Ieguvumi:
- Spēja izmantot SfM fotogrammetriju, ortofoto, DSM/DTM un zemes kontroles punktu koncepcijas pareizajā kontekstā ar AI
- Spēja izveidot UAV lidojumu plānošanu, pārklājuma līmeni un precizitātes cerības, izmantojot AI atbalstītus aprēķinus un kontrolsarakstus
- Spēja novērtēt fotogrammetriskās izvades precizitāti ar neatkarīgiem kontroles punktiem un RMSE loģiku
Fotogrammetrija ir paņēmiens objektu trīsdimensiju stāvokļa un formas mērīšanai no pārklājošām fotogrāfijām. Mūsdienās visstraujāk augošā ražošanas metode apsekojumu inženierijā ir ortofotogrāfiju un pacēlumu modeļu izgatavošana no simtiem fotogrāfiju, ko savāc UAV (bezpilota lidaparāts, pazīstams kā drons). Šajā nodaļā mēs aplūkojam, kā mākslīgais intelekts atbalsta šo procesu, sākot no lidojuma plānošanas līdz precizitātes novērtējumam. Princips ir nemainīgs: programmatūra un AI veido modeli; Pozicionālās precizitātes pieņemšana paliek inženierim, izmantojot zemes kontroles punktus un neatkarīgu vadību.
Precizēsim noteikumus. SfM (Structure from Motion) ir metode, kas atrisina 3D ģeometriju un kameras pozīcijas, saskaņojot kopējos punktus fotogrāfijās, kas uzņemtas no dažādiem leņķiem; Tas ir mūsdienu fotogrammetrijas programmatūras kodols. Ortofoto ir gaisa attēls ar pareizu mērogu, piemēram, karte, ar novērstiem perspektīvas un augstuma kropļojumiem. DSM (Digital Surface Model) ir augšējās virsmas pacēluma modelis, ieskaitot ēkas un kokus. DTM (Digital Terrain Model) ir tukšas zemes pacēluma modelis. GCP (Ground Control Point; GCP angļu valodā) ir atzīmēti punkti, kas ir precīzi izmērīti no lauka, parādās fotogrāfijās un savieno modeli ar reālajām koordinātām. Pārklāšanās attiecība ir blakus esošo fotoattēlu procentuālā daļa, kas pārklāj viens otru.
AI loma fotogrammetrijā
AI atbalsta četras vietas šajā darbplūsmā:
- Lidojuma plānošana un aprēķins. Tas palīdz aprēķināt lidojuma augstumu, pārklājuma attiecību un fotogrāfiju skaitu vēlamajam zemes paraugu ņemšanas attālumam (GSD: izmērs, ko katrs pikselis pārklāj uz zemes), un izveido kontrolsarakstu.
- Kvalitātes iepriekšēja pārbaude. Tā izveido skenēšanas loģiku, kas atzīmē izplūdušus fotoattēlus, nepietiekamu oklūziju un GCP izplatīšanas problēmas.
- Izejas klasifikācija un tīrīšana. Tas palīdz tādos uzdevumos kā objektu (ēku/koku) filtrēšana un mākoņu/ēnu noteikšana ortofoto režīmā, lai ģenerētu DTM no DSM.
- Ziņojums un precizitātes kopsavilkums. Padara lasāmu RMSE (Root Mean Square Error; noviržu mērījums kontrolpunktos) tabulu un precizitātes atskaiti.
Aklā zona: AI neredz lidojuma fiziskos apstākļus un reljefa realitāti. Ja ir neatbilstošs GCP, slikts segums vai vējains lidojums, neviena programmatūra/AI nevar to pilnībā novērst vēlāk. Godīgums sākas laukumā.
Padoms. No sākuma iestatiet precizitātes mērķi skaitļos. "Lai tas būtu ar augstu precizitāti" ir neskaidrs; Tas ir izmērāms mērķis, kas "mērķēts uz ±3 cm horizontāli un ±5 cm vertikāli, ko apstiprina RMSE ar neatkarīgiem kontroles punktiem".
Soli pa solim: UAV fotogrammetrijas darbplūsma
- Iestatiet precizitāti un GSD mērķi. Vēlamā precizitāte nosaka GSD un līdz ar to lidojuma augstumu. Vispārējs noteikums: pozicionēšanas precizitāte ir aptuveni dažu GSD.
- Plānojiet lidojumu. Pārklājuma koeficients (parasti uz priekšu 75-80%, sānis 65-70%), lidojuma augstums, fotoattēlu skaits. AI var izveidot šo aprēķinu un kontrolsarakstu.
