For detailed mesh models reconstruc

For detailed mesh models reconstruction, the only way is to separate large target area into small regions and reconstruction them separately. Large scale models always have less detailed information than small scale models. “Region A” dataset with 64 photos can generate a model with 1441254 faces in the study area. When combining photos from “Region A” and aerial photos, this number drop down to 67478 faces. Figure 87 illustrates four models according to Table 13: Model (a) is derived from the UAV dataset. This model is accurate but lack of details. Model (b) is derived from the Nikon dataset, this model is more detailed but the mean displacement is about 0.093 meters. Model (c) is generated from a combined dataset which contains the UAV photos and the "Region A" photos, this model hasn’t improve a lot details but has improved the accuracy to 0.0492. The last model (d) is generated from "Region A" dataset and was georeferenced by using local control points. Its accuracy has been improved to 0.053 and the number of generated vertices is the highest.

ผลลัพธ์ (ไทย) 1:

การตาข่ายรายละเอียดโมเดล วิธีเดียวคือเป้าหมายขนาดใหญ่แยกพื้นที่เป็นพื้นที่ขนาดเล็กและฟื้นฟูให้แยกต่างหาก รุ่นขนาดใหญ่มีน้อยกว่ารุ่นขนาดเล็กรายละเอียด ชุดข้อมูล "ภูมิภาค A" กับภาพ 64 สามารถสร้างแบบจำลอง ด้วยใบหน้า 1441254 ในพื้นที่ศึกษา เมื่อรวมภาพถ่ายจาก" A" และภาพถ่ายทางอากาศ ปล่อยหมายเลขนี้ลงไปหน้า 67478 รูป 87 แสดงสี่รุ่นตามตารางที่ 13: รูปแบบ (a) มาในชุด UAV รูปแบบนี้ถูกต้องแต่ขาดรายละเอียด รูป (b) ได้มาจากชุดข้อมูล Nikon รุ่นนี้มีรายละเอียด แต่ที่ย้ายที่หมายถึงคือประมาณ 0.093 เมตร รูป (c) สร้างขึ้นจากชุดข้อมูลรวมซึ่งประกอบด้วยรูปภาพของ UAV และภาพถ่าย "ภูมิภาค A" รุ่นนี้ยังไม่ปรับปรุงรายละเอียดมาก แต่ได้ปรับปรุงความแม่นยำในการ 0.0492 รุ่นสุดท้าย (d) ถูกสร้างขึ้นจากชุดข้อมูล "ภูมิภาค A" และถูก georeferenced โดยใช้จุดควบคุมภายใน ความถูกต้องมีการปรับปรุงการ 0.053 และจำนวนของจุดยอดที่สร้างขึ้นสูงที่สุด

ผลลัพธ์ (ไทย) 2:

สำหรับรายละเอียดของรูปแบบตาข่ายฟื้นฟูวิธีเดียวคือการแยกพื้นที่เป้าหมายขนาดใหญ่เป็นภูมิภาคท​​ี่มีขนาดเล็กและการฟื้นฟูบูรณะพวกเขาต่างหาก แบบจำลองขนาดใหญ่มักจะมีข้อมูลรายละเอียดน้อยกว่ารุ่นขนาดเล็ก "ภาค A" ชุดข้อมูลที่มีรูปถ่าย 64 สามารถสร้างรูปแบบที่มี 1,441,254 ใบหน้าในพื้นที่ศึกษา เมื่อรวมภาพถ่ายจาก "ภาค A" และภาพถ่ายทางอากาศจำนวนนี้หล่นลงไป 67,478 ใบหน้า รูปที่ 87 แสดงให้เห็นถึงสี่รุ่นตามตารางที่ 13: รุ่น (ก) ที่ได้มาจากชุด UAV รุ่นนี้มีความถูกต้อง แต่ขาดรายละเอียด รุ่น (ข) ที่ได้มาจากชุดข้อมูลของ Nikon รุ่นนี้มีรายละเอียดมากขึ้น แต่หมายถึงการเคลื่อนที่เป็นเรื่องเกี่ยวกับ 0.093 เมตร รุ่น (ค) ถูกสร้างขึ้นจากชุดข้อมูลมารวมกันซึ่งมีรูปถ่าย UAV และ "ภาค A" ภาพถ่าย, รุ่นนี้ยังไม่ได้รายละเอียดดีมาก แต่มีการปรับปรุงความถูกต้องในการ 0.0492 รูปแบบที่ผ่านมา (D) ถูกสร้างขึ้นจาก "ภาค A" ชุดและได้รับการอ้างอิงทางภูมิศาสตร์โดยใช้จุดควบคุมท้องถิ่น ความถูกต้องได้รับการปรับปรุงให้ดีขึ้น 0.053 และจำนวนของจุดที่สร้างขึ้นเป็นที่สูงที่สุด

ผลลัพธ์ (ไทย) 3:

สำหรับรายละเอียดแบบตาข่ายฟื้นฟู , วิธีเดียวคือการแยกพื้นที่เป้าหมายขนาดใหญ่เป็นบริเวณเล็กๆ และฟื้นฟูพวกเขาต่างหาก รูปแบบขนาดใหญ่มักจะมีรายละเอียดของข้อมูลน้อยลงกว่ารุ่นขนาดเล็ก " ภูมิภาค " 64 ข้อมูลภาพถ่ายสามารถสร้างแบบจำลองด้วย 1441254 ใบหน้าในพื้นที่ศึกษา เมื่อรวมภาพถ่ายจาก " เขต " และรูปถ่ายทางอากาศ หมายเลขนี้หล่นลงไป 67478 หน้า รูป 87 แสดงให้เห็นถึงสี่รูปแบบตามตารางที่ 13 : รูปแบบ ( ) ได้มาจาก UAV วันที่ . รุ่นนี้เป็นรุ่นที่ถูกต้อง แต่ขาดรายละเอียด แบบ ( B ) ได้มาจากข้อมูล Nikon , รุ่นนี้มีรายละเอียดมากขึ้น แต่หมายถึงการเป็นเกี่ยวกับ 0.093 เมตร รูปแบบ ( C ) จะถูกสร้างขึ้นจากการรวมชุดข้อมูลที่ประกอบด้วย UAV ภาพถ่ายและ " เขต " ภาพถ่ายรุ่นนี้ยังไม่ได้ปรับปรุงมาก รายละเอียด แต่มีการปรับปรุงความถูกต้องเพื่อ 0.0492 . รุ่นล่าสุด ( D ) จะถูกสร้างขึ้นจาก " ภาค " ข้อมูลและถูกทางโดยการใช้จุดควบคุมท้องถิ่น ความถูกต้องของมันได้รับการปรับปรุงให้ 0.053 และจำนวนสร้างจุดมากที่สุด