Cosa significa realmente la misurazione
Una matrice di covarianza descrive l'incertezza sotto un modello di stima e include le correlazioni tra i componenti di coordinate. Le deviazioni standard diagonali da sole possono nascondere l'orientamento dell'ellisse di incertezza. La matrice appartiene anche ad una particolare cornice, epoca, punto di riferimento e interpretazione delle probabilità. Una piccola covarianza formale può omettere errori sistematici come una coordinata di riferimento errata. Utilizzare come una descrizione strutturata dell'incertezza modellata piuttosto che una dichiarazione completa di quanto chiudere ogni posizione della fotocamera deve essere ad una verità indipendente.
Procedura di lavoro riproducibile
Identificare se i campi esportati sono variazioni, deviazioni standard, correlazioni o limiti di fiducia. Ordine e unità di coordinate registrate, quindi verificare che la matrice sia simmetrica e fisicamente plausibile. Trasformare la covarianza costantemente quando si modificano i frame di coordinate; posizioni rotanti senza ruotare la loro incertezza lascia una descrizione fuorviante. Trama ellisse o incertezze direzionali in epoca rappresentativa e ispezionare il loro rapporto con la geometria e lo stato della soluzione. Tenere i valori di stima originale accanto a qualsiasi modello di incertezza calibrato utilizzato per la ponderazione a valle.
Calcolo illustrativo e interpretazione
Considerate una matrice di covarianza orizzontale illustrativa con variazioni 0.04 e 0.01 metri quadrati e zero incrocio. Le scale corrispondenti di un asse di deviazione standard sono 0.20 e 0.10 metri. Un nonzero cross term ruota le direzioni principali e cambia le lunghezze. Un'ellisse tracciata che utilizza queste scale non è automaticamente una regione del 95 per cento; il moltiplicatore dipende dalla distribuzione e dalla dimensionalità assunta. L'esempio mostra perché un'etichetta di fiducia richiede più che prendere radici quadrate di due numeri convenienti.
Controllo qualità e diagnosi di guasto
Confronta i residui normalizzati con prove di riferimento indipendenti sulle condizioni rappresentative. Se l'incertezza riportata costantemente sottosta a differenze osservate, indagare biasimi mancanti e presupposti di modello prima semplicemente moltiplicando ogni valore da un fattore arbitrario. Tenere l'incertezza dell'indagine di riferimento separato quando interpreta il disaccordo. Non dividere un errore condiviso dalla radice quadrata del conteggio immagine come se ogni posizione fosse indipendente. Per le limitazioni della fotocamera di peso, documenta se il software accetta la piena covarianza o solo deviazioni standard dei componenti e spiega qualsiasi semplificazione.
Costruisci una catena di prove
Mantenere le osservazioni del ricevitore originale, i record di eventi della fotocamera, la configurazione del sensore e l'elaborazione del registro insieme prima di modificare qualsiasi cosa. Lavorare su copie e registrare i checksum dei file in modo che una discrepanza successiva possa essere tracciata ad un particolare input. Una tabella di prova utile collega ogni nome dell'immagine al suo tempo di evento, record traiettoria, stato della soluzione e ragione di esclusione. Le voci mancanti meritano un'indagine prima di iniziare una ricostruzione; una mappa attraente non può ripristinare osservazioni che non sono mai state registrate o stabiliscono quale orologio fornito un timestamp non documentato.
Precisione separata dalla precisione di riferimento
Una soluzione di navigazione strettamente ammassata descrive la ripetibilità secondo le ipotesi utilizzate dal suo stimatore. Non dimostra che la coordinate di base, il sistema di altezza, l'origine del sensore o il tempo di esposizione della fotocamera è corretto. Tratta questi elementi come parti separate della catena di misura. Prima ispezionare la consistenza interna, poi confrontare contro le caratteristiche rilevate indipendenti che sono state trattenute da qualsiasi regolazione. Segnala un bias direzionale e disperde, perché uno spostamento quasi costante può coesistere con una deviazione standard di posizione molto piccola stimata.
