ඡායාරූපමිතිය සහ UAV රූප වලින් ආදර්ශ උත්පාදනය

ලාභ:

• AI සමඟ නිවැරදි සන්දර්භය තුළ SfM photogrammetry, orthophoto, DSM/DTM සහ බිම් පාලන ලක්ෂ්‍ය සංකල්ප භාවිතා කිරීමේ හැකියාව
• AI-සහාය දක්වන ගණනය කිරීම් සහ පිරික්සුම් ලැයිස්තු සමඟ UAV පියාසැරි සැලසුම්, ආවරණ අනුපාතය සහ නිරවද්‍යතා අපේක්ෂාවන් ගොඩනැගීමේ හැකියාව
• ස්වාධීන පාලන ලක්ෂ්‍ය සහ RMSE තර්කනය සමඟ ඡායාරූපමිතික ප්‍රතිදානයේ නිරවද්‍යතාවය තක්සේරු කිරීමේ හැකියාව

ඡායා රූපමිතිය යනු අතිච්ඡාදනය වන ඡායාරූප වලින් වස්තූන්ගේ ත්‍රිමාන පිහිටීම සහ හැඩය මැනීමේ තාක්ෂණයයි. අද, සමීක්ෂණ ඉංජිනේරු විද්‍යාවේ වේගයෙන්ම වර්ධනය වන නිෂ්පාදන ක්‍රමය වන්නේ UAV (මිනිසුන් රහිත ගුවන් වාහනය, සාමාන්‍යයෙන් ඩ්‍රෝන් ලෙස හඳුන්වන) විසින් එකතු කරන ලද ඡායාරූප සිය ගණනකින් විකලාංග ඡායාරූප සහ උන්නතාංශ ආකෘති නිෂ්පාදනය කිරීමයි. මෙම ඒකකය තුළ, පියාසර සැලසුම් කිරීමේ සිට නිරවද්‍යතා තක්සේරු කිරීම දක්වා කෘතිම බුද්ධිය මෙම ක්‍රියාවලියට සහාය වන ආකාරය අපි ආවරණය කරමු. මූලධර්මය වෙනස් කළ නොහැකි ය: මෘදුකාංග සහ AI ආකෘතිය නිෂ්පාදනය කරයි; ස්ථානීය නිරවද්‍යතාවය පිළිගැනීම භූ පාලන ස්ථාන සහ ස්වාධීන පාලනය හරහා ඉංජිනේරුවරයා සමඟ පවතී.

නියමයන් පැහැදිලි කරමු. SfM (ව්‍යුහයෙන් චලිතය) යනු විවිධ කෝණවලින් ගන්නා ලද ඡායාරූපවල පොදු ලක්ෂ්‍ය ගැලපීම මගින් ත්‍රිමාණ ජ්‍යාමිතිය සහ කැමරා පිහිටීම් විසඳන ක්‍රමයකි; එය නවීන ඡායාරූපමිතික මෘදුකාංගයේ හරයයි. ඕතොෆොටෝ යනු සිතියමක් වැනි, ඉදිරිදර්ශන සහ උන්නතාංශ විකෘති කිරීම් ඉවත් කර ඇති නිවැරදි පරිමාණයෙන් යුත් ගුවන් රූපයකි. DSM (ඩිජිටල් මතුපිට ආකෘතිය) යනු ගොඩනැගිලි සහ ගස් ඇතුළු ඉහළ පෘෂ්ඨයේ උන්නතාංශ ආකෘතියකි. DTM (ඩිජිටල් ටෙරේන් මොඩලය) යනු හිස් බිම්වල උන්නතාංශ ආකෘතියයි. GCP (භූමි පාලන ලක්ෂ්‍යය; ඉංග්‍රීසියෙන් GCP) යනු ක්ෂේත්‍රයෙන් නිශ්චිතව මනිනු ලබන, ඡායාරූපවල දිස්වන සහ ආකෘතිය සැබෑ ඛණ්ඩාංකවලට සම්බන්ධ කරන ලකුණු කරන ලද ලකුණු වේ. අතිච්ඡාදනය අනුපාතය යනු එකිනෙකා ආවරණය වන අසල්වැසි ඡායාරූපවල ප්‍රතිශතයයි.

