• The software searches for matchin

• The software searches for matching points by analyzing all
uploaded images. Most well known in computer vision is
the SIFT (Lowe, 2004) feature matching. Studies on the performance
of such feature descriptors are given in (Mikolajczyk
and Schmid, 2002). We use here binary descriptors similar
to (Strecha et al., 2011), which are very powerful to match
keypoints fast and accurate.
• Those matching points as well as approximate values of the
image position & orientation provided by the UAV autopilot
are used in a bundle block adjustment (Triggs et al., 2000,
Hartley and Zisserman, 2000) to reconstruct the exact position
and orientation of the camera for every acquired image
(Tang and Heipke, 1996).
• Based on this reconstruction the matching points are verified
and their 3D coordinates calculated. The geo-reference system
is WGS84, based on GPS measurements from the UAV
autopilot during the flight.
• Those 3D points are interpolated to form a triangulated irregular
network in order to obtain a DEM. At this stage, at
dense 3D model (Scharstein and Szeliski, 2002, Strecha et
al., 2003, Hirschmller, 2008, Strecha et al., 2008b) can increase
the spatial resolution of the triangle structure.
• This DEM is used to project every image pixel and to calculate
the georeferenced orthomosaic (also called true orthophoto)
(Strecha et al., 2008a).

ผลลัพธ์ (ไทย) 2:

•ค้นหาซอฟแวร์สำหรับจุดการจับคู่โดยการวิเคราะห์ทุก
ภาพที่อัปโหลด ที่รู้จักกันดีที่สุดในการมองเห็นคอมพิวเตอร์
ร่อน (โลว์ 2004) คุณลักษณะที่ตรงกับ การศึกษาเกี่ยวกับผลการดำเนินงาน
ของการอธิบายคุณลักษณะดังกล่าวจะได้รับใน (Mikolajczyk
และชมิด, 2002) เราใช้อธิบายไบนารีที่นี่คล้าย
กับ (Strecha et al., 2011) ซึ่งมีประสิทธิภาพมากเพื่อให้ตรงกับ
keypoints รวดเร็วและถูกต้อง
•ผู้จุดที่ตรงกันเช่นเดียวกับค่าประมาณของ
ตำแหน่งภาพและการวางแนวให้โดยอัตโนมัติ UAV
จะใช้ในการ ปรับบล็อกมัด (Triggs et al., 2000
และสมุน Zisserman, 2000) เพื่อสร้างตำแหน่งที่แน่นอน
และทิศทางของกล้องสำหรับทุกภาพที่ได้มา
(ราชวงศ์ถังและ Heipke, 1996)
•ตามฟื้นฟูจุดที่ตรงกับการตรวจสอบนี้
และพิกัด 3 มิติของพวกเขาคำนวณ ระบบภูมิศาสตร์อ้างอิง
เป็น WGS84 อยู่บนพื้นฐานของการวัดจีพีเอสจาก UAV
อัตโนมัติในระหว่างเที่ยวบิน
•ผู้จุด 3D มีการสอดแทรกในรูปแบบผิดปกติดัก
เครือข่ายเพื่อให้ได้ DEM ในขั้นตอนนี้ที่
มีความหนาแน่นสูงแบบจำลอง 3 มิติ (Scharstein และ Szeliski 2002 Strecha เอ
al., 2003 Hirschmller 2008 Strecha et al., 2008b) สามารถเพิ่ม
ความละเอียดเชิงพื้นที่ของโครงสร้างสามเหลี่ยม
• DEM นี้จะใช้ในโครงการ พิกเซลทุกภาพและการคำนวณ
orthomosaic อ้างอิงทางภูมิศาสตร์ (ที่เรียกว่า Orthophoto จริง)
(Strecha et al., 2008a)

ผลลัพธ์ (ไทย) 3:

บริการซอฟต์แวร์ค้นหาการจับคู่คะแนน โดยวิเคราะห์ทั้งหมด
อัปโหลดภาพ มากที่สุดที่รู้จักกันดีในวิสัยทัศน์คอมพิวเตอร์
ร่อน ( Lowe , 2004 ) คุณลักษณะที่ตรงกัน การศึกษาประสิทธิภาพ
เช่นคุณลักษณะในจะได้รับ ( และ mikolajczyk
> , 2002 ) เราใช้ที่นี่ในไบนารีที่คล้ายกัน
( strecha et al . , 2011 ) ซึ่งมีมากที่มีประสิทธิภาพในราคา

keypoints ได้อย่างรวดเร็วและถูกต้อง- คนที่ตรงกับคะแนนรวมทั้งค่าโดยประมาณของ
ภาพตำแหน่ง&ปฐมนิเทศโดย UAV autopilot
ใช้ในกลุ่มบล็อกการปรับปรุง ( triggs et al . , 2000 , และ zisserman
ลีย์ , 2000 ) เพื่อสร้างที่แน่นอนตำแหน่ง
และทิศทางของกล้องทุกภาพ
( ถังและ heipke ได้มา , 1996 )
- บนพื้นฐานของการฟื้นฟูนี้ ตรงกับจุดจะยืนยัน
และ 3D ของพิกัดที่คำนวณไว้ ระบบอ้างอิงทางภูมิศาสตร์
เป็น WGS84 ตาม GPS วัดจาก UAV
autopilot ในระหว่างการบิน .
- พวก 3D จุดหยันฟอร์มตามผิดปกติ
เครือข่ายเพื่อให้ได้เด็ม ในขั้นตอนนี้ ในรูปแบบ 3 มิติ ( scharstein
หนาแน่น และ szeliski 2002 strecha et
al . , 2003 , hirschmller , 2008 , strecha et al . , 2008b ) สามารถเพิ่ม
ความละเอียดเชิงพื้นที่ของโครงสร้างสามเหลี่ยม
- เด็มนี้จะใช้กับโครงการทุกภาพพิกเซล และการคำนวณทาง orthomosaic
( เรียกว่าจริงอ ์โธโฟโต )
( strecha et al . , 2008a )