Fotogrametria to nauka o pozyskiwaniu wiarygodnych pomiarów 3D i informacji geometrycznych z nakładających się zdjęć 2D. W inspekcji infrastruktury fotogrametria z dronów tworzy ortomozajki, numeryczne modele powierzchni oraz chmury punktów 3D do pomiarów, wykrywania zmian i dokumentacji stanu nawierzchni, mostów i budynków.
Fotogrametria to nauka i technologia pozyskiwania wiarygodnych ilościowych informacji o obiektach fizycznych i środowisku poprzez proces rejestracji, pomiaru i interpretacji obrazów fotograficznych oraz wzorów promieniowania elektromagnetycznego. Termin pochodzi z greckich rdzeni photos (światło), gramma (coś narysowanego lub napisanego) i metron (miara) — dosłownie „mierzenie z rysunków światłem". Dyscyplina ta sięga połowy XIX wieku, wkrótce po wynalezieniu samej fotografii. Aimé Laussedat, francuski oficer wojskowy, jest powszechnie uważany za ojca fotogrametrii za swoje pionierskie prace w 1849 roku wykorzystujące zdjęcia naziemne do mapowania topograficznego — metodę, którą nazwał ikometrią.
Amerykańskie Towarzystwo Fotogrametrii i Teledetekcji (ASPRS) definiuje fotogrametrię jako „sztukę, naukę i technologię pozyskiwania wiarygodnych informacji o obiektach fizycznych i środowisku poprzez procesy rejestracji, pomiaru i interpretacji obrazów fotograficznych oraz wzorów zarejestrowanego promieniowania elektromagnetycznego i innych zjawisk". Definicja ta obejmuje zarówno tradycyjną fotogrametrię filmową, jak i nowoczesną fotogrametrię cyfrową, w tym wykorzystanie czujników wielospektralnych, termalnych i hiperspektralnych.
Fotogrametria dzieli się na dwie główne gałęzie: fotogrametrię metryczną, która koncentruje się na precyzyjnym pomiarze i rekonstrukcji geometrycznej w celu tworzenia map, modeli i współrzędnych; oraz fotogrametrię interpretacyjną (zwaną także fotointerpretacją), która kładzie nacisk na rozpoznawanie i identyfikację obiektów oraz ocenę ich znaczenia na podstawie treści obrazu. W inspekcji infrastruktury i geodezji dominuje fotogrametria metryczna, choć elementy interpretacyjne są coraz częściej integrowane poprzez automatyczną ekstrakcję cech i uczenie maszynowe.
Dyscyplina jest dalej kategoryzowana według platformy akwizycji: fotogrametria lotnicza (samoloty, drony lub satelity), fotogrametria naziemna lub bliskiego zasięgu (aparaty ręczne, statywy lub systemy robotyczne) oraz fotogrametria kosmiczna (obrazy satelitarne do mapowania w skali planetarnej). Nowoczesna inspekcja infrastruktury z dronów łączy fotogrametrię lotniczą i bliskiego zasięgu, operując na wysokościach 20–120 metrów nad ziemią, aby osiągnąć terenową odległość próbkowania (GSD) 0,5–3 cm na piksel.
Podstawową zasadą matematyczną leżącą u podstaw całej fotogrametrii jest warunek kolinearności. Zasada ta mówi, że dla dowolnego punktu na obrazie, punkt obiektu, środek perspektywy kamery i punkt obrazu leżą na jednej linii prostej w przestrzeni trójwymiarowej. Wyrażone matematycznie, równania kolinearności wiążą współrzędne obrazu (x, y) ze współrzędnymi przestrzeni obiektu (X, Y, Z) poprzez parametry orientacji wewnętrznej kamery (ogniskowa, współrzędne punktu głównego) oraz parametry orientacji zewnętrznej (pozycja kamery X₀, Y₀, Z₀ i kąty obrotu ω, φ, κ).
Równania kolinearności stanowią podstawę wszystkich obliczeń fotogrametrycznych:
x − x₀ = −f · [m₁₁(X − X₀) + m₁₂(Y − Y₀) + m₁₃(Z − Z₀)] / [m₃₁(X − X₀) + m₃₂(Y − Y₀) + m₃₃(Z − Z₀)] y − y₀ = −f · [m₂₁(X − X₀) + m₂₂(Y − Y₀) + m₂₃(Z − Z₀)] / [m₃₁(X − X₀) + m₃₂(Y − Y₀) + m₃₃(Z − Z₀)]
Gdzie (x₀, y₀) to współrzędne punktu głównego, f to ogniskowa, a m₁₁ do m₃₃ to elementy macierzy obrotu wyprowadzone z ω, φ, κ. Każdy pomiar obrazu dostarcza dwóch równań, a przy wystarczającej liczbie nakładających się zdjęć układ staje się dobrze określony, umożliwiając solidną rekonstrukcję 3D.
Triangulacja w fotogrametrii to proces wyznaczania pozycji 3D punktu obiektu poprzez przecięcie promieni z dwóch lub więcej zdjęć, które rejestrują ten punkt z różnych perspektyw. Gdy pozycje i orientacje kamer są znane (poprzez bezpośrednią georeferencję z wykorzystaniem GNSS/IMU lub poprzez proces resekcji przestrzennej przy użyciu znanych punktów kontrolnych), współrzędne 3D dowolnego punktu widocznego na co najmniej dwóch zdjęciach mogą być obliczone. Jest to podstawowa operacja pomiarowa w fotogrametrii.
Przecięcie w przód oblicza współrzędne obiektu na podstawie znanych pozycji i orientacji zdjęć. Resekcja wstecz wyznacza pozycję i orientację kamery na podstawie znanych punktów obiektu. W nowoczesnej zautomatyzowanej fotogrametrii operacje te są powtarzane tysiące lub miliony razy, z solidnym odrzucaniem wartości odstających i statystyczną kontrolą jakości na każdym etapie.
