CN102866397A - 一种多源异构遥感影像联合定位方法 - Google Patents

Abstract

一种多源异构遥感影像联合定位方法，以地心直角坐标系作为统一的物方坐标系统，以传感器位置、姿态精化模型参数和影像像点坐标系统差作为统一的定向参数，以影像观测值与非影像观测值的联合平差和各观测值的先验定权实现定向参数的解算和像点量测粗差的探测，实现航空航天光学与合成孔径雷达影像的联合定位。在有较高传感器位置和姿态数据测量精度情况下，该方法实现了多源影像观测值与多源非影像观测值联合平差，实现了稀少控制点条件下多源影像的联合定位，且各观测值或虚拟观测值能够进行先验定权，在提高平差解算精度、稳定性、效率等方面，也有一定的优势。

Description

一种多源异构遥感影像联合定位方法

技术领域

本发明属于遥感影像摄影测量领域，特别涉及多源遥感影像的几何处理与联合定位。

背景技术

空中三角测量是遥感影像严密定位的基本途径、关键技术与核心内容，空中三角测量涉及到几何构像模型、轨道姿态精化模型及数据平差处理模型等内容。

（1）遥感影像严密几何构像模型

影像严密定位模型主要通过空中三角测量获得高精度定向参数，并通过边角交会计算来确定被摄目标的二维或三维地理坐标。影像的定位模型是遥感影像进行摄影测量的基础，影像定位模型主要有严密模型、有理多项式模型和直接线性变换模型（DLT）等。光学遥感影像的严密几何构像模型主要以光学共线方程为基础建立的。另外，也有一些其它形式的严密几何构像模型，如基于反射变换的严格几何模型等。

侧视雷达遥感影像严密模型总体上可划分为基于外方位元素和基于距离多普勒参数两种形式，前种形式有：Konecny在1988年等提出的考虑地形对投影点位置影响的共线方程，投影按水平面投影，增加地形对投影点位置的影响因子；国内尤红建以雷达近似共线方程为基础，通过距离投影到中心投影的转换，对其进行修正得到雷达严密共线方程模型；程春泉等根据侧视雷达距离向的距离条件和方位向的波束中心共面条件，以传感器位置和姿态参数建立的一种简洁严密的“距离－共面”构像模型。第二种形式主要有：1990年F.Leberl等提出的数学模型，该模型依据距离条件和零多普勒条件，符合雷达成像机理，其考虑了传感器外方位元素中的线元素变化，但未考虑角元素的变化；R-D模型，该方法的原理与F.Leberl方法相似，考虑了多普勒频率非0值情况，具有明确的几何和物理意义，符合SAR成像机理。

（2）空中三角测量

遥感影像的空中三角测量一般以构像模型为基础，结合航迹(轨道)模型、姿态模型以及平差处理模型等实现的，多片同时进行空三也称作区域网平差。

随着GPS与IMU的集成系统(POS)广泛应用于航空、航天、航海和地面移动载体的导航定位。自上世纪八十年代，有人提出了应用IMU/GPS集成技术减少光学遥感影像定位对地面控制点依赖的思路，随后，系列的研究和项目对该技术的应用潜力进行了论证和测试.

对于线阵和侧视雷达影像，每行影像自有一套外定向参数，不同影像行定向参数间的约束条件成为求解线阵影像和侧视雷达影像定向参数必不可少的条件。对于航天遥感影像，有两种主要方法来描述遥感飞行器的轨迹，一是通过离散定向点方法，另一是通过轨道约束的方法。定向点方法通过辅助文件给出星历数据来表达，对任意摄影时刻的定向参数，根据规则或不规则时间间隔的空间点位置、姿态等定向点信息，通过插值获取。轨道约束则根据卫星轨道参数和时间，求解卫星摄影时刻的位置。对于机载POS观测值，根据Friess等人的研究，当一条航线的连续飞行不超过15分钟时，在没有信号失锁的情况下，基于载波相位观测量的GPS动态定位会存在平移和随航摄飞行时间漂移(即成线性关系)的系统误差。

发明内容

本发明针对目前多源异构遥感影像几何处理和联合定位的方法严重缺乏的现状，给出一套多源影像联合定位方法，同时在多源数据联合平差中的定权、初始观测数据的粗差探测中有明显的优势，解决了目前多源影像联合定位和几何处理中存在的瓶颈问题。

本发明以地心直角坐标系作为统一的物方坐标系统，以传感器位置、姿态精化模型参数和影像像点坐标系统差作为统一的定向参数，以影像观测值与非影像观测值的联合平差和各观测值的先验定权实现定向参数的解算和像点量测粗差的探测，实现航空航天光学与合成孔径雷达影像的联合定位，其技术方案是：将多源影像的传感器参数、影像辅助数据、控制点数据、影像像点数据进行数据格式规范化处理，以传感器位置、姿态和影像像点坐标系统差等相关的参数为定向未知数，通过影像观测值与非影像观测值的联合平差方法，实现多源影像的联合定位和几何处理，即采用计算机进行以下步骤：

步骤1.将星载或机载传感器姿态数据转换为相对于地心直角坐标系中的四元数形式，同时将传感器位置也转换到地心直角坐标系中,实现初始观测值归算，用于步骤6中多源影像联合定位的初始位置和姿态数据；

而且，步骤1.1，传感器姿态数据转换为相对于地心直角坐标系中的四元数方法，首先计算机载和星载传感器平台坐标系到地心直角坐标系的转换矩阵R_b ^E，其中机载影像转换矩阵为：

R_b ^E=R_n ^E(B_n,L_n)R_b ⁿ(Ψ,Θ,Φ)

星载光学影像的转换矩阵为：

合成孔径雷达影像的转换矩阵为：

R_b ^E=R_V ^E

其中，B_n,L_n为机载传感器摄影时刻地理经纬坐标、Ψ,Θ,Φ为机载传感器姿态值，ω,

κ为星载传感器姿态值，R_n ^E、R_b ⁿ分别为导航坐标系到地心直角坐标系、传感器平台坐标系到导航坐标系的转换矩阵，R_O ^E、R_b ^O分别为轨道坐标系到地心直角坐标系、传感器平台坐标系到卫星轨道坐标系的转换矩阵，R_V ^E为飞行坐标系到地心直角坐标系的旋转矩阵，R_b ^E为传感器平台坐标系到地心直角坐标系的旋转矩阵,飞行坐标系的三轴

数学定义为：

$\left\{\begin{array}{c}{\stackrel{\→}{X}}_V=\stackrel{\→}{V}\left(t\right)/\left|\right|\stackrel{\→}{V}\left(t\right)\left|\right|\\ {\stackrel{\→}{Y}}_V=\stackrel{\→}{P}\left(t\right)\×\stackrel{\→}{V}\left(t\right)/\left|\right|\stackrel{\→}{P}\left(t\right)\×\stackrel{\→}{V}\left(t\right)\left|\right|\\ {\stackrel{\→}{Z}}_V={\stackrel{\→}{X}}_V\×{\stackrel{\→}{Y}}_V\end{array}\right.$

