CN106960174B - 高分影像激光雷达高程控制点提取及其辅助定位方法 - Google Patents
高分影像激光雷达高程控制点提取及其辅助定位方法 Download PDFInfo
- Publication number
- CN106960174B CN106960174B CN201710065903.1A CN201710065903A CN106960174B CN 106960174 B CN106960174 B CN 106960174B CN 201710065903 A CN201710065903 A CN 201710065903A CN 106960174 B CN106960174 B CN 106960174B
- Authority
- CN
- China
- Prior art keywords
- image
- elevation
- resolution
- laser
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Astronomy & Astrophysics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
Abstract
本发明给出了一种高分影像激光雷达高程控制点提取及其辅助定位方法,其核心是通过对测高激光雷达数据与高分影像数据的联合处理,提取高分遥感影像高程控制点及其像控点,并通过构建带有高程约束的高分影像定位模型,实现高分影像定位精度的提升。本发明能够在测高激光雷达数据的支持下,显著提升高分遥感影像的立体定位精度与高分影像测绘产品精度。
Description
技术领域
本发明涉及一种高分遥感影像摄影测量、数据匹配、多源遥感数据联合处理等领域,尤其涉及一种激光雷达数据与高分遥感影像数据联合处理领域中的高分影像激光雷达高程控制点提取及其辅助定位方法。
背景技术
经过几十年的快速发展,卫星遥感数据已经形成了从Landsat系列(80米)-TM(30米)-SPOT1/2/4(10米)到SPOT5HRS(10×5米)-SPOT5HRG(2.5米)-IKONOS(1.0米)-QuickBird(0.6米)的各种分辨率、多时相、高信噪比、高几何和辐射分辨率(大于8比特/像素)、覆盖全球的影像序列,为资源开发、生态环境保护和社会经济规划提供所必需的地理空间信息。
遥感影像几何定位模型通常以构建影像坐标与物方坐标之间的映射关系为主要任务,遥感影像几何定位通常分严密物理模型和通用模型两大类。严密模型通常根据传感器成像机理和传感器本身的结构为基础构建成像几何关系,而通用模型通常避开了成像机理和传感器几何结构实现影像坐标与物方坐标的函数拟合。共线方程和距离-多普勒方程分别是光学影像和雷达影像使用得最为广泛的严密构象方程,有理函数模型RFM是目前卫星影像使用得最为广泛的通用模型。有理函数模型(RFM)是目前应用得非常广泛的非物理传感器模型,是各种传感器几何模型更广义的一种表达形式,它适用于各种不同的传感器,通过给出的有理多项式系数运用有理多项式函数进行影像的纠正与定位。由于它隐藏了传感器参数,许多卫星影像供应商考虑使用有理多项式系数(RPC)作为影像几何信息的传递标准。自2002年Tao等在ISPRS上,同时发表了像方增加仿射变换参数可实现影像的高精度定向的论文,通过像方定向实现卫星影像的定位即成为RFM定位的主流方法。此后,相关研究内容主要集中在不同卫星影像RPC参数的计算、RFM定位方法等内容上。近几年,国内基于RFM进行几何定位的研究也非常活跃,相关成果也代表了国际上该领域的水平。张力以SPOT5HRS为研究对象,通过对长条带影像的区域网平差解决了西部测图稀少控制难点;张永军等基于有理多项式系数的线阵卫星近似核线影像的生成进行了研究;张过对RPC代替卫星光学与SAR影像严密模型的方法与精度进行了研究;唐新明等通过CCD虚拟成像技术对原影像进行重成像,降低因原始传感器像元排列不规则引起的RFM拟合误差,提升了资源三号卫星影像RFM拟合精度。
RFM实际上是各种传感器几何模型的一种抽象的表达方式,它适用于各类传感器包括最新的航空和航天传感器,是多项式模型更精确的形式。它以像点坐标(R,C)表达为以相应地理和高程坐标(P,L,H)为自变量的多项式比值:
其中:
NumR(Pn,Ln,Hn)=a1+a2Pn+a3Ln+a4Hn+a5PnLn+a6PnHn+a7LnHn+a8Pn 2+a9Ln 2+a10Hn 2+
a11PnLnHn+a12Pn 3+a13PnLn 2+a14PnHn 2+a15Pn 2Ln+a16Ln 3+a17LnHn 2+a18Pn 2Hn+a19Ln 2Hn+a20Hn 3
DenR(Pn,Ln,Hn)=b1+b2Pn+b3Ln+b4Hn+b5PnLn+b6PnHn+b7LnHn+b8Pn 2+b9Ln 2+b10Hn 2+
b11PnLnHn+a12Pn 3+a13PnLn 2+b14PnHn 2+b15Pn 2Ln+b16Ln 3+b17LnHn 2+b18Pn 2Hn+b19Ln 2Hn+b20Hn 3
NumC(Pn,Ln,Hn)=c1+c2Pn+c3Ln+c4Hn+c5PnLn+c6PnHn+c7LnHn+c8Pn 2+c9Ln 2+c10Hn 2+
c11PnLnZn+c12Pn 3+c13PnLn 2+c14PnHn 2+c15Pn 2Ln+c16Ln 3+c17LnHn 2+c18Pn 2Hn+c19Ln 2Hn+c20Hn 3
DenC(Pn,Ln,Hn)=d1+d2Pn+d3Ln+d4Hn+d5PnLn+d6PnHn+d7LnHn+d8Pn 2+d9Ln 2+d10Hn 2+
d11PnLnHn+d12Pn 3+d13PnLn 2+d14PnHn 2+d15Pn 2Ln+d16Ln 3+d17LnHn 2+d18Pn 2Hn+d19Ln 2Hn+d20Hn 3
