Pix4D宣传-第二期

1. 在哪里可以找到质量报告和生成质量报告?

答:当与技术支持团队联系的时候,通常需要一些文件来诊断问题。以下是与技术支持分享的项目文件及其相应的位置:

质量报告:...\project_name\1_initial\report\project_name_report.pdf

图片22 

 

注意:可以不重新处理步骤1就得到质量报告。

 

生成质量报告:

进入:在菜单栏,点击 处理>生成质量报告(一旦步骤1. 初步处理完成后就可启用)。

 

这个过程会生成一个新的质量报告,一旦步骤1. 初步处理完成后,对项目应用了任何修改后需要进行重建。这些修改包括:添加GCP,添加手动连接点,添加检测点,更改坐标系,启用/禁用影像,运行重新匹配和优化选项。

 

重点:当添加GCP,手动连接点,检测点,更改坐标系或启用/禁用影像时,必须在生成新的质量报告前应用重新优化选项。

 

2. 教你如何看懂质量报告

答:

2.1 步骤1. 初始化处理完成后

2.1.1 处理失败情况

处理失败

错误

处理失败的错误说明

子步骤

处理失败的初步处理子步骤

原因

故障可能的原因说明

解决方案

描述可能的解决方案,包含链接步骤说明

 

概述

项目

项目名称

处理

处理的日期和时间

相机型号名称

采集影像的相机型号名称

Rig名称

采集影像的rig的名称,如果检测到rig, rig中所有相机将显示在上面的相机型号名称中。

平均地面采样距离(GSD)

原始影像的平均GSD。 

覆盖区域

项目覆盖的二维区域。如果绘制了一个更小的区域,此区域不会受到影响。

初步处理时间(不含报告)

初步处理时间,不考虑生成质量报告所需的时间

 

2.1.2 质量检查

质量检查

图像

每个影像同名点的中值。同名点是可以在影像上检测到的特征点。

图片23 

同名点图像比例>1/4:每幅影像提取的同名点大于10’000个。

同名点比例≤1/4:每幅影像提取的同名点超过1,000个。

图片24 

同名点图像比例>1/4:每幅影像提取500到10’000个同名点。

同名点比例≤1/4:每幅影像提取200到1’000个同名点。

图片25 

同名点图像比例>1/4:每幅影像提取的同名点少于500个。

同名点比例≤1/4:每幅影像提取的同名点少于200个。

失败的处理报告:如果信息不可用时,会显示

 

2.1.3 数据集

数据集

已经校准的启用影像的数目,也就是已用于模型重建的影像数目。如果重建导致多个地块,则显示地块的数目。这部分还显示被用户禁用影像的数目。

图片23  

同名点图像比例>1/4:每个校准影像计算的匹配数大于1’000个。

同名点比例≤1/4:每个校准影像计算的匹配数大于100个。

图片24 

同名点图像比例>1/4:每个校准影像计算出100到1’000个匹配数。

同名点比例≤1/4:每个校准影像计算出50到100个匹配数。

图片25 

同名点图像比例>1/4:每个校准影像计算的匹配数小于100个。

同名点比例≤1/4:每个校准影像计算的匹配数小于50个。

失败的处理报告:当信息不可用时显示。

 

2.1.4 地理参照

当项目是地理参照时显示。

 

如果项目是地理参照的,会显示进行项目地理参照的内容。

如果使用场地校准转换,则显示场地校准。

如果仅使用图像地理位置,则不显示GCP。

如果使用GCP,则显示(X,Y,Z)中RMS误差的数量、类型和平均值。

如果处理失败,则显示项目中定义的GCP的数目。

图片23 

该项目是地理参照:

使用现场校准

使用的GP和GCP的误差小于GSD的两倍

图片24 

使用GCP但是GCP误差大于平均GSD的两倍

或者

没使用GCP

 

失败的处理报告:始终显示是否使用GCP。

图片25 

使用GCP,但是GCP的误差大于平均GSD的四倍。

 

