Leggere il report di qualità di WebODM

Un'ortofoto bella da vedere può essere sbagliata di metri. Il report di qualità è il modo per saperlo. Ogni task di WebODM, salvo che tu attivi --skip-report, produce un PDF che riassume il dataset, la ricostruzione e gli errori stimati. Questa guida lo legge sezione per sezione e ti indica, per ciascuna, i segnali di allarme.

Il report è generato dal motore (ODM 3.6.0 o ODX; alla data della separazione i due erano identici e la struttura del report è la stessa). Titoli e ordine delle sezioni possono variare leggermente tra versioni: la pagina Outputs della documentazione OpenDroneMap descrive il file.

Dove trovarlo#

In WebODM, dal task completato, Download Assets → Quality Report (oppure dentro l'archivio di tutti gli asset). Da riga di comando il PDF è nella cartella del report del progetto. Aprilo con qualsiasi lettore PDF: sono poche pagine, con tabelle e immagini.

Le sezioni del report#

Dataset Summary#

La prima tabella riassume il dataset: data di acquisizione, area coperta, numero di immagini, GSD medio, numero di punti della nuvola, tempo di elaborazione. Un controllo immediato: il numero di immagini deve corrispondere a quelle che hai caricato, e il GSD medio deve essere vicino a quello che avevi pianificato. Un GSD molto diverso dall'atteso indica quota reale diversa o dati EXIF incoerenti.

Processing Summary#

Riporta le immagini ricostruite rispetto al totale e i parametri di ricostruzione. Questo è il numero più importante di tutto il report. Se hai caricato 320 immagini e ne risultano ricostruite 320, la ricostruzione è completa. Se ne risultano 280, quaranta foto non sono state collocate: l'ortofoto avrà buchi o, peggio, il modello sarà stato costruito senza una parte dell'area. Cerca sempre la causa: immagini sfocate, una zona d'acqua, una superficie uniforme, una sovrapposizione insufficiente in una parte del volo.

La sezione riporta anche la presenza dei GCP (punti di controllo a terra) e il sistema di riferimento usato.

Survey Data e mappa delle sovrapposizioni#

Qui compare la mappa delle sovrapposizioni (overlap): l'area del rilievo colorata in base a quante immagini vedono ogni punto. La legenda va da poche immagini (colori di allarme) a cinque o più (colori di sicurezza). Un buon rilievo mostra l'area di interesse uniformemente coperta da cinque o più immagini, con i colori di allarme solo sui bordi esterni.

Segnali di problemi:

La stessa sezione mostra la posizione delle camere e, se presenti, dei GCP.

GPS/GCP errors e RMSE#

Qui il report stima quanto la ricostruzione si discosta dalle posizioni note. Con i soli dati GPS delle foto, la tabella confronta la posizione calcolata di ogni camera con quella registrata nell'EXIF e riporta gli errori medi e l'RMSE (Root Mean Square Error, radice dell'errore quadratico medio) su X, Y e Z, oltre all'errore totale. Con i GCP compare una tabella analoga per ogni punto di controllo, molto più significativa perché confronta il modello con misure indipendenti.

Come leggere i numeri:

• Con GPS di un drone consumer, errori di qualche metro (soprattutto in Z) sono normali e riflettono la qualità del GPS, non della fotogrammetria. Il default di --gps-accuracy è 3 m: il motore assume quell'incertezza.
• Con drone RTK/PPK e file --geo, gli errori dovrebbero scendere a pochi centimetri; se restano metrici, il file delle posizioni non è stato letto correttamente o il sistema di riferimento è sbagliato.
• Con GCP, un RMSE dell'ordine di uno o due GSD è un buon risultato. Un singolo GCP con errore molto più alto degli altri è quasi sempre un errore di cliccatura sulle foto o di trascrizione delle coordinate: correggilo e rielabora.
• Un errore sistematico in Z (tutti i punti spostati della stessa quantità) indica un problema di quote (ellissoidiche contro ortometriche): vedi Sistemi di riferimento italiani.

