tanah. Untuk mengidentifikasi dan menghapus outlier adalah identifikasi masalah dan salah mudah menyebabkan perkiraan permukaan bias.
Himpunan model permukaan {S j} adalah dalam praktek tak terbatas dan banyak model permukaan yang berbeda dapat perkiraan sama baik untuk permukaan yang benar (titik data). Hal ini membuat permukaan sebuah pendekatan masalah sakit-diajukan. Biasanya bentuk fungsional dari model permukaan adalah tetap dan tugas pendekatan dikurangi menjadi parameter-perkiraan atau berubah dari masalah variasi kalkulus menjadi masalah regresi. Para Cartesian [a, b] x [c, d] Î Â 2 grid atau daerah yang sewenang-wenang A Î Â 2 untuk yang model permukaan dibangun dapat dibagi ke dalam grid tidak beraturan atau biasa (grafik) untuk membuat 'sesepenggal' model - atau model dapat menjadi global. Model yang berbeda memperhitungkan breaklines account atau penyimpangan dalam permukaan dengan cara yang berbeda, beberapa model menghasilkan permukaan yang lebih kontinu lebih halus atau geometris dari yang lain, struktur data dan kompleksitas komputasi bervariasi, dll Keberadaan breaklines di permukaan dan kemampuan pemodelan permukaan metode untuk mengenali dan mewakili mereka merupakan aspek fundamental ketika metode yang berbeda adalah nilai untuk kinerja mereka.
___________________________________________________________________________________
Beberapa ½ 2-D dan 3-D dalam permukaan
Polygonal jerat dan TINS
Poligon planar, juga tahu sebagai aspek planar atau wajah, dapat digunakan untuk model 3D-kompleks objek. Satu set poligon permukaan membungkus interior objek. Misalnya fitur permukaan dari sebuah polyhedron didefinisikan secara tepat oleh satu set poligon permukaan. Untuk obyek lain permukaan perlu tessellated berbeda untuk menghasilkan perkiraan poligon-mesh. Sebagai contoh sebuah mahkota pohon berbentuk kerucut dapat terdiri dari aspek segitiga yang mendekati permukaan kerucut. Data geometris yang disimpan dalam tabel vertex, edge dan poligon-permukaan. Polygonal jerat berguna misalnya ketika bentuk parametrik untuk permukaan 3D yang kompleks tidak dapat ditemukan. Sebuah jaringan yang tidak teratur segitiga adalah 2 ½ dimensi polygonal mesh yang sering digunakan untuk topografi model. Bila nilai Z adalah untuk didekati di lokasi (x, y) itu diberikan oleh persamaan planar (ax + by + c = 0) untuk segitiga yang membungkus titik planar. Dalam representasi ini breaklines menyajikan masalah. Grafik dapat dibuat secara lokal yang sangat padat untuk mengurangi efek breaklines tapi yang datang pada biaya penyimpanan ekstra dan usaha komputasi. Untuk mengatasi masalah breaklines atau diskontinuitas dalam Z-representasi grafik rusak menjadi struktur 'sesepenggal', di mana breaklines dikondisikan untuk mengikuti tepi presentasi 'sesepenggal' (Jain, Kasturi & Schunk p.374-378 ).
Permukaan patch
Polinomial patch permukaan yang baik untuk pemodelan bagian permukaan, seperti lingkungan sekitar titik. Mereka tidak nyaman untuk pemodelan seluruh permukaan dan dapat diterapkan pada permukaan grafik saja. Patch adalah polinomial bivariat: bilinear, bikwadratik, bicubic, biquartic dll (Jain, Kasturi & Schunk p.378-379)
Tensor produk permukaan
Sebuah kompleks 2 ½-D permukaan dapat direpresentasikan sebagai urutan fungsi yang berbeda: polinomial, B-splines, fungsi trigonometri dll B-splines umum digunakan karena sifat geometris mereka kontinuitas. (Jain, Kasturi & Schunk p.380)
_____________________________________________________________________
Penilaian kualitas dari DSM adalah sebagian tugas aplikasi tertentu. Sebuah DSM yang digunakan untuk produksi skala besar ortofoto harus memenuhi kriteria yang berbeda dari DSM yang digunakan sebagai dasar untuk DEM yang akan digunakan untuk banjir perlindungan. Kepadatan awan 3D-titik akan mempengaruhi kualitas dari DSM. Sebuah kerapatan titik tinggi memungkinkan untuk model permukaan untuk mengikuti perubahan mendadak di permukaan (komponen frekuensi tinggi). Kesalahan acak dalam pengukuran (dalam lokasi titik, s XY, s Z) di sisi lain perlu merapikan dan oleh karena itu komponen-komponen frekuensi tinggi sering hilang dari permukaan yang dimodelkan.
3. Metode
3.1. Airborne laser scanning
Sebuah sistem laser khas udara mulai beroperasi di band inframerah dekat di mana panjang gelombang adalah 1040-1060 nm. Biasanya pulsa pendek, 10 ns (10 kHz) dalam durasi dan menengah untuk daya tinggi. Penyimpangan balok adalah ca. 1 mrad. Beberapa sistem memungkinkan pencatatan gema beberapa dari satu pulsa laser, misalnya pertama dan terakhir, atau bahkan yang tambahan secara berkala di-antara. Selain informasi informasi rentang intensitas juga dicatat. Posisi pesawat diperkirakan dengan GPS atau eq. dan sikap dari pistol laser dengan INS. Dengan informasi orientasi gema dapat diberikan koordinat dunia nyata dan mereka mengkonversi langsung ke geocoded / informasi titik dirujuk. Setiap kesalahan dalam hasil orientasi dalam kesalahan lokasi untuk poin (misalnya 1999b Baltsavias p.207-212) (lihat gambar 2a untuk ilustrasi). Orientasi luar dari sistem laser adalah fungsi dari waktu dan ini menetapkan tuntutan tinggi pada sistem posisi. Biasanya bidang pandang (FOV) dari mulai laser adalah kurang dari 30 derajat sehingga strip lebar maksimum adalah dari 100 sampai 500 meter untuk ketinggian terbang khas mulai dari 200 sampai 1000 meter. Poin yang tidak membentuk grid biasa di permukaan tanah dan konsep titik tidak jelas karena perbedaan balok. Daerah proyeksi sinar pada target, juga disebut jejak laser, bisa beberapa meter persegi untuk ketinggian mulai tinggi yang memburuk sifat geometrik dan radiometrik dari data titik (lihat gambar 3).
Gambar 2a Kesalahan dalam sistem GPS / INS. Merupakan salah satu sumber ketidaktelitian LOKASI untuk titik-titik yang diukur.
Contoh kesalahan lokasi untuk titik (lihat gambar 2a untuk ilustrasi): Asumsikan lokasi laser (X0, Y0, Z0) untuk bebas dari kesalahan, ketinggian terbang rata-rata 500 meter dan kesalahan INS untuk sudut Ð Ð dan b untuk Gaussian didistribusikan dengan 0,1 derajat (= 0,001745 rad.) standar deviasi. Kesalahan pembacaan jarak laser (r) diharapkan terdistribusi secara normal dengan mean nol dan standar deviasi 0,1% dari ketinggian terbang.
Titik lokasi (X, Y, Z) diberikan oleh himpunan persamaan:


Gambar 2b. Awan titik disimulasikan dengan INS salah (Ð sebuah, Ð b) dan berbagai pengamatan (r). Left FOV 10 derajat, kanan 30 derajat FOV. Angle b (lihat gambar 2a) memiliki rata-rata +5 derajat dalam kedua kasus. Terbang ketinggian 500 meter, titik diasumsikan di Z 0 tingkat =.
Gambar 3. Ketinggian terbang mempengaruhi ukuran tapak. Dalam kondisi hutan gema beberapa dapat didaftarkan. Untuk mengklasifikasikan poin ke poin tanah dan vegetasi adalah tugas yang diperlukan untuk produksi DTM.
Laser, menjadi sebuah sensor aktif, secara teoritis dapat digunakan selama 24 jam sehari. Penerangan bayangan yang dilemparkan oleh objek tidak ada, hanya oklusi oleh objek lain. Untuk generasi DTM, akuisisi data lebih baik ketika pohon tidak memiliki daun, dimana penerbangan bahkan dapat terjadi di musim dingin dengan salju tipis. Rentang dinamis objek refleksi tinggi untuk sinar laser monokromatik sehingga sinyal sering jenuh dan di sisi lain beberapa objek mungkin tetap 'tak terlihat' karena reflektansi yang rendah di daerah panjang gelombang laser (Baltsavias 1999a, Krauss & Pfeifer 1998).
Untuk merencanakan penerbangan ALS adalah tugas yang menuntut. Misalnya dasi poin yang digunakan untuk penyesuaian strip dan titik kontrol di perbatasan blok harus didefinisikan dengan baik 3D-struktur. Tinggi titik kontrol diganti dengan daerah kontrol ketinggian datar yang diukur untuk tinggi dengan GPS misalnya. Mereka perlu cukup besar untuk mengkompensasi kesalahan identifikasi mungkin. Risiko kegagalan dalam proses scanning yang cukup tinggi. Di sisi lain penerbangan sukses memberikan data (titik tidak berbintang mengatur X) cepat dan langsung geocoded dalam sistem koordinat objek.
3,2 Photogrammetric akuisisi data
Elemen sentral dari fotogrametri yang membuatnya berbeda dari ALS adalah: data yang diperoleh dengan bingkai pasif (hanya bingkai sensor atau kamera udara dan foto udara metrik diperlakukan sini seterusnya) sensor; transformasi geometris ditentukan oleh proyeksi pusat dan geometri perspektif; orientasi dalam dari kamera udara metrik biasanya mapan (bundel stabil sinar) dan gambar kualitas geometrik dan radiometrik yang tinggi; objek yang terdeteksi pada gambar-gambar ini biasanya lebih kecil daripada dalam kasus ALS; koordinat 3D diperoleh tidak langsung; dan teori kesalahan pengukuran 3D-mapan untuk fotogrametri.
Metode fotogrametri analitis dan digital telah menyebabkan peningkatan tingkat otomatisasi fotogrametri. i) Otomatis fitur pengukuran (titik) fotogrametri, ii) solusi otomatis masalah korespondensi stereo (pencocokan gambar) dan iii) akurasi data capture seperti stereoskopis adalah masalah utama dalam DSM-otomatis produksi menggunakan data fotogrametri.
Definisi yang diberikan sebelumnya mengatakan bahwa DSM dipahami sebagai model permukaan S yang kurang lebih sama U permukaan benar dari yang kita punya contoh titik X Î Â 3 kesalahan mengandung. Untuk mendapatkan X set tidak sesederhana dalam kasus fotogrametri seperti pada ALS. Dalam ALS X set berasal dari mana saja di U permukaan tetapi dalam fotogrametri ini tidak berlaku. Untuk fotogrametri poin di X harus fitur geometris khas dari U permukaan terlihat pada lebih dari satu gambar (kamera) untuk mengaktifkan pencocokan (tidak berlaku untuk rekonstruksi global). Metode solusi untuk masalah korespondensi: diberikan fitur geometris x 1 pada gambar 1, menemukan atau sesuai dengan fitur yang sesuai x n pada gambar n, bervariasi misalnya karena fitur yang berbeda untuk dicocokkan. Dalam proses produksi DSM fitur x adalah fitur biasanya titik atau area pada gambar. Pada fotogrametri pengguna operator memilih fitur dan memecahkan masalah korespondensi.
