Kalibrace pixelů na metrické jednotky (mm na pixel) pro měření vozovek ze snímků

Definice a základní potřeba

Kalibrace pixelů na metrické jednotky, vyjádřená jako milimetry na pixel (mm/px nebo mm/pixel), je matematický převodní faktor, který převádí vzdálenosti naměřené v souřadnicích obrazových pixelů na reálné metrické vzdálenosti. Tento kalibrační faktor je jediným nejkritičtějším parametrem v jakémkoli kvantitativním systému měření založeném na snímcích – bez něj zůstávají všechna pixelová měření bezrozměrná a nelze jim přiřadit fyzikální význam.

Základní vztah je definován jako:

S = d_real / d_pixel

Kde S je kalibrační faktor měřítka v mm/pixel, d_real je známá reálná vzdálenost mezi dvěma body (v milimetrech) a d_pixel je vzdálenost mezi stejnými dvěma body naměřená ve snímku (v pixelech). Jakmile je S určeno, lze jakékoli pixelové měření ve snímku převést na metrické jednotky vynásobením faktorem měřítka.

Proč je kalibrace nezbytná pro inspekci vozovek

Normy pro hodnocení stavu vozovek – včetně ASTM D5340 (Standardní zkušební metoda pro průzkumy indexu stavu letištních vozovek) a ICAO Annex 14 (Letiště) – vyžadují kvantitativní měření prvků poškození vozovek, jako je šířka trhlin, délka trhlin, plocha odlupování a hloubka vyjetých kolejí. Tato měření mají prahové hodnoty významnosti, které určují priority údržby a bezpečnostní klasifikace:

• Trhlina širší než 3 mm je klasifikována jako „závažná" podélná trhlina v metodice PCI
• Trhliny širší než 6 mm v asfaltových vozovkách indikují strukturální selhání vyžadující okamžité vyšetření
• Odlupované plochy přesahující 0,5 m² přiléhající ke spárám v betonových vozovkách jsou klasifikovány jako závažné poškození
• Hloubka vyjetých kolejí přesahující 25 mm (1 palec) na ranvejích vyžaduje okamžitá nápravná opatření podle ICAO

Bez kalibrace pixelů na metrické jednotky nelze žádnou z těchto prahových hodnot vyhodnotit z obrazových dat. Snímek zachycující 6 mm trhlinu při GSD 2 mm/pixel ukazuje trhlinu širokou pouze 3 pixely – neškolený pozorovatel ji snadno zamění za šum nebo texturu povrchu. Při GSD 0,5 mm/pixel má stejná trhlina šířku 12 pixelů a je jasně identifikovatelná jako strukturální vada. Kalibrační faktor přímo určuje, zda je prvek poškození měřitelný, klasifikovatelný a vyžadující zásah.

Fyzikální základ kalibračního faktoru

Faktor mm/pixel vychází z geometrického vztahu mezi snímačem kamery, objektivem a cílovým povrchem. Pro kameru snímající v nadiru (přímo dolů) platí následující vztah:

GSD = (p × H) / f

Kde GSD je vzdálenost vzorku na zemi (mm/pixel), p je velikost pixelu snímače kamery (mm/pixel), H je vzdálenost od snímače kamery k cílovému povrchu (mm) a f je ohnisková vzdálenost objektivu (mm). Tato rovnice odhaluje tři fyzikální parametry, které řídí kalibrační faktor:

Velikost pixelu (p) – fyzická velikost jednotlivých pixelů na snímači kamery. Moderní dronové kamery jako DJI Zenmuse P1 mají velikost pixelu 4,4 μm (0,0044 mm). Sony A7R IV používaná v mnoha leteckých průzkumech má velikost pixelu 3,76 μm. Menší velikost pixelu poskytuje vyšší prostorové rozlišení, ale vyžaduje více světla na pixel. Velikost pixelu je pevná charakteristika kamery, kterou nelze změnit bez výměny těla kamery.

Ohnisková vzdálenost (f) – optická vzdálenost od objektivu ke snímači při zaostření na nekonečno. Delší ohniskové vzdálenosti produkují menší GSD (větší zoom, vyšší prostorové rozlišení), ale užší zorné pole. 24mm objektiv na full-frame kameře s 4,4 μm pixely letící ve výšce 50 m produkuje GSD = (0,0044 × 50000) / 24 = 9,2 mm/pixel. 85mm objektiv za stejných podmínek produkuje GSD = 2,6 mm/pixel.

Výška letu (H) – vzdálenost od kamery k cíli. Zdvojnásobení výšky zdvojnásobí GSD (sníží prostorové rozlišení na polovinu). Pro detekci trhlin vyžadujících sub-milimetrové rozlišení (GSD < 1 mm/pixel) musí kamera letět ve výškách 10–30 m v závislosti na kombinaci objektivu a snímače.

Kalibrační metody

Existují tři hlavní metody pro stanovení kalibračního faktoru mm/pixel pro měření vozovek ze snímků. Každá metoda má specifické výhody, omezení a případy použití.

