Kom i gang

Slik flyr du et nøyaktig dronekartleggingsoppdrag (RTK + GCP-er)

Et nøyaktig dronekart avgjøres før dronen lander: av bakkeoppløsningen (ground sampling distance, GSD), overlappen, skarpe bilder, kameravinkler som låser linsemodellen, og en pålitelig kilde til absolutt posisjon (RTK, PPK eller innmålte bakkekontrollpunkter). I beste fall, med RTK eller innmålt bakkekontroll, er resultatet målt mot uavhengige kontrollpunkter omtrent 1 GSD i plan og 2–3 GSD i høyde; tallet som teller er det dine egne kontrollpunkter viser. Denne guiden viser hvordan du planlegger hvert trinn, med formlene, og hva Orthosite gjør med resultatet.

Hvordan planlegger du en nøyaktig kartleggingsflyging?

Fly et automatisk rutenett («gressklipper»-mønster): parallelle linjer i konstant høyde over bakken med kameraet rettet rett ned (nadir), utløst med faste mellomrom av en flyplanleggingsapp.[3] Sett ønsket GSD og overlapp i appen; den regner ut flyhøyde, linjeavstand og utløsningsavstand. Bestem deretter hvordan modellen skal få sin absolutte posisjon (RTK, PPK eller GCP-er) og hold noen innmålte punkter til side som uavhengige kontrollpunkter.

Rutenettmønster («gressklipper»): parallelle linjer, nadirkamera, én eksponering ved hver prikk.

Hva er GSD, og hvordan regner du ut flyhøyden?

Ground sampling distance (GSD, bakkeoppløsning) er avstanden på bakken mellom sentrene til to nabopiksler.[1] Den bestemmer hvor små detaljer som kan kartlegges og, sammen med kvaliteten på nettverket og posisjonene, hvor nøyaktig resultatet kan bli. Flyhøyden som gir ønsket GSD er[1]

H = (N · GSD · f) / Sw, med H i meter, N bildebredden i piksler, GSD i meter per piksel, f den virkelige brennvidden og Sw den virkelige sensorbredden (f og Sw i samme enhet, ikke 35 mm-ekvivalenten). Omvendt er GSD = H · Sw / (f · N).

f H Sw D = N · GSD
Formlike trekanter: Sw er sensorbredden, f brennvidden, H flyhøyden, D bredden på bildeutsnittet på bakken og N antall piksler på tvers.

Regneeksempel, DJI Phantom 4 RTK: 1-tommers sensor, 20 MP, 5 472 piksler på tvers, f = 8,8 mm. DJI oppgir GSD = H / 36,5 cm per piksel.[2] Ved H = 100 m blir det 2,74 cm per piksel; bildeutsnittet er 5 472 × 2,74 cm ≈ 150 m bredt og ≈ 100 m høyt (3 648 piksler). Halverer du høyden, halveres GSD, men fordi arealet per bilde faller til en fjerdedel trengs omtrent fire ganger så mange bilder.

Høyde HGSDBildeutsnitt (m)Linjeavstand / eksponeringsavstandBilder per haAreal per 1 200 bilder
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 veiledning for hva GSD gir, oppgir Pix4D forventet relativ nøyaktighet for et korrekt skalert og rekonstruert prosjekt som 1–2 × GSD horisontalt og 1–3 × GSD vertikalt, og påpeker at absolutt nøyaktighet ikke kan bli bedre enn nøyaktigheten til bildeposisjonene eller GCP-ene.[4] En GSD på 2,7 cm støtter derfor ikke et krav på 1 cm; det krever en lavere flyging eller en annen type måling.

Hvor mye overlapp trenger du?

Pix4Ds minimum for generelle tilfeller er 75 % lengdeoverlapp og 60 % sideoverlapp; flatt, ensartet terreng (som jorder) trenger minst 80 % i begge retninger, og skog eller tett vegetasjon minst 85 % i begge.[3] Et vanlig arbeidsvalg, brukt i eksemplene her, er 80 % lengde- og 70 % sideoverlapp. Overlappen er det som lar programvaren finne det samme punktet i mange bilder; den kan ikke legges til etterpå, så legg heller til overlapp når du er i tvil.

80 % d 70 % s
Bildeutsnitt sett ovenfra: 80 % lengdeoverlapp langs linjen (d er avstanden mellom eksponeringene) og 70 % sideoverlapp mellom linjene (s er linjeavstanden).

Overlappen bestemmer avstandene direkte: utløsningsavstand d = bildeutsnittets høyde × (1 − lengdeoverlapp); linjeavstand s = bildeutsnittets bredde × (1 − sideoverlapp). For Phantom 4 RTK på 100 m med 80 % / 70 % blir d = 20 m og s = 45 m, så hvert bilde tilfører omtrent 900 m² nytt terreng. Mer overlapp koster flere bilder: 1 200 bilder dekker da omtrent 108 ha, før marginer rundt området.

