Dobički:
- Sposobnost uporabe konceptov fotogrametrije SfM, ortofota, DSM/DTM in zemeljske kontrolne točke v pravem kontekstu z AI
- Sposobnost izdelave načrtovanja letov UAV, stopnje pokritosti in pričakovane natančnosti z izračuni in kontrolnimi seznami, ki jih podpira AI
- Sposobnost ovrednotenja točnosti fotogrametričnega izpisa z neodvisnimi kontrolnimi točkami in logiko RMSE
Fotogrametrija je tehnika merjenja tridimenzionalnega položaja in oblike predmetov iz prekrivajočih se fotografij. Danes je najhitreje rastoča proizvodna metoda v geodetskem inženiringu izdelava ortofoto posnetkov in modelov višin iz več sto fotografij, zbranih z UAV (brezpilotno letalo, splošno znano kot dron). V tej enoti obravnavamo, kako umetna inteligenca podpira ta proces, od načrtovanja leta do ocene natančnosti. Načelo je nespremenljivo: programska oprema in AI proizvajata model; Sprejemanje položajne natančnosti ostane pri inženirju prek zemeljskih kontrolnih točk in neodvisnega nadzora.
Razjasnimo izraze. SfM (Structure from Motion) je metoda, ki rešuje 3D geometrijo in položaje kamere z ujemanjem skupnih točk na fotografijah, posnetih iz različnih kotov; Je jedro sodobne fotogrametrične programske opreme. Ortofoto je posnetek iz zraka v pravilnem merilu, kot zemljevid, z odpravljenimi perspektivnimi in višinskimi popačenji. DSM (Digital Surface Model) je model višine zgornje površine, vključno z zgradbami in drevesi. DTM (Digitalni model terena) je model višine golih tal. GCP (Ground Control Point; GCP v angleščini) so označene točke, ki so natančno izmerjene s terena, se pojavljajo na fotografijah in povezujejo model z realnimi koordinatami. Razmerje prekrivanja je odstotek sosednjih fotografij, ki pokrivajo druga drugo.
Vloga AI v fotogrametriji
AI podpira štiri mesta v tem delovnem procesu:
- Načrtovanje in izračun letenja. Pomaga pri izračunu višine leta, razmerja pokritosti in števila fotografij za želeno razdaljo vzorčenja tal (GSD: velikost, ki jo vsaka slikovna pika pokriva na tleh), in ustvari kontrolni seznam.
- Predhodni pregled kakovosti. Vzpostavi logiko skeniranja, ki označuje zamegljene fotografije, nezadostno okluzijo in težave z distribucijo GCP.
- Klasifikacija in čiščenje izhoda. Pomaga pri nalogah, kot je filtriranje objektov (zgradbe/drevesa) in zaznavanje oblakov/senc v ortofotu za ustvarjanje DTM iz DSM.
- Poročilo in povzetek točnosti. Naredi berljivo tabelo in poročilo o natančnosti RMSE (povprečna kvadratna napaka; merilo odstopanj v kontrolnih točkah).
Slepi kot: umetna inteligenca ne vidi fizičnih pogojev leta in realnosti terena. Če gre za neustrezen GCP, slabo kritje ali vetroven let, nobena programska oprema/AI tega ne more pozneje v celoti popraviti. Integriteta se začne na igrišču.
Namig: že na začetku si zastavite cilj natančnosti v številkah. "Naj bo visoke zvestobe" je dvoumen; To je merljiva tarča, "ciljana na ±3 cm vodoravno in ±5 cm navpično, potrjeno z RMSE z neodvisnimi kontrolnimi točkami."
Korak za korakom: Potek dela fotogrametrije UAV
- Nastavite natančnost in cilj GSD. Želena natančnost določa GSD in s tem višino leta. Splošno pravilo: položajna natančnost je v velikosti nekaj GSD.
- Načrtujte let. Razmerje pokritosti (običajno naprej 75-80%, stran 65-70%), višina leta, število fotografij. AI lahko ustvari ta izračun in kontrolni seznam.