Metoda 1: Známý referenční objekt

Metoda známého referenčního objektu je nejjednodušší, nejpřímější a nejpoužívanější kalibrační přístup. Fyzický objekt s přesně známými reálnými rozměry je umístěn v záběru snímku a jeho rozměry v pixelech jsou měřeny pro výpočet faktoru měřítka.

Postup: Referenční objekt se známými metrickými rozměry je umístěn na povrch vozovky v zorném poli kamery. Objekt by měl ležet ve stejné rovině jako měřené prvky (koplanární s povrchem vozovky) a měl by být orientován rovnoběžně s rovinou snímku, aby se předešlo zkrácení. Šířka objektu v pixelech se měří pomocí technik zpracování obrazu (ruční měření, detekce hran nebo automatické rozpoznávání prvků) a kalibrační faktor se vypočítá jako S = známá_délka / délka_v_pixelech.

Typy referenčních objektů zahrnují:

Měřítka – přesně obrobené hliníkové nebo uhlíkové tyče s kalibrovanými značkami v známých intervalech. Jednometrové měřítko s dělením po 1 mm poskytuje kalibraci sledovatelnou k národním měřicím standardům. Měřítka by měla být tuhá, tepelně stabilní (nízký koeficient tepelné roztažnosti) a mít vysoce kontrastní značky pro spolehlivou automatickou detekci.

Kruhové kódované terče – retroreflexní nebo vysoce kontrastní kruhové terče se známými vzdálenostmi mezi středy. Fotogrammetrické kódované terče mají výhodu, že mohou být automaticky detekovány a identifikovány softwarem SfM, což umožňuje automatickou kalibraci bez ručního měření.

Značení vozovky – standardní šířky jízdních pruhů, okrajové pruhy ranvejí nebo značení os pojezdových drah poskytují vhodné kalibrační reference, pokud jsou jejich rozměry známy z projektové dokumentace. Podle ICAO Annex 14 je šířka bočního pruhu ranveje 0,9 m (standard) a šířka značení osy pojezdové dráhy je 150 mm. Značení vozovek se však může opotřebovat, rozšířit nebo být přemalováno na nestandardní šířky, proto by měly být jejich skutečné rozměry před použitím jako kalibrační reference ověřeny v terénu.

Prvky vozovky se známými rozměry – poklopy šachet (typicky průměr 600–800 mm pro letištní odbavovací plochy), světelná zařízení ranvejí (standardizované rozměry podle ICAO), rozteč spár v betonových vozovkách (typicky 4,5–6,0 m pro letištní vozovky) a rozchod kol (standardně 1,5–2,0 m pro většinu osobních letadel a inspekčních vozidel).

Přesnost: Referenční objekt by měl pokrývat alespoň 25 % rozměru snímku ve směru měření, aby relativní chyba měření zůstala pod 1 %. 100 mm referenční objekt v 4000 pixelů širokém snímku pokrývá 400 pixelů – 1 pixelová chyba měření reference přispívá pouze 0,25% chybou kalibrace. Stejný 100 mm referenční objekt v 1000 pixelovém snímku pokrývá pouze 100 pixelů – 1 pixelová chyba přispívá 1% chybou kalibrace.

Metoda 2: Známá výška kamery a zorné pole

Pokud jsou výška kamery nad cílovým povrchem a ohnisková vzdálenost objektivu přesně známy, lze GSD vypočítat přímo bez fyzického referenčního objektu ve scéně. Tato metoda je standardním přístupem pro generování ortomozik z dronů a pro vozidlové line-scan zobrazovací systémy.

Způsob výpočtu: Pro kameru snímající v nadiru platí GSD = (velikost_pixelu_snímače × výška) / ohnisková_vzdálenost. U šikmých kamer se efektivní GSD mění napříč snímkem a musí být korigována pomocí úhlů pózy kamery (omega, phi, kappa) a geometrie povrchu.

Určení výšky – kritický vstupní parametr. U dronových průzkumů se výška nad terénem měří pomocí: (1) RTK/PPK GNSS na palubě dronu poskytující elipsoidickou výšku, korigovanou pomocí geoidního modelu na ortometrickou výšku nad terénem; (2) barometrického výškoměru, který je méně přesný (typicky ±1–3 m) a citlivý na teplotu; (3) laserového dálkoměru nebo ultrazvukového senzoru směřujícího dolů, poskytujícího přímé měření výšky s přesností ±2–10 cm; (4) ko-registrace LiDAR, kde laserový skener poskytuje měření vzdálenosti pro každý bod.

Přesnost RTK/PPK: Moderní drony vybavené RTK GNSS (jako DJI Matrice 300 RTK s Zenmuse P1) dosahují vertikální přesnosti polohy 2–5 cm RMS při připojení k pozemní základnové stanici nebo NTRIP korekční službě. Při výšce letu 50 m se tato vertikální nejistota 5 cm promítá do 0,1% nejistoty GSD – což je zanedbatelné pro většinu aplikací měření vozovek.

