OVĚŘENÍ SPEKTRÁLNÍCH, RADIOMETRICKÝCH A GEOMETRICKÝCH VLASTNOSTÍ ZAŘÍZENÍ DJI MAVIC 3M, DJI MATRICE 4E A DJI MATRICE 4T

CÍL PRÁCE

Cílem diplomové práce je odborně posoudit spektrální, radiometrické a geometrické vlastnosti kamer na zařízeních DJI Mavic 3M, DJI Matrice 4E a DJI Matrice 4T. Tento hlavní cíl vychází přímo ze zadání práce a je rozpracován do několika navazujících dílčích cílů odpovídajících skutečnému průběhu řešení, použitým datům i struktuře celé diplomové práce.

Prvním dílčím cílem je posoudit spektrální a radiometrické vlastnosti multispektrální kamery dronu DJI Mavic 3M. Za tímto účelem bylo provedeno multispektrální snímkování z různých letových výšek a současně zajištěno referenční měření pomocí ručního spektrometru ASD FieldSpec HandHeld 2. Smyslem této části práce bylo vyhodnotit, do jaké míry odpovídají hodnoty odrazivosti odvozené z UAV snímků referenčním hodnotám získaným terénním měřením a jak se ve výsledcích projevuje výška letu, použité pásmo a typ povrchu.

Druhým dílčím cílem je posoudit radiometrické vlastnosti termální kamery dronu DJI Matrice 4T. Termální data byla pořizována z různých letových výšek a teplotní výstupy byly porovnávány s referenčním měřením ruční termokamerou FLIR. Hodnocení bylo provedeno jak pro letní kampaň nad několika homogenními plochami, tak pro samostatný zimní experiment zaměřený na detailnější posouzení vlivu výšky letu na výslednou teplotu.

Třetím dílčím cílem je posoudit geometrické vlastnosti a polohovou přesnost kamerových systémů použitých na dronech DJI Mavic 3M, DJI Matrice 4E a DJI Matrice 4T. K naplnění tohoto cíle byly realizovány samostatné lety určené pro hodnocení geometrické přesnosti, přičemž jako referenční podklad byly využity vlícovací a kontrolní body zaměřené pomocí GNSS.

Čtvrtým dílčím cílem je analyzovat vybrané doplňující radiometrické a geometrické vlastnosti kamer, zejména vinětaci a distorzi. Práce se proto nezaměřuje pouze na samotné porovnání výsledných hodnot s referencemi, ale také na identifikaci možných zdrojů nejistoty, které vstupují do měření již na úrovni senzoru nebo během následného zpracování dat. Součástí cíle je rovněž tvorba vlastních skriptů a praktického, reprodukovatelného workflow pro převod, kalibraci, vyhodnocení a grafickou prezentaci výsledků.

VÝSLEDKY

Kapitola shrnuje hlavní poznatky získané z analýzy multispektrálních, termálních a geometrických dat. Součástí výsledků jsou také vlastní skripty využité při zpracování dat, výpočtu metrik a tvorbě grafických výstupů, které byly v práci popsány výše a jsou dostupné na autorově GitHubu.

Výsledky analýzy multispektrálních dat

Výsledky multispektrální části byly prezentovány pomocí boxplotů porovnávajících rozdělení hodnot reflektance v jednotlivých ROI pro tři výšky letu a referenční měření spektrometrem ASD. Z grafů je patrné, že se u řady kombinací ploch a pásem s rostoucí výškou letu často zvětšovala odchylka od ASD, tento trend však nebyl ve všech případech zcela monotónní. Nejnižší průměrná absolutní chyba napříč všemi plochami a pásmy byla zjištěna při výšce 40 m, kde činila přibližně 0,102, zatímco při výšce 80 m dosahovala přibližně 0,134 a při 120 m přibližně 0,127.

Z hlediska souhrnných metrik se tak jako nejvhodnější jevila výška 40 m. Z hlediska pásem se jako méně problematické ukázalo pásmo G, zatímco nejproblematičtější bylo pásmo NIR. Zároveň se ukázalo, že nejnižší odchylky vůči ASD vykazoval panel PAN95, nicméně právě u této plochy byla dodatečně identifikována vysoká pravděpodobnost lokální saturace části scén. Naopak u tmavších a opticky složitějších povrchů, jako jsou asfalt, štěrk nebo voda, se projevovaly výraznější rozdíly a UAV data bývala častěji nadhodnocená.

Výsledky zároveň naznačují, že kalibrace založená pouze na jednom světlém referenčním panelu umožnila relativně dobré škálování v oblasti vyšších reflektancí, ale hůře postihovala chování senzoru u nízkoreflektančních ploch. Interpretace absolutních hodnot reflektance proto musí být opatrná a výsledky je vhodnější chápat především jako obraz obecných trendů a relativních rozdílů mezi plochami, pásmy a výškami letu.

Výsledky analýzy termálních dat

Termální část práce ukázala, že výsledná teplota odvozená z UAV dat je výrazně citlivá na výšku letu i na typ povrchu. V rámci letní kampaně se u většiny sledovaných ploch se zvyšující se výškou letu zvyšovala také odchylka vůči referenčnímu měření FLIR. Nejvýraznější trend se projevil u povrchů s vyšší prostorovou heterogenitou, zejména u dřeva a travnatých ploch. U některých povrchů dosahoval bias ve výšce 120 m hodnot přibližně 9 až 13 °C.