其中

分别为相应t时刻传感器的位置和速度向量。

步骤1.2，根据航空航天传感器平台坐标系到地心直角坐标系转换矩阵R_b ^E中的元素，计算地心直角坐标系中的姿态四元数q₀,q₁,q₂,q₃的值；

通过此步骤，实现了航空航天遥感影像姿态角参考基准的统一，实现了不同平台姿态角表达方式的统一。

步骤1.3，传感器位置数据按下式转换为地心直角坐标系中：

${\left[\begin{array}{c}{X}_s\\ Y_s\\ Z_s\end{array}\right]}_{\mathrm{ECR}}={\left[\begin{array}{c}{X}_{\mathrm{GPS}}\\ Y_{\mathrm{GPS}}\\ Z_{\mathrm{GPS}}\end{array}\right]}_{\mathrm{ECR}}+{R_b}^E{\left[\begin{array}{c}{X}_{\mathrm{GPS}\_\mathrm{CAM}}\\ Y_{\mathrm{GPS}\_\mathrm{CAM}}\\ Z_{\mathrm{GPS}\_\mathrm{CAM}}\end{array}\right]}_b$

其中，[Xs，Ys，Zs]_ECR ^T为地心直角坐标系中传感器的位置坐标；[X_GPS，Y_GPS,Z_GPS]_ECR ^T为通过GPS测量得到的地心直角坐标系中GPS天线位置坐标；[X_{GPS_CAM},Y_{GPS_CAM},Z_{GPS_CAM}]_b ^T为在传感器平台坐标系中，光学传感器投影中心或合成孔径雷达传感器天线中心相对于GPS天线位置的向量增量；R_b ^E为传感器平台坐标系到地心直角坐标系中的转换矩阵；

通过此步骤，并在地心直角坐标系中统一表述传感器状态矢量，为步骤2影像辅助数据规范化处理及步骤3中地心直角坐标系中构建的多源影像的严密构像模型提供初值。

步骤2，对不同传感器的参数、影像辅助数据、地面控制点、量测或匹配获取的影像像点等数据进行格式标准化，实现按固定的规范化格式记录相关数据，为步骤6中定向参数的解算提供必要的传感器、控制连接点信息。其中标准化的影像传感器参数文件内容包括不同源影像的传感器名称、传感器类型、传感器安装偏置距、传感器安装偏置角、传感器指向信息、精度信息，光学影像还应包括像主点坐标、焦距等信息，在有各像元像方坐标检校数据的情况下，还包括各像元的像方坐标信息数据；不同影像的辅助数据标准化格式文件中，包括传感器名称、传感器类型、影像摄影起止时间、影像行间隔时间、影像分辨率、步骤（1）中计算得到的传感器位置、步骤（1）中计算得到的传感器姿态四元数，合成孔径雷达影像还包括初始斜距、合成孔径雷达影像的多普勒数据等信息；标准化的控制点文件包括控制点名称、三维地理坐标；标准化的像点文件包括同名像点的名称、像点的影像坐标等信息。

步骤3，以传感器位置和姿态作为定向参数，在地心直角坐标系中构建航空航天光学与合成孔径雷达的严密几何构像方程，实现多源异构影像几何构像模型一体化处理，地心直角坐标系航空航天遥感影像的严密几何构像方程形式为：

(x，y)=f_xy(Xs，Ys,Zs,q₀,q₁,q₂,q₃,X，Y，Z)

其中光学影像的严密几何构像方程按下式构建：

$\left\{\begin{array}{c}x=-f\frac{m_{00}(X-\mathrm{Xs})+m_{10}(Y-\mathrm{Ys})+m_{20}(Z-\mathrm{Zs})}{m_{02}(X-\mathrm{Xs})+m_{12}(Y-\mathrm{Ys})+m_{22}(Z-\mathrm{Zs})}\\ y=-f\frac{m_{01}(X-\mathrm{Xs})+m_{11}(Y-\mathrm{Ys})+m_{21}(Z-\mathrm{Zs})}{m_{02}(X-\mathrm{Xs})+m_{12}(Y-\mathrm{Ys})+m_{22}(Z-\mathrm{Zs})}\end{array}\right.$

其中合成孔径雷达影像的几何构像方程按下式构建:

$\left\{\begin{array}{c}x=[m_{00}\·(X-\mathrm{Xs})+m_{10}\·(Y-\mathrm{Ys})+m_{20}\·(Z-\mathrm{Zs})-\mathrm{R\λ}{f}_D/2v]\·u_0/M_a=0\\ y=[\sqrt{{(X-\mathrm{Xs})}^2+{(Y-\mathrm{Ys})}^2+{(Z-\mathrm{Zs})}^2}-R_0]\·u_0/M_r\end{array}\right.$

其中，m_ij为矩阵R_c ^E中的元素（i，j＝0,1,2代表该元素所在的矩阵行列号），即：

${R_c}^E={R_b}^E\·{R_c}^b=\left[\begin{array}{ccc}{m}_{00}& m_{01}& m_{02}\\ m_{10}& m_{11}& m_{12}\\ m_{20}& m_{21}& m_{22}\end{array}\right]$

R_c ^b为传感器坐标系到传感器平台坐标系的转换矩阵，根据标准化传感器参数文件中的传感器安装偏置角计算，但对于合成孔径雷达影像，偏置角取0值，M_a为方位向分辨率，M_r为距离向分辨率，X、Y、Z为地面点坐标，R_O为初始斜距，Xs、Ys、Zs为地心直角坐标系中传感器的位置坐标，λ为雷达波长，f_D为多普勒频率，R为像点对应目标的雷达测量距离，v为传感器速度大小，u₀为等效像素大小，通常取值6.5e-6(m/像素);x，y为量测的影像像点对应传感器坐标系中的坐标，对光学影像，根据步骤（2）中的像点影像坐标和相应的传感器几何参数文件内容按常规方法确定，对雷达影像x＝0，y＝距离向影像坐标×u₀；

通过判断步骤2中建立的标准化影像辅助文件中的传感器类型，选取光学或合成孔径雷达影像的严密几何构像方程进行相应影像的数据处理；通过本步骤，实现了光学与雷达遥感影像几何构像方程定向参数的统一，同时构像方程建立了地面点坐标与像点坐标间明确的函数关系。

步骤4，构建传感器位置、姿态精化模型和严密几何构像精化模型，并将传感器位置姿态精化模型参数代入严密几何构像精化模型中，得到包含传感器位置和姿态精化模型参数的严密几何构像精化方程：

