యూనిట్లు
1. మ్యాపింగ్ ఇంజనీరింగ్‌లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మరియు వెరిఫికేషన్ డిసిప్లిన్ పరిచయం 2. జియోడెసీ, GNSS మరియు సర్వే డేటా ప్రాసెసింగ్ 3. కోఆర్డినేట్ సిస్టమ్స్, డేటా మరియు ట్రాన్స్ఫర్మేషన్ వెరిఫికేషన్ 4. GIS/GIS విశ్లేషణ మరియు ప్రాదేశిక ప్రశ్నలు 5. రిమోట్ సెన్సింగ్ మరియు శాటిలైట్ ఇమేజ్ వర్గీకరణ 6. ఫోటోగ్రామెట్రీ మరియు UAV చిత్రాల నుండి మోడల్ జనరేషన్ 7. LiDAR పాయింట్ క్లౌడ్ ప్రాసెసింగ్ మరియు వర్గీకరణ 8. మ్యాప్ ప్రొడక్షన్ ఆటోమేషన్ మరియు కార్టోగ్రఫీ 9. కాడాస్ట్రే, టైటిల్ డీడ్ మరియు యాజమాన్య డేటా 10. పైథాన్‌తో జియోమాటిక్స్ ఆటోమేషన్ 11. QGIS ఆటోమేషన్, ఎథిక్స్, గోప్యత మరియు ఎండ్-టు-ఎండ్ ప్రాజెక్ట్
యూనిట్ 6 / 11

ఫోటోగ్రామెట్రీ మరియు UAV చిత్రాల నుండి మోడల్ జనరేషన్

లాభాలు:

  • AIతో సరైన సందర్భంలో SfM ఫోటోగ్రామెట్రీ, ఆర్థోఫోటో, DSM/DTM మరియు గ్రౌండ్ కంట్రోల్ పాయింట్ కాన్సెప్ట్‌లను ఉపయోగించగల సామర్థ్యం
  • AI-మద్దతు ఉన్న లెక్కలు మరియు చెక్‌లిస్ట్‌లతో UAV విమాన ప్రణాళిక, కవరేజ్ రేటు మరియు ఖచ్చితత్వ అంచనాలను నిర్మించగల సామర్థ్యం
  • స్వతంత్ర నియంత్రణ పాయింట్లు మరియు RMSE లాజిక్‌తో ఫోటోగ్రామెట్రిక్ అవుట్‌పుట్ యొక్క ఖచ్చితత్వాన్ని అంచనా వేయగల సామర్థ్యం

ఫోటోగ్రామెట్రీ అనేది అతివ్యాప్తి చెందుతున్న ఛాయాచిత్రాల నుండి వస్తువుల యొక్క త్రిమితీయ స్థానం మరియు ఆకారాన్ని కొలిచే సాంకేతికత. నేడు, సర్వే ఇంజనీరింగ్‌లో వేగంగా అభివృద్ధి చెందుతున్న ఉత్పత్తి పద్ధతి UAV (మానవరహిత వైమానిక వాహనం, సాధారణంగా డ్రోన్ అని పిలుస్తారు) ద్వారా సేకరించిన వందలాది ఛాయాచిత్రాల నుండి ఆర్థోఫోటోలు మరియు ఎలివేషన్ మోడల్‌లను రూపొందించడం. ఈ యూనిట్‌లో, విమాన ప్రణాళిక నుండి ఖచ్చితత్వ అంచనా వరకు కృత్రిమ మేధస్సు ఈ ప్రక్రియకు ఎలా మద్దతు ఇస్తుందో మేము కవర్ చేస్తాము. సూత్రం మార్పులేనిది: సాఫ్ట్‌వేర్ మరియు AI మోడల్‌ను ఉత్పత్తి చేస్తాయి; గ్రౌండ్ కంట్రోల్ పాయింట్లు మరియు స్వతంత్ర నియంత్రణ ద్వారా స్థాన ఖచ్చితత్వం యొక్క అంగీకారం ఇంజనీర్‌తో ఉంటుంది.