Wyrównanie wiązki to jednoczesne udoskonalenie pełnego zestawu parametrów definiujących rekonstrukcję fotogrametryczną — w tym wszystkich pozycji i orientacji kamer, wszystkich współrzędnych punktów 3D oraz parametrów kalibracji kamery — w celu zminimalizowania całkowitego błędu reprojekcji dla każdego pomiaru obrazu. Nazwa pochodzi od „wiązek" promieni świetlnych łączących każdą kamerę z obserwowanymi przez nią punktami. Wyrównanie wiązki rozwiązuje ogromny nieliniowy problem najmniejszych kwadratów, często obejmujący dziesiątki tysięcy parametrów dla typowego pomiaru dronowego. Funkcja celu minimalizuje sumę kwadratów różnic między obserwowanymi współrzędnymi obrazu a współrzędnymi rzutowanymi obliczonymi z bieżących estymat parametrów.
Nowoczesne implementacje wyrównania wiązki wykorzystują odporne funkcje strat (takie jak ważenie Hublera lub Cauchy’ego) w celu zmniejszenia wpływu wartości odstających pochodzących z niedopasowanych cech lub szumu pomiarowego. Techniki macierzy rzadkich wykorzystujące naturalną strukturę blokową sieci fotogrametrycznych — tak zwany „system zredukowanej kamery" — umożliwiają efektywne rozwiązywanie problemów z milionami obserwacji. Macierz kowariancji dopasowanych parametrów dostarcza rygorystycznych wskaźników jakości, w tym teoretycznych oszacowań precyzji dla każdego obliczonego punktu 3D.
Structure from Motion (SfM) to technika wizji komputerowej, która zrewolucjonizowała fotogrametrię, umożliwiając w pełni automatyczną rekonstrukcję 3D z nieuporządkowanych kolekcji zdjęć. W przeciwieństwie do klasycznej fotogrametrii, która wymaga znanych pozycji kamer i precyzyjnie pomierzonych punktów kontrolnych jako danych wejściowych, SfM jednocześnie szacuje ruch kamery (pozycje i orientacje) oraz strukturę sceny (punkty 3D) bezpośrednio z dopasowań cech obrazu. Proces SfM składa się z kilku odrębnych etapów:
Proces rozpoczyna się od detekcji cech przy użyciu algorytmów takich jak SIFT (Scale-Invariant Feature Transform), SURF (Speeded-Up Robust Features) lub AKAZE. Detektory te identyfikują charakterystyczne punkty na każdym zdjęciu — narożniki, krawędzie, fragmenty tekstury — które są niezmienne względem skali, obrotu i zmian oświetlenia. Typowe zdjęcie lotnicze o rozdzielczości 20 megapikseli generuje 5 000–50 000 cech, w zależności od tekstury sceny. Każda cecha jest opisywana przez wysokowymiarowy wektor deskryptora (128 wymiarów dla SIFT), który umożliwia solidne dopasowanie między zdjęciami.
Dopasowanie cech identyfikuje odpowiadające sobie punkty w parach zdjęć. Dla typowego pomiaru dronowego obejmującego 100–500 zdjęć, dopasowanie brute-force parami wymagałoby 5 000–125 000 porównań par zdjęć. Nowoczesne implementacje SfM wykorzystują indeksowanie słowników wizualnych lub wyczerpujące strategie dopasowania zoptymalizowane akceleracją GPU. Dopasowania są filtrowane z użyciem ograniczeń geometrycznych — macierzy fundamentalnej lub homografii — w celu eliminacji wartości odstających poprzez RANSAC (Random Sample Consensus) lub podobne metody estymacji odpornej.
Etap rekonstrukcji przyrostowej rozpoczyna się od wyboru początkowej pary zdjęć, zazwyczaj wybierając obrazy o największej liczbie wiarygodnych dopasowań i największej bazie (odległości między pozycjami kamer). Ta para jest używana do oszacowania względnej orientacji między dwiema kamerami poprzez dekompozycję macierzy essential, ustanawiając początkowy układ współrzędnych. Pozycje 3D punktów widocznych na obu zdjęciach są następnie triangulowane.
Kolejne zdjęcia są dodawane pojedynczo w etapie rejestracji obrazu, który wykorzystuje algorytm Perspective-n-Point (PnP) do oszacowania pozycji i orientacji każdej nowej kamery na podstawie jej dopasowań do już striangulowanych punktów 3D. Po dodaniu każdego zdjęcia przeprowadzane jest wyrównanie wiązki w celu udoskonalenia wszystkich parametrów. Ten przyrostowy proces trwa, aż wszystkie zdjęcia zostaną zarejestrowane. Typowy pomiar obejmujący 300 zdjęć może wymagać 5–15 iteracji wyrównania wiązki podczas rekonstrukcji, a końcowe wyrównanie obejmuje wszystkie parametry jednocześnie.
Rzadka chmura punktów z SfM — zazwyczaj kilkaset tysięcy punktów — stanowi jedynie geometryczny szkielet sceny. Gęsta rekonstrukcja wykorzystuje algorytmy wieloobrazowej stereoskopii (MVS) do wygenerowania znacznie gęstszej chmury punktów. Dla każdego zdjęcia mapy głębokości są obliczane poprzez wyszukiwanie korespondencji pikseli na sąsiednich zdjęciach wzdłuż linii epipolarnych. Popularnymi algorytmami na tym etapie są Semi-Global Matching (SGM) i PatchMatch.