ඡායාරූපමිතිය තුළ AI හි කාර්යභාරය

AI මෙම කාර්ය ප්‍රවාහයේ ස්ථාන හතරකට සහය දක්වයි:

1. ගුවන් ගමන් සැලසුම් කිරීම සහ ගණනය කිරීම. එය පියාසර උස, ආවරණ අනුපාතය සහ අපේක්ෂිත භූමි නියැදි දුර සඳහා ඡායාරූප ගණන ගණනය කිරීමට උපකාරී වේ (GSD: සෑම පික්සලයක්ම බිම ආවරණය වන ප්‍රමාණය), සහ පිරික්සුම් ලැයිස්තුවක් නිර්මාණය කරයි.
2. තත්ත්ව පූර්ව පරීක්ෂාව. එය නොපැහැදිලි ඡායාරූප, ප්‍රමාණවත් අවහිර කිරීම් සහ GCP බෙදා හැරීමේ ගැටළු සලකුණු කරන පරිලෝකන තර්කනය ස්ථාපිත කරයි.
3. ප්රතිදාන වර්ගීකරණය සහ පිරිසිදු කිරීම. DSM වෙතින් DTM උත්පාදනය කිරීම සඳහා ඕතොෆොටෝ හි වස්තු (ගොඩනැගිල්ල/ගස) පෙරීම සහ වලාකුළු/සෙවණ හඳුනාගැනීම වැනි කාර්යයන් සඳහා එය උපකාර කරයි.
4. වාර්තාව සහ නිරවද්‍යතා සාරාංශය. RMSE (Root Mean Square Error; පාලන ලක්ෂ්‍යවල අපගමනය මැනීම) වගුව සහ නිරවද්‍යතා වාර්තාව කියවිය හැකි කරයි.

අන්ධ ස්ථානය: AI ගුවන් යානයේ භෞතික තත්ත්වයන් සහ භූමියේ යථාර්ථය නොදකියි. ප්‍රමාණවත් නොවන GCP, දුර්වල ආවරණයක් හෝ සුළං සහිත පියාසර කිරීමක් තිබේ නම්, කිසිදු මෘදුකාංගයකට/AI හට මෙය පසුව සම්පූර්ණයෙන් නිවැරදි කළ නොහැක. අඛණ්ඩතාව ක්ෂේත්රයේ ආරම්භ වේ.

ඉඟිය: ඔබේ නිරවද්‍යතා ඉලක්කය ආරම්භයේ සිට ඉලක්කම් වලින් සකසන්න. "ඉහළ විශ්වාසවන්තකමට ඉඩ දෙන්න" යනු අපැහැදිලි ය; එය මැනිය හැකි ඉලක්කයකි "තිරස් අතට ±3 cm සහ සිරස් අතට ±5 cm ඉලක්ක කර, ස්වාධීන පාලන ලක්ෂ්‍ය සමඟ RMSE මගින් තහවුරු කර ඇත."

