Original Title: A FAST TOPOGRAPHIC MAPPING SYSTEM BASED ON PANORAMIC VISION FOR NEAR REGION TERRAIN CORRECTION IN REGIONAL GRAVITY SURVEY
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ប្រព័ន្ធគូសផែនទីឋានលេខាលឿនរហ័សផ្អែកលើចក្ខុវិស័យទេសភាព សម្រាប់ការកែតម្រូវផ្ទៃដីតំបន់ជិត ក្នុងការស្ទង់ទំនាញផែនដីថ្នាក់តំបន់

ចំណងជើងដើម៖ A FAST TOPOGRAPHIC MAPPING SYSTEM BASED ON PANORAMIC VISION FOR NEAR REGION TERRAIN CORRECTION IN REGIONAL GRAVITY SURVEY

អ្នកនិពន្ធ៖ Kaichang Di (Institute of Remote Sensing Applications, Chinese Academy of Sciences), Kai Wu, Zhaoqin Liu, Wenhui Wan, Zhizhong Di, Gang Li

ឆ្នាំបោះពុម្ព៖ Unspecified (c. 2011)

វិស័យសិក្សា៖ Geophysics and Remote Sensing

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ នៅក្នុងការស្ទង់ទំនាញផែនដីថ្នាក់តំបន់ ការកែតម្រូវផ្ទៃដីតំបន់ជិត (Near region terrain correction) មានសារៈសំខាន់ណាស់ ប៉ុន្តែវិធីសាស្ត្រប្រពៃណីដូចជាការវាស់វែងផ្ទាល់នៅទីវាលត្រូវចំណាយពេលយូរ និងប្រើកម្លាំងពលកម្មច្រើន។ ឯកសារនេះផ្តោតលើការដោះស្រាយបញ្ហាប្រឈមក្នុងការបង្កើតទម្រង់ផ្ទៃដីដែលមានគុណភាពខ្ពស់ និងលឿនរហ័សនៅជិតស្ថានីយស្ទង់ទំនាញផែនដី។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានរចនា និងអភិវឌ្ឍប្រព័ន្ធគូសផែនទីឋានលេខាលឿនរហ័ស ដោយប្រើប្រាស់បច្ចេកវិទ្យាចក្ខុវិស័យទេសភាពស្តេរ៉េអូ (Panoramic Stereo Vision) និងបច្ចេកទេសវាស់វែងរូបថត (Photogrammetry)។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Panoramic Stereo Vision Mapping System
ប្រព័ន្ធគូសផែនទីប្រើចក្ខុវិស័យទេសភាពស្តេរ៉េអូ (ប្រព័ន្ធស្នើឡើង)
ចំណាយពេលតិចបំផុត (៦០វិនាទីសម្រាប់ការថត និង ៣៥វិនាទីសម្រាប់ដំណើរការទិន្នន័យ) អាចបង្កើតគំរូ DEM ដោយស្វ័យប្រវត្តិ និងប្រមូលចំណុច 3D បានច្រើននិងក្រាស់។ ទាមទារការកែសម្រួលដោយដៃខ្លះៗនៅតំបន់ដែលមានដើមឈើក្រាស់ ហើយភាពត្រឹមត្រូវអាចធ្លាក់ចុះបន្តិចនៅតំបន់មានជម្រាលខ្លាំងដោយសារការបាំង (Occlusions)។ សម្រេចបានកម្រិតលម្អៀង (RMSE) ០.៤៦ម៉ែត្រ (ដីរាប) និង ០.៨៤ម៉ែត្រ (ដីជម្រាល) ដែលបំពេញលក្ខខណ្ឌភាពត្រឹមត្រូវក្រោម ១ម៉ែត្រ ក្នុងចម្ងាយ ៥០ម៉ែត្រ។
Traditional Field Surveying (Total Station)
ការវាស់វែងនៅទីវាលតាមបែបប្រពៃណី (ប្រើ Total Station)
ផ្តល់ភាពត្រឹមត្រូវខ្ពស់សម្រាប់ចំណុចនីមួយៗដែលបានវាស់វែងផ្ទាល់ និងជាវិធីសាស្ត្រស្តង់ដារដែលគេទទួលស្គាល់។ ចំណាយពេលវេលាយូរខ្លាំង ត្រូវការកម្លាំងពលកម្មច្រើន និងពិបាកអនុវត្តនៅតំបន់ដែលមានស្ថានភាពស្មុគស្មាញ។ ផ្តល់ចំណុច 3D តិចជាងប្រព័ន្ធថ្មី ដែលធ្វើឱ្យភាពត្រឹមត្រូវជារួមនៃទម្រង់ផ្ទៃដី (DEM) មានកម្រិតទាបជាង និងមិនសូវលម្អិត។