式中NumR(Pn,Ln,Hn),DenR(Pn,Ln,Hn),NumC(Pn,Ln,Hn),DenC(Pn,Ln,Hn)为三元三次多项式,ai,bi,ci,di(此处i=1…20)为影像附带的RPC参数,b1=1,d1=1;(Pn,Ln,Hn)为地面点地理和高程坐标(P,L,H)的归一化参数,(Rn,Cn)为像点影像坐标(R,C)的归一化参数,根据下式计算:
其中Roff,Coff是像点的影像坐标偏移参数,Poff,Loff,Hoff是像点对应地理坐标的偏移参数,Rscale,Cscale为像点的比例系数,Pscale,Lscale,Hscale为地面点坐标的比例系数,他们均为RFM模型RPC的组成部分。根据上述式子,不难建立遥感影像像点坐标(R,C)为显函数、地理坐标纬度、经度和高程参数(P,L,H)为未知数的RFM模型:
立体遥感影像提取DSM(Digital Surface Model-DSM)的关键部分为立体影像之间大量同名点自动匹配技术。根据采用影像特征进行分类,可分成基于灰度区域匹配和基于特征的匹配。根据已有立体匹配研究和实验结果,基于灰度区域立体匹配目前仍广泛使用,其优点是速度快,精度较高。基于特征的匹配优点是能较好的抵抗立体像对之间的旋转、尺度拉伸等影响,但密度一般较低。目前取得较好立体匹配效果算法主要为全局优化算法。
采用星载激光测高仪辅助提高卫星立体影像几何定位精度特别是高程精度,已经得到了航天摄影测量界的重视,计划于2018年发射的高分七号卫星上将同时搭载光学立体相机和激光测高仪。国内研究者地对激光测高卫星的严密几何模型进行了构建与精度分析,并选择ICESat/GLAS的0级辅助文件,采用严密几何模型重现了2级产品的生产过程。国内外的应用证明,测高激光雷达数据可以获得非常高的高程精度。激光雷达目标定位、根据地形地貌实现测高雷达波形反演技术比较成熟。
从已有现状可以看出,立体遥感影像生成DSM可以得到很高的地面分辨率,但在没有或稀少地面控制点条件下,精度尤其是高程精度提升遇到瓶颈问题。而测高激光雷达虽然高程精度非常理想,但激光测高密度非常低,不能直接用于DSM和DEM产品生成。如何将两者进行结合,提升地理信息产品质量,是当前两种数据应用的核心和难点所在。
参考文献:
Tao C V,HuY,Schnick S,2002.Photogrammetric Exploitation ofIkonosImagery Using the Rational Function Model.Proceedings ofASCM-APSRSAnnualConvention,Washington DC,April 19-26.
张力,张继贤,陈向阳,等.基于有理多项式模型RFM的稀少控制SPOT5卫星影像区域网平差[J].测绘学报,2009,38(4):302-310.
张永军,丁亚洲.基于有理多项式系数的线阵卫星近似核线影像的生成.武汉大学学报(信息科学版).2009.34(9):1068-1071.
张过,费文波,李贞,祝小勇,唐新明.用RPC替代星载SAR严密成像几何模型的试验与分析.测绘学报.2010.39(3):264-270.
张过,李德仁.卫星遥感影像RPC参数求解算法研究.中国图象图形学报,2007.12(12):2080-2088.
唐新明,张过,祝小勇,等.资源三号测绘卫星三线阵成像几何模型构建与精度初步验证[J].测绘学报,2012,41(2):191-198.
Zhang,L.,2005.Automatic digital surface model(DSM)generation fromlinear array images.Doctoral thesis.Mitteilungen 88.DissertationNo.16078.Institute of Geodesy and Photogrammetry,ETH Zurich,Switzerland.218pages.http://e-collection.library.ethz.ch/view/eth:28126
Gruen,A.,1985.Adaptive least squares correlation:a powerful imagematching technique.SouthAfrican Journal ofPhotogrammetry,Remote Sensing andCartography,14(3):175–187.
Scharstein,D.and Szeliski,R.,2002.A taxonomy and evaluation of densetwo-frame stereo correspondence algorithms.International JournalofComputerVision,47(1–3):7–42.
Hirschm€uller,H.,2008.Stereo processing by semiglobal matching andmutual information.IEEE Transactions on Pattern Analysis and MachineIntelligence,30(2):328–342.
Middlebury StereoVisionPage:http://vision.middlebury.edu/stereo.
周辉,李松.激光测高仪接收信号波形模拟器.中国激光,2006,Vol.33(10):1402-1406.
唐新明,李国元,高小明,陈继溢.卫星激光测高严密几何模型构建及精度初步验证.测绘学报.2016.45(10):1182-1191.
李骥,陈结祥,张毅等.基于IDL的激光测高雷达回波时域仿真算法研究.大气与环境光学学报.2007.2(5):370-375.