Gambar 4. Pada fotogrametri poin di X harus "dicocokan" fitur geometris khas terlihat pada lebih dari satu gambar.
Permukaan pemodelan otomatis atau rekonstruksi bentuk geometri benda dari gambar digital dapat dilakukan dengan menerapkan beberapa gambar-matching metode. Masalah yang berbeda panggilan untuk solusi yang berbeda (Kraus 1993, hal. 367). Cabang-cabang utama dari teknik pencocokan citra adalah:
i) fitur berbasis pencocokan metode,
ii) sinyal / daerah berdasarkan metode dan
iii) metode relasional.
Masalah dengan semua metode ini adalah sifat dari masalah korespondensi: tidak larut dalam kasus umum sama sekali. Self-oklusi gambar non-cembung objek dan intensitas seragam area yang luas dalam gambar membuat masalah korespondensi inheren ambigu. Kendala harus digunakan untuk mengurangi ambiguitas yang melekat pada masalah korespondensi stereo.
Kendala berikut dapat digunakan: epipolar, keunikan, kompatibilitas fotometrik, kesamaan geometris, kelancaran perbedaan, kesenjangan figural, kompatibilitas fitur, batas perbedaan, pemesanan dan saling korespondensi kendala (Sonka dkk p 477.).
Kendala Epipolar yang mengatakan bahwa titik yang sesuai hanya dapat terletak pada garis epipolar di gambar kedua mengurangi ruang pencarian potensi 2D ke 1D (lihat gambar 4). Keunikan kendala yang menyatakan bahwa dalam kebanyakan kasus pixel dari gambar pertama dapat berhubungan dengan hanya satu pixel dalam gambar kedua ini sering tidak berlaku karena perbedaan geometris antara gambar yang disebabkan oleh geometri perspektif. Misalnya dalam kasus kanopi hutan kendala pemesanan tidak dapat digunakan, karena permukaan (puncak pohon) biasanya tidak pada kedalaman yang sama. Geometri Perspektif adalah penyebab atas perbedaan geometris antara gambar yang digunakan untuk pencocokan. Perbedaan ini dimodelkan dengan transformasi geometris dalam proses pencocokan. Hal ini memungkinkan penggunaan beberapa kendala di atas. Biasanya gambar dua atau lebih digunakan untuk pencocokan juga memiliki perbedaan radiometrik antara mereka yang perlu dimodelkan untuk memungkinkan penggunaan kendala kompatibilitas fotometri.
Korelasi berbasis korespondensi stereo
Korelasi berbasis algoritma menggunakan asumsi bahwa piksel dalam korespondensi memiliki intensitas sangat mirip (kendala kompatibilitas fotometrik). Intensitas piksel tunggal tidak memberikan informasi yang cukup dan dengan demikian intensitas piksel tetangga beberapa jendela dipertimbangkan. Korelasi berbasis metode karena itu juga disebut berbasis wilayah atau sinyal berbasis (Sonka dkk hal. 480).
Memecahkan stereo (3D) masalah korespondensi dari dua gambar digital adalah mungkin ketika orientasi gambar diketahui. Maka ada kemungkinan untuk menerapkan satu dimensi korelasi dengan geometri epipolar dalam dua gambar asli. Dalam metode ini ada gambar target dan area pencarian yang sesuai pada gambar kedua. Metode ini hanya bekerja jika gambar target adalah cukup besar untuk memasukkan setidaknya satu lagi atau tepi kurang jelas dalam profil kepadatan, karena ujung-ujungnya seperti yang penting untuk korelasi akurat (Kraus 1993, hal. 367).