4.1传感器位置、姿态精化模型按下式建立：

$\left\{\begin{array}{c}\mathrm{Xs}={\mathrm{Xs}}_0+\mathrm{dXs}\\ \mathrm{Ys}={\mathrm{Ys}}_0+\mathrm{dYs}\\ \mathrm{Zs}={\mathrm{Zs}}_0+\mathrm{dZs}\end{array}\right.$

式中dXs、dYs、dZs为传感器位置精化值增量，dω、

dκ为姿态精化值增量，Xs，Ys，Zs为传感器位置精化后的值，X_SO、Y_SO、Z_SO为传感器位置初值，a_O、b₀、c₀、a₁、b_l、c₁为传感器位置精化模型参数，e_O、f_O、g₀、e₁、f₁、g₁为传感器姿态精化模型参数，对于航空航天光学框幅式或面阵影像，a₁、b₁、c₁、e₁、f₁、g_l的值已知且取恒等于0，对于合成孔径雷达影像，e₀、e₁的值取恒等于0，t为摄影时刻的相对时间；

4.2严密几何构像精化模型由步骤3中的严密几何构像方程改造而成，即步骤（3）中的传感器位置Xs、Ys、Zs由步骤4.1中相应的位置精化函数代替，步骤3中的旋转矩阵R_c ^E由R’_c ^E代替，且

R(dω)、R(dκ)为三个姿态欧拉角改正值对应的旋转矩阵，dω，

dκ按步骤4.1中建立的姿态精化模型代入，得到包含传感器位置和姿态精化模型参数的严密几何构像精化方程，严密几何构像精化模型可以提高步骤7中影像的定位精度。

步骤5，以传感器位置和姿态精化模型参数、影像像点坐标系统误差参数、地面点坐标等为未知数，构建不同源影像观测值误差方程的一般形式，并与定向参数虚拟观测值、地面点坐标观测值的误差方程一起，组建多源观测值联合平差误差方程组，并按相关观测值的先验精度进行定权；

5.1以传感器位置和姿态精化模型参数a_i、b_i、c_i、e_i、f_i、g_i(i＝0,1)、地面点坐标参数增量(dX，dY，dZ)和影像坐标系统差(dx₀,dy₀)作为未知数，对步骤4中构建的严密几何构像精化方程进行线性化，得到像点量测坐标误差方程的一般形式：

$\left\{\begin{array}{c}{v}_x=\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xai}}{a}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xbi}}{b}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xci}}{c}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xei}}{e}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xfi}}{f}_i+\underset{i=1}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xgi}}{g}_i+f_{\mathrm{xX}}\mathrm{dX}+f_{\mathrm{xY}}\mathrm{dY}+f_{\mathrm{xZ}}\mathrm{dZ}+{\mathrm{dx}}_0-l_x\\ v_y=\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yai}}{a}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{ybi}}{b}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yci}}{c}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yei}}{e}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yfi}}{f}_i+\underset{i=1}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{ygi}}{g}_i+f_{\mathrm{yX}}\mathrm{dX}+f_{\mathrm{yY}}\mathrm{dY}+f_{\mathrm{yZ}}\mathrm{dZ}+{\mathrm{dy}}_0-l_y\end{array}\right.$

其中:v_x，v_y为像点量测坐标改正数向量，l_x、l_y为误差方程常数项，f_xai、f_xbi、f_xci、f_xei、y_xfi、f_xgi、f_yai、f_ybi、f_yci、f_yei、f_yfi、f_ygi为误差方程传感器位置和姿态精化模型参数未知数的系数，f_xX、f_xY、f_yZ、f_yX、f_yY、f_yZ为误差方程地面点坐标未知数的系数；

5.2联合影像观测值误差方程与地面点坐标、影像定向参数等观测值或虚拟观测值的误差方程一起构建基础误差方程组：

式中，V_xy、V_g、V_t误差方程式分别为像点坐标、地面点坐标、定向参数观测值误差方程式；g代表地面点坐标增量未知数向量[dX，dY，dZ]；t代表定向参数，为传感器位置和姿态精化模型的一般多项式系数未知数、影像系统差未知数向量[a₀,b₀,c₀,e₀，f₀,g₀,a_l,b_l,c₁,e₁，f₁,g₁,dx₀,dy₀]，影像为光学框幅式或面阵传感器获取时，定向参数不包括a₁、b_l、c₁、e₁、f₁、g₁参数，影像为合成孔径雷达传感器获取时，定向参数不包括e₀、e₁参数；L_xy、L_g、L_t为相应观测值误差方程常数向量；B_g、B_t、E_g、E_t为误差方程系数设计矩阵；P_xy、P_g分别代表像点量测坐标、地面点坐标的权向量，P_t代表定向参数[a₀,b₀,c₀,a₁,b₁,c₁,e₀，f₀,g₀,e₁，f₁,g₁,dx₀,dy₀]虚拟观测值的权向量；各类观测值的权根据其精度进行计算，其中a₀、b₀、c₀的精度分别与传感器位置的测量精度一致，a_l、b₁、c₁的精度与速度测量精度一致，e₀、f₀、g₀的精度与姿态测量精度一致,e₁、f₁、g₁的精度与姿态稳定度一致，dx₀、dy₀的精度与影像系统差检校精度一致；各类观测值的权可以根据先验精度进行计算是本发明的一个特色。

步骤6，以标准化格式记录的数据文件和联合平差误差方程组为基础，循环迭代计算各种定向参数的精化值及地面点坐标精化值，计算加密点坐标，并根据建立的影像观测值误差方程式解算各像点观测值的误差并编辑或剔除粗差点，具体的说，根据步骤1、2建立的规范化的传感器参数文件、传感器位置姿态文件数据、控制点文件数据、像点文件数据和步骤3、4、5建立的模型，迭代解算各种定向参数的精化值，剔除或编辑定向残差大的点，计算定向参数和加密点坐标，其中定向残差可以根据步骤5.1中的像点量测坐标误差方程计算，循环迭代计算终止的条件是误差大于某个给定阈值的像点得到修正或剔除，定向参数迭代求解结果相对于上一次求解结果的增量小于某个给定的阈值。本发明提高了合成孔径雷达遥感影像像点定向残差的计算效率。

步骤7，根据精化后的定向参数和步骤4.2中建立的严密几何构像精化模型，或根据加密获得的地面点坐标，实现对原始影像几何处理或影像的对地定位处理。

在有较高传感器位置和姿态数据情况下，该方法实现了稀少控制点条件下多源影像的联合定位，实现了多源影像观测值与多源非影像观测值联合平差，且各观测值或虚拟观测值能够进行先验定权，在提高平差解算精度、稳定性、效率等方面，也有一定的优势。

附图说明

图1是本发明提供的多源异构遥感影像联合定位方法的示意图。

具体实施方式

本发明通过统一多源异构遥感影像传感器及其辅助数据格式，统一多源异构影像几何构像方程表达，通过计算机实现多源影像的联合定位，具体可参见图1。本发明的多源异构影像联合定位方法通过下述步骤实现：

