Zyski:
- Umiejętność wykorzystania koncepcji fotogrametrii, ortofotomapy, DSM/DTM i naziemnych punktów kontroli SfM we właściwym kontekście za pomocą sztucznej inteligencji
- Możliwość planowania lotu UAV, oczekiwanego zasięgu i dokładności za pomocą obliczeń i list kontrolnych wspieranych przez sztuczną inteligencję
- Możliwość oceny dokładności wyników fotogrametrycznych z niezależnymi punktami kontrolnymi i logiką RMSE
Fotogrametria to technika pomiaru trójwymiarowego położenia i kształtu obiektów na podstawie nakładających się fotografii. Obecnie najszybciej rozwijającą się metodą produkcji w inżynierii geodezyjnej jest tworzenie ortofotomap i modeli wysokości z setek zdjęć zebranych przez UAV (bezzałogowy statek powietrzny, powszechnie znany jako dron). W tej części opisujemy, jak sztuczna inteligencja wspiera ten proces, od planowania lotu po ocenę dokładności. Zasada jest niezmienna: oprogramowanie i sztuczna inteligencja tworzą model; Akceptacja dokładności pozycjonowania pozostaje w gestii inżyniera poprzez naziemne punkty kontroli i niezależną kontrolę.
Wyjaśnijmy warunki. SfM (Structure from Motion) to metoda, która rozwiązuje geometrię 3D i pozycje aparatu poprzez dopasowywanie wspólnych punktów na zdjęciach wykonanych pod różnymi kątami; Jest to rdzeń nowoczesnego oprogramowania fotogrametrycznego. Ortofoto to zdjęcie lotnicze o odpowiedniej skali, niczym mapa, z wyeliminowaniem zniekształceń perspektywy i wysokości. DSM (Digital Surface Model) to model elewacji górnej powierzchni obejmujący budynki i drzewa. DTM (Digital Terrain Model) to model elewacji gołego terenu. GCP (Ground Control Point; GCP po angielsku) to zaznaczone punkty, które są precyzyjnie mierzone z terenu, pojawiają się na zdjęciach i łączą model z rzeczywistymi współrzędnymi. Współczynnik nakładania się to procent sąsiadujących ze sobą zdjęć, które się pokrywają.
Rola sztucznej inteligencji w fotogrametrii
AI obsługuje cztery miejsca w tym przepływie pracy:
- Planowanie i obliczenia lotu. Pomaga w obliczeniu wysokości lotu, współczynnika pokrycia i liczby zdjęć dla żądanej odległości próbkowania naziemnego (GSD: rozmiar, jaki pokrywa każdy piksel na ziemi) i tworzy listę kontrolną.
- Wstępna kontrola jakości. Ustanawia logikę skanowania, która sygnalizuje rozmyte zdjęcia, niewystarczającą okluzję i problemy z dystrybucją GCP.
- Klasyfikacja wyników i czyszczenie. Pomaga w zadaniach takich jak filtrowanie obiektów (budynków/drzewa) i wykrywanie chmur/cieni w ortofotomap w celu wygenerowania DTM z DSM.
- Raport i podsumowanie dokładności. Sprawia, że tabela RMSE (średni błąd kwadratowy; miara odchyleń w punktach kontrolnych) i raport dokładności są czytelne.
Martwy punkt: sztuczna inteligencja nie widzi fizycznych warunków lotu i realiów terenu. W przypadku niewystarczającego GCP, słabej osłony lub lotu przy wietrze, żadne oprogramowanie/sztuczna inteligencja nie będzie w stanie tego później w pełni skorygować. Uczciwość zaczyna się na boisku.
Wskazówka: od początku ustaw cel dokładności w liczbach. „Niech to będzie wierne” jest dwuznaczne; Jest to mierzalny cel „wycelowany w ± 3 cm w poziomie i ± 5 cm w pionie, potwierdzony przez RMSE z niezależnymi punktami kontrolnymi”.
Krok po kroku: przebieg fotogrametrii UAV
- Ustaw dokładność i cel GSD. Pożądana dokładność określa GSD, a tym samym wysokość lotu. Ogólna zasada: dokładność pozycjonowania jest rzędu kilku GSD.
- Zaplanuj lot. Współczynnik pokrycia (zwykle do przodu 75-80%, bok 65-70%), wysokość lotu, liczba zdjęć. Sztuczna inteligencja może przygotować te obliczenia i listę kontrolną.
