The influence of ground control point placement and UAV platform on the accuracy of photogrammetrically derived orthomosaics and digital elevation models

• Autorzy: Ceglarek Jakub , Kamieniczny Marcin

Identyfikatory

DOI

10.15576/GLL/208229

Warianty tytułu

PL

Wpływ rozmieszczenia naziemnych punktów kontrolnych i platformy bezzałogowego statku powietrznego na dokładność ortofotomap i numerycznych modeli terenu uzyskanych metodą fotogrametryczną

• Języki publikacji: EN

Abstrakty

EN

Photogrammetry has proven to be a valuable technique across various industries, particularly in construction and surveying, due to its capacity to generate high-resolution orthomosaics and digital elevation models (DEMs). The emergence of unmanned aerial vehicles (UAVs) has further revolutionized photogrammetric practices, offering an efficient means to create various geospatial products. This study delves into the accuracy of orthomosaics and DEMs derived from UAVbased photogrammetry, with a specific focus on the impact of ground control point (GCP) placement strategies. The research examines how different GCP configurations influence the precision of photogrammetric products. By comparing outputs from three distinct UAV models, the study highlights the combined influence of GCP distribution and UAV technical specifications on the accuracy of the resulting data. The findings indicate that strategic GCP placement can substantially enhance the quality and precision of photogrammetric outputs. Moreover, the selection of the UAV platform significantly affects resolution and processing efficiency. This study underscores the critical role of careful GCP placement within the UAV photogrammetry workflow to ensure the reliability of generated products. Optimal GCP deployment is essential for achieving accurate georeferencing and minimizing errors stemming from GPS inaccuracies, lens distortion, and insufficient image overlap. The research contributes to a deeper understanding of how to balance precision and efficiency in UAV photogrammetry by analyzing the trade-offs associated with various GCP placement strategies. These insights are particularly valuable for practitioners aiming to optimize project outcomes while considering budget constraints and accuracy requirements.

PL

Fotogrametria okazała się cenną techniką w różnych branżach, szczególnie w budownictwie i geodezji, ze względu na jej zdolność do generowania ortofotomap o wysokiej rozdzielczości i numerycznych modeli terenu (DEM). Pojawienie się bezzałogowych statków powietrznych (UAV) jeszcze bardziej zrewolucjonizowało praktyki fotogrametryczne, oferując efektywny sposób tworzenia różnorodnych produktów geoprzestrzennych. Niniejsze badanie zgłębia dokładność ortofotomap i modeli DEM uzyskanych z fotogrametrii opartej na UAV, ze szczególnym uwzględnieniem wpływu strategii rozmieszczania naziemnych punktów kontrolnych (GCP). Badania analizują, jak różne konfiguracje GCP wpływają na precyzję produktów fotogrametrycznych. Porównując dane wyjściowe z trzech różnych modeli UAV, badanie podkreśla łączny wpływ rozmieszczenia GCP i specyfikacji technicznych UAV na dokładność uzyskanych danych. Odkrycia wskazują, że strategiczne rozmieszczenie GCP może znacząco poprawić jakość i precyzję danych fotogrametrycznych. Ponadto, wybór platformy UAV znacząco wpływa na rozdzielczość i wydajność przetwarzania. Niniejsze badanie podkreśla kluczową rolę starannego rozmieszczenia punktów GCP w procesie fotogrametrii bezzałogowych statków powietrznych (UAV) dla zapewnienia niezawodności generowanych produktów. Optymalne rozmieszczenie punktów GCP jest niezbędne do uzyskania dokładnej georeferencji i minimalizacji błędów wynikających z niedokładności GPS, zniekształceń obiektywu i niewystarczającego nakładania się obrazów. Badania przyczyniają się do głębszego zrozumienia, jak znaleźć równowagę między precyzją a wydajnością w fotogrametrii bezzałogowych statków powietrznych (UAV) poprzez analizę kompromisów związanych z różnymi strategiami rozmieszczania punktów GCP. Te spostrzeżenia są szczególnie cenne dla praktyków dążących do optymalizacji rezultatów projektu, uwzględniając jednocześnie ograniczenia budżetowe i wymagania dotyczące dokładności.

Słowa kluczowe

EN

photogrammetry; UAV; ground control points; accuracy assessment; GCP; DEM; unmanned aerial vehicle; digital elevation model

PL

fotogrametria; bezzałogowy statek powietrzny; UAV; punkty kontrolne naziemne; GCP; numeryczny model terenu; DEM; ocena dokładności

• Wydawca: Wydawnictwo Uniwersytetu Rolniczego w Krakowie
• Czasopismo: Geomatics, Landmanagement and Landscape
• Rocznik: 2025
• Tom: no. 3
• Strony: 23--38
• Opis fizyczny: Bibliogr. 27 pzo., rys., tab.