Progettare un confronto controllato
Cambiare una scelta di elaborazione alla volta e mantenere entrambi gli output. Confrontare un intervallo di tempo comune e lo stesso sottoinsieme di immagini, piuttosto che permettere diverse esclusioni per mascherare l'effetto. Traccia le differenze di coordinate rispetto al tempo, alla velocità, alla velocità e allo stato della soluzione. Un passo, una deriva liscia e un'oscillazione periodica suggeriscono diversi meccanismi. Scrivi la firma prevista prima di guardare il risultato; questo riduce la tentazione di spiegare ogni modello dopo il fatto o di scegliere le impostazioni semplicemente perché il loro rapporto sembra migliore.
Rendere l'incertezza operativa
Creare un registro di incertezza con colonne per fonte, unità, possibili pregiudizi, comportamento temporale e le prove utilizzate per stimarlo. Combina componenti casuali indipendenti attraverso la varianza solo quando l'indipendenza è defensibile. Tenere gli errori di riferimento condivisi e gli effetti sistematici sconosciuti visibili invece di dividerli dal numero di fotografie. Traduci l'incertezza risultante nel compito effettivo: individuare un bene, confrontare le elevazioni, o stimare uno spostamento di confine può richiedere diverse decisioni di accettazione anche quando utilizzano la stessa raccolta di immagini sottostante.
Controllare le posizioni indipendenti
Distribuire controlli indipendenti attraverso l'impronta mappata e attraverso i tipi di superficie rilevanti. Registra come ogni punto di riferimento è stato misurato, come il suo centro è stato identificato nell'output, e se il terreno circostante permette un confronto stabile. Ispezionare le frecce residue e le differenze di altezza spaziali, quindi riassumere il campione valido con il suo conteggio e la copertura. Non eliminare silenziosamente i controlli difficili. Investirli, escludere i documenti e distinguere un problema di acquisizione dimostrato da un problema di misurazione o interpretazione di riferimento prima di accettare il consegnabile.
Conservare il contesto di rilascio
La consegna dovrebbe indicare la data di osservazione, il telaio di riferimento coordinato, la convenzione verticale, la scala temporale, gli offset dei sensori, la versione di elaborazione e i controlli effettivamente eseguiti. Includi qualsiasi intervallo che si basa su una soluzione di navigazione degradata e spiega come queste immagini sono state gestite. Conservare un manifesto leggibile macchina accanto a una breve nota leggibile umana. Un recensore dovrebbe essere in grado di riprodurre la selezione delle osservazioni utilizzabili e comprendere i limiti senza accedere all'operatore originale o uno screenshot di un cruscotto di applicazione temporanea.
Testare la decisione, non solo il file
Definire la decisione a valle prima di scegliere una tolleranza di accettazione. Una mappa panoramica, un confronto di indagine ripetuta e una misurazione ingegneristica possono usare file simili cercando, richiedendo prove diverse. Scrivere la tolleranza nelle unità fisiche e indicare l'impronta in cui si applica. Se i controlli disponibili non coprono un tipo di superficie o una condizione di funzionamento, identificano esplicitamente tale divario. Ciò rende utile un'accettazione condizionale: l'analista può rilasciare una porzione supportata, conservare una parte flagrata per l'indagine, e evitare di estendere silenziosamente le prove oltre i luoghi effettivamente esaminati.
Distinguere un'ipotesi da un'osservazione
Tenere una breve nota di interpretazione che separa quantità, calcoli e presupposti misurati. L'esempio numerico in questo articolo è un'illustrazione di un meccanismo; sostituire i suoi input con le misurazioni del progetto prima di prendere una decisione operativa. Per un input incerto, ripetere il calcolo su una gamma defensibile e vedere se la conclusione cambia. Se lo fa, ottenere una migliore prova per tale input può essere più utile che regolare le impostazioni di elaborazione non correlate. Mantenere i risultati alternativi in modo che un recensore possa capire perché il flusso di lavoro selezionato è stato giudicato adeguato.
Utilizzo del risultato di un progetto di mappatura
Il software per fotogrammetria cloud è più utile qui quando le sue uscite rimangono connesse agli input e ai controlli documentati. Un progetto DroneCollab può essere considerato come una destinazione di elaborazione, mentre l'analista mantiene la responsabilità per l'interpretazione coordinata, la validazione indipendente e l'idoneità per la misura prevista. Confermare le opzioni disponibili di importazione ed esportazione per il progetto reale piuttosto che presumere che un nome del prodotto stabilisca supporto o accuratezza.