Praktické omezení: Tato metoda vyžaduje, aby kamera byla přesně v nadiru (směřující přímo dolů) nebo aby byla póza kamery známa a kompenzována. Náklon o 2° od nadiru zavádí přibližně 3,5% odchylku GSD napříč šířkou snímku pro typický 24mm objektiv na full frame – což je dostatečné na způsobení významné chyby měření při hodnocení šířky trhlin, pokud není zohledněno.

Metoda 3: Ko-registrace LiDAR

Ko-registrace LiDAR je nejpokročilejší a nejpřesnější kalibrační metoda, která spojuje měření vzdálenosti z laserového skeneru s obrazovými daty a poskytuje informaci o měřítku na úrovni pixelů v celém snímku. Tato metoda se používá v nejsofistikovanějších vozidlových a dronových inspekčních systémech.

Jak to funguje: LiDAR skener (buď integrovaný s kamerou nebo samostatně namontovaný a kalibrovaný) zachycuje husté 3D mračno bodů povrchu vozovky současně s pořizováním snímků. Každý LiDAR bod má přesné 3D souřadnice v reálném souřadnicovém systému. Prostřednictvím procesu nazývaného fúze senzorů nebo kalibrační registrace je každý pixel ve snímku mapován na odpovídající 3D bod. Vzdálenost mezi sousedními pixely v 3D prostoru je vypočtena z LiDAR dat, což poskytuje kalibrační faktor mm/pixel pro každý pixel.

Kalibrace LiDAR-kamera vyžaduje určení tuhé transformace (rotace a translace) mezi souřadnicovým rámcem LiDAR senzoru a souřadnicovým rámcem kamery. Toho se dosahuje kalibrací na základě terče pomocí šachovnicových vzorů viditelných jak v LiDAR intenzitních datech, tak v kamerových snímcích, nebo beztargetovou kalibrací pomocí maximalizace vzájemné informace a hledání korespondencí RANSAC mezi hranovými prvky.

Výhody: Ko-registrace LiDAR poskytuje kalibraci pro každý pixel ve snímku a automaticky koriguje: (1) perspektivní deformaci ze šikmých úhlů kamery, (2) terénní reliéf (změny nadmořské výšky na povrchu vozovky), (3) zkreslení objektivu kamery a (4) efekty rolling shutter u line-scan a globálních závěrkových kamer. Kalibrace je sledovatelná ke standardu měření vzdálenosti LiDAR, který je sám kalibrován podle národních standardů prostřednictvím měření doby letu laseru.

Přesnost: Nejmodernější kalibrace LiDAR-kamera dosahuje přesnosti zarovnání na úrovni pixelů 0,3–1,0 pixelu pro ko-registrované systémy. Výsledná přesnost kalibrace mm/pixel na úrovni pixelů je typicky 0,2–0,5 % měřené vzdálenosti u vozidlových systémů pracujících na vzdálenost 1–3 m a 0,5–1,0 % u dronových systémů pracujících na vzdálenost 10–50 m.

Použití v TarmacView: Vozidlový inspekční systém vozovek TarmacView integruje vysoce rozlišovací line-scan kameru s 3D LiDAR profilometrem. LiDAR poskytuje kontinuální kalibraci měřítka na úrovni pixelů v celé šířce vozovky, což umožňuje přesnost měření šířky trhlin ±0,1 mm při typických rychlostech průzkumu 60–80 km/h. LiDAR také poskytuje měření hloubky vyjetých kolejí a textury, která jsou prostorově korelována s daty o trhlinách.

Referenční objekty pro kalibraci

Výběr vhodných referenčních objektů je kritickým rozhodnutím při kalibraci pixelů na metrické jednotky. Referenční objekt vytváří řetězec sledovatelnosti od měření ve snímku zpět k národním měřicím standardům a jeho kvalita přímo určuje přesnost kalibrace.

Měřítka jsou zlatým standardem pro kalibrační referenci. Precizní měřítko se skládá z tuhého substrátu (invarová slitina, uhlíkové vlákno nebo eloxovaný hliník) se značkami v přesně známých intervalech. Profesionální fotogrammetrická měřítka jsou certifikována podle národních standardů s nejistotou délky ±0,01 mm/m nebo lepší. Měřítko by mělo být umístěno v rovině snímku (na povrchu vozovky) a orientováno v hlavním směru měření. Pro měření šířky trhlin by mělo být měřítko orientováno kolmo na dominantní směr trhlin. Pro měření plochy se doporučují dvě měřítka v pravém úhlu nebo jedno měřítko orientované pod úhlem 45° k oběma osám.

Kruhové kódované terče jsou standardní referencí v automatizované fotogrammetrii. Tyto terče mají přesně známou polohu středu definovanou soustřednými černobílými kruhy s kódovaným prstencovým vzorem, který každý terč jednoznačně identifikuje. Terče jsou zaměřeny GNSS nebo totální stanicí pro stanovení jejich reálných souřadnic a jejich poloha v pixelech je automaticky detekována fotogrammetrickým softwarem s přesností na úrovni sub-pixelů (typicky 0,05–0,1 pixelu). Dvojice kódovaných terčů se známou vzdáleností poskytuje kalibraci mm/pixel pro daný snímek.

