Kom i gang

Sådan flyver du en nøjagtig dronekortlægning (RTK + passpunkter)

Et nøjagtigt dronekort afgøres, før dronen lander: af ground sampling distance (GSD), overlappet, skarpe billeder, kameravinkler, der fastlægger linsen, og en pålidelig kilde til absolut position (RTK, PPK eller opmålte passpunkter). I det bedste tilfælde, med RTK eller opmålte passpunkter, er resultatet målt mod uafhængige kontrolpunkter cirka 1 GSD i plan og 2–3 GSD i højden; det tal, der tæller, er det, dine egne kontrolpunkter viser. Guiden viser, hvordan du planlægger hvert trin med formlerne, og hvad Orthosite gør med resultatet.

Hvordan planlægger du en nøjagtig kortlægningsflyvning?

Flyv et automatisk net ("plæneklipper-mønster"): parallelle linjer i konstant højde over jorden med kameraet pegende lige nedad (nadir), udløst med faste afstande af en flyveplanlægningsapp.[3] Indstil mål-GSD og overlap i appen; den beregner højde, liniafstand og udløserafstand. Beslut derefter, hvordan modellen får sin absolutte position (RTK, PPK eller passpunkter), og gem nogle opmålte punkter som uafhængige kontrolpunkter.

Netmønster ("plæneklipper"): parallelle linjer, nadirkamera, én eksponering ved hver prik.

Hvad er GSD, og hvordan beregner du flyvehøjden?

Ground sampling distance (GSD) er afstanden på jorden mellem midten af to nabopixler.[1] Den afgør, hvor lille en detalje der kan kortlægges, og sammen med kvaliteten af nettet og positionerne, hvor nøjagtigt resultatet kan blive. Den flyvehøjde, der giver en ønsket GSD, er[1]

H = (N · GSD · f) / Sw, hvor H er i meter, N billedbredden i pixel, GSD i meter pr. pixel, f den reelle brændvidde og Sw den reelle sensorbredde (f og Sw i samme enhed, ikke 35 mm-ækvivalenten). Omvendt er GSD = H · Sw / (f · N).

f H Sw D = N · GSD
Ensvinklede trekanter: Sw er sensorbredden, f brændvidden, H flyvehøjden, D bredden af billedfeltet på jorden og N antallet af pixel på tværs.

Regneeksempel, DJI Phantom 4 RTK: 1-tommers sensor, 20 MP, 5.472 pixel på tværs, f = 8,8 mm. DJI angiver GSD = H / 36,5 cm pr. pixel.[2] Ved H = 100 m giver det 2,74 cm pr. pixel; billedfeltet er 5.472 × 2,74 cm ≈ 150 m bredt og ≈ 100 m højt (3.648 pixel). At halvere højden halverer GSD, men fordi arealet pr. billede falder til en fjerdedel, kræver det cirka fire gange så mange billeder.

Højde HGSDBilledfelt (m)Liniafstand / afstand mellem billederBilleder pr. haAreal pr. 1.200 billeder
60 m1,64 cm90 × 6027 m / 12 m30,9≈ 39 ha
80 m2,19 cm120 × 8036 m / 16 m17,4≈ 69 ha
100 m2,74 cm150 × 10045 m / 20 m11,1≈ 108 ha
120 m3,29 cm180 × 12054 m / 24 m7,7≈ 156 ha

Som rettesnor for, hvad GSD giver, angiver Pix4D den forventede relative nøjagtighed for et korrekt skaleret og rekonstrueret projekt som 1–2 × GSD vandret og 1–3 × GSD lodret og bemærker, at den absolutte nøjagtighed ikke kan være bedre end nøjagtigheden af billedpositionerne eller passpunkterne.[4] En GSD på 2,7 cm understøtter derfor ikke et krav på 1 cm; det kræver en lavere flyvning eller en anden type måling.

Hvor meget overlap har du brug for?

