เป็นช่วงเวลาที่ยุ่งมากในสองสามเดือนที่ผ่านมานี้ ในเรื่องเกี่ยวกับ UAVs โครงการ GNSS ความแม่นยำสูง และ GIS ประกอบกับมีการประชุมเชิงปฏิบัติการต่างๆเข้ามาแทรกในช่วงนั้นด้วย เทคโนโลยี GNSS และ UAV ความแม่นยำสูงกำลังเป็นที่น่าสนใจอย่างมาก
UAVs: ที่ผลิตโดยผู้บริโภค (Prosumer) และการทำแผนที่บนทางลาดชัน
เห็นได้ชัดว่า UAVs สำหรับผู้ใช้งานทั่วไป (Consumer) ได้รับความสนใจอย่างมาก ในกลุ่มตลาดอุปกรณ์อิเล็กทรอนิกส์ห้าปีที่ผ่านมา ตั้งแต่สำนักงานบริหารการบินแห่งชาติ (FAA) เริ่มให้ UAVs ลงทะเบียนในปลายปี พ.ศ. 2558 ในปัจจุบัน UAVs กว่าเจ็ดแสนลำได้ทำลงทะเบียนกับ FAA แล้ว ซึ่งมีจำนวนมากกว่าอากาศยานที่มีคนขับถึงสามแสนสองหมื่นลำ
ในความเป็นจริง จำนวนที่อากาศยานไร้คนขับ UAVs ลงทะเบียนมีมากกว่าจำนวนการจดทะเบียนของอากาศยานที่มีคนขับมานานแล้ว (มากกว่าหนึ่งปีที่ผ่านมา) FAA รายงานว่า ณ จุดใดจุดหนึ่งในระหว่างวัน มีอากาศยานที่มีคนขับบินอยู่เหนือน่านฟ้าอเมริกาถึงเจ็ดพันลำ นั่นชวนให้เราสงสัยว่า มีอากาศยานไร้คนขับกี่ลำที่กำลังบินอยู่เหนือศีรษะเราตรงจุดที่เราอยู่ในเวลานั้น? ไม่มีใครตอบคำถามนี้ได้
อาศัยความช่วยเหลือจากผู้บริโภค หลักๆของ UAVs ที่ใช้ในสหรัฐอเมริกาเป็นการใช้ในโลกการค้าเสียมากกว่า ตั้งแต่เดือน สิงหาคม พ.ศ. 2559 FAA อนุญาตให้ใครก็ตามสามารถบิน UAVs เพื่อธุรกิจได้ ($150 และตอบ 42 ข้อได้ถูกต้องจาก 60 คำถาม) บริษัทจำนวนมากมายกำลังซื้อ UAVs ที่ “ผู้บริโภคผลิตเอง” และใช้ประโยชน์มากมายจากพวกมัน
อุปกรณ์อิเล็กทรอนิกส์ที่ผู้บริโภคผลิตขึ้นเองเป็นอุปกรณ์และซอฟต์แวร์ที่มีเป้าหมายอยู่ที่ตลาดผู้บริโภคและยังมีคุณภาพมากพอที่จะนำมาใช้ในธุรกิจ ตลาดอากาศยานไร้คนขับคือตัวอย่างที่ดีที่สุดในเรื่องนี้ DJI เป็นบริษัทผู้ผลิตอากาศยานไร้คนขับที่ใหญ่ที่สุดในโลก รายได้อยู่กว่าหนึ่งพันล้านเหรียญสหรัฐต่อปี เป้าหมายอยู่ที่ตลาดผู้บริโภคเป็นหลักและขายอากาศยานไร้คนขับประสิทธิภาพระดับล่าง กลาง และ ระดับสูง ให้กับธุรกิจต่างๆ เป็นจำนวนมาก ลองคิดดูซิ คุณสามารถซื้อ DJI Phantom 4 Pro ได้ที่ร้าน Apple Store และ ในวันต่อมาสามารถสร้างแผนที่ชั้นความสูง (Elevation contours) สำหรับไซต์งานได้
ต่อมาคือตัวอย่างของโรงงานกระดาษที่ผมได้บินมาเมื่อสองสามสัปดาห์ที่ผ่านมา ผมบินน้อยกว่าหนึ่งชั่วโมง (ได้พื้นที่ 50 acres) ทำให้ได้ภาพออร์โทที่ความละเอียด 2.4 cm/pixel และแบบจำลองความสูงเชิงเลข (DEM) ที่ความละเอียด 4.79 cm/pixel
