Gains :
- Capacité à utiliser les concepts de photogrammétrie SfM, d'orthophoto, de DSM/DTM et de points de contrôle au sol dans le bon contexte avec l'IA
- Capacité à construire des attentes en matière de planification de vol, de taux de couverture et de précision d'UAV avec des calculs et des listes de contrôle pris en charge par l'IA
- Capacité à évaluer la précision de la sortie photogrammétrique avec des points de contrôle indépendants et une logique RMSE
La photogrammétrie est la technique permettant de mesurer la position et la forme tridimensionnelles d'objets à partir de photographies superposées. Aujourd'hui, la méthode de production qui connaît la croissance la plus rapide dans le domaine de l'ingénierie topographique consiste à produire des orthophotos et des modèles d'élévation à partir de centaines de photographies collectées par UAV (Unmanned Aerial Vehicle, communément appelé drone). Dans cette unité, nous expliquons comment l'intelligence artificielle soutient ce processus, de la planification du vol à l'évaluation de la précision. Le principe est immuable : le logiciel et l’IA produisent le modèle ; L'acceptation de la précision du positionnement appartient à l'ingénieur via des points de contrôle au sol et un contrôle indépendant.
Clarifions les termes. SfM (Structure from Motion) est une méthode qui résout la géométrie 3D et les positions de la caméra en faisant correspondre les points communs dans les photographies prises sous différents angles ; C'est le cœur des logiciels de photogrammétrie modernes. L'orthophoto est une image aérienne à l'échelle correcte, comme une carte, avec des distorsions de perspective et d'élévation éliminées. DSM (Digital Surface Model) est un modèle d'élévation de la surface supérieure comprenant les bâtiments et les arbres. Le DTM (Digital Terrain Model) est le modèle d'élévation du sol nu. Les GCP (Ground Control Point ; GCP en anglais) sont des points marqués qui sont mesurés avec précision depuis le terrain, apparaissent sur les photographies et relient le modèle aux coordonnées réelles. Le taux de chevauchement est le pourcentage de photos voisines qui se recouvrent.
Le rôle de l'IA dans la photogrammétrie
L'IA prend en charge quatre endroits dans ce flux de travail :
- Planification et calcul du vol. Il aide à calculer la hauteur de vol, le taux de couverture et le nombre de photographies pour la distance d'échantillonnage au sol souhaitée (GSD : la taille que chaque pixel couvre au sol) et crée une liste de contrôle.
- Pré-vérification de la qualité. Il établit une logique d'analyse qui signale les photos floues, une occlusion insuffisante et des problèmes de distribution GCP.
- Classification et nettoyage des sorties. Il aide dans des tâches telles que le filtrage d'objets (bâtiment/arbre) et la détection de nuages/ombres en orthophoto pour générer du DTM à partir de DSM.
- Rapport et résumé de l’exactitude. Rend le tableau RMSE (Root Mean Square Error ; mesure des écarts dans les points de contrôle) et le rapport de précision lisibles.
Angle mort : l’IA ne voit pas les conditions physiques du vol et la réalité du terrain. S’il y a un GCP inadéquat, une mauvaise couverture ou un vol venteux, aucun logiciel/IA ne peut complètement corriger cela plus tard. L'intégrité commence sur le terrain.
Astuce : définissez dès le début votre objectif de précision en chiffres. « Que ce soit de haute fidélité » est ambigu ; Il s'agit d'une cible mesurable "ciblée à ±3 cm horizontalement et ±5 cm verticalement, confirmée par RMSE avec des points de contrôle indépendants".
Étape par étape : flux de travail de photogrammétrie des drones
- Définissez la précision et la cible GSD. La précision souhaitée détermine le GSD et donc l'altitude de vol. Règle générale : la précision de la position est de l'ordre de quelques GSD.
- Planifiez le vol. Taux de couverture (généralement vers l'avant 75-80 %, côté 65-70 %), altitude de vol, nombre de photos. L’IA peut produire ce calcul et cette liste de contrôle.