Powstała gęsta chmura punktów zawiera zazwyczaj 10–100 milionów punktów dla standardowego pomiaru infrastruktury, z gęstością punktów 1 000–10 000 punktów na metr kwadratowy przy typowych wysokościach lotu dronem. Ta gęsta chmura stanowi podstawę do generowania wszystkich kolejnych produktów, w tym siatek, ortomozajek i numerycznych modeli powierzchni.
| Etap przetwarzania | Dane wejściowe | Dane wyjściowe | Typowa skala (pomiar 300 zdjęć) |
|---|---|---|---|
| Detekcja cech | Surowe zdjęcia | Punkty kluczowe + deskryptory | 500 000–5 000 000 cech |
| Dopasowanie cech | Punkty kluczowe | Dopasowane korespondencje | 100 000–1 000 000 dopasowań |
| Rekonstrukcja rzadka | Dopasowania + metadane kamery | Rzadka chmura punktów + pozy kamer | 50 000–200 000 punktów 3D |
| Gęsta MVS | Rzadki model + zdjęcia | Gęsta chmura punktów | 10 000 000–100 000 000 punktów |
| Generowanie siatki | Gęsta chmura punktów | Siatka 3D | 500 000–5 000 000 trójkątów |
| Ortofotomapa | Siatka + zdjęcia | Georeferencyjna mapa obrazowa | Rozdzielczość pikselowa na poziomie GSD |
Kalibracja kamery to proces wyznaczania parametrów orientacji wewnętrznej (IOP) kamery — parametrów definiujących geometryczną zależność między płaszczyzną obrazu a środkiem perspektywy kamery. Parametry te obejmują ogniskową (f), współrzędne punktu głównego (x₀, y₀) oraz współczynniki dystorsji obiektywu. Dokładna kalibracja jest niezbędna, ponieważ nawet małe błędy w IOP przenoszą się bezpośrednio na błędy pomiarów 3D.
Najszerzej stosowanym modelem matematycznym dystorsji obiektywu w fotogrametrii jest model Browna-Conrady’ego, który rozkłada dystorsję na składową radialną i decentryczną:
Dystorsja radialna: Δr = K₁r³ + K₂r⁵ + K₃r⁷ Dystorsja decentryczna: Δx = P₁(r² + 2x²) + 2P₂xy; Δy = P₂(r² + 2y²) + 2P₁xy
Gdzie r to odległość radialna od punktu głównego, K₁, K₂, K₃ to współczynniki dystorsji radialnej, a P₁, P₂ to współczynniki dystorsji decentrycznej (stycznej). Nowoczesne kamery dronowe z obiektywami szerokokątnymi wykazują zazwyczaj znaczną dystorsję radialną, często przekraczającą 50–100 pikseli na rogach zdjęcia w przypadku obiektywów typu rybie oko w dronach konsumenckich. W przypadku kamer metrycznych z kalibrowanymi obiektywami dystorsja wynosi zazwyczaj poniżej 2–3 pikseli.
W fotogrametrii stosowane są trzy główne metody kalibracji:
Kalibracja laboratoryjna wykorzystuje specjalistyczne ławy optyczne i goniometry do pomiaru właściwości geometrycznych kamery w kontrolowanych warunkach. Jest to najdokładniejsza metoda, osiągająca niepewność kalibracji na poziomie 0,1–0,3 piksela, ale wymaga dedykowanego sprzętu i kontrolowanego środowiska. Narodowe instytuty metrologii i specjalistyczne laboratoria kalibracyjne oferują tę usługę, a jest ona wymagana przez normę ISO/TS 19159-1 dla niektórych zastosowań geodezyjnych.
Kalibracja terenowa wykorzystuje pole testowe kalibracji — układ pomierzonych celów o precyzyjnie znanych współrzędnych 3D. Kamera rejestruje pole testowe z wielu pozycji, a wyrównanie wiązki wyznacza zarówno parametry kamery, jak i weryfikuje znane współrzędne. Metoda ta jest szeroko stosowana do certyfikacji kamer lotniczych i stanowi podstawę norm EuroDAC² (European Digital Aerial Camera Certification), które wpłynęły na ISO/TS 19159-1.
Samokalibracja (lub kalibracja podczas pracy) szacuje parametry kamery jednocześnie z rekonstrukcją 3D podczas wyrównania wiązki. Jest to standardowe podejście w oprogramowaniu SfM i jest niezwykle skuteczne, gdy geometria sieci obrazów zapewnia wystarczające ograniczenia. Samokalibracja wymaga obrazów zbieżnych (nierównoległe osie optyczne), zróżnicowanych kątów przechylenia i dobrej tekstury sceny. Większość nowoczesnego oprogramowania fotogrametrycznego implementuje samokalibrację jako opcję domyślną, a dla pomiarów dronowych osiąga ona zazwyczaj dokładność kalibracji w granicach 0,3–0,5 piksela.
W przypadku inspekcji infrastruktury kalibracja kamery bezpośrednio determinuje jakość pomiarów. Słabo skalibrowana kamera z resztkową dystorsją nawet 5 pikseli może wprowadzić błędy pomiarowe rzędu 1–3 cm przy typowych wysokościach pomiaru — wystarczające, aby zamaskować małe spękania (typowa szerokość 0,3–3 mm) lub wygenerować fałszywie pozytywne wyniki w analizach wykrywania zmian. Norma ISO/TS 19159-1 określa procedury kalibracji i wymagania raportowania dla czujników optycznych stosowanych w mapowaniu, ustanawiając minimalne standardy dla niepewności ogniskowej (0,01% lub lepiej) i niepewności punktu głównego (0,5 piksela lub lepiej).
