zisky:
- Schopnosť používať SfM fotogrammetriu, ortofoto, DSM/DTM a koncepty pozemných kontrolných bodov v správnom kontexte s AI
- Schopnosť zostaviť plánovanie letu UAV, mieru pokrytia a očakávania presnosti pomocou výpočtov a kontrolných zoznamov podporovaných AI
- Schopnosť vyhodnotiť presnosť fotogrametrického výstupu s nezávislými kontrolnými bodmi a logikou RMSE
Fotogrammetria je technika merania trojrozmernej polohy a tvaru predmetov z prekrývajúcich sa fotografií. Dnes je najrýchlejšie rastúcou výrobnou metódou v prieskumnom inžinierstve výroba ortofotografií a výškových modelov zo stoviek fotografií zozbieraných UAV (Unmanned Aerial Vehicle, bežne známy ako dron). V tejto časti sa zaoberáme tým, ako umelá inteligencia podporuje tento proces, od plánovania letu až po hodnotenie presnosti. Princíp je nemenný: softvér a AI vytvárajú model; Akceptovanie presnosti polohy zostáva na inžinierovi prostredníctvom pozemných kontrolných bodov a nezávislého riadenia.
Ujasnime si pojmy. SfM (Structure from Motion) je metóda, ktorá rieši 3D geometriu a polohy kamery porovnávaním spoločných bodov na fotografiách zhotovených z rôznych uhlov; Je jadrom moderného softvéru fotogrametrie. Ortofoto je letecká snímka so správnou mierkou, ako je mapa, s elimináciou skreslenia perspektívy a výšky. DSM (Digital Surface Model) je výškový model horného povrchu vrátane budov a stromov. DTM (Digital Terrain Model) je výškový model holej zeme. GCP (Ground Control Point; v angličtine GCP) sú označené body, ktoré sú presne zmerané z terénu, zobrazujú sa na fotografiách a spájajú model so skutočnými súradnicami. Pomer prekrytí je percentuálny podiel susedných fotografií, ktoré sa navzájom prekrývajú.
Úloha AI vo fotogrammetrii
AI podporuje štyri miesta v tomto pracovnom postupe:
- Plánovanie a výpočet letu. Pomáha pri výpočte výšky letu, pomeru krytia a počtu fotografií pre požadovanú vzdialenosť pozemného vzorkovania (GSD: veľkosť, ktorú každý pixel pokrýva na zemi) a vytvára kontrolný zoznam.
- Predbežná kontrola kvality. Zavádza logiku skenovania, ktorá signalizuje rozmazané fotografie, nedostatočnú oklúziu a problémy s distribúciou GCP.
- Klasifikácia a čistenie výstupov. Pomáha pri úlohách, ako je filtrovanie objektov (budova/stromov) a detekcia oblakov/tieňov v ortofoto na generovanie DTM z DSM.
- Správa a súhrn presnosti. Umožní čitateľnosť tabuľky RMSE (odmocnina štvorcovej chyby; meranie odchýlok v kontrolných bodoch) a správy o presnosti.
Slepý uhol: AI nevidí fyzické podmienky letu a realitu terénu. Ak je nedostatočná GCP, slabé krytie alebo veterný let, žiadny softvér/AI to nedokáže neskôr úplne opraviť. Integrita začína na ihrisku.
Tip: Cieľ presnosti si od začiatku nastavte v číslach. „Nech je to vysoko verné“ je nejednoznačné; Je to merateľný cieľ "zameraný na ±3 cm horizontálne a ±5 cm vertikálne, potvrdený RMSE s nezávislými kontrolnými bodmi."
Krok za krokom: Pracovný postup UAV fotogrametrie
- Nastavte presnosť a cieľ GSD. Požadovaná presnosť určuje GSD a tým aj výšku letu. Všeobecné pravidlo: presnosť polohy je rádovo niekoľko GSD.
- Naplánujte si let. Pomer pokrytia (typicky dopredu 75-80%, bočný 65-70%), výška letu, počet fotografií. AI môže vytvoriť tento výpočet a kontrolný zoznam.
- Umiestňujte a merajte GCP. Presne zmerajte pomocou GNSS dostatočný počet GCP v rohoch a v strede, aby bola oblasť pokrytá rovnomerne. Niektoré z nich oddeľte ako nezávislé kontrolné body, ktoré nevstupujú do modelu.
