측정 질문과 물리적 메커니즘
왜 날카로움과 일치 품질은 사진 당 한 점수로 요약 된 이미지 영역으로 검사되어야합니까? 이 팀은 드론 이미지 처리 소프트웨어를 평가하는 팀에 대한 실용적인 질문입니다, 매핑 제품의 유용성 때문에 그것을 지원하는 관측 및 결정에 따라 달라집니다.
코너는 렌즈의 침입, 찡그림, vignetting, 또는 가공 때문에 센터에서 다르게 행동할 수 있습니다. 이러한 코너는 종종 스트립 사이의 중요한 오버랩에 기여하므로 약점은 블록 넓은 기하학적 문제가 될 수 있습니다.
Photogrammetric 형상은 이미지 관측, 카메라 모델 및 모든 단말 외부 정보의 관계에서 인화됩니다. 각 추가된 모형 모수 또는 가공 선택권은 그 관계에 관하여 가정을 만듭니다. 시험되고 표시할 수 있는 독립적 인 관찰을 식별하는 가정은 잘못되었습니다. 이 더 낮은 피팅 잔여 또는 denser 출력은 물리적 위치에 대한 강한 증거에 대해 실수로에서 모델의 다른 부분으로 이동했을 때.
취득 및 입력 준비
중앙과 주변 지역에 있는 Comparable 고정된 짜임새를 포함하는 표본. 노출과 초점이 안정적이고 크기를 한 눈에 뚫는 전체 임무를 방지하십시오.
Inspect 소스 사진, 추정된 카메라 및 reconstructed 표면 함께. 카메라 관련 효과는 많은 엄밀한 표면에서 나타날 수 있으며 재료, 모션 또는 가시성 효과는 한 장면 클래스로 자신감을 유지할 수 있습니다. 보정을 선택하기 전에 파이프라인을 통해 symptom을 추적합니다. 의향과 시각 향상을 구별하는 형상을 관찰하고, 의도한 측정에 대한 물리적 구조를 설명 할 수 있는 표현을 사용합니다.
일러스트레이션은 예
다음 숫자는 측정되지 않는 저하 계획 입력, 제품 결과 또는 정확도 요구입니다. 5,000픽셀의 이미지를 모두 넓히는 것은 의도적으로 양쪽에 250픽셀으로 작아집니다. 유지된 폭은 4,500 픽셀 또는 원래의 90 %입니다. 원래 유용한 지상 폭이 150m이고 작물은 중심의 10 % 감소에 해당합니다. 유지 된 폭은 약 135m입니다. 37.5 m 스트립 간격으로, 75 %에서 약 72.2 %의 과잉 분수 변화. 작물은 또한 이미지 협조 근원을 교대하고 사진기 처리에서 대표되어야 합니다. 그것은 단지 화장품 편집이 아닙니다. 작물에 동의하기 전에 가장자리 기능 행동을 비교하고 개선이 어려운 지역에 단식 스폿을 제거하지 않는 것을 확인.
이 주제에 대한 예는
자르기는 수동 이미지 좌표 작업 흐름에 포함되어야 합니다. 원래 프레임에 표시된 대상 위치는 픽셀이 왼쪽 또는 상단에서 제거 된 후 변경되지 않습니다. 동일한 관심사는 수입한 구경측정에 적용합니다. 변형을 명시적으로 유지하고 효과적인 오버랩을 비교하고 유지 이미지가 여전히 사이트의 약한 스트립 경계를 통해 연결 여부를 검사합니다.
재현성 공정 실험
지역 검사 시트를 작성하고 센터의 가장자리 근처의 유지 기능을 비교합니다. 어떤 작물이 명시적으로 피하기 때문에 이미지 치수를 변경하고 호환 카메라 모델을 필요로합니다.
작업 흐름을 변경하기 전에 비교 재현성을 확인합니다. 이미지 재고의 작업 사본을 얼어붙은 실행 식별자를 제공합니다. 관련 카메라 구성, 이미지 준비 단계, 처리 설정, 요청된 출력 및 비교 범위를 저장합니다. 조사 및 안정 제어 영역의 메커니즘을 포함하는 검사 지구를 선택하십시오. 유용한 제어는 제안 된 변경에 의해 비정상적으로 남아있는 표면입니다. 그것은 명백한 지역 개선이 블록에서 다른 더 넓은 역효과를 소개합니다.
한 번에 한 번에 통합 된 요소를 실제적으로 변경하십시오. 기본 및 후보자에 대한 동일한 물리적 기능과 독립적 인 참조 관측을 사용합니다. 일반적인 유효 지역에 비해, 다음에 대한 모든 차이를보고 합계 지원되는 적용을 별도로. 스크린 샷이 증거의 일부일 때 디스플레이 줌, 색상 스트레칭 및 시청 방향을 지속적으로 유지하십시오. 기록 자원 사용 및 실패도: 약간의 조정은 세부사항을 개량하고 그러나 반복적으로 유효한 기억은 동의한 납품을 위해 가동으로 적합하지 않을지도 모릅니다.
