Apa pengukuran sebenarnya berarti
Sebuah matriks kovariasi menggambarkan ketidakpastian di bawah sebuah model estimator dan termasuk korelasi antara komponen koordinat. Diagonal standar deviasi saja dapat menyembunyikan orientasi ketidakpastian elips. Matriks juga milik untuk bingkai tertentu, epoch, titik referensi, dan interpretasi probabilitas. Sebuah kovariasi formal kecil mungkin menghilangkan kesalahan sistematis seperti koordinat referensi yang salah. Gunakan sebagai deskripsi terstruktur dari ketidakpastian daripada pernyataan lengkap tentang seberapa dekat setiap posisi kamera harus ke kebenaran independen.
Prosedur kerja yang dapat direproduksi
Identifikasi apakah ruas yang diekspor bervariasi, deviasi standar, korelasi, atau batas kepercayaan. Urutan koordinat dan unit, kemudian verifikasi bahwa matriks adalah simetris dan fisik masuk akal. Mengubah kovariasinya secara konsisten ketika mengubah koordinat frame; posisi berputar tanpa memutar ketidakpastian mereka meninggalkan deskripsi yang salah. Plot elips atau direksional ketidakpastian di epochs perwakilan dan memeriksa hubungan mereka dengan geometri dan status solusi. Simpan nilai estimator asli bersamaan dengan model ketidakpastian yang dikalibrasi yang digunakan untuk menimbang hilir.
Perhitungan Illustratif dan interpretasi
Pertimbangkan sebuah matriks kovariasi horizontal ilustratif dengan variansi 0.04 dan 0.01 meter persegi dan nol silang kovariasi. Kadar deviasi standar yang sesuai adalah 0.20 dan 0.10 meter. Sebuah istilah salib nonnol berputar arah utama dan mengubah panjang mereka. Sebuah ellipse yang diplot menggunakan skala ini bukan secara otomatis sebuah daerah 95 persen; pengganda tergantung pada distribusi diasumsikan dan dimensi. Contoh ini menunjukkan mengapa label kepercayaan memerlukan lebih dari mengambil akar kuadrat dari dua nomor yang nyaman.
Pemeriksaan kualitas dan diagnosis kegagalan
Bandingkan residu normal dengan bukti referensi independen atas kondisi perwakilan. Jika melaporkan ketidakpastian secara konsisten mendasari perbedaan, menyelidiki penyimpangan dan asumsi model yang hilang sebelum mengalikan setiap nilai dengan faktor sewenang-wenang. Tetap rahasiakan survei ketidakpastian terpisah ketika menafsirkan ketidaksetujuan. Jangan bagi kesalahan yang sama dengan akar kuadrat dari jumlah gambar seolah-olah setiap posisi independen. Untuk batasan kamera yang ditimbang, dokumen apakah perangkat lunak menerima kovariasi penuh atau hanya komponen standar deviasi dan menjelaskan penyederhanaan apapun.
Membangun rantai bukti
Pertahankan pengamatan penerima asli, rekaman peristiwa kamera, konfigurasi sensor, dan proses log bersama sebelum menyunting apapun. Bekerja pada salinan dan file rekaman checksums sehingga perbedaan kemudian dapat ditelusuri ke masukan tertentu. Tabel bukti yang berguna menghubungkan setiap nama gambar ke waktu kejadiannya, catatan lintasan, status solusi, dan alasan exclusion. Entri yang hilang layak diselidiki sebelum rekonstruksi dimulai; sebuah peta yang menarik tidak dapat mengembalikan pengamatan yang tidak pernah direkam atau menetapkan jam mana yang disediakan penanda waktu yang tidak terdokumentasi.
Ketepatan terpisah dari akurasi referensi
Sebuah solusi navigasi yang ketat mencengkeram Mengulangi di bawah asumsi yang digunakan oleh estimator tersebut. Ini tidak membuktikan bahwa koordinat dasar, sistem tinggi, asal sensor, atau waktu paparan kamera benar. Perlakukan barang-barang itu sebagai bagian terpisah dari rantai pengukuran. Pertama periksa konsistensi internal, lalu bandingkan dengan fitur-fitur independen yang ditahan dari penyesuaian apapun. Laporkan bias arah serta penyebaran, karena hampir konstan perpindahan dapat hidup berdampingan dengan sangat kecil diperkirakan posisi standar deviasi.
Mendesain perbandingan yang dikendalikan
Ubah satu pilihan pemrosesan pada suatu waktu dan mempertahankan kedua output. Bandingkan interval waktu yang umum dan gambar yang sama yang ada, daripada mengijinkan pengecualian berbeda untuk menyamarkan efek. Plot perbedaan koordinat terhadap waktu, kecepatan, kecepatan berputar, dan status solusi. Sebuah langkah, melayang mulus, dan osilasi periodik menyarankan mekanisme yang berbeda. Tuliskan tanda tangan yang diharapkan sebelum melihat hasilnya; ini mengurangi godaan untuk menjelaskan setiap pola setelah fakta atau untuk memilih pengaturan hanya karena laporan mereka terlihat lebih baik.