发明内容
本发明提供了一种高分影像激光雷达高程控制点提取及其辅助定位方法,是利用激光测高传感器数据辅助提升高分传感器遥感影像对地定位精度尤其是高程精度的方法,通过提取高分遥感影像测高激光雷达光斑区域的高程控制点及其像控点,在传统影像定位模型误差方程组的基础上,增加提取得到的高程控制点的误差方程组,通过最小二乘解算定向参数,提升高分影像的定位精度及其测绘产品精度。具体通过下述步骤实现:
步骤1对测区高分遥感影像进行区域网平差或自由网平差,获取初步精化的各景影像定向参数,用作后继步骤2—步骤6影像处理初值。
步骤2选择用于激光光斑区提取的高分影像:选择测高激光雷达传感器同一平台、相同或相近时刻获取数据的高分影像,在没有的情况下选择与激光光斑区有重叠的影像,作为提取测高激光雷达光斑区域处理的对象。
步骤3高分影像上提取激光光斑区域:通过激光光斑相机影像与选择的高分影像匹配和坐标转换方式、或在没有激光光斑相机条件下利用同平台测高激光雷达传感器与高分影像传感器检校参数计算方式在高分影像上获取激光光斑区域。
其中,步骤3中通过激光光斑相机影像与高分影像匹配方式在高分影像上获取激光光斑区域通过如下步骤3.1—步骤3.3实现:
步骤3.1在激光光斑相机影像上提取激光光斑的范围;
步骤3.2将激光光斑影像与高分传感器影像进行匹配,通过匹配获得两种影像间的同名点,拟合计算光斑相机影像坐标与高分遥感影像坐标之间的转换模型参数,两种影像坐标间的转换通过仿射变换模型能够满足精度要求;
步骤3.3根据光斑相机影像坐标与高分遥感影像坐标的转换模型,将光斑相机影像上提取的激光光斑范围转换到高分遥感影像上,进而获取高分遥感影像上光斑区的范围。
其中,步骤3中利用同平台测高激光雷达传感器与高分影像传感器检校参数计算方式在高分影像上获取激光光斑区域通过如下步骤3.4—3.5实现:
步骤3.4根据激光雷达定位模型和测高激光雷达参数,计算激光光斑中心的地理位置和光斑区范围,在测区有高精度DEM数据的情况下,利用高精度DEM数据辅助计算激光光斑区位置和范围,能够获得更好的精度,在没有高精度DEM情况下,可利用全球公开的SRTM数据辅助计算;
步骤3.5将计算得到的激光光斑地理位置和光斑区范围,根据高分影像的成像模型,转换到步骤2选择的高分影像上,在所选择的高分遥感影像上获取激光光斑区域。
步骤4光斑区高分立体影像DSM生成:以选取的高分影像光斑区影像为参考影像,对光斑区有重叠的高分立体影像进行密集匹配,并通过立体交会方式获取光斑区高分影像的DSM。
步骤5高分影像高程控制点及其像控点的提取:通过对激光雷达实测波形和光斑区数字高程模型分析方式、或通过测高激光雷达实测波形与高分影像光斑区DSM反演波形匹配方式,获取激光光斑区高分影像的高程控制点及其像控点。
其中,步骤5中通过对激光雷达实测波形和光斑区数字高程模型分析方式获取激光光斑区高分影像的高程控制点及其像控点,具体通过步骤5.1—5.2实现:
步骤5.1从高分影像生成的光斑区域DSM中,提取能够对激光雷达波强反射的高程层并在该高程层上任意选取某个高程点作为特征点,从DSM中获取该特征点的三维坐标,并从相应的雷达实测波形中提取对应的高程值,设为h;
步骤5.2根据特征点DSM中提取的三维坐标,利用高分影像的定向参数和成像模型计算与该特征点有重叠的所有高分影像的像点坐标,各影像的像点坐标与高程h均构成高程控制点,设第m景影像上的像点坐标为(rm,cm),则该像点即为第m景影像的一个高程像控点,其与高程值h构成第m景高分影像的一组高程控制点(rm,cm,h);
其中,步骤5中通过测高激光雷达实测波形与高分影像光斑区DSM反演波形匹配方式获取光斑区高程控制点及其像控点,具体通过步骤5.3—步骤5.5实现:
步骤5.3姿态采用激光光束中心对准提取的DSM中心时的值,其他参数采用对应激光雷达实测时的参数,对DSM目标进行模拟观测,对高分影像生成的DSM进行激光测高波形反演;
步骤5.4将测高激光雷达实测波形与反演生成的波形进行归一化处理,将归一化激光雷达实测波形作为波形模板,在时间轴上平移归一化实测波形,以各采样点时刻上移动后的归一化实测波形值与归一化反演波形值之差平差和或其它模板匹配算法作为测度,使归一化实测波形与归一化反演波形得到最优匹配,获取实测波形沿时间轴上的平移量,进而根据激光在空间的传播速度得到光斑区高分影像生成的DSM相对于激光测高高程间的整体偏移量dH;
步骤5.5通过影像特征点提取与匹配的方式获取光斑区或其附近区域重叠高分影像间的同名点,根据重叠影像的定向参数立体交会出同名点对应地面点的三维坐标,设其平面坐标(X,Y),高程坐标为H,则各重叠影像上同名点的像点坐标与高程值H-dH均组成高程控制点,即若同名点在第n景影像上的像方坐标为(rn,cn),(rn,cn,H-dH)构成第n景高分影像的一组高程控制点,(rn,cn)为其对应的像控点坐标。
以上步骤5两种方法中,通过波形匹配获取高程控制点及其像控点方法在不同测区环境下适用范围更广,在林区实测波形中通常包括地形层和树冠层,对回波数据中对DSM没有表达的高程层回波数据预先滤除处理会有更好的效果;通过波形和DSM高程分析方法在一些建筑区、高程层次明显的区域,亦能够产生较好的效果。
步骤6高程控制点约束的高分影像定位模型构建与解算:通过构建带有高程控制点约束的高分影像严密定位模型或RFM模型,计算高分影像最终精化后的定向参数和加密点坐标。