Prvky vozovky se známými rozměry slouží jako pohodlné, ale méně přesné referenční objekty. Značení osy ranveje podle ICAO Annex 14 má standardní šířku v závislosti na kódovém čísle: ranveje kódu 3/4 mají značení osy široké 0,3 m pro přesné ranveje a 0,15 m pro nepřesné. Značení okrajů pojezdových drah je široké 0,15 m. Skutečné šířky značení se však mohou lišit o ±10–20 % od standardu v důsledku opotřebení, přemalování nebo výrobních tolerancí. Použití značení vozovek jako kalibračních referencí vyžaduje terénní ověření jejich skutečných rozměrů.

Vliv pózy kamery na kalibraci

Perspektivní deformace ze šikmých úhlů

Pokud optická osa kamery není kolmá k povrchu vozovky (není v nadiru), způsobuje perspektivní deformace změnu kalibračního faktoru mm/pixel napříč snímkem. Toto je nejvýznamnější zdroj kalibrační chyby v praktické inspekci vozovek a také nejčastěji přehlížený.

Geometrie perspektivní deformace: Pro kameru nakloněnou o úhel θ od normály povrchu (0° = nadir, směřující přímo dolů) je efektivní GSD v pixelovém offsetu x od středu snímku promítnutého na zem:

GSD_lokální = GSD_nadir / cos²(θ + arctan(x/f))

Kde GSD_nadir je GSD v nadiru (přímo pod kamerou), θ je úhel náklonu kamery, x je pixelový offset od středu snímku a f je ohnisková vzdálenost. Tento vztah vytváří rychlou změnu GSD napříč snímkem:

• Při θ = 0° (nadir) je GSD téměř konstantní napříč snímkem (ovlivněno pouze zkreslením objektivu)
• Při θ = 15° je GSD na vzdáleném okraji snímku přibližně o 30 % větší než na blízkém okraji
• Při θ = 30° změna GSD přesahuje 70 % od blízkého ke vzdálenému okraji
• Při θ = 45° je GSD na vzdáleném okraji více než dvojnásobné oproti blízkému okraji

Pro typickou šikmou dronovou inspekci zachycující vozovku pod úhlem 30° od nadiru s 35mm objektivem na full-frame kameře měří trhlina o šířce 10 pixelů na blízkém okraji snímku (kde GSD = 1,5 mm/pixel) 15 mm, zatímco stejná fyzická trhlina na vzdáleném okraji (kde GSD = 2,6 mm/pixel) měří pouze 5,8 pixelu. Použití jediného kalibračního faktoru pro celý snímek by vedlo k 73% chybě měření.

Korekční metody

Ortorektifikace je standardní korekcí perspektivní deformace. Surový šikmý snímek je reprojektován na digitální model povrchu (DSM) vozovky za účelem vytvoření ortomoziky s jednotným měřítkem. Tento proces vyžaduje: (1) přesnou pózu kamery (polohu a orientaci) z GNSS/IMU, (2) DSM povrchu vozovky, (3) kalibrační parametry kamery včetně zkreslení objektivu a (4) 3D-to-2D transformaci vypočítanou pro každý pixel. Výsledná ortomozika má konzistentní GSD v celém snímku, což umožňuje přímé metrické měření.

Homografická transformace koriguje perspektivní deformaci pro rovinné povrchy (což vozovka přibližně je). Homografická matice H mapuje body z deformované roviny snímku do rektifikované roviny snímku. Pro povrchy vozovek, které jsou přibližně rovinné (v rámci rozsahu snímku), postačuje jediná homografická korekce. Homografie se vypočítá ze čtyř nebo více referenčních bodů se známými polohami nebo z pózy kamery pomocí:

H = K × R × K⁻¹

Kde K je kalibrační matice kamery (vnitřní parametry) a R je rotační matice z kamery do souřadnic povrchu. Povrchy vozovek však nejsou nikdy dokonale rovinné – i 2° příčný sklon (standardní pro letištní ranveje podle ICAO) zavádí měřitelné výškové rozdíly napříč rozsahem snímku.

Kalibrace na úrovni pixelů z ko-registrace LiDAR poskytuje nejpřísnější korekci, přiřazující individuální hodnotu mm/pixel každému pixelu na základě skutečné 3D vzdálenosti k povrchu naměřené v daném bodě.

Kalibrace v TarmacView

TarmacView implementuje kalibraci pixelů na metrické jednotky prostřednictvím několika komplementárních mechanismů, navržených pro různé datové zdroje používané při inspekci vozovek.

Parametr –mm-per-pixel v příkazovém řádku

Pro přímou kalibraci zadanou uživatelem TarmacView přijímá parametr –mm-per-pixel, který umožňuje operátorovi explicitně zadat faktor měřítka. Tento parametr přijímá číslo s plovoucí desetinnou čárkou představující milimetry na pixel pro vstupní snímky. Když je tento parametr zadán, TarmacView používá specifikovaný kalibrační faktor pro všechny výpočty měření a obchází automatickou detekci kalibrace.

