Khảo sát một số yếu tố ảnh hưởng đến độ chính xác xây dựng mô hình số bề mặt từ dữ liệu ảnh chụp bởi thiết bị bay không người lái

 Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất Tập 59, Kỳ 5 (2018) 21-31 21 
Khảo sát một số yếu tố ảnh hưởng đến độ chính xác xây dựng 
mô hình số bề mặt từ dữ liệu ảnh chụp bởi thiết bị bay không 
người lái 
Phạm Hà Thái 1,*, Trần Trung Anh 1, Lê Thu Trang 1, Nguyễn Thị Ánh 2 
1 Khoa Trắc địa - Bản đồ và Quản lý đất đai, Trường Đại học Mỏ - Địa chất, Việt Nam 
2 Công ty Cổ phần Đo đạc và khoáng sản, Bộ Tài nguyên và Môi trường, Việt Nam 
THÔNG TIN BÀI BÁO 
TÓM TẮT 
Quá trình: 
Nhận bài 10/8/2018 
Chấp nhận 25/9/2018 
Đăng online 31/10/2018 
 Trong những năm đây công nghệ đo ảnh UAV được ứng phổ biến trong nhiều 
lĩnh vực nhờ tính kinh tế và tính phổ dụng của nó. Bài báo này đề cập đến các 
yếu tố ảnh hưởng đến độ chính xác xây dựng mô hình số bề mặt từ dữ liệu ảnh 
UAV như ảnh hưởng của độ cao bay chụp, của tham số máy ảnh , của độ phủ 
ảnh, của phần mềm và thuật toán ứng dụng đồng thời đề ra những giải pháp 
nhằm hạn chế các ảnh hưởng đó. Chúng tôi đã tiến hành bay chụp trên khu 
vực công viên Hòa Bình, Hà Nội bởi hai thiết bị bay không người lái là Phantom 
3 Pro và Phantom 4 Pro trong nhiều trường hợp để tìm ra được sự ảnh hưởng 
của các yếu tố đã đề cập ở trên tới độ chính xác thành lập mô mình số bề mặt. 
Trên bãi thực nghiệm này, chúng tôi xây dựng 16 điểm khống chế, đã được xác 
định tọa độ trắc địa chính xác bằng phương pháp đo RTK. 
© 2018 Trường Đại học Mỏ - Địa chất. Tất cả các quyền được bảo đảm. 
Từ khóa: 
Đo ảnh 
Thiết bị bay không người 
lái 
Mô hình số bề mặt 
Mô hình số độ cao 
1. Mở đầu 
Trong khoảng nửa thế kỷ trở lại đây, công 
nghệ đo ảnh bằng ảnh chụp từ máy bay không 
người lái (UAV) để tạo ra mô hình số bề mặt (DSM) 
hay mô hình số độ cao (DEM) cũng như bình đồ 
trực ảnh đã được ứng dụng trong nhiều lĩnh vực 
như thành lập bản đồ (Hugenholtz et al., 2014; 
Uysal et al., 2015; Siebert, 2014; Đào Ngọc Long, 
2011; Phan Thị Anh Thư, Lê Văn Trung, 2011), 
ứng dụng trong giao thông (Díaz-Vilariño et al., 
2016), (Võ Thanh Bình và nnk., 2018), lâm nghiệp 
và nông nghiệp (Grenzdörffer et al., 2008; Costa et 
al., 2012), nghiên cứu địa chất (Bemis et al., 2014), 
cũng như trong nghiên cứu môi trường (Díaz-
Vilariño et al., 2016; Haas et al., 2015)... Với sự 
phát triển nhanh chóng của công nghệ này, thiết bị 
bay không người lái có thể sử dụng trong các 
trường hợp khu vực nguy hiểm cho con người và 
các khu vực không thể tiếp cận được ở độ cao thấp 
và gần với các đối tượng mà hệ thống có người lái 
không thể sử dụng. Ví dụ các vùng đồng bằng ngập 
lụt, động đất và các khu vực sa mạc. Hơn nữa, 
trong điều kiện thời tiết nhiều mây và mưa, việc 
thu thập dữ liệu bằng UAV vẫn có khả năng thực 
hiện khi khoảng cách tới đối tượng cho phép bay 
dưới mây. Các điều kiện thời tiết như vậy không 
cho phép thu thập dữ liệu với các máy ảnh cỡ lớn 
được tích hợp vào máy bay có người lái do yêu cầu 
_____________________ 
*Tác giả liên hệ 
E-mail: phamhathai@humg.edu.vn 
22 Phạm Hà Thái và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 21-31 
độ cao bay cao hơn. Ngoài ra, một lợi thế cơ bản 
của việc sử dụng UAV là nhanh chóng, giá thành 
hạ. Hầu hết các hệ thống UAV thương mại sẵn có 
trên thị trường đều tập trung vào các hệ thống chi 
phí thấp và do đó lợi thế lớn của việc sử dụng UAV 
cũng là yếu tố chi phí vì UAV rẻ hơn và có chi phí 
hoạt động thấp hơn máy bay có người lái. Do đó, 
các UAV có thể được xem như bổ sung hoặc thay 
thế cho phép đo ảnh hoặc đo đạc trên mặt đất 
trong một phạm vi ứng dụng nhất định. 