高程控制点约束的RFM模型通过联合影像平高控制点(即传统的影像控制点)、影像平面控制点、影像高程控制点、影像同名连接点相关的误差方程组解算实现;其中影像控制点相关的误差方程组将影像的像方定向作为待解未知参数,地面点坐标作为已知值,或将地面点坐标作为带有误差的观测值列入误差方程组;影像平面控制点相关的误差方程组将像方定向参数和平面控制点高程作为待求未知数,将平面控制点平面坐标作为已知值,或将平面坐标作为带有误差的观测值列入误差方程组;影像高程控制点相关的误差方程组将像方定向参数和高程控制点的平面坐标作为待求未知数,将高程控制点高程作为已知值,或将高程控制点高程作为带有误差的观测值列入误差方程组;影像同名连接点相关的误差方程组将像方定向参数和地面点坐标均作为待求未知参数;在列出所有误差方程后,通过最小二乘求解未知参数。
带有高程控制点的高分影像严密模型可利用传统的平高控制点、平面控制点、高程控制点、同名连接点的遥感影像严密空中三角测量方法,实现定向参数和加密点坐标的计算。
步骤7高分影像测绘产品生成:利用计算得到的最终精化后的各景影像定向参数和加密点坐标,实现高分遥感影像的定位应用,或生成DSM、DOM、DLG等摄影测量产品。
本发明能够在测高激光雷达数据的支持下,精细提取高分遥感影像的高程控制点,能够显著提升高分遥感影像的定位精度尤其是高程精度,克服当前高分遥感影像测绘产品高程精度提升遇到的瓶颈。
附图说明
图1是本发明提供的高分影像激光雷达高程控制点提取及其辅助定位方法的示意图。
具体实施方式
本发明利用激光测高传感器数据辅助提升高分传感器遥感影像对地定位精度尤其是高程精度的方法,通过提取高分遥感影像光斑区域的像控点和高程控制点,构建带有高程控制点的定位模型,解算定向参数和加密点,提升影像的定位精度尤其是高程精度。具体通过下述步骤实现:
步骤1利用常规方法对测区高分遥感影像进行区域网平差或自由网平差,获取初步精化的各景影像定向参数,用作后继步骤2~步骤6影像处理初值。
步骤2选择用于激光光斑区提取的高分影像:选择测高激光雷达传感器同一平台、相同或相近时刻获取数据的高分影像,在没有的情况下选择与激光光斑区有重叠的影像,作为提取测高激光雷达光斑区域处理的对象。
步骤3高分影像上提取激光光斑区域:通过激光光斑相机影像与选择的高分影像匹配和坐标转换方式、或在没有激光光斑相机条件下利用同平台测高激光雷达传感器与高分影像传感器检校参数计算方式在高分影像上获取激光光斑区域。
其中,步骤3中通过激光光斑相机影像与高分影像匹配和坐标转换方式在高分影像上获取激光光斑区域通过如下步骤3.1—步骤3.3实现:
步骤3.1在激光光斑相机影像上提取激光光斑的范围;
步骤3.2将激光光斑影像与高分传感器影像进行匹配,通过匹配获得两种影像间的同名点,拟合计算光斑相机影像坐标与高分遥感影像坐标之间的转换模型参数,两种影像坐标间的转换通过仿射变换模型能够满足精度要求。仿射变换模型为:
其中(R1,C1)为光斑相机影像上的像点坐标,(R2,C2)为高分影像的像点坐标,他们对应于两种影像上的同一组同名像点,f1~f6为两种影像光斑区域影像坐标的仿射变换模型参数;
步骤3.3根据光斑相机影像坐标与高分遥感影像坐标的转换模型,将光斑相机影像上提取的激光光斑范围转换到高分遥感影像上,进而获取高分遥感影像上光斑区的范围。
其中,步骤3中利用同平台测高激光雷达传感器与高分影像传感器检校参数计算方式在高分影像上获取激光光斑区域通过如下步骤3.4—3.5实现:
步骤3.4根据激光雷达定位模型和测高激光雷达参数,计算激光光斑中心的地理位置和光斑区范围,在测区有高精度DEM数据的情况下,利用高精度DEM数据辅助计算激光光斑区位置和范围,能够获得更好的精度,在没有高精度DEM情况下,可利用全球公开的SRTM数据辅助计算;
步骤3.5将计算得到的激光光斑地理位置和光斑区范围,根据高分影像的成像模型,转换到步骤(2)选择的高分影像上,在所选择的高分遥感影像上获取激光光斑区域。
步骤4光斑区高分立体影像DSM生成:以选取的高分影像光斑区影像为参考影像,对光斑区有重叠的高分立体影像进行密集匹配,并通过立体交会方式获取光斑区高分影像的DSM。
步骤5高分影像高程控制点及其像控点提取:通过对激光雷达实测波形和光斑区数字高程模型分析方式、或通过测高激光雷达实测波形与高分影像光斑区DSM反演波形匹配方式,获取激光光斑区高分影像的高程控制点及其像控点。
其中,步骤5中通过对激光雷达实测波形和光斑区数字高程模型分析方式获取激光光斑区高分影像的高程控制点及其像控点,具体通过步骤5.1—5.2实现:
步骤5.1从高分影像生成的光斑区域DSM中,提取能够对激光雷达波强反射的高程层并在该高程层上任意选取某个高程点作为特征点,从DSM中获取该特征点的三维坐标,并从相应的雷达实测波形中提取对应的高程值,设为h;
步骤5.2根据特征点DSM中提取的三维坐标,利用高分影像的定向参数和成像模型计算与该特征点有重叠的所有高分影像的像点坐标,各影像的像点坐标与高程h均构成高程控制点,设第m景影像上的像点坐标为(rm,cm),则该像点即为第m景影像的一个高程像控点,其与高程值h构成第m景高分影像的一组高程控制点(rm,cm,h)。
其中,步骤5中通过测高激光雷达实测波形与高分影像光斑区DSM反演波形匹配方式获取光斑区高程控制点及其像控点,具体通过步骤5.3—步骤5.5实现:
步骤5.3姿态采用激光光束中心对准提取的DSM中心时的值,其他参数采用对应激光雷达实测时的参数,对DSM目标进行模拟观测,对高分影像生成的DSM进行激光测高波形反演;
步骤5.4将测高激光雷达实测波形与反演生成的波形进行归一化处理,参照影像的灰度模板匹配法,以归一化激光雷达实测波形作为参考模板,在时间轴上平移归一化实测波形,以各采样点时间上参考波形值与反演波形值之差的平方和或其它模板匹配算法作为测度,使归一化实测波形与归一化反演波形整体上得到最优匹配和配准,获取实测波形与反演波形在时间轴上的相对偏移量,进而根据激光在空间的传播速度得到光斑区高分影像生成的DSM相对于激光测高数据的高程整体偏移量dH;
