측정 질문과 물리적 메커니즘

원시 카메라 이미지가 재건축 엔진에 의해 사용 된 파일로 변환 될 때 일관성이 유지되어야합니까? 이 팀은 드론 매핑 소프트웨어를 평가하는 팀에 대한 실용적인 질문입니다, 매핑 제품의 유용성은 그것을 지원하는 관측과 결정에 따라 달라집니다.

원료 변환은 차원, 작물, 찡그림 처리, 백색 균형, 날카롭게 하고, 그리고 metadata를 바꾸어서 좋습니다. 일부 변경은 기하학에 영향을 미치는 다른 사람, 및 혼합 변환 요리법은 incompatible subsets를 만들 수 있습니다.

Photogrammetric 형상은 이미지 관측, 카메라 모델 및 모든 단말 외부 정보의 관계에서 인화됩니다. 각 추가된 모형 모수 또는 가공 선택권은 그 관계에 관하여 가정을 만듭니다. 시험되고 표시할 수 있는 독립적 인 관찰을 식별하는 가정은 잘못되었습니다. 이 더 낮은 피팅 잔여 또는 denser 출력은 물리적 위치에 대한 강한 증거에 대해 실수로에서 모델의 다른 부분으로 이동했을 때.

취득 및 입력 준비

변환법을 저장하고 의도한 카메라 그룹에 지속적으로 적용. 원본 원본 파일을 보존하고 픽셀 좌표 시스템을 변경하는 자동 렌즈 교정 또는 작물을 식별하십시오.

Inspect 소스 사진, 추정된 카메라 및 reconstructed 표면 함께. 카메라 관련 효과는 많은 엄밀한 표면에서 나타날 수 있으며 재료, 모션 또는 가시성 효과는 한 장면 클래스로 자신감을 유지할 수 있습니다. 보정을 선택하기 전에 파이프라인을 통해 symptom을 추적합니다. 의향과 시각 향상을 구별하는 형상을 관찰하고, 의도한 측정에 대한 물리적 구조를 설명 할 수 있는 표현을 사용합니다.

일러스트레이션은 예

다음 숫자는 측정되지 않는 저하 계획 입력, 제품 결과 또는 정확도 요구입니다. 2개의 원시 변환 배치는 동일한 사진기에서 3,866 화소 이미지에 의하여 4,000와 5,800에 의하여 6,000를 생성합니다. 후자는 많은 픽셀로 약 93.4 %를 유지하지만 주요 문제는 변환이 작물, 왜곡 보정 또는 재 스케일을 적용했는지 여부입니다. 단일 카메라 모델은 두 출력이 유사하기 때문에 유효하게 가정 할 수 없습니다. 변환 조리법과 identifiable 이미지 포인트의 매핑 비교. 각 정해진 형상 설정에 따라 유지 1개의 배치도 더 강한 날카롭게 하는 소음 감소를 이용하면, 텍스처에 그것의 효력을 자주적으로 평가하십시오; 화장용 견실함 및 기하학 겸용성은 1개의 undocumented 준비 단계로 합병되어야 하는 분리된 질문입니다.

현장의 GNSS 수신기 및 지상 제어 대상
현장 관측 및 독립적 인 검사는 처리 된지도의 해석을 지원합니다. 일러스트 이미지; 설문조사된 데이터셋 또는 성능 벤치마크가 아닙니다.

이 주제에 대한 예는

원시 변환은 보이지 않는 준비 단계보다 측정 워크플로의 일부로 처리되어야 합니다. 기록 작물, 렌즈 보정, 재조합 및 증진 선택. 안정적인 레시피는 카메라 그룹화 및 미래 비교를 돕습니다. 한 연산자가 프로젝트를 통해 요리법을 변경하면 영향을받은 파일을 확인하고 동일한 카메라 가정에서 소모하기 전에 기하학을 테스트하십시오.

재현성 공정 실험

변환된 파일에 있는 차원과 메타데이터를 검증하고 일관된 카메라 모델로 제어된 하위셋을 비교합니다. 시각적으로 더 나은 변환이 더 나은 형상을 생성하는 것을 방지하십시오.

작업 흐름을 변경하기 전에 비교 재현성을 확인합니다. 이미지 재고의 작업 사본을 얼어붙은 실행 식별자를 제공합니다. 관련 카메라 구성, 이미지 준비 단계, 처리 설정, 요청된 출력 및 비교 범위를 저장합니다. 조사 및 안정 제어 영역의 메커니즘을 포함하는 검사 지구를 선택하십시오. 유용한 제어는 제안 된 변경에 의해 비정상적으로 남아있는 표면입니다. 그것은 명백한 지역 개선이 블록에서 다른 더 넓은 역효과를 소개합니다.

한 번에 한 번에 통합 된 요소를 실제적으로 변경하십시오. 기본 및 후보자에 대한 동일한 물리적 기능과 독립적 인 참조 관측을 사용합니다. 일반적인 유효 지역에 비해, 다음에 대한 모든 차이를보고 합계 지원되는 적용을 별도로. 스크린 샷이 증거의 일부일 때 디스플레이 줌, 색상 스트레칭 및 시청 방향을 지속적으로 유지하십시오. 기록 자원 사용 및 실패도: 약간의 조정은 세부사항을 개량하고 그러나 반복적으로 유효한 기억은 동의한 납품을 위해 가동으로 적합하지 않을지도 모릅니다.