Độ chính xác của DSM bắt nguồn từ đo ảnh 
UAV bị ảnh hưởng bởi nhiều yếu tố khác nhau đã 
được nghiên cứu độc lập, ví dụ như ảnh hưởng của 
thay đổi độ dài tiêu cự (Clapuyt et al., 2016), ảnh 
hưởng của độ cao bay chụp, thông số định hướng 
của máy chụp ảnh (Rock et al., 2011), (Leitão et al., 
2016), cũng như chất lượng ảnh (Nouwakpo et al., 
2015), (Smith et al., 2015). Ngoài ra, số lượng cũng 
như sự phân bố của những điểm khống chế ảnh 
được sử dụng cho việc định hướng tấm ảnh trong 
hệ họa độ trắc địa cũng được coi là một trong 
những yếu tố ảnh hưởng đến độ chính xác thành 
lập DSM (Kääb et al., 2014). 
Để việc ứng dụng công nghệ đo ảnh UAV một 
cách hiệu quả hơn trong công tác Trắc địa Bản đồ 
và trong các công tác khác, chúng ta hãy nghiên 
cứu các yếu tố ảnh hưởng đến độ chính xác thành 
lập DSM từ dữ liệu ảnh UAV và các giải pháp hạn 
chế ảnh hưởng của chúng. Độ chính xác thành lập 
DSM có thể được định nghĩa là độ lệch chuẩn 
(Standard Deviation - SD) của giữa độ cao điểm 
 kiểm tra CP và độ cao điểm tương ứng của mô 
hình số bề mặt DSM (Saskia et al., 2017). Trong 
phạm vi bài báo này, độ chính xác mô số bề mặt 
DSM xây dựng từ các ảnh UAV được tính bằng sai 
số trung phương của độ chênh độ cao giữa độ cao 
điểm kiểm tra và độ cao điểm tương ứng trên mô 
hình số bề mặt trên tổng số điểm kiểm tra 
(Morgan and Falkner, 2001), (Bùi Tiến Diệu và 
nnk., 2016). 
2. Khu vực nghiên cứu và dữ liệu sử dụng 
Công trình công viên Hòa Bình (Hình 1) đã 
được khởi công vào ngày 20/2/2009, với ổng mức 
đầu tư 282 tỷ. Công viên có diện tích đất xây dựng 
là 20,3431 ha, trong đó: 19,8772 ha là đất xây 
dựng công viên; 0,4659 ha là đất giao thông Thành 
phố. Điểm khống chế mặt đất đã được bố trí đều 
trên khắp khu đo với số lượng là 16 điểm (Hình 2), 
được xác định tọa độ trắc địa chính xác bằng 
phương pháp đo RTK với độ chính xác đạt được 
1cm về mặt phẳng và 2cm về độ cao. 
Để tiến hành khảo sát tất cả các trường hợp 
trong bài báo này, chúng tôi sử dụng hệ thống máy 
bay không người lái Phantom 3 Pro và Phantom 4 
Pro (Hình 3). 
Kế hoạch bay đã được thiết kế bằng phần 
mềm Map pilot (Hình 4) đối với cả hai thiết bị bay 
là Phantom 3Pro và Phantom 4 Pro lần lượt ở độ 
cao 80m và 120m tương ứng với 2 trường hợp độ 
phủ là 70% và 90%.
Hình 1. Công viên Hòa Bình. 
 Phạm Hà Thái và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 21-31 23 
Hình 2. Sơ đồ bố trí điểm khống chế mặt đất. 
Hình 3. Hệ thống máy bay không người lái Phantom 3 Pro và Phantom 4 Pro. 
Hình 4. Đồ hình bay được thiết kế bằng phần mềm Map pilot. 
24 Phạm Hà Thái và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 21-31 
3. Phương pháp nghiên cứu 
3.1. Phương pháp thành lập mô hình số bề mặt 
DSM từ dữ liệu UAV 
Dữ liệu ảnh thu nhận từ UAV đã được xử lý 
bằng thuật toán tự động xử lý ảnh và khôi phục mô 
hình ba chiều (Bùi Tiến Diệu và nnk., 2016; Saskia 
et al., 2017). Những kĩ thuật này cho phép giải 
quyết đồng thời các vấn đề về hình học của hướng, 
vị trí máy chụp ảnh và các điểm khống chế trên 
những tấm ảnh có độ phủ trùm thông qua một quy 
trình xử lý tự động bằng phần mềm Agisoft 
PhotoscanPro (Agisoft, 2017) 
3.2. Các yếu tố ảnh hưởng đến độ chính xác 
thành lập DEM từ dữ liệu UAV 
Từ quy trình công nghệ ở hình 5, ta thấy có rất 
nhiều các yếu tố ảnh hưởng đến độ chính xác 
thành lập mô hình số bề mặt từ dữ liệu UAV. Ngoài 
việc xét đến tính chất của bề mặt địa hình cũng 
như phần mêm sử dụng để xử lý ảnh tự động thì 
số lượng và vị trí phân bố khác nhau của các điểm 
GCP cũng ảnh hưởng tới độ chính xác đo ảnh UAV. 
