測定質問とその物理的なメカニズム
複数のカメラシステムから写真を混入すると、プロジェクトを強化し、回避できない不確実性を生み出せるのはいつですか? ドローンマッピングソフトウェアの評価を行うチームにとっては、マッピング製品の有用性は、サポートする観察や決定に依存しているためです。
異なるカメラは、異なる光学、サンプリング、シャッター動作、画像処理をもたらします。 それぞれの構成は、適切なモデリングと十分な一般的な安定した構造が必要で、ネットワークに参加できます。
映像の観察、カメラモデル、および正当化された外部情報と関連性から、フォトグラメトリクスの幾何学は劣っています。 それぞれのモデルパラメータや処理オプションは、それらの関係について仮定します。 想定したテストをし、独立した観察を識別して、それが間違っている可能性がある。 これは、下位の包囲が単にモデルの別の部分に動かされたとき、物理的なサイトに関するより強い証拠のために間違いのないより低い付属品残留物かデンザーの出力を防ぐ。
取得・入出準備
物理的なカメラや録音設定を全て在庫。 独自の表面をシェアし、すべての化粧品を正規化するのではなく、各システムから元のメタデータとファイルを保存する計画を立てます。
ソース写真、推定カメラ、再建された表面を一緒に検査します。 カメラ関連効果は、材料、動き、可視性効果が1つのシーンクラスに限定される可能性があるため、多くの硬質面に現れることができます。 修正を選択する前にパイプラインを通して症状をトレースします。 観察された幾何学を補間および視覚の強化から区別し、意図された測定に問題のある物理的な構造を説明することができる表現を使用して下さい。
イラストの制作例
下記の数字は、製品結果や精度要求を測定しない仮説の計画入力です。 カメラAと150から400枚の画像をカメラBから組み合わせてコレクションを想像してみてください。 Camera Bは、Aのビューから欠落しているファサードを観察しますが、ブロックにリンクする小さな共有グラウンドエリアしかありません。 別々の正当化したカメラグループで一般的なサブセットを処理し、それらのリンクを調べます。 追加のファサードが視覚的に詳細だが、一般的な領域の独立した違いが悪化している場合は、組み合わせは調査を必要とします。 より多くの画像とより完全な外観は、それを受け入れるには十分な理由ではありません。 各システムに対するシャッタ動作、構成、およびソース品質を調べます。 混合されたセットは、その追加カバレッジとジオメトリがサポートされるときだけ保持し、最終製品に影響を与えるグループ固有の制限を文書化します。
このトピックの例が意味するもの
混合カメラワークフローは、あらゆるステージで、各カメラの実績を維持する必要があります。 別のシステムからのイメージは必要なビューを加えるかもしれませんが、また異なったシャッターのタイミングかデジタル処置を導入して下さい。 共有領域をテストして、完全に混合された再構築にコミットします。 サポートされている情報に寄与する時だけの組み合わせを保持し、グループ固有の弱点を録画することで、単一のグローバル統計が均一な動作を阻害するのではなく、グループ固有の衰弱を記録します。
再現性のある加工実験
正当化したカメラグループで代表的な混合ブロックを処理します。 一般的な外部チェックを使用して、最も強力な単眼下セットと比較し、各カメラが必要なカバレッジを貢献するかどうかを調べます。
ワークフローを変更する前に、比較再現性を発揮します。 画像を埋め立てて、ベースラインをクリアラン識別子に与えます。 関連するカメラの設定、画像の準備手順、処理設定、要求された出力、比較範囲を保存します。 調査のメカニズムおよび安定した制御領域を含む点検地域を選んで下さい。 重要な制御は、提案された変化に影響されないままと予想される表面です。これは、明らかなローカル改善がブロックの他の場所でより広い副作用をもたらすかどうかを明らかにすることができるからです。
実用的な時に1つの正当化要素を一度に変更します。 ベースラインと候補の同じ物理的特徴と独立した参照観察を使用してください。 一般的な有効エリアを比較し、サポートされたカバレッジの合計の違いを別々に報告します。 スクリーンショットが証拠の一部であるとき、ズーム、カラーストレッチ、および表示方向を一貫して表示し続ける。 リソースの使用と結果の失敗を録音: 少し詳細を改善する設定が、繰り返し利用可能なメモリを上回る場合は、合意された配信に適した動作しない場合があります。