පියවරෙන් පියවර: UAV ඡායාරූපමිතික කාර්ය ප්රවාහය

1. නිරවද්‍යතාවය සහ GSD ඉලක්කය සකසන්න. අපේක්ෂිත නිරවද්‍යතාවය GSD සහ එම නිසා පියාසර උන්නතාංශය තීරණය කරයි. සාමාන්‍ය රීතිය: ස්ථානීය නිරවද්‍යතාවය GSD කිහිපයක අනුපිළිවෙල මත වේ.
2. ගුවන් ගමන සැලසුම් කරන්න. ආවරණ අනුපාතය (සාමාන්‍යයෙන් ඉදිරියට 75-80%, පැත්ත 65-70%), පියාසැරි උන්නතාංශය, ඡායාරූප ගණන. AI හට මෙම ගණනය කිරීම සහ පිරික්සුම් ලැයිස්තුව නිපදවිය හැක.
3. GCPs ස්ථානගත කිරීම සහ මැනීම. ප්‍රදේශය ඒකාකාරව ආවරණය වන පරිදි කොන් වල සහ මැද ඇති ප්‍රමාණවත් GCP සංඛ්‍යාවක් GNSS සමඟ නිවැරදිව මැන බලන්න. ඔවුන්ගෙන් සමහරක් ආකෘතියට ඇතුල් නොවන ස්වාධීන පාලන ස්ථාන ලෙස වෙන් කරන්න.
4. එය සකසන්න. SfM සමඟ පෙළගැස්වීම, GCP සමඟ භූ-යොමු කිරීම, ඝන ලක්ෂ්‍ය වලාකුළු, DSM, orthophoto උත්පාදනය.
5. DTM නිෂ්පාදනය කරන්න. භූගත වස්තූන් පෙරීමෙන් DSM සිට DTM වෙත මාරු වන්න.
6. තහවුරු කරන්න. තනි පාලන ස්ථානවල RMSE ගණනය කරන්න; එය ඉලක්කයට පහර දෙනවාද?

බිම් පාලන ස්ථාන සහ RMSE

ඡායාරූපමිතික ආකෘතිය සැබෑ ලෝකයට ගැලපීම GCPs මත රඳා පවතී. GCPs ආකෘතියට පරිමාණය සහ ස්ථානය ලබා දෙයි; ඒවා සංඛ්‍යාවෙන් ප්‍රමාණවත් නොවේ නම් හෝ දුර්වල ලෙස බෙදා හැර තිබේ නම් (සියල්ල එක් කොනක), ආකෘතිය එක් කලාපයක නිරවද්‍ය වන අතර තවත් කලාපයක විකෘති වේ. අවංකව නිරවද්‍යතාවය මැනීමේ ක්‍රමය නම් සමහර GCPs නොගැලපීම මගින් ස්වාධීන පාලන ලක්ෂ්‍යයන් ලෙස තබා ගැනීම සහ ආකෘතියේ ඒවායේ අගයන් සැබෑ මනින ලද අගයන් සමඟ සංසන්දනය කිරීමෙන් RMSE ගණනය කිරීමයි. GCP මත ගැලපෙන (අවශේෂ) අඩු නිසා පමණක් ආකෘතිය නිවැරදි ලෙස නොසැලකේ; මෙය පුහුණු දත්තවල සාර්ථකත්වය වැනි ය.

අවවාදයයි: ඔබ GCPs ලෙස සලකුණු කළ සියලුම ලකුණු භාවිතා කරන්නේ නම් සහ ස්වාධීන පාලන ලක්ෂ්‍ය කිසිවක් ඉතිරි නොකරන්නේ නම්, නිරවද්‍යතාවය මැනීමට ඔබට ස්වාධීන සාක්ෂි නොමැත. පරීක්ෂා කිරීම සඳහා සෑම විටම ලකුණු කිහිපයක් වෙන් කරන්න.

කුඩා අවස්ථා තුනක්: අංක අනුව

නඩුව 1 - GCP බෙදා හැරීමේ දෝෂයකි. හෙක්ටයාර 40ක ක්ෂේත්‍රයක, GCPs 6න් 5ක්ම ක්ෂේත්‍රයේ දකුණු අර්ධයේ විය. මෙම ආකෘතිය දකුණේ ± 3 cm සහ උතුරේ ± 25 cm ක අපගමනය ලබා දුන්නේය. ස්වාධීන මුරපොලවල් මගින් මෙම කලාපීය විකෘතිය අනාවරණය විය; GCPs ඒකාකාරව බෙදා හැර පියාසැරිය නැවත සකස් කළ විට, නිරවද්‍යතාවය උතුරේ ± 4 cm දක්වා අඩු විය.