Shahbazi, M. và nnk (Shahbazi et al., 2015) đã thực 
hiện một số thử nghiệm khác nhau về số lượng và 
vị trí của các điểm GCP, cũng như số lượng hình 
ảnh nơi các GCP được hiển thị. Họ phát hiện ra 
rằng DSM được tham chiếu nhiều điểm kiểm tra 
GCP hơn chính xác hơn DSM được tham chiếu địa 
lý ít điểm hơn và mạng các điểm GCP phân bố 
đồng đều tạo ra DSM có độ chính xác cao hơn 
mạng GCP được nhóm lại. Họ cũng cho thấy độ 
chính xác DSM cao hơn khi các GCP được bố trí sao 
cho chúng được hiển thị trên nhiều ảnh hơn. Các 
nghiên cứu của Tahar, K.N. và nnk (Tahar et al., 
2012) cũng như của Rosnell, T. và Honkavaara, E. 
(Rosnell and Honkavaara, 2012) cũng kết luận 
rằng độ chính xác của DSM tăng lên khi số lượng 
các điểm GCP tăng lên. Một kết luận tương tự đã 
được thực hiện trong nghiên cứu của Tonkin, T.N. 
và Midgley, N.G (Tonkin and Midgley, 2016) người 
ta cũng cho thấy thêm rằng khi đạt được một số 
lượng điểm GCP nhất định, độ chính xác DSM 
không tăng nữa hay nói khác đi, độ chính xác của 
DSM tăng tiệm cận với sự tăng lên của số lượng 
các điểm GCP. Trong phạm vi của bài báo này, tác 
giả đề cập đến và làm rõ thêm một số yếu tố khác 
như: ảnh hưởng của độ cao bay chụp, ảnh hưởng 
của tham số máy chụp ảnh và ảnh hưởng của độ 
phủ ảnh. 
3.2.1. Ảnh hưởng của độ cao bay chụp 
Như ta đã biết, vì kích thước của cảm biến thu 
nhận ảnh trong một máy ảnh số là cố định, do đó 
độ phân giải điểm ảnh (kích thước của pixel) phụ 
thuộc vào độ cao bay chụp. Độ phân giải điểm ảnh 
ảnh hưởng đến độ chính xác của bản đồ. Theo 
Morgan, D. và E. Falkner (Morgan and Falkner, 
2001) thì mối quan hệ giữa độ cao bay chụp và độ 
phân giải điểm ảnh được thể hiện ở công thức (1). 
Hbc = (da *K*f)/ds*100 
Trong đó: Hbc - Độ cao bay chụp (m); da - Chiều 
dài của ảnh chụp (pixel); K - Độ phân giải điểm ảnh 
(cm); f - Tiêu cự của máy ảnh (mm ); ds - Độ dài của 
mảng CCD (mm). 
Từ công thức (1) ta có thể suy ra (2). 
K = Hbc*ds*100/da*f 
Qua đây ta thấy độ chính xác của bản đồ (kích 
thước điểm ảnh cần chụp K) tỷ lệ nghịch với độ 
cao bay chụp Hbc. Khi giảm độ cao bay chụp Hbc thì 
độ chính xác đo ảnh UAV sẽ tăng, tuy nhiên sẽ kéo 
theo tăng số lượng ảnh chụp làm giảm tính kinh tế. 
Do vậy, khi thiết kế bay chụp căn cứ vào độ chính 
xác yêu cầu để xác định độ cao bay chụp hợp lý. 
3.2.2. Ảnh hưởng của tham số máy chụp ảnh 
Cũng từ công thức (2) ta thấy độ chính xác của 
bản đồ (kích thước điểm ảnh cần chụp K) còn
Bố trí và đo điểm KCA 
Bay chụp ảnh phục 
vụ tạo DSM 
Khai báo khống chế ảnh và khớp ảnh tự động 
Chiết xuất và xây dựng CSDL điểm đám mây 
Nội suy mô hình số bề mặt (DSM) 
Đánh giá độ chính xác DSM 
Công tác chuẩn bị và thiết kế bay chụp 
Hình 5. Sơ đồ quy trình thành lập mô hình số 
bề mặt. 
(1) 
(2) 
 Phạm Hà Thái và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 21-31 25 
 phụ thuộc vào tham số f của máy ảnh sử dụng. 
Qua đây ta thấy, độ chính xác đo ảnh UAV không 
chỉ phụ thuộc vào độ cao bay chụp mà còn phụ 
thuộc vào tham số của máy ảnh. Độ chính xác đo 
ảnh UAVsẽ tăng khi chụp ảnh sử dụng máy chụp 
ảnh có tiêu cự dài hơn. Trong công tác sản xuất, 
căn cứ vào điều kiện trang thiết bị mà lựa chọn 
máy chụp ảnh có tham số phù hợp. 
3.2.3. Ảnh hưởng của độ phủ ảnh chụp 
Trong công nghệ đo ảnh UAV, việc bay chụp 
ảnh thường được tiến hành 80x90%, liệu có thể 
dựa vào đặc điểm này để nâng cao độ chính xác 
được không ? Để trả lời cho câu hỏi này ta làm 
thực nghiệm sau. Trên bãi thực nghiệm Công viên 
Hòa Bình, chúng tôi máy chụp ảnh Phantom 4 Pro 
bay chụp 2 lần với độ phủ 90% và 70% trên dùng 
một độ cao bay chụp. 