Dalam korelasi metode berbasis hirarkis multi-level atau multi-resolusi pencocokan sering digunakan. Metode piramida ini sangat efisien dalam menemukan nilai-nilai perkiraan. Hasil pada tingkat kasar menyediakan titik awal untuk korelasi pada tingkat yang lebih halus (Kraus, 1993 hal.. 374).
Contoh dari salah satu metode korelasi berbasis: Garis vertikal lokus-metode
Hal ini dimungkinkan untuk melakukan korelasi gambar (pencocokan) dan pembentukan objek dalam satu proses tanpa titik-titik 3D cocok sebagai fase sub-dalam pekerjaan konstruksi permukaan. Salah satu metode tersebut yang mencapai dua kali operasi ini dikenal sebagai Garis Vertikal korelasi Locus (VLL). VLL dapat diterapkan setelah orientasi dari dua (atau lebih) gambar. Dalam metode VLL-tahap pertama adalah untuk menentukan XY-lokasi yang Z adalah untuk diperkirakan. Ini bisa menjadi jaringan biasa (grafik). Untuk setiap lokasi XY-, persamaan collinearity dapat digunakan untuk menemukan daerah sesuai dengan nilai-nilai yang berbeda-Z pada kedua gambar. Ini dibuat ke jendela di setiap gambar dan homolog jendela ditemukan dengan mencari pasangan yang memaksimalkan korelasi. Ini mendefinisikan diperlukan XYZ-point. Koreksi geometrik dan radiometrik dapat diperhitungkan dan persamaan korelasi diperluas untuk mencakup tidak diketahui tambahan geometris transformasi (pesawat) atau radiometrik (Kraus 1993, hal. 376).
Gambar 5. Dalam metode VLL-XY-koordinat yang pertama ditentukan. Serangkaian pesawat berjarak sama didirikan untuk setiap lokasi xy. homolog jendela ditemukan dengan menggunakan korelasi citra.
Fitur berbasis korespondensi stereo
Kualitas hubungan tergantung pada tekstur dari isi gambar dan oleh karena itu mungkin dianjurkan untuk memilih daerah yang menarik dari gambar pertama. Jadi yang disebut operator bunga yang cocok untuk tujuan ini. Tuntutan pada X poin dari U permukaan obyek 3D dinyatakan dalam bab 2.2.1. terpenuhi oleh operator bunga. Tuntutan untuk operator bunga menyediakan fitur calon untuk dicocokkan adalah: fitur harus dibedakan, mereka harus invarian untuk sebagai transformasi radiometrik dan geometrik sebanyak mungkin; fitur harus stabil dalam arti bahwa probabilitas untuk menemukan fitur yang sama dari kedua gambar dengan operator tinggi. Secara umum fitur berbasis metode kurang ambigu karena jumlah calon potensial untuk korespondensi lebih kecil. Ada calon yang lebih sedikit untuk diperiksa atau diverifikasi.
3.3. Menghitung koordinat 3D untuk poin yang sesuai
3D-koordinat untuk titik-titik (atau entitas konjugasi lainnya) yang ditemukan pada dua atau lebih gambar diperoleh secara analitis dengan menggunakan kondisi collinearity dan prinsip persimpangan spasial. Akurasi titik (fitur) lokasi (s XY, Z s) dipengaruhi antara lain oleh ketepatan orientasi gambar (imaging geometri), keakuratan lokasi fitur (noise pengukuran) pada gambar (Subpiksel mungkin akurasi) dan ketinggian terbang atau jarak objek dalam foto udara (geometri pencitraan). Lokasi ini kemudian membentuk 3D data (set X) untuk perkiraan DSM untuk mengikuti.
4. DSM (DTM) produksi dari 3D-titik awan
4,1 ALS Data