නඩුව 2 - DTM සඳහා DSM වැරදියි. පරිමාව ගණනය කිරීමකදී, ඩීඑස්එම් සෘජුවම වනාන්තර ප්‍රදේශයක ගොඩබසිනු ඇතැයි උපකල්පනය කිරීමෙන් කණ්ඩායම විසින් කැණීම් පරිමාව ආසන්න වශයෙන් 12% කින් අධිතක්සේරු කරන ලදී. AI-සහාය දක්වන බිම් පෙරහන සමඟ DTM ජනනය කර ගණනය කිරීම නැවත නැවත කළ විට, පරිමාව යථාර්ථයට සමීප විය. පාඩම: පරිමාව සහ ජීන්ස් වැඩ කිරීමේදී DTM භාවිතා වේ.

නඩුව 3 - ප්රමාණවත් ආවරණයක් නොමැති වීම. සුළඟ නිසා සමහර රේඛාවල ආවරණය 55% දක්වා පහත වැටුණු විට, SfM එම ප්‍රදේශයේ දුර්වල ගැලපීමක් ඇති කළ අතර මාදිලිය සිදුරු සහිතව පිටතට පැමිණියේය. තත්ත්ව පූර්ව පරීක්ෂාව අඩු ආවරණ කලාපය සලකුණු කර ඇත; ඒ කොටස ආයෙත් පියාසර කළා. පාඩම: ක්ෂේත්‍රයේ ආවරණය සපයා ඇත, එය පසුව නිෂ්පාදනය කළ නොහැක.

දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික

දුර්වල ක්ෂණික:

මම ඩ්‍රෝන යානයකින් සිතියමක් හදන්න යනවා, මට කියන්න මම කළ යුතු දේ.

බලවත් විමසුම:

කාර්යය: UAV ඡායාරූපමිතික පියාසැරියක් සහ නිරවද්‍යතා සැලැස්මක් සාදන්න. සන්දර්භය:- ප්‍රදේශය: ~40 හෙක්ටයාර්, පැතලි-තරමක් බෑවුම් සහිත, විරල ලී-ඉලක්ක නිරවද්‍යතාවය: තිරස් ±3 සෙ.මී., සිරස් ±5 සෙ.මී.- කැමරාව: [සංවේදකය/නාභිගත], අපේක්ෂිත GSD: 2 cmඉල්ලීම්:1) පියාසැරිය 2 cmඉල්ලීම්:1) GSD උස 2 ආසන්න වශයෙන් ලියන්න. නිර්දේශය (ඉදිරියට/පැත්තට) සහ යුක්තිසහගත කිරීම.3) GCPs ගණන සහ බෙදා හැරීමේ උපාය මාර්ගය; ඒවායින් කීයක් මා ස්වාධීන මුරපොලවල් ලෙස වෙන්කර ගත යුතුද?4) DSM/DTM වෙනස ලියන්න සහ කුමන කාර්යය සඳහා අවශ්‍ය ප්‍රතිදානයද යන්න.5) සත්‍යාපනය: ස්වාධීන මුරපොලකදී RMSE සමඟ තහවුරු කිරීමේ පියවර.

බලවත් විමසුමට සංඛ්‍යාත්මක ඉලක්කය, ක්ෂේත්‍ර තත්ත්වය සහ සත්‍යාපන සැලැස්ම ඇතුළත් වේ; ප්රතිදානය අදාළ වේ.

පිටපත් කළ හැකි සැකිලි හතරක්

1) පියාසැරි පරාමිති ගණනය කිරීම:

අපේක්ෂිත GSD [x cm] සහ කැමරාව [සංවේදකය/අවධානය] සඳහා ආසන්න පියාසැරි උස, ආවරණ අනුපාතය යෝජනා කරන්න, ඡායාරූප ගණන ඇස්තමේන්තු කරන්න. ඔබේ උපකල්පන පැහැදිලිව ලියන්න; නිශ්චිත අගයට මෘදුකාංග තහවුරු කිරීමක් අවශ්‍ය බව සලකන්න.

