測定質問とその物理的なメカニズム
未検分ショートカットではなく、画像の解像度を正当化処理の選択を削減する場合? ドローンマッピングソフトウェアの評価を行うチームにとっては、マッピング製品の有用性は、サポートする観察や決定に依存しているためです。
ダウンスケーリングは高周波画像情報を削除し、処理中に処理されたピクセル数を削減します。 かなりのリソースを節約できますが、小さな機能を排除したり、既に余白なテクスチャを弱めることもできます。
リソースとファイルが管理されるクラウドワークフローの変更に再構築を移行しますが、写真が観察できるものを変更しません。 入力アイデンティティ、設定、ステージ動作、およびダウンロードした出力検証を1つの再現可能なチェーンとして扱う。 配置の問題とリソースの制限から、物理的な情報が欠落している間、別の転送の問題。 これは、失敗したジョブの診断が可能になり、高価な再実行が大きな画像収集ですべての症状に対するデフォルトの応答になることを防ぐことができます。
取得・入出準備
出力に必要な最小機能を特定し、そのネイティブ画像の寸法を調べます。 機能とシーンの最弱のテクスチャーを兼ね備えたパイロットエリアを選択します。
製造作業の困難な表面や境界線を含む小さな接続されたパイロットを使用してください。 ステージでリソースの動作を記録し、受入されたインベントリを保存します。 設定を同じ範囲で比較し、それらをスケーリングする前に同じチェックで. 完了、スループット、ファイルサイズ、測定品質は異なる質問に答えます。実際の配送要件を満たし、設定を最大化したり、隔離されたダッシュボード番号を録画する代わりに妥協を記録する構成を選択します。
イラストの制作例
下記の数字は、製品結果や精度要求を測定しない仮説の計画入力です。 写真が6,000〜4,000ピクセルであれば、両方の次元を半分に減らすことで、3,000〜2,000ピクシル、最初のサンプル数の4分の1を生成します。 ダウンストリーム処理の前に、幅8ピクセルの狭い特徴が4ピクセル程度になる。 2ピクセルの機能はおよそ1ピクセルになり、解釈可能にもはや再利用可能ではないかもしれません。 これらのサンプル関係は簡単ですが、速度とメモリを処理することは4つで正確にスケールする必要はありません。 パイロットランを計測し、実際のターゲット機能をチェックします。 納入可能面積が広い面パターンだけを必要とする場合、削減は有用かもしれません。 元の画像を保存して、後で細かい質問が修正されたり、拡大復元の削除された情報を保持することなく回答することができます。
このトピックの例が意味するもの
ダウンスケーリングの決定は、後で質問が元の詳細を必要とする可能性があるため、リバーシブルであるべきです。 オリジナルイメージセットを保存し、各ステージで利用するスケールを記録します。 最終構造物は細かい観察が必要なまま、スケールの縮小が十分である場合があります。 一つの解像度設定を想定するのではなく、ワークフローの実際のステージ動作を評価すると、すべての製品間で同じ効果があります。
再現性のある加工実験
同一入力、範囲、チェックでベースラインとスケールダウンのランを比較します。 地図の外観だけではなく、幾何学的合意、機能可視性、リソースの使用を評価します。
ワークフローを変更する前に、比較再現性を発揮します。 画像を埋め立てて、ベースラインをクリアラン識別子に与えます。 関連するカメラの設定、画像の準備手順、処理設定、要求された出力、比較範囲を保存します。 調査のメカニズムおよび安定した制御領域を含む点検地域を選んで下さい。 重要な制御は、提案された変化に影響されないままと予想される表面です。これは、明らかなローカル改善がブロックの他の場所でより広い副作用をもたらすかどうかを明らかにすることができるからです。
実用的な時に1つの正当化要素を一度に変更します。 ベースラインと候補の同じ物理的特徴と独立した参照観察を使用してください。 一般的な有効エリアを比較し、サポートされたカバレッジの合計の違いを別々に報告します。 スクリーンショットが証拠の一部であるとき、ズーム、カラーストレッチ、および表示方向を一貫して表示し続ける。 リソースの使用と結果の失敗を録音: 少し詳細を改善する設定が、繰り返し利用可能なメモリを上回る場合は、合意された配信に適した動作しない場合があります。