가장 매력적인 출력을 시험하기 전에 결정 규칙을 작성하십시오. 예를 들어, 후보자는 모든 중요한 기능을 유지해야하며 식별 된 체계 패턴을 감소시키고 새로운 적용 갭을 방지 할 수 있습니다. 실제 임계 값은 프로젝트 목적과 참조 품질에서이 문서의 설명 번호에서, 옵니다. 허용된 모든 것을 보존하고 실험 기록은 선택에 대해 충분히 긴. 나중에 작업자가 다른 조명, 카메라 또는 소프트웨어 조건에서 워크플로를 반복해야 할 때 특히 유용합니다.

결과 진단

Abrupt residual 변화는 변환 배치로 정렬하여 inconsistency 처리를 제안합니다. 누락된 focal-length 태그는 변경된 이미지 기하학에서 다른 문제를 일으킬 수 있습니다.

Uncertainty와 독립적인 질 체크

독립 제품 검증에서 내부 계약 분리. 카메라 위치, 교정, 표면에 적합한 관찰은 외부 정확도를 설정할 수 없습니다. 측정 작업이 필요한 경우 적절한 검사를 예약하고 그 검사의 불확실성을 문서화하십시오. 참고 사항은지도 또는 모델에 나타나는 동일한 물리적 기능을 식별해야합니다. 주변 가장자리의 정확한 조사는 여전히 불확실한 비교를 생산할 수 있습니다. Inspect 서명된 차이와 공간 패턴, 단일 평균이 넓은 편견을 숨길 수 있기 때문에 또는 한 비상 현지 실패.

사용중인 수량에 묶인 불확실한 진술을 유지합니다. 수평 위치, 높이, 거리, 표면 완전성 및 시각 해석성은 교환할 수 없습니다. 픽셀 간격은 샘플링 속성이며, 포인트 밀도는 표현 속성입니다. 혼자는 파생된 측정의 오류를 지정하지 않습니다. 카메라 모델은 보편적 인 지상 정확도 청구로 직접 재시동하지 마십시오. 증거가 파일럿 지역 또는 하나의 표면 클래스에 제한되면, 범위가 범위를 확장하고 시험되지 않은 재료, 먼 경계, 또는 숨겨진 표면에 결론을 피하는 상태.

알려진 지역은 식별 할 수 있어야합니다. 부드러운 메쉬, 채워진 래스터, 균형 이미지, 또는 날카로운 질감은 그것의 주변에서 정보 inferred를 포함하는 커뮤니케이션을 위해 유용합니다. 마스크 또는 결과적 인 인 인서트에 대한 편집 기록이 유지되고 누락 된 증거가 결정에 영향을 미칠 때 추가 관찰을 선택합니다. 공식 사양이 적용된 경우, 이 만료 작업 흐름을 인증하는 것보다는 필수 샘플링 및 보고 절차를 사용합니다. 실제 목표는 지원되는 사용에 대한 방어적인 진술이며, 다른 팀에 대한 충분한 증거가 제한을 평가합니다.

실제 결정 및 배달 기록

Geometric 처리가 재건축 워크플로우와 문서화 및 호환되는 파생물을 사용하여 각 가공 이미지에서 원본 파일에 감사 경로를 유지합니다.

허용되는 손전등은 권한 출력의 간결 재고를 포함해야하며, 해석에 필요한 증거가 필요합니다. 취득 간격, 표면 정의, 관련 단위 및 참고 정보, 적용 경계, 입력 표, 허용 구성 및 물자 품질 발견을 포함하십시오. 적절한 독립적 인 리더에 다운로드 된 파일을 열고 어려운 지역을 검사하고 쉽게 할 수 있습니다. 불명한 버전 식별자를 보존하기 때문에 수신자는 실수로 유사한 파일 이름을 가지고가는 이전 실험적 수출을 측정하지 않습니다.

각 나머지 제한을 실제 결과에 번역하십시오. 특징, 영역, 또는 해당 단계가 다른 보기인지, 보완 측정, 다른 표현, 또는 더 좁은 해석인지 여부에 영향을 미칩니다. 중요한 영역이 지원되지 않을 때 일반적인 고품질 라벨을 피하십시오. 관련 위치에 첨부 된 짧은 설명은 사용자가 원시 결정을 내릴 때 예외를 발견 할 수있는 인상적인 글로벌 통계보다 더 유용합니다.

적합한 클라우드 워크플로우 테스트

Drone Mapping Software를 평가하는 팀의 경우 DroneCollab는 소스 이미지와 요청된 매핑 출력 사이의 관계를 테스트하는 실용적인 장소를 제공합니다. 관련 제품은 GNSS/PPK 워크플로우와 함께 3차원 모델과 DSM/DTM 출력, DSM/ DTM 출력을 포함한 교정, 포인트 클라우드, DSM 및 DSM/dTM 출력을 포함합니다. 대표 하위셋과 합격 관측이 이미 정의되었습니다. 특정 정확도 또는 균일하게 완료된 적용을 증명한 서비스 이름이나 완료 상태를 치료하는 것보다 실제 다운로드 결과를 검토하십시오.

참고 및 더 읽기