Twórcy

autor

Ceglarek Jakub

• Faculty of Geographic and Geological Sciences, Adam Mickiewicz University in Poznań

• https://orcid.org/0000-0003-0444-7072

autor

Kamieniczny Marcin

• Faculty of Geographic and Geological Sciences, Adam Mickiewicz University in Poznań

• https://orcid.org/0009-0004-8057-5134

Bibliografia

• Agüera-Vega F., Carvajal-Ramírez F., Martínez-Carricondo P. 2017. Assessment of photogrammetric mapping accuracy based on variation ground control points number using unmanned aerial vehicle. Measurement, 98, 221–227. https://doi.org/10.1016/j.measurement.2016.12.002
• Almagro A. 2002. Simple methods of photogrammetry: easy and fast. https://www.academia. edu/92063140/Simple_Methods_of_Photogrammetry_Easy_and_Fast
• Amami M., Elmehdwi A., Borgaa A., Buker A., Alareibi A. 2022. Investigations into utilizing ow-cost amateur drones for creating ortho-mosaic and digital elevation model. International Research Journal of Modernization in Engineering Technology and Science. March, 4(3), 2107‒2118.
• Beretta F. et al. 2018. Topographic modelling using UAVs compared with traditional survey methods in mining. REM-Int. Eng. J., 71(3), 463–470. https://doi.org/10.1590/0370-44672017710074
• Briggs R., Thibault C., Mingo L. 2018. Usage of unmanned aerial vehicles for iceberg surveying and monitoring – Preliminary results. In: Proc. OTC Arctic Technol. Conf., 28–29 March 2018. https://doi.org/10.4043/29132-MS
• Colomina I., Molina P. 2014. Unmanned aerial systems for photogrammetry and remote sensing: A review. ISPRS J. Photogramm. Remote Sens., 92, 79–97. https://doi.org/10.1016/j.isprsjprs.2014.02.013
• Forte A. et al. 2025. Geomatics and metaverse for lost heritage sites documentation and dissemination: The case study of Palmyra Roman Theatre (Syria). Virtual Archaeol. Rev., 16(32), 85–99. https://doi.org/10.4995/var.2024.21662
• Iglhaut J. et al. 2019. Structure from motion photogrammetry in forestry: A review. Curr. For. Rep., 5, 155–168. https://doi.org/10.1007/s40725-019-00094-3
• Karnchanapayap G., Somboon P. 2024. Revolutionizing art exhibitions: Photogrammetry’s role in virtual reality experiences. Humanit. Arts Soc. Sci. Stud., 825–837. https://doi.org/10.69598/hasss.24.3.267821
• Kovanič Ľ. et al. 2023. Review of photogrammetric and lidar applications of UAV. Appl. Sci., 13(11), 6732. https://doi.org/10.3390/app13116732
• Lawrence I., Agnishwar J., Vijayakumar R. 2023. Drone technology in agriculture for surveillance and inspection. Eur. Chem. Bull., 12 (special issue), 1253–1263. https://doi.org/10.48047/ecb/2023.12.si12.113
• Lee E. et al. 2024. Enhancement of low-cost UAV-based photogrammetric point cloud using MMS point cloud and oblique images for 3D urban reconstruction. Measurement, 226, 114158. https://doi.org/10.1016/j.measurement.2024.114158
• Madawalagama S. et al. 2016. Low cost aerial mapping with consumer-grade drones. In: Proceedings of the 37th Asian Conference Remote Sensing, Colombo, Sri Lanka, 17‒21 October 2016.
• Molnar A.N.D., Domozi Z.S., 2016. Volume analysis of surface formations on the basis of aerial photographs taken by drones. Int. J. Signal Process. Image Process. Pattern Recognit., 1, 152–159.
• Nesbit P.R., Hugenholtz C.H. 2019. Enhancing UAV – SfM 3D model accuracy in high-relief landscapes by incorporating oblique images. Remote Sens., 11(3), 239.
• Oniga V.-E., Breaban A.-I., Statescu F. 2018. Determining the optimum number of ground control points for obtaining high precision results based on UAS images. Proceedings, 2(7). https://doi.org/10.3390/ecrs-2-05165
• Sanz-Ablanedo E. et al. 2018. Accuracy of unmanned aerial vehicle (UAV) and SfM photogrammetry survey as a function of the number and location of ground control points used. Remote Sens., 10(10), 1606. https://doi.org/10.3390/rs10101606
• Suh J., Choi Y. 2017. Mapping hazardous mining-induced sinkhole subsidence using unmanned aerial vehicle (drone) photogrammetry. Environ. Earth Sci., 76, 1–12. https://doi.org/10.1007/s12665-017-6458-3
• Štroner M. et al. 2021. Photogrammetry using UAV-mounted GNSS RTK: Georeferencing strategies without GCPs. Remote Sens., 13(7), 1336. https://doi.org/10.3390/rs13071336
• Zhong H. et al. 2025. Influence of ground control point reliability and distribution on UAV photogrammetric 3D mapping accuracy. Geo-Spat. Inf. Sci., 1–21.
• https://doi.org/10.1080/10095020.2025.2451204
• https://doi.org/10.3390/rs11030239
• www.dji.com
• www.agisoft.com
• www.geoportal.gov.pl
• www.amd.com
• www.nvidia.com