3.2.4. Ảnh hưởng của phần mềm và thuật toán ứng 
dụng 
Độ chính xác của sản các phẩm bản đồ thành 
lập từ công nghệ UAV phụ thuộc vào phần mềm và 
thuật toán SfM (Structure - from - Motion) xử lý 
ảnh được sử dụng (Sona et al., 2014). Để có thể lựa 
chọn được các phần mềm phù hợp, cần phải có 
thông tin chi tiết về các phần mềm xử lý ảnh chụp 
UAV. Hiện nay có rất nhiều các phần mềm xử lý 
ảnh UAV, kể cả miễn phí lẫn thương mại Bemis, 
Micklethwaite (Bemis et al., 2014). Đặc điểm của 
các phần mềm tích hợp các thuật toán SfM là quá 
trình xử lý ảnh thành lập các sản phẩm bản đồ 
được tự động ở mức cao. Cơ chế hoạt động của các 
thuật toán SfM cơ bản gồm các bước chính như 
sau: Bước 1, các điểm “khóa” (key point features 
còn gọi là tie point) trên các ảnh được tự động 
phát hiện và chiết xuất, sau đó bộ cơ sở dữ liệu (3D 
point cloud) được xây dựng; Bước 2, quá trình 
khớp ảnh tự động được thực hiện giữa các cặp 
ảnh, dựa vào các điểm các điểm “khóa” nằm trên 
phần phủ dọc và phủ ngang (Snavely et al., 2008); 
Bước cuối cùng quá trình bình sai khối tam giác 
ảnh không gian được tiến hành để xác định các 
tham số định hướng trong, định hướng ngoài, và 
nội suy tọa độ 3D cho các điểm trên ảnh (Snavely 
et al., 2008; Clapuyt et al., 2015; Gini et al., 2013). 
4. Kết quả và thảo luận 
Chúng tôi khảo sát trên từng trường hợp cụ 
thể theo từng ảnh hưởng đã phân tích ở phần 3. 
Dựa vào mô hình số bề mặt được thành lập trong 
mỗi phân tích, chúng tôi đánh giá độ chính xác của 
nó dựa vào sai số trung phương của độ cao giữa 
giữa độ cao điểm kiểm tra và độ cao điểm tương 
ứng trên mô hình số bề mặt trên tổng số điểm 
kiểm tra được tính theo công thức (3). 
DSMGCP
n
1i
i
2
2
hhdh;dhH;
n
H
RMSQ 
Trong đó: hGCP - Giá trị độ cao của điểm khống 
chế; HDSM - Giá trị độ cao trên DSM; RMSQ - Sai số 
trung phương; n - Số điểm kiểm tra. 
4.1. Ảnh hưởng của độ cao bay chụp 
Chúng tôi dùng một máy ảnh Phantom 3 tiến 
hành chụp 2 lần trên bãi thực nghiệm Công viên 
Hòa Bình với 2 độ cao bay chụp khác nhau H1= 
80m và H2 = 150 m. Sau khi xử lý ta có kết quả như 
Bảng 1 và Bảng 2. 
Qua Bảng 1 và Bảng 2, ta thấy rằng, khi giảm 
độ cao bay chụp Hbc thì độ chính xác đo ảnh UAV 
sẽ tăng, tuy nhiên sẽ kéo theo tăng số lượng ảnh 
chụp làm giảm tính kinh tế. Do vậy , khi thiết kế 
bay chụp phải căn cứ vào độ chính xác yêu cầu để 
xác định độ cao bay chụp hợp lý. 
4.2. Ảnh hưởng của thông số máy chụp ảnh 
Để làm rõ hơn vấn đề này ta tiến hành chụp 2 
lần bằng máy ảnh Phantom 3 Pro với tham số 
f=3,61mm, độ phân giải 4000 x 3000pixel, kích 
thước pixel 1,56 x 1,56 mm và máy Phantom 4 Pro 
với tham số f=8,8mm, độ phân giải 5472 x 3648 
pixel, kích thước pixel 2,41 x2,41mm bãi thực 
nghiệm Công viên Hòa Bình với cùng một độ cao 
bay chụp Hbc = 150m . Sau khi xử lý, ta có kết quả 
như Bảng 3 và Bảng 4. 
Từ kết quả Bảng 3 và Bảng 4 ta thấy, độ chính 
xác đo ảnh UAV không chỉ phụ thuộc vào độ cao 
bay chụp mà còn phụ thuộc vào tham số của máy 
ảnh. Trong công tác sản xuất, căn cứ vào tinh trạng 
thiết bị mà lựa chọn máy chụp ảnh có tham số phù 
hợp. 
4.3. Ảnh hưởng của độ phủ ảnh chụp 
Qua Bảng 5, Bảng 6 ta thấy khi tăng độ phủ 
dọc lên thì độ chính xác đo ảnh UAV sẽ tăng. Khi 
đo vẽ ở khu vực địa hình có độ dốc lớn thì việc tăng 
độ phủ khi chụp ảnh càng có ý nghĩa. 
(3) 
26 Phạm Hà Thái và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 21-31 
Bảng 1. Độ lệch của các trục tọa độ giữa tọa độ điểm kiểm tra GCP và tọa độ ảnh chụp từ Phantom 3 Pro ở 
độ cao bay chụp 80m. 
Bảng 2. Độ lệch của các trục tọa độ giữa tọa độ điểm kiểm tra GCP và tọa độ ảnh chụp từ Phantom 3 Pro ở 
độ cao bay chụp 150m. 
