యూనిట్లు
1. ఆర్కియాలజీ మరియు కల్చరల్ హెరిటేజ్‌లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ పరిచయం: పాత్రలు, సరిహద్దులు, ప్రమాణీకరణ, నీతి మరియు గోప్యత 2. వర్గీకరణ మరియు చిత్ర విశ్లేషణను కనుగొనండి: సెరామిక్స్, నాణేలు, లిథిక్స్ మరియు చిన్న అన్వేషణలు 3. రిమోట్ సెన్సింగ్ మరియు సైట్ డిటెక్షన్: శాటిలైట్, ఏరియల్ ఫోటోగ్రఫీ మరియు LiDAR 4. 3D డాక్యుమెంటేషన్ మరియు ఫోటోగ్రామెట్రీ: మోడల్ ప్రొడక్షన్, మెజర్మెంట్ మరియు సర్వేయింగ్ 5. తవ్వకం రికార్డు, డేటాబేస్ మరియు డేటా ప్రమాణాలు 6. ఎపిగ్రఫీలు, ప్రాచీన మాన్యుస్క్రిప్ట్‌లు మరియు టెక్స్ట్‌ల పఠనం మరియు అనువాదం 7. లిటరేచర్ రివ్యూ, సోర్స్ వెరిఫికేషన్ మరియు ఫైటింగ్ భ్రాంతి 8. డేటింగ్, స్టాటిస్టిక్స్ మరియు సైంటిఫిక్ అనాలిసిస్: రేడియోకార్బన్, టైపోలాజీ మరియు సీరియషన్ 9. కల్చరల్ హెరిటేజ్ మేనేజ్‌మెంట్, ప్రొటెక్షన్ అండ్ మానిటరింగ్ 10. పబ్లిక్ ఆర్కియాలజీ, మ్యూజియం కథనం మరియు డిజిటల్ పునర్నిర్మాణం యొక్క నీతి 11. ఎథిక్స్, లీగల్, యాంటీ-ప్లోండర్ మరియు ఎండ్-టు-ఎండ్ వర్క్‌ఫ్లో
యూనిట్ 4 / 11

3D డాక్యుమెంటేషన్ మరియు ఫోటోగ్రామెట్రీ: మోడల్ ప్రొడక్షన్, మెజర్మెంట్ మరియు సర్వేయింగ్

లాభాలు:

  • ఫోటోగ్రామెట్రీతో స్కేల్ చేయబడిన 3D మోడల్‌లు, పాయింట్ క్లౌడ్‌లు మరియు ఆర్థోఫోటోలను ఉత్పత్తి చేసే ప్రక్రియలో కృత్రిమ మేధస్సు యొక్క సహకారాన్ని వివరించే సామర్థ్యం మరియు స్కేల్ బార్ ఎందుకు అవసరం.
  • తప్పిపోయిన డేటాను పూరించడం ద్వారా సృష్టించబడిన నకిలీ ఉపరితలాల ప్రమాదాన్ని గుర్తించడం మరియు అంచనాను పూర్తి చేయకుండా సాక్ష్యాన్ని దృశ్యమానంగా వేరు చేయగలగడం.
  • మోడల్ అనేది ఒక కొలత అని అర్థం చేసుకోవడం మరియు వివరణ అనేది గోడ అంటే ఏమిటి మరియు సహజ రాయి ఏది వంటి సందర్భం మరియు నిపుణుల తీర్పు.

పురావస్తు శాస్త్రంలో, తవ్వకం అనేది ఒక విధ్వంసక చర్య: మీరు పొరను త్రవ్వినప్పుడు, మీరు దానిని శాశ్వతంగా నాశనం చేస్తారు మరియు మీరు దానిని మళ్లీ అదే విధంగా చూడలేరు. అందువల్ల, డాక్యుమెంటేషన్ (కొలతలు, డ్రాయింగ్‌లు, ఛాయాచిత్రాలు మరియు నమూనాలతో తవ్వకం యొక్క ప్రతి దశ యొక్క శాశ్వత రికార్డును రూపొందించడం) పురావస్తు శాస్త్రం యొక్క అత్యంత పవిత్రమైన విధుల్లో ఒకటి. ఈ యూనిట్‌లో, ఫోటోగ్రామెట్రీ (వివిధ కోణాల నుండి తీసిన వస్తువు యొక్క బహుళ ఛాయాచిత్రాల నుండి సాధారణ పాయింట్‌లను సరిపోల్చడం ద్వారా స్కేల్ చేయబడిన త్రీ-డైమెన్షనల్ మోడల్‌ను ఉత్పత్తి చేసే సాంకేతికత) మరియు AI 3D డాక్యుమెంటేషన్‌ను ఎలా వేగవంతం చేస్తుంది, అయితే స్కేల్ మరియు ఇంటర్‌ప్రెటేషన్‌పై నిర్ణయాలు ఎందుకు మానవుల వద్దనే ఉంటాయో మనం చూస్తాము.

