Spatial Accuracy of UAV-Derived Orthoimagery and Topography: Comparing Photogrammetric Models Processed with Direct Geo-Referencing and Ground Control Points
Notice bibliographique
Résumé
Mapping with unmanned aerial vehicles (UAVs) typically involves the deployment of ground control points (GCPs) to georeference the images and topographic model. An alternative approach is direct geo ref er encing, whereby the onboard Global Navigation Satellite System (GNSS) and inertial measurement unit are used without GCPs to locate and orient the data. This study compares the spatial accuracy of these approaches using two nearly identical UAVs. The onboard GNSS is the one difference between them, as one vehicle uses a survey-grade GNSS/RTK receiver (RTK UAV), while the other uses a lower-grade GPS receiver (non-RTK UAV). Field testing was performed at a gravel pit , with all ground measurements and aerial sur vey ing completed on the same day. Three sets of orthoimages and DSMs were produced for comparing spa tial accuracies: two sets were created by direct georeferencing images from the RTK UAV and non-RTK UAV and one set was created by using GCPs during the external orientation of the non-RTK UAV images. Spatial accuracy was determined from the horizontal (X,Y) and vertical (Z) residuals and root-mean-square-errors (RMSE) relative to 17 horizontal and 180 vertical check points measured with a GNSS/RTK base station and rover. For the two direct georeferencing datasets, the horizontal and vertical accuracy improved substantially with the survey-grade GNSS/RTK receiver onboard the RTK UAV, effectively reducing the RMSE values in X, Y and Z by 1 to 2 orders of magnitude compared to the lower grade GPS receiver onboard the non-RTK UAV. Importantly, the horizontal accuracy of the RTK UAV data processed via direct georeferencing was equivalent to the horizontal accuracy of the non-RTK UAV data processed with GCPs, but the vertical error of the DSM from the RTK UAV data was 2 to 3 times greater than the DSM from the non-RTK data with GCPs. Overall, results suggest that direct georeferencing with the RTK UAV can achieve horizontal accuracy comparable to that obtained with a network of GCPs, but for topographic meas urements requiring the highest achievable accuracy, researchers and practitioners should use GCPs.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».