నిబంధనలను స్పష్టం చేద్దాం. SfM (స్ట్రక్చర్ ఫ్రమ్ మోషన్) అనేది వివిధ కోణాల నుండి తీసిన ఫోటోగ్రాఫ్‌లలోని సాధారణ పాయింట్లను సరిపోల్చడం ద్వారా 3D జ్యామితి మరియు కెమెరా స్థానాలను పరిష్కరించే ఒక పద్ధతి; ఇది ఆధునిక ఫోటోగ్రామెట్రీ సాఫ్ట్‌వేర్ యొక్క ప్రధాన అంశం. ఆర్థోఫోటో అనేది మ్యాప్ వంటి సరైన స్కేల్‌తో, దృక్పథం మరియు ఎలివేషన్ వక్రీకరణలు తొలగించబడిన వైమానిక చిత్రం. DSM (డిజిటల్ సర్ఫేస్ మోడల్) అనేది భవనాలు మరియు చెట్లతో సహా పై ఉపరితలం యొక్క ఎలివేషన్ మోడల్. DTM (డిజిటల్ టెర్రైన్ మోడల్) అనేది బేర్ గ్రౌండ్ యొక్క ఎలివేషన్ మోడల్. GCP (గ్రౌండ్ కంట్రోల్ పాయింట్; ఇంగ్లీషులో GCP) అనేది ఫీల్డ్ నుండి ఖచ్చితంగా కొలవబడిన, ఫోటోగ్రాఫ్‌లలో కనిపించే మరియు మోడల్‌ను నిజమైన కోఆర్డినేట్‌లకు కనెక్ట్ చేసే మార్క్ పాయింట్లు. అతివ్యాప్తి నిష్పత్తి అనేది ఒకదానికొకటి కవర్ చేసే పొరుగు ఫోటోల శాతం.

ఫోటోగ్రామెట్రీలో AI పాత్ర

ఈ వర్క్‌ఫ్లో నాలుగు ప్రదేశాలకు AI మద్దతు ఇస్తుంది:

  1. విమాన ప్రణాళిక మరియు గణన. ఇది విమాన ఎత్తు, కవర్ నిష్పత్తి మరియు కావలసిన గ్రౌండ్ నమూనా దూరం (GSD: భూమిపై ప్రతి పిక్సెల్ కవర్ చేసే పరిమాణం) కోసం ఫోటోగ్రాఫ్‌ల సంఖ్యను లెక్కించడంలో సహాయపడుతుంది మరియు చెక్‌లిస్ట్‌ను సృష్టిస్తుంది.
  2. నాణ్యత ముందస్తు తనిఖీ. ఇది అస్పష్టమైన ఫోటోలు, సరిపడా మూసివేత మరియు GCP పంపిణీ సమస్యలను ఫ్లాగ్ చేసే స్కానింగ్ లాజిక్‌ను ఏర్పాటు చేస్తుంది.
  3. అవుట్పుట్ వర్గీకరణ మరియు శుభ్రపరచడం. DSM నుండి DTMని ​​రూపొందించడానికి ఆర్థోఫోటోలో ఆబ్జెక్ట్ (భవనం/చెట్టు) ఫిల్టరింగ్ మరియు క్లౌడ్/షాడో డిటెక్షన్ వంటి పనులలో ఇది సహాయపడుతుంది.
  4. నివేదిక మరియు ఖచ్చితత్వ సారాంశం. RMSE (రూట్ మీన్ స్క్వేర్ ఎర్రర్; కంట్రోల్ పాయింట్‌లలో విచలనాల కొలత) పట్టిక మరియు ఖచ్చితత్వ నివేదికను చదవగలిగేలా చేస్తుంది.

బ్లైండ్ స్పాట్: AI విమానం యొక్క భౌతిక పరిస్థితులు మరియు భూభాగం యొక్క వాస్తవికతను చూడదు. సరిపోని GCP, పేలవమైన కవర్ లేదా గాలులతో కూడిన ఫ్లైట్ ఉంటే, ఏ సాఫ్ట్‌వేర్/AI దీన్ని తర్వాత పూర్తిగా సరిచేయదు. సమగ్రత మైదానంలో ప్రారంభమవుతుంది.