가장 매력적인 출력을 시험하기 전에 결정 규칙을 작성하십시오. 예를 들어, 후보자는 모든 중요한 기능을 유지해야하며 식별 된 체계 패턴을 감소시키고 새로운 적용 갭을 방지 할 수 있습니다. 실제 임계 값은 프로젝트 목적과 참조 품질에서이 문서의 설명 번호에서, 옵니다. 허용된 모든 것을 보존하고 실험 기록은 선택에 대해 충분히 긴. 나중에 작업자가 다른 조명, 카메라 또는 소프트웨어 조건에서 워크플로를 반복해야 할 때 특히 유용합니다.
결과 진단
좋은 중앙 세부 사항이 빈곤 스트립 링크 포인트를 가진 짝을 묶는 주변 품질, 하지만 낮은 측면 오버랩 유사한 증상을 일으킬 수 있습니다. 이 원인을 구별하는 원본 이미지를 사용합니다.
Uncertainty와 독립적인 질 체크
독립 제품 검증에서 내부 계약 분리. 카메라 위치, 교정, 표면에 적합한 관찰은 외부 정확도를 설정할 수 없습니다. 측정 작업이 필요한 경우 적절한 검사를 예약하고 그 검사의 불확실성을 문서화하십시오. 참고 사항은지도 또는 모델에 나타나는 동일한 물리적 기능을 식별해야합니다. 주변 가장자리의 정확한 조사는 여전히 불확실한 비교를 생산할 수 있습니다. Inspect 서명된 차이와 공간 패턴, 단일 평균이 넓은 편견을 숨길 수 있기 때문에 또는 한 비상 현지 실패.
사용중인 수량에 묶인 불확실한 진술을 유지합니다. 수평 위치, 높이, 거리, 표면 완전성 및 시각 해석성은 교환할 수 없습니다. 픽셀 간격은 샘플링 속성이며, 포인트 밀도는 표현 속성입니다. 혼자는 파생된 측정의 오류를 지정하지 않습니다. 카메라 모델은 보편적 인 지상 정확도 청구로 직접 재시동하지 마십시오. 증거가 파일럿 지역 또는 하나의 표면 클래스에 제한되면, 범위가 범위를 확장하고 시험되지 않은 재료, 먼 경계, 또는 숨겨진 표면에 결론을 피하는 상태.
알려진 지역은 식별 할 수 있어야합니다. 부드러운 메쉬, 채워진 래스터, 균형 이미지, 또는 날카로운 질감은 그것의 주변에서 정보 inferred를 포함하는 커뮤니케이션을 위해 유용합니다. 마스크 또는 결과적 인 인 인서트에 대한 편집 기록이 유지되고 누락 된 증거가 결정에 영향을 미칠 때 추가 관찰을 선택합니다. 공식 사양이 적용된 경우, 이 만료 작업 흐름을 인증하는 것보다는 필수 샘플링 및 보고 절차를 사용합니다. 실제 목표는 지원되는 사용에 대한 방어적인 진술이며, 다른 팀에 대한 충분한 증거가 제한을 평가합니다.
실제 결정 및 배달 기록
가장자리가 신뢰할 수있을 때 전체 프레임을 사용하거나 카메라 형상을 보존하는 문서 처리 처리를 채택하십시오. 의도적 작물이 사용 가능한 풋프를 줄일 때마다 효과적인 오버랩을 재구성합니다.
허용되는 손전등은 권한 출력의 간결 재고를 포함해야하며, 해석에 필요한 증거가 필요합니다. 취득 간격, 표면 정의, 관련 단위 및 참고 정보, 적용 경계, 입력 표, 허용 구성 및 물자 품질 발견을 포함하십시오. 적절한 독립적 인 리더에 다운로드 된 파일을 열고 어려운 지역을 검사하고 쉽게 할 수 있습니다. 불명한 버전 식별자를 보존하기 때문에 수신자는 실수로 유사한 파일 이름을 가지고가는 이전 실험적 수출을 측정하지 않습니다.
각 나머지 제한을 실제 결과에 번역하십시오. 특징, 영역, 또는 해당 단계가 다른 보기인지, 보완 측정, 다른 표현, 또는 더 좁은 해석인지 여부에 영향을 미칩니다. 중요한 영역이 지원되지 않을 때 일반적인 고품질 라벨을 피하십시오. 관련 위치에 첨부 된 짧은 설명은 사용자가 원시 결정을 내릴 때 예외를 발견 할 수있는 인상적인 글로벌 통계보다 더 유용합니다.
적합한 클라우드 워크플로우 테스트
DroneCollab는 팀의 정형화, 포인트 클라우드, DSM/DTM 제품 또는 질감이 3차원 모델이 필요할 때 무인비행기 이미지 처리 소프트웨어 평가의 일부를 형성할 수 있습니다. GNSS/PPK 워크플로는 프로젝트가 그에 대한 호출이 관련되었지만, 모든 출력은 여전히 취득 증거와 검토에 달려 있습니다. 어려운 지역을 먼저 시험하고 사용자의 물리적 질문에 대한 선택적 배달을 유지. 명확한 체크를 가진 가장 큰 파일럿은 정확도 또는 갤러리 이미지에 대한 지원되지 않는 약속보다 더 많은 정보입니다.