ការចំណាយលើធនធាន (Resource Cost)៖ ប្រព័ន្ធនេះទាមទារនូវការបំពាក់ឧបករណ៍រឹង (Hardware) សមរម្យ និងកុំព្យូទ័រយួរដៃដែលមានសមត្ថភាពមធ្យមសម្រាប់ការទាញយករូបភាព និងដំណើរការទិន្នន័យ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើតេស្តនៅតំបន់ Ming Tombs ជាយក្រុងប៉េកាំង ប្រទេសចិន ដែលមានស្ថានភាពដីរាបស្មើ និងជម្រាល។ ការប្រើប្រាស់ទិន្នន័យតេស្តនៅតំបន់នេះបញ្ជាក់ពីប្រសិទ្ធភាពប្រព័ន្ធមែន ប៉ុន្តែសម្រាប់ប្រទេសកម្ពុជា វាចាំបាច់ត្រូវធ្វើតេស្តបន្ថែមនៅតំបន់ដែលមានព្រៃក្រាស់ (ឧទាហរណ៍៖ តំបន់ជួរភ្នំក្រវាញ) ព្រោះឯកសារបានបញ្ជាក់ថាប្រព័ន្ធនេះត្រូវការការកែសម្រួលដោយដៃនៅតំបន់ដែលមានដើមឈើច្រើនដើម្បីស្វែងរកផ្ទៃដីពិត (Bare-earth)។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ប្រព័ន្ធនេះពិតជាមានសក្តានុពលខ្ពស់ និងអាចយកមកអនុវត្តនៅប្រទេសកម្ពុជា ជាពិសេសសម្រាប់ការស្ទង់ធនធានរ៉ែ និងការអភិវឌ្ឍន៍ហេដ្ឋារចនាសម្ព័ន្ធ។

