CN107705329B - 基于几何约束的高分辨率光学卫星凝视影像配准方法 - Google Patents

Abstract

本发明公开了一种基于几何约束的高分辨率光学卫星凝视影像配准方法，包括：S100利用附加像方误差补偿的有理函数模型构建影像的自由网平差定向模型；S200基于自由网平差定向模型，对影像中最优交会条件的立体影像对进行密集匹配，获得密集同名点坐标；S300生成密集点云数据，对密集点云数据进行粗差点剔除，并生成数字表面模型数据；S400基于自由网平差定向模型和DSM数据，对影像依次进行几何校正。本发明利用几何定位一致性，实现了高分辨率光学卫星多角度凝视序列影像的高精度配准，解决了卫星平台控制不准、姿态测量不准引起的多角度凝视序列影像配准问题，可为后续应用提供高精度数据基础。

Description

基于几何约束的高分辨率光学卫星凝视影像配准方法

技术领域

本发明属于遥感卫星数据处理技术领域，更确切的说，本发明是在光学遥感卫星地面数据处理程中，采用的一种基于几何约束的高分辨率光学卫星凝视影像配准方法。

背景技术

随着分辨率的逐步提高，为了弥补成像幅宽减小带来的成像效率降低的不足，高分辨率遥感卫星对平台敏捷性能的要求不断提高，使其能快速机动成像满足对目标区域大范围或多角度等成像需求。凝视成像模式是一种光学卫星敏捷成像模式，通过调整卫星平台姿态，卫星在飞行轨道上的不同位置可从不同角度对同一地区成像，获取同一地区的多角度凝视序列影像，为动目标检测、三维建模等应用提供数据来源。然而，在不同角度成像时，由于卫星对地成像存在指向误差，不同视角成像的姿态观测误差也不尽相同，导致获取的多角度序列影像间存在配准误差，无法直接使用，因此需对多角度凝视序列影像进行高精度配准处理，以满足后续应用的对影像间配准精度的需求。

现有的序列影像配准方法多采用像方配准方法。通过匹配影像间的同名点，然后建立像方仿射变换模型，补偿影像间相对误差，最后选取基准影像，对其他影像进行校正来实现序列影像间的配准。但由于高分辨率影像尺寸大，行列数可达数万以上，单一二维像方仿射变换无法补偿影像间的变形。同时考虑中心投影成像特性，对于地形起伏较大、建筑物较高的地区，由于不同角度成像导致影像间的投影差也是凝视成像的一个特点，像方配准方法可能会改变影像投影特性。

在高精度在轨几何定标、高精度定轨、定姿等技术的支持下，可建立严密几何成像模型，继而生成其替代模型—有理函数模型(rational function model，RFM)。高分辨率卫星影像通过RFM即可直接建立像点与地面点的坐标关系。因此可以基于凝视影像间几何定位一致性的约束来实现多角度凝视序列影像的配准。

发明内容

针对凝视成像模式获取的多角度序列影像配准问题，本发明提供了一种基于几何约束的高分辨率光学卫星凝视影像配准方法。

本发明提供的基于几何约束的高分辨率光学卫星凝视影像配准方法，包括步骤：

S100利用附加像方误差补偿的有理函数模型对影像进行自由网平差定向，获得各影像对的自由网平差定向模型；所述影像为多角度凝视序列影像；

S200基于自由网平差定向模型，对影像中最优交会条件的立体影像对进行密集匹配，获得密集同名点坐标；所述最优交会条件的立体影像对同时满足原则(1)和原则(2)：

原则(1)为：根据地形情况立体影像对的交会角为10度～45度，对平坦地区，立体影像对的交会角为30度～45度，对于地形起伏大的地区，立体影像对的交会角为10度～30度；

原则(2)为：立体影像对为影像序列中成像俯仰角大小绝对值最接近的一组影像；

S300基于自由网平差定向模型和密集同名点坐标生成密集点云数据，对密集点云数据进行基于几何约束的粗差点剔除，根据粗差点剔除后的密集点云数据生成数字表面模型数据；

所述对密集点云数据进行基于几何约束的粗差点剔除具体为：

对每一对密集同名点对，将密集同名点的物方坐标带入所在影像对的自由网平差定向模型，求得像点像素坐标，记为(l_new,s_new)，计算(l_new,s_new)与密集同名点匹配的像素坐标(l,s)的坐标差，若坐标差大于2倍中误差，即剔除该密集同名点；所述中误差为所有密集同名点对的坐标差的中误差；所述密集同名点对的坐标差指密集同名点对的(l_new,s_new)与像素坐标(l,s)的坐标差；