Pix4Ds minimum i almindelige tilfælde er 75 % længdeoverlap og 60 % sideoverlap; fladt, ensartet terræn (som marker) kræver mindst 80 % i begge retninger, og skov eller tæt vegetation mindst 85 % i begge.[3] Et almindeligt arbejdsvalg, brugt i eksemplerne her, er 80 % længde og 70 % side. Overlap er det, der lader softwaren finde det samme punkt i mange billeder; det kan ikke tilføjes bagefter, så tilføj hellere for meget overlap, når du er i tvivl.

80 % d 70 % s
Set oppefra på billedfelter: 80 % længdeoverlap langs linjen (d er afstanden mellem eksponeringer) og 70 % sideoverlap mellem linjer (s er liniafstanden).

Overlappet bestemmer afstandene direkte: udløserafstand d = billedfeltets højde × (1 − længdeoverlap); liniafstand s = billedfeltets bredde × (1 − sideoverlap). For Phantom 4 RTK i 100 m med 80 % / 70 % er d = 20 m og s = 45 m, så hvert billede tilføjer cirka 900 m² nyt terræn. Mere overlap koster flere billeder: 1.200 billeder dækker så cirka 108 ha, før margener omkring området.

Overlap giver redundans og punkttæthed, men ændrer ikke den næsten parallelle blikgeometri, der forårsager doming (se nedenfor); det gør kameravinkler.[10]

Hvor hurtigt kan du flyve, og hvordan undgår du bevægelsesudtværing?

Udtværing er den afstand, flyet bevæger sig under eksponeringen: udtværing = hastighed × lukkertid, sammenlignet med størrelsen af én pixel på jorden (GSD). Ved 10 m/s og 1/1000 s flytter dronen sig 1 cm, hvilket er 0,36 pixel ved 2,74 cm GSD; ved 1/500 s er det 2 cm, 0,73 pixel. En almindelig tommelfingerregel (en konvention, ikke en standard) er at holde udtværingen godt under én pixel; en lavere GSD gør den samme udtværing værre, så lave, hurtige flyvninger kræver hurtigere lukkertider.

GSD v · t
Én pixel på jorden (GSD) sammenlignet med den afstand, der tilbagelægges under eksponeringen (v · t, rød).

Net, dobbelt net eller skrå billeder?

Et enkelt nadirnet over fladt terræn er den klassiske årsag til "doming": næsten parallelle blikretninger gør det svært at skille linseforvrængningen fra terrænets form, så modellen kan bule, mens den ligner ægte terræn; James og Robson knytter fejlen til næsten parallelle billedretninger og unøjagtig korrektion af radial linseforvrængning.[10] Konvergente (skrå) billeder fjerner tvetydigheden. I en undersøgelse med 150 scenarier mod en terrestrisk laserscanner forbedrede skrå vinkler på 20–35° præcision og nøjagtighed med næsten 50 % sammenlignet med blokke med kun nadirbilleder.[7] James og Robson rapporterer, at flyveplaner med tilføjede skrå billeder kan reducere den systematiske DEM-fejl med op til to størrelsesordener uden passpunkter;[10] en senere undersøgelse fandt, at svagt hældende kameraer (under 15°) endda kan reducere nøjagtigheden, og at det at modellere og trække den systematiske fejl fra topografien bagefter er et mere robust middel end små afvigelser fra nadir.[6]

MønsterHvad det tilføjerBegrænsning
Enkelt nadirnetFærrest billeder; nok til et fladt ortomosaikNæsten parallelle blikretninger: risiko for doming uden gode passpunkter
Dobbelt net (to vinkelrette passager)En ekstra flyveretning, flere visninger af hvert punkt, bedre dækning af kanterStadig lodret nedad; flere billeder; ingen erstatning for skrå vinkler
Net plus skrå passage på 20–35°Konvergente visninger, der fastlægger linsemodellen; konstruktioners siderFlere billeder og mere flyvetid; planlæg, så hele området ses fra flere retninger
Dobbelt net: en ekstra passage fløjet vinkelret på den første. Den erstatter ikke i sig selv skrå vinkler eller kontrol.