- Spracujte to. Zarovnanie s SfM, georeferencovanie s GCP, husté mračno bodov, DSM, generovanie ortofoto.
- Produkujte DTM. Prepnite z DSM na DTM odfiltrovaním mimozemných objektov.
- Overiť. Vypočítajte RMSE v jednotlivých kontrolných bodoch; Zasiahne cieľ?
Pozemné kontrolné body a RMSE
Prispôsobenie fotogrametrického modelu skutočnému svetu závisí od GCP. GCP dávajú modelu mierku a umiestnenie; Ak je ich počet nedostatočný alebo sú zle rozmiestnené (všetky v jednom rohu), model bude v jednej oblasti presný a v inej skreslený. Spôsob, ako čestne merať presnosť, je ponechať niektoré GCP ako nezávislé kontrolné body tým, že ich nezarovnáte, a vypočítať RMSE porovnaním ich hodnôt v modeli so skutočnými nameranými hodnotami. Model sa nepovažuje za správny len preto, že prispôsobenie (reziduálne) na GCP je nízke; Je to ako úspech na tréningových údajoch.
Upozornenie: Ak použijete všetky označené body ako GCP a nezanecháte žiadne nezávislé kontrolné body, nebudete mať žiadny nezávislý dôkaz na meranie presnosti. Vždy si vyhraďte niekoľko bodov na kontrolu.
Tri mini prípady: Podľa čísel
Prípad 1 – chyba distribúcie GCP. Na 40-hektárovom poli bolo 5 zo 6 GCP v južnej polovici poľa. Model udával odchýlku ±3 cm na juhu a ±25 cm na severe. Nezávislé kontrolné body odhalili toto regionálne skreslenie; Keď boli GCP distribuované rovnomerne a let bol prepracovaný, presnosť klesla na ± 4 cm na severe.
Prípad 2 – Zámena DSM za DTM. Pri výpočte objemu tím nadhodnotil objem výkopu približne o 12% za predpokladu, že DSM bol priamo rozomletý v zalesnenej oblasti. Keď sa DTM vygeneroval s pozemným filtrovaním s podporou AI a výpočet sa zopakoval, objem sa priblížil realite. Ponaučenie: DTM sa používa v objeme a džínsoch fungujú.
Prípad 3 – Nedostatočné pokrytie. Keď pokrytie na niektorých tratiach vplyvom vetra kleslo na 55 %, SfM v tejto oblasti zle zodpovedal a model vyšiel s dierami. Predbežná kontrola kvality označila oblasť nízkeho pokrytia; Tá časť bola odlietaná znova. Poučenie: kryt je zabezpečený v teréne, nie je možné ho vyrobiť neskôr.
Slabá výzva / silná výzva
Slabá výzva:
Idem urobiť mapu s dronom, povedz mi, čo mám robiť.
Výkonná výzva:
Úloha: Vytvorte plán letu a presnosti UAV fotogrametrie. Kontext:- Plocha: ~40 ha, plochá-mierne svahovitá, riedko zalesnená- Presnosť cieľa: horizontálna ±3 cm, vertikálna ±5 cm- Kamera: [senzor/zaostrenie], požadované GSD: 2 cmPožiadavky:1) Napíšte približnú výšku letu a logiku pre GSD 2 cm.2) Odporúčanie pokrytia (dopredu/na stranu) a pomer distribúcie GCP) a zdôvodnenie Koľko z nich by som si mal rezervovať ako NEZÁVISLÉ kontrolné body?4) Napíšte rozlíšenie DSM/DTM a aký výstup sa vyžaduje pre ktorú prácu.5) Overenie: krok potvrdenia s RMSE na nezávislých kontrolných bodoch.
Výkonná výzva obsahuje číselný cieľ, stav poľa a plán overenia; Výstup sa stáva použiteľným.
Štyri kopírovateľné šablóny
1) Výpočet letových parametrov:
Približná výška letu pre požadovanú GSD [x cm] a kameru [snímač/zaostrenie], navrhnite pomer krytia, odhadnite počet fotografií. Jasne napíšte svoje predpoklady; Upozorňujeme, že presná hodnota vyžaduje potvrdenie softvéru.
