Краткий рабочий план и приёмы для корректного сравнения объёмов между двумя фотограмметрическими моделями, сделанными в разные сезоны (разная отражающая способность и растительность).
1) Геометрическая согласованность (co-registration)
- Жёсткая и негрубая подгонка по GCP/реперным участкам; затем тонкая подгонка по стабильным участкам (бетон, дороги) методом ICP или поэлементной регрессии высот.
- Оценка и коррекция вертикальной смещения: вычислить среднюю разницу по стабильной контрольной зоне и вычесть смещение.
2) Радиометрическая/фотометрическая нормализация (чтобы уменьшить влияние разного освещения/албедо)
- Калибровка по рефлектантным тарелкам (empirical line): подгонка линейной модели между измеренной яркостью $I$ и истинной рефлектантностью $R$: $$R=\alpha I+\beta .$$ - Коррекция топографического освещения (incidence angle): простая нормировка $$I_n=\frac{I}{\cos {\theta }_i}$$ или более точная Minnaert-коррекция $$I_n=I{\left(\frac{\cos {\theta }_e}{\cos \alpha }\right)}^k.$$ - Гистограммное выравнивание или линейная нормализация между ортофотоснимками: $$I_{2,\text{norm}}=a{I}_2+b$$ подобранные по стабильным поверхностям.
3) Удаление/маскирование растительности
- Если есть мультиспектр (NIR): вычислить NDVI и замаскировать вегетативные пиксели: $$\text{NDVI}=\frac{NIR-R}{NIR+R}.$$ - Если RGB: использовать индексы типа VARI $$\text{VARI}=\frac{G-R}{G+R-B}$$ или excess-green, либо классификацию точек (ML/SVM).
- Классификация/фильтрация точечного облака для выделения грунта: CSF (Cloth Simulation Filter), Progressive Morphological Filter, SVM/Random Forest по признакам; получить DTM (bare-earth) из DSM.
4) Сравнение высот и расчёт объёмов
- Построить разность высот (DEM/DTM differencing): $$\text{DoD}=D_2-D_1.$$ - Объём изменения по области: интегрировать/суммировать: $$V={\iint }_A\Delta hdA\text{или дискретно}V=\sum _i\Delta h_i\cdot A_i.$$ - Исключить/замаскировать участки с растительностью или оставлять только DTM для объёмов складов.
5) Учет порога обнаружения (LoD) и неопределённости
- Оценить погрешности высот ${\sigma }_1,{\sigma }_2$ для каждой модели; порог значимой разницы (например, 95%): $$\text{LoD}=z_{0.95}\sqrt{{\sigma }_1^2+{\sigma }_2^2}$$ (где $z_{0.95}\approx 1.96$).
- Отбрасывать изменения с $|\Delta h|<\text{LoD}$.
- Оценка погрешности объёма: $${\sigma }_V=\sqrt{\sum _i({\sigma }_{h_i}{A}_i{)}^2}.$$
6) Постобработка и проверка качества
- Морфологическая фильтрация DoD (удаление шума), кластерный анализ для исключения изолированных артефактов.
- Контроль по эталонным объёмам/весам (если есть складские данные) для валидации.
- Если доступны более чем 2 снимка — использовать временной анализ (LOESS/kalman) для учета сезонных колебаний растительности и выявления трендов/аномалий.
Резюме шагами: 1) строгая геометрическая регистрация; 2) радиометрическая и топографическая нормализация; 3) классификация/удаление растительности (получить DTM); 4) DEM differencing и интеграция изменений; 5) применять LoD и оценивать неопределённость; 6) валидация по стабильным участкам/данным склада.
Если нужно, могу кратко расписать команды/алгоритмы (CSF/PMF, ICP, empirical line, расчёт LoD) для конкретного ПО (Agisoft/Metashape, Pix4D, CloudCompare, PDAL).