ప్రాథమిక సూత్రం: AI స్కేల్ మోడల్, ఆర్థోఫోటోలు మరియు కొలతలను ఉత్పత్తి చేయడంలో సహాయపడుతుంది; కానీ ఏమి డాక్యుమెంట్ చేయాలి, ఏ లైన్ గోడ మరియు ఏది సహజ రాయి, మరియు మోడల్‌ను ఎలా అర్థం చేసుకోవాలి అనేవి నిపుణుల నిర్ణయాలు. 3D మోడల్ ఒక రుజువు; దాని పఠనం ఒక వివరణ.

ఫోటోగ్రామెట్రీ మరియు 3D డాక్యుమెంటేషన్ యొక్క దశలు

1. ఫోటో షూట్. వస్తువు లేదా ప్రాంతం తగినంత అతివ్యాప్తితో (కనీసం మూడు ఛాయాచిత్రాలలో ప్రతి పాయింట్) మరియు మంచి కాంతిలో సంగ్రహించబడుతుంది. స్కేల్ బార్ మరియు తెలిసిన దూరాలు (నియంత్రణ పాయింట్లు) దాని పక్కన ఉంచబడతాయి; స్కేల్ లేకుండా మోడల్ పరిమాణంలేనిది.

2. సమలేఖనం మరియు పాయింట్ క్లౌడ్. సాఫ్ట్‌వేర్ ఫోటోలలోని సాధారణ పాయింట్‌లతో సరిపోలుతుంది మరియు పాయింట్ క్లౌడ్‌ను ఉత్పత్తి చేస్తుంది (వస్తువు యొక్క ఉపరితలాన్ని సూచించే మిలియన్ల 3D పాయింట్‌లతో కూడిన డేటా). AI ఈ మ్యాచింగ్ మరియు నాయిస్ క్లీనింగ్‌ని వేగవంతం చేస్తుంది.

3. మెష్ మరియు ఆకృతి. పాయింట్లు ఉపరితలం (మెష్) గా మార్చబడతాయి మరియు ఫోటో ఆకృతి పైన వర్తించబడుతుంది; వాస్తవిక 3D మోడల్ ఉద్భవించింది.

4. ఆర్థోఫోటో మరియు కొలత. దృక్కోణ వక్రీకరణ తొలగించబడిన స్కేల్ చేయబడిన ఆర్థోఫోటో (ప్రతి పాయింట్‌తో సరైన స్కేల్‌తో కూడిన టాప్ వ్యూ) మోడల్ నుండి సంగ్రహించబడుతుంది. దీనిపై సర్వే డ్రాయింగ్‌లు రూపొందించారు.

5. సర్వేయింగ్ మరియు వివరణ. సర్వేయింగ్ (భవనం లేదా శిధిలాల యొక్క స్కేల్, ఇంటర్‌ప్రెటెడ్ టెక్నికల్ డ్రాయింగ్) అనేది నిపుణుడు మోడల్‌ను చదివి, గోడ అంటే ఏమిటి, మోర్టార్ అంటే ఏమిటి మరియు తరువాత అదనంగా ఏది అని గుర్తించే దశ. AI అంచులను సూచించగలదు, కానీ నిపుణుడు వ్యత్యాసాన్ని చేస్తాడు.

చిట్కా: స్కేల్ బార్ మరియు కంట్రోల్ పాయింట్‌లను ఎప్పుడూ దాటవేయవద్దు. AI స్కేల్ చేయని ఛాయాచిత్రాల నుండి "అందమైన" మోడల్‌ను ఉత్పత్తి చేస్తుంది, అయితే ఆ మోడల్ శాస్త్రీయంగా విలువలేనిది ఎందుకంటే దాని నుండి నిజమైన కొలతలు తీసుకోలేము. డాక్యుమెంటేషన్ విలువ దాని కొలతలో ఉంటుంది.