చిట్కా: మీ ఖచ్చితత్వ లక్ష్యాన్ని మొదటి నుండి సంఖ్యలలో సెట్ చేయండి. "అధిక విశ్వసనీయతతో ఉండనివ్వండి" అనేది అస్పష్టమైనది; ఇది కొలవగల లక్ష్యం "అడ్డంగా ±3 cm మరియు నిలువుగా ±5 cm, స్వతంత్ర నియంత్రణ పాయింట్లతో RMSEచే నిర్ధారించబడింది."

దశల వారీగా: UAV ఫోటోగ్రామెట్రీ వర్క్‌ఫ్లో

  1. ఖచ్చితత్వం మరియు GSD లక్ష్యాన్ని సెట్ చేయండి. కావలసిన ఖచ్చితత్వం GSDని మరియు అందువల్ల విమాన ఎత్తును నిర్ణయిస్తుంది. సాధారణ నియమం: స్థాన ఖచ్చితత్వం కొన్ని GSDల క్రమంలో ఉంటుంది.
  2. విమానాన్ని ప్లాన్ చేయండి. కవరేజ్ నిష్పత్తి (సాధారణంగా ముందుకు 75-80%, వైపు 65-70%), విమాన ఎత్తు, ఫోటోల సంఖ్య. AI ఈ గణన మరియు చెక్‌లిస్ట్‌ని రూపొందించగలదు.
  3. GCPలను ఉంచండి మరియు కొలవండి. ప్రాంతాన్ని సమానంగా కవర్ చేయడానికి మూలల్లో మరియు మధ్యలో తగిన సంఖ్యలో GCPలను GNSSతో ఖచ్చితంగా కొలవండి. మోడల్‌లోకి ప్రవేశించని స్వతంత్ర నియంత్రణ పాయింట్‌లుగా వాటిలో కొన్నింటిని వేరు చేయండి.
  4. దీన్ని ప్రాసెస్ చేయండి. SfMతో సమలేఖనం, GCPతో జియోరెఫరెన్సింగ్, దట్టమైన పాయింట్ క్లౌడ్, DSM, ఆర్థోఫోటో జనరేషన్.
  5. DTM ఉత్పత్తి చేయండి. ఆఫ్-గ్రౌండ్ వస్తువులను ఫిల్టర్ చేయడం ద్వారా DSM నుండి DTMకి మారండి.
  6. ధృవీకరించండి. వ్యక్తిగత నియంత్రణ పాయింట్ల వద్ద RMSEని లెక్కించండి; అది లక్ష్యాన్ని చేధించగలదా?

గ్రౌండ్ కంట్రోల్ పాయింట్లు మరియు RMSE

ఫోటోగ్రామెట్రిక్ మోడల్‌ను వాస్తవ ప్రపంచానికి అమర్చడం GCPలపై ఆధారపడి ఉంటుంది. GCPలు మోడల్‌కు స్కేల్ మరియు లొకేషన్ ఇస్తాయి; అవి తగినంత సంఖ్యలో లేకుంటే లేదా పేలవంగా పంపిణీ చేయబడితే (అన్నీ ఒక మూలలో), మోడల్ ఒక ప్రాంతంలో ఖచ్చితమైనది మరియు మరొక ప్రాంతంలో వక్రంగా ఉంటుంది. నిజాయితీగా ఖచ్చితత్వాన్ని కొలవడానికి మార్గం ఏమిటంటే, కొన్ని GCPలను సమలేఖనం చేయకుండా స్వతంత్ర నియంత్రణ పాయింట్‌లుగా ఉంచడం మరియు మోడల్‌లోని వాటి విలువలను వాస్తవ కొలిచిన విలువలతో పోల్చడం ద్వారా RMSEని లెక్కించడం. GCPలో సరిపోయే (అవశేషం) తక్కువగా ఉన్నందున మోడల్ సరైనదిగా పరిగణించబడదు; ఇది శిక్షణ డేటాపై విజయం వంటిది.

హెచ్చరిక: మీరు గుర్తించబడిన అన్ని పాయింట్లను GCPలుగా ఉపయోగిస్తే మరియు స్వతంత్ర నియంత్రణ పాయింట్లను వదిలివేస్తే, ఖచ్చితత్వాన్ని కొలవడానికి మీకు స్వతంత్ర సాక్ష్యం ఉండదు. తనిఖీ కోసం ఎల్లప్పుడూ కొన్ని పాయింట్లను రిజర్వ్ చేయండి.