2) GCP සැලසුම් කිරීම:

[ප්‍රදේශය/ප්‍රමාණය/හැඩය] සඳහා GCP පිරිසැලසුම් ක්‍රමෝපාය නිර්දේශ කරන්න: ලකුණු කීයක්, බෙදාහරින්නේ කෙසේද, ස්වාධීන පාලනය සඳහා කොපමණ ප්‍රමාණයක් වෙන් කළ යුතුද. maldistribution අවදානම පැහැදිලි කරන්න (සියල්ල එක් කෙළවරක).

3) DSM->DTM කාර්ය ප්‍රවාහය:

ලක්ෂ්‍ය වලාකුළකින්/DSMකින් DTM ජනනය කිරීමට බිම් පෙරීමේ පියවර ලියන්න. කුමන වස්තූන් (ගොඩනැගිල්ල, ගස) උකහා ගත යුතුද යන්න සහ පැතිකඩ කොටස සමඟ ප්රතිඵලය සත්යාපනය කරන්නේ කෙසේද යන්න සඳහන් කරන්න. පරිමාව/මට්ටමේ වැඩ සඳහා DTM අවශ්‍ය වන්නේ මන්දැයි පැහැදිලි කරන්න.

4) නිරවද්‍යතා වාර්තාව:

පහත දැක්වෙන තනි පාලන ලක්ෂ්‍ය අපගමනයන්ගෙන් තිරස් සහ සිරස් RMSE ගණනය කරන්න, ඉලක්ක නිරවද්‍යතාවය සමඟ සංසන්දනය කරන්න, සමත්/අසාර්ථක අර්ථකථනයක් කරන්න සහ ඕනෑම දුර්වල ප්‍රදේශයක් පෙන්වා දෙන්න. දත්ත: [පාලන ලක්ෂ්‍ය අපගමනය]

ඡායාරූපමිතික නිෂ්පාදන සංසන්දනය

නිෂ්පාදනය

එය නියෝජනය කරන්නේ කුමක්ද?

සාමාන්ය භාවිතය

අවධානය

විකලාංග

නිවැරදි ගුවන් රූපය පරිමාණය කරන්න

මූලික සිතියම, ඩිජිටල්කරණය

දාර විකෘති කිරීම්

ඩීඑස්එම්

ඉහළ මතුපිට (ගොඩනැගිල්ල + ගස)

සෙවන / දෘශ්‍යතා විශ්ලේෂණය

එය බිම නොවේ

DTM

හිස් බිම

ඩෙනිම්, පරිමාව, බෑවුම

පෙරීමේ ගුණාත්මකභාවය

ලක්ෂ්ය වලාකුළ

3D ඝන ලකුණු

3D මිනුම්, හරස්කඩ

ශබ්ද පිරිසිදු කිරීම

වයි.කේ.එන්

භූගෝලීය පදනම

සත්‍යයේ පදනම

බෙදා හැරීම තීරණාත්මකයි

පොදු වැරදි

• DTM වෙනුවට DSM භාවිතා කිරීම. උන්නතාංශය සහ පරිමාව ගණනය කිරීමේදී විශාල වැරැද්දක්.
• ස්වාධීන මුරපොලවල් නොතැබීම. නිරවද්‍යතාවය මැනීමට ස්වාධීන සාක්ෂි කිසිවක් ඉතිරිව නැත.
• GCPs දුර්වල ලෙස බෙදා හැරීම. එක් ප්රදේශයක් නිවැරදියි, අනෙක විකෘති වී ඇත.
• ක්ෂේත්‍රයේ ආවරණ අනුපාතය ප්‍රමාණවත් නොවීම. ප්රතිසාධනය කළ නොහැකි, සිදුරු සහිත ආකෘතිය.
• ඉලක්කම්වල නිරවද්‍යතාවයේ ඉලක්කය නොතබයි. "ඉහළ නිරවද්යතාව" මැනිය හෝ තහවුරු කළ නොහැක.
• මැනීම සඳහා විකලාංග ඡායාරූපය සම්පූර්ණයෙන්ම නිවැරදි යැයි සිතීම. දාර සහ උස් වස්තූන් වටා විකෘති කිරීම සිදු වේ.