AI యొక్క సహకారం మరియు పరిమితులు

AI; ఇది ఫోటో ఎలైన్‌మెంట్, నాయిస్ రిమూవల్, మిస్సింగ్ సర్ఫేస్ ఫిల్లింగ్ (ఇంటర్‌పోలేషన్) మరియు పెద్ద సంఖ్యలో మోడల్‌ల పోలికలో శక్తివంతమైనది. కానీ రెండు క్లిష్టమైన పరిమితులు ఉన్నాయి:

  • తయారు చేయబడిన ఉపరితలం యొక్క ప్రమాదం. AI తప్పిపోయిన డేటాను "అనుకూలమైనది"గా కనిపించే విధంగా పూరించగలదు; అంటే, మోడల్‌లో వాస్తవంగా గమనించని ఉపరితలాన్ని ఇది ఉత్పత్తి చేయవచ్చు. డాక్యుమెంటేషన్‌లో ఇది ప్రమాదకరం: వాస్తవంగా లేని వివరాలు సాక్ష్యంగా కనిపిస్తాయి. నిండిన/ఊహించిన ప్రాంతాలు ఎల్లప్పుడూ గుర్తించబడాలి.
  • కొలత, వ్యాఖ్య కాదు. మోడల్ ఏది ఏమిటో చెప్పలేదు. ఒక గొయ్యి సమాధి అయినా లేదా చెత్త గొయ్యి అయినా, రాళ్ల వరుస గోడ అయినా లేదా రహదారి అయినా, సందర్భం మరియు నిపుణుల తీర్పు నుండి వస్తుంది, మోడల్ నుండి కాదు.
హెచ్చరిక: 3D మోడల్‌ను "పునరుద్ధరించేటప్పుడు" లేదా "పూర్తి చేసేటప్పుడు" AI జోడించే ప్రతి భాగం ఒక ఊహ. సాక్ష్యం (వాస్తవంగా కొలిచిన ఉపరితలం) మరియు పునర్నిర్మాణం (అంచనా వేసిన పూర్తి) దృశ్యమానంగా వేరు చేయకపోతే, వీక్షకుడు ఆ ఊహను నిజం అని తప్పుగా భావిస్తారు. ఇది డాక్యుమెంటేషన్ యొక్క అత్యంత తీవ్రమైన నైతిక లోపం.

మూడు చిన్న కేసులు

కేస్ 1 — ఫాస్ట్ డాక్యుమెంటేషన్ సేవ్ చేయబడింది. రెస్క్యూ తవ్వకంలో (నిర్మాణం కారణంగా అత్యవసర తవ్వకం), ఒక పొరను డాక్యుమెంట్ చేయడానికి బృందానికి కొన్ని గంటల సమయం మాత్రమే ఉంది. డ్రోన్ మరియు AI-యాక్సిలరేటెడ్ ఫోటోగ్రామెట్రీ 45 నిమిషాలలో పొర యొక్క మిల్లీమెట్రిక్ 3D రికార్డును ఉత్పత్తి చేసింది; మరుసటి రోజు పొర తీసివేయబడింది, కానీ నమూనా శాశ్వతంగా ఉంది. ఈ సమయంలో హ్యాండ్ డ్రాయింగ్ అసాధ్యం.

కేస్ 2 - ఫాబ్రికేటెడ్ ఉపరితలం పట్టుకుంది. అతను కొన్ని ఛాయాచిత్రాలతో రూపొందించిన మోడల్‌లో AI నింపిన చదునైన ఉపరితలం "ఘనమైన ఆధారం" అని ఒక విద్యార్థి నివేదికలో వ్రాస్తాడు. కన్సల్టెంట్ ఆ ప్రాంతంలో తగినంత ఛాయాచిత్రాలు లేవని మరియు ఉపరితలం ఇంటర్‌పోలేషన్ అని చూపించాడు. "కొలిచిన" మరియు "ఊహించిన" ప్రాంతాలను వేరు చేయడం ద్వారా మోడల్ పునర్వ్యవస్థీకరించబడింది.