Punkty osnowy fotogrametrycznej (GCP) to fizycznie oznakowane punkty na gruncie o precyzyjnie pomierzonych współrzędnych, zazwyczaj przy użyciu odbiorników GNSS pracujących w trybie RTK lub statycznym post-processingu w celu osiągnięcia dokładności centymetrowej. GCP są głównym mechanizmem zapewniającym dokładność absolutną — stopień, w jakim rekonstrukcja fotogrametryczna odpowiada rzeczywistym współrzędnym — w przeciwieństwie do dokładności względnej, która opisuje wewnętrzną spójność geometryczną.
Każdy GCP składa się z widocznego celu (zazwyczaj kontrastowy czarno-biały wzór szachownicy lub krzyż) o wymiarach 30–60 cm dla pomiarów dronowych przy GSD 5–10 cm lub większych dla lotów na większych wysokościach. Środek celu jest pomierzony z dokładnością lepszą niż wymagana dokładność produktu końcowego — typowo 1–2 cm w poziomie i 2–3 cm w pionie. Współrzędne GCP są odniesione do zdefiniowanego układu odniesienia (CRS), którym dla lotnictwa i większości zastosowań infrastrukturalnych jest WGS84 (ITRF) z odpowiednim odwzorowaniem dla danego obszaru.
Rozmieszczenie przestrzenne GCP ma znaczący wpływ na dokładność końcowej rekonstrukcji. Kluczowe zasady rozmieszczania GCP obejmują:
Rozmieszczenie na obwodzie: Co najmniej jeden GCP w pobliżu każdego narożnika obszaru pomiarowego ogranicza ogólną geometrię i zapobiega efektom wypaczenia lub „misy" na krawędziach. Dla prostokątnych obszarów pomiarowych standardem jest minimum cztery GCP na obwodzie.
Rozmieszczenie wewnętrzne: Dodatkowe GCP we wnętrzu obszaru pomiarowego poprawiają dokładność, zwłaszcza w obszarach o zmienności topograficznej. Dla pomiarów, w których różnice wysokości przekraczają 10% wysokości lotu, GCP powinny być umieszczone w skrajnych punktach wysokościowych w celu kontroli dokładności pionowej.
Gęstość: Normy ASPRS Positional Accuracy Standards for Digital Geospatial Data (wydanie 2024) oraz ISO 19157 zawierają wytyczne dotyczące gęstości GCP. Dla mapowania w skali 1:100 (typowej dla inspekcji infrastruktury) zaleca się 1 GCP na 2–4 hektary, z minimum 5–8 GCP na projekt niezależnie od obszaru. Badania konsekwentnie wykazują malejące korzyści powyżej 10–15 dobrze rozmieszczonych GCP dla obszarów poniżej 100 hektarów.
Punkty kontrolne (CP) to pomierzone punkty o tej samej dokładności co GCP, ale celowo pomijane w przetwarzaniu fotogrametrycznym. Po obliczeniu modelu z użyciem GCP, współrzędne punktów kontrolnych są ekstrahowane z modelu i porównywane z ich pomierzonymi wartościami. Różnice — residua — stanowią niezależną ocenę dokładności. Normy takie jak ASPRS 2024 i ICAO Annex 15 wymagają raportowania dokładności na podstawie punktów kontrolnych, a nie GCP, aby uniknąć optymistycznego obciążenia wynikającego z używania tych samych punktów zarówno do kontroli, jak i walidacji.
| Metryka | Wzór | Interpretacja |
|---|---|---|
| RMSEₓ | √(Σ(Δx²)/n) | Średni błąd kwadratowy współrzędnej X |
| RMSEᵧ | √(Σ(Δy²)/n) | Średni błąd kwadratowy współrzędnej Y |
| RMSEz | √(Σ(Δz²)/n) | Średni błąd kwadratowy współrzędnej Z |
| RMSEᵣ | √(RMSEₓ² + RMSEᵧ²) | Planimetryczny (poziomy) RMSE |
| CE90 | 1,7308 × RMSEᵣ | Błąd kołowy na poziomie ufności 90% (poziomy) |
| LE90 | 1,6449 × RMSEz | Błąd liniowy na poziomie ufności 90% (pionowy) |
Dla inspekcji infrastruktury typowe wymagania dokładności określone w ICAO Annex 14 i różnych normach krajowych wymagają poziomego RMSE lepszego niż 3 cm i pionowego RMSE lepszego niż 5 cm dla precyzyjnych pomiarów nawierzchni. Przepływy pracy inspekcyjnej TarmacView oparte na fotogrametrii rutynowo osiągają te tolerancje dzięki zoptymalizowanym sieciom GCP i rygorystycznym procedurom kontroli jakości.
Ortofotomapa to geometrycznie skorygowany, georeferencyjny obraz złożony, utworzony przez zszycie wielu zdjęć lotniczych. W przeciwieństwie do surowych zdjęć lotniczych, które zawierają zniekształcenia perspektywiczne wynikające z przechylenia kamery, optyki obiektywu i rzeźby terenu, ortofotomapa została ortorektyfikowana — każdy piksel został rzutowany na swoją prawidłową pozycję planimetryczną z użyciem NMPT i danych kalibracji kamery. Rezultatem jest bezszwowa, rzeczywista mapa obrazowa, na której odległości można mierzyć bezpośrednio, tak jak na tradycyjnej mapie planimetrycznej.
Ortofotomapy są tworzone w natywnej terenowej odległości próbkowania obrazu, typowo 0,5–3 cm dla pomiarów infrastruktury z dronów. Każdy piksel ortofotomapy reprezentuje znany wymiar terenowy, umożliwiając bezpośredni pomiar cech liniowych (długości spękań, wymiary oznakowania nawierzchni, rozstawy szczelin) oraz obliczanie powierzchni (strefy wykruszeń, rozwarstwione sekcje, zasięg stojącej wody). Dokładność geometryczna ortofotomapy jest weryfikowana poprzez analizę punktów kontrolnych i raportowana jako RMSE.