మూడు చిన్న కేసులు: సంఖ్యల వారీగా

కేసు 1 — GCP పంపిణీ లోపం. 40-హెక్టార్ల క్షేత్రంలో, 6 GCPలలో 5 ఫీల్డ్ యొక్క దక్షిణ భాగంలో ఉన్నాయి. మోడల్ దక్షిణాన ± 3 సెం.మీ మరియు ఉత్తరాన ± 25 సెం.మీ విచలనాన్ని ఇచ్చింది. స్వతంత్ర తనిఖీ కేంద్రాలు ఈ ప్రాంతీయ వక్రీకరణను వెల్లడించాయి; GCPలు సమానంగా పంపిణీ చేయబడినప్పుడు మరియు ఫ్లైట్ రీప్రాసెస్ చేయబడినప్పుడు, ఖచ్చితత్వం ఉత్తరాన ±4 సెం.మీ.కి తగ్గింది.

కేస్ 2 — DTM కోసం DSMని తప్పుపట్టడం. వాల్యూమ్ గణనలో, బృందం DSM నేరుగా చెట్లతో కూడిన ప్రదేశంలో ఉందని భావించడం ద్వారా తవ్వకం వాల్యూమ్‌ను సుమారు 12% ఎక్కువగా అంచనా వేసింది. AI-మద్దతు గల గ్రౌండ్ ఫిల్టరింగ్‌తో DTM రూపొందించబడినప్పుడు మరియు గణనను పునరావృతం చేసినప్పుడు, వాల్యూమ్ వాస్తవికతకు దగ్గరగా వచ్చింది. పాఠం: వాల్యూమ్ మరియు జీన్స్ పనిలో DTM ఉపయోగించబడుతుంది.

కేస్ 3 - సరిపోని కవరేజ్. గాలి కారణంగా కొన్ని లైన్లలో కవరేజ్ 55%కి పడిపోయినప్పుడు, SfM ఆ ప్రాంతంలో పేలవంగా సరిపోలింది మరియు మోడల్ రంధ్రాలతో బయటకు వచ్చింది. నాణ్యత ముందస్తు తనిఖీ తక్కువ కవర్ ప్రాంతాన్ని గుర్తించింది; ఆ భాగం మళ్లీ ఎగిరిపోయింది. పాఠం: ఫీల్డ్‌లో కవర్ అందించబడింది, అది తర్వాత తయారు చేయబడదు.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

నేను డ్రోన్‌తో మ్యాప్‌ని తయారు చేయబోతున్నాను, నేను ఏమి చేయాలో చెప్పు.

శక్తివంతమైన ప్రాంప్ట్:

టాస్క్: UAV ఫోటోగ్రామెట్రీ ఫ్లైట్ మరియు ఖచ్చితత్వ ప్రణాళికను సృష్టించండి. సందర్భం:- విస్తీర్ణం: ~40 హెక్టార్లు, చదునైన-కొద్దిగా వాలుగా, తక్కువ చెట్లతో- లక్ష్య ఖచ్చితత్వం: క్షితిజ సమాంతర ±3 సెం.మీ., నిలువు ±5 సెం.మీ- కెమెరా: [సెన్సార్/ఫోకస్], కావలసిన GSD: 2 cm అభ్యర్థనలు:1) ఫ్లైట్ కోసం సుమారు 2 సెం.మీ. ఎత్తు కోసం వ్రాయండి సిఫార్సు (ముందుకు/వైపు) మరియు సమర్థన.3) GCPల సంఖ్య మరియు పంపిణీ వ్యూహం; వాటిలో ఎన్నింటిని నేను స్వతంత్ర చెక్‌పాయింట్‌లుగా రిజర్వ్ చేసుకోవాలి?4) DSM/DTM వ్యత్యాసాన్ని వ్రాయండి మరియు ఏ ఉద్యోగానికి ఏ అవుట్‌పుట్ అవసరం.5) ధృవీకరణ: స్వతంత్ర తనిఖీ కేంద్రాల వద్ద RMSEతో నిర్ధారణ దశ.