కేస్ 3 — స్కేల్-ఫ్రీ మోడల్ పని చేయలేదు. ఒక బృందం భవనం నమూనాను అందించింది, అది అందంగా కనిపించింది కానీ స్కేల్ బార్ లేకుండా చిత్రీకరించబడింది; దాని నుండి నిజమైన కొలతలు తీసుకోలేము మరియు సర్వే డ్రాయింగ్‌లు చేయబడలేదు. చెక్‌పోస్టులతో కాల్పులు పునరావృతమయ్యాయి. పాఠం: స్కేల్ అనేది మోడల్ యొక్క శాస్త్రీయ విలువ.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

1) షూటింగ్ ప్రణాళిక నియంత్రణ:

మీ పాత్ర: ఫోటోగ్రామెట్రీ డాక్యుమెంటేషన్ అసిస్టెంట్. నేను కింది వస్తువు/ప్రాంతాన్ని డాక్యుమెంట్ చేస్తాను: [వివరణ]. నాకు మారుపేరు, కోణాల సంఖ్య, లైటింగ్, స్కేల్ బార్ మరియు కంట్రోల్ పాయింట్ ప్లేస్‌మెంట్ కోసం షూటింగ్ చెక్‌లిస్ట్ ఇవ్వండి. స్కేలబిలిటీ మరియు పూర్తి కవరేజ్ కోసం క్లిష్టమైన పాయింట్లను హైలైట్ చేయండి.

2) మోడల్ నాణ్యత తనిఖీ:

క్రింద నేను నా 3D మోడల్ ఉత్పత్తి పారామితులు/గణాంకాలు (ఫోటోల సంఖ్య, అతివ్యాప్తి, కవర్ చేయబడిన ప్రాంతం) ఇస్తాను. మోడల్‌లోని ఏ ప్రాంతాల్లో డేటా బలహీనంగా ఉండవచ్చు మరియు AI ద్వారా పూరించబడే (అంచనా) ఉండవచ్చు? వీటిని ఎలా గుర్తించాలో చెప్పండి.

3) సాక్ష్యం/కల్పిత భేదం:

నేను 3D పునర్నిర్మాణం/పూర్తి కోసం సిద్ధం చేస్తున్నాను. మోడల్‌లోని ఏ భాగాలను కొలిచిన సాక్ష్యం మరియు అంచనా వేసిన పూర్తి అని గుర్తించడానికి మార్కింగ్ స్కీమ్‌ను (రంగు/లేయర్/లేబుల్) సూచించండి. వీక్షకుడు వాస్తవంగా ఊహను తప్పుగా భావించకుండా నిరోధించే ప్రకటన వచనాన్ని కూడా రూపొందించండి.

4) సర్వే కోసం సన్నాహాలు:

నేను ఆర్థోఫోటో నుండి సర్వే గీస్తాను. ఈ నిర్మాణంలో నేను గుర్తించాల్సిన అంశాలు (గోడ/మోర్టార్/అదనం/మరమ్మత్తు/సహజ రాయి) మరియు ప్రతిదానికి శ్రద్ధ వహించాల్సిన విజువల్ క్లూలను జాబితా చేయండి. నేను ఖచ్చితమైన వ్యాఖ్య చేస్తాను; మీరు తనిఖీ చేయవలసిన ప్రమాణాలను అందిస్తారు.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

ఈ ఫోటోల నుండి భవనం యొక్క 3D నమూనాను సృష్టించండి మరియు తప్పిపోయిన భాగాలను పూరించండి.

“తప్పిపోయిన భాగాలను పూరించండి” అనేది AIకి తగిన ఉపరితలాన్ని రూపొందించడానికి అనుమతిస్తుంది; ఫలితం తప్పుదోవ పట్టించే నమూనా, దీనిలో సాక్ష్యం మరియు కల్పన గందరగోళంగా ఉన్నాయి.

శక్తివంతమైన ప్రాంప్ట్:

ఈ ఫోటోగ్రాఫ్‌ల నుండి స్కేల్ 3D మోడల్‌ను రూపొందించేటప్పుడు, ఛాయాచిత్రం ద్వారా కవర్ చేయబడిన ఉపరితలాలను మాత్రమే తగినంతగా మోడల్ చేయండి. డేటా పేద ప్రాంతాలను నింపడం; వాటిని "తప్పిపోయిన డేటా"గా గుర్తించండి. మోడల్ గణాంకాలలో ప్రతి ప్రాంతానికి ఎన్ని ఫోటోలు మద్దతు ఇస్తాయో నివేదించండి. స్కేల్ బార్‌కు వ్యతిరేకంగా కొలతలు ధృవీకరించండి.

