Фотограмметрия Structure from Motion в физической географии

Точное, прецизионное и быстрое получение топографических данных имеет фундаментальное значение для многих подразделов физической географии. Технологические разработки последних десятилетий сделали распределённые наборы данных с сантиметровым разрешением и точностью обычным явлением, однако появление метода Structure from Motion (SfM) в сочетании с Multi-View Stereo (MVS) в последние годы произвело революцию в трёхмерных топографических съёмках в физической географии, демократизировав сбор и обработку данных. SfM-MVS происходит из областей компьютерного зрения и фотограмметрии, требует минимального количества дорогостоящего оборудования или специализированных навыков и при определённых условиях может генерировать облака точек сопоставимого качества с существующими методами съёмки (например, наземное лазерное сканирование). В результате применения SfM-MVS в физической географии резко возросли. При планировании съёмки SfM-MVS у физических географов имеется множество практических вариантов (например, платформы, камеры, программное обеспечение), тем не менее многие конечные пользователи SfM-MVS не до конца понимают погрешности, связанные с каждым выбором, и, возможно, самое главное — процессы, фактически происходящие в рамках рабочего процесса SfM-MVS. В этой статье описывается типичный рабочий процесс, используемый пакетами программного обеспечения SfM-MVS, рассматриваются практические детали реализации SfM-MVS, объединяются существующие валидационные исследования для оценки практически достижимого качества данных и обзорно рассматривается спектр применений SfM-MVS в физической географии. Гибкость подхода SfM-MVS осложняет попытки его надёжной валидации, поскольку каждое отдельное валидационное исследование использует различный подход (например, платформа, камера, метод геопривязки и т.д.). Мы подчёркиваем необходимость большей прозрачности в обработке SfM-MVS и расширения возможностей по настройке параметров, определяющих качество съёмки. Взгляд в будущее определяет перспективы SfM-MVS в физической географии через обсуждение более недавних разработок в областях анализа изображений и компьютерного зрения.