Evaluation Of Uav Photogrammetric Accuracy For Mapping And Earthworks Computations
Notice bibliographique
Résumé
This study quantifies the accuracies achieved and tests the validity of an in-house developed Unmanned Aerial Vehicle (UAV) system employed in a stockpile volumetric survey. UAV photogrammetric results are compared with conventional GNSS survey results. To test the repeatability of the UAV system, multiple flights were flown over the same stockpile using different GNSS ground control, at different times and weather conditions. Positional accuracies of UAV photogrammetric results were found to be very similar to those from GNSS RTK survey, at the scale of photography flown. UAV stockpile volume results agreed with those from GNSS within 3 755 m3 (0.7%) on a 530 255 m3 pile. Stockpile volume comparisons between subsequent UAV surface models agreed within 877 m3 (0.2%) on the same pile. Geometric analysis of independent UAV photogrammetric models over the same area indicated that they could be considered the same at a 95% confidence level. We conclude that the UAV photogrammetric approach is, at the very least, equivalent in accuracy to GNSS RTK surveys at the scale of photography observed. The accuracy of the UAV photogrammetric surveys were sufficient for 1:200 scale mapping and 0.145 m contours. The UAV photogrammetric approach also provided greater detail, resulting in more representative models of the measured surfaces.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».