ការប្រើប្រាស់បច្ចេកវិទ្យានេះនឹងជួយស្ថាប័នពាក់ព័ន្ធនៅកម្ពុជាសន្សំសំចៃពេលវេលា និងថវិកាជាច្រើនសម្រាប់ការរុករកភូគព្ភសាស្ត្រ និងការស្រាវជ្រាវផ្ទៃដី។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាមូលដ្ឋានគ្រឹះនៃ Photogrammetry និង 3D Computer Vision: និស្សិតត្រូវស្វែងយល់ពីទ្រឹស្តីកាមេរ៉ា ការក្រិតកាមេរ៉ា (Camera Calibration) និងការផ្គូផ្គងស្តេរ៉េអូ (Stereo Matching) ដោយប្រើប្រាស់បណ្ណាល័យកូដដូចជា OpenCV និង Python
  2. រៀបចំឧបករណ៍ និងបង្កើតប្រព័ន្ធសាកល្បង (Hardware Prototype Setup): ទិញកាមេរ៉ាធម្មតាចំនួនពីរ និងម៉ូទ័រវិល (Rotary motor) ភ្ជាប់ជាមួយ ArduinoRaspberry Pi ដើម្បីបង្កើតប្រព័ន្ធថតរូបទេសភាពស្តេរ៉េអូខ្នាតតូចសម្រាប់សាកល្បងនៅក្នុងបន្ទប់ពិសោធន៍។
  3. អភិវឌ្ឍកម្មវិធីដំណើរការទិន្នន័យ (Data Processing Pipeline): សរសេរកូដដើម្បីទាញយករូបភាពនិងបង្កើតចំណុចពពក (3D Point Cloud) បន្ទាប់មកអនុវត្តក្បួនដោះស្រាយដូចជា Kriging Interpolation ដើម្បីបង្កើតគំរូ DEM
  4. អនុវត្តក្បួនដោះស្រាយចម្រោះចំណុចពពក (Point Cloud Filtering): ប្រើប្រាស់ PCL (Point Cloud Library) ដើម្បីលុបចំណុចរំខាន (Blunders) និងវត្ថុលើដីដូចជាដើមឈើនិងអាគារ ដើម្បីទទួលបានទម្រង់ផ្ទៃដីពិត (Bare-earth terrain) សម្រាប់តំបន់នៅកម្ពុជា។
  5. ធ្វើតេស្តនៅទីវាល និងប្រៀបធៀបលទ្ធផល (Field Testing): យកប្រព័ន្ធទៅសាកល្បងនៅតំបន់ជាក់ស្តែង (ឧទាហរណ៍៖ ភ្នំឧដុង្គ ឬឧទ្យានជាតិគិរីរម្យ) រួចប្រៀបធៀបទិន្នន័យ ដែលទទួលបានជាមួយទិន្នន័យពី Total StationRTK GPS ដើម្បីវាស់ស្ទង់ភាពត្រឹមត្រូវ និងធ្វើឱ្យប្រព័ន្ធកាន់តែប្រសើរ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Terrain correction នៅក្នុងការស្ទង់ទំនាញផែនដី ទម្រង់រដិបរដុបនៃផ្ទៃដី (ដូចជាភ្នំ ឬជ្រលង) ធ្វើឱ្យមានការប្រែប្រួលដល់រង្វាស់ទំនាញផែនដី។ ការកែតម្រូវនេះគឺជានីតិវិធីគណិតវិទ្យាដើម្បីលុបបំបាត់ឥទ្ធិពលនៃកម្ពស់ដីទាំងនោះចេញពីរង្វាស់ ដើម្បីទទួលបានតម្លៃពិតប្រាកដនៃរចនាសម្ព័ន្ធក្រោមដី។ ដូចជាការថ្លឹងទម្ងន់ខ្លួនឯងពេលកំពុងពាក់ស្បែកជើងធ្ងន់ ហើយយើងដកទម្ងន់ស្បែកជើងនោះចេញតាមការគណនា ដើម្បីដឹងទម្ងន់ខ្លួនពិតប្រាកដ។