Bảng 3. Độ lệch của các trục tọa độ giữa tọa độ điểm kiểm tra GCP và tọa độ ảnh chụp từ Phantom 3 Pro ở 
tiêu cự máy ảnh f=3,61mm. 
Bảng 4. Độ lệch của các trục tọa độ giữa tọa độ điểm kiểm tra GCP và tọa độ ảnh chụp từ Phantom 4 Pro ở 
tiêu cự máy ảnh f=8,8mm. 
Tên 
điểm 
Tọa độ điểm kiểm tra GCP (1) Tọa độ ảnh Phantom 3, ( 2) (độ cao bay chụp 80m) Độ lệch (1)- (2) 
X (m) Y (m) H (m) X (m) Y (m) H (m) dX (m) dY (m) dH (m) 
P0 2330590.984 581506.006 7.000 2330591.035 581505.953 6.956 -0.051 0.053 0.044 
P1 2330579.833 581456.203 7.713 2330579.887 581456.24 7.756 -0.054 -0.037 -0.043 
P4 2330441.37 581464.14 ... -0.054 0.066 0.078 
P8 2330196.581 581706.535 7.106 2330196.652 581706.468 7.033 -0.071 0.067 0.073 
P10 2330340.387 581780.828 6.367 2330340.349 581780.841 6.322 0.038 -0.013 0.045 
P12 2330442.021 581663.008 7.185 2330441.941 581663.089 7.183 0.080 -0.081 0.002 
P14 2330480.539 581588.403 7.306 2330480.576 581588.436 7.398 -0.037 -0.033 -0.092 
 0.055 
Tên điểm 
Tọa độ điểm kiểm tra GCP (1) Tọa độ đo ảnh Phantom 4, f=8,80mm (2) Độ lệch (1)-(2 ) 
X (m) Y (m) H (m) X (m) Y (m) H (m) dX (m) dY (m) dH (m) 
P0 2330590.984 581506.006 7.000 2330590.962 581506.044 6.963 0.022 -0.038 0.037 
P1 2330579.833 581456.203 7.713 2330579.864 581456.218 7.714 -0.031 -0.015 -0.001 
P4 2330441.37 581464.148 12.638 2330441.319 581464.222 12.707 0.051 -0.074 -0.069 
P6 2330205.114 581519.408 6.995 2330205.08 581519.412 7.019 0.034 -0.004 -0.024 
P8 2330196.581 581706.535 7.106 2330196.595 581706.527 7.111 -0.014 0.008 -0.005 
P10 2330340.387 581780.828 6.367 2330340.4 581780.866 6.381 -0.013 -0.038 -0.014 
P12 2330442.021 581663.008 7.185 2330442.031 581663.036 7.253 -0.010 -0.028 -0.068 
P14 2330480.539 581588.403 7.306 2330480.536 581588.437 7.353 0.003 -0.034 -0.047 
 0.041 
 Phạm Hà Thái và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 21-31 27 
Bảng 5. Độ lệch của các trục tọa độ giữa tọa độ điểm kiểm tra GCP và tọa độ ảnh chụp từ Phantom 4 
Pro ở độ phủ là 70%. 
Bảng 6. Độ lệch của các trục tọa độ giữa tọa độ điểm kiểm tra GCP và tọa độ ảnh chụp từ Phantom 4 Pro 
ở độ phủ là 80%. 
Bảng 7. Độ lệch của các trục tọa độ giữa tọa độ điểm kiểm tra đo bằng RTK và tọa độ điểm kiểm tra lấy 
từ ảnh trực giao với mô hình DSM được xử lý bằng phần mềm xử lý Pix4Dmapper Pro Version 4.2.26. 
4.4. Ảnh hưởng của phần mềm và thuật toán 
ứng dụng 
Chúng tôi khảo sát ảnh hưởng này trên hai 
phần mềm xử lý ảnh UAV phổ biến hiện nay là 
Agisoft PhotoScan Professional Version 1.4.1 và 
Pid4Dmapper Pro Version 4.2.26. 
Qua kết quả thể hiện ở Bảng 7 và Bảng 8, ta 
thấy, mặc dù với cùng một số liệu đầu vào của 
cùng một khu vực với cùng một máy bay ở độ cao 
nhất định với độ phủ như nhau thì việc xây dựng 
mô hình số bề mặt thu được có độ chính xác khác 
nhau khi ta sử dụng phần mềm khác nhau. 