Lodrette flader (bygningssider, støttemure, depotflanker) kan slet ikke ses lige oppefra; de kræver skrå billeder. Orthosites kontrol af flyvegeometri læser hvert billedes kamerahældning og retninger og markerer en blok uden skrå billeder (under 5 %) som en rådgivende bemærkning med samme vejledning på 20–35°. Den ændrer ikke, hvordan flyvningen behandles.

RTK, PPK eller passpunkter: hvad har du brug for?

Alle tre giver modellen dens absolutte position og skala; de virker på forskellig vis.

For Phantom 4 RTK angiver DJI en RTK-positionsnøjagtighed på 1 cm + 1 ppm vandret og 1,5 cm + 1 ppm lodret.[2] Det er nøjagtigheden af kamerapositionerne, ikke af det færdige kort. Kortet bedømmes kun mod uafhængige kontrolpunkter. Undersøgelser af kontrol viser, at nøjagtigheden overvurderes, når den bedømmes på de passpunkter, der er brugt i udjævningen, frem for på uafhængige kontrolpunkter, og at en jævn fordeling betyder noget.[9] Guiden om passpunkter behandler antal og placering.

MetodeHvad den giverHvad den kræverHvad der kan gå galt
RTKKamerapositioner i centimeterklassen i basens rammeLive-forbindelse til en base eller et netværk under flyvningenForkerte basekoordinater eller en datumforskydning flytter hele modellen; forbindelsesudfald
PPKSamme klasse af positioner, korrigeret efter flyvningenRå GNSS-logs fra drone og base samt et efterbehandlingstrinDe korrigerede koordinater skal ind i billedfilerne; basens ramme har stadig betydning
PasspunkterPositioner målt uafhængigt af dronenMål, en GNSS-rover eller totalstation og markering i billederneDårlig fordeling, fejl i et mærke eller et forkert opmålingsdatum

Hvad gør Orthosite med RTK, PPK og passpunkter?

Disse regler står i behandlingskoden, så du kan planlægge efter dem:

Orthosites fejlrapport for kontrolpunkter i demoflyvningen: 12 uafhængige kontrolpunkter, RMSE Z 0,021 m, middel 0,009 m, maks 0,035 m, med hvert punkts reference- og modelhøjde. Dette er kun højdefejlrapporten.
Orthosites fejlrapport for kontrolpunkter i demoflyvningen: 12 uafhængige kontrolpunkter, RMSE Z 0,021 m, middel 0,009 m, maks 0,035 m, med hvert punkts reference- og modelhøjde. Dette er kun højdefejlrapporten.

Hvilken nøjagtighed har Orthosite målt på rigtige flyvninger?

To navngivne Orthosite-testflyvninger, med DSM-højden aflæst i opmålte punkter, som var holdt ude af udjævningen:

Det er enkelte flade eller lavt reliefferede områder med få punkter. De viser, hvad forløbet kan, men er ikke et løfte for dit område. Din egen flyvnings nøjagtighed er den, der står i dens kontrolpunktsrapport.

Hvordan påvirker vejr, lys og terræn flyvningen?