Panoramic stereo vision បច្ចេកវិទ្យាប្រើប្រាស់កាមេរ៉ាពីរ (ស្តេរ៉េអូ) ថតរូបភាពព្រមគ្នាពីមុំបន្តិចបន្ទួចខុសគ្នា ហើយបង្វិលជុំវិញខ្លួន ៣៦០ដឺក្រេ ដើម្បីផ្តិតយករូបភាពទេសភាពជុំវិញ។ រូបភាពទាំងនេះត្រូវបានប្រើដើម្បីគណនាជម្រៅ និងកសាងទម្រង់ 3D នៃបរិស្ថានជុំវិញ។ ដូចជាភ្នែកទាំងពីររបស់មនុស្សយើងសម្លឹងមើលទៅមុខដើម្បីដឹងថាវត្ថុនៅជិតឬឆ្ងាយ រួចងាកក្បាលមើលជុំវិញខ្លួនទើបអាចដឹងពីទីតាំងវត្ថុទាំងអស់នៅជុំវិញខ្លួនយើងជារាង 3D។
Digital elevation model (DEM) ជាតំណាងទម្រង់ផ្ទៃដីជាទម្រង់ 3D ក្នុងកុំព្យូទ័រ ដែលបង្ហាញពីកម្ពស់នៃដីសុទ្ធ (មិនរាប់បញ្ចូលដើមឈើ ឬអគារ) នៅគ្រប់ចំណុចកូអរដោនេ ដោយប្រើទិន្នន័យក្រឡាចត្រង្គ (Grid)។ ដូចជាការយកសន្លឹកកៅស៊ូមកគ្របពីលើទម្រង់ដីខ្សាច់សិប្បនិម្មិត ដើម្បីបង្ហាញពីទួល និងរណ្តៅកម្ពស់ទាបខ្ពស់យ៉ាងច្បាស់លាស់។
Camera calibration គឺជាដំណើរការគណនាស្វែងរកកំហុសផ្នែកអុបទិក និងលក្ខណៈពិតរបស់ឡេនកាមេរ៉ា (ដូចជាប្រវែងប្រសព្វ និងការកោងនៃរូបភាព) ដើម្បីកែតម្រូវរូបភាពដែលថតបានឱ្យមានភាពត្រឹមត្រូវខ្ពស់មុននឹងយកទៅវាស់វែងកូអរដោនេ 3D។ ដូចជាការតម្រង់ទិសកាំភ្លើង ឬតម្រឹមកែវយឺតឱ្យចំគោលដៅ និងច្បាស់ល្អ មុននឹងចាប់ផ្តើមបាញ់ ឬសង្កេតមើលរូបភាព។
Point cloud filtering ក្បួនដោះស្រាយសម្រាប់សម្អាតទិន្នន័យចំណុច 3D រាប់លាន ដែលបានមកពីការថតរូប ដោយបំបាត់ចោលនូវចំណុចខុសឆ្គង (Blunders) និងចំណុចដែលតំណាងឱ្យវត្ថុលើដី (ដូចជាស្លឹកឈើ ឬឡាន) ដើម្បីនៅសល់តែផ្ទៃដីពិត។ ដូចជាការរែងខ្សាច់ដើម្បីយកគ្រួស ឬកម្ទេចកំទីធំៗចេញ ទុកតែសាច់ខ្សាច់ម៉ដ្ឋល្អដែលតំណាងឱ្យផ្ទៃដីពិតៗ។
Kriging interpolation ជាវិធីសាស្ត្រស្ថិតិសម្រាប់ប៉ាន់ស្មានតម្លៃកម្ពស់នៅទីតាំងដែលយើងមិនមានទិន្នន័យ ដោយផ្អែកលើទិន្នន័យចំណុចកម្ពស់ដែលនៅជុំវិញវា ដើម្បីបង្កើតផ្ទៃដីជាប់គ្នាគ្មានចន្លោះក្នុងការគូសផែនទី។ ដូចជាការទស្សន៍ទាយសីតុណ្ហភាពនៅទីក្រុងមួយ ដោយមើលទៅលើសីតុណ្ហភាពនៃទីក្រុងទាំងបួនដែលនៅជុំវិញវា។
Space resection with collinearity equations ជាសមីការគណិតវិទ្យាក្នុងការវាស់វែងរូបថត (Photogrammetry) ដែលកំណត់ថា ចំណុចនៅលើដីពិត ចំណុចកណ្តាលនៃឡេនកាមេរ៉ា និងចំណុចនៅលើរូបភាព ត្រូវតែស្ថិតនៅលើបន្ទាត់ត្រង់តែមួយ។ វាប្រើដើម្បីរកទីតាំងពិតរបស់កាមេរ៉ាពេលកំពុងថត។ ដូចជាការចងខ្សែអំបោះត្រង់តឹងពីភ្នែករបស់អ្នក កាត់តាមរន្ធតូចមួយនៃបង្អួច ទៅចំវត្ថុមួយនៅខាងក្រៅ។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