步骤5.5通过影像特征点提取与匹配的方式获取光斑区或其附近区域重叠高分影像间的同名点,根据重叠影像的定向参数立体交会出同名点对应地面点的三维坐标,设其平面坐标(X,Y),高程坐标为H,则各重叠影像上同名点的像点坐标与高程值H-dH均组成高程控制点,即若同名点在第n景影像上的像方坐标为(rn,cn),(rn,cn,H-dH)构成第n景高分影像的一组高程控制点,(rn,cn)为其对应的像控点坐标。
步骤6高程控制点约束的高分影像定位模型构建与解算:通过构建高程控制点约束的高分影像严密定位模型或RFM模型,计算高分影像最终精化后的定向参数和加密点坐标。
高程控制点约束的RFM模型通过联合影像平高控制点(即传统的影像控制点)、影像平面控制点、影像高程控制点、影像同名连接点相关的像点坐标误差方程组解算实现;其中平高控制点相关的误差方程组将影像的像方定向作为待解未知参数,地面点坐标作为已知值,或将地面点坐标作为带有误差的观测值列入误差方程组;影像平面控制点相关的误差方程组将像方定向参数和平面控制点高程作为待求未知数,将平面坐标作为已知值,或将平面坐标作为带有误差的观测值列入误差方程组;影像高程控制点相关的误差方程组将像方定向参数和平面坐标作为待求未知数,将高程控制点高程作为已知值,或将高程控制点高程作为带有误差的观测值列入误差方程组;影像同名连接点相关的误差方程组将像方定向参数和地面点坐标均作为待求未知参数;在列出所有误差方程后,通过最小二乘求解未知参数。
高分影像的RFM一般采用像方定向模型,通常采用低阶多项式拟合像方误差,一次多项式(即仿射变换模型)是应用最普遍的一种形式,当定向采用像方仿射变换模型,且地面平高控制点、平面控制点、高程控制点作为已知值时,则某景影像上地面平高控制点、平面控制点、高程控制点、连接点的影像像方坐标误差方程组均以该景影像的RFM为基础构建,分别为:
上式中,(2)(3)(4)(5)分别为高分影像地面平高控制点、平面控制点、高程控制点、同名连接点对应像点坐标的误差方程,均以RFM为基础构建,(vCR,vCC)、(vPR,vPC)、(vHR,vHC)、(vGR,vGC)分别为地面平高控制点、平面控制点、高程控制点、同名连接点的像点坐标值改正参数;fC1~fC6、fP1~fP6、fH1~fH6、fG1~fG6为影像定向仿射变换模型参数未知数(a0,a1,a2,b0,b1,b2)的线性化系数;fP7~fP8为平面控制点的高程增量未知数(ΔHP)线性化系数;fH7~fH10为高程控制点的地理纬度、经度坐标增量未知数(ΔPH,ΔLH)线性化系数;fG7~fG12为同名连接点对应地面点的平面和高程坐标增量未知数(ΔPG,ΔLG,ΔHG)的线性化系数;lCR,lCC,lPR,lPC,lHR,lHC,lGR,lGC为相应像点坐标误差方程的常数项;由于各影像像点坐标观测值的精度通常是相同的,求解方程组(2)(3)(4)(5)时,直接通过最小二乘即可求解未知数。
当地面平高控制点、高程控制点作为带有误差的观测值时,除以RFM为基础构建影像控制点、平面控制点、高程控制点、连接点对应像点坐标的误差方程(6)(7)(8)(9)外,还包括地面平高控制点三维坐标、平面控制点平面坐标、高程控制点高程值的误差方程组(10)(11)(12),他们分别为:
{vHH=ΔHH-lHH (12)
上式中,vCP、vCL、vCH为地面点控制点三维坐标值误差参数,lCP,lCL,lCH相应平高控制点坐标误差方程的常数项;vPP、vPL为平面控制点平面坐标误差参数,lPP,lPL相应平面控制点平面坐标误差方程的常数项;vHH为高程控制点高程值误差参数,lHH为高程控制点高程值误差方程常数项;(VPC,VLC,VHC)、(VPP,VLP,VHP)、(VPH,VLH,VHH)、(VPG,VLG,VHG)分别为平高控制点、平面控制点、高程控制点、同名连接点对应的地面点三维坐标(纬度、经度、高程)增量未知数;fC7~fC12为地面平高控制点三维坐标增量未知数的线性化系数,fP7~fP12为平面控制点三维坐标增量未知数的线性化系数,fH7~fH12为高程控制点三维坐标增量未知数的线性化系数,fG7~fG12为同名连接点对应地面点三维坐标增量未知数的线性化系数;
影像的量测精度通常相同,故各像点坐标量测值的权按单位权处理,地面平高控制点三维坐标值、平面控制点平面坐标值、高程控制点高程值按其获取时精度进行权值计算,通过联合方程组(6)~(12),按带权最小二乘求解影像的定向未知数和地面点坐标未知数。以上类型点的误差方程在有相关数据的情况下列出相应的误差方程,若无相应类型的点,则该类型点不用列入误差方程组。
带有高程控制点的高分影像严密模型可利用传统的平高控制点、高程控制点的遥感影像严密空中三角测量方法,实现定向参数和加密点坐标的计算。
步骤7高分影像测绘产品生成:利用计算得到的最终精化后的各景影像定向参数和加密点坐标,实现高分遥感影像的定位应用,或生成DSM、DOM、DLG等摄影测量产品。
本发明能够在测高激光雷达数据的支持下,精细提取遥感影像的高程控制点,显著提升高分立体遥感影像的定位精度尤其是高程精度。
Claims (6)
1.一种基于激光雷达的高分影像高程控制点提取及其辅助定位方法,其特征在于:利用激光雷达数据提取高分立体影像的高程控制点及其像控点,并利用带有高程控制点约束的高分影像定位模型,提升高分影像的定位精度,包括以下步骤:
(1)对测区高分影像进行区域网平差或自由网平差,获取初步精化的每一景影像定向参数,用作后继步骤(2)—(6)影像处理的初值;
(2)选择用于激光光斑区提取的高分影像:选择激光雷达传感器同一平台、激光雷达数据获取相同或相近时刻的高分影像,在没有的情况下选择与激光光斑区有重叠的影像,作为提取激光雷达光斑区域处理的对象;
(3)高分影像上提取激光光斑区域:通过激光光斑相机影像、高分影像间的匹配和两种影像间的坐标转换方式,或在没有激光光斑相机条件下利用同平台激光雷达传感器与高分影像传感器检校参数通过计算方式,在高分影像上获取激光光斑区域;