Kraus dan Pfeifer (1998) memberikan keterangan untuk iteratif algoritma untuk menghitung berkualitas tinggi DTM dengan menghilangkan non-medan poin dari data ALS. Pada awalnya permukaan yang rata-rata dihitung berdasarkan semua titik, non-medan dan medan. Residu dari permukaan kurang lebih sama bobotnya sehingga poin medan yang lebih cenderung memiliki residu negatif mendapatkan berat tertinggi dan residu positif besar (puncak pohon, cabang) mendapatkan berat badan nol. Pada iterasi kedua dan kemudian titik-titik daerah telah menarik 'permukaan dihitung. Kraus dan Pfeifer menyimpulkan bahwa kualitas Geomorfologi model rendah: di sepanjang lembah DTM memiliki depresi buatan dan breaklines alami tidak ada. Penyuntingan manual sering dibutuhkan. Ini panggilan untuk POS-gambar yang diambil untuk lokasi yang sama.
Gambar 6. Memproduksi DTM melibatkan masalah klasifikasi. Outlier atau titik yang tidak termasuk U permukaan sejati harus dideteksi.
4,2 Photogrammetric Data
Cara mudah dan membosankan pembuatan DTM dengan POS data adalah metode garis kontur berikut dan vectoring manual menggunakan digital (atau analitis) stereo workstation. Kunjungan lapangan yang diperlukan di mana oklusi terjadi. Untuk mengotomatisasi produksi DTM dari data fotogrametri mensyaratkan bahwa poin cocok mewakili medan. Dalam non-hutan ini dapat dicapai, tetapi lapangan mahal diperlukan untuk kawasan hutan. Metode pencocokan memproduksi dan mengukur DSM (Baltsavias 1999 p 89.). Otomatis metode triangulasi udara ada meskipun mereka sebaiknya disebut semi otomatis karena beberapa tahapan pekerjaan yang masih membutuhkan operator (Heikkilä 2000).
5. Kesimpulan
ALS memiliki kelebihan tertentu atas data capture fotogrametri, yang bersama-sama dengan fakta bahwa htu adalah bidang yang berkembang membuatnya menjanjikan. ALS dapat digunakan dalam pemetaan permukaan yang memiliki tekstur sangat sedikit. Permukaan buruk didefinisikan seperti kanopi hutan yang terukur (volumetrik) dengan ALS. Bahkan dalam kondisi hutan lebat sinyal laser menembus lapisan vegetasi dan pulsa dari medan ditangkap. Dalam gambar otomatis atau manual sesuai hutan lebat merupakan daerah di mana POS menangkap tidak ada informasi dari medan. Penelitian lapangan dalam kondisi seperti itu juga sangat rumit. ALS adalah biaya lebih efisien dalam pemetaan 3D-panjang, fitur sempit. Ini termasuk jalan, koridor powerline, garis pantai, saluran air dll ALS daerah perkotaan dapat dibuat untuk memberikan pengukuran yang padat dan akurat (ketinggian terbang rendah, kinematik GPS) di mana pemodelan objek 3D dengan diskontinuitas tajam seperti bangunan dapat didasarkan. Seperti DSM dapat digunakan misalnya untuk merencanakan lokasi & orientasi antena komunikasi. Benda kecil seperti kabel listrik terlihat oleh laser. ALS memiliki respon yang cepat. Informasi dengan cepat dapat diubah menjadi koordinat 3D, yang bisa menjadi sangat penting dalam beberapa kasus. Akurasi masalah bersama-sama dengan klasifikasi dan identifikasi titik dan objek adalah area dimana ALS-teknologi perlu ditingkatkan dan di mana POS masih bisa bersaing dengan ALS. Teknik lain seperti SAR interferometric juga harus diingat ketika harus memutuskan apa data capture digunakan untuk memecahkan suatu pemodelan 3D-spesifik (DSM) tugas. Algoritma perkembangan di foto udara telah agak lambat ini, dan penelitian terutama berfokus pada otomatisasi ekstraksi ciri. Kemajuan lebih lanjut dalam generasi DTM dikatakan kurang atau sangat lambat. ALS adalah untuk tinggal di fotogrametri. Ini memiliki tumpang tindih dengan proses fotogrametri yang ada, melainkan bersaing dengan mereka dan akhirnya akan, setidaknya sebagian, menggantikan mereka. Integrasi dari ALS dengan digital POS dapat membuka pendekatan baru dalam rantai produksi seluruh fotogrametri (Baltsavias 1999).