- Umieszczaj i mierz punkty GCP. Dokładnie zmierz za pomocą GNSS wystarczającą liczbę punktów GCP w rogach i na środku, aby równomiernie pokryć obszar. Wyodrębnij część z nich jako niezależne punkty kontrolne, które nie wchodzą do modelu.
- Przetwórz to. Wyrównanie za pomocą SfM, georeferencja za pomocą GCP, gęsta chmura punktów, DSM, generowanie ortofotomap.
- Wyprodukuj DTM. Przełącz się z DSM na DTM, odfiltrowując obiekty znajdujące się nad ziemią.
- Zweryfikować. Oblicz RMSE w poszczególnych punktach kontrolnych; Czy trafia w cel?
Naziemne punkty kontroli i RMSE
Dopasowanie modelu fotogrametrycznego do świata rzeczywistego zależy od GCP. GCP podają skalę i lokalizację modelu; Jeśli jest ich niewystarczająca liczba lub są słabo rozmieszczone (wszystkie w jednym rogu), model będzie dokładny w jednym regionie, a przekrzywiony w innym. Sposobem na uczciwy pomiar dokładności jest zachowanie niektórych GCP jako niezależnych punktów kontrolnych poprzez nieustawianie ich i obliczenie RMSE poprzez porównanie ich wartości w modelu z faktycznie zmierzonymi wartościami. Modelu nie uważa się za poprawny tylko dlatego, że dopasowanie (resztkowe) na GCP jest niskie; To jest jak sukces w przypadku danych szkoleniowych.
Uwaga: jeśli użyjesz wszystkich oznaczonych punktów jako GCP i nie pozostawisz niezależnych punktów kontrolnych, nie będziesz mieć niezależnego dowodu do pomiaru dokładności. Zawsze zarezerwuj kilka punktów do kontroli.
Trzy mini etui: w liczbach
Przypadek 1 – Błąd dystrybucji GCP. Na 40-hektarowym polu 5 z 6 GCP znajdowało się w południowej części pola. Model dał odchylenie ±3 cm na południu i ±25 cm na północy. Niezależne punkty kontrolne ujawniły to regionalne zniekształcenie; Gdy punkty GCP zostały równomiernie rozłożone, a lot został ponownie przetworzony, dokładność spadła do ± 4 cm na północy.
Przypadek 2 — Mylenie DSM z DTM. Obliczając objętość, zespół przeszacował objętość wykopu o około 12%, zakładając, że DSM był szlifowany bezpośrednio na obszarze zalesionym. Kiedy wygenerowano DTM z filtrowaniem gruntu wspieranym przez sztuczną inteligencję i powtórzono obliczenia, objętość stała się bliższa rzeczywistości. Lekcja: DTM jest używany w pracy z objętością i dżinsami.
Przypadek 3 — Nieodpowiedni zasięg. Kiedy pokrycie spadło do 55% na niektórych liniach z powodu wiatru, SfM słabo dopasował w tym obszarze i model wyszedł z dziurami. Wstępna kontrola jakości wykazała obszar dolnego pokrycia; Ta część została ponownie oblatana. Lekcja: osłonę zapewnia się na miejscu, nie można jej później wyprodukować.
Słaba podpowiedź/silna podpowiedź
Słaba zachęta:
Zrobię mapę dronem, powiedzcie mi co mam zrobić.
Potężny monit:
Zadanie: Stwórz plan lotu i dokładności fotogrametrii UAV. Kontekst: - Powierzchnia: ~40 ha, teren płaski, lekko nachylony, słabo zalesiony - Dokładność celu: pozioma ±3 cm, pionowa ±5 cm - Kamera: [czujnik/ostrość], pożądane GSD: 2 cmProśby:1) Napisz przybliżoną wysokość lotu i logikę dla GSD 2 cm.2) Zalecenia dotyczące współczynnika pokrycia (przód/bok) i uzasadnienie.3) Liczba punktów GCP i strategia dystrybucji; Ile z nich powinienem zarezerwować jako NIEZALEŻNE punkty kontrolne?4) Zapisz rozróżnienie DSM/DTM i jakie dane wyjściowe są wymagane dla danego zadania.5) Weryfikacja: etap potwierdzenia z RMSE w niezależnych punktach kontrolnych.
Potężny monit zawiera cel numeryczny, stan pola i plan weryfikacji; Dane wyjściowe mają zastosowanie.
Cztery szablony do kopiowania
1) Obliczenie parametrów lotu:
Przybliżona wysokość lotu dla pożądanego GSD [x cm] i aparatu [czujnik/ostrość], sugerowany współczynnik pokrycia, szacunkowa liczba zdjęć. Zapisz swoje założenia jasno; Należy pamiętać, że dokładna wartość wymaga potwierdzenia przez oprogramowanie.