S400基于自由网平差定向模型和DSM数据，对影像依次进行几何校正；

所述对影像依次进行几何校正，具体为：

根据自由网平差定向模型和DSM数据计算影像四角点的经纬度及高程坐标，求四角点的正北外接矩形，即几何校正后影像的地面覆盖范围；

将地面覆盖范围划分格网块；

对各格网块分别进行几何校正，具体为：

采用直接线性变换模型建立格网块中点的像点坐标和物方点坐标的关联；

根据数字表面模型数据生成地面覆盖范围内的高程最大值Hmax和高程最小值Hmin，并获得高程中值Hmid＝0.5*(Hmax+Hmin)；

分别以Hmax、Hmin和Hmid为高程建立三层高程面，各高程面上均均匀选取数量相等、分布相同的若干虚拟控制点；

利用自由网平差定向模型反投影计算虚拟控制点对应的像点坐标；

利用虚拟控制点，采用个最小二乘法估计直接线性变换模型中的直接线性变换系数；

利用直接线性变化模型将格网块内各点逐一反投影到原始影像，得到校正后影像每一个像素点在原始影像中的坐标；

根据校正后影像每一个像素点在原始影像中的坐标和灰度进行灰度重采样获得各像素点对应的灰度值，将灰度值赋给校正后影像中对应的像素点。

进一步的，步骤S100进一步包括子步骤：

S101影像两两进行组合获得影像对，对影像对进行匹配获得连接点；

S102利用附加像方误差补偿的有理函数模型，根据连接点构建自由网平差定向模型；

S103采用最小二乘法解算自由网平差定向模型的误差补偿系数。

进一步的，步骤S200中，所述对影像中最优交会条件的立体影像对进行密集匹配，进一步包括：

根据立体影像对的自由网平差定向模型建立影像金字塔，由粗到精逐层对立体影像对进行像素级匹配，得到像素级匹配结果；

以像素级匹配结果为初值，通过最小二乘法对立体影像对进行匹配，得到子像素匹配结果。

进一步的，步骤S300中，所述基于自由网平差定向模型和密集同名点坐标生成密集点云数据具体为：

利用自由网平差定向模型和密集同名点坐标，通过前方交会原理计算密集同名点的物方坐标(B，L，H)，从而获得具有地理坐标的点云数据，即密集点云数据。

进一步的，步骤S300中，所述根据粗差点剔除后的密集点云数据生成数字表面模型数据，具体为：

根据粗差点剔除后的密集点云数据获得不规则三角网形式的数字表面模型，将三角网栅格化为带地理坐标的图像格式，即获得数字表面模型数据。

本发明提供的基于几何约束的高分辨率光学卫星凝视影像配准系统，包括：

第一模块，用来利用附加像方误差补偿的有理函数模型对影像进行自由网平差定向，获得各影像对的自由网平差定向模型；所述影像为多角度凝视序列影像；

第二模块，用来基于自由网平差定向模型，对影像中最优交会条件的立体影像对进行密集匹配，获得密集同名点坐标；所述最优交会条件的立体影像对同时满足原则(1)和原则(2)：

原则(1)为：根据地形情况立体影像对的交会角为10度～45度，对平坦地区，立体影像对的交会角为30度～45度，对于地形起伏大的地区，立体影像对的交会角为10度～30度；

原则(2)为：立体影像对为影像序列中成像俯仰角大小绝对值最接近的一组影像；

第三模块，用来基于自由网平差定向模型和密集同名点坐标生成密集点云数据，对密集点云数据进行基于几何约束的粗差点剔除，根据粗差点剔除后的密集点云数据生成数字表面模型数据；

所述对密集点云数据进行基于几何约束的粗差点剔除具体为：

对每一对密集同名点对，将密集同名点的物方坐标带入所在影像对的自由网平差定向模型，求得像点像素坐标，记为(l_new,s_new)，计算(l_new,s_new)与密集同名点匹配的像素坐标(l,s)的坐标差，若坐标差大于2倍中误差，即剔除该密集同名点；所述中误差为所有密集同名点对的坐标差的中误差；所述密集同名点对的坐标差指密集同名点对的(l_new,s_new)与像素坐标(l,s)的坐标差；