Buat ketidakpastian operasional
Buat sebuah register ketidakpastian dengan kolom untuk sumber, unit, kemungkinan bias, perilaku temporal, dan bukti yang digunakan untuk memperkirakan itu. Gabungkan komponen acak independen melalui varians hanya ketika kemerdekaan dapat dipertahankan. Tetap berbagi kesalahan referensi dan efek sistematis yang tidak diketahui terlihat bukannya membaginya dengan jumlah foto. Terjemahkan ketidakpastian yang dihasilkan ke dalam tugas yang sebenarnya: menemukan aset, membandingkan ketinggian, atau memperkirakan adanya perpindahan batas mungkin memerlukan keputusan penerimaan yang berbeda bahkan ketika mereka menggunakan koleksi gambar yang sama.
Periksa lokasi independen
Didistribusikan pemeriksaan independen melalui jejak yang dipetakan dan di seluruh jenis permukaan yang relevan. Rekam bagaimana setiap titik referensi diukur, bagaimana pusat diidentifikasi di keluaran, dan apakah medan sekitar memungkinkan perbandingan stabil. Inspeksi sisa panah dan perbedaan ketinggian spasial, kemudian rangkum sampel yang valid dengan hitungan dan cakupan. Jangan hapus pemeriksaan sulit secara diam-diam. Selidiki mereka, pengecualian dokumen, dan bedakan masalah akuisisi yang menunjukkan dari pengukuran referensi atau interpretasi masalah sebelum menerima pemberian.
Pertahankan konteks rilis
Peninggalan harus menyatakan tanggal observasi, kerangka referensi koordinat, konvensi vertikal, skala waktu, sensor offset, versi pemrosesan, dan pemeriksaan benar-benar dilakukan. Termasuk setiap interval yang bergantung pada solusi navigasi terdegradasi dan menjelaskan bagaimana gambar-gambar itu ditangani. Pertahankan manifest dapat dibaca mesin selain catatan pendek yang bisa dibaca manusia. Penilik harus dapat mereproduksi pilihan pengamatan yang dapat digunakan dan memahami batas tanpa akses ke operator asli atau cuplikan layar dari dasbor aplikasi sementara.
Uji keputusan, bukan hanya berkas
Tentukan keputusan hilir sebelum memilih toleransi penerimaan. Sebuah peta overview, perbandingan survei berulang, dan pengukuran rekayasa dapat menggunakan berkas yang sama saat membutuhkan bukti yang berbeda. Tulis toleransi dalam unit fisik dan negara jejak di mana hal itu berlaku. Bila pemeriksaan yang tersedia tidak melingkupi jenis permukaan atau kondisi operasi, secara eksplisit mengidentifikasi celah tersebut. Hal ini membuat penerimaan bersyarat berguna: analis dapat melepaskan sebagian yang didukung, mempertahankan sebagian yang ditandai untuk penyelidikan, dan menghindari memperluas bukti diam-diam di luar lokasi yang benar-benar diperiksa.
Asumsi yang tidak dapat di cerahkan dari pengamatan
Simpan catatan interpretasi pendek memisahkan jumlah, perhitungan, dan asumsi. Contoh numerik dalam artikel ini adalah ilustrasi dari sebuah mekanisme; ganti input dengan pengukuran proyek sebelum membuat keputusan operasional. Untuk masukan yang tidak pasti, ulangi perhitungan selama jangkauan yang dapat dipertahankan dan lihat apakah kesimpulan berubah. Jika tidak, memperoleh bukti yang lebih baik untuk masukan itu mungkin lebih berharga daripada menyesuaikan pengaturan pemrosesan yang tidak berhubungan. Menyimpan hasil alternatif sehingga peninjau dapat memahami mengapa alur kerja yang dipilih dinilai cukup.
Menggunakan hasil dalam proyek pemetaan
Perangkat lunak fotogrametri Cloud paling berguna di sini ketika outputs tetap terhubung ke masukan dan pemeriksaan terdokumentasi. Sebuah proyek DroneColbab dapat dipertimbangkan sebagai satu tujuan pemrosesan, sementara analis mempertahankan tanggung jawab untuk interpretasi koordinat, validasi independen, dan konsekuensi untuk pengukuran yang dimaksudkan. (DroneCollab) Konfirmasi opsi impor dan ekspor yang tersedia untuk projek yang sebenarnya daripada mengasumsikan bahwa nama produk membangun dukungan atau akurasi.