步骤1，将星载或机载传感器姿态数据转换为相对于地心直角坐标系中的四元数形式，并归算地心直角坐标系中传感器投影中心或天线中心的位置；

步骤1.1，首先计算机载和星载传感器平台坐标系到地心直角坐标系的转换矩阵R_b ^E，其中机载影像转换矩阵为：

R_b ^E=R_n ^E(B_n,L_n)R_b ⁿ(Ψ,Θ,Φ)

式中B_n，L_n为机载传感器摄影时地理坐标、ψ、Θ、φ为传感器姿态值，R_b ^E为传感器平台姿态旋转矩阵，R_n ^E为导航坐标系到地心直角坐标系的旋转矩阵；

传感器平台坐标系到坐标系到地心直角坐标系的转换矩阵，由IMU测量得到的Ψ,Θ,Φ传感器姿态值来计算，即：

${R_b}^n=R_Z\left(\mathrm{\Ψ}\right)R_Y\left(\mathrm{\Θ}\right)R_X\left(\mathrm{\Φ}\right)=\left[\begin{array}{ccc}\cos \mathrm{\Ψ}& -\sin \mathrm{\Ψ}& 0\\ \sin \mathrm{\Ψ}& \cos \mathrm{\Ψ}& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}\cos \mathrm{\Θ}& 0& \sin \mathrm{\Θ}\\ 0& 1& 0\\ -\sin \mathrm{\Θ}& 0& \cos \mathrm{\Θ}\end{array}\right]\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos \mathrm{\Φ}& -\sin \mathrm{\Φ}\\ 0& \sin \mathrm{\Φ}& \cos \mathrm{\Φ}\end{array}\right]$

$=\left[\begin{array}{ccc}\cos \mathrm{\Ψ}\cos \mathrm{\Θ}& \cos \mathrm{\Ψ}\sin \mathrm{\Θ}\sin \mathrm{\Φ}-\sin \mathrm{\Ψ}\cos \mathrm{\Φ}& \cos \mathrm{\Ψ}\sin \mathrm{\Θ}\cos \mathrm{\Φ}+\sin \mathrm{\Ψ}\sin \mathrm{\Φ}\\ \sin \mathrm{\Ψ}\cos \mathrm{\Θ}& \sin \mathrm{\Ψ}\sin \mathrm{\Θ}\sin \mathrm{\Φ}+\cos \mathrm{\Ψ}\cos \mathrm{\Φ}& \sin \mathrm{\Ψ}\sin \mathrm{\Θ}\cos \mathrm{\Φ}-\cos \mathrm{\Ψ}\sin \mathrm{\Φ}\\ -\sin \mathrm{\Θ}& \cos \mathrm{\Θ}\sin \mathrm{\Φ}& \cos \mathrm{\Θ}\cos \mathrm{\Φ}\end{array}\right]$

导航坐标系到地心直角坐标系的转换矩阵R_n ^E由传感器的大地经纬度来计算：

${R_n}^E=\left[\begin{array}{ccc}-\sin L& -\cos L\sin B& \cos L\cos B\\ \cos L& -\sin L\sin B& \sin L\cos B\\ 0& \cos B& \sin B\end{array}\right]$

其中星载光学影像的转换矩阵为：

R_O ^E分别为轨道坐标系到地心直角坐标系、R_b ^O卫星平台坐标系到轨道坐标系三个姿态角ω、

κ的转换矩阵，可根据卫星的三个姿态角计算。轨道坐标系三轴

的数学表达式为：

${\stackrel{\→}{Z}}_O=[{\left(Z_O\right)}_X,{\left(Z_O\right)}_Y,{\left(Z_O\right)}_Z]=\frac{\stackrel{\→}{P}\left(t\right)}{\left|\right|\stackrel{\→}{P}\left(t\right)\left|\right|}$

${\stackrel{\→}{Y}}_O=[{\left(Y_O\right)}_X,{\left(Y_O\right)}_Y,{\left(Y_O\right)}_Z]=\frac{{\stackrel{\→}{Z}}_O\×\stackrel{\→}{V}\left(t\right)}{\left|\right|{\stackrel{\→}{Z}}_O\×\stackrel{\→}{V}\left(t\right)\left|\right|}$

${\stackrel{\→}{X}}_O=[{\left(X_O\right)}_X,{\left(X_O\right)}_Y,{\left(X_O\right)}_Z]={\stackrel{\→}{Y}}_O\×{\stackrel{\→}{Z}}_O$

其中

分别为相应t时刻传感器的位置和速度向量，X₀，Y₀，Z₀与字符下标X，Y，Z结合表示轨道坐标系的三轴向量在地心直角坐标系三轴上的分量。因此，轨道坐标系到地心坐标系的旋转矩阵R_O ^E：

$R_O^E=\left[\begin{array}{ccc}{\left(X_O\right)}_X& {\left(Y_O\right)}_X& {\left(Z_O\right)}_X\\ {\left(X_O\right)}_Y& {\left(Y_O\right)}_Y& {\left(Z_O\right)}_Y\\ {\left(X_O\right)}_Z& {\left(Y_O\right)}_Z& {\left(Z_O\right)}_Z\end{array}\right]$

其中合成孔径雷达影像的转换矩阵为：

R_b ^E=R_V ^E

R_V ^E为飞行坐标系到地心坐标系的旋转矩阵，飞行坐标系的三轴数学表达式为：

$\left\{\begin{array}{c}{\stackrel{\→}{X}}_V=[{\left(X_V\right)}_X,{\left(X_V\right)}_Y,{\left(X_V\right)}_Z]=\stackrel{\→}{V}\left(t\right)/\left|\right|\stackrel{\→}{V}\left(t\right)\left|\right|\\ {\stackrel{\→}{Y}}_V=[{\left(Y_V\right)}_X,{\left(Y_V\right)}_Y,{\left(Y_V\right)}_Z]=\stackrel{\→}{P}\left(t\right)\×\stackrel{\→}{V}\left(t\right)/\left|\right|\stackrel{\→}{P}\left(t\right)\×\stackrel{\→}{V}\left(t\right)\left|\right|\\ {\stackrel{\→}{Z}}_V=[{\left(Z_V\right)}_X,{\left(Z_V\right)}_Y,{\left(Z_V\right)}_Z]{\stackrel{\→}{X}}_V\×{\stackrel{\→}{Y}}_V\end{array}\right.$

其中

分别为t时刻传感器的位置和速度向量，X_V，Y_V，Z_V与字符下标X，Y，Z结合表示飞行坐标系的三轴向量在地心直角坐标系三轴上的分量。因此，飞行坐标系到地心坐标系的旋转矩阵R_V ^E：

步骤1.2，根据航空航天传感器平台坐标系到地心直角坐标系转换矩阵R_b ^E中的元素，计算地心直角坐标系中的姿态四元数。令传感器平台坐标系到地心直角坐标系的旋转矩阵为R_b ^E：