Numeryczny Model Powierzchni (NMPT) to rastrowy model wysokościowy reprezentujący powierzchnię ziemi wraz ze wszystkimi obiektami — budynkami, roślinnością, infrastrukturą i terenem. W fotogrametrii NMPT jest generowany z gęstej chmury punktów poprzez interpolację wartości wysokości na regularną siatkę. Rozdzielczość przestrzenna NMPT zazwyczaj odpowiada GSD źródłowych zdjęć, a dokładność pionowa jest zgodna z dokładnością chmury punktów.
Dla zastosowań infrastrukturalnych NMPT umożliwia:
Gęsta chmura punktów to podstawowy produkt 3D przetwarzania fotogrametrycznego, zawierający miliony do miliardów georeferencyjnych punktów 3D z przypisanymi wartościami kolorów z źródłowych zdjęć. Każdy punkt ma współrzędne (X, Y, Z) i kolor RGB, umożliwiając realistyczną wizualizację i precyzyjny pomiar. Chmury punktów są zazwyczaj eksportowane w standardowych formatach branżowych, takich jak LAS, LAZ (skompresowany LAS), PLY lub pliki tekstowe XYZ.
Gęstość punktów zmienia się w zależności od parametrów pomiaru. Przy wysokości lotu 50 m z kamerą 20 MP, 70% pokryciem podłużnym i 70% poprzecznym, osiągane są typowe gęstości punktów 500–2 000 punktów/m². Dla inspekcji bliskiego zasięgu elementów mostów lub elewacji budynków gęstość może osiągnąć 10 000–100 000 punktów/m².
Siatka 3D to trójkątny model powierzchni pochodzący z gęstej chmury punktów, zazwyczaj tworzony przy użyciu algorytmów rekonstrukcji powierzchni Poissona lub triangulacji Delaunaya. Siatka reprezentuje skanowaną powierzchnię jako ciągłą rozmaitość trójkątnych ścian, z teksturą nałożoną z źródłowych zdjęć dla fotorealistycznej wizualizacji. Modele siatkowe są niezbędne do:
Fotogrametria dronowa stała się dominującą metodą inspekcji infrastruktury w wielu sektorach, oferując znaczące przewagi nad tradycyjnymi metodami inspekcji. Połączenie zautomatyzowanego planowania lotów, kamer wysokiej rozdzielczości, pozycjonowania GNSS RTK/PPK i przetwarzania fotogrametrycznego SfM umożliwia szybką, kompleksową i dokładną dokumentację stanu dużych obiektów infrastrukturalnych.
Skuteczne pomiary fotogrametryczne wymagają starannego planowania lotu, aby zapewnić pełne pokrycie, odpowiednie nakładanie się i właściwe GSD. Kluczowe parametry obejmują:
Wysokość lotu: Określa GSD (Ground Sample Distance). GSD = rozmiar piksela sensora × wysokość / ogniskowa. Dla typowej kamery 20 MP z ogniskową 24 mm, lot na wysokości 50 m daje GSD = 1,1 cm/piksel. Dla wykrywania spękań, gdzie należy rozpoznać spękania submilimetrowe, GSD nie powinno przekraczać 2–3 mm/piksel, co wymaga wysokości lotu 15–30 m.
Pokrycie: Pokrycie podłużne 80–90% i poprzeczne 70–80% są standardem dla pomiarów infrastruktury. Wyższe pokrycie wydłuża czas przetwarzania, ale poprawia jakość rekonstrukcji, szczególnie dla powierzchni o ograniczonej teksturze (np. świeży beton, asfalt).
Akwizycja zdjęć: Zdjęcia pionowe (nadir) są standardem do mapowania obszarów, ale zdjęcia ukośne pod kątem 15–45° od pionu poprawiają rekonstrukcję powierzchni pionowych, takich jak filary mostów, elewacje budynków i mury oporowe. Niektóre pomiary łączą loty pionowe i ukośne dla pełnego pokrycia 3D.
Pozycjonowanie RTK/PPK: Drony wyposażone w GNSS RTK (Real-Time Kinematic) lub PPK (Post-Processed Kinematic) rejestrują pozycje kamer z dokładnością 2–5 cm, znacząco redukując liczbę wymaganych GCP. Z RTK, absolutna dokładność 3–5 cm może być osiągnięta przy zaledwie 0–3 GCP dla dobrze skonstruowanych pomiarów.
Ocena stanu nawierzchni: Fotogrametria umożliwia automatyczne wykrywanie i pomiar uszkodzeń nawierzchni, w tym spękań (siatkowe, podłużne, poprzeczne, blokowe), kolein, wyługowań, wykwitów i przesunięć. Szerokość spękań 0,5–3 mm może być wiarygodnie mierzona z ortofotomap przy GSD 1–2 mm, umożliwiając obliczenie PCI (Pavement Condition Index) zgodnie z ASTM D5340 dla nawierzchni lotniskowych. Platforma TarmacView specjalizuje się w tym zastosowaniu, integrując pomiary fotogrametryczne z automatyczną klasyfikacją uszkodzeń i raportowaniem PCI.
Inspekcja mostów: Fotogrametria bliskiego zasięgu z dronów zapewnia kompleksową dokumentację elementów mostu, w tym pomostów, dźwigarów, łożysk, przyczółków i filarów. Gęste chmury punktów umożliwiają pomiar ugięcia podczas testów obciążeniowych, mapowanie spękań na powierzchniach betonowych, ocenę korozji elementów stalowych i weryfikację skrajni. FHWA i krajowe normy inspekcji mostów coraz częściej uznają fotogrametrię dronową za akceptowaną metodę inspekcji rutynowej i szczegółowej.