శక్తివంతమైన ప్రాంప్ట్‌లో సంఖ్యా లక్ష్యం, ఫీల్డ్ స్థితి మరియు ధృవీకరణ ప్రణాళిక ఉన్నాయి; అవుట్‌పుట్ వర్తిస్తుంది.

నాలుగు కాపీ చేయగల టెంప్లేట్లు

1) విమాన పరామితి గణన:

కావలసిన GSD [x cm] మరియు కెమెరా [సెన్సార్/ఫోకస్] కోసం సుమారుగా విమాన ఎత్తు, కవర్ నిష్పత్తిని సూచించండి, ఫోటోల సంఖ్యను అంచనా వేయండి. మీ ఊహలను స్పష్టంగా వ్రాయండి; ఖచ్చితమైన విలువకు సాఫ్ట్‌వేర్ నిర్ధారణ అవసరమని గమనించండి.

2) GCP ప్రణాళిక:

[ప్రాంతం/పరిమాణం/ఆకారం] కోసం GCP లేఅవుట్ వ్యూహాన్ని సిఫార్సు చేయండి: స్వతంత్ర నియంత్రణ కోసం ఎన్ని పాయింట్లు, ఎలా పంపిణీ చేయాలి, ఎన్ని రిజర్వ్ చేయాలి. తప్పు పంపిణీ ప్రమాదాన్ని వివరించండి (అన్నీ ఒక మూలలో).

3) DSM->DTM వర్క్‌ఫ్లో:

పాయింట్ క్లౌడ్/DSM నుండి DTMని రూపొందించడానికి గ్రౌండ్ ఫిల్టరింగ్ దశలను వ్రాయండి. ఏ వస్తువులు (భవనం, చెట్టు) సంగ్రహించాలో మరియు ప్రొఫైల్ విభాగంతో ఫలితాన్ని ఎలా ధృవీకరించాలో పేర్కొనండి. వాల్యూమ్/స్థాయి పని కోసం DTM ఎందుకు అవసరమో వివరించండి.

4) ఖచ్చితత్వ నివేదిక:

కింది వ్యక్తిగత నియంత్రణ పాయింట్ విచలనాల నుండి క్షితిజ సమాంతర మరియు నిలువు RMSEని లెక్కించండి, లక్ష్య ఖచ్చితత్వంతో సరిపోల్చండి, పాస్/ఫెయిల్ ఇంటర్‌ప్రెటేషన్ చేయండి మరియు ఏదైనా బలహీనమైన ప్రాంతాలను సూచించండి. డేటా: [కంట్రోల్ పాయింట్ విచలనాలు]

ఫోటోగ్రామెట్రిక్ ఉత్పత్తుల పోలిక

ఉత్పత్తి

ఇది దేనిని సూచిస్తుంది?

సాధారణ వినియోగం

శ్రద్ధ

ఆర్థోఫోటో

ఖచ్చితమైన వైమానిక చిత్రాన్ని స్కేల్ చేయండి

బేస్ మ్యాప్, డిజిటలైజేషన్

అంచు వక్రీకరణలు

DSM

పై ఉపరితలం (భవనం+చెట్టు)