- Postavite in izmerite GCP. Z GNSS natančno izmerite zadostno število GCP v vogalih in na sredini, da enakomerno pokrijete območje. Nekatere izmed njih ločite kot samostojne kontrolne točke, ki ne vstopajo v model.
- Obdelajte ga. Usklajevanje s SfM, georeferenciranje z GCP, gost oblak točk, DSM, generiranje ortofota.
- Izdelajte DTM. Preklopite z DSM na DTM tako, da filtrirate predmete zunaj tal.
- Preveri. Izračun RMSE na posameznih kontrolnih točkah; Ali zadene tarčo?
Talne kontrolne točke in RMSE
Prilagajanje fotogrametričnega modela resničnemu svetu je odvisno od GCP. GCP dajejo merilo in lokacijo modela; Če jih je premalo ali so slabo razporejeni (vsi v enem kotu), bo model na enem območju natančen, na drugem pa poševen. Način za pošteno merjenje natančnosti je, da nekatere GCP ohranimo kot neodvisne kontrolne točke, tako da jih ne poravnamo, in izračunamo RMSE s primerjavo njihovih vrednosti v modelu z dejanskimi izmerjenimi vrednostmi. Model se ne šteje za pravilnega samo zato, ker je prileganje (ostanek) na GCP nizko; To je kot uspeh na podatkih o usposabljanju.
Pozor: če uporabite vse označene točke kot GCP in ne pustite neodvisnih kontrolnih točk, ne boste imeli neodvisnih dokazov za merjenje natančnosti. Vedno rezervirajte nekaj točk za pregled.
Trije mini kovčki: po številkah
Primer 1 – napaka distribucije GCP. Na 40 hektarjev velikem polju je bilo 5 od 6 GCP na južni polovici polja. Model je dal odstopanje ±3 cm na jugu in ±25 cm na severu. Neodvisne kontrolne točke so razkrile to regionalno izkrivljanje; Ko so bile GCP enakomerno porazdeljene in je bil let ponovno obdelan, se je natančnost zmanjšala na ±4 cm na severu.
Primer 2 – zamenjava DSM za DTM. Pri izračunu prostornine je ekipa precenila prostornino izkopavanja za približno 12 % ob predpostavki, da je bil DSM neposredno zmlet na gozdnatem območju. Ko je bil DTM ustvarjen s zemeljskim filtriranjem, ki ga podpira umetna inteligenca, in je bil izračun ponovljen, se je obseg približal realnosti. Lekcija: DTM se uporablja pri volumnu in jeans delu.
Primer 3 – Neustrezna pokritost. Ko je pokritost padla na 55 % na nekaterih progah zaradi vetra, se je SfM na tem področju slabo ujemal in model je prišel z luknjami. Predhodno preverjanje kakovosti je označilo območje nizkega kritja; Ta del je bil ponovno preleten. Nauk: pokrov se zagotovi na terenu, kasneje ga ni mogoče izdelati.
Šibek poziv / močan poziv
Šibek poziv:
Z dronom bom naredil zemljevid, povej mi, kaj naj naredim.
Močan poziv:
Naloga: Ustvarite fotogrametrični načrt letenja in natančnosti UAV. Kontekst:- Območje: ~40 ha, ravno-rahlo nagnjeno, redko gozdnato- Natančnost cilja: vodoravno ±3 cm, navpično ±5 cm- Kamera: [senzor/fokus], želena GSD: 2 cmZahteve:1) Napišite približno višino leta in logiko za GSD 2 cm.2) Priporočilo za razmerje pokritosti (naprej/stran) in utemeljitev.3) Število GCP in distribucijska strategija; Koliko od njih naj rezerviram kot NEODVISNE kontrolne točke?4) Napišite razlikovanje DSM/DTM in kateri izhod je potreben za katero delo.5) Preverjanje: korak potrditve z RMSE na neodvisnih kontrolnih točkah.
Zmogljiv poziv vključuje številčni cilj, stanje na terenu in načrt preverjanja; Izhod postane uporaben.
Štiri kopirane predloge
1) Izračun parametrov leta:
Približna višina leta za želeno GSD [x cm] in kamero [senzor/fokus], predlagano razmerje kritja, ocenjeno število fotografij. Jasno zapišite svoje domneve; Upoštevajte, da je za natančno vrednost potrebna potrditev programske opreme.