සාරාංශයකින්

UAV ඡායාරූපමිතියෙහි කෘතිම බුද්ධිය; එය පියාසැරි සැලසුම් ගණනය කිරීම, තත්ත්ව පූර්ව පරීක්ෂාව, DSM වෙතින් DTM උත්පාදනය සහ නිරවද්‍යතා වාර්තාකරණය සඳහා ප්‍රබල ආධාරකයකි. කෙසේ වෙතත්, ස්ථානීය නිරවද්‍යතාවයේ පදනම ක්ෂේත්‍රයේ තබා ඇත: නිවැරදි සංඛ්‍යාව සහ ඒකාකාරව බෙදා හරින ලද බිම් පාලන ස්ථාන, ප්‍රමාණවත් ආවරණයක් සහ සංඛ්‍යාත්මක නිරවද්‍යතා ඉලක්ක. නිරවද්‍යතාවයේ අවංක මිනුමක් වන්නේ ආකෘතියට ඇතුළු නොවන තනි පාලන ලක්ෂ්‍යවලදී ගණනය කරනු ලබන RMSE ය. ඩෙනිම් සහ තොග වැඩ සඳහා සෑම විටම DTM භාවිතා කරන්න; DSM යනු ඉහළ මතුපිටයි.

යෙදුම් කාර්යය

UAV ව්‍යාපෘතියක් සැලසුම් කරන්න: ක්ෂේත්‍ර ප්‍රමාණය, ඉලක්ක GSD, සහ සංඛ්‍යාත්මක නිරවද්‍යතා ඉලක්කය තීරණය කරන්න (උදා: තිරස් ±3 cm). AI විසින් පියාසර උන්නතාංශය, ආවරණ අනුපාතය සහ GCP උපාය මාර්ගය ජනනය කරන්න; ස්වාධීන පාලනය සඳහා ඔබ කොපමණ ලකුණු ප්‍රමාණයක් වෙන් කරන්නේ දැයි ලියන්න. ඉන්පසු උපකල්පිත පාලන ලක්ෂ්‍ය අපගමනය වගුවක් මත RMSE ගණනය කර “එය ඉලක්කයට වැදුනද?” කියා අසන්න. ප්‍රතිඵලය ඔබම කමෙන්ට් කර තහවුරු කරන්න.

පිරික්සුම් ලැයිස්තුව

• [ ] මම සංඛ්‍යාත්මක නිරවද්‍යතා ඉලක්කයක් සහ GSD තැබුවෙමි.
• [ ] මම ආවරණ අනුපාතය (ඉදිරි/පැත්ත) ප්‍රමාණවත් ලෙස සැලසුම් කළෙමි.
• [ ] මම GCPs ඒකාකාරව බෙදා හැර ඒවා ප්‍රමාණවත් සංඛ්‍යාවකින් භාවිතා කළෙමි.
• [ ] මම ස්වාධීන පාලනය සඳහා සමහර ලකුණු වෙන් කළා.
• [ ] මම ඩෙනිම්/පරිමාව සඳහා DTM නිෂ්පාදනය කළා මිස DSM නොවේ.
• [ ] මම පැතිකඩ කොටස සමඟ බිම පෙරීම සත්‍යාපනය කළෙමි.
• [ ] මම RMSE ගණනය කළේ තනි පාලන ස්ථානවලදීය.
• [ ] මම නිරවද්‍යතාවය පිළිගැනීමට ඉංජිනේරු අනුමැතියට යටත් කර ඇත.