Il tema dei check point indipendenti e di come documentare l'accuratezza per una perizia è trattato in Accuratezza e validazione.

Camera calibration e residui#

Il motore stima per ogni modello di camera i parametri interni (focale, punto principale, distorsione) e mostra un grafico dei residui: le frecce indicano, zona per zona del sensore, di quanto e in che direzione i punti osservati si discostano dal modello di camera. Un buon risultato mostra frecce corte e orientate in modo casuale. Segnali di problemi:

• Frecce lunghe e ordinate (per esempio tutte verso l'esterno ai bordi): la distorsione della lente non è modellata bene. Prova un'opzione --camera-lens diversa dall'auto, o controlla che le foto non siano state corrette in camera.
• Focale stimata molto diversa dal valore nominale della camera: possibile problema con gli EXIF o con lo zoom.
• Più camere elencate quando ne hai usata una: alcune foto hanno EXIF diversi (per esempio, un cambio di impostazioni a metà volo).

Il grafico è anche il posto dove si annuncia il "bowl effect" (il modello che si incurva come una ciotola) tipico di voli a griglia singola nadir su aree piatte senza GCP: la guida Risultati scadenti spiega come riconoscerlo e correggerlo.

Features e matching#

Due grafici: il numero di feature rilevate per immagine e il numero di match (corrispondenze) tra coppie di immagini. Il default --min-num-features è 10.000: immagini con molte meno feature del resto del dataset sono sfocate, sovraesposte o riprendono superfici uniformi. Un grafico dei match con molte immagini poco collegate indica sovrapposizione insufficiente o feature scarse. In entrambi i casi, la correzione è nel volo (Acquisire le immagini) prima che nelle opzioni (Preset e opzioni base).

Previews#

Le ultime pagine mostrano anteprime dell'ortofoto e del DSM/DTM se generati. Servono a un controllo visivo rapido: aree mancanti, bordi strani, artefatti evidenti. Non sostituiscono l'apertura dei file veri in QGIS.

Una checklist di lettura in cinque minuti#

1. Immagini ricostruite = immagini caricate? Se no, cerca quali mancano e perché.
2. GSD medio vicino a quello pianificato?
3. Mappa delle sovrapposizioni uniforme dentro l'area di interesse?
4. Errori GPS/GCP coerenti con la strumentazione usata? Nessun GCP anomalo?
5. Residui di calibrazione corti e casuali?
6. Feature per immagine omogenee, senza immagini molto sotto la media?

Se le sei risposte sono positive, il risultato è tecnicamente solido e puoi passare ai prodotti. Se una è negativa, hai già la diagnosi.

Problemi frequenti#

Il report manca tra gli asset. Il task è stato lanciato con --skip-report, oppure l'elaborazione si è interrotta prima della fase finale. Controlla la console del task.

Il report indica errori GPS enormi (decine di metri). Gli EXIF delle foto hanno coordinate errate o un'immagine ha una posizione sbagliata. Individua l'immagine anomala nella tabella e rimuovila.

Con i GCP l'errore è peggiorato invece di migliorare. Una coordinata trascritta male, un sistema di riferimento sbagliato nella prima riga del file, oppure quote in una convenzione diversa. Vedi Punti di controllo GCP.

La mappa delle sovrapposizioni è perfetta ma l'ortofoto ha buchi. I buchi sono nella nuvola densa, non nel matching: superfici che il MVS non riesce a ricostruire (acqua, vetro). Vedi Risultati scadenti.

Prossimi passi#

• Risultati scadenti: buchi e deformazioni: dalla diagnosi nel report alla correzione.
• Punti di controllo GCP: per far scendere gli errori a livello centimetrico.
• Accuratezza e validazione: documentare la qualità per un cliente o una perizia.