2) Plánovanie GCP:
Odporučiť stratégiu rozloženia GCP pre [oblasť/veľkosť/tvar]: koľko bodov, ako rozdeliť, koľko by malo byť vyhradených na nezávislú kontrolu. Vysvetlite riziko nesprávneho rozdelenia (všetko v jednom rohu).
3) Pracovný postup DSM->DTM:
Napíšte kroky pozemného filtrovania na generovanie DTM z mračna bodov/DSM. V sekcii profilu zadajte, ktoré objekty (budova, strom) sa majú extrahovať a ako overiť výsledok. Vysvetlite, prečo sa vyžaduje DTM pre prácu s objemom/úrovňou.
4) Správa o presnosti:
Vypočítajte horizontálnu a vertikálnu RMSE z nasledujúcich odchýlok jednotlivých kontrolných bodov, porovnajte ich s presnosťou cieľa, urobte interpretáciu vyhovela/nevyhovuje a označte všetky slabé miesta. Údaje: [odchýlky kontrolných bodov]
Fotogrametrické porovnanie produktov
Produkt
čo predstavuje?
Typické použitie
Pozornosť
ortofoto
Presná mierka leteckého obrazu
Podkladová mapa, digitalizácia
Skreslenie okrajov
DSM
Horný povrch (budova + strom)
Analýza tieňa/viditeľnosti
Nie je to zem
DTM
holú zem
Denim, objem, sklon
Kvalita filtrovania
mračno bodov
3D husté body
3D meranie, prierez
čistenie hluku
YKN
Georeferenčná základňa
základ pravdy
Distribúcia kritická
Časté chyby
- Používanie DSM namiesto DTM. Veľká chyba vo výpočtoch nadmorskej výšky a objemu.
- Nezanecháva žiadne nezávislé kontrolné body. Neexistujú žiadne nezávislé dôkazy na meranie presnosti.
- Zlá distribúcia GCP. Jedna oblasť je správna, druhá je skreslená.
- Miera pokrytia na ihrisku je nedostatočná. Neobnoviteľný, perforovaný model.
- Nestanovenie cieľa presnosti v číslach. "Vysokú presnosť" nemožno zmerať ani potvrdiť.
- Mysliac si, že ortofoto je absolútne správne na meranie. Skreslenie sa vyskytuje okolo hrán a vysokých predmetov.
V súhrne
Umelá inteligencia v UAV fotogrammetrii; Je to silný pomocník pri výpočte letového plánu, predbežnej kontrole kvality, generovaní DTM z DSM a podávaní správ o presnosti. Základ polohovej presnosti je však položený v teréne: správny počet a rovnomerne rozmiestnené pozemné kontrolné body, primerané krytie a ciele s numerickou presnosťou. Poctivým meradlom presnosti je RMSE vypočítaná v jednotlivých kontrolných bodoch, ktoré nevstupujú do modelu. Vždy používajte DTM na denimové a hromadné práce; DSM je vrchný povrch.
Aplikačná úloha
Navrhnite projekt UAV: určite veľkosť poľa, cieľovú GSD a cieľ numerickej presnosti (napr. horizontálne ±3 cm). Nechajte AI generovať výšku letu, pomer krytia a stratégiu GCP; Napíšte si, koľko bodov si vyhradíte na samostatnú kontrolu. Potom vypočítajte RMSE na hypotetickej tabuľke odchýlok kontrolných bodov a opýtajte sa „zasiahlo cieľ?“ Okomentujte a sami potvrďte výsledok.
kontrolný zoznam
- [ ] Nastavil som cieľ numerickej presnosti a GSD.
- [ ] Pomer krytia (dopredu/na stranu) som si naplánoval adekvátne.
- [ ] GCP som rozdelil rovnomerne a použil som ich v dostatočnom počte.
- [ ] Niektoré body som si vyhradil na nezávislú kontrolu.
- [ ] Vyrobil som DTM, nie DSM, pre džínsovinu/objem.
- [ ] Zemnú filtráciu som overil profilovou sekciou.
- [ ] Vypočítal som RMSE na jednotlivých kontrolných bodoch.
- [ ] Podrobil som schválenie presnosti inžinierom.