- Novietojiet un izmēriet GCP. Precīzi izmēriet ar GNSS pietiekamu skaitu GCP stūros un vidū, lai vienmērīgi pārklātu laukumu. Atdaliet dažus no tiem kā neatkarīgus kontroles punktus, kas neietilpst modelī.
- Apstrādājiet to. Izlīdzināšana ar SfM, ģeoreference ar GCP, blīvs punktu mākonis, DSM, ortofoto ģenerēšana.
- Ražot DTM. Pārslēdzieties no DSM uz DTM, filtrējot ārpuszemes objektus.
- Pārbaudīt. Aprēķināt RMSE atsevišķos kontrolpunktos; Vai tas trāpa mērķī?
Zemes kontroles punkti un RMSE
Fotogrammetriskā modeļa pielāgošana reālajai pasaulei ir atkarīga no GCP. GCP piešķir modelim mērogu un atrašanās vietu; Ja to skaits ir nepietiekams vai ir slikti sadalīts (visi vienā stūrī), modelis būs precīzs vienā reģionā un šķībs citā. Veids, kā godīgi izmērīt precizitāti, ir saglabāt dažus GCP kā neatkarīgus kontroles punktus, tos nesaskaņojot, un aprēķināt RMSE, salīdzinot to vērtības modelī ar faktiskajām izmērītajām vērtībām. Modelis netiek uzskatīts par pareizu tikai tāpēc, ka atbilstība (atlikums) GCP ir zema; Tas ir kā panākumi apmācības datos.
Uzmanību! Ja izmantosit visus atzīmētos punktus kā GCP un neatstāsit neatkarīgus kontroles punktus, jums nebūs neatkarīgu pierādījumu, lai izmērītu precizitāti. Vienmēr rezervējiet dažus punktus pārbaudei.
Trīs mini futrāļi: pēc skaitļiem
1. gadījums — GCP izplatīšanas kļūda. 40 hektārus lielā laukā 5 no 6 GCP atradās lauka dienvidu pusē. Modelis deva novirzi ±3 cm dienvidos un ±25 cm ziemeļos. Neatkarīgi kontrolpunkti atklāja šo reģionālo izkropļojumu; Kad GCP tika sadalīti vienmērīgi un lidojums tika atkārtoti apstrādāts, ziemeļos precizitāte samazinājās līdz ±4 cm.
2. gadījums — DSM sajaukt ar DTM. Aprēķinot tilpumu, komanda par aptuveni 12% pārvērtēja izrakumu apjomu, pieņemot, ka DSM tika tieši noslīpēts mežainā apvidū. Kad DTM tika ģenerēts ar AI atbalstītu zemes filtrēšanu un aprēķins tika atkārtots, skaļums tuvojās realitātei. Nodarbība: DTM tiek izmantots apjoma un džinsu darbā.
3. gadījums — Nepietiekams pārklājums. Kad pārklājums dažās līnijās vēja dēļ samazinājās līdz 55%, SfM šajā apgabalā veica sliktu atbilstību, un modelis iznāca ar caurumiem. Kvalitātes iepriekšēja pārbaude atzīmēja zemā pārklājuma reģionu; Tā daļa tika nolidota vēlreiz. Nodarbība: segums ir nodrošināts uz lauka, vēlāk to nevar izgatavot.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Es taisīšu karti ar dronu, sakiet, kas man jādara.
Spēcīga uzvedne:
Uzdevums: Izveidojiet UAV fotogrammetrijas lidojumu un precizitātes plānu. Konteksts:- Platība: ~40 ha, plakana-nedaudz slīpa, maz mežains- Mērķa precizitāte: horizontāli ±3 cm, vertikāli ±5 cm- Kamera: [sensors/fokuss], vēlamais GSD: 2 cmPieprasījumi:1) Uzrakstiet aptuveno lidojuma augstumu un loģiku GSD 2 cm.2) Pārklājuma/attiecības) skaits un stratēģijas ieteikums (forwards/side) Cik no tiem man vajadzētu rezervēt kā NEATKARĪGUS kontrolpunktus?4) Uzrakstiet DSM/DTM atšķirību un kāda izvade ir nepieciešama kādam darbam.5) Verifikācija: apstiprināšanas solis ar RMSE neatkarīgos kontrolpunktos.
Spēcīga uzvedne ietver skaitlisku mērķi, lauka stāvokli un pārbaudes plānu; Izvade kļūst piemērojama.
Četras kopējamas veidnes
1) Lidojuma parametru aprēķins:
Aptuvenais lidojuma augstums vēlamajam GSD [x cm] un kamerai [sensors/fokuss], iesakiet vāka attiecību, novērtējiet fotoattēlu skaitu. Skaidri uzrakstiet savus pieņēmumus; Ņemiet vērā, ka precīzai vērtībai ir nepieciešams programmatūras apstiprinājums.