Kontext použití: Parametr –mm-per-pixel se typicky používá, když: (1) kalibrační faktor byl určen externě pomocí terénního měření s měřítkem, (2) GSD ortomoziky je známo z procesního softwaru, ale není vloženo v metadatech souboru, (3) operátor chce přepsat automatickou kalibraci ručně ověřenou hodnotou nebo (4) dávkové zpracování více snímků, které sdílejí stejný kalibrační faktor.

Ověření: Když je zadán –mm-per-pixel, TarmacView provádí kontroly konzistence detekcí prvků se známými rozměry ve snímcích (značení jízdních pruhů, značení ranvejí) a porovnává naměřenou šířku v pixelech s očekávanou šířkou vypočítanou ze zadané kalibrace. Pokud je zjištěn rozdíl přesahující 10 %, je vydáno varování a zpráva o měření označí potenciální kalibrační chybu.

Automatizovaná kalibrační pipeline

Pro vstupy ve formě ortomozik s vloženými georeferenčními metadaty TarmacView extrahuje GSD přímo ze souboru GeoTIFF. GeoTIFF soubory ukládají informace o prostorovém rozlišení ve svých metadatových značkách (ModelTiepointTag a ModelPixelScaleTag pro GSD nebo ModelTiepointTag a ModelTransformationTag pro složitější souřadnicové systémy). Platforma tyto značky čte a vypočítává efektivní faktor mm/pixel pro ortomoziku.

Pro surové (neortorektifikované) snímky automatizovaná pipeline TarmacView detekuje referenční objekty ve scéně, včetně: (1) kódovaných fotogrammetrických terčů se známými rozměry, (2) měřítek s vysoce kontrastními značkami, (3) značení vozovek, jejichž standardní rozměry jsou uloženy v referenční databázi platformy, a (4) opakujících se prvků vozovek (rozteč spár, rozteč světelných zařízení) se známými rozměry. Detekovaná reference poskytuje kalibrační faktor pro daný snímek.

Kalibrace integrovaná s LiDAR

Pro vozidlový inspekční systém TarmacView, který kombinuje line-scan kamery s 3D LiDAR profilometry, je kalibrace vypočítávána na úrovni pixelů z LiDAR měření vzdálenosti. LiDAR profilometr poskytuje kontinuální příčný řez povrchem vozovky s laterálním rozlišením 1–5 mm, přičemž každý bod nese přesné 3D souřadnice. Snímek kamery je ko-registrován s LiDAR daty prostřednictvím továrně kalibrované tuhé transformace. Každý pixel v kamerovém snímku je mapován na odpovídající LiDAR 3D bod a faktor mm/pixel pro tento pixel je vypočítán z 3D vzdálenosti mezi sousedními LiDAR body promítnutými do souřadnicového systému snímku. Tento přístup automaticky zohledňuje perspektivu kamery, zkreslení objektivu, terénní reliéf a pohyb vozidla.

Šíření nejistoty na šířku, délku a plochu

Kalibrační faktor není jediná deterministická hodnota – nese nejistotu, která se šíří všemi následnými měřeními. Pochopení a kvantifikace tohoto šíření je nezbytná pro spolehlivé hodnocení stavu vozovek.

Rámec nejistoty měření

Celková nejistota v jakémkoli metrickém měření ze snímků má tři složky:

Kalibrační nejistota (u_cal) – nejistota faktoru mm/pixel. Zdroje zahrnují: (1) nejistotu rozměrů referenčního objektu (typicky ±0,1–0,5 % u certifikovaných měřítek), (2) nejistotu měření referenčního objektu v pixelech (typicky ±0,3–1,0 pixelu u ručního měření, ±0,05–0,3 pixelu u automatické sub-pixelové detekce), (3) nejistotu perspektivní deformace (zbytkové chyby po ortorektifikaci nebo homografické korekci), (4) nejistotu zkreslení objektivu (zbytkové zkreslení po kalibraci) a (5) nejistotu měření výšky (u metody vzorce GSD).

Nejistota měření (u_meas) – nejistota lokalizace hranic prvku ve snímku. Pro měření šířky trhlin je to nejistota algoritmu detekce hran. Metody sub-pixelové detekce hran (interpolace, momentové nebo Gaussovo prokládání) typicky dosahují přesnosti 0,1–0,3 pixelu. Ruční měření lidským operátorem typicky dosahuje přesnosti 0,5–1,0 pixelu. Nejistota měření v metrických jednotkách je u_meas × S (faktor mm/pixel).

Nejistota vzorkování (u_sample) – nejistota z vzorkování proměnlivého prvku. Šířka trhliny se mění podél délky trhliny. Jediné měření není reprezentativní pro celou trhlinu. ASTM D5340 vyžaduje měření reprezentativní šířky pro každou úroveň závažnosti poškození, což zavádí nejistotu vzorkování. Pro měření plochy ovlivňuje nejistota vymezení hranice vypočítanou plochu prostřednictvím poměru obvodu k ploše.