Tjekliste før flyvning

FAQ

Hvor meget overlap har jeg brug for ved dronekortlægning?
Pix4Ds minimum er 75 % længde- og 60 % sideoverlap i almindelige tilfælde, mindst 80 % i begge retninger for fladt ensartet terræn og mindst 85 % i begge for skov. Et almindeligt arbejdsvalg er 80 % længde og 70 % side. Overlap fjerner ikke doming; skrå billeder gør.
Hvordan beregner jeg GSD og flyvehøjde?
H = (billedbredde i pixel × GSD × brændvidde) / sensorbredde, med reel (ikke 35 mm-ækvivalent) brændvidde. For Phantom 4 RTK er GSD = H / 36,5 cm pr. pixel, så 100 m giver 2,74 cm pr. pixel.
Hvilken nøjagtighed kan jeg forvente af en dronemåling?
Pix4D angiver en relativ nøjagtighed på 1–2 × GSD vandret og 1–3 × GSD lodret for et korrekt rekonstrueret projekt; med RTK eller opmålte passpunkter er det bedste tilfælde mod kontrolpunkter cirka 1 GSD i plan og 2–3 GSD i højden. Det reelle tal for din flyvning er RMSE mod uafhængige kontrolpunkter, som Orthosite rapporterer med antallet af punkter.
Hvad er forskellen på RTK og PPK?
RTK korrigerer dronens position i realtid via en forbindelse til en base eller et netværk. PPK logger rå data på dronen og en base og korrigerer dem efter flyvningen. Begge giver kamerapositioner i centimeterklassen; PPK kræver ingen live-forbindelse.
Har jeg brug for passpunkter med en RTK-drone?
RTK alene kan give et godt resultat, men kun kontrolpunkter viser, om det er rigtigt i dit koordinat- og højdesystem. Passpunkter beskytter også mod fejl i basekoordinater og datum. Orthosite advarer, når RTK og passpunkter afviger mere end 5 cm i plan eller 8 cm i højden.
Hvad sker der i Orthosite, hvis min drone ikke har RTK, og jeg ikke bruger passpunkter?
Højderne kommer fra dronens barometer i et ukendt datum (130 m forkerte på en Phantom 4 RTK fløjet uden RTK), så Orthosite markerer flyvningen med en fejl. Relative målinger inde i modellen påvirkes ikke, men absolutte højder og volumener mod et fast niveau leveres ikke, før flyvningen er forankret med passpunkter eller et opmålt kendt punkt.
Hvordan undgår jeg bevægelsesudtværing?
Udtværing er hastighed × lukkertid. Ved 10 m/s og 1/1000 s flytter dronen sig 1 cm, hvilket er 0,36 pixel ved 2,74 cm GSD. Hold den godt under én pixel, og husk at en lavere GSD gør den samme udtværing værre.
Hvor mange billeder kan Orthosite behandle i én flyvning?
Højst 1.200 billeder pr. flyvning, og dit abonnement kan sætte en lavere grænse. Med en Phantom 4 RTK i 100 m og 80 % / 70 % overlap er det cirka 108 ha før margener.

Kilder

  1. Computing the flight height for a given GSD (Pix4D support) – Pix4D (2026)
  2. Phantom 4 RTK specifications – DJI (2026)
  3. Image acquisition plan: recommended overlap and flight pattern (Pix4D support) – Pix4D (2026)
  4. Accuracy of Pix4D outputs, in multiples of GSD (Pix4D support) – Pix4D (2026)
  5. Photogrammetric accuracy and modeling of rolling shutter cameras (Vautherin et al.) – ISPRS Annals III-3 (2016)
  6. Mitigating systematic error in topographic models for geomorphic change detection: accuracy, precision and considerations beyond off-nadir imagery (James, Antoniazza, Robson, Lane) – Earth Surface Processes and Landforms 45 (2020)
  7. Enhancing UAV-SfM 3D model accuracy in high-relief landscapes by incorporating oblique images (Nesbit, Hugenholtz) – Remote Sensing 11(3) (2019)
  8. RTK vs PPK: what to choose for drone mapping – Emlid (2026)
  9. Accuracy of UAV and SfM photogrammetry survey as a function of the number and location of ground control points used (Sanz-Ablanedo et al.) – Remote Sensing 10(10) (2018)
  10. Mitigating systematic error in topographic models derived from UAV and ground-based image networks (James, Robson) – Earth Surface Processes and Landforms 39 (2014)
  11. ASPRS Positional Accuracy Standards for Digital Geospatial Data, Edition 2 – ASPRS (2023)

Sidst gennemgået:

Gør din næste flyvning til et målbart resultat

Upload dine dronebilleder, så bygger Orthosite ortofoto, 3D-model, punktsky og højdemodeller på Orthosites egen behandlingscomputer i Sverige — mål, del og eksportér i åbne formater.

Kom godt i gang med Orthosite
Sprog: EN SV NO DA FI DE FR ES NL