Zimní experiment ukázal, že směr i velikost odchylky nejsou univerzální. Nejstabilnější výsledky přinesl beton, kde souhrnné metriky dosáhly MAE přibližně 0,54 °C a RMSE přibližně 0,65 °C. Odlišně se chovala vodní hladina, která ve vyšších výškách přecházela k podhodnocování teplot, pravděpodobně vlivem atmosféry a reflexe studené oblohy. U trávníku UAV data ve většině výšek teplotu nadhodnocovala a MAE činila přibližně 3,31 °C. Specifickou kategorií byla plocha BRUS, tedy měření lidského trupu, kde UAV ve všech výškách odhadovalo vyšší teploty než referenční FLIR a souhrnná MAE činila přibližně 3,9 °C.

Z termálních výsledků vyplývá, že pro aplikace vyžadující přesnost blízkou deklarovaným hodnotám výrobce je vhodné držet se především nižších letových výšek. V podmínkách této práce se jako nejspolehlivější ukázaly výšky kolem 40 m, zejména u homogennějších povrchů a v příznivějších zimních podmínkách.

Výsledky hodnocení geometrických vlastností a polohové přesnosti

U zařízení DJI Matrice 4E dosáhla celková polohová chyba po optimalizaci kamer hodnoty 0,018 m, přičemž dílčí chyby ve směrech X, Y a Z činily 0,014 m, 0,008 m a 0,008 m. Nejvyšší odchylka na jednotlivém bodě dosáhla 0,037 m. U zařízení DJI Mavic 3M byla celková chyba vyšší, konkrétně 0,024 m, a odpovídající chyby ve směrech X, Y a Z činily 0,017 m, 0,013 m a 0,012 m, přičemž maximální odchylka dosáhla 0,045 m. Oba systémy tedy dosáhly centimetrové přesnosti, avšak Matrice 4E poskytla přesnější a současně stabilnější výsledky.

Z exportovaných parametrů vnitřní orientace vyplynulo, že obě RGB kamery vykazovaly velmi podobné kalibrační charakteristiky. U RGB kamer dominovalo radiální zkreslení se záporným koeficientem k1, což odpovídá soudkovitému zkreslení běžnému u tohoto typu optiky. U multispektrálních pásem Mavic 3M byla geometrie rovněž relativně konzistentní, i když se v některých pásmech, zejména v pásmu G, projevovala větší odchylka polohy hlavního bodu.

Výsledky hodnocení vinětace

Po zpracování snímků z obou experimentů zaměřených na měření vinětace se ukázalo, že nejméně byly vnějšími podmínkami ovlivněny multispektrální snímky pořízené během druhého experimentu. Právě u nich byl patrný nejvěrohodnější průběh jasových profilů a nejmenší známky zkreslení způsobeného nehomogenním osvětlením snímané plochy.

Nejvýraznější pokles hodnot byl zaznamenán v diagonálních profilech, kde vinětace dosahovala přibližně 45 až 49 %. V pásmu G činil pokles 47,75 % ve směru D1 a 47,30 % ve směru D2, v pásmu NIR 46,28 % a 46,18 %, v pásmu R 45,19 % a 44,87 % a v pásmu RE 48,58 % a 48,44 %. V horizontálním směru byly poklesy nižší a pohybovaly se přibližně mezi 27,78 a 30,76 %, zatímco ve vertikálním směru činily zhruba 18,08 až 20,53 %. Výsledky tak potvrzují poměrně výraznou radiální vinětaci, která je u tohoto typu multispektrálních kamer očekávaná.

ZÁVĚR

Diplomová práce se zabývala ověřením spektrálních, radiometrických a geometrických vlastností kamer na zařízeních DJI Mavic 3M, DJI Matrice 4E a DJI Matrice 4T. Veškerá data byla pořízena v rámci tří samostatných terénních kampaní realizovaných v různých ročních obdobích a lokalitách v okolí Olomouce. Výsledky ukázaly, že kvalita výstupů je výrazně ovlivněna nejen typem senzoru, ale také výškou letu, použitou kalibrací, charakterem povrchu a podmínkami akvizice.

V multispektrální části se ukázalo, že s rostoucí výškou letu obecně narůstá odchylka od referenčního měření ASD. Jako relativně nejvhodnější výška se v rámci zkoumaného datasetu jevila hladina 40 m, kde průměrná MAE dosáhla přibližně 0,102. Nejproblematičtějším pásmem bylo NIR s průměrnou MAE přibližně 0,179. Výsledky je však nutné interpretovat s ohledem na metodická omezení kalibrace, zejména na využití jediného referenčního panelu a na lokální saturaci části vstupních snímků.

V termální části práce bylo potvrzeno, že zařízení DJI Matrice 4T může při nízkých výškách letu dosahovat přesnosti blízké výrobcem deklarovaným hodnotám, avšak se zvyšující se výškou letu se odchylka často výrazně zvětšuje. Zimní podmínky se ukázaly jako příznivější pro přesnost termálního měření než kampaň letní. Beton vykazoval velmi dobrou shodu s referencí, zatímco u vegetace, vody nebo lidského těla byla závislost na výšce letu výraznější a složitější.

Geometrická část ukázala, že DJI Matrice 4E i DJI Mavic 3M dosahují centimetrové polohové přesnosti odpovídající profesionálním fotogrammetrickým aplikacím. U multispektrálních pásem byla současně potvrzena výrazná radiální vinětace s poklesem hodnot v diagonálních profilech přibližně 45–49 %. Celkově lze konstatovat, že testovaná zařízení jsou pro kvantitativní aplikace využitelná, avšak pouze při respektování limitů jednotlivých senzorů a při pečlivě navržené metodice sběru a zpracování dat.

Přínosem práce je nejen souhrnné zhodnocení testovaných zařízení, ale také návrh vlastního metodického postupu a soubor skriptů pro převod, kalibraci a vyhodnocení dat. Tyto výstupy mohou sloužit jako praktický základ pro další experimenty a jako metodický referenční rámec pro další uživatele těchto platforem v geoinformatické a kartografické praxi.