${R_b}^E=\left[\begin{array}{ccc}{m}_{00}& m_{01}& m_{02}\\ m_{10}& m_{11}& m_{12}\\ m_{20}& m_{21}& m_{22}\end{array}\right]$

其中，m_ij(i＝0,1,2;j＝0,1,2)代表旋转矩阵元素，按下式计算四元数q₀,q₁,q₂,q₃的值：

$q_0=\frac{1}{2}\sqrt{1+m_{00}+m_{11}+m_{22}}$

$q_1=\left\{\begin{array}{cc}\frac{1}{4q_0}(m_{21}-m_{12})& q_0\≠0\\ \frac{1}{2}(1+m_{00})& q_0=0\end{array}\right.$

$q_2=\left\{\begin{array}{cc}\frac{1}{4q_0}(m_{02}-m_{20})& q_0\≠0\\ \frac{1}{2}(1+m_{11})& q_0=0\end{array}\right.$

$q_3=\left\{\begin{array}{cc}\frac{1}{4q_0}(m_{10}-m_{01})& q_0\≠0\\ \frac{1}{2}(1+m_{22})& q_0=0\end{array}\right.$

步骤1.3，将传感器位置也转换到地心直角坐标系中,实现初始观测值归算；即传感器位置数据按下式转换为地心直角坐标系中：

${\left[\begin{array}{c}{X}_s\\ Y_s\\ Z_s\end{array}\right]}_{\mathrm{ECR}}={\left[\begin{array}{c}{X}_{\mathrm{GPS}}\\ Y_{\mathrm{GPS}}\\ Z_{\mathrm{GPS}}\end{array}\right]}_{\mathrm{ECR}}+{R_b}^E{\left[\begin{array}{c}{X}_{\mathrm{GPS}\_\mathrm{CAM}}\\ Y_{\mathrm{GPS}\_\mathrm{CAM}}\\ Z_{\mathrm{GPS}\_\mathrm{CAM}}\end{array}\right]}_b$

其中，(Xs,Ys，Zs)为地心直角坐标系中传感器的位置坐标，(X_GPS，Y_GPS，Z_GPS）为GPS测量得到的地心直角坐标系中GPS天线位置坐标，（X_{GPS_CAM},Y_{GPS_CAM},Z_{GPS_CAM}）为传感器平台坐标系中，传感器投影中心或天线中心相对与GPS天线的位置向量增量。R_b ^E为传感器平台坐标系到地心直角坐标系的转换矩阵；

步骤2，对不同传感器的参数、影像辅助数据、地面控制点、量测或匹配获取的影像像点等数据进行格式标准化，实现按固定的规范化格式记录相关数据。其中标准化的影像传感器参数文件内容包括不同源影像的传感器名称、传感器类型(分为航空框幅式或面阵传感器、航天框幅式或面阵传感器、航空线阵传感器、航天线阵传感器、航空合成孔径雷达传感器、航天合成孔径雷达传感器等6种类型)、传感器安装偏置距、传感器安装偏置角、精度信息等，光学影像还应包括像主点坐标、焦距等信息，在有各像元像方坐标检校数据的情况下，还包括各像元的像方坐标信息数据；不同影像的辅助数据标准化格式文件中，包括传感器名称、传感器类型、传感器指向信息、影像摄影起止时间、影像行间隔时间、影像分辨率、步骤1中计算得到的传感器位置、步骤1中计算得到的传感器姿态四元数，雷达影像还包括初始斜距、雷达影像的多普勒数据等信息；标准化的控制点文件包括控制点名称、三维地理坐标；标准化的像点文件包括同名像点的名称、像点的影像坐标等信息；

步骤3，以传感器位置和姿态作为定向参数，在地心直角坐标系中构建航空航天光学与合成孔径雷达影像的严密几何构像方程，实现多源异构影像几何构像模型一体化处理，地心直角坐标系航空航天遥感影像的严密几何构像方程形式为：

(x，y)=f_xy(Xs，Zs,Zs,q₀,q₁,q₂,q₃,X，Y，Z)

其中光学影像的严密几何构像方程按下式构建：

$\left\{\begin{array}{c}x=-f\frac{m_{00}(X-\mathrm{Xs})+m_{10}(Y-\mathrm{Ys})+m_{20}(Z-\mathrm{Zs})}{m_{02}(X-\mathrm{Xs})+m_{12}(Y-\mathrm{Ys})+m_{22}(Z-\mathrm{Zs})}\\ y=-f\frac{m_{01}(X-\mathrm{Xs})+m_{11}(Y-\mathrm{Ys})+m_{21}(Z-\mathrm{Zs})}{m_{02}(X-\mathrm{Xs})+m_{12}(Y-\mathrm{Ys})+m_{22}(Z-\mathrm{Zs})}\end{array}\right.$

其中合成孔径雷达影像的几何构像方程按下式构建:

$\left\{\begin{array}{c}x=[m_{00}\·(X-\mathrm{Xs})+m_{10}\·(Y-\mathrm{Ys})+m_{20}\·(Z-\mathrm{Zs})-\mathrm{R\λ}{f}_D/2v]\·u_0/M_a=0\\ y=[\sqrt{{(X-\mathrm{Xs})}^2+{(Y-\mathrm{Ys})}^2+{(Z-\mathrm{Zs})}^2}-R_0]\·u_0/M_r\end{array}\right.$

其中，m_ij为矩阵R_c ^E中的元素（i，j＝0,1,2代表该元素所在的矩阵行列号），即：

${R_c}^E={R_b}^E\·{R_c}^b=\left[\begin{array}{ccc}{m}_{00}& m_{01}& m_{02}\\ m_{10}& m_{11}& m_{12}\\ m_{20}& m_{21}& m_{22}\end{array}\right]$

R_c ^b为传感器坐标系到传感器平台坐标系的转换矩阵，根据标准化传感器参数文件中的传感器安装偏置角计算，但对于合成孔径雷达影像，偏置角取0值，M_a为方位向分辨率，M_r为距离向分辨率，X、Y、Z为地面点坐标，R_O为初始斜距，Xs、Zs、Zs为地心直角坐标系中传感器的位置坐标，λ为雷达波长，f_D为多普勒频率，R为像点对应目标的雷达测量距离，v为传感器速度大小，u_O为等效像素大小，通常取值6.5e-6(m/像素);x，y为量测的影像像点对应传感器坐标系中的坐标，对光学影像，根据步骤2中的像点影像坐标和相应的传感器几何参数文件内容按常规方法确定，对雷达影像x＝0，y＝距离向影像坐标×u₀；

通过判断步骤2中建立的标准化影像辅助文件中的传感器类型，选取光学或合成孔径雷达影像的严密几何构像方程进行相应影像的数据处理；

步骤4，构建传感器位置、姿态精化模型和严密几何构像精化模型，并将传感器位置姿态精化模型参数代入严密几何构像精化模型中，得到包含传感器位置和姿态精化模型参数的严密几何构像精化方程：