Tên 
điểm 
Tọa độ điểm kiểm tra Tọa độ ảnh Phantom 4, độ phủ 70% Độ lệch 
X (m) Y (m) H (m) X (m) Y (m) H (m) dX (m) dY (m) dH (m) 
P0 2330590.984 581506.006 7 2330590.962 581506.044 6.943 0.022 -0.038 0.057 
P1 2330579.833 581456.203 7.713 2330579.864 581456.218 7.714 -0.031 -0.015 0.001 
P4 2330441.37 581464.148 12.638 2330441.319 581464.222 13.047 0.051 -0.074 0.409 
P6 2330205.114 581519.408 6.995 2330205.08 581519.412 7.019 0.034 -0.004 0.024 
P8 2330196.581 581706.535 7.106 2330196.595 581706.527 7.111 -0.014 0.008 0.005 
P10 2330340.387 581780.828 6.367 2330340.4 581780.866 6.381 -0.013 -0.038 0.014 
P12 2330442.021 581663.008 7.185 2330442.031 581663.036 7.253 -0.010 -0.028 0.068 
P14 2330480.539 581588.403 7.306 2330480.536 581588.437 7.353 0.003 -0.034 0.047 
 0.149 
Tên điểm 
Tọa độ điểm kiểm tra Tọa độ ảnh Phantom 4, độ phủ 80% Độ lệch 
X (m) Y (m) H (m) X (m) Y (m) H (m) dX (m) dY (m) dH (m) 
P0 2330590.984 581506.006 7 2330590.986 581506.014 7.011 -0.002 -0.008 0.011 
P1 2330579.833 581456.203 7.713 2330579.86 581456.202 7.734 -0.027 0.001 0.021 
P4 2330441.37 581464.148 12.638 2330441.348 581464.186 12.647 0.022 -0.038 0.009 
P6 2330205.114 581519.408 6.995 2330205.094 581519.426 7.024 0.020 -0.018 0.029 
P8 2330196.581 581706.535 7.106 2330196.602 581706.522 7.114 -0.021 0.013 0.008 
P10 2330340.387 581780.828 6.367 2330340.397 581780.834 6.365 -0.010 -0.006 0.002 
P12 2330442.021 581663.008 7.185 2330442.036 581663.036 7.218 -0.015 -0.028 0.033 
P14 2330480.539 581588.403 7.306 2330480.522 581588.434 7.338 0.017 -0.031 0.032 
 0.021 
Tên 
điểm 
Tọa độ điểm kiểm tra đo bằng RTK 
Phần mềm xử lý Pix4Dmapper Pro Version 4.2.26 
Tọa độ điểm kiểm tra lấy từ ảnh trực giao 
và mô hình DSM 
Độ lệch 
X (m) Y (m) H (m) X (m) Y (m) H (m) dX (m) dY (m) dH (m) 
P0 2330590.984 581506.006 7.000 2330590.971 581506.008 7.038 0.013 -0.002 -0.038 
P1 2330579.833 581456.203 7.713 2330579.841 581456.198 7.700 -0.008 0.005 0.013 
P4 2330205.114 581519.408 6.995 2330205.125 581519.372 6.996 -0.011 0.036 -0.001 
P6 2330196.581 581706.535 7.106 2330196.596 581706.534 7.118 -0.015 0.001 -0.012 
P8 2330340.387 581780.828 6.367 2330340.429 581780.835 6.387 -0.042 -0.007 -0.020 
P10 2330442.021 581663.008 7.185 2330442.022 581663.019 7.195 -0.001 -0.011 -0.010 
P12 2330480.539 581588.403 7.306 2330480.544 581588.413 7.302 -0.005 -0.010 0.004 
P14 2330590.984 581506.006 7.000 2330590.971 581506.008 7.038 0.013 -0.002 -0.038 
 0.022 
28 Phạm Hà Thái và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 21-31 
Bảng 8. Độ lệch của các trục tọa độ giữa tọa độ điểm kiểm tra đo bằng RTK và tọa độ điểm kiểm tra lấy từ 
ảnh trực giao với mô hình DSM được xử lý bằng phần mềm xử lý Agisoft PhotoScan Pro Version 1.4.1. 
Tên 
điểm 
Tọa độ điểm kiểm tra đo bằng RTK 
Phần mềm xử lý Agisoft PhotoScan Pro Version 1.4.1 
Tọa độ điểm kiểm tra lấy từ ảnh trực 
giao và mô hình DSM 
Độ lệch 
X (m) Y (m) H (m) X (m) Y (m) H (m) dX (m) dY (m) dH (m) 
P0 2330590.984 581506.006 7.000 2330590.960 581506.033 6.963 0.024 -0.027 0.037 
P1 2330579.833 581456.203 7.713 2330579.857 581456.224 7.727 -0.024 -0.021 -0.014 
P4 2330205.114 581519.408 6.995 2330205.080 581519.409 7.009 0.034 -0.001 -0.014 
P6 2330196.581 581706.535 7.106 2330196.599 581706.520 7.132 -0.018 0.015 -0.026 
P8 2330340.387 581780.828 6.367 2330340.414 581780.848 6.404 -0.027 -0.020 -0.037 
P10 2330442.021 581663.008 7.185 2330442.033 581663.028 7.233 -0.012 -0.020 -0.048 
P12 2330480.539 581588.403 7.306 2330480.531 581588.443 7.380 0.008 -0.040 -0.074 
P14 2330590.984 581506.006 7.000 2330590.960 581506.033 6.963 0.024 -0.027 0.037 
 0.040 
5. Kết luận 
Qua nghiên cứu, làm thực nghiệm và sản xuất, 
chúng tôi rút ra một số kết luận. 
- Việc giảm chiều cao bay chụp sẽ làm tăng độ 
chính xác đo ảnh UAV, tuy nhiên phải tính toán sao 
cho hợp lý vì khi giảm chiều cao bay chụp sẽ làm 
tăng số lượng ảnh chụp dẫn đến tốn nhiều thời 
gian xử lý trên máy tính. 
- Độ chính xác đo ảnh UAV không chỉ phụ 
thuộc vào độ cao bay chụp mà còn phụ thuộc vào 
tham số của máy ảnh. Độ chính xác đo ảnh UAVsẽ 
tăng khi chụp ảnh sử dụng máy chụp ảnh có tiêu 
cự dài hơn.Trong công tác sản xuất, căn cứ vào
Hình 6. Mô hình số bề mặt khu vực Công viên Hòa Bình được thành lập từ dữ liệu chụp bới máy 
Phantom 4 Pro độ phủ 70% ở độ cao 120m. 