(4)光斑区高分立体遥感影像数字表面模型生成:以选取的高分影像光斑区影像为参考影像,对光斑区有重叠的高分立体遥感影像进行密集匹配,并通过立体交会方式生成光斑区高分影像的数字表面模型,即DSM;
(5)高分立体影像高程控制点及其像控点的提取:通过对激光雷达的实测波形和光斑区DSM两种数据进行比照分析方式,或通过激光雷达实测波形与高分立体影像生成的光斑区DSM反演波形匹配方式,获取激光光斑区高分立体影像的高程控制点及其像控点;
(6)高程控制点约束的高分影像定位模型构建与解算:通过构建高程控制点约束的高分影像严密定位模型或有理多项式模型RFM,计算高分影像最终精化后的定向参数和加密点坐标;
(7)高分影像测绘产品生成:利用计算得到的最终精化后的每一景影像定向参数和加密点坐标,实现高分影像的定位应用,或生成DSM、DOM、DLG摄影测量产品。
2.根据权利要求1所述的基于激光雷达的高分影像高程控制点提取及其辅助定位方法,其特征在于:所述步骤(3)中,通过激光光斑相机影像、高分影像匹配和坐标转换方式在高分影像上获取激光光斑区域,通过如下步骤(3.1)—(3.3)实现:
(3.1)在激光光斑相机影像上提取激光光斑的范围;
(3.2)将激光光斑影像与高分影像进行匹配,通过匹配获得两种影像间的同名点,拟合计算光斑相机影像坐标与高分影像坐标之间的转换模型参数,两种影像坐标间的转换通过仿射变换模型能够满足精度要求;
(3.3)根据光斑相机影像坐标与高分影像坐标的转换模型,将光斑相机影像上提取的激光光斑范围转换到高分影像上,进而获取高分影像上光斑区的范围。
3.根据权利要求1所述的基于激光雷达的高分影像高程控制点提取及其辅助定位方法,其特征在于:所述步骤(3)中,利用同平台激光雷达传感器与高分影像传感器检校参数通过计算方式在高分影像上获取激光光斑区域通过如下步骤(3.4)—(3.5)实现:
(3.4)根据激光雷达定位模型和激光雷达参数,计算激光光斑地理位置和光斑区范围,在测区有高精度DEM数据的情况下,利用高精度DEM数据辅助计算激光光斑区位置和范围,能够获得更好的精度,在没有高精度DEM情况下,则利用全球公开的SRTM数据辅助计算;
(3.5)将计算得到的激光光斑地理位置和光斑区范围,根据高分影像的成像模型,转换到步骤(2)选择的高分影像上,在所选择的高分影像上获取激光光斑区域。
4.根据权利要求1所述的基于激光雷达的高分影像高程控制点提取及其辅助定位方法,其特征在于:所述步骤(5)中,通过对激光雷达的实测波形和光斑区DSM两种数据进行比照分析方式,获取激光光斑区高分影像的高程控制点及其像控点,具体通过步骤(5.1)—(5.2)实现:
(5.1)从高分影像生成的光斑区DSM中,提取能够对激光雷达波强反射的高程层并在该高程层上任意选取某个高程点作为特征点,从DSM中获取该特征点的三维坐标,并从相应的雷达实测波形中提取对应的高程值,设为h;
(5.2)利用该特征点的三维坐标、高分影像的定向参数和成像模型,计算与该特征点有重叠的所有高分影像的像点坐标,各影像的像点坐标与高程值h均构成高程控制点,即若第m景影像上的像点坐标为(rm,cm),则该像点即为第m景影像的一个高程像控点,其与高程值h构成第m景高分影像的一组高程控制点(rm,cm,h)。
5.根据权利要求1所述的基于激光雷达的高分影像高程控制点提取及其辅助定位方法,其特征在于:所述步骤(5)中,通过激光雷达实测波形与高分影像生成的光斑区DSM反演波形匹配方式,获取激光光斑区高分影像的高程控制点及其像控点,具体通过步骤(5.3)—(5.5)实现:
(5.3)姿态采用激光光束中心对准提取的DSM中心时的值,其他参数采用对应激光雷达实测时的参数,对DSM目标进行模拟观测,对高分影像生成的光斑区DSM进行激光测高波形反演;
(5.4)将激光雷达实测波形与反演生成的波形进行归一化处理,将归一化激光雷达实测波形作为波形模板,在时间轴上平移归一化实测波形,以各采样点时刻上移动后的归一化实测波形值与归一化反演波形值之差平差和/或其它模板匹配算法作为测度,使归一化实测波形与归一化反演波形得到最优匹配,获取实测波形沿时间轴上的平移量,进而根据激光在空间的传播速度得到光斑区高分影像生成的DSM相对于激光测高高程间的整体偏移量dH;
(5.5)通过影像特征点提取与匹配的方式获取光斑区或其附近区域重叠高分影像间的同名点,根据重叠影像的定向参数立体交会出同名点对应地面点的三维坐标,设其平面坐标(X,Y),高程坐标为H,则各重叠影像上同名点的像点坐标与高程值H-dH均组成高程控制点,即若同名点在第n景影像上的像方坐标为(rn,cn),(rn,cn,H-dH)构成第n景高分影像的一组高程控制点。
6.根据权利要求1所述的基于激光雷达的高分影像高程控制点提取及其辅助定位方法,其特征在于:所述步骤(6)中,高程控制点约束的有理多项式模型RFM通过联合影像平高控制点、平面控制点、高程控制点、同名连接点相关的误差方程组解算实现;其中影像平高控制点相关的误差方程组将影像的像方定向作为待解未知参数,将地面点三维坐标作为已知值,或将地面点三维坐标作为带有误差的观测值列入误差方程组;影像平面控制点相关的误差方程组将像方定向参数和平面控制点的高程作为待求未知数,将平面控制点平面坐标作为已知值,或将平面坐标作为带有误差的观测值列入误差方程组;影像高程控制点相关的误差方程组将像方定向参数和高程控制点的平面坐标作为待求未知数,将高程控制点高程作为已知值,或将高程控制点高程作为带有误差的观测值列入误差方程组;影像同名连接点相关的误差方程组将像方定向参数和地面点坐标均作为待求未知参数;在列出所有误差方程后,通过最小二乘求解未知参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710065903.1A CN106960174B (zh) | 2017-02-06 | 2017-02-06 | 高分影像激光雷达高程控制点提取及其辅助定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710065903.1A CN106960174B (zh) | 2017-02-06 | 2017-02-06 | 高分影像激光雷达高程控制点提取及其辅助定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106960174A CN106960174A (zh) | 2017-07-18 |