Inspekcja budynków i elewacji: Pomiary fotogrametryczne zewnętrznych części budynków wykrywają pękanie elewacji, wykruszenia, wykwity, zacieknięcia wilgoci i deformacje konstrukcyjne. Fotogrametria termalna (z użyciem kamer termowizyjnych) rozszerza możliwości inspekcji na podpowierzchniową penetrację wilgoci, wady izolacji i rozwarstwienia.
Pomiar objętości: Obliczanie objętości pryzm, określanie ilości wykopów i monitorowanie erozji to standardowe zastosowania fotogrametrii. Dokładność objętości 1–3% jest rutynowo osiągalna, walidowana względem pomiarów wagowych.
Wykrywanie zmian: Porównywanie sekwencyjnych pomiarów fotogrametrycznych tego samego obiektu umożliwia ilościowe określenie deformacji konstrukcji, osiadania, erozji, propagacji spękań i postępu prac budowlanych. Próg wykrywalności zależy od dokładności pomiaru: przy pomiarach z RMSE 2 cm, zmiany rzędu 4–5 cm mogą być wiarygodnie wykryte na poziomie ufności 95%.
| Obiekt infrastruktury | Typowe GSD | Osiągana dokładność (z GCP) | Kluczowe pomiary |
|---|---|---|---|
| Nawierzchnia pasa startowego lotniska | 1–3 mm/piksel | 2–5 mm poziomo, 3–8 mm pionowo | Szerokość spękań, PCI, głębokość kolein, spadek poprzeczny |
| Nawierzchnia autostrady | 3–5 mm/piksel | 5–10 mm poziomo, 8–15 mm pionowo | IRI, mapowanie spękań, stan poboczy |
| Konstrukcja mostu | 2–5 mm/piksel | 3–8 mm przy zasięgu 30 m | Ugięcie, mapowanie spękań, skrajnia |
| Elewacja budynku | 3–10 mm/piksel | 5–15 mm przy zasięgu 50 m | Mapowanie spękań, wykruszenia, strefy wilgoci |
| Roboty ziemne/pryzmy | 2–5 cm/piksel | 3–5 cm poziomo, 5–10 cm pionowo | Objętość ±1–3%, mapowanie wykopów/nasypów |
Niezależna weryfikacja dokładności z użyciem punktów kontrolnych jest złotym standardem zapewnienia jakości fotogrametrycznej. Proces przebiega według ścisłego protokołu:
Należy ustanowić minimum 20 punktów kontrolnych dla projektów poniżej 100 hektarów (lub 10% liczby GCP, w zależności która wartość jest większa), rozmieszczonych na obszarze pomiaru z uwzględnieniem trudnego terenu, krawędzi i obszarów krytycznych dla celów projektu.
Współrzędne punktów kontrolnych są mierzone w terenie za pomocą GNSS klasy geodezyjnej, z dokładnością co najmniej 3 razy lepszą niż oczekiwana dokładność fotogrametryczna.
Po przetworzeniu fotogrametrycznym współrzędne 3D każdego punktu kontrolnego są ekstrahowane z chmury punktów lub ortofotomapy przez wykwalifikowanego analityka.
Residua — różnice między pomierzonymi a fotogrametrycznymi współrzędnymi — są obliczane dla każdego punktu kontrolnego.
RMSE, CE90 i LE90 są obliczane i porównywane z wymaganiami projektu dotyczącymi dokładności.
Normy ASPRS Positional Accuracy Standards for Digital Geospatial Data (wydanie 2024) zastępują wcześniejsze normy ASPRS i NSSDA. Norma definiuje klasy dokładności powiązane z progami RMSE:
| Klasa dokładności | Poziomy RMSE (cm) w skali 1:100 | Pionowy RMSE (cm) |
|---|---|---|
| ASPRS Class I | 1,25 | 1,9 |
| ASPRS Class II | 2,5 | 3,8 |
| ASPRS Class III | 5,0 | 7,5 |
| ASPRS Class IV | 10,0 | 15,0 |
| ASPRS Class V | 25,0 | 37,5 |
Dla inspekcji nawierzchni lotniskowych wymagania ICAO Annex 14 dotyczące pomiarów stanu nawierzchni odpowiadają zazwyczaj klasie ASPRS Class II lub wyższej, w zależności od konkretnego zastosowania. Przepływy pracy inspekcyjnej TarmacView celują w dokładność klasy I–II dla precyzyjnego pomiaru spękań i klasy III dla mapowania stanu większych obszarów.
Poza RMSE, kontrola jakości musi uwzględniać błędy systematyczne, które mogą nie pojawiać się w statystykach RMSE. Metody wykrywania błędów systematycznych obejmują:
Precyzyjny pomiar spękań z danych fotogrametrycznych wymaga technik pomiaru subpikselowego. Metoda ekstrakcji krawędzi z dokładnością subpikselową dopasowuje funkcję odpowiedzi krawędziowej w poprzek cechy spękania, aby wyznaczyć jej granice z precyzją 0,1–0,2 piksela. Dla GSD wynoszącego 1 mm/piksel przekłada się to na pomiary szerokości spękań z precyzją 0,1–0,2 mm. Badania walidacyjne na nawierzchniach lotniskowych wykazują, że fotogrametryczne pomiary szerokości spękań zgadzają się z ręcznymi pomiarami mikrometrycznymi w granicach ±0,3 mm dla spękań o szerokości 0,5–10 mm.