Daftar Pustaka
Axelsson, P. 1999. Processing of laser scanner data - algorithms and applications. ISPRS. Journal of Photogrammetry & Remote Sensing 54 (1999) pp. 138-147.
Baltsavias, E.P. 1999a. A comparison between photogrammetry and laser scanning. ISPRS. Journal of Photogrammetry & Remote Sensing 54 (1999) pp. 83-94.
Baltsavias, E.P. 1999b. Airborne laser scanning: basic relations and formulas. ISPRS. Journal of Photogrammetry & Remote Sensing 54 (1999) pp. 199-214.
Heikkilä, J. 2000. Digitaalinen ilmakolmiointi. Luentokalvot Maa57.306.
Hoppe, H. 1994. Surface Reconstruction from Unorganized Points. PhD Thesis. University of
Washington. 116 p.
Inkilä, K. 1999. Digitaalisten kuvien yhteensovitus. Luentomoniste. Teknillinen korkeakoulu. Fotogrammetrian ja kaukokartoituksen laboratorio. (Matching of digital images. Lecture Notes. Helsinki University of Technology. Laboratory of Photogrammetry and Remote sensing.)
Jain, R., Kasturi,. R., Schunck, B. 1995. Machine vision. McGraw-Hill. 549 p.
Kraus, K. 1993. Photogrammetry. Vol 1. Fundamentals and Standard Processes. Dummler/Bomm. 397 p.
Kraus, K., Pfeifer, N. 1998. Determination of terrain models in wooded areas with airborne laser scanner data. ISPRS. Journal of Photogrammetry & Remote Sensing 53 (1998) pp. 193-203.
Sonka, M., Hlavac, V., Boyle, R. 1999. Image processing, Analysis and Machine Vision. 2nd edition. PWS Publishing. 770 p.