- Placez et mesurez les GCP. Mesurez avec précision avec GNSS un nombre suffisant de GCP dans les coins et au milieu pour couvrir la zone uniformément. Séparez-en certains en tant que points de contrôle indépendants qui n'entrent pas dans le modèle.
- Traitez-le. Alignement avec SfM, géoréférencement avec GCP, nuage de points dense, DSM, génération d'orthophotos.
- Produire un DTM. Passez du DSM au DTM en filtrant les objets hors sol.
- Vérifier. Calculer le RMSE aux points de contrôle individuels ; Est-ce qu'il atteint la cible ?
Points de contrôle au sol et RMSE
L'adaptation du modèle photogrammétrique au monde réel dépend des GCP. Les GCP donnent l'échelle et l'emplacement du modèle ; S’ils sont en nombre insuffisant ou mal répartis (tous dans un coin), le modèle sera précis dans une région et biaisé dans une autre. La façon de mesurer honnêtement la précision est de conserver certains des GCP comme points de contrôle indépendants en ne les alignant pas et de calculer le RMSE en comparant leurs valeurs dans le modèle avec les valeurs réellement mesurées. Le modèle n'est pas considéré comme correct simplement parce que l'ajustement (résiduel) sur le GCP est faible ; C'est comme le succès sur les données d'entraînement.
Attention : Si vous utilisez tous les points marqués comme GCP et ne laissez aucun point de contrôle indépendant, vous n'aurez aucune preuve indépendante pour mesurer la précision. Réservez toujours quelques points pour l'inspection.
Trois mini-cases : en chiffres
Cas 1 — Erreur de distribution GCP. Sur un champ de 40 hectares, 5 des 6 GCP se trouvaient dans la moitié sud du champ. Le modèle donne un écart de ±3 cm au sud et de ±25 cm au nord. Des points de contrôle indépendants ont révélé cette distorsion régionale ; Lorsque les GCP étaient répartis uniformément et que le vol était retraité, la précision diminuait à ± 4 cm au nord.
Cas 2 — Confondre DSM et DTM. Lors d'un calcul de volume, l'équipe a surestimé le volume d'excavation d'environ 12 % en supposant que le DSM était directement broyé dans une zone boisée. Lorsque le DTM a été généré avec un filtrage au sol pris en charge par l’IA et que le calcul a été répété, le volume s’est rapproché de la réalité. Leçon : Le DTM est utilisé dans le travail du volume et du jean.
Cas 3 — Couverture inadéquate. Lorsque la couverture est tombée à 55 % sur certaines lignes en raison du vent, SfM a réalisé une mauvaise correspondance dans cette zone et le modèle s'est révélé troué. Le pré-contrôle de qualité a marqué la région à faible couverture ; Cette partie a de nouveau volé. Leçon : la couverture est fournie sur le terrain, elle ne peut pas être fabriquée par la suite.
Invite faible/Invite forte
Invite faible :
Je vais faire une carte avec un drone, dis-moi ce que je dois faire.
Invite puissante :
Tâche : Créer un plan de vol et de précision de la photogrammétrie du drone. Contexte :- Superficie : ~40 ha, plat-légèrement en pente, peu boisé- Précision de la cible : horizontale ±3 cm, verticale ±5 cm- Caméra : [capteur/mise au point], GSD souhaité : 2 cmDemandes :1) Écrire la hauteur de vol approximative et la logique pour le GSD 2 cm.2) Recommandation de taux de couverture (avant/côté) et justification.3) Nombre de GCP et stratégie de distribution ; Combien d'entre eux dois-je réserver comme points de contrôle INDÉPENDANTS ?4) Écrivez la distinction DSM/DTM et quelle sortie est requise pour quel travail.5) Vérification : étape de confirmation avec RMSE aux points de contrôle indépendants.
Une invite puissante comprend une cible numérique, l'état du terrain et un plan de vérification ; Le résultat devient applicable.
Quatre modèles copiables
1) Calcul des paramètres de vol :
Hauteur de vol approximative pour le GSD souhaité [x cm] et l'appareil photo [capteur/mise au point], suggérer le taux de couverture, estimer le nombre de photos. Écrivez clairement vos hypothèses ; Notez que la valeur exacte nécessite une confirmation logicielle.