Šíření na šířku trhliny

Pro trhlinu naměřenou jako w_pixels pixelů šířky je metrická šířka trhliny:

w_mm = S × w_pixels

Kombinovaná standardní nejistota je:

u_w = w_mm × sqrt[(u_cal/S)² + (u_meas/w_pixels)²]

Příklad: Trhlina měří 8 pixelů na šířku při kalibračním faktoru S = 0,5 mm/pixel (w_mm = 4,0 mm). Kalibrační nejistota je u_cal = 0,005 mm (1 % S) a nejistota detekce hran je u_meas = 0,2 pixelu.

u_w = 4,0 × sqrt[(0,005/0,5)² + (0,2/8)²] = 4,0 × sqrt[0,0001 + 0,000625] = 4,0 × 0,027 = 0,11 mm

Rozšířená nejistota při 95% spolehlivosti (koeficient rozšíření k=2) je ±0,22 mm, neboli ±5,5 % šířky trhliny. Tuto trhlinu lze s jistotou klasifikovat jako „závažnou" (>3 mm podle ASTM D5340).

Pro užší trhlinu měřící 3 pixely při stejné kalibraci: w_mm = 1,5 mm, u_w = 1,5 × sqrt[(0,01)² + (0,067)²] = 1,5 × 0,068 = 0,10 mm. Rozšířená nejistota je ±0,20 mm (k=2), neboli ±13,3 % šířky trhliny. Tato trhlina by mohla mít 1,3–1,7 mm, což překlenuje hranici klasifikace mezi „nízkou závažností" (<1 mm) a „střední závažností" (1–3 mm).

Šíření na délku trhliny

Nejistota měření délky trhliny kombinuje kalibrační nejistotu s nejistotou trasování cesty. Pro trhlinu složenou z n segmentů délky jednoho pixelu tvořících souvislou cestu:

L_mm = S × n

Nejistotě dominuje nejistota trasování cesty (jak přesně je sledována osa trhliny) plus kalibrační nejistota:

u_L = L × sqrt[(u_cal/S)² + (u_trace/n)²]

Kde u_trace je nejistota trasování cesty v pixelech na segment (typicky 0,3–0,5 pixelu pro automatické trasování, 0,5–1,5 pixelu pro ruční trasování). Pro 3 m trhlinu (6 000 pixelů při 0,5 mm/pixel) trasovanou automaticky s u_trace = 0,4 pixelu/segment je nejistota délky přibližně ±0,04 m (k=2) – asi 1,3% relativní nejistota.

Šíření na plochu

Nejistota měření plochy je složitější, protože kombinuje kalibrační nejistotu ve dvou rozměrech plus nejistotu vymezení hranice. Pro plochu odlupování měřenou z ortomoziky:

A_mm² = S² × A_pixels

Relativní nejistota plochy je přibližně:

u_A/A = sqrt[4 × (u_cal/S)² + (2 × u_boundary / obvod)²]

Kde u_boundary je nejistota vymezení hranice v pixelech a obvod je obvod odlupování v pixelech. Pro odlupování 0,5 m² (20 000 pixelů při 1 mm/pixel, obvod ~600 pixelů) s u_cal = 0,01 mm (1 %) a u_boundary = 1,0 pixelu:

u_A/A = sqrt[4 × (0,01)² + (2 × 1 / 600)²] = sqrt[0,0004 + 0,000011] = 0,0203

Rozšířená nejistota plochy při 95% spolehlivosti je ±0,020 m², neboli ±4,1% relativní nejistota.

Kalibrace pro snímky z dronů

Dronová inspekce vozovek představuje specifické kalibrační výzvy související s proměnlivostí výšky letu, pohybem kamery a pokrytím velkých ploch.

Změna GSD v oblasti průzkumu

Pro typický dronový průzkum pokrývající 10–50 hektarů vozovek se výška letu mění v důsledku změn nadmořské výšky terénu, atmosférických podmínek a nejistoty GNSS. Změna výšky o 2 m při výšce průzkumu 50 m produkuje 4% odchylku GSD – dostatečnou k ovlivnění hranic klasifikace šířky trhlin. Standardní korekcí je výpočet GSD povrchu – rastrového datasetu, kde každá hodnota pixelu je lokální GSD vypočítaná z nadmořské výšky DSM a pózy kamery pro snímek pokrývající tento pixel.

Překryv a redundance snímků

Ve fotogrammetrických průzkumech s 80–90% podélným překryvem a 70–80% příčným překryvem se každý bod na zemi objevuje v 5–15 překrývajících se snímcích, každém s mírně odlišnou geometrií kamera-povrch. Redundantní pokrytí umožňuje průměrování měření z více snímků, čímž se snižuje efektivní nejistota měření. Pro měření šířky trhlin z ortomoziky odvozené z více snímků se nejistota snižuje přibližně o sqrt(n), kde n je počet přispívajících snímků v daném místě.