CN106960174B true CN106960174B (zh) | 2021-06-08 |
Family
ID=59481092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710065903.1A Active CN106960174B (zh) | 2017-02-06 | 2017-02-06 | 高分影像激光雷达高程控制点提取及其辅助定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106960174B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961150B (zh) * | 2018-04-11 | 2019-05-03 | 西安科技大学 | 基于无人机影像的自动布控像控点方法 |
CN108596153A (zh) * | 2018-05-10 | 2018-09-28 | 四川省冶地工程勘察设计有限公司 | 遥感影像卫片高程控制点自动提取方法和数据处理方法 |
CN109100719B (zh) * | 2018-07-27 | 2023-01-10 | 国家测绘地理信息局第三航测遥感院 | 基于星载sar影像与光学影像的地形图联合测图方法 |
CN110940966B (zh) * | 2019-11-25 | 2021-09-03 | 同济大学 | 一种基于激光测高卫星足印影像的激光足印平面定位方法 |
CN110837621A (zh) * | 2019-11-27 | 2020-02-25 | 中国工程物理研究院激光聚变研究中心 | 一种辐射驱动冲击波数据处理方法 |
CN111174753B (zh) * | 2019-12-28 | 2021-05-11 | 同济大学 | 基于有理函数模型的光学影像与激光测高数据平差方法 |
CN111611525B (zh) * | 2020-05-14 | 2022-07-29 | 中国科学院空天信息创新研究院 | 基于物方匹配高程偏差迭代修正的遥感数据高程解算方法 |
CN111709432B (zh) * | 2020-06-19 | 2023-04-25 | 天津市滨海新区水务局 | 复杂城市环境下InSAR地面点提取方法、装置、服务器及存储介质 |
CN112650826A (zh) * | 2020-12-30 | 2021-04-13 | 中铁第五勘察设计院集团有限公司 | 一种铁路地质调查多源异构数据的引接方法与系统 |
CN113324527B (zh) * | 2021-05-28 | 2021-11-26 | 自然资源部国土卫星遥感应用中心 | 一种同轨激光测高点与三线阵立体影像联合测绘处理方法 |
CN113379648B (zh) * | 2021-07-09 | 2023-12-19 | 自然资源部国土卫星遥感应用中心 | 一种高分七号和资源三号立体影像联合平差方法 |
CN113538595B (zh) * | 2021-07-14 | 2021-12-21 | 自然资源部国土卫星遥感应用中心 | 利用激光测高数据辅助提升遥感立体影像几何精度的方法 |
CN113532377B (zh) * | 2021-07-14 | 2022-02-22 | 自然资源部国土卫星遥感应用中心 | 一种利用高分七号激光测高数据辅助区域网平差的方法 |
CN113720351B (zh) * | 2021-08-30 | 2023-10-03 | 中国人民解放军战略支援部队信息工程大学 | 星载激光测高数据与遥感立体影像的联合区域网平差方法 |
CN114689015B (zh) * | 2021-11-29 | 2023-01-17 | 成都理工大学 | 一种提高光学卫星立体影像dsm高程精度的方法 |
CN114839632B (zh) * | 2022-04-20 | 2022-11-22 | 安徽大学 | 一种联合非摄影测量观测条件约束的sar无控几何定标方法及其系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550639A (zh) * | 2015-12-07 | 2016-05-04 | 国家测绘地理信息局卫星测绘应用中心 | 对地观测激光测高卫星高程控制点自动提取方法和数据处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8194922B2 (en) * | 2007-07-13 | 2012-06-05 | Observera, Inc. | System and methods for dynamically generating earth position data for overhead images and derived information |
-
2017