వ్యత్యాసం: మొదటిది అందమైన కానీ తప్పుడు మొత్తాన్ని ఉత్పత్తి చేస్తుంది; రెండోది కనిపించే అంతరాలతో నిజాయితీగల పత్రాన్ని ఉత్పత్తి చేస్తుంది.

3D డాక్యుమెంటేషన్ సాంప్రదాయ డ్రాయింగ్‌ను ఎందుకు పూర్తిగా భర్తీ చేయదు?

3D మోడల్ శక్తివంతమైనది కానీ సాంప్రదాయ చేతి డ్రాయింగ్ మరియు అబ్జర్వేషన్ నోట్‌బుక్‌ను పూర్తిగా చెల్లుబాటు చేయదు; రెండూ ఒకదానికొకటి సంపూర్ణంగా ఉంటాయి. ఒక సర్వే లేదా లేయర్ డ్రాయింగ్ త్రవ్వకాల సమయంలో నిపుణుల వివరణను కలిగి ఉంటుంది: ఏ రాయి గోడకు చెందినది, ఇది తరువాత చుట్టబడింది, ఒక లైన్ నిజమైన సరిహద్దు లేదా నీడ అయినా. ఈ వివరణ ఇలస్ట్రేటర్ తలలో జరుగుతుంది మరియు 3D మోడల్‌లో స్వయంచాలకంగా కనిపించదు. మోడల్ "అది ఏమైనా" అని కొలుస్తుంది; కానీ "వీటిలో ఏది అర్ధమే" అనే తేడా మానవ పరిశీలన.

అదనంగా, 3D మోడల్ ఆర్కైవ్ ఫార్మాట్ సమస్యను కలిగి ఉంది: మీరు ఈరోజు ఉత్పత్తి చేసే మోడల్ ఫైల్ ఇప్పటి నుండి పది సంవత్సరాల తర్వాత తెరవబడకపోవచ్చు; సాఫ్ట్‌వేర్ మరియు ఫార్మాట్ వాడుకలో లేవు. అందుకే ముడి ఛాయాచిత్రాలు, నియంత్రణ పాయింట్ కొలతలు మరియు ప్రామాణిక డ్రాయింగ్/ఆర్తోఫోటో ఎల్లప్పుడూ కలిసి నిల్వ చేయబడతాయి. మోడల్ దీర్ఘకాలిక డాక్యుమెంటేషన్ యొక్క ఏకైక లెగ్ కాదు, కానీ ధనిక కాలు.

మరొక ఆచరణాత్మక సమస్య కోఆర్డినేట్‌లు మరియు ఓరియంటేషన్: మోడల్ అనేది వాస్తవ-ప్రపంచ కోఆర్డినేట్ సిస్టమ్‌లో (జియోరిఫరెన్స్) గ్రౌన్దేడ్ కానట్లయితే అది "గాలిలో" ఒక ఆకారం మాత్రమే; అతను తవ్వకంలో ఏ పాయింట్‌ను చూస్తున్నాడో మరియు ఏ దిశలో చూస్తున్నాడో కోల్పోతాడు. వాస్తవ కోఆర్డినేట్‌లతో నియంత్రణ పాయింట్‌లను కొలవడం మోడల్‌ను తవ్వకం ప్రణాళికకు లింక్ చేస్తుంది మరియు వివిధ సీజన్‌ల నుండి మోడల్‌లను సూపర్‌పోజ్ చేయడానికి అనుమతిస్తుంది.

చిట్కా: కేవలం 3D మోడల్‌ను రూపొందించి, దాన్ని అలాగే వదిలేయకండి; ముడి ఫోటోలు, కంట్రోల్ పాయింట్ కోఆర్డినేట్‌లు, స్కేల్ సమాచారం మరియు ఉల్లేఖన డ్రాయింగ్‌ను చేర్చండి. భవిష్యత్ పరిశోధకుడు మోడల్‌ను తెరవలేకపోయినా, ఈ అదనపు పత్రాలతో మీ పనిని అర్థం చేసుకోగలరు.