Overlapp gir redundans og punkttetthet, men den endrer ikke den nesten parallelle synsgeometrien som forårsaker doming (se nedenfor); det gjør kameravinklene.[10]

Hvor fort kan du fly, og hvordan unngår du bevegelsesuskarphet?

Uskarphet er avstanden flyet beveger seg under eksponeringen: uskarphet = hastighet × eksponeringstid, sammenlignet med størrelsen på én piksel på bakken (GSD). Ved 10 m/s og 1/1000 s flytter dronen seg 1 cm, som er 0,36 piksel ved 2,74 cm GSD; ved 1/500 s er det 2 cm, 0,73 piksel. En vanlig tommelfingerregel (en konvensjon, ikke en standard) er å holde uskarpheten godt under én piksel; en lavere GSD gjør den samme uskarpheten verre, så lave, raske flyginger trenger raskere lukker.

GSD v · t
Én piksel på bakken (GSD) sammenlignet med distansen tilbakelagt under eksponeringen (v · t, rødt).

Rutenett, dobbelt rutenett eller skrå bilder?

Et enkelt nadir-rutenett over flatt terreng er den klassiske årsaken til «doming»: nesten parallelle synsretninger gjør at linseforvrengningen er vanskelig å skille fra terrengets form, så modellen kan bule mens den ser ut som ekte terreng; James og Robson knytter feilen til nesten parallelle bilderetninger og unøyaktig korreksjon av radiell linseforvrengning.[10] Konvergerende (skrå) bilder fjerner flertydigheten. I en studie med 150 scenarioer mot en terrestrisk laserskanner forbedret skrå vinkler på 20–35° presisjon og nøyaktighet med nesten 50 % sammenlignet med blokker med bare nadir.[7] James og Robson rapporterer at flyplaner med tilføyde skrå bilder kan redusere systematisk DEM-feil med opptil to størrelsesordener uten kontrollpunkter;[10] en senere studie fant at svakt skråstilte kameraer (under 15°) til og med kan redusere nøyaktigheten, og at det å modellere og trekke fra den systematiske feilen fra topografien etterpå er et mer robust botemiddel enn små vinkler utenfor nadir.[6]

MønsterHva det tilførerBegrensning
Enkelt nadir-rutenettFærrest bilder; nok for et flatt ortomosaikkNesten parallelle synsretninger: fare for «doming» uten god bakkekontroll
Dobbelt rutenett (to vinkelrette passeringer)En ekstra flyretning, flere synsvinkler mot hvert punkt, bedre dekning av kanteneFortsatt rett ned; flere bilder; ingen erstatning for skrå vinkler
Rutenett pluss skrå passering på 20–35°Konvergerende bilder som låser linsemodellen; sidene på konstruksjonerFlere bilder og lengre flytid; planlegg slik at hele området sees fra flere retninger
Dobbelt rutenett: en ekstra passering fløyet vinkelrett på den første. Det erstatter ikke i seg selv skrå vinkler eller kontroll.

Vertikale flater (bygningssider, støttemurer, flanker på masser) kan ikke ses rett ovenfra i det hele tatt; de krever skrå bilder. Orthosites kontroll av flygeometri leser kameraets pitch og retninger i hvert bilde og markerer en blokk uten skrå bilder (under 5 %) som en veiledende melding, med samme veiledning på 20–35°. Den endrer ikke hvordan flyvingen prosesseres.

RTK, PPK eller bakkekontrollpunkter: hva trenger du?

Alle tre gir modellen dens absolutte posisjon og skala; de virker på ulike måter.

For Phantom 4 RTK oppgir DJI 1 cm + 1 ppm horisontal og 1,5 cm + 1 ppm vertikal RTK-posisjoneringsnøyaktighet.[2] Det er nøyaktigheten til kameraposisjonene, ikke til det ferdige kartet. Kartet bedømmes bare mot uavhengige kontrollpunkter. Studier av bakkekontroll viser at nøyaktigheten overvurderes når den bedømmes på kontrollpunktene som er brukt i tilpasningen i stedet for på uavhengige kontrollpunkter, og at jevn fordeling har betydning.[9] Guiden om bakkekontroll tar for seg antall og plassering.

MetodeHva den girHva den kreverHva som kan gå galt
RTKKameraposisjoner i centimeterklassen i basens referanserammeDirekte forbindelse til en base eller et nettverk under flyvingenFeil basekoordinater eller datumskift forskyver hele modellen; bortfall av forbindelsen
PPKSamme klasse posisjoner, korrigert etter flyvingenRå GNSS-logger fra drone og base, og et etterbehandlingstrinnDe korrigerte koordinatene må inn i bildefilene; basens referanseramme har fortsatt betydning
GCP-erPosisjoner målt uavhengig av dronenMålmerker, en GNSS-rover eller totalstasjon, og markering i bildeneDårlig fordeling, feil i en markering eller feil datum i innmålingen

Hva gjør Orthosite med RTK, PPK og GCP-er?

