Перейти к основному содержимому

4. Задачи Реконструкции

📄️ 4.2 Редактирование POS

Различные устройства получения изображений могут предоставлять данные POS (Система позиционирования и ориентации) в разных форматах и с различными параметрами. Программа предоставляет пользователям соответствующие функции для редактирования данных POS.

📄️ 4.3 Настройка нескольких камер

Функция настройки камеры в основном используется для сценариев реконструкции с несколькими камерами. Когда пользователи импортируют фотографии, программа автоматически анализирует структуру файлов и информацию о фотографиях импортированных изображений, и автоматически группирует фотографии в разные камеры на основе параметров камеры (фокусное расстояние, размер сенсора, внутренние параметры, искажения и т.д.) в фотографиях. Если параметры камеры не могут быть проанализированы из фотографий, или если параметры камеры неверны и требуют ручного ввода, пользователи могут использовать функцию "Редактировать камеру" для установки параметров камеры.

📄️ 4.4 Предварительная настройка области интереса

При обычных обстоятельствах диапазон сбора данных будет превышать целевую область интереса. Особенно в сценариях, включающих круговую фотосъемку отдельных зданий, таких как дома, реконструированные данные изображения будут содержать фон, значительно больший, чем отдельное здание. Реконструкция в этих сценариях тратит значительные вычислительные и ресурсы хранения. Это программное обеспечение предоставляет пользователям функцию предварительной настройки области интереса перед любой обработкой данных, позволяя ограничить диапазон реконструкции через импорт внешнего файла диапазона или ручное редактирование.

📄️ 4.5 Выполнение воздушной триангуляции и просмотр результатов

Программное обеспечение поддерживает отдельную воздушную триангуляцию и реконструкцию. Если задача требует только воздушной триангуляции, или если вам нужно более точно установить область интереса, вы можете действовать следующим образом:

📄️ 4.8 Использование кластерных вычислений

При работе с большими объемами данных вычисления на одной машине часто терпят неудачу или имеют очень низкую эффективность реконструкции. В таких случаях можно создать кластер для распределения вычислительных задач на несколько вычислительных устройств для параллельной обработки, тем самым повышая эффективность реконструкции для больших наборов данных.