รูปภาพที่ 1 แสดงให้เห็นถึงภาพออร์โทที่ความละเอียด 2.4 cm/pixel กับพื้นที่ 50 acres
รูปภาพที่ 2 แบบจำลองความสูงเชิงเลขที่ความละเอียด 4.79-Cm/pixel ในการบินเดียวกัน
รูปภาพที่ 3 ภาพซูมใกล้แบบจำลองความสูงเชิงเลข (DEM) เดียวกัน
ฐานข้อมูลรายละเอียดข้างต้น ผลิตขึ้นจากอากาศยานไร้คนขับในระดับราคา $1,500 ที่ให้ความชัดเจนอย่างมาก อย่างไรก็ดี จุดประสงค์ของโครงการใช้เพื่อกำหนดปริมาณของคลังสินค้าจำนวนมาก ซึ่งผมยังไม่ได้คำนวณออกมา แต่หากปริมาณที่คำนวณได้ใกล้เคียงกับวิธีการที่ใช้วัดที่อยู่บนพื้นดินแบบเดิม ผลตอบแทนการลงทุน (ROI) กับอากาศยานไร้คนขับก็ยากที่จะโต้แย้งได้
เพื่อทำการวัดคลังสินค้าทั้งหมดในเขตไซต์งานด้วยการใช้เครื่องมือวัดพื้นดินแบบเดิมใช้เวลา14 ชั่วโมงในแต่ละเดือน อีกทั้ง การวัดต้องทำการในวันสุดสัปดาห์เมื่อกิจกรรมของไซต์มีน้อย เปรียบเทียบกับใช้เวลาบินไม่ถึงหนึ่งชั่วโมงเพื่อครอบคลุมไซต์งานทั้งหมด และผมได้ทำการบินสองครั้ง (ครั้งที่ 1 ทิศตะวันตกไปทิศตะวันออก ซ้อนทับกัน 80/80 และ ครั้งที่ 2 ทิศเหนือไปทิศใต้ ซ้อนทับกัน 70/70) เพื่อทำให้แน่ใจว่ามีฐานข้อมูลเพียงพอ ผมใช้เวลาขับรถ 1.5 ชั่วโมงไปยังไซต์งาน ทำไมถึงจะไม่ใช้เวลาอีก 20 นาที เพื่อบินมันไปในทิศทางตั้งฉาก?
ณ ช่วงเวลานั้น ผมเพิ่งบินเฉพาะบนพื้นที่ราบ เช่น ไซต์งานก่อสร้าง พื้นที่เกษตร และไซต์งานอุตสาหกรรม จนกระทั่งสองสัปดาห์ที่แล้ว ในขณะที่รู้สึกคุ้นชินขึ้นบ้างกับการบินในที่กว้างและพื้นที่ราบมากกว่า 18 เดือนที่ผ่านมา ผมไม่กล้าบินเข้าไปในไซต์งานที่มีการเปลี่ยนแปลงระดับความสูงมากและมีเรือนยอดไม้ (tree canopy) ในที่สุดผมทำได้เมื่อต้นเดือนนี้ และมันเป็นทั้งความท้าทายและภูมิใจ มีปัญหาสองสามประการสำหรับไซต์งานที่มาพร้อมกับการเปลี่ยนแปลงระดับความสูงมากและมีเรือนยอดไม้ (tree canopy)
-
คงระดับไว้ที่สายตามองเห็น (VLSO) ตามที่ FAA กำหนด
-
บินในวิธีการซึ่งซอฟต์แวร์ประมวลผลภาพมีฐานข้อมูลที่ดีและมีคุณภาพที่จะทำงานได้ เพื่อให้คุณสามารถสร้างผลิตภัณฑ์ที่คุณต้องการได้
การวางแผนภารกิจ/การควบคุม ซอฟต์แวร์แสดงบทบาทสำคัญในกระบวนการนี้ โดยปกติแล้ว ภารกิจการวางแผน/การควบคุม มันต้องการให้คุณบินในความสูงที่สม่ำเสมอเหนือพื้นดินดังนั้นการซ้อนทับกันของคุณจึงสอดคล้องกัน เรื่องนี้เป็นเรื่องที่ยากกับการทำให้สำเร็จหากคุณกำลังบินในไซต์งานที่มีการเปลี่ยนแปลงระดับความสูง ในกรณีนั้น พวกเขามักจะบอกคุณให้ปล่อยจากจุดที่สูงที่สุด (หรือใกล้กับจุดที่สูงที่สุด) และบินในระดับความสูงนั้น