4.1传感器位置、姿态精化模型按下式建立：

$\left\{\begin{array}{c}\mathrm{Xs}={\mathrm{Xs}}_0+\mathrm{dXs}\\ \mathrm{Ys}={\mathrm{Ys}}_0+\mathrm{dYs}\\ \mathrm{Zs}={\mathrm{Zs}}_0+\mathrm{dZs}\end{array}\right.$

式中Xs，Ys，Zs为传感器位置精化后的值，X_SO、Y_SO、Z_SO为传感器位置初值，a₀、b₀、c₀、a_l、b₁、c₁为传感器位置精化模型参数，e₀、f₀、g₀、e₁、f₁、g₁为传感器姿态精化模型参数，对于航空航天光学框幅式或面阵影像，a₁、b₁、c₁、e₁f₁、g₁的值已知且取恒等于0，对于雷达影像，e₀、e₁的值已知且取恒等于0，t为摄影时刻的相对时间；

4.2严密几何构像精化模型由步骤3中的严密几何构像方程改造而成，即步骤3中的传感器位置Xs、Ys、Zs由步骤4.1中相应的位置精化函数代替，步骤3中的旋转矩阵R_c ^E由R’_c ^E代替，且

R(dω)、

R(dκ)为三个姿态欧拉角改正值对应的旋转矩阵，dω，

dκ按步骤4.1中建立的姿态精化模型代入，得到包含传感器位置和姿态精化模型参数a_i、b_i、c_i、e_i、f_i、g_i(i＝0,1)的严密几何构像精化方程；

步骤5，以传感器位置和姿态精化模型参数、影像像点坐标系统误差参数、地面点坐标等为未知数，构建不同源影像观测值误差方程的一般形式，并与定向参数虚拟观测值、地面点坐标观测值的误差方程一起，组建多源观测值联合平差误差方程组，并按相关观测值的先验精度进行定权；

5.1以传感器位置和姿态精化模型参数a_i、b_i、c_i、e_i、f_i、g_i(i＝0,1)、地面点坐标参数增量(dX，dY，dZ)和影像坐标系统差(dx₀,dy₀)作为未知数，对步骤4中构建的严密几何构像精化方程进行线性化，得到多源影像像点量测坐标误差方程的一般形式：

$\left\{\begin{array}{c}{v}_x=\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xai}}{a}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xbi}}{b}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xci}}{c}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xei}}{e}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xfi}}{f}_i+\underset{i=1}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xgi}}{g}_i+f_{\mathrm{xX}}\mathrm{dX}+f_{\mathrm{xY}}\mathrm{dY}+f_{\mathrm{xZ}}\mathrm{dZ}+{\mathrm{dx}}_0-l_x\\ v_y=\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yai}}{a}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{ybi}}{b}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yci}}{c}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yei}}{e}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yfi}}{f}_i+\underset{i=1}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{ygi}}{g}_i+f_{\mathrm{yX}}\mathrm{dX}+f_{\mathrm{yY}}\mathrm{dY}+f_{\mathrm{yZ}}\mathrm{dZ}+{\mathrm{dy}}_0-l_y\end{array}\right.$

其中:v_x，v_y为影像像点量测坐标改正数向量，l_x、l_y为误差方程常数项，f_xai、f_xbi、f_xci、f_xei、f_xfi、f_xgi、f_yai、f_ybi、f_yci、f_yei、f_xfi、f_ygi为误差方程传感器位置和姿态精化模型参数未知数的系数，f_xX、f_xY、f_xZ、f_yX、f_yY、f_yZ为误差方程地面点坐标未知数的系数；

5.2联合影像观测值误差方程与地面点坐标、影像定向参数等观测值或虚拟观测值的误差方程一起构建基础误差方程组：

式中，V_xy、V_g、V_t误差方程式分别为像点坐标、地面点坐标、定向参数观测值误差方程式；g代表地面点坐标增量未知数向量[dX，dY，dZ]；t代表定向参数向量，包括传感器位置和姿态精化模型的一般多项式系数未知数、影像系统差未知数[a₀,b₀,c₀,e₀，f_O,g₀,a_l,b₁,c₁,e₁，f₁,g₁,dx₀,dy₀]，影像为光学框幅式或面阵传感器获取时，定向参数不包括a_l、b₁、c_l、e₁、f₁、g₁参数，影像为合成孔径雷达传感器获取时，定向参数不包括e₀、e₁参数；L_xy、L_g、L_t为相应观测值误差方程常数向量；B_g、B_t、E_g、E_t为误差方程系数设计矩阵；P_xy、P_g分别代表像点量测坐标、地面点坐标的权向量，P_t代表定向参数[a₀,b₀,c₀,a_l,b₁,c₁,e₀，f₀,g₀,e₁，f₁,g₁,dx₀,dy₀]虚拟观测值的权向量；各类观测值的权根据其精度进行计算，其中a₀、b₀、c_O的精度分别与传感器位置的测量精度一致，a₁、b₁、c₁的精度与速度测量精度一致，e₀、f₀、g₀的精度与姿态测量精度一致,e₁、f₁、g₁的精度与姿态稳定度一致，dx₀、dy₀的精度与影像系统差检校精度一致；

步骤6，迭代解算各种定向参数的精化值，剔除或编辑定向残差大的点，计算定向参数和加密点坐标；其中定向残差可以根据步骤5.1中的误差方程直接计算出来；循环迭代计算终止的条件是误差大于某个给定阈值的像点得到修正或剔除，定向参数求解迭代停止条件为相对于上一次求解结果的增量小于某个给定的阈值。

步骤7，通过精化后的定向参数和步骤4.2中建立的严密几何构像精化模型，或通过加密获得的地面点坐标，实现对原始影像几何处理或影像的对地定位处理。

在有较高传感器位置和姿态数据情况下，该方法实现了稀少控制点条件下多源影像的联合定位，实现了多源影像观测值与多源非影像观测值联合平差，且各观测值或虚拟观测值能够进行先验定权，在提高平差解算精度、稳定性、效率等方面，也有一定的优势。

Claims (10)

