เลือก sensor จากคำถาม
| ต้องการรู้อะไร | ข้อมูลที่อาจเหมาะ | สิ่งที่ต้องตรวจ |
|---|---|---|
| รูปทรงและสภาพที่มองเห็น | RGB | แสง เลนส์ ความคมและ overlap |
| ลักษณะการสะท้อนต่างย่าน | Multispectral | band alignment และ radiometric calibration |
| อุณหภูมิหรือรูปแบบความร้อน | Thermal | ข้อมูล radiometric และเงื่อนไขการวัด |
| รูปทรงสามมิติจากระยะ | LiDAR | พิกัด timestamp และการจัดแนว sensor |
ภาพที่ใช้สีแสดงความร้อนอย่างเดียวไม่เพียงพอสำหรับสรุปอุณหภูมิจริง และดัชนีจาก multispectral ต้องมาจาก band ที่เหมาะสม ไม่แทนด้วยภาพ RGB ใส่สี
GSD ไม่ใช่ความถูกต้องของแผนที่
สำหรับภาพมองลงและพื้นราบ GSD โดยประมาณ = H × sensor width / (focal length × image width) โดย sensor width และ focal length ใช้หน่วยเดียวกัน
ตัวอย่างสมมติ H = 100 m, sensor width = 13.2 mm, focal length = 8.8 mm, image width = 4000 pixels จะได้ GSD = 0.0375 m/pixel หรือ 3.75 cm/pixel นี่คือการสุ่มตัวอย่างบนพื้น ไม่ใช่คำรับรองว่าพิกัดคลาดเคลื่อนเพียง 3.75 cm
ความถูกต้องสัมพัทธ์บอกความสัมพันธ์ภายในแบบ ส่วนความถูกต้องสัมบูรณ์ต้องเทียบจุดอ้างอิงที่เหมาะสม จุดที่ใช้ปรับแบบกับจุดตรวจอิสระควรแยกกัน
Pipeline ของข้อมูล
ตรวจภาพและ metadata → calibration/alignment → reconstruction → georeference → ตรวจคุณภาพ → วิเคราะห์ภารกิจ โดยบันทึก CRS และ vertical datum ตลอดเส้นทาง การเปิดข้อมูลคนละระบบพิกัดแล้วเห็นซ้อนกันไม่ได้พิสูจน์ว่าพิกัดถูกต้อง
WebODM/ODM และ COLMAP ใช้ภาพหลายมุมสร้างโมเดล QGIS ใช้วิเคราะห์ raster/vector ส่วน CloudCompare เหมาะกับ point cloud การทำ registration ช่วยจัดแนวแต่ไม่สร้าง ground truth ขึ้นมาเอง
เริ่มโดยไม่มีกล้อง
ใช้ชุด Banana เพื่อเรียน3Dก่อน แล้วจึงใช้ Mygla สำหรับงานที่มีพิกัด ส่วน MicaSense มี sample images และ notebook ให้เรียน radiometry/band alignment ได้ ตรวจ license ของข้อมูลก่อนนำภาพไปแจกต่อ
อ่านต่อและแหล่งอ้างอิง
- เอกสารตั้งต้น: DTI, Payload_Concept_Design
- PIX4D GSD และ footprint calculator
- PIX4D relative/absolute accuracy
- WebODM sample datasets
- MicaSense imageprocessing
เนื้อหานี้เรียบเรียงจากเอกสารที่ DTI เอื้อเฟื้อและแหล่งอ้างอิงข้างต้น ตัวอย่างตัวเลขเป็นกรณีเพื่อการเรียนรู้ อ่านกิตติกรรมประกาศและที่มาของเนื้อหา