2) Načrtovanje GCP:
Priporočite strategijo postavitve GCP za [območje/velikost/oblika]: koliko točk, kako porazdeliti, koliko jih je treba rezervirati za neodvisen nadzor. Pojasnite tveganje nepravilne distribucije (vse v enem kotu).
3) Potek dela DSM->DTM:
Napišite korake filtriranja tal za ustvarjanje DTM iz oblaka točk/DSM. Določite, katere objekte (zgradbo, drevo) želite ekstrahirati in kako preveriti rezultat z razdelkom profila. Pojasnite, zakaj je DTM potreben za delo z glasnostjo/nivojem.
4) Poročilo o točnosti:
Izračunajte vodoravni in navpični RMSE iz naslednjih posameznih odstopanj kontrolnih točk, primerjajte z natančnostjo cilja, naredite interpretacijo uspešno/neuspešno in pokažite morebitna šibka področja. Podatki: [odstopanja kontrolnih točk]
Primerjava fotogrametričnih izdelkov
Izdelek
Kaj predstavlja?
Tipična uporaba
Pozor
ortofoto
Prilagodi natančno sliko iz zraka
Osnovni zemljevid, digitalizacija
Popačenja robov
DSM
Zgornja površina (zgradba+drevo)
Analiza senc/vidnosti
Ni tla
DTM
gola tla
Denim, volumen, naklon
Kakovost filtriranja
oblak točk
3D goste točke
3D meritev, presek
čiščenje hrupa
YKN
Georeferenčna baza
temelj resnice
Porazdelitev kritična
Pogoste napake
- Uporaba DSM namesto DTM. Velika napaka pri izračunih višine in prostornine.
- Brez neodvisnih kontrolnih točk. Ni več neodvisnih dokazov za merjenje točnosti.
- Slabo porazdeljeni GCP-ji. Eno področje je pravilno, drugo je popačeno.
- Nezadostna stopnja pokritosti na terenu. Perforiran model, ki ga ni mogoče obnoviti.
- Ne postavlja cilj natančnosti v številkah. "Visoke natančnosti" ni mogoče izmeriti ali potrditi.
- Mislim, da je ortofoto popolnoma pravilen za merjenje. Popačenje se pojavi okoli robov in visokih predmetov.
Če povzamem
Umetna inteligenca v fotogrametriji UAV; Je močna pomoč pri izračunu načrta leta, predhodnem preverjanju kakovosti, ustvarjanju DTM iz DSM in poročanju o točnosti. Vendar se temelji pozicijske natančnosti postavijo na terenu: pravilno število in enakomerno porazdeljene kontrolne točke na tleh, ustrezno pokrivanje in cilji numerične natančnosti. Iskreno merilo točnosti je RMSE, izračunan na posameznih kontrolnih točkah, ki ne vstopajo v model. Vedno uporabljajte DTM za denim in masovno delo; DSM je zgornja površina.
Aplikacijska naloga
Oblikujte projekt UAV: določite velikost polja, ciljno GSD in ciljno numerično natančnost (npr. vodoravno ±3 cm). Naj AI ustvari višino leta, razmerje kritja in strategijo GCP; Zapišite, koliko točk boste rezervirali za samostojno kontrolo. Nato izračunajte RMSE na tabeli odstopanja hipotetične kontrolne točke in vprašajte "ali je zadel cilj?" Komentirajte in potrdite rezultat sami.
kontrolni seznam
- [ ] Nastavil sem cilj numerične natančnosti in GSD.
- [ ] Ustrezno sem načrtoval razmerje pokritosti (naprej/stran).
- [ ] GCP sem enakomerno porazdelil in jih uporabil v zadostnem številu.
- [ ] Nekaj točk sem rezerviral za samostojno kontrolo.
- [ ] Izdelal sem DTM, ne DSM, za denim/volumen.
- [ ] Preveril sem filtracijo tal s profilnim delom.
- [ ] Izračunal sem RMSE na posameznih kontrolnih točkah.
- [ ] Sprejetje natančnosti sem podvrgel odobritvi inženirja.