1.一种多源异构遥感影像联合定位方法，其特征在于：以地心直角坐标系作为统一的物方坐标系统，以传感器位置、姿态精化模型参数和影像像点坐标系统差作为统一的定向参数，以影像观测值与非影像观测值的联合平差和各观测值的先验定权实现定向参数的解算，通过以下步骤实现航空航天光学与合成孔径雷达影像的联合定位：(1)将机载或星载传感器姿态数据转换为相对于地心直角坐标系中的四元数形式，同时将传感器位置也转换到地心直角坐标系中,实现初始观测值归算；(2)对不同源影像的传感器参数、影像辅助数据、地面控制点和影像像点按固定的标准化格式文件记录相关信息；(3)以传感器位置和姿态作为定向参数，在地心直角坐标系中构建航空航天光学与合成孔径雷达影像的严密几何构像方程，实现多源异构影像几何构像模型统一表达；(4)构建传感器位置、姿态精化模型和严密几何构像精化模型，并将传感器位置姿态精化模型参数代入严密几何构像精化模型中；(5)以传感器位置和姿态精化模型参数、影像像点坐标系统误差参数、地面点坐标等为未知数，构建不同源影像观测值误差方程的一般形式，并与定向参数虚拟观测值、地面点坐标观测值的误差方程一起，组建多源观测值联合平差误差方程组，并按相关观测值的先验精度进行定权；(6)以标准化格式记录的数据文件和联合平差误差方程组为基础，循环迭代计算各种定向参数的精化值及地面点坐标精化值，计算加密点坐标，并根据建立的影像观测值误差方程式解算各像点观测值的误差并编辑或剔除粗差点；(7)根据精化定向参数和精化模型，或通过加密点实现对原始影像的几何处理或影像的对地定位处理。

2.根据权利要求1所述的多源异构遥感影像联合定位方法，其特征在于：所述步骤（1）中，传感器姿态数据转换为相对于地心直角坐标系中的四元数形式，其计算方法是首先计算传感器平台坐标系到地心直角坐标系的转换矩阵R_b ^E，机载光学影像的转换矩阵为：

R_b ^E=R_n ^E(B_n,L_n)R_b ⁿ(Ψ,Θ,Φ)

星载光学影像的转换矩阵为：

合成孔径雷达影像的转换矩阵为：

R_b ^E=R_V ^E

其中，B_n,L_n为机载传感器摄影时刻地理经纬坐标、Ψ,Θ,Φ为机载传感器姿态值，ω,

κ为星载传感器姿态值，R_n ^E、R_b ⁿ分别为导航坐标系到地心直角坐标系、机载传感器平台坐标系到导航坐标系的转换矩阵，R_O ^E、R^bO分别为轨道坐标系到地心直角坐标系、卫星传感器平台坐标系到卫星轨道坐标系的转换矩阵，R_V ^E为飞行坐标系到地心直角坐标系的旋转矩阵；

根据航空航天传感器平台坐标系到地心直角坐标系转换矩阵R_b ^E中的元素，计算地心直角坐标系中的姿态四元数q₀,q₁,q₂,q₃的值。

3.根据权利要求1所述的多源异构遥感影像联合定位方法，其特征在于：所述步骤（1）中，将传感器位置坐标转换到地心直角坐标系中的计算方法为：

${\left[\begin{array}{c}{X}_s\\ Y_s\\ Z_s\end{array}\right]}_{\mathrm{ECR}}={\left[\begin{array}{c}{X}_{\mathrm{GPS}}\\ Y_{\mathrm{GPS}}\\ Z_{\mathrm{GPS}}\end{array}\right]}_{\mathrm{ECR}}+{R_b}^E{\left[\begin{array}{c}{X}_{\mathrm{GPS}\_\mathrm{CAM}}\\ Y_{\mathrm{GPS}\_\mathrm{CAM}}\\ Z_{\mathrm{GPS}\_\mathrm{CAM}}\end{array}\right]}_b$

其中，[Xs，Ys，Zs]_ECR ^T为地心直角坐标系中传感器投影中心或天线中心的位置向量；[X_GPS，Y_GPS，Z_GPS]_ECR ^T为通过GPS测量得到的地心直角坐标系中GPS天线位置；[X_{GPS_CAM},Y_{GPS_CAM},Z_{GPS_CAM}]_b ^T为在传感器平台坐标系中，光学传感器投影中心或合成孔径雷达传感器天线中心相对于GPS天线位置的向量增量；R_b ^E为传感器平台坐标系到地心直角坐标系中的转换矩阵；

通过此步骤，并在地心直角坐标系中统一表述传感器状态矢量，为步骤(2)影像辅助数据规范化处理及步骤(3)中地心直角坐标系中构建的多源影像的严密构像模型提供初值。

4.根据权利要求1所述的多源异构遥感影像联合定位方法，其特征在于：所述步骤（2）中，标准化的影像传感器参数文件内容包括不同源影像的传感器名称、传感器类型、传感器安装偏置距、传感器安装偏置角、传感器指向信息、精度信息，光学影像还应包括像主点坐标、焦距等信息，在有各像元像方坐标检校数据的情况下，还包括各像元的像方坐标信息数据；不同影像的辅助数据标准化格式文件内容包括传感器名称、传感器类型、影像摄影起止时间、影像行间隔时间、影像分辨率、步骤（1）中计算得到的传感器位置、步骤（1）中计算得到的传感器姿态四元数，合成孔径雷达影像还包括初始斜距、多普勒数据等信息；标准化的控制点文件包括控制点名称、三维地理坐标；标准化的像点文件包括同名像点对应地面点的名称、像点的影像坐标等信息。

5.根据权利要求1所述的多源异构遥感影像联合定位方法，其特征在于：所述步骤（3）中，地心直角坐标系不同源影像的严密几何构像方程形式统一为：

(xy)=f_xy(Xs，Ys，Zs，q₀,q₁,q₂,q₃,X，Y，Z)

其中：

光学影像的严密几何构像方程按下式构建：

$\left\{\begin{array}{c}x=-f\frac{m_{00}(X-\mathrm{Xs})+m_{10}(Y-\mathrm{Ys})+m_{20}(Z-\mathrm{Zs})}{m_{02}(X-\mathrm{Xs})+m_{12}(Y-\mathrm{Ys})+m_{22}(Z-\mathrm{Zs})}\\ y=-f\frac{m_{01}(X-\mathrm{Xs})+m_{11}(Y-\mathrm{Ys})+m_{21}(Z-\mathrm{Zs})}{m_{02}(X-\mathrm{Xs})+m_{12}(Y-\mathrm{Ys})+m_{22}(Z-\mathrm{Zs})}\end{array}\right.$

合成孔径雷达影像的几何构像方程按下式构建:

$\left\{\begin{array}{c}x=[m_{00}\·(X-\mathrm{Xs})+m_{10}\·(Y-\mathrm{Ys})+m_{20}\·(Z-\mathrm{Zs})-\mathrm{R\λ}{f}_D/2v]\·u_0/M_a=0\\ y=[\sqrt{{(X-\mathrm{Xs})}^2+{(Y-\mathrm{Ys})}^2+{(Z-\mathrm{Zs})}^2}-R_0]\·u_0/M_r\end{array}\right.$

上面各式中，m_ij为矩阵R_c ^E中的元素（i，j＝0,1,2代表该元素所在的矩阵行列号），即：

${R_c}^E={R_b}^E\·{R_c}^b=\left[\begin{array}{ccc}{m}_{00}& m_{01}& m_{02}\\ m_{10}& m_{11}& m_{12}\\ m_{20}& m_{21}& m_{22}\end{array}\right]$