ปัญหานี้เป็นสาเหตุที่ว่าคุณสามารถจบการบินที่ 500, 600 หรือ 700 ฟุตเหนือระดับพื้นดิน (AGL: Above Ground Level) ยกตัวอย่าง หากคุณกำลังบินบนไซต์งานด้วยความสูงที่เปลี่ยนแปลง 500 ฟุต และคุณสั่งแผน/ควบคุม ภารกิจด้วยซอฟต์แวร์ให้บินที่ 350 ฟุต AGL บางจุดในโครงการ UAV จะอยู่ที่ 850 ฟุต AGL นั่นจะเป็นปัญหาทั้งจากมุมมองด้านกฎระเบียบและมุมมองการประมวลผลภาพ (FAA ยอมให้ UAV บินสูงได้ถึง 400 ฟุต AGL)
โชคดีที่ ซอฟต์แวร์ภารกิจการวางแผน/การควบคุมที่ผมใช้เพียงแค่เพิ่มคุณลักษณะการคำนึงถึงลักษณะภูมิประเทศ Terrain Awareness มันใช้ฐานข้อมูล SRTM (ภารกิจเรดาร์รับส่งภูมิประเทศ)
โชคดีที่ว่า ซอฟต์แวร์ภารกิจการวางแผน/การควบคุมที่ผมใช้เพียงแค่สั่งคุณลักษณะการคำนึงถึงลักษณะภูมิประเทศ มันใช้ฐานข้อมูลระดับความสูง SRTM (Shuttle Radar Topography Mission) ได้รับข้อมูลความสูงของจุดภาพ (pixel) 30 เมตร ดังนั้นแต่ละบล็อคความสูงจะอยู่ที่ 30 x 30 เมตร ผมสงสัยว่าความละเอียดนี้สูงพอหรือไม่ ไซต์งานที่ผมกำลังจะบินไปมีขนาดพื้นที่เพียง 60 acres เท่านั้นและมีความสูงที่เปลี่ยนแปลง 550 ฟุต ต้นไม้ในพื้นที่ได้รับการเก็บเกี่ยวไปแล้ว ดังนั้นผืนดินจึงค่อนข้างเห็นได้ชัดเจน มีแค่ประมาณ 550 ฟุตที่แตกต่างไปจากจุดเริ่มต้นที่คาดการณ์ไว้ (จุดสีม่วง) ไปทางเหนือและมาจบทางตะวันตกของไซต์งาน ต่อไปนี้เป็นภารกิจที่วางแผนไว้สำหรับไซต์งานที่ผมจะบิน
รูปภาพที่ 4 แสดงให้เห็นไซต์งานขนาด 60 acre พร้อมกับความสูงที่เปลี่ยนแปลง 550 ฟุต
เพื่อให้คุณเข้าใจเกี่ยวกับทางลาดชัน เส้นทึบสีแดงในภาพต่อไปเป็นแนวเส้นชั้นความสูงที่ 100 ฟุต และสามเหลี่ยมสีเขียวเป็นจุดที่คาดว่าจะปล่อย UAV จุดนี้เป็นจุดปล่อยที่ดีมากเพราะสามารถเห็นพื้นที่ทั้งหมดและคงระดับไว้ที่สายตามองเห็น
รูปภาพที่ 5 แสดงถึงไซต์งาน จุดที่คาดว่าจะปล่อย UAV
ผมเลือกที่จะบินในภารกิจที่ 300 ฟุต AGL ผมคิดว่ามันน่าจะสูงพอหากมี “ทางลาดชัน (Slope)” อยู่บ้างในแบบจำลองความสูง SRTM อย่างไรก็ตามผมกังวลเกี่ยวกับความละเอียดของข้อมูล SRTM เพราะว่าที่ความสูง 300 ฟุต AGL อากาศยานไร้คนขับของผมจะต้องบินต่ำกว่าระดับความสูงที่จุดเริ่มต้น เนื่องจากไซต์งานมีระดับความสูงที่เปลี่ยนแปลงมาก ควรจะระลึกไว้ว่า คุณลักษณะการคำนึงถึงความสูงในภารกิจ ซอฟต์แวร์การวางแผน/การควบคุม จะขึ้นกับข้อมูลความสูง SRTM และไม่ได้ขึ้นกับเซนเซอร์ใดๆ สำหรับอากาศยานไร้คนขับ หากฐานข้อมูลความสูง SRTM ไม่ถูกต้อง อากาศยานไร้คนขับของผมอาจจะตกลงสู่พื้น
ต่อไปนี้คือข้อมูลความสูง SRTM พร้อมกับข้อมูลเส้นทางบินที่แสดงในซอฟต์แวร์การวางแผน/การควบคุม
รูปภาพที่ 6 แสดงให้เห็นเส้นทางบินอากาศยานไร้คนขับที่อยู่บนพื้นฐานของข้อมูลความสูง SRTM
ช่วงเวลาแห่งความจริงก็มาถึงในขณะที่ผมปล่อยอากาศยานไร้คนขับจากจุดเริ่มต้น (จุดสีม่วง) และเฝ้าดูมันขึ้นไปที่ 300 ฟุต AGL เพื่อเริ่มต้นภารกิจ สองสามแนวแรกไม่มีเหตุการณ์ใดๆ หลังจากนั้น มันก็เริ่มบินเข้าไปที่หุบเขา ตามความสูงที่ได้ทำโปรแกรมไว้ แล้วบินสูงขึ้นจากหุบเขาในระหว่างที่ผ่านไปแต่ละแห่ง มันเป็นสิ่งที่สวยงามกับการเฝ้าดู
โชคไม่ดี ประมาณ 70 เปอร์เซ็นต์ของการบินผ่านภารกิจ ฝนเริ่มตก ดังนั้นเราจึงสั่งยกเลิก อย่างไรก็ตาม เราได้พิสูจน์แล้วว่าอย่างน้อยสี่ไซต์งานที่ผมบินในวันนั้น ข้อมูล SRTM และคุณลักษณะการให้ความรู้เกี่ยวกับภูมิประเทศมีประสิทธิภาพในการรวบรวมข้อมูลในสภาพแวดล้อมที่ลาดชัน ต่อไปนี้คือภาพออร์โทขนาด 2.69 cm/pixel ที่ผลิตขึ้นจากการบิน
รูปภาพที่ 7 ภาพออร์โทขนาด 2.69 cm/pixel
ภาพต่อไป เป็นภาพขยาย ณ จุดปล่อยอากาศยานไร้คนขับ
รูปภาพที่ 8 ภาพขยายของภาพออร์โท
และ ภาพแบบจำลองความสูงเชิงเลข 5.37 cm/pixel ที่สร้างจากข้อมูลการบิน
รูปภาพที่ 9 ภาพขยายขนาด5.37 cm/pixel ของแบบจำลองความสูงเชิงเลข
ภาพขยายแบบจำลองความสูงเชิงเลข 5.37 cm/pixel
รูปภาพที่ 10 ภาพขยายขนาด 5.37 cm จากแบบจำลองความสูงเชิงเลข ณ จุดปล่อยอากาศยานไร้คนขับ
ภารกิจประสบผลสำเร็จ ในการพิสูจน์ว่าข้อมูลความสูง SRTM เพียงพอที่จะบินภารกิจ AGL ที่มีความเปลี่ยนแปลง (Dynamic AGL) มันสามารถรับมือกับแนวลาดชันได้ ด้วยการรักษาระดับความสูงแบบ AGL อย่างเหมาะสมดังที่ผมหวังไว้ แม้ว่าบล็อคความสูงจะมีความละเอียดที่ 30 x 30 เมตรเท่านั้น ซอฟต์แวร์ประมวลผลภาพจะดูเหมือนข้อมูลจากอากาศยานไร้คนขับ ตามที่คุณมองเห็นผลลัพธ์จากด้านบน ผมไม่ได้ใช้เวลาดำเนินการใด ๆ เพิ่มเติมนอกเหนือจากสิ่งที่ผมมักใช้เพื่อสร้างผลิตภัณฑ์เหล่านี้
ผมมีอาการสะอึกกับภารกิจใช้ซอฟต์แวร์ การทำแผน/ควบคุม ที่ใช้กับ iPad Mini2 มันกลับกลายว่าคุณลักษณะการรับรู้ข้อมูลภูมิประเทศของการวางแผน/ควบคุม ต้องใช้ CPU เพิ่มขึ้น – ซอฟต์แวร์กินทรัพยากรมากจนทำให้ iPad Mini2 ของผมใช้การไม่ได้ไปครั้งหนึ่งในระหว่างภารกิจ อากาศยานไร้คนขับยังคงบินต่อไปในทิศทางที่กำหนดไว้ต่อไป แต่มันหยุดการถ่ายภาพในขณะที่ซอฟต์แวร์หยุดการทำงาน ดังนั้นผมจึงนำมันกลับไปยังจุดปล่อยอีกครั้ง