Zautomatyzowany pipeline wykrywania spękań TarmacView integruje fotogrametryczne ortofotomapy z modelami segmentacji głębokiego uczenia (zazwyczaj opartymi na architekturach U-Net lub DeepLab) trenowanymi na tysiącach oznakowanych obrazów uszkodzeń nawierzchni. Wykryte spękania są wektoryzowane, mierzone i klasyfikowane według typu, szerokości i nasilenia zgodnie z ASTM D5340 i wytycznymi ICAO dotyczącymi oceny nawierzchni.
Pomiar powierzchni z ortofotomap jest zasadniczo dokładny, ponieważ ortofotomapa jest rzeczywistą, pozbawioną zniekształceń reprezentacją powierzchni gruntu. Dokładność pomiaru powierzchni zależy od dokładności wyznaczenia granic, która wynosi zazwyczaj 2–3 piksele. Dla obszarów uszkodzeń nawierzchni (wykruszenia, łatania, wyługowania) rutynowo osiągana jest dokładność powierzchni 95–98%.
Pomiar objętości wymaga NMPT lub chmury punktów powierzchni przed i po zmianie, lub wcześniej istniejącej powierzchni referencyjnej. Objętość między dwiema powierzchniami jest obliczana przez odjęcie wartości wysokości w każdej komórce siatki i zsumowanie iloczynu różnicy wysokości i powierzchni komórki. Dla pomiaru objętości pryzm standardem jest dokładność 1–3% względem walidacji wagowej. Dla objętości frezowania lub nakładek nawierzchni typowa jest dokładność 2–5%, w zależności od tekstury powierzchni i jakości pomiaru.
Powtarzane pomiary fotogrametryczne tego samego obiektu umożliwiają monitoring deformacji poprzez bezpośrednie porównanie chmur punktów lub NMPT. Metoda Cloud-to-Cloud (C2C) oblicza odległości między najbliższymi sąsiadami w dwóch chmurach punktów. Algorytm Multiscale Model-to-Model Cloud Comparison (M3C2) zapewnia statystycznie rygorystyczne obliczanie odległości z przedziałami ufności, uwzględniając niepewność chmury punktów i chropowatość powierzchni.
Dla monitorowania ugięć mostów, pomiary fotogrametryczne pod obciążeniem statycznym osiągają zazwyczaj precyzję 2–5 mm przy odległościach 20–50 m, konkurując z tradycyjnymi czujnikami zegarowymi i pomiarami tachimetrem. Dynamiczny monitoring ugięć pozostaje wyzwaniem dla fotogrametrii ze względu na wymagania synchronizacji między wieloma kamerami, choć systemy fotogrametrii stereoskopowej wykazały precyzję 1 mm przy 100 Hz w testach laboratoryjnych.
Fotogrametria integruje się z przepływami pracy inspekcji infrastruktury poprzez ustrukturyzowany pipeline:
Faza 1 — Planowanie: Zdefiniuj cele inspekcji, wymaganą dokładność, charakterystykę obiektu i ograniczenia terenowe. Wybierz czujnik kamery, wysokość lotu, parametry pokrycia i projekt sieci GCP. Uzyskaj pozwolenia na lot i koordynację przestrzeni powietrznej, jeśli wymagane.
Faza 2 — Akwizycja terenowa: Rozmieść i pomierz GCP. Wykonaj zautomatyzowaną misję lotu z zaprogramowanymi punktami nawigacyjnymi, pokryciem i interwałami wyzwalania kamery. Dla inspekcji infrastruktury sprawdź jakość zdjęć w terenie, aby zapewnić odpowiednią ostrość, ekspozycję i pokrycie.
Faza 3 — Przetwarzanie fotogrametryczne: Przenieś zdjęcia do oprogramowania do przetwarzania. Przeprowadź kontrolę jakości metadanych zdjęć i dzienników GNSS. Wykonaj przetwarzanie SfM: ekstrakcję cech, dopasowywanie, rekonstrukcję rzadką, identyfikację i oznaczenie GCP, wyrównanie wiązki, gęstą rekonstrukcję, generowanie NMPT/ortofotomapy. Zweryfikuj dokładność przy użyciu punktów kontrolnych. Dla dużych projektów, przetwarzanie pomiaru 300 zdjęć o rozdzielczości 20 MP zajmuje około 4–8 godzin na nowoczesnej stacji roboczej z akceleracją GPU.
Faza 4 — Analiza i pomiar: Importuj ortofotomapę, NMPT i chmurę punktów do oprogramowania analitycznego. Wykonaj wykrywanie uszkodzeń (automatyczne lub ręczne), pomiar spękań, obliczanie powierzchni, obliczanie objętości lub analizę deformacji. Generuj raporty inspekcyjne z pomiarami, zdjęciami i deklaracjami dokładności.
Faza 5 — Archiwizacja i monitoring: Przechowuj dane fotogrametryczne z metadanymi obejmującymi datę, dokładność, układ odniesienia współrzędnych i parametry czujnika. Porównaj z historycznymi pomiarami w celu wykrywania zmian. Zaktualizuj systemy zarządzania majątkiem wynikami inspekcji.
Kilka międzynarodowych i krajowych norm reguluje wykorzystanie fotogrametrii do inspekcji infrastruktury:
ICAO Annex 14 — Lotniska: Określa normy geometryczne dla nawierzchni pasów startowych, w tym spadek podłużny, spadek poprzeczny i stan nawierzchni. ICAO Doc 9157 (Aerodrome Design Manual) zawiera wytyczne dotyczące metod pomiarowych, w tym fotogrametrii do oceny nawierzchni.
ICAO Annex 15 — Służby Informacji Lotniczej: Ustanawia wymagania jakościowe dla danych lotniczych, w tym danych pomiarowych, wymagając poziomów dokładności proporcjonalnych do krytyczności danych.
ICAO Annex 6, Part IV — Operacje RPAS: Reguluje operacje dronów dla misji inspekcyjnych, wymagając certyfikacji operatora, licencjonowania pilotów zdalnych i zgodności z wymogami zdatności do lotu dla operacji międzynarodowych zgodnie z Annex 6 Part IV i ICAO Doc 10019.
ISO/TS 19159-1:2014: Określa procedury kalibracji dla czujników optycznych stosowanych w mapowaniu i inspekcji, w tym metody kalibracji laboratoryjnej, in-situ i na polu testowym.
ISO 19130-1:2018 — Modele czujników obrazowych do geopozycjonowania: Definiuje ramy dla modeli czujników wiążących współrzędne obrazu ze współrzędnymi geograficznymi, niezbędne dla interoperacyjności oprogramowania do przetwarzania fotogrametrycznego.
ISO 19157 — Jakość danych: Ustanawia zasady raportowania jakości danych w informacji geograficznej, w tym kompletności, spójności logicznej, dokładności pozycyjnej, dokładności czasowej i dokładności tematycznej.
Agisoft Metashape jest powszechnie uznawany za standard branżowy w fotogrametrii dronowej, oferując kompleksowe przetwarzanie od wyrównania zdjęć przez gęstą rekonstrukcję, generowanie NMPT/ortofotomapy, aż po pomiary. Obsługuje skrypty Python do automatyzacji przepływów pracy, co czyni go popularnym w pipeline’ach inspekcji infrastruktury. Metashape obsługuje projekty od małych obiektów po duże obszary (ponad 10 000 zdjęć) dzięki możliwości przetwarzania sieciowego.
Pix4Dmapper zapewnia zintegrowane rozwiązanie fotogrametryczne zoptymalizowane specjalnie dla pomiarów dronowych, z automatycznym raportowaniem jakości, zarządzaniem GCP i oceną dokładności. Pix4Dmatic rozszerza przetwarzanie na bardzo duże projekty. Ekosystem Pix4D obejmuje wyspecjalizowane moduły dla rolnictwa, budownictwa i inspekcji.
RealityCapture (autorstwa Epic Games/Capturing Reality) jest znany z wyjątkowej szybkości i jakości przetwarzania, szczególnie w fotogrametrii bliskiego zasięgu konstrukcji i obiektów. Jest szeroko stosowany w sektorach cyfrowych bliźniaków i dokumentacji dziedzictwa kulturowego. Jego pipeline przetwarzania z akceleracją GPU jest jednym z najszybszych dostępnych.
Bentley ContextCapture jest wiodącym rozwiązaniem do wielkoskalowej fotogrametrii infrastrukturalnej, integrującym się z szerszym ekosystemem cyfrowych bliźniaków i BIM Bentleya. Jest szeroko stosowany w zastosowaniach transportowych, energetycznych i inżynierii lądowej.
OpenDroneMap (ODM) to najpopularniejsza otwartoźródłowa platforma fotogrametryczna, zapewniająca pełne pipeline’y przetwarzania SfM i MVS. Obsługuje działanie z wiersza poleceń i interfejsu webowego, co czyni go odpowiednim do zautomatyzowanych pipeline’ów przetwarzania. Jakość i dokładność ODM znacznie się poprawiły i obecnie dla wielu zastosowań zbliżają się do poziomu komercyjnego oprogramowania.
Meshroom (autorstwa AliceVision) to otwartoźródłowa platforma fotogrametryczna z węzłowym interfejsem graficznym, dostępna dla badań i edukacji, jednocześnie wspierająca zaawansowane funkcje, w tym rekonstrukcję HDR i fuzję map głębokości.
COLMAP to ogólnego przeznaczenia biblioteka SfM i MVS szeroko stosowana w badaniach wizji komputerowej, oferująca najnowocześniejsze dopasowywanie cech i jakość rekonstrukcji. Jest sterowana z wiersza poleceń i często integrowana z niestandardowymi pipeline’ami przetwarzania.
Platforma inspekcyjna TarmacView integruje zasady fotogrametryczne w swoim rdzeniu, przetwarzając zdjęcia dronowe nawierzchni lotniskowych w celu tworzenia precyzyjnych ortofotomap przy GSD 1–3 mm ze zweryfikowaną dokładnością. Platforma automatyzuje wykrywanie i pomiar spękań przy użyciu wizji komputerowej i głębokiego uczenia, oblicza wskaźnik stanu nawierzchni (PCI) zgodnie z ASTM D5340, śledzi zmiany poprzez porównanie czasowe kolejnych pomiarów i generuje raporty inspekcyjne zgodne z ICAO. Łącząc dokładność fotogrametryczną z automatyczną analizą uszkodzeń, TarmacView umożliwia zarządcom infrastruktury przejście od subiektywnej inspekcji wizualnej do obiektywnej, mierzalnej, opartej na danych oceny stanu nawierzchni.
Wykorzystaj fotogrametrię dronową do precyzyjnej inspekcji infrastruktury, analizy nawierzchni i mapowania 3D. Nasza platforma zapewnia dokładność geodezyjną ze zdjęć lotniczych z automatycznym wykrywaniem spękań, obliczaniem objętości i analizą zmian.
Kompleksowy glosariusz dotyczący topografii, cech powierzchniowych i pomiarów wysokościowych, obejmujący kluczowe pojęcia, narzędzia i standardy techniczne wg I...
Kompleksowy słownik i przewodnik po geodezji, pomiarach i kartografii — obejmujący definicje, zaawansowane pojęcia, normy ICAO/międzynarodowe, role zawodowe, kl...
Teledetekcja to nauka o zbieraniu danych o powierzchni Ziemi z dystansu przy użyciu satelitów, samolotów, dronów lub czujników naziemnych. Odgrywa kluczową rolę...