2.1.5 校准细节

校准细节

校准影像数

已经校准的影像数目,即相对于项目中图像的总数(启用和禁用的影像),已经用于重建的影像数目。

地理参照影像数

具有地理位置的影像的数目。

 

2.1.6 初始影像位置

图片26 

图2,初始影像位置俯视图。绿线遵循从大蓝点开始的影像的位置。

 

2.1.7 计算图像/GCP/手动连接点的位置

图片27 

图3. 在原始影像(蓝点)和计算影像(绿点)位置之间的偏移,以及在俯视图(XY轴平面),正视图(XZ轴平面)和侧视图(YZ轴平面)中的GCP初始位置(蓝色叉号)和它们的计算位置(绿色叉号)之间的偏移。

 

2.1.8 绝对相机位置和朝向的不确定度

图片28 

 

X/Y/Z轴方向平均值:绝对相机位置X/Y/Z轴方向的平均不确定性。

Omega/Phi/Kappa平均值:绝对相机位置Omega/Phi/Kappa定向角的平均不确定度

X/Y/Z轴方向平均相机位移:仅适用于线性卷帘式快门处理的项目。绝对相机位置的相机位移在X/Y/Z轴方向上平均不确定度。

X/Y/Z轴方向标准差:绝对相机位置在X/Y/Z轴方向上不确定度的标准差值。

Omega/Phi/Kappa的标准差:绝对相机位置的omega/phi/kappa角不确定度的标准差值。

X/Y/Z轴方向相机位移标准差:仅适用于使用线性卷帘式快门处理的项目。绝对相机位置在X/Y/Z轴方向上的相机位移不确定度的标准差。

 

2.1.9 重叠度

图片29 

图4. 正射影像每个像素点计算的重叠影像的数目

红色和黄色区域表示重叠度低,可能生成差的结果。绿色区域表示每个像素点的重叠度超过5个影像。但是只要同名点匹配的数量对这些区域而言足够,也能得到良好质量的结果(有关同名点匹配的信息请看图5)。

 

2.1.10 光束法区域平差细节

用于光束法区域平差观察的二维同名点数目:

用于AAT/BBA的所有影像的自动连接点数目。这个值对应于可以在至少两张影像上匹配的所有同名点(特征点)是数目。

光束法区域平差的三维点的数目:

由影像上匹配的二维点生成的所有三维点数目。

平均重复误差[像素]

重投影误差的平均值(以像素点为单位)

 

最初在影像(二维同名点)上检测每个计算的三维点。在每个影像上,监测到的二维同名点都有特定位置。当计算的三维点投影回影像时,它具有重投影位置。初始位置和重投影位置间的距离就是重投影误差。 

 

 

2.1.11 透视镜头的内部相机参数

图标+相机型号名称+传感器尺寸:

图标显示相机型号的来源(图片30软件数据库,图片31从软件数据库编辑的相机型号,用户数据库,图片32项目文件,图片33EXIF数据)

 

还会显示相机型号名称以及传感器尺寸。

EXIF ID:

相机型号所关联的EXIF ID。

 

初始值

相机型号的初始值

优化值

从相机校准计算并用于处理的优化值

不确定度(标准差)

焦距,主点X,主点Y,径向失真R1,R2和切向失真T1,T2的不确定度σ。

焦距

相机的焦距(以像素和毫米为单位)。如果传感器的尺寸是真实的,那么焦距应该也是真实的。如果传感器的尺寸为36 x 24 mm,则焦距为35mm等效焦距。

主点X

主点的X影像坐标,以像素和毫米为单位。主点位于影像中心的周围。坐标系的原点如下所示:

图片34 

主点Y

主点的Y影像坐标,以像素和毫米为单位。主点位于影像中心的周围。坐标系的原点如下所以:

图片35 

R1

镜头的径向畸变R1

R2

镜头的径向畸变R2

R3

镜头的径向畸变R3

T1

镜头的切向畸变T1

T2

镜头的切向畸变T2

剩余的镜头误差:

此图显示剩余的镜头误差。同一相机型号的所有影像上平均每个像素点对应的自动连接点(ATP)数目以黑白色灰阶进行颜色编码。白色表示平均每个像素点提取了超过16个ATP。黑色表示平均每个像素点提取了0个ATP。点击图像就可以看到每个像素点的重投影误差的平均方向和幅度。注意:为了更好的可视化,向量已被缩放。

 

2.1.12 鱼眼镜头的内部相机参数

图标+相机型号名称+传感器尺寸:

图标显示相机型号的来源(图片30软件数据库,图片31从软件数据库编辑的相机型号,用户数据库,图片32项目文件,图片33EXIF数据)

 

还会显示相机型号名称以及传感器尺寸。

EXIF ID:

相机型号所关联的EXIF ID。

 

初始值

相机型号的初始值

优化值

从相机校准计算并用于处理的优化值

不确定度(标准差)

多项式系数1,2,3,4和仿射变换参数C,D,E,F的不确定度的标准差。

多项[0]

多项式系数1

多项[1]

多项式系数2

多项[2]

多项式系数3

多项[3]

多项式系数4

C

仿射变换参数C

D

仿射变换参数D

E

仿射变换参数E

F

仿射变换参数F

主点x

主点的X影像坐标,以像素和毫米为单位。主点位于影像中心的周围。坐标系的原点如下所示:

图片34 

主点y

主点的Y影像坐标,以像素和毫米为单位。主点位于影像中心的周围。坐标系的原点如下所示:

图片34 

剩余镜头误差

此图显示剩余的镜头误差。同一相机型号的所有影像上平均每个像素点对应的自动连接点(ATP)数目以黑白色灰阶进行颜色编码。白色表示平均每个像素点提取了超过16个ATP。黑色表示平均每个像素点提取了0个ATP。点击图像就可以看到每个像素点的重投影误差的平均方向和幅度。注意:为了更好的可视化,向量已被缩放。

 

2.1.13 二维同名点列表


每幅影像二维同名点数目

每幅影像匹配二维同名点数目

中值



最小值



最大值



平均值



 

每幅影像二维同名点数目

每幅影像的二维同名点(特征点)数目。

每幅影像匹配二维同名点数目

每幅影像匹配的二维同名点数目。匹配点是最初在至少两张影像(这些影像上的二维同名点)上检测到的特征点,并且已经被识别为是相同的特征点。

中值

每个影像上述同名点的中值。

最小值

每个影像上述同名点的最小值。

最大值

每个影像上述同名点的最大值。

平均值

每个影像上述同名点的平均值。

 

2.1.14 相机模型间的中位数/75%/最大匹配数

中值/75%/最大值

两个相机模型之间匹配的中值,75%(上四分位数),最大值。如果单元格为空,则相应相机间计算不出匹配数。

 

2.1.15 来自二维同名点的三维点

N张影像中观察到的三维点数目:

每个三维点由至少两张影像上观察到的同名点生成。该表的每一行显示在N个图像中观察到的三维点的数目。三维点可见于越多的影像,其精度越高。

 

2.1.16 二维同名点匹配

图片36 

图5:影像计算位置的俯视图,匹配影像间用线链接。链接线的明暗表示影像之间匹配的二维同名点的数目。明亮的线表示弱链接,需要手动连接点或更多影像。深绿色椭圆表示光束区域平差法结果的相对相机位置的不确定度(Nx放大)。

 

二维同名点以不用颜色显示每个块(下列示例中为绿色和黄色)

图片37 

 

2.1.17 相对相机位置和朝向的不确定性

平均X/Y/Z

相对相机位置在X/Y/Z轴方向上的平均不确定度。

平均Omega/Phi/Kappa

相对相机位置在omega/phi/kappa定向角的平均不确定度。

平均相机位移X/Y/Z

仅适用于线性卷帘式快门处理的项目。在相对相机位置X/Y/Z轴方向上相机位移的平均不确定度。

X/Y/Z标准差

相对相机位置在X/Y/Z轴方向上不确定度的标准差。

Omega/Phi/Kappa标准差

相对相机位置在omega/phi/kappa定向角上不确定度的标准差。

相机位移X/Y/Z标准差

仅适用于线性卷帘式快门处理的项目。在相对相机位置X/Y/Z轴方向上相机位移的不确定度的标准差。

 