Pozemní kontrolní body pro kalibraci z dronů

Pozemní kontrolní body (GCP) slouží dvojímu účelu v dronových průzkumech: zajišťují absolutní přesnost georeferencování a poskytují referenční vzdálenosti pro ověření kalibrace mm/pixel. Pro ověření kalibrace se doporučuje minimálně 5–8 GCP rozmístěných v oblasti průzkumu. Vzdálenost mezi dvojicemi GCP je známá zaměřená hodnota a srovnání se vzdáleností měřenou ve snímku (v pixelech) poskytuje nezávislou kontrolu kalibrace. Analýza reziduí vzdáleností GCP odhaluje, zda je kalibrace konzistentní v celé oblasti průzkumu nebo zda jsou přítomny systematické chyby (např. nekorigované zkreslení objektivu, chyby DEM).

Kalibrace pro snímky z vozidel

Vozidlové inspekční systémy vozovek pracují na mnohem kratší vzdálenost (1–4 m nad vozovkou) a vyšší rychlosti (60–100 km/h), což vytváří odlišné kalibrační požadavky ve srovnání s dronovými systémy.

Kalibrace line-scan kamery

Vozidlové systémy často používají line-scan kamery (také nazývané push-broom kamery), které zachycují jednu řadu pixelů najednou. Pohyb vozidla vpřed poskytuje druhý prostorový rozměr. Kalibrace line-scan kamer vyžaduje:

Laterální kalibrace – faktor mm/pixel napříč šířkou vozovky (kolmo ke směru jízdy). Záleží na výšce kamery nad vozovkou a ohniskové vzdálenosti objektivu. Pro kameru namontovanou ve výšce 2,5 m s 16mm objektivem a roztečí pixelů 7 μm je laterální GSD (0,007 × 2500) / 16 = 1,1 mm/pixel v nadiru. Na okrajích 6 m široké vozovky (3 m od nadiru) zvyšuje perspektivní deformace laterální GSD na přibližně 1,4 mm/pixel – 27% odchylka, která musí být korigována.

Podélná kalibrace – faktor mm/pixel ve směru jízdy. Je určena rychlostí vozidla a řádkovou frekvencí line-scan kamery (řádků za sekundu). Každá řada pixelů je spouštěna enkodérovým kolem nebo časově založeným spouštěním synchronizovaným s rychlostí vozidla. Enkodérové kolo s 1000 pulzy na otáčku na kole o obvodu 0,5 m poskytuje rozlišení 0,5 mm/pulz. Spouštění řádků každé 2 enkodérové pulzy produkuje 1,0 mm podélné rozteče pixelů při jakékoli rychlosti vozidla. Kalibrace obvodu enkodérového kola (která se mění s tlakem v pneumatikách a opotřebením) je kritická – 2% chyba obvodu pneumatiky (typická z kolísání huštění) produkuje 2% chybu podélného měření.

Kompenzace pohybu vozidla

Odskok, náklon a klopení vozidla v důsledku nerovností vozovky způsobují změny výšky kamery při frekvencích 1–10 Hz s amplitudami 2–20 mm na typických površích vozovek. Tyto pohyby zavádějí časově proměnné kalibrační chyby, které musí být korigovány pomocí: (1) laserového výškového senzoru měřícího okamžitou vzdálenost kamery od vozovky při frekvenci 100–1000 Hz, (2) inerciální měřicí jednotky (IMU) měřící zrychlení těla vozidla a úhlové rychlosti, (3) post-processní korekce pomocí Kalmanova filtru nebo komplementárního filtru, který spojuje data z laserového výškoměru, IMU a enkodéru pro výpočet kalibračních faktorů pro každý řádek.

Požadavky na přesnost kalibrace

Požadovaná přesnost kalibrace závisí na aplikaci měření a kritičnosti prahových hodnot klasifikace poškození vozovek.

Normy a specifikace

ASTM D5340 (Standardní zkušební metoda pro průzkumy indexu stavu letištních vozovek) definuje prahy šířky trhlin na 1 mm, 3 mm a 6 mm pro klasifikaci závažnosti trhlin v asfaltových i betonových vozovkách. Pro spolehlivé rozlišení 2,9 mm trhliny (těsně pod prahem 3 mm pro závažnou) od 3,1 mm trhliny (těsně nad ním) musí být nejistota měření menší než ±0,1 mm při 95% spolehlivosti – což vyžaduje kalibrační nejistotu pod 2 % pro typický rozsah šířek trhlin.

ICAO Annex 14 specifikuje geometrické tolerance pro povrchy vozovek včetně rovinnosti povrchu, příčného sklonu a podélného sklonu. Ačkoli se jedná především o stavební tolerance, stanovují očekávání pro přesnost měření v geodetické kvalitě při inspekci vozovek.

ISO/TS 19159-1 (Geografická informace – Kalibrace a validace senzorů a dat dálkového průzkumu) poskytuje rámec pro hodnocení a vykazování kalibrační nejistoty, včetně kalibrační hierarchie, řetězce sledovatelnosti a požadavků na rozpočet nejistoty.