2) Planowanie GCP:
Zaproponuj strategię układu GCP dla [obszar/rozmiar/kształt]: ile punktów, jak rozdzielić, ile powinno być zarezerwowanych do niezależnej kontroli. Wyjaśnij ryzyko niewłaściwej dystrybucji (wszystko w jednym rogu).
3) Przebieg pracy DSM->DTM:
Napisz kroki filtrowania podłoża, aby wygenerować DTM z chmury punktów/DSM. Określ, które obiekty (budynek, drzewo) wyodrębnić i jak zweryfikować wynik za pomocą sekcji profilu. Wyjaśnij, dlaczego DTM jest wymagany do pracy z głośnością/poziomem.
4) Raport dokładności:
Oblicz poziome i pionowe RMSE na podstawie następujących odchyleń poszczególnych punktów kontrolnych, porównaj z dokładnością celu, dokonaj interpretacji pozytywny/negatywny i wskaż wszelkie słabe obszary. Dane: [odchylenia punktu kontrolnego]
Porównanie produktów fotogrametrycznych
Produkt
Co to reprezentuje?
Typowe użycie
Uwaga
ortofoto
Skaluj dokładny obraz lotniczy
Mapa bazowa, digitalizacja
Zniekształcenia krawędzi
DSM
Górna powierzchnia (budynek+drzewo)
Analiza cieni/widoczności
To nie jest ziemia
DTM
goła ziemia
Denim, objętość, nachylenie
Jakość filtrowania
chmura punktów
Gęste punkty 3D
Pomiar 3D, przekrój
czyszczenie hałasu
YKN
Baza georeferencyjna
fundament prawdy
Dystrybucja krytyczna
Typowe błędy
- Używanie DSM zamiast DTM. Duży błąd w obliczeniach wysokości i objętości.
- Nie pozostawianie niezależnych punktów kontrolnych. Nie ma niezależnych dowodów pozwalających zmierzyć dokładność.
- Źle dystrybuowane GCP. Jeden obszar jest prawidłowy, drugi jest zniekształcony.
- Pozostawienie niewystarczającego zasięgu na polu. Model nie do odzyskania, perforowany.
- Nie wyznaczanie celu, jakim jest dokładność w liczbach. „Wysokiej dokładności” nie można zmierzyć ani potwierdzić.
- Myślenie, że ortofoto jest absolutnie poprawne do pomiaru. Zniekształcenia występują wokół krawędzi i wysokich obiektów.
Podsumowując
Sztuczna inteligencja w fotogrametrii UAV; Jest to potężna pomoc w obliczaniu planu lotu, wstępnej kontroli jakości, generowaniu DTM z DSM i raportowaniu dokładności. Jednak fundament dokładności pozycjonowania leży w terenie: prawidłowa liczba i równomiernie rozmieszczone naziemne punkty kontroli, odpowiednia osłona i cele z dokładnością numeryczną. Rzetelną miarą dokładności jest RMSE obliczony w poszczególnych punktach kontrolnych, które nie wchodzą do modelu. Zawsze używaj DTM do prac dżinsowych i masowych; DSM to powierzchnia górna.
Zadanie aplikacji
Zaprojektuj projekt UAV: określ rozmiar pola, docelowy GSD i docelową dokładność numeryczną (np. poziomą ± 3 cm). Niech sztuczna inteligencja wygeneruje wysokość lotu, współczynnik pokrycia i strategię GCP; Zapisz, ile punktów zarezerwujesz na niezależną kontrolę. Następnie oblicz RMSE na hipotetycznej tabeli odchyleń punktu kontrolnego i zapytaj „czy trafił w cel?” Skomentuj i potwierdź wynik samodzielnie.
lista kontrolna
- [ ] Ustawiłem docelową dokładność numeryczną i GSD.
- [ ] Odpowiednio zaplanowałem współczynnik pokrycia (przód/bok).
- [ ] Rozłożyłem GCP równomiernie i użyłem ich w wystarczającej liczbie.
- [ ] Zarezerwowałem część punktów na samodzielną kontrolę.
- [ ] Wyprodukowałem DTM, a nie DSM, dla denimu/objętości.
- [ ] Filtrację gruntową sprawdziłem na przekroju profilu.
- [ ] Obliczyłem RMSE w poszczególnych punktach kontrolnych.
- [ ] Poddałem akceptację dokładności zatwierdzeniu inżyniera.