最も魅力的な出力を調べる前に決定ルールを書く。 例えば、候補者は、すべての重要な機能を保持し、特定された系統的なパターンを減らし、新しいカバレッジギャップを避ける必要があるかもしれません。 実際のしきい値は、この記事のイラスト番号からではなく、プロジェクト目的と参照品質から来なければなりません。 採択された実験記録を十分に取り除いたと、選択を説明するのに十分な長さを節約できます。 別の光、カメラ、ソフトウェアの状態下でワークフローを繰り返す必要がある場合、これは特に価値があります。
結果の診断
混合された再建は、グループが弱く接続されているか、または偏見している間、完了することができます。 より低いグローバルフィッティングエラーは、追加の画像が物理的結果を改善することを確立しません。
不確実性および独立した質の点検
独立した製品検証から内部の合意を分離します。 カメラの位置、口径測定、表面に収まるための観察は、外部の精度を確立できません。 測定タスクがそれらを必要とする場合、適切なチェックを準備し、それらのチェックの不確実性を文書化します。 参照は、マップまたはモデルに表示される同じ物理的機能を特定する必要があります。 曖昧なエッジの正確な調査は、依然として不確実な比較を生成することができます。 署名された違いと空間パターンを調べる。単一の平均は、広い偏差や1つの結果的なローカル障害を隠すことができるからです。
未確定なステートメントを使用している数量に縛らしておく。 横の位置、高さ、距離、表面完全性、視覚的解釈性は変化しません。 ピクセル間隔はサンプリングプロパティであり、ポイント密度は表現プロパティです。 どちらも派生した測定のエラーを指定します。 カメラモデルの残留物をユニバーサルな接地精度の主張に直接変換しないでください。 証拠がパイロット領域または1つの表面クラスに限られている場合、スコープと未検査材料、遠方境界、または隠された表面への結論を拡張することを避けます。
未知の領域は、識別できるままである必要があります。 スムーズなメッシュ、ラスター、バランスの取れた画像、シャープなテクスチャーは、周囲から情報が劣っている間コミュニケーションに役立ちます。 マスクや、その結果の不当な地域のための編集レコードを保持し、欠落した証拠が決定に影響を及ぼすときに追加の観察を選択します。 正式な仕様が適用される場合、この説明ワークフローを認証として扱うのではなく、必要なサンプリングと報告手順を使用します。 実用的な目標は、サポートされた使用に関する防御可能な声明であり、別のチームがその限界を評価するために十分な証拠を持っています。
実践的な決定と配信記録
検証可能な幾何学的値やカバレッジ値、ドキュメントグループ固有の制限を追加し、サポートされていない組み合わせを除外する際、より多くの写真が常に調査を改善することよりも、混合された入力を保持します。
受諾された手引きは、権威的な出力の簡潔な在庫とそれらを解釈するために必要な証拠を含むべきです。 取得間隔、表面定義、関連単位および参照情報、適用範囲の境界、入力マニフェスト、受け入れられた構成および物質的な質の調査を含んで下さい。 ダウンロードしたファイルを適切な独立したリーダーで開き、困難な地域や簡単なものをチェックします。 意図しないバージョン識別子を保存して、 受信者は誤って同様のファイル名を持つために起こる以前の実験的なエクスポートを測定しません。
それぞれの残りの制限を実用的な結果に変換します。 機能、領域、またはそれを使用する状態は、次のステップが別のビュー、補完的な測定、異なる表現、またはより狭い解釈であるかどうかに影響を与えます。 重要な領域がサポートされていない場合、一般的な高品質のラベルを避けてください。 関連する場所に取り付けられた簡単な説明は、ユーザーが結果的な決定をした後例外を発見するために残す印象的なグローバル統計よりも有用です。
適切なクラウドワークフローをテストする
ドローンマッピングソフトウェアの評価を行うチームにとって、DragonCollabは、ソース画像と要求されたマッピング出力の関係をテストするための実用的な場所を提供しています。 (DroneCollab) 関連する製品は、オーソモーシクス、ポイントクラウド、DSM/DTM出力、およびGNSS/PPKワークフローと組み合わせた3次元モデルを含みます。 既に定義されている代表的なサブセットおよび受諾の観察から始まります。 特定の精度の証拠として、または均一に完全なカバレッジとしてサービス名や完了ステータスを扱うのではなく、実際のダウンロード結果を確認します。