2) GSP plānošana:
Ieteikt GCP izkārtojuma stratēģiju [apgabalam/izmēram/formai]: cik punktu, kā sadalīt, cik daudz vajadzētu rezervēt neatkarīgai kontrolei. Izskaidrojiet nepareizas izplatīšanas risku (viss vienā stūrī).
3) DSM->DTM darbplūsma:
Uzrakstiet zemes filtrēšanas darbības, lai ģenerētu DTM no punktu mākoņa/DSM. Norādiet, kurus objektus (ēku, koku) izvilkt un kā pārbaudīt rezultātu ar profila sadaļu. Paskaidrojiet, kāpēc skaļuma/līmeņa darbam ir nepieciešams DTM.
4) Precizitātes ziņojums:
Aprēķiniet horizontālo un vertikālo RMSE no tālāk norādītajām atsevišķo kontrolpunktu novirzēm, salīdziniet ar mērķa precizitāti, veiciet apstiprinājuma/neatbilstības interpretāciju un norādiet visas vājās vietas. Dati: [kontrolpunkta novirzes]
Fotogrammetrisko produktu salīdzinājums
Produkts
Ko tas attēlo?
Tipisks lietojums
Uzmanību
ortofoto
Mērogot precīzu gaisa attēlu
Pamatkarte, digitalizācija
Malu kropļojumi
DSM
Augšējā virsma (ēka+koks)
Ēnu/redzamības analīze
Tā nav zeme
DTM
kaila zeme
Džinss, apjoms, slīpums
Filtrēšanas kvalitāte
punktu mākonis
3D blīvi punkti
3D mērīšana, šķērsgriezums
trokšņa tīrīšana
YKN
Ģeoreferences bāze
patiesības pamats
Izplatība kritiska
Biežas kļūdas
- DSM izmantošana DTM vietā. Liela kļūda augstuma un tilpuma aprēķinos.
- Neatstājot neatkarīgus kontrolpunktus. Nav palicis neviens neatkarīgs pierādījums, lai izmērītu precizitāti.
- Slikti izplatīti GSP. Viena zona ir pareiza, otra ir deformēta.
- Nepietiekama pārklājuma līmeņa atstāšana laukumā. Neatkopjams, perforēts modelis.
- Neizvirzot skaitļu precizitātes mērķi. "Augstu precizitāti" nevar izmērīt vai apstiprināt.
- Domājot, ka ortofoto ir absolūti pareizs mērījumam. Izkropļojumi rodas ap malām un augstiem objektiem.
Rezumējot
Mākslīgais intelekts UAV fotogrammetrijā; Tas ir spēcīgs palīglīdzeklis lidojuma plāna aprēķināšanai, kvalitātes iepriekšējai pārbaudei, DTM ģenerēšanai no DSM un precizitātes ziņojumiem. Tomēr pozicionālās precizitātes pamats ir likts laukā: pareizs skaits un vienmērīgi sadalīti zemes kontroles punkti, atbilstošs segums un skaitliskās precizitātes mērķi. Godīgs precizitātes mērs ir RMSE, kas aprēķināts atsevišķos kontroles punktos, kas neietilpst modelī. Vienmēr izmantojiet DTM džinsa un lielapjoma darbiem; DSM ir augšējā virsma.
Lietojumprogrammas uzdevums
Izstrādājiet UAV projektu: nosakiet lauka lielumu, mērķa GSD un skaitliskās precizitātes mērķi (piemēram, horizontāli ±3 cm). Lieciet AI ģenerēt lidojuma augstumu, pārklājuma attiecību un GCP stratēģiju; Pierakstiet, cik punktus rezervēsiet neatkarīgai kontrolei. Pēc tam aprēķiniet RMSE hipotētiskā kontrolpunkta noviržu tabulā un jautājiet "vai tas trāpīja mērķī?" Komentējiet un apstipriniet rezultātu pats.
kontrolsaraksts
- [ ] Es iestatīju skaitliskās precizitātes mērķi un GSD.
- [ ] Es adekvāti plānoju pārklājuma attiecību (uz priekšu/sānu).
- [ ] Es sadalīju GSP vienmērīgi un izmantoju tos pietiekamā skaitā.
- [ ] Es rezervēju dažus punktus neatkarīgai kontrolei.
- [ ] Es ražoju DTM, nevis DSM, džinsam/apjomam.
- [ ] Es pārbaudīju grunts filtrāciju ar profila sekciju.
- [ ] Es aprēķināju RMSE atsevišķos kontrolpunktos.
- [ ] Precizitātes pieņemšanu esmu pakļāvis inženiera apstiprinājumam.