3D డాక్యుమెంటేషన్ పద్ధతి పట్టిక

వేదిక

AI యొక్క సహకారం

మానవ నిర్ణయం

ధృవీకరణ

షూటింగ్

ప్రణాళిక/కవరేజ్ సిఫార్సు

స్థాయి, తనిఖీ కేంద్రం

అలియాసింగ్ నియంత్రణ

పాయింట్ క్లౌడ్

జత చేయడం, శబ్దం తొలగింపు

నాణ్యత థ్రెషోల్డ్

కంట్రోల్ పాయింట్ పరిమాణం

ఉపరితలం / ఆకృతి

ఆటోమేటిక్ మెష్

పూరించే పరిమితి

బలహీన జోన్ గుర్తు

ఆర్థోఫోటో/కొలత

స్థాయి ఉత్పత్తి

స్కేల్ ధృవీకరణ

తెలిసిన దూరం

సర్వే

అంచు సూచన

గోడ/మోర్టార్/అటాచ్‌మెంట్ వేరు

సందర్భం, నిపుణుడు

సాధారణ తప్పులు

  • స్కేల్ బార్‌ను దాటవేయండి. స్కేల్ లేని మోడల్ శాస్త్రీయంగా కొలవబడదు.
  • తప్పిపోయిన డేటాను పూరించడం. AI యుక్తమైన ఉపరితలాన్ని ఉత్పత్తి చేస్తుంది; ఖాళీలు తప్పనిసరిగా గుర్తించబడాలి.
  • కల్పన నుండి సాక్ష్యాన్ని వేరు చేయడం లేదు. పూర్తయిన ప్రాంతాలను దృశ్యమానంగా వేరు చేయకపోతే ఇది తప్పుదారి పట్టించేది.
  • వివరణ కోసం మోడల్‌ను తప్పుగా అర్థం చేసుకోవడం. మోడల్ మీటర్ అది ఏమిటో చెప్పదు; వివరణ అనేది సందర్భం మరియు నిపుణుల పని.
  • కొన్ని ఫోటోలతో మోడల్‌ను సృష్టిస్తోంది. సరిపోని అతివ్యాప్తి వక్రీకరించిన మరియు గ్యాప్డ్ మోడల్‌ను ఇస్తుంది.

సారాంశంలో

3D డాక్యుమెంటేషన్ మరియు ఫోటోగ్రామెట్రీలో AI; ఇది వేగవంతమైన, మిల్లీమెట్రిక్ మరియు పునరావృతమయ్యే రికార్డింగ్‌ని ఉత్పత్తి చేస్తుంది మరియు సమయ-ఒత్తిడితో కూడిన రెస్క్యూ తవ్వకాల్లో ముఖ్యంగా అమూల్యమైనది. కానీ స్కేల్ బార్ చాలా అవసరం, తప్పిపోయిన డేటా పూరించబడలేదు కానీ గుర్తించబడింది, సాక్ష్యం కల్పన నుండి వేరు చేయబడుతుంది మరియు మోడల్ యొక్క వివరణ (ఏమిటి) నిపుణుడికి చెందినది. నమూనా ఒక రుజువు; చదవడం ఒక బాధ్యత.

అప్లికేషన్ టాస్క్

స్కేల్ బార్‌తో, కనీసం 20 అతివ్యాప్తి చెందుతున్న ఫోటోలతో భవనం యొక్క చిన్న అన్వేషణ లేదా మూలను తీసుకోండి. ఫోటోగ్రామెట్రీ ఫ్లోతో మోడల్‌ను రూపొందించండి మరియు "మోడల్ క్వాలిటీ చెక్" టెంప్లేట్‌తో బలహీనమైన/నిండిన ప్రాంతాలను గుర్తించండి. ఆపై "సాక్ష్యం/కల్పిత వ్యత్యాసం" టెంప్లేట్‌తో రేఖాచిత్రాన్ని సృష్టించండి, ఏ ప్రాంతాలలో సాక్ష్యం కొలుస్తారు మరియు ఏవి అంచనాలు అని గుర్తు పెట్టండి.

చెక్లిస్ట్

  • [ ] నేను షాట్‌లో స్కేల్ బార్ మరియు కంట్రోల్ పాయింట్‌లను ఉపయోగించాను.
  • [ ] నేను దానిని తగినంత అతివ్యాప్తితో తీసుకున్నాను (ఒక స్పాట్‌కు 3+ ఫోటోలు).
  • [ ] నేను బలహీనమైన/నిండిన ప్రాంతాలను గుర్తించాను, నేను నకిలీ ఉపరితలాన్ని వదిలిపెట్టలేదు.
  • [ ] నేను అంచనా పూర్తి నుండి రుజువును దృశ్యమానంగా వేరు చేసాను.
  • [ ] నేను సందర్భం మరియు నిపుణుల తీర్పును ఉపయోగించి నమూనాను వివరించాను.