หลังจากเข้าไปที่เว็บไซต์ของผู้ขายซอฟต์แวร์ผมก็เห็นว่าอาจจะถึงเวลาต้องอัพเกรด iPad Mini2 ของผมไปยังรุ่นล่าสุดเพื่อจะได้รองรับกับคุณลักษณะใหม่ๆที่กำลังนำเข้ามาใช้ในซอฟต์แวร์
บันทึกย่อเกี่ยวกับ GNSS ความแม่นยำสูง
เมื่อเดือนมีนาคม ผมได้เข้าร่วมประชุม Hawaii GIS และได้ตัดสินใจที่จะปฏิบัติการทดสอบในแบบสำรวจตามเกณฑ์มาตรฐานบางอย่างด้วยการใช้ระบบปรับแก้ WAAS และเครื่องรับ GNSS ที่มีความแม่นยำสูง
เป้าหมายของผมมีสองขั้น
-
ให้ดูว่า WAAS มีพฤติกรรมใน Hawaii อย่างไร ระบบ WASS ใน Hawaii มีความผิดปกติเพราะว่ามันห่างไกลจากแผ่นดินใหญ่สหรัฐอเมริกา (CONUS) ที่ตั้งสถานีอ้างอิง WAAS อยู่ทั้งหมด (มีแค่เพียงสถานีเดียวใน Honolulu) พูดอีกนัยหนึ่งก็คือ Hawaii เป็นสถานที่ท้าทายสำหรับความแม่นยำในระบบ WAAS ในอเมริกาเหนือ
-
ให้ดูว่ามีดาวเทียม GNSS กี่ดวงที่ผมสามารถติดตามและใช้ใน Hawaii
คุณพระช่วย! ผมประหลาดใจที่ผลออกมาดีเกินคาด ผมได้ทดสอบระบบ WAAS ใน Hawaii หลายครั้ง\ในหลายปีที่ผ่านมา ครั้งสุดท้ายที่ผมทดสอบคือปี พ.ศ. 2556 และระบบรับสัญญาณ GNSS ใช้ (GPS + GLONASS) ประสบผลสำเร็จอย่างดียิ่ง ที่ความแม่นยำ 80 cm ใช้ได้ดีทีเดียวสำหรับระบบ WAAS ใน Hawaii ณ ขณะนั้น
ผมนำเครื่องรับสัญญาณขึ้นเนินไป 4 ไมล์ หรือ 6.43 กิโลเมตร เพื่อหาเครื่องหมายสำหรับงานสำรวจ (หมุดอ้างอิง) ที่ผมสามารถหาได้ใน Honolulu ผมเป็นนักสำรวจเครื่องหมายที่ดีคนหนึ่งสำหรับการทดสอบเพราะว่ามันอยู่บนทางเท้าย่านถนนที่อยู่อาศัยอันเงียบสงบ ต่อไปนี้คือรูปภาพของเครื่องหมายสำหรับงานสำรวจ
รูปภาพที่ 11 PID DK4162 เครื่องหมายสำหรับงานสำรวจใน Honolulu
ผมได้ติดตั้งอุปกรณ์บนเครื่องหมายสำหรับงานสำรวจ และ มองไปที่ดาวเทียมซึ่งเครื่องรับสัญญาณกำลังติดตามอยู่ ผมต้องการที่จะรู้ว่ามีดาวเทียม GPS, GLONASS, Galileo และ BeiDou กี่ดวงที่กำลังใช้อยู่ และนี่คือภาพหน้าจอที่ได้
รูปภาพที่ 12 ดาวเทียมทั้งหมด 23 ดวงที่ใช้ระบบ GNSS
ดาวเทียม 23 ดวงใช้ระบบ GNSS คุณล้อเล่นผมหรือเปล่า? นี่เป็นจำนวนสองเท่ามากกว่าที่ใช้ดาวเทียม GPS เสียอีก แสดงให้เห็นถึงพลังของระบบ GNSS สี่กลุ่มที่จะดำเนินต่อไปได้ดีกว่าในอีกหลายปีข้างหน้า
สิ่งที่ทำให้ผมประหลาดใจมากที่สุดก็คือจำนวนดาวเทียม Galileo ที่ใช้อยู่ และนี่ก็คือก่อนที่ดาวเทียม Galileo สองดวงที่ได้ประกาศว่ายังคงใช้งานได้ดีอยู่ในตอนปลายเดือน พฤษภาคม