- 2017-02-06 CN CN201710065903.1A patent/CN106960174B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550639A (zh) * | 2015-12-07 | 2016-05-04 | 国家测绘地理信息局卫星测绘应用中心 | 对地观测激光测高卫星高程控制点自动提取方法和数据处理方法 |
Non-Patent Citations (1)
Title |
---|
机载激光扫描测量中控制点布设方案对数据处理结果精度影响研究;王新辉等;《北京测绘》;20161025(第5期);18-22 * |
Also Published As
Publication number | Publication date |
---|---|
CN106960174A (zh) | 2017-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106960174B (zh) | 高分影像激光雷达高程控制点提取及其辅助定位方法 | |
US20200103530A1 (en) | Method for extracting elevation control point with assistance of satellite laser altimetry data | |
KR101295747B1 (ko) | Rpc를 이용한 자동 기하 보정 시스템 및 방법 | |
KR101965965B1 (ko) | 위성영상과 제공 rpc로부터 제작된 수치표고모델의 자동 오차보정 방법 | |
Zhu et al. | Geodetic SAR tomography | |
JP6421395B2 (ja) | Sar図からの立体地形図形成方法 | |
CN109597074B (zh) | 一种sar影像几何定位参数校正方法及系统 | |
Fraser et al. | Sub-metre geopositioning with Ikonos GEO imagery | |
KR20040055510A (ko) | 소수의 지상 기준점을 이용한 이코노스 알피씨 데이터갱신방법 | |
CN106251349B (zh) | 一种sar立体影像密集匹配方法 | |
Li et al. | Improve the ZY-3 height accuracy using ICESat/GLAS laser altimeter data | |
Wang et al. | Layover compensation method for regional spaceborne SAR imagery without GCPs | |
Re et al. | Performance evaluation of 3DPD, the photogrammetric pipeline for the CaSSIS stereo images | |
CN115015931B (zh) | 无需外部误差校正的实时差分立体sar几何定位方法及系统 | |
Ajayi et al. | Modelling 3D Topography by comparing airborne LiDAR data with Unmanned Aerial System (UAS) photogrammetry under multiple imaging conditions | |
Rodarmel et al. | Rigorous error modeling for sUAS acquired image-derived point clouds | |
CN115457022A (zh) | 基于实景三维模型正视影像的三维形变检测方法 | |
Croitoru et al. | Single and stereo based 3-D metrology from highresolution imagery: methodologies and accuracies | |
KR100473958B1 (ko) | Gps 단일 기준점을 이용한 고정확도의 rpc 데이터 갱신방법 | |
Ruzgienė et al. | Large scale city mapping using satellite imagery | |
Jiao et al. | A New Combined Adjustment Model for Geolocation Accuracy Improvement of Multiple Sources Optical and SAR Imagery. Remote Sens. 2021, 13, 491 | |
Hong et al. | Evaluation of the RPC Model for Ziyuan-3 Three-line Array Imagery | |
Junqing et al. | The geometric correction and accuracy assessment based on Cartosat-1 satellite image | |
Niu et al. | Geometric modeling and processing of QuickBird stereo imagery | |
Chen et al. | Srtm Dem-Aided dem Extraction Method for Island and Reef |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |