Application of machine learning in geodetic photogrammetric measurements

Abstract

Tato práce přináší přehled moderních metod využití strojového a hlubokého učení při rekonstrukci prostorové informace pomocí fotogrammetrických technik a použití těchto nástrojů pro přímý odhad prostorové informace z jednoho nebo více 2D snímků. Praktická část testuje některé z prozkoumaných metod trénováním vybraných modelů s řízenou výukou na veřejně dostupných datasetech a hodnotí jejich kvalitu a možnou aplikaci v oblasti fotogrammetrie, geodézie a systémů, které jsou založeny na převádění 2D informace do 3D.

This work provides a review of modern methods of usage machine and deep learning in spatial information reconstruction with photogrammetric techniques and using these tools for direct estimation of spatial information from single or more 2D images. The practical part tests some of the reviewed methods by training chosen models with supervised learning on publicly available datasets and evaluates their quality and possible application in the field of photogrammetry, geodesy and systems which rely on transforming 2D information into 3D.