3.3. Precision and applicabilityIn

3.3. Precision and applicability
In general terms, the accuracy of a photo-based model depends
upon the scale and resolution of the input images, the distribution
and accuracy of control data (whether ground control points, scale
measurements or camera positions), the precision and distribution
of matched image points, and the network geometry, which includes
the number of photos, how much they overlap and how
convergent the views are. In close-range photogrammetry (e.g., as
often used for high accuracy engineering applications), where image
networks are usually multi-image and highly convergent, the
strength of a network can be described by its relative network
precision, which is a ratio of the mean 3D point uncertainty estimate
to the longest dimension of the network. For a given image
measurement precision, a stereo image pair with only two nearparallel
images would represent a weaker network than a convergent
multi-image arrangement. For projects using digital SLR imagery
covering sub-meter to kilometer scales processed with an
SfM-based approach, James and Robson (2012) estimated relative
precision ratios of ~1:1000 or greater. These ratios were shown to
be similar to those of theoretical estimates for stereo photogrammetry,
but approximately an order of magnitude poorer than
equivalent theoretical estimates for close-range (convergent)
networks.

ผลลัพธ์ (ไทย) 2:

3.3 ความแม่นยำและการบังคับใช้ข้อตกลงทั่วไปความถูกต้องของรูปแบบภาพที่ใช้ขึ้นอยู่กับขนาดและความละเอียดของภาพที่ป้อนข้อมูลการกระจายและความถูกต้องของข้อมูลการควบคุม(ไม่ว่าพื้นดินจุดควบคุมระดับการวัดหรือตำแหน่งกล้อง), ความแม่นยำและการกระจาย ของจุดภาพจับคู่รูปทรงเรขาคณิตและเครือข่ายซึ่งรวมถึงจำนวนของภาพถ่ายที่ว่าพวกเขาซ้อนทับกันและวิธีการบรรจบมุมมองที่ ในระยะใกล้ถ่ายภาพ (เช่นเป็นมักจะใช้สำหรับการใช้งานทางด้านวิศวกรรมความแม่นยำสูง) ซึ่งภาพเครือข่ายมักจะมีหลายภาพและมาบรรจบกันอย่างมากที่ความแข็งแกร่งของเครือข่ายที่สามารถอธิบายได้ด้วยเครือข่ายของญาติที่มีความแม่นยำซึ่งเป็นอัตราส่วนที่หมายถึงความไม่แน่นอนจุดประมาณการ 3D กับมิติที่ยาวที่สุดของเครือข่าย สำหรับภาพที่ได้รับความแม่นยำการวัดคู่ภาพสเตอริโอที่มีเพียงสอง nearparallel ภาพที่จะเป็นตัวแทนของเครือข่ายที่ปรับตัวลดลงกว่าบรรจบจัดหลายภาพ สำหรับโครงการโดยใช้ภาพดิจิตอล SLR ครอบคลุมย่อยเมตรเกล็ดกิโลเมตรประมวลผลด้วยวิธีการ SFM ตามเจมส์และร็อบสัน (2012) ประมาณญาติอัตราส่วนแม่นยำของ~ 1: 1,000 หรือมากกว่า อัตราส่วนเหล่านี้ได้แสดงให้เห็นว่ามีความคล้ายคลึงกับการประมาณการทางทฤษฎีสำหรับถ่ายภาพสเตอริโอแต่ประมาณลำดับความสำคัญด้อยกว่าประมาณการทฤษฎีเทียบเท่าระยะใกล้ (ลู่) เครือข่าย

ผลลัพธ์ (ไทย) 3:

3.3 . ความแม่นยำและความเกี่ยวข้อง
ในแง่ทั่วไป ใช้รูปแบบความถูกต้องของภาพขึ้นอยู่กับ
ตามขนาดและความละเอียดของข้อมูลภาพ การกระจาย
และความถูกต้องของข้อมูลการควบคุม ( ไม่ว่าพื้นดินจุดควบคุมการวัดขนาด
หรือตำแหน่งกล้อง ) , ความแม่นยำและการกระจายของคะแนน
จับคู่ภาพและเครือข่ายเรขาคณิต ซึ่งรวมถึง
จำนวนของภาพถ่ายวิธีมากพวกเขาทับซ้อนกันและวิธี
ลู่เข้ามุมมองเป็น ในช่วงปิด ( เช่น ศฎเป็น
มักจะใช้สำหรับการประยุกต์ทางวิศวกรรมความเที่ยงตรงสูง ) ซึ่งเครือข่ายมักจะมีหลายภาพและภาพ

ขอลู่เข้า ความแข็งแกร่งของเครือข่ายสามารถอธิบายโดย
เครือข่ายญาติแน่นอน ซึ่งมีอัตราส่วนของค่าเฉลี่ย 3 จุดไม่แน่นอนประมาณ
สู่มิติที่ยาวที่สุดของ เครือข่ายให้ความแม่นยำการวัดภาพ
, สเตอริโอคู่ภาพที่มีเพียงสอง nearparallel
ภาพจะแสดงเครือข่ายที่แข็งแกร่งกว่ากลุ่ม
หลายภาพ การจัดวาง สำหรับโครงการการใช้ดิจิตอล SLR ภาพ
ครอบคลุมย่อยเครื่องวัดกิโลเมตรเกล็ดแปรรูปด้วยวิธีการ
sfm ตาม เจมส์ และ ร็อบสัน ( 2012 ) ประมาณอัตราส่วนของความสัมพันธ์
~ 000 หรือมากกว่า อัตราส่วนนี้แสดง

จะคล้ายคลึงกับการประมาณการเชิงทฤษฎีสำหรับศฎสเตอริโอ ,
แต่ประมาณหนึ่งอันดับของขนาดด้อยกว่า
เทียบเท่าประมาณช่วงปิด ( ทฤษฎีกลุ่ม )
)