SKALA

SKALA (PENGERTIAN, JENIS, SKALA PETA, RUMUS, DAN CONTOH SOAL)

A. Skala

Skala adalah angka yang menunjukkan perbandingan jarak di peta dengan jarak sebenarnya.

B. Jenis Skala

1. Skala angka

contoh 1:500.000 dibaca setiap 1 cm pada peta mewakili 500.000 cm di lapangan

2. Skala garis

contoh  0_2_4_6_8_10 cm
            0_1_2_3_4_5 km
dibaca setiap 10 cm pada peta mewakili 10km di lapangan

3. Skala verbal

contoh 1 inchi = 5 mil
skala verbal biasanya digunakan oleh orang-orang Amerika dan Eropa

C. Jenis Peta Berdasarkan Skala
  1. Peta kadaster (1:100 - 1:5.000) = skala sangat besar. Contoh: Peta Badan Pertanahan Nasional, Peta Sertifikat Tanah, Peta Perencanaan Pembangunan/Proyek, Peta Wilayah RT dan RW.
  2. Peta skala besar (1:5.001 - 1:250.000). Contoh: Peta Desa, Peta Kelurahan, Peta Kecamatan dan Peta Kotamadya.
  3. Peta skala menegah (1:250.001 - 1:500.000). Contoh: Peta Kabupaten dan Peta Propinsi.
  4. Peta skala kecil (1:500.001 - 1:1.000.000). Contoh: Peta Pulau Kalimantan dan Peta Negara
  5. Peta geografis ( > 1:1.000.001) = skala sangat kecil. Contoh: Peta Regional Asia Timur, dan Peta Dunia.
 D. Contoh Soal

1. Membaca skala peta

contoh:
Sebuah peta kelurahan berskala 1:5.000 diperkecil menjadi skala 1:25.000, maka pernyataan yang benar adalah?
a. informasi yang disajikan semakin detail
b. simbol-simbol kartografi akan semakin banyak
c. perbedaan kontur akan semakin bertambah besar
d. informasi peta akan berubah tetapi jaraknya tidak berubah
e. informasi peta tidak berubah tetapi jaraknya akan berubah

jawab: e.
pada peta kelurahan skala semula adalah 1:5.000, kemudian diubah menjadi skala 1:25.000 maka jarak di dalam peta berubah menjadi kecil dari semula.

2. Menghitung jarak sebenarnya

contoh:
Jarak antara kota A ke kota B pada peta adalah 1,15 cm dengan skala peta 1:15.000. Berapa jarak sebenarnya kota A ke kota B?
a. 172.500 km
b. 17.250 km
c. 1.725 km
d. 0,1725 km
e. 0,01725 km

jawab:
= jarak pada peta x skala
= 1,15 x 15.000
= 17.250 cm (sentimeter ke kilometer = dibagi 100.000)
= 0,1725 km ( d. )
jadi, jarak sebenarnya kota A ke kota B adalah 0,1725 kilometer

3. Menghitung jarak pada peta

contoh:
Jarak antara kota A ke kota B sebenrnya di lapangan adalah 1 km. Berapa jarak kota A ke kota B pada peta dengan skala peta 1:50.000?
a. 0,2 cm
b. 2 cm
c. 20 cm
d. 5 cm
e. 50 cm

jawab:
= jarak sebenarnya / skala
= 1 km / 50.000 cm (kilomter dijadikan sentimeter = dikali 100.000)
= 100.000 cm  / 50.000 cm
= 2 cm ( b. )
 jadi, jarak kota A ke kota B pada peta adalah 2 sentimeter

4. Memperkecil skala

contoh:
Apabila sebuah peta berskala 1:2.000.000 diperkecil 2 kali, maka skalanya berubah menjadi?
a. 1:1.000.000
b. 1:2.000.000
c. 1:3.000.000
d. 1:4.000.000
e. 1:5.000.000

Jawab:
= skala x jumlah perkecilnya
= 2.000.000 x 2
= 4.000.000
 jadi, skala peta akan berubah menjadi 1:4.000.000. peta akan semakin kecil dan tidak detail.

5. Memperbesar skala

contoh:
Apabila sebuah peta berskala 1:2.000.000 diperbesarl 4 kali, maka skalanya berubah menjadi?
a. 1:50.000
b. 1:500.000
c. 1:5.000.000
d. 1:800.000
e. 1:8.000.000
Jawab:
= skala / jumlah perkecilnya
= 2.000.000 / 4
= 500.000
jadi, skala peta akan berubah menjadi 1:500.000. peta akan semakin besar dan semakin detail.