การทดสอบต่อไปของผมก็คือประเมินผลความแม่นยำระบบ WAAS ใครสนใจว่ามีดาวเทียมกี่ดวงที่กำลังใช้ภาครับอยู่หากความแม่นยำไม่ได้ดีขึ้น ? ผมตั้งเสาอากาศภาครับให้ตรงบนจุดสำรวจและเก็บข้อมูลเป็นเวลาประมาณ 7 นาที
รูปภาพที่ 13 ความแม่นยำที่วางแผนไว้เปรียบเทียบกับพิกัดเครื่องหมายสำรวจ DK4162
อืม ความแม่นยำประมาณ 30 cm ในช่วงเวลากว่า 7 นาที ซึ่งดีกว่าเมื่อเปรียบเทียบกับความแม่นยำที่ได้เห็นในปี พ.ศ. 2556 แน่ใจว่าระบบ WAAS ได้รับการปรับปรุงบ้าง และชั้นบรรยากาศรอบโลกอาจจะดีในวันนั้น แต่ผมต้องเชื่อว่าการเพิ่มดาวเทียม GNSS ช่วยให้เกิดความแม่นยำมากที่สุด อีกสองสามเดือนข้างหน้า ผมจะทดสอบเพิ่มเติมกับ WAAS และ RTK ในหลักสูตรทดสอบ GNSS ใกล้กับที่ทำงานของผม ผมจะแจ้งให้คุณทราบเกี่ยวกับผลการทดสอบเหล่านั้น
การประชุมของผู้ใช้ ESRI International วันที่ 10-14 กรกฎาคม
ตามปกติ ผมจะเข้าร่วมประชุม GIS ที่มีบรรดาผู้เชี่ยวชาญเข้าร่วมเป็นจำนวนมากในสหรัฐอเมริกาในเดือนหน้า การประชุมผู้ใช้ ESRI International จำนวน 16,000 คนจะหลั่งไหลมาที่ San Diego เพื่อแบ่งปันความรู้ สร้างเครือข่าย และสนุกไปกับการแลกเปลี่ยนข้อมูลต่าง ๆ ซึ่งกันและกัน
หากคุณสนใจ ผมจะนำเสนองานดังนี้ The ESRI UC:
-
วันอังคารที่ 11 กรกฎาคม เวลา08.30 น. ห้อง 28B (หมายกำหนดการอาจมีการเปลี่ยนแปลงได้) – ชื่อหัวข้อ: An Efficient, Accuracy Mobile GIS Workflow using RTK GNSS – วาระการประชุม: Mobile Data Collection – นี่เป็นโครงการที่น่าสนใจที่ผมได้ทำงานมากับ WaterOne อรรถประโยชน์ด้านน้ำขนาดใหญ่ เพื่อออกแบบ GNSS workflow แบบเวลาจริงที่มีความแม่นยำสูงในสภาพแวดล้อมของ ESRI พวกเขากำลังรวบรวมข้อมูลในระดับเซนติเมตรเพื่อทำแผนที่สินทรัพย์บนพื้นดินและการก่อสร้างใหม่โดยใช้คอมพิวเตอร์แท็บเล็ตและเครื่องรับ RTK GNSS
-
วันที่พฤหัสฯที่ 13 กรกฎาคม เวลา 08.30 น. ห้อง 29C(หมายกำหนดการอาจมีการเปลี่ยนแปลงได้) – ชื่อหัวข้อ:
UAV (drone) applications for water utilities – วาระการประชุม: Applied GIS: Three Unique Examples – นี่เป็นงานที่ผมได้ทำกับ American Water ในการใช้เทคโนโลยี UAV สำหรับทำแผนที่และตรวจสอบ เราได้ทำการทดลองหลายครั้ง ในระหว่างขั้นตอนการพิสูจน์แนวคิด เพื่อทราบว่า Applications สามารถทำงานได้ในทางปฏิบัติหรือไม่และอันไหนทำงานไม่ได้
ที่มาบทความ : Eric Gakstatter, geospatial-solutions.com บันทึก : เมื่อวันที่ 22 มิถุนายน 2560
สืบค้นจาก : http://geospatial-solutions.com/uavs-high-accuracy-gnss-red-hot-right-now-tech/