 Phạm Hà Thái và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 21-31 29 
điều kiện trang thiết bị mà lựa chọn máy chụp ảnh 
có tiêu cự phù hợp. 
- Độ phủ dọc lên thì độ chính xác đo ảnh UAV 
sẽ tăng. Khi đo vẽ ở khu vực có độ dốc lớn thì việc 
tăng độ phủ khi chụp ảnh càng có ý nghĩa. 
- Phần mềm và thuật toán ứng dụng cũng ảnh 
hưởng đến độ chính xác đo ảnh UAV. Tùy theo yêu 
cầu độ chính xác đòi hỏi mà lựa chọn phần mềm 
cho phù hợp. 
Trên đây là các yếu tố ảnh hưởng đến độ 
chính xác đo ảnh UAV, trong thực tế sản xuất phải 
căn cứ vào yêu cầu của công việc, tình hình cụ thể 
của địa hình khu đo, tình hình trang thiết bị có sẵn 
để lựa chọn các giải pháp cho thích hợp. 
Tài liệu tham khảo 
Agisoft LCC, 2017. Agisoft PhotoScan. Available 
online:  (accessed on 
20 February 2017). 
Bemis, S. P., Micklethwaite, S., Turner, D., James, M. 
R., Akciz, S., Thiele, S. T., and Bangash, H. A., 
2014, Ground-based and UAV - based 
photogrammetry: A multi-scale, high-resolution 
mapping tool for structural geology and 
paleoseismology. Journal of Structural Geology, 
69. 163-178. 
Bùi Tiến Diệu, Nguyễn Cẩm Vân, Hoàng Mạnh 
Hùng, Đồng Bích Phương, Nhữ Việt Hà, Trần 
Trung Anh, Nguyễn Quang Minh, 2016, Xây 
dựng mô hình số bề mặt và bản đồ trực ảnh sử 
dụng công nghệ đo ảnh máy bay không người 
lái (UAV), Hội nghị Khoa học: Đo đạc Bản đồ với 
ứng phó biến đổi khí hậu. 
Clapuyt, F., Vanacker, V., Van Oost, K., 2016. 
Reproducibility of UAV-based earth topography 
reconstructions based on Structure-from-
Motion algorithms. Geomorphology, 260, 4-15. 
Costa, F. G., Ueyama, J., Braun, T., Pessin, G., Osório, 
F. S., Vargas, P. A., 2012. The use of unmanned 
aerial vehicles and wireless sensor network in 
agricultural applications, 22-27 July 2012. In 
Proceedings of 2012 IEEE International 
Geoscience and Remote Sensing Symposium, 
Munich, Germany; 5045-5048. 
Đào Ngọc Long, 2011. Nghiên cứu ứng dụng công 
nghệ thành lập bản đồ (địa hình và địa chính) từ 
ảnh chụp bằng máy chụp ảnh phổ thông lắp trên 
máy bay không người lái M100-CT điều khiển 
bằng sóng Radio, Đề tài cấp Bộ Tài nguyên và 
Môi trường. 
Díaz-Vilariño, L., González-Jorge, H., Martínez-
Sánchez, J., Bueno, M., and Arias, P., 2016. 
Determining the limits of unmanned aerial 
photogrammetry for the evaluation of road 
runoff. Measurement. 85: 132-141 
Gini, R., Pagliari, D., Passoni, D., Pinto, L., Sona, G., 
and Dosso, P., 2013. UAV photogrammetry: 
Block triangulation comparisons. Int. Arch. 
Photogram. Remote Sens. Spat. Inf. Sci. 
Grenzdörffer, G. J., Engel, A., Teichert, B., 2008. The 
photogrammetric potential of low-cost UAVs in 
forestry and agriculture, 2008. International 
Archives of the Photogrammetry, Remote 
Sensing and Spatial Information Sciences, 31, 
1207-1214. 
Haas, F., Hilger, L., Neugirg, F., Umstädter, K., 
Breitung, C., Fischer, P., Hilger, P., Heckmann, 
T., Dusik, J.-M., Kaiser, A., Schmidt, J., Della Seta, 
M., Rosenkranz, R., and Becht, M., 2015, 
Quantification and analysis of geomorphic 
processes on a recultivated iron ore mine on the 
Italian island Elba using long-time ground-
based LIDAR and photogrammetric data by an 
UAV. Natural Hazards and Earth System 
Sciences. 3: 6271-6319. 
Hugenholtz, C.H., Walker, J., Brown, O., and 
Myshak, S., 2014. Earthwork volumetrics with 
an unmanned aerial vehicle and softcopy 
photogrammetry. Journal of Surveying 
Engineering. 141(1): 06014003. 
Kääb, A., Girod, L., Berthling, I., 2014. Surface 
kinematics of periglacial sorted circles using 
structure-from-motion technology. Cryosphere 
8, 1041-1056. 
Leitão, J. P., Moy de Vitry, M., Scheidegger, A., and 
Rieckermann, J., 2016. Assessing the quality of 
digital elevation models obtained from mini 
unmanned aerial vehicles for overland flow 
modelling in urban areas. Hydrology and Earth 
System Sciences, 20, 1637-1653. 
