Figure 4: Dependency of the accurac

Figure 4: Dependency of the accuracy from the ground resolution
(Ground sampling distance) of the original images for various
datasets without using GCPs for the reconstruction (“geotags
only“).
In order to assess the quality and accuracy of this automated process,
we consider here several projects that differ with respect to
the coverage area, ground resolution, overlap between original
images and the number of images. For all datasets we measured
GCPs, which we then used to evaluate the precision of the automated
reconstruction. Thereby we evaluated two different methods.
One is purely based on the geotags of each original image
as provided by the UAV autopilot and one which in addition also
takes manually designated GCPs into account. For both we measure
the accuracy of the result as the mean distance between the
triangulated GCPs xj , as optimized by Eq. 1 and the GCP positions
Xj as obtained by a high-precision GPS receiver on the
ground. Let pij be the position of GCP j in image i. The collection
of all pij for a given GCP j give rise to a 3D point xj that
minimize the projection error:

ผลลัพธ์ (ไทย) 1:

รูปที่ 4: การอ้างอิงของความถูกต้องจากความละเอียดของดิน(พื้นดินห่างจากสุ่มตัวอย่าง) ของภาพต้นฉบับสำหรับการต่าง ๆdatasets โดย GCPs สำหรับฟื้นฟู ("geotagsเฉพาะ")การประเมินคุณภาพและความถูกต้องของกระบวนการนี้โดยอัตโนมัติเราพิจารณาที่นี่หลายโครงการที่แตกต่างกับ respect เพื่อพี้ แก้ปัญหาพื้นดิน ทับซ้อนกันระหว่างต้นฉบับภาพและจำนวนภาพ สำหรับทั้งหมด datasets เราวัดGCPs ซึ่งเราใช้ในการประเมินความแม่นยำของแบบอัตโนมัติฟื้นฟู ทำให้เราประเมินสองวิธีหนึ่งเพียงอย่างเดียวขึ้นอยู่กับ geotags ของแต่ละภาพต้นฉบับทั้งนี้ตามต่อกับระบบ uav ในที่สุดและหนึ่งที่นอกจากนี้ยังพิจารณา GCPs กำหนดด้วยตนเอง ทั้งเราวัดความถูกต้องของผลลัพธ์เป็นระยะทางเฉลี่ยระหว่างการรับ GCPs xj เป็นเหมาะ Eq. 1 และ GCP ตำแหน่งXj ที่รับ โดยเครื่องรับ GPS ความแม่นยำสูงในการพื้นดิน Pij เป็นตำแหน่งของเจ GCP ในรูปให้ผมด้วย คอลเลกชันpij ทั้งหมดสำหรับเจ GCP กำหนดให้ขึ้นกับ xj จุด 3D ที่ลดข้อผิดพลาดที่คาดการณ์:

ผลลัพธ์ (ไทย) 2:

รูปที่ 4: พึ่งพาของความถูกต้องจากความละเอียดของพื้นดิน
(ระยะทางสุ่มตัวอย่างดิน) ของภาพต้นฉบับต่าง ๆ
โดยไม่ต้องใช้ชุดข้อมูล GCPs การฟื้นฟู ("แท็กระบุตำแหน่ง
เท่านั้น ")
เพื่อประเมินคุณภาพและความถูกต้องของกระบวนการนี้โดยอัตโนมัติ,
เรา พิจารณาที่นี่หลายโครงการที่แตกต่างกันเกี่ยวกับ
พื้นที่ครอบคลุมความละเอียดพื้นทับซ้อนระหว่างเดิม
ภาพและจำนวนภาพ สำหรับชุดข้อมูลทั้งหมดที่เราวัด
GCPs ซึ่งเราก็ใช้ในการประเมินความแม่นยำของอัตโนมัติ
ฟื้นฟู ดังนั้นเราประเมินทั้งสองวิธีที่แตกต่างกัน
หนึ่งจะขึ้นอยู่หมดจดในแท็กระบุตำแหน่งของแต่ละภาพต้นฉบับ
ที่ได้ระบุไว้โดยอัตโนมัติ UAV และเป็นหนึ่งซึ่งนอกจากนี้ยัง
ใช้เวลาที่กำหนด GCPs เข้าบัญชีตนเอง ทั้งเราวัด
ความถูกต้องของผลเป็นระยะทางเฉลี่ยระหว่าง
GCPs XJ ดักขณะที่เพิ่มประสิทธิภาพโดยสมการ 1 และตำแหน่ง GCP
Xj ที่ได้รับจากการรับสัญญาณ GPS ที่มีความแม่นยำสูงบน
พื้นดิน ให้ PIJ เป็นตำแหน่งของ GCP J ฉันในภาพ คอลเลกชัน
ของ PIJ ทั้งหมดสำหรับให้ GCP J ก่อให้เกิด XJ จุด 3 มิติที่
ช่วยลดข้อผิดพลาดในการฉาย:

ผลลัพธ์ (ไทย) 3:

รูปที่ 4 : การพึ่งพาของความถูกต้องจากความละเอียดพื้น
( พื้นดินระยะทางตัวอย่าง ) ของภาพต้นฉบับ สำหรับข้อมูลต่างๆ
โดยไม่ต้องใช้ gcps เพื่อการก่อสร้าง ( " geotags

" ) เพื่อประเมินคุณภาพและความถูกต้องของอัตโนมัติกระบวนการ
เราพิจารณามาหลายโครงการที่แตกต่างด้วยความเคารพ
พื้นที่ความละเอียดพื้นทับซ้อนกันระหว่างต้นฉบับ
ภาพ และจำนวนภาพ สำหรับข้อมูลที่เราวัด
gcps ซึ่งเราก็ใช้เพื่อประเมินความแม่นยำของอัตโนมัติ
ฟื้นฟู ดังนั้น เราประเมิน วิธีการสองวิธีที่แตกต่างกัน หนึ่งคือหมดจดตาม

geotags ของแต่ละภาพต้นฉบับเป็นให้โดยอัตโนมัติ อากาศยานและหนึ่งซึ่งนอกจากนี้ยัง
ใช้เวลาตนเองเขต gcps เข้าบัญชี ทั้งเราวัด
ความถูกต้องของผล เช่น ระยะทางเฉลี่ยระหว่าง
ตาม gcps XJ ที่เหมาะสม จากอีคิว 1 และตำแหน่ง
GCP XJ ที่คำนวณได้โดยมีความแม่นยำสูงรับสัญญาณ GPS บน
G ให้ pij เป็นตำแหน่งของ GCP J ในรูปผมคอลเลกชัน
ทั้งหมด pij ให้ GCP J ให้เพิ่มขึ้นเป็น 3 จุด XJ ที่
ลดประมาณการผิดพลาด :