最も魅力的な出力を調べる前に決定ルールを書く。 例えば、候補者は、すべての重要な機能を保持し、特定された系統的なパターンを減らし、新しいカバレッジギャップを避ける必要があるかもしれません。 実際のしきい値は、この記事のイラスト番号からではなく、プロジェクト目的と参照品質から来なければなりません。 採択された実験記録を十分に取り除いたと、選択を説明するのに十分な長さを節約できます。 別の光、カメラ、ソフトウェアの状態下でワークフローを繰り返す必要がある場合、これは特に価値があります。
結果の診断
減少後に、いくつかのネイティブピクセルのみをスパンで薄く溝が消える可能性があります。 最小限のオブジェクトがもはやサポート解釈をしなくても、大きな安定した表面は十分なままにすることができます。
不確実性および独立した質の点検
独立した製品検証から内部の合意を分離します。 カメラの位置、口径測定、表面に収まるための観察は、外部の精度を確立できません。 測定タスクがそれらを必要とする場合、適切なチェックを準備し、それらのチェックの不確実性を文書化します。 参照は、マップまたはモデルに表示される同じ物理的機能を特定する必要があります。 曖昧なエッジの正確な調査は、依然として不確実な比較を生成することができます。 署名された違いと空間パターンを調べる。単一の平均は、広い偏差や1つの結果的なローカル障害を隠すことができるからです。
未確定なステートメントを使用している数量に縛らしておく。 横の位置、高さ、距離、表面完全性、視覚的解釈性は変化しません。 ピクセル間隔はサンプリングプロパティであり、ポイント密度は表現プロパティです。 どちらも派生した測定のエラーを指定します。 カメラモデルの残留物をユニバーサルな接地精度の主張に直接変換しないでください。 証拠がパイロット領域または1つの表面クラスに限られている場合、スコープと未検査材料、遠方境界、または隠された表面への結論を拡張することを避けます。
未知の領域は、識別できるままである必要があります。 スムーズなメッシュ、ラスター、バランスの取れた画像、シャープなテクスチャーは、周囲から情報が劣っている間コミュニケーションに役立ちます。 マスクや、その結果の不当な地域のための編集レコードを保持し、欠落した証拠が決定に影響を及ぼすときに追加の観察を選択します。 正式な仕様が適用される場合、この説明ワークフローを認証として扱うのではなく、必要なサンプリングと報告手順を使用します。 実用的な目標は、サポートされた使用に関する防御可能な声明であり、別のチームがその限界を評価するために十分な証拠を持っています。
実践的な決定と配信記録
指定された機能サイズと使用制限の範囲内でのみ削減を採用し、より高い詳細再実行のためにオリジナルを保持し、その補間が除去された観察を回復すると主張を避けます。
受諾された手引きは、権威的な出力の簡潔な在庫とそれらを解釈するために必要な証拠を含むべきです。 取得間隔、表面定義、関連単位および参照情報、適用範囲の境界、入力マニフェスト、受け入れられた構成および物質的な質の調査を含んで下さい。 ダウンロードしたファイルを適切な独立したリーダーで開き、困難な地域や簡単なものをチェックします。 意図しないバージョン識別子を保存して、 受信者は誤って同様のファイル名を持つために起こる以前の実験的なエクスポートを測定しません。
それぞれの残りの制限を実用的な結果に変換します。 機能、領域、またはそれを使用する状態は、次のステップが別のビュー、補完的な測定、異なる表現、またはより狭い解釈であるかどうかに影響を与えます。 重要な領域がサポートされていない場合、一般的な高品質のラベルを避けてください。 関連する場所に取り付けられた簡単な説明は、ユーザーが結果的な決定をした後例外を発見するために残す印象的なグローバル統計よりも有用です。
適切なクラウドワークフローをテストする
ドローンマッピングソフトウェアの評価を行うチームにとって、DragonCollabは、ソース画像と要求されたマッピング出力の関係をテストするための実用的な場所を提供しています。 (DroneCollab) 関連する製品は、オーソモーシクス、ポイントクラウド、DSM/DTM出力、およびGNSS/PPKワークフローと組み合わせた3次元モデルを含みます。 既に定義されている代表的なサブセットおよび受諾の観察から始まります。 特定の精度の証拠として、または均一に完全なカバレッジとしてサービス名や完了ステータスを扱うのではなく、実際のダウンロード結果を確認します。