Morgan, D and Falkner, E., 2001. Aerial mapping: 
methods and applications, CRC Press. 
Võ Thanh Bình, Nguyễn Xuân Hưng, Phạm Văn 
Tuấn và Phạm Hà Thái, 2018. Ứng dụng công 
30 Phạm Hà Thái và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 21-31 
nghệ chụp ảnh hàng không sử dụng máy bay 
không người lái trong công tác khảo sát địa 
hình phục vụ các công trình giao thông.Tạp chí 
Tài nguyên & Môi trường kì 1 tháng 5/2018. 
Nouwakpo, S. K., Weltz, M. A., and McGwire, K., 
2015. Assessing the performance of structure-
from-motion photogrammetry and terrestrial 
LiDAR for reconstructing soil surface 
microtopography of naturally vegetated plots: 
SfM and LiDAR Performance on Vegetated Plots. 
Earth Surface Processes and Landforms, 41. 
308-322. 
Phan Thị Anh Thư, Lê Văn Trung, 2011. Thu nhận 
ảnh bằng máy bay không người lái phục vụ công 
tác thành lập bản đồ, Kỷ yếu Hội thảo ứng dụng 
GIS toàn quốc 2011, 103-108 
Rock, G., Ries, J. B., and Udelhoven, T., 2011. 
Sensitivity Analysis of UAV-Photogrammetry for 
Creating Digital Elevation Models (DEM). In 
Proceedings of the Conference on Unmanned 
Aerial Vehicle in Geomatics, Zurich, 
Switzerland, 69-73 
Rosnell, T., Honkavaara, E., 2012. Point Cloud 
Generation from Aerial Image Data Acquired by 
a Quadrocopter Type Micro Unmanned Aerial 
Vehicle and a Digital Still Camera. Sensors 12, 
453-480. 
Saskia Gindraux, Ruedi Boesch and Daniel 
Fariinotti, 2017. Accuracy Assessment of Digital 
Surface Models from Unmanned Aerial Vehicles’ 
Imagery on Glaciers, Switzerland, 38 (1/C22), 
186 (15). 
Shahbazi, M., Sohn, G., Théau, J., and Menard, P., 
2015. Development and Evaluation of a UAV-
Photogrammetry System for Precise 3D 
Environmental Modeling, Sensors, v.15, 27493-
27524. 
Siebert, S., and Teizer, J., 2014. Mobile 3D mapping 
for surveying earthwork projects using an 
Unmanned Aerial Vehicle (UAV) system. 
Automation in Construction, v.41, 1-14. 
Sona, G., Pinto, L., Pagliari, D., Passoni, D., and Gini, 
R., 2014. Experimental analysis of different 
software packages for orientation and digital 
surface modelling from UAV images. Earth 
Science Informatics, 7(2), 97-107. 
Smith, M. W., Carrivick, J. L., and Quincey, D. J., 
2015. Structure from motion photogrammetry 
in physical geography. Progress in Physical 
Geography,40, 1-29. 
Snavely, N., Seitz, S. M., and Szeliski, R., 2008. 
Modeling the world from internet photo 
collections. International Journal of Computer 
Vision. 80(2). 189-210. 
Tahar, K.N., Ahmad, A., Akib, W. A. A. W. M., and 
Mohd, W. M. N. W., 2012. Assessment on Ground 
Control Points in Unmanned Aerial System 
Image Processing for Slope Mapping Studies. 
International Journal of Scientific and 
Engineering Research, 3, 1-10. 
Tonkin, T. N., Midgley, N. G., 2016. Ground-Control 
Networks for Image Based Surface 
Reconstruction: An Investigation of Optimum 
Survey Designs Using UAV Derived Imagery and 
Structure-from-Motion Photogrammetry. 
Remote Sensing, 8, 1-8. 
Uysal, M., Toprak, A., and Polat, N., 2015. DEM 
generation with UAV Photogrammetry and 
accuracy analysis in Sahitler hill. Measurement. 
73: 539-543. 
 Phạm Hà Thái và nnk./Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất 59 (5), 21-31 31 
ABSTRACT 
Investigation of effects of various factors on the accurary of DSM 
generated from UAV data 
Thai Ha Pham 1, Anh Trung Tran 1, Trang Thu Le 1, Anh Thi Nguyen 2 
1 Faculty of Geomatics and Land Administration, Hanoi University of Mining and Geology, Vietnam 
2 Survey and Mineral Company, Ministry of Natural Resources and Environment, Vietnam 
Recently, unmanned aerial vehicle (UAV) photogrammetry has been applied widely in many fields; 
however, this is still a relatively novel technology in Vietnam. There are no specific regulations on the 
application of UAV technology in surveying and mapping, as well as in environment and natural resource 
study. In this paper, we aim at surveying the effects of various factors on the accuracy of DSMs/DEMs 
generating based on UAV photogrammetry, such as: flight altitude, camera parameters, overlap, applied 
algorithms and software. We then propose some measures to limit these effects.The experimental works 
have been conducted over Hoa Binh Park, Ha Noi using two UAVs: Phantom 3 Pro and Phantom 4 Pro 
with the changes of different factors in order to investigate their effect to the accurary of generated DEMs. 
There are 16 ground control points at the study area, the geodesy coordinates of GCPs were determined 
by RTK technique.