FHWA-RC-20-0005 (Hodnocení metod měření trhlin pro hodnocení stavu vozovek) stanovuje statistický rámec pro hodnocení systémů měření trhlin, vyžadující nezávislou validaci s referenčními měřeními a vykazování vychýlení a preciznosti na specifikovaných úrovních spolehlivosti.

Doporučené kalibrační tolerance

Nejlepší postupy pro kalibraci pixelů na metrické jednotky

Vždy ověřujte kalibraci v terénu. Vyfoťte certifikované měřítko ve stejné rovině a osvětlení jako inspektovaná vozovka. Měřítko by mělo být umístěno na více místech v oblasti průzkumu pro ověření konzistence kalibrace. U dronových průzkumů zahrňte měřítko alespoň do jednoho snímku na každou letovou linii.

Používejte sub-pixelové měření pro referenční objekty. Automatická detekce terčů s přesností na úrovni sub-pixelů (0,05–0,3 pixelu) snižuje kalibrační nejistotu 3–10× ve srovnání s ručním počítáním pixelů. Kruhové kódované terče s centrovanou detekcí těžiště běžně dosahují přesnosti 0,05–0,1 pixelu.

Zohledněte terénní reliéf. Povrchy vozovek nejsou nikdy dokonale rovné. Příčný sklon ranveje (1,5–2,5 % standard), podélný sklon (0–2 % standard) a lokální prohlubně ze sedání nebo vyjetých kolejí způsobují výškové rozdíly, které ovlivňují kalibraci. Použijte DSM nebo lokální měření výšky pro korekci terénních vlivů.

Dokumentujte řetězec sledovatelnosti kalibrace. Zaznamenejte certifikaci referenčního objektu, metodu měření, operátora, datum, podmínky prostředí (teplota ovlivňuje délku měřítka o 0,01 mm/m/°C u hliníkových tyčí) a všechny složky nejistoty. Tato dokumentace je nezbytná pro zajištění kvality, soulad s audity a právní obhajitelnost měření.

Proveďte nezávislou validaci. Po kalibraci změřte nezávislý kontrolní objekt (odlišný od kalibrační reference) a porovnejte měření ze snímku s jeho známým rozměrem. Rozdíl by měl být v rámci očekávané nejistoty. Tuto validaci opakujte alespoň jednou za každé měřicí sezení a vždy, když se změní nastavení snímání.

Sledujte stabilitu kalibrace. U pevných zobrazovacích systémů (vozidlové kamery, kamery s trvalou instalací) provádějte denní ověření kalibrace pomocí vestavěného referenčního terče. Zaznamenávejte kalibrační hodnoty v čase pro detekci driftu z teplotních vlivů, mechanického opotřebení nebo degradace součástí. Drift kalibrace přesahující 2 % od výchozí hodnoty by měl spustit překalibrování a vyšetření.

Vykažte kalibrační nejistotu s každým měřením. Zprávy o stavu vozovek by měly zahrnovat kalibrační metodu, kalibrační faktor, jeho nejistotu a výslednou nejistotu měření pro každou vykazovanou hodnotu poškození. To umožňuje správci majetku činit rozhodnutí na základě rizika – šířka trhliny vykázaná jako „3,0 mm ± 0,2 mm" má jiné provozní důsledky než „3,0 mm ± 1,5 mm."

Shrnutí

Kalibrace pixelů na metrické jednotky vyjádřená jako milimetry na pixel (mm/px) je základní transformací, která umožňuje kvantitativní měření vozovek ze snímků. Bez přesné kalibrace zůstávají šířka trhlin, délka trhlin a plocha odlupování bezrozměrnými počty pixelů, které nelze srovnávat s prahovými hodnotami závažnosti PCI, kritérii stavu vozovek ICAO nebo maticemi priorit údržby. Kalibrační faktor je určován třemi hlavními metodami – známými referenčními objekty, výpočtem výšky kamery a zorného pole a ko-registrací LiDAR – každou se specifickými charakteristikami přesnosti a provozními kompromisy. Perspektivní deformace ze šikmých úhlů kamery je nejvýznamnějším zdrojem kalibrační chyby, vyžadujícím ortorektifikaci, homografickou korekci nebo kalibraci na úrovni pixelů založenou na LiDAR pro spolehlivé výsledky. Kalibrační nejistota se šíří všemi odvozenými měřeními a musí být kvantifikována a vykázána s každým měřením poškození. Doporučená přesnost kalibrace pro klasifikaci šířky trhlin v souladu s PCI je ±2 % (standardní) až ±0,5 % (precizní), dosažitelná správným použitím certifikovaných referenčních objektů, sub-pixelových měřicích technik a přísných postupů kontroly kvality. TarmacView implementuje tyto kalibrační principy prostřednictvím svého parametru –mm-per-pixel, automatické extrakce GSD z ortomozik, pipeline ko-registrace LiDAR a úplného šíření nejistoty do všech výstupů měření.