Figure 5: Dependency of the accurac

Figure 5: Dependency of the accuracy from the ground resolution
(Ground sampling distance) of the original images for various
datasets by using GCPs for the reconstruction (“including
GCPs”).
the datasets. These and more datasets are available for closer visualization
on (SenseFly, 2011b).
The accuracy results for each of the three datasets are shown in
Tables 2, 4 and 6. We report the accuracy  from Eq. 2 for
the two reconstruction methods ”including GCPs“ and ”geotags
only“ as well as the accuracies x, y, z in each coordinate direction.
In Figures 4 and 5, we plot the accuracy  as a function of the
image ground resolution for the three datasets above and for two
others for which we cannot show detailed results due to space
limitation. All experiments confirm the expected dependency of
the accuracy on the ground resolution of the original images. We
can conclude that the accuracy lies between 0.05-0.2m when including
GCPs and 2-8m with the no-manual-intervention variant.
However, this accuracy can not be achieved for all parts of the orthomosaic.
Some areas might not be very well textured or could
contain large discontinuities in depth (for instance near building
boundaries or thin tree structures). For those areas the accuracy
will be slightly worse. To evaluate this, more experiments with
LiDAR as ground truth are necessary (Strecha et al., 2008b).
The accuracy figures presented here could be further improved
by following a traditional photogrammetric work-flow (R-Pod,
2011), that includes manual intervention to define more stable
control points. This strategy might especially be necessary when
the image quality and overlap is insufficient for an automated
work-flow.

ผลลัพธ์ (ไทย) 1:

รูปที่ 5: การอ้างอิงของความถูกต้องจากความละเอียดของดิน(พื้นดินห่างจากสุ่มตัวอย่าง) ของภาพต้นฉบับสำหรับการต่าง ๆdatasets โดย GCPs สำหรับฟื้นฟู ("รวมถึงGCPs")datasets เหล่านี้และ datasets เพิ่มเติมจะพร้อมใช้สำหรับแสดงภาพประกอบเพลงใกล้ชิดบน (SenseFly, 2011b)แสดงผลความถูกต้องสำหรับแต่ละของ datasets สามตาราง 2, 4 และ 6 เรารายงานความถูกต้องจาก Eq. 2 สำหรับวิธีฟื้นฟู 2 "รวม GCPs" และ "geotagsเท่านั้น"และ accuracies ที่ x, y, z ในทิศทางที่ประสานงานแต่ละงานเลข 4 และ 5 เราพล็อตความถูกต้องเป็นฟังก์ชันของการรูปล่างละเอียด datasets สามข้าง และสองอื่น ๆ ที่เราไม่สามารถแสดงผลลัพธ์โดยละเอียดเนื่องจากพื้นที่จำกัด ทดลองทั้งหมดยืนยันการขึ้นต่อกันที่คาดไว้ของความถูกต้องบนพื้นความละเอียดของภาพต้นฉบับ เราสรุปว่า ความถูกต้องอยู่ระหว่าง 0.05-0.2 m เมื่อรวมGCPs และ 2-8 เมตร มีตัวแปรแทรกแซงด้วยตนเองไม่อย่างไรก็ตาม ความแม่นยำนี้สามารถไม่ได้ในทุกส่วนของ orthomosaicบางพื้นที่อาจไม่ได้ดีพื้นผิว หรือไม่ประกอบด้วย discontinuities ใหญ่ลึก (เช่นอยู่ใกล้ตึกขอบเขตหรือภูมิของบาง) การที่ถูกต้องจะแย่เล็กน้อย การประเมินนี้ ทดลองเพิ่มมากขึ้นด้วยLiDAR เป็นพื้นความจริงเป็นสิ่งจำเป็น (Strecha et al., 2008b)ตัวเลขแม่นยำแสดงสามารถเพิ่มเติมปรับปรุงตามแบบโบราณสมกับทำงานไหล (R-Pod2011), ที่มีการขัดจังหวะโดยด้วยตนเองเพื่อกำหนดคอกเพิ่มเติมควบคุมจุด กลยุทธ์นี้โดยเฉพาะอย่างยิ่งอาจจำเป็นเมื่อคุณภาพของภาพและการซ้อนไม่เพียงพอสำหรับการอัตโนมัติลำดับงาน

ผลลัพธ์ (ไทย) 3:

รูปที่ 5 : การพึ่งพาของความถูกต้องจากความละเอียดพื้น
( พื้นดินระยะทางตัวอย่าง ) ของภาพต้นฉบับต่างๆ
ข้อมูลโดยใช้ gcps เพื่อการก่อสร้าง ( รวมถึง gcps

" ) ชุดข้อมูล เหล่านี้และเพิ่มเติมข้อมูลที่มีอยู่อีกภาพ ( sensefly
,
2011b ) ความถูกต้องผลสำหรับแต่ละสามข้อมูลจะแสดงใน
โต๊ะ 2 , 4 และ 6เรารายงานความถูกต้อง  จากอีคิว 2
2 ฟื้นฟูวิธีการ " รวมทั้ง gcps " และ " geotags
" เท่านั้น รวมทั้งความถูกต้อง  X ,  Y ,  Z ในแต่ละพิกัดทิศทาง .
ตัวเลข 4 และ 5 เราแปลงความถูกต้อง  เป็นหน้าที่ของ
ภาพพื้นดินความละเอียดสำหรับ ข้อมูลข้างต้นทั้งสามและสอง
คนอื่นที่เราไม่สามารถแสดงผลรายละเอียดเนื่องจากข้อ จำกัด พื้นที่

โดยยืนยัน คาดว่าการ
ความถูกต้องบนพื้นดิน ความละเอียดของภาพต้นฉบับ เราสามารถสรุปได้ว่าค่า

gcps รวมทั้งอยู่ระหว่าง 0.05-0.2m เมื่อ 2-8m กับการแทรกแซงและไม่มีคู่มือ ) .
แต่ความถูกต้องนี้จะไม่อาจเกิดขึ้นได้ทุกส่วนของ orthomosaic .
บางพื้นที่อาจจะดีหรืออาจ
พื้นผิวมีขนาดใหญ่ในระดับความลึกต่างๆ ( เช่น ใกล้เขตแดนอาคาร
หรือโครงสร้างต้นไม้บาง ) สำหรับพื้นที่เหล่านั้น ความถูกต้อง
จะค่อนข้างแย่ เพื่อประเมินนี้ การทดลองกับ
LIDAR จริงพื้นดินจำเป็น ( strecha et al . , 2008b ) .
ความถูกต้องของตัวเลขที่แสดงที่นี่สามารถปรับปรุงเพิ่มเติม
ตามการไหลของงาน photogrammetric ดั้งเดิม ( r-pod
, 2011 )รวมถึงคู่มือการแทรกแซงเพื่อกำหนดจุด
ควบคุมที่มีเสถียรภาพมากขึ้น กลยุทธ์นี้อาจจะโดยเฉพาะอย่างยิ่งเป็นสิ่งจำเป็นเมื่อ
คุณภาพภาพและทับซ้อนกันไม่เพียงพอสำหรับอัตโนมัติ
งานไหล