2.1.18 手动连接点

MTP名称

手动连接点的名称

投影误差[像素]

手动连接点被标记和重投影后影像中的平均距离。

已验证/已标记

已验证:手动连接点已标记上并被重建的影像数目。

已标记:已标记手动连接点的影像。

 

2.1.19 地面控制点

GCP名称

GCP名称和GCP类型,类型可以是:

三维GCP

二维GCP

检测点名称

检测点的名称

XY/Z精度[m]

用户在XY方向上给出的GCP/检查点的XY精度

用户在Z方向上给出的GCP/检查点的Z精度

精度表示每个方向上GCP/检查点的精度

XY/Z精度[ft]

误差X[m]

计算的GCP/检查点三维点和X轴方向上原始位置的差异(原始位置-计算位置)

误差X[ft]

误差Y[m]

计算的GCP/检查点三维点和Y轴方向上原始位置的差异(原始位置-计算位置)

误差Y[ft]

误差Z[m]

计算的GCP/检查点三维点和Z轴方向上原始位置的差异(原始位置-计算位置)

误差Z[ft]

投影误差[像素]

影像中GCP/检测点标记的位置和重投影的距离的平均值。

已验证/已标记

已验证:手动连接点已标记上并被重建的影像数目。

已标记:已标记手动连接点的影像。

平均值[m]

每个方向(X,Y,Z)的平均误差

平均值[ft]

标准差[m]

每个方向(X,Y,Z)误差的标准差

标准差[ft]

RMS误差[m]

每个方向(X,Y,Z)误差的均方根

RMS误差[ft]

 

2.1.20 比例约束

比例名称

比例约束的名称

初始长度[m]

场地中测得代表比例约束的实际长度的长度

初始长度[ft]

初始长度精度[m]

场地测量精度

初始长度精度[ft]

计算长度[m]

三维模型中测量的长度

计算长度[ft]

计算长度误差[m]

由计算长度和初始长度间的差值得到的

计算长度误差[ft]

GCP/MTP标签1

与尺寸约束关联的第一个手动连接点的标签。

GCP/MTP标签2

与尺寸约束关联的第二个手动连接点的标签。

平均值[m]

计算长度误差的平均值。

平均值[ft]

标准差[m]

计算长度误差的标准差。

标准差[ft]

 

2.1.21 朝向约束

朝向名称

朝向约束的名称

朝向约束代表的轴的名称

角度精度[度]

场地测量的角度精度

计算角度误差[度]

计算轴和绘制轴之间的角度差

GCP/MTP标签1

与朝向约束相关联的第一手动连接点的标签

GCP/MTP标签2

与朝向约束相关联的第二手动连接点的标签

平均值[度]

计算角误差的平均值

标准差[度]

计算角误差的标准差

 

2.1.22 绝对地理位置方差

已被标记为不准确的已定位和校准的影像数目。这些图像的输入坐标被看作不准确的。Pix4Dmappper想要找到他们正确的优化位置,但是不考虑一下地理位置差异列表。

 

最小误差[m]/最大误差[m]

最小和最大误差表示所有图像最大精度(所有X,Y,Z轴方向上)的-1.5倍至1.5倍间地理位置误差的区间。

最小误差[ft]/最大误差[ft]

地理位置误差X[%]

在预定误差区间内X轴方向上具有地理位置误差的影像的百分比。地理位置误差是相机初始地理位置和相应计算位置间的差值。

地理位置误差Y[%]

在预定误差区间内Y轴方向上具有地理位置误差的影像的百分比。地理位置误差是相机初始地理位置和相应计算位置间的差值。

地理位置误差Z[%]

在预定误差区间内Z轴方向上具有地理位置误差的影像的百分比。地理位置误差是相机初始地理位置和相应计算位置间的差值。

平均值

各个方向(X,Y,Z轴)的平均误差

标准差

各个方向(X,Y,Z轴)误差的标准差

均方根差

各个方向(X,Y,Z轴)的均方根误差

 