షాడో/విజిబిలిటీ విశ్లేషణ

ఇది నేల కాదు

DTM

బేర్ గ్రౌండ్

డెనిమ్, వాల్యూమ్, వాలు

వడపోత నాణ్యత

పాయింట్ క్లౌడ్

3D దట్టమైన పాయింట్లు

3D కొలత, క్రాస్ సెక్షన్

శబ్దం శుభ్రపరచడం

వై.కె.ఎన్

జియోరిఫరెన్స్ బేస్

సత్యం యొక్క పునాది

పంపిణీ కీలకం

సాధారణ తప్పులు

  • DTMకి బదులుగా DSMని ఉపయోగించడం. ఎలివేషన్ మరియు వాల్యూమ్ లెక్కల్లో పెద్ద తప్పు.
  • స్వతంత్ర తనిఖీ కేంద్రాలను వదిలివేయడం లేదు. ఖచ్చితత్వాన్ని కొలవడానికి స్వతంత్ర ఆధారాలు లేవు.
  • పేలవంగా పంపిణీ చేయబడిన GCPలు. ఒక ప్రాంతం సరైనది, మరొకటి వక్రీకరించబడింది.
  • ఫీల్డ్‌లో కవరేజ్ రేటు సరిపోదు. తిరిగి పొందలేని, చిల్లులు గల మోడల్.
  • సంఖ్యలలో ఖచ్చితత్వం యొక్క లక్ష్యాన్ని సెట్ చేయడం లేదు. "అధిక ఖచ్చితత్వం" కొలవబడదు లేదా నిర్ధారించబడదు.
  • కొలత కోసం ఆర్థోఫోటో ఖచ్చితంగా సరైనదని ఆలోచిస్తున్నారు. అంచులు మరియు ఎత్తైన వస్తువుల చుట్టూ వక్రీకరణ జరుగుతుంది.

సారాంశంలో

UAV ఫోటోగ్రామెట్రీలో కృత్రిమ మేధస్సు; ఇది విమాన ప్రణాళిక గణన, నాణ్యతను ముందస్తుగా తనిఖీ చేయడం, DSM నుండి DTM ఉత్పత్తి మరియు ఖచ్చితత్వాన్ని నివేదించడంలో శక్తివంతమైన సహాయం. అయితే, స్థాన ఖచ్చితత్వం యొక్క పునాది ఫీల్డ్‌లో వేయబడింది: సరైన సంఖ్య మరియు సమానంగా పంపిణీ చేయబడిన గ్రౌండ్ కంట్రోల్ పాయింట్లు, తగిన కవర్ మరియు సంఖ్యా ఖచ్చితత్వ లక్ష్యాలు. మోడల్‌లోకి ప్రవేశించని వ్యక్తిగత నియంత్రణ పాయింట్ల వద్ద లెక్కించబడే RMSE ఖచ్చితత్వం యొక్క నిజాయితీ కొలత. డెనిమ్ మరియు బల్క్ వర్క్ కోసం ఎల్లప్పుడూ DTMని ​​ఉపయోగించండి; DSM అనేది ఎగువ ఉపరితలం.

అప్లికేషన్ టాస్క్

UAV ప్రాజెక్ట్‌ను రూపొందించండి: ఫీల్డ్ పరిమాణం, లక్ష్యం GSD మరియు సంఖ్యా ఖచ్చితత్వ లక్ష్యాన్ని (ఉదా. క్షితిజ సమాంతర ±3 సెం.మీ.) నిర్ణయించండి. విమాన ఎత్తు, కవర్ నిష్పత్తి మరియు GCP వ్యూహాన్ని రూపొందించడానికి AI కలిగి ఉండండి; స్వతంత్ర నియంత్రణ కోసం మీరు ఎన్ని పాయింట్లను రిజర్వ్ చేస్తారో వ్రాయండి. ఆపై RMSEని ఊహాజనిత నియంత్రణ పాయింట్ విచలనం పట్టికలో లెక్కించి, “ఇది లక్ష్యాన్ని చేధించిందా?” అని అడగండి. వ్యాఖ్యానించండి మరియు ఫలితాన్ని మీరే నిర్ధారించండి.

చెక్లిస్ట్

  • [ ] నేను సంఖ్యా ఖచ్చితత్వ లక్ష్యం మరియు GSDని సెట్ చేసాను.
  • [ ] నేను కవరేజ్ నిష్పత్తిని (ముందుకు/వైపు) తగినంతగా ప్లాన్ చేసాను.
  • [ ] నేను GCPలను సమానంగా పంపిణీ చేసాను మరియు వాటిని తగిన సంఖ్యలో ఉపయోగించాను.
  • [ ] నేను స్వతంత్ర నియంత్రణ కోసం కొన్ని పాయింట్లను కేటాయించాను.
  • [ ] నేను డెనిమ్/వాల్యూమ్ కోసం DTMని ​​ఉత్పత్తి చేసాను, DSM కాదు.
  • [ ] నేను ప్రొఫైల్ విభాగంతో గ్రౌండ్ ఫిల్ట్రేషన్‌ని ధృవీకరించాను.
  • [ ] నేను వ్యక్తిగత నియంత్రణ పాయింట్ల వద్ద RMSEని లెక్కించాను.
  • [ ] నేను ఇంజనీర్ ఆమోదానికి ఖచ్చితత్వాన్ని అంగీకరించాను.