2) Planification GCP :
Recommander une stratégie de mise en page GCP pour [zone/taille/forme] : combien de points, comment les distribuer, combien doivent être réservés pour un contrôle indépendant. Expliquez le risque de mauvaise répartition (le tout dans un seul coin).
3) Flux de travail DSM->DTM :
Écrivez les étapes de filtrage au sol pour générer du DTM à partir d'un nuage de points/DSM. Spécifiez quels objets (bâtiment, arbre) extraire et comment vérifier le résultat avec la section profil. Expliquez pourquoi le DTM est requis pour le travail de volume/niveau.
4) Rapport de précision :
Calculez le RMSE horizontal et vertical à partir des écarts de points de contrôle individuels suivants, comparez avec la précision de la cible, faites une interprétation réussite/échec et signalez les zones faibles. Données : [écarts aux points de contrôle]
Comparaison des produits photogrammétriques
Produit
Que représente-t-il ?
Utilisation typique
Attention
orthophoto
Image aérienne précise à l’échelle
Fond de carte, numérisation
Distorsions des bords
DSM
Surface supérieure (bâtiment+arbre)
Analyse d'ombre/visibilité
Ce n'est pas le sol
DTM
sol nu
Denim, volume, pente
Qualité du filtrage
nuage de points
Points denses 3D
Mesure 3D, coupe transversale
nettoyage du bruit
YKN
Base de géoréférence
fondement de la vérité
Distribution critique
Erreurs courantes
- Utiliser DSM au lieu de DTM. Grosse erreur dans les calculs d'élévation et de volume.
- Ne laisser aucun point de contrôle indépendant. Il n’existe aucune preuve indépendante pour mesurer l’exactitude.
- Mauvaise distribution des GCP. Une zone est correcte, l’autre est déformée.
- Laissant le taux de couverture insuffisant sur le terrain. Modèle perforé et irrécupérable.
- Ne pas fixer d’objectif d’exactitude des chiffres. La « haute précision » ne peut être ni mesurée ni confirmée.
- Je pense que l'orthophoto est tout à fait correcte pour la mesure. La distorsion se produit autour des bords et des objets hauts.
En résumé
Intelligence artificielle en photogrammétrie des drones ; Il s'agit d'une aide puissante pour le calcul du plan de vol, la vérification préalable de la qualité, la génération de DTM à partir du DSM et les rapports de précision. Cependant, les bases de la précision de positionnement sont posées sur le terrain : un nombre correct et des points de contrôle au sol uniformément répartis, une couverture adéquate et des cibles de précision numérique. Une mesure honnête de précision est le RMSE calculé à des points de contrôle individuels qui n'entrent pas dans le modèle. Utilisez toujours le DTM pour les travaux en denim et en vrac ; DSM est la surface supérieure.
Tâche de candidature
Concevoir un projet de drone : déterminer la taille du champ, le GSD cible et la cible de précision numérique (par exemple horizontale ± 3 cm). Demandez à l'IA de générer l'altitude de vol, le taux de couverture et la stratégie GCP ; Notez combien de points vous réserverez pour un contrôle indépendant. Calculez ensuite le RMSE sur un tableau d’écarts de points de contrôle hypothétique et demandez-vous « a-t-il atteint la cible ? Commentez et confirmez vous-même le résultat.
liste de contrôle
- [ ] J'ai défini un objectif de précision numérique et un GSD.
- [ ] J'ai planifié le rapport de couverture (avant/côté) de manière adéquate.
- [ ] J'ai distribué les GCP de manière égale et je les ai utilisés en nombre suffisant.
- [ ] J'ai réservé certains points pour un contrôle indépendant.
- [ ] J'ai produit du DTM, pas du DSM, pour le denim/volume.
- [ ] J'ai vérifié la filtration au sol avec la section profil.
- [ ] J'ai calculé le RMSE à des points de contrôle individuels.
- [ ] J'ai soumis l'acceptation de l'exactitude à l'approbation de l'ingénieur.