Повышение точности аэрофотосъемки с применением наземных контрольных точек

Показали возможность оперативного сбора актуальной информации о состоянии сельскохозяйственных угодий с помощью беспилотного воздушного судна. Отметили, что использование наземных опорных точек повышает точность измерений в проекте, помогает сравнить результаты постобработки проекта с реальными измерениями. (Цель исследования) Сравнить результаты стандартной и высокоточной постобработки данных аэрофотосъемки с использованием наземных опорных точек. (Материалы и методы) Провели аэрофотосъемку на селекционном поле площадью 1,1 гектара. Использовали беспилотное воздушное судно DJI Matrice 200 v2 с приемником GNSS L1/L2 и модифицированной камерой DJI X4S, пять опорных точек размером 50 × 50 сантиметров и мультичастотный GNSS-приемник EMLID Reach RS2. Изучили результаты научных исследований по применению наземных опорных точек при проведении аэрофотосъемки. (Результаты и обсуждение) Определили, что погрешность геопривязки изображений, полученных посредством беспилотного воздушного судна, без опорных точек значительно выше при стандартной обработке данных по сравнению с высокоточной. Погрешность проекта при применении пяти опорных точек выше в 3,9 раза для стандартной обработки данных. (Выводы) Показали, что с помощью наземных опорных точек можно повысить точность измерений в проекте, а также сравнить результаты его постобработки с измерениями на местности. Определили, что высокоточный мониторинг позволяет обойтись меньшим количеством наземных опорных точек. Выявили, что для получения данных с точностью 2-4 сантиметра в плане и по высоте при высокоточной постобработке нужно использовать не менее 3 наземных опорных точек.

1. Mogili U.R., Deepak B.B.V.L. Review on application of drone systems in precision agriculture. Procedia Computer Science. 2018. N133. 502-509.

2. Измайлов А.Ю., Лобачевский Я.П., Дорохов А.С., Сиби­рев А.В., Крючков В.А., Сазонов Н.В. Современные технологии и техника для сельского хозяйства – тенденции выставки Agritechnika 2019 // Тракторы и сельхозмашины. 2017. N6. С. 28-40.

3. Maes W.H., Steppe K. Perspectives for remote sensing with unmanned aerial vehicles in precision agriculture. Trends in Plant Science. 2019. N24(2). 152-164 .

4. Лачуга Ю.Ф., Измайлов А.Ю., Лобачевский Я.П., Шоге­нов Ю.Х. Развитие интенсивных машинных технологий, роботизированной техники, эффективного энергообеспечения и цифровых систем в агропромышленном комплексе // Техника и оборудование для села. 2019. N6 (264). С. 2-9.

5. Личман Г.И., Коротченя В.М., Смирнов И.Г., Курба­нов Р.К. Концепция точного земледелия на основе понятий идеального поля и цифрового двойника // Электротехнологии и электрооборудование в АПК. 2020. N67(3). С. 81-86.

6. Курбанов Р.К., Костомахин М.Н., Захарова Н.И., Захарова О.М., Бабков С.В. Рекомендации для легких беспилотных летательных аппаратов по сбору данных // Сельскохозяйственная техника: обслуживание и ремонт. 2018. N6. С. 47-53.

7. Артюшин А.А., Курбанов Р.К., Марченко Л.А., Захарова О.М. Выбор типоразмерного ряда беспилотных летательных аппаратов и полезной нагрузки для мониторинга сельскохозяйственных полей // Электротехнологии и электрооборудование в АПК. 2019. N4 (37). С. 36-43.

8. Matese A., Di Gennaro S.F. Beyond the traditional NDVI index as a key factor to mainstream the use of UAV in precision viticulture. Scientific Reports. 2021. N11. 2721.

9. Курбанов Р.К., Захарова Н.И., Гайдук О.М. Использование теплового канала (LWIR) для оценки состояния посевов и прогнозирования урожайности сельскохозяйственных культур // Электротехнологии и электрооборудование в АПК. 2020. N67(3). С. 87-94.

10. Tamouridou A.A., Alexandridis T.K., Pantazi X.E., Lagopodi A.L., Kashefi J., Kasampalis D., Kontouris G., Moshou D. Application of Multilayer Perceptron with Automatic Relevance Determination on Weed Mapping Using UAV Multispectral Imagery. Sensors. 2017. N17. 2307.

11. Han X., Thomasson J.A., Xiang Y., Gharakhani H., Yadav P.K., Rooney W.L. Multifunctional Ground Control Points with a Wireless Network for Communication with a UAV. Sensors. 2019. N19(13). 2852.

12. Pessoa G.G., Carrilho A.C., Miyoshi G.T. Assessment of UAV-based digital surface model and the effects of quantity and distribution of ground control points. International Journal of Remote Sensing. 2021. Vol. 42. 65-83.

13. Liu J., Xu W., Guo B., Zhou G., Zhu H. Accurate Mapping Method for UAV Photogrammetry Without Ground Control Points in the Map Projection Frame. IEEE Transactions on Geoscience and Remote Sensing. 2021. 1-9.

14. Курбанов Р.К., Захарова О.М. Рекомендации по предполетной подготовке БПЛА // Электротехнологии и электрооборудование в АПК. 2020. Т. 67. N1(38). С. 93-98.

15. Daugela I., Visockiene J.S., Kumpiene J. Detection and analysis of methane emissions from a landfill using unmanned aerial drone systems and semiconductor sensors. Detritus. 2020. Vol. 10. 127-138.

16. Beranek C.T., Roff A., Denholm B., Howell L.G., Witt R.R. Trialling a real-time drone detection and validation protocol for the koala (Phascolarctos cinereus). Australian Mammalogy. 2020. N43(2). 260-264.

17. Kapicioglu H.S., Hastaoglu K.O., Poyraz F., Gül Y. Investigation of topographic effect in ground control point selection in UAV photogrammetry: Gaziantep/ Nizip. International conference on innovative engineering applications. 2018. 1174-1178.

18. Martínez-Carricondo P., Agüera-Vega F., Carvajal-Ramírez F. Assessment of UAV-photogrammetric mapping accuracy based on variation of ground control points. International Journal of Applied Earth Observation and Geoinformation. 2018. Vol. 72. 1-10.

19. Ferrer-González E., Agüera-Vega F., Carvajal-Ramírez F., Martínez-Carricondo P. UAV Photogrammetry Accuracy Assessment for Corridor Mapping Based on the Number and Distribution of Ground Control Points. Remote Sensing. 2020. N12.

20. Gómez-Candón D., De Castro A.I., López-Granados F. Assessing the accuracy of mosaics from unmanned aerial vehicle (UAV) imagery for precision agriculture purposes in wheat. Precision Agriculture. 2014. N15(1). 44-56.

21. Kim J. S., Hong Y. Accuracy Analysis of Photogrammetry Based on the Layout of Ground Control Points Using UAV. Journal of the Korean Cartographic Association. 2020. N20(2). 41-55.

22. Santana L.S., Ferraz G.A.E.S., Marin D.B., Barbosa B.D.S., et al. Influence of flight altitude and control points in the georeferencing of images obtained by unmanned aerial vehicle. European Journal of Remote Sensing. 2021. Vol. 54. Iss. 1. 59-71.