6. Kenampakan objek dengan skala

contoh:
kenampakan gudang dengan ukuran 50 m x 50 m dengan skala 1:200 adalah?
a. 1 cm x 1 cm
b. 1,5 cm x 1,5 cm
c. 2 cm x 2 cm
d. 2,5 cm x 2,5 cm
e. 20 cm x 20 cm

jawab: ukuran bangunan di peta
= objek di lapangan / skala
= 50 m x 50 m / 200 cm (meter dijadikan sentimeter = dikali 100)
= 5000 cm x 5000 cm / 200 cm
= 2,5 cm x 2,5 cm (  d. )
jadi, ukuran gedung pada peta adalah 2,5 cm x 2,5 cm

7. Mencari skala peta pada peta kedua

contoh:
Peta peta A, jarak kota X ke kota Y adalah 5 cm dengan skala 1:1.500.000.
Pada peta B, jarak kota X ke kota Y adalah 2 cm.
Berapa skala peta B?
a. 1:375
b. 1:3.750
c. 1:37.500
d. 1:375.000
e. 1:3.750.000

jawab: skala peta kedua
=  jarak yang berskala      x skala yang diketahui
jarak yang tidak berskala
= 5 / 2 x 1.500.000
= 3.750.000  ( e. )
jadi, skala pada peta B adalah 1:3.750.000

8. Merubah skala garis menjadi skala angka

0 - 2 - 4 - 5 cm
0  -- 5 -- 10 km

Ubahlah skala garis di atas menjadi skala angka!
a. 1 : 100.000
b. 1 : 200.000
c. 1 : 250.000
d. 1 : 500.000
e. 1 : 550.000

jawab:

jumlah garis 5 cm
angaka skala 10 km = 1.000.000 cm

1.000.000 = 200.000

      5
maka skala angkanya adalah 1 : 200.000



9. Mencari skala dan jarak sebenarnya melalui garis astronomis

contoh:
Kota x dan kota y dalam peta berselisih 3 derajat. Jarak kota x ke kota y pada peta adalah  9 cm. jika dihitung dengan menggunakan selisih derajat lintang, skala peta tersebut adalah?
a. 1 : 3.700.000
b. 1 : 3.330.000
c. 1 : 2.770.000
d. 1 : 2.700.000
e. 1 : 2.330.000

Jawab:
1 derajat = 111 km
3 derajat = 333 km = 33.300.000 cm

9 cm = 33.300.000 cm
        = (33.300.000/9)
1 cm = 3.700.000 cm

skala peta 1 : 3.700.000 (a)

10. Skala peta kontur

klik di sini sudah lengkap:
http://fastrans22.blogspot.com/2013/04/rumus-skala-kontur-kontur-interval-dan.html

11. Skala Foto Udara

contoh:
Suatu wilayah daratan akan dibuatan foto udara dengan pesawat terbang. Tinggi pesawat terbang adalah 5.000 mdpl. Daerah yang difoto berada pada ketinggian 400 mdpl. Berapa skala foto udara yang akan dihasilkan apabila menggunaka fokus kamera 250 mm?
a. 1:1.150
b. 1:1.250
c. 1:1.500
d. 1:1.840
e. 1:1.950

jawab: skala foto udara
=               fokus kamera (f)              
           tinggi pesawat (H) - tinggi objek (h)
     250       
           5.000 - 400
= 250 / 4.600
= 4.600 / 250 (skala = pembagian dibalik)
= 1 : 1.840 ( d. )
jadi, skala foto udara yang dihasilkan adalah 1:1.840


Sumber : http://fastrans22.blogspot.com/2013/05/skala-pengertian-jenis-skala-peta-dan.html

TIPE DAN MACAM KAMERA


clip_image001[14]Albrecht Duerer (1525) created an
instrument to create true
perspective drawing


clip_image001[16]
Pinhole Camera (Kamera Lubang Jarum) 

                                                      Kamera Metrik (Aerial danTerrestrial)
Jenis Kamera                  clip_image002[6]
                                              clip_image001Kamera Non-Metrik

Kamera Metrik Dijital (Terestrial)

clip_image006[10]clip_image007[10]
Kamera Metrik Non-Dijital (Terestrial)
clip_image002[10]clip_image003clip_image004[10]

Produk Fotogrametri
Proses Pemotretan dengan Pesawat terbang:
clip_image001[20]
Foto Stereo

clip_image003[4]



image


image
clip_image001[14]
Produk Fotogrametri



·Topographic mapping
·Orthophotography
·Equivalent to planimetric map
·Digital elevation model (DEM)
·Numerical representation of topography
·Astronomy
·Topographic Mapping
·Architecture & 3D City Modelling
·Archaeology
·Traffic Accident and Crime Scene investigation
·Medicine, dentistry, and Biometrics
·Machine Vision
·Optical Character Recognition (OCR)
·GIS
·Etc…