Dette er reglene i prosesseringskoden, så du kan planlegge etter dem:

Orthosites feilrapport for kontrollpunkter i demoflygingen: 12 uavhengige kontrollpunkter, RMSE Z 0,021 m, middel 0,009 m, maks 0,035 m, med referanse- og modellhøyde for hvert punkt. Dette er bare høydefeilrapporten.
Orthosites feilrapport for kontrollpunkter i demoflygingen: 12 uavhengige kontrollpunkter, RMSE Z 0,021 m, middel 0,009 m, maks 0,035 m, med referanse- og modellhøyde for hvert punkt. Dette er bare høydefeilrapporten.

Hvilken nøyaktighet har Orthosite målt på ekte flyginger?

To navngitte Orthosite-testflyginger, med DSM-høyden avlest i innmålte punkter som ble holdt utenfor tilpasningen:

Dette er enkeltstående, flate eller lavrelieffs områder med få punkter. De viser hva prosesseringen kan gjøre; de er ikke et løfte for ditt område. Nøyaktigheten til din egen flyging er den i dens kontrollpunktrapport.

Hvordan påvirker vær, lys og terreng flyvingen?

Sjekkliste før flyging

FAQ

Hvor mye overlapp trenger jeg for dronekartlegging?
Pix4Ds minimum er 75 % lengde- og 60 % sideoverlapp for generelle tilfeller, minst 80 % i begge retninger for flatt ensartet terreng og minst 85 % i begge for skog. Et vanlig arbeidsvalg er 80 % lengde- og 70 % sideoverlapp. Overlapp fjerner ikke doming; skrå bilder gjør det.
Hvordan regner jeg ut GSD og flyhøyde?
H = (bildebredde i piksler × GSD × brennvidde) / sensorbredde, med virkelig (ikke 35 mm-ekvivalent) brennvidde. For Phantom 4 RTK er GSD = H / 36,5 cm per piksel, så 100 m gir 2,74 cm per piksel.
Hvilken nøyaktighet kan jeg forvente av en dronemåling?
Pix4D oppgir en relativ nøyaktighet på 1–2 × GSD horisontalt og 1–3 × GSD vertikalt for et korrekt rekonstruert prosjekt; med RTK eller innmålte GCP-er er det beste tilfellet mot kontrollpunkter omtrent 1 GSD i plan og 2–3 GSD i høyde. Det reelle tallet for flyvingen din er RMSE mot uavhengige kontrollpunkter, som Orthosite rapporterer sammen med antall punkter.
Hva er forskjellen mellom RTK og PPK?
RTK korrigerer dronens posisjon i sanntid via en forbindelse til en base eller et nettverk. PPK logger rådata på dronen og en base og korrigerer dem etter flyvingen. Begge gir kameraposisjoner i centimeterklassen; PPK krever ingen direkte forbindelse.
Trenger jeg GCP-er med en RTK-drone?
RTK alene kan gi et godt resultat, men bare kontrollpunkter viser om det er riktig i ditt koordinat- og høydesystem. GCP-er sikrer også mot feil i basekoordinater og datum. Orthosite advarer når RTK og GCP-er avviker med mer enn 5 cm i plan eller 8 cm i høyde.
Hva skjer i Orthosite hvis dronen min ikke har RTK og jeg ikke bruker GCP-er?
Høydene kommer fra dronens barometer i et ukjent datum (130 m feil på en Phantom 4 RTK fløyet uten RTK), så Orthosite markerer flyvingen med en feil. Relative målinger inne i modellen påvirkes ikke, men absolutte høyder og volumer mot et fast nivå leveres ikke før flyvingen er forankret med GCP-er eller et innmålt kjent punkt.
Hvordan unngår jeg bevegelsesuskarphet?
Uskarphet er hastighet × eksponeringstid. Ved 10 m/s og 1/1000 s flytter dronen seg 1 cm, som er 0,36 piksel ved 2,74 cm GSD. Hold den godt under én piksel og husk at en lavere GSD gjør den samme uskarpheten verre.
Hvor mange bilder kan Orthosite prosessere i én flyging?
Høyst 1 200 bilder per flyging, og abonnementet ditt kan sette en lavere grense. Med en Phantom 4 RTK på 100 m og 80 % / 70 % overlapp er det omtrent 108 ha før marginer.

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. The ASPRS Positional Accuracy Standards, Edition 2 (summary of the changes) – LIDAR Magazine (2023)

Sist gjennomgått:

Gjør din neste flyvning til et målbart resultat

Last opp dronebildene dine, så bygger Orthosite ortofoto, 3D-modell, punktsky og høydemodeller på Orthosites egen prosesseringsdatamaskin i Sverige — mål, del og eksporter i åpne formater.

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