2.1.23 相对地理位置偏差

 

仅当项目中使用GCP时,才会显示此表。表格定义了在输出坐标系中给出的图像初始和计算的地理位置之间的差值。

 

偏移量[m]

输出坐标系中初始和计算的图像位置间的偏移值。

偏移量[ft]

偏转量[度]

输出坐标系中初始和计算的图像位置间的偏转量。仅当输出坐标系是任意坐标系时显示。

比例

输出坐标系中初始和计算的图像位置间的比例。仅当输出坐标系是任意坐标系时显示。

 

2.1.24 影像朝向方差

地理位置朝向差异

图像朝向角度的均方根(RMS)。初始影像朝向角度和计算的朝向角度间的差值。

Omega

Omega角的均方根误差,单位是度

Phi

Phi角的均方根误差,单位是度

Kappa

Kappa角的均方根误差,单位是度

 

2.1.25 地理位置坐标系转换

地理位置转换

仅当定义并启用了站点校准转换,且输出坐标系是任意坐标系时,才会显示此表。此项定义了从站点校准到输出坐标系的转换量。此项可以用于图像在已知坐标系系中,并且没有使用GCP来定义一个任意输出坐标系的转换量的项目。

转换[m]:

转换[ft]:

从站点校准到任意坐标系投影的转换。X,Y,Z,轴在输出坐标系中定义。

偏转角[度]

从站点校准到任意坐标系投影的偏转角。X,Y,Z,轴在输出坐标系中定义。

尺寸:

站点校准投影和任意输出坐标系间的比值。X,Y,Z,轴在输出坐标系中定义。

站点校准投影:

显示在表格的标题中。转换是指从从站点校准到任意输出坐标系的投影系统的转换量。

 

2.1.26 相对地理位置方差

相对地理位置误差

各个方向的相对地理位置误差由下列方式算出:

Rx = (Xi - Xc)/Ax

Ry = (Yi - Yc)/Ay

Rz = (Zi - Zc)/Az

 

其中

RX, RY, RZ=X,Y,Z轴方向上的相对地理误差

Xi, Yi, Zi=X,Y,Z轴方向(GPS位置)的初始影像位置。

XC, YC, ZC = X,Y,Z轴方向计算的影像位置。

AX, AY, AZ = X,Y,Z轴方向上图像地理位置精度(由用户设置或取自RTK精度)

 

目的是验证相对地理位置误差是否符合高斯分布。

如果符合:

68.2%的地理定位和校准影像间X,Y,Z轴方向上的相对地理误差应该在-1到1之间。

95.2%的地理定位和校准影像间X,Y,Z轴方向上的相对地理误差应该在-2到2之间。

99.6%的地理定位和校准影像间X,Y,Z轴方向上的相对地理误差应该在-3到3之间。

图片38 

影像的X轴[%]

地理位置影像和校准影像X轴方向的相对地理位置误差是影像地理位置精度的一倍、二倍和三倍的百分比。

影像的Y轴[%]

地理位置影像和校准影像Y轴方向的相对地理位置误差是影像地理位置精度的一倍、二倍和三倍的百分比。

影像的Z轴[%]

地理位置影像和校准影像Z轴方向的相对地理位置误差是影像地理位置精度的一倍、二倍和三倍的百分比。

地理位置精度的平均值[ft]

各个方向(X, Y, Z轴)上的平均精度。

地理位置精度的标准差[m]

各个方向(X, Y, Z轴)上精度的标准差。

地理位置精度的标准差[ft]

 

 

2.1.27 卷帘式快门统计

图片39 

图6. 卷帘式快门相机型号估算的运动。绿线代表计算的相机位置。蓝点代表曝光开始时相机的位置。蓝线代表卷帘式快门读取时相机的运动,根据项目得出的缩放影子重新缩放以得到更好的可视性。

 

相机中值速度:

采集影像时无人机的中值速度

卷帘式快门位移中值(在传感器读取期间):

采集影像(读取)时卷帘式快门相机的位移中值。

卷帘式快门时间中值:

采集一张影像的时间中值。

 

2.1.28 初步处理细节

系统信息

硬件

处理所用CPU,RAM和GPU

处理系统

处理所用的操作系统

 

坐标系

影像坐标系

影像地理位置的坐标系

地面控制点(GCP)坐标系

如果使用GCP的话,GCP的坐标系

输出坐标系

项目的输出坐标系

 

处理选项

检测到的模版:

处理选项模版,如果使用了模版的话

关键点影像尺寸

计算关键点时的图像尺寸。尺寸有3种选项:

原始尺寸:自动调整同名点影像尺寸以获得最佳结果。

快速:自动调整同名点影像尺寸以快速获得结果。

用户自定义:用户选择同名点影像尺寸。

可以选择下列影像尺寸:

影像尺寸: 1:原始影像尺寸

影像尺寸: 2:双倍的影像尺寸

影像尺寸: 0.5:一般的影像尺寸

影像尺寸: 0.25:四分之一的影像尺寸

影像尺寸: 0.125:八分之一的影像尺寸

高级:影像配对:

定义了如何选择影像配对方式。有3种不同的配对方式:

空中网格或径向:为空中网格或径向飞行路径优化配对。

自由航飞或地物:为只有航拍计划或地物影像优化配对

用户自定义:用户选择匹配参数。仅适用于特殊项目和高级用户。当上述选项没有提供所需结果时建议使用。

使用采集时间:根据影像采集时间配对。

相邻影像数量:使用多少影像(时间前后)用于配对。

使用影像地理位置的三角测量:仅当影像有地理位置时可用。仅对航拍项目可用。影像的地理位置的三角测量的。每个影像通过三角形连接与其他影像进行匹配。

使用距离:仅当影像具有地理位置时可用。用于倾斜或地物项目。每个影像与在相应距离内的影像匹配。

连续影像间的相对距离:所属距离内的所有影像用作匹配。使用影像间的平均距离作为一个单位距离。

使用影像相似度:使用影像内容进行配对。匹配最具有相似内容的n张影像。

基于相似度的每个影像配对的最大值:具有相似影像内容的影像匹配的最大值。

使用MTP:连接的影像通过共享手动连接点进行匹配。

每个MTP的影像匹配的最大数量:给定 MTP连接的影像匹配的最大数目。

多相机的使用时间:当在同一区域使用同一航拍计划进行多次航拍,而不进行地理定位时,并且每次航拍使用不同的相机型号时,就会使用时间信息来匹配不同航拍计划的影像。

高级:匹配策略:

影像是否使用几何验证匹配

高级:同名点提取:

要提取的同名点的数目。目标数目可以是:

自动:同名点的目标数目由软件自定义。

自定义:同名点数目:用户自定义要提取的同名点的数目。

高级:校准:

使用的校准参数:

校准方式:使用的校准方式。

标准:用于项目的主体。

备选:针对具有精确精确地理位置和低纹理内容的空中底点影像(例如:田地)进行优化。

精确地理定位和朝向:对于具有高精度的影像地理位置和朝向的项目进行了优化。

内部参数优化:

全部:优化所有相机内部参数。

无:不优化任何相机内部参数。

重要的:优化最重要的相机内部参数。

所有优先级:强制让最佳内部参数接近于初始值。

外部参数优化:

全部:优化所有外部相机参数。

无:不优化任何相机参数。

转向:仅优化相机的朝向。

高级:自动天空掩膜

仅适用于使用Bebop 2.0的项目

钻机处理

仅适用于使用钻机的项目

 

 

2.2 步骤2. 点云和纹理完成后

2.2.1 点云密度细节

处理选项

影像尺寸

用作点云密度的影像尺寸:

1(原始影像尺寸,慢)

1/2(一半的影像尺寸,默认)

1/4(四分之一的影像尺寸,快速)

1/8(八分之一的影像尺寸,宽容)

 

如果使用多个尺寸也会显示

点密度

致密点云的点密度。可以是:

最佳

匹配的最小数目

每个三维点匹配的最小数目,表示影像上这个三维点有效重投影的最小数目。可以是2—6。

三维网格纹理的生成:

显示是否生成三维网格纹理

三维网格纹理的设置

显示生成三维网格纹理的处理设置:

分辨率:生成三维网格纹理的分辨率。可以是:

高分辨率

中分辨率

低分辨率

自定义:如果选择自定义选项,会显示:

分辨率:自定义

最大八向树深度:可以在5—20之间

纹理尺寸:可以是

256x256

512x512

1024x1024

2048x2048

4096x4096

8192x 8192

16384x16384

32768x32768

65563x65563

131072x131072

抽取标准:可以是:

定量

三角形的最大数目,数目取决于项目的几何形状和大小。

定性。可以是:

灵敏的

激进的

 

色彩平衡:为生成三维网格纹理图的纹理,当选择色彩平衡算法时出现。

 

高级:三维网格纹理设置

样品密度分配器:可以在1—5之间。

高级:匹配窗尺寸:

用于匹配原始影像中致密点的网格的尺寸

高级:影像组

已生成致密点云的影像组。每个影像组生成一个致密点云。

高级:使用处理区域

显示是否考虑处理区域

高级:使用注释:

当在步骤2.点云和网格中选择了处理选项时,是否考虑注释

高级:自动限制相机深度

显示是否自动限制相机深度

高级:点云分类(测试)

当点云已分类时显示。显示对象的最小和最大长度,以及对象的最大高度。

高级:半全球匹配:

当半全球匹配已用来压缩点云时显示。显示是否已针对2.5维进行了优化。

点云密度的时间

生成致密点云的时间

点云分类的时间

分类致密点云的时间

生成三维网格纹理的时间

生成三维网格纹理图的时间。如果没有生成三维网格纹理图则显示NA。

 

结果

已处理集群的数目

当生成了超过1个集群时,显示生成的集群数

生成连接的数目

显示加密点云生成的连接点数目

三维致密点的数目

项目获得的三维致密点总数

平均密度(每m3)

项目每立方米获得的三维致密点的平均数

 

2.3 步骤3. DSM,正射影像和指数完成后

2.3.1 处理选项

DSM,正射影像和指数细节的截屏

DSM和正射影像分辨率

用于生成DSM和正射影像的分辨率。如果使用在步骤1.初步处理计算出的平均GSD,则显示其数值。

DSM过滤器

如果使用了早点过滤器和表面平滑则显示。如果使用表面平滑,也会显示其类型。可以是:

平滑

中等

锐度

DSM栅格

如果生成DSM时显示。显示生成DSM的方式。可以是:

反距离加重

三角测量

如果DSM切片合并到另一个文件中,则显示。

正射影像

生成正射影像时显示。正射影像切片已经合并到一个文件中时显示。无透明度的GeoTIF,Google地图切片和KML生成时显示。

网格DSM

网格DSM生成时显示。显示使用何种网格间距。

生成的轮廓线

生成轮廓线时显示。显示下列参数的数值:

轮廓基线

高程间隔

分辨率[cm]

最小线尺寸[垂直方向]

指数计算器:辐射校准:

使用辐射校准时显示。

指数计算器:反射地图:

生成反射地图时显示。显示地图分辨率以及反射地图是否已经合并到一个文件中。

指数计算器:指数:

生成指数时显示。显示生成的指数列表。

指数计算器:指数值

指数已经导出为shp.文件时显示。显示生成的输出文件的网格尺寸。

生成DSM的时间

生成DSM所花费的时间

生成正射影像的时间

生成正射影像所花费的时间

生成轮廓线的时间

生成轮廓线所花费的时间

生成反射地图的时间

生成反射地图所花费的时间

生成指数地图的时间

生成指数地图所花费的时间

 

相机辐射校准

相机名称

相机名称

波段

应用了辐射校准的相机波段

辐射校准类型

应用于波段影像的辐射校准类型:仅相机,相机和太阳辐射,或相机,太阳辐射和太阳角度。

 

 

 

 

 

 

 

 

 

 


2017年11月25日 10:10
浏览量:0
收藏