R_c ^b为传感器坐标系到传感器平台坐标系的转换矩阵，根据标准化传感器参数文件中的传感器安装偏置角计算，但对于合成孔径雷达影像，偏置角取0值，X、Y、Z为地面点坐标，R₀为初始斜距，Xs、Ys、Zs为地心直角坐标系中传感器的位置坐标，M_a为雷达影像的方位向分辨率，M_r为雷达影像的距离向分辨率，λ为雷达波长，f_D为多普勒频率，R为像点对应目标的雷达测量距离，v为传感器速度大小标量，u₀为等效像素大小，通常取值6.5e-6(m/像素);x，y为量测的影像像点对应传感器坐标系中的坐标，对光学影像，根据步骤（2）中的像点影像坐标和相应的传感器几何参数文件内容按常规方法确定，对合成孔径雷达影像x＝0，y＝距离向影像坐标×u₀；

通过判断步骤2中建立的标准化影像辅助文件中的传感器类型，选取光学或合成孔径雷达影像的严密几何构像方程进行相应影像的数据处理。

6.根据权利要求1所述的多源异构遥感影像联合定位方法，其特征在于：所述步骤（4）中，传感器位置、姿态精化模型为：

$\left\{\begin{array}{c}\mathrm{Xs}={\mathrm{Xs}}_0+\mathrm{dXs}\\ \mathrm{Ys}={\mathrm{Ys}}_0+\mathrm{dYs}\\ \mathrm{Zs}={\mathrm{Zs}}_0+\mathrm{dZs}\end{array}\right.$

式中dXs、dYs、dZs为传感器位置精化值增量，dω、

dκ为姿态精化值增量，Xs，Ys，Zs为传感器位置精化后的值，X_SO、Y_SO、Z_SO为传感器位置初值，a₀、b₀、c₀、a_l、b_l、c₁为传感器位置精化模型参数，e₀、f₀、g₀、e₁、f₁、g₁为传感器姿态精化模型参数，对于航空航天光学框幅式或面阵影像，a_l、b_l、c₁、e₁、f₁、g_l的值已知且取恒等于0，对于合成孔径雷达影像，e₀、e₁的值已知且取恒等于0，t为摄影时刻的相对时间。

7.根据权利要求1所述的多源异构遥感影像联合定位方法，其特征在于：所述步骤（4）中，严密几何构像精化模型由步骤（3）中的严密几何构像方程改造而成，即步骤（3）中的传感器位置Xs、Ys、Zs由步骤（4）中相应的位置精化函数代替，步骤（3）中的旋转矩阵R_c ^E由R’_c ^E代替，且

R(dω)、

R(dκ)为三个姿态欧拉角改正值对应的旋转矩阵，dω，

dκ按步骤（4）中建立的姿态精化模型代入，得到包含传感器位置和姿态精化模型参数的严密几何构像精化方程。

8.根据权利要求1所述的多源异构遥感影像联合定位方法，其特征在于：所述步骤（5）中，不同源影像的像点量测坐标误差方程的一般形式以传感器位置和姿态精化模型参数a_i、b_i、c_i、e_i、f_i、g_i(i＝0,1)、地面点坐标参数增量(dX，dY，dZ)和影像坐标系统差(dx₀,dy₀)作为未知数，对步骤（4）中构建的严密几何构像精化方程进行线性化得到：

$\left\{\begin{array}{c}{v}_x=\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xai}}{a}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xbi}}{b}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xci}}{c}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xei}}{e}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xfi}}{f}_i+\underset{i=1}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{xgi}}{g}_i+f_{\mathrm{xX}}\mathrm{dX}+f_{\mathrm{xY}}\mathrm{dY}+f_{\mathrm{xZ}}\mathrm{dZ}+{\mathrm{dx}}_0-l_x\\ v_y=\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yai}}{a}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{ybi}}{b}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yci}}{c}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yei}}{e}_i+\underset{i=0}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{yfi}}{f}_i+\underset{i=1}{\overset{1}{\mathrm{\Σ}}}{f}_{\mathrm{ygi}}{g}_i+f_{\mathrm{yX}}\mathrm{dX}+f_{\mathrm{yY}}\mathrm{dY}+f_{\mathrm{yZ}}\mathrm{dZ}+{\mathrm{dy}}_0-l_y\end{array}\right.$

其中:v_x，v_y为像点量测坐标改正数向量，l_x、l_y为误差方程常数项，f_xai、f_xbi、f_xci、f_xei、f_xfi、f_xgi、f_yai、f_ybi、f_yci、f_yei、f_yfi、f_ygi为误差方程传感器位置和姿态精化模型参数未知数的系数，f_xX、f_xY、f_yZ、f_yX、f_yY、f_yZ为误差方程地面点坐标未知数的系数。

9.根据权利要求1所述的多源异构遥感影像联合定位方法，其特征在于：所述步骤（5）中，影像观测值误差方程与地面点坐标、影像定向参数等观测值或虚拟观测值的误差方程一起构建多源数据联合平差的误差方程组：

式中，V_xy、V_g、V_t误差方程式分别为像点坐标、地面点坐标、定向参数观测值误差方程式；g代表地面点坐标增量未知数向量[dX，dY，dZ]；t代表定向参数，为传感器位置和姿态精化模型的一般多项式系数未知数、影像系统差未知数向量[a₀,b₀,c₀,e₀，f₀,g₀,a_l,b_l,c₁,e₁，f₁,g₁,dx₀,dy₀]，影像为光学框幅式或面阵传感器获取时，定向参数不包括a₁、b₁、c₁、e₁、f₁、g₁参数，影像为合成孔径雷达传感器获取时，定向参数不包括e₀、e₁参数；L_xy、L_g、L_t为相应观测值误差方程常数向量；B_g、B_t、E_g、E_t为误差方程系数设计矩阵；P_xy、P_g分别代表像点量测坐标、地面点坐标观测值的权向量，P_t代表定向参数[a₀,b₀,c₀,a₁,b_l,c₁,e₀，f₀,g₀,e₁，f₁,g₁,dx₀,dy₀]虚拟观测值的权向量；各类观测值的权根据其精度进行计算，其中a₀、b₀、c₀的精度分别与传感器位置的测量精度一致，a_l、b₁、c_l的精度与速度测量精度一致，e₀、f₀、g₀的精度与姿态测量精度一致,e₁、f₁、g₁的精度与姿态稳定度一致，dx₀、dy₀的精度与影像系统差检校精度一致。

10.根据权利要求1所述的多源异构遥感影像联合定位方法，其特征在于：所述步骤（6）中，循环迭代计算终止的条件是误差大于某个给定阈值的像点得到修正或剔除，定向参数求解迭代停止条件为相对于上一次求解结果的增量小于某个给定的阈值。

Images