第四模块，用来基于自由网平差定向模型和DSM数据，对影像依次进行几何校正；

所述对影像依次进行几何校正，具体为：

根据自由网平差定向模型和DSM数据计算影像四角点的经纬度及高程坐标，求四角点的正北外接矩形，即几何校正后影像的地面覆盖范围；

将地面覆盖范围划分格网块；

对各格网块分别进行几何校正，具体为：

采用直接线性变换模型建立格网块中点的像点坐标和物方点坐标的关联；

根据数字表面模型数据生成地面覆盖范围内的高程最大值Hmax和高程最小值Hmin，并获得高程中值Hmid＝0.5*(Hmax+Hmin)；

分别以Hmax、Hmin和Hmid为高程建立三层高程面，各高程面上均均匀选取数量相等、分布相同的若干虚拟控制点；

利用自由网平差定向模型反投影计算虚拟控制点对应的像点坐标；

利用虚拟控制点，采用个最小二乘法估计直接线性变换模型中的直接线性变换系数；

利用直接线性变化模型将格网块内各点逐一反投影到原始影像，得到校正后影像每一个像素点在原始影像中的坐标；

根据校正后影像每一个像素点在原始影像中的坐标和灰度进行灰度重采样获得各像素点对应的灰度值，将灰度值赋给校正后影像中对应的像素点。

和现有技术相比，本发明具有如下优点和有益效果：

本发明利用几何定位一致性，实现了高分辨率光学卫星多角度凝视序列影像的高精度配准，解决了卫星平台控制不准、姿态测量不准引起的多角度凝视序列影像配准问题。

本发明依靠多角度凝视序列影像的几何成像模型，利用自由网平差方法来精化几何定位一致性，同时利用交会角良好的立体影像对生成凝视区域的地表模型，以解决在几何校正过程中由于地形起伏高程误差引起的定位偏差，保证影像配准效为后续应用提供高精度数据基础。

附图说明

图1为本发明基于几何约束的高分辨率光学卫星凝视影像配准方法的具体流程图；

图2为本发明多角度凝视成像的原理示意图；

图3为基于自由网平差定向模型生成虚拟控制点的示意图。

具体实施方式

为了更清楚地说明本发明实施例和/或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

图1表示的是本发明基于几何约束的高分辨率光学卫星凝视影像配准方法的具体流程图，以下将针对该具体流程中各步骤，对本发明方法的具体实施方式做详细描述。

本发明方法依靠多角度凝视序列影像的几何成像模型，利用自由网平差方法来精化几何定位一致性，同时利用交会角良好的立体影像对生成凝视区域的地表模型，以解决在几何校正过程中由于地形起伏高程误差引起的定位偏差，保证影像配准效果。所述方法具体步骤如下：

步骤100，利用附加像方误差补偿的有理函数模型对多角度凝视序列影像进行自由网平差定向，获得自由网平差定向模型。本步骤用来使凝视影像间具备几何定位一致性，从而作为影像配准的几何约束。

本步骤进一步包括：

步骤101，对凝视序列影像两两进行组合，获得影像对，利用SIFT算子对各影像对匹配一定数量的连接点。

步骤102，对连接点进行自由网平差定向模型构建。

影像对的相对定向基于误差补偿的有理多项式模型进行。公式(1)为有理函数模型(rational function model，RFM)，公式(2)为附加像方误差补偿的RFM，即精化RFM。

RFM如下：

式(1)中：

(l_n,s_n)是像点的像素坐标(l,s)对应的像方归一化坐标；

(U,V,W)是物方坐标(B,L,H)的归一化坐标，物方坐标(B,L,H)即像点对应物方点的经度、纬度和高程；

Num_L(U,V,W)＝a₁+a₂V+a₃U+a₄W+a₅VU+a₆VW+a₇UW+a₈V²+a₉U²+

a₁₀W²+a₁₁UVW+a₁₂V³+a₁₃VU²+a₁₄VW²+a₁₅V²U+a₁₆U³+

a₁₇UW²+a₁₈V²W+a₁₉U²W+a₂₀W³；

Den_L(U,V,W)＝b₁+b₂V+b₃U+b₄W+b₅VU+b₆VW+b₇UW+b₈V²+b₉U²+

b₁₀W²+b₁₁UVWb₁₂V³+b₁₃VU²+b₁₄VW²+b₁₅V²U+b₁₆U³+

b₁₇UW²+b₁₈V²W+b₁₉U²W+b₂₀W³；

Num_S(U,V,W)＝c₁+c₂V+c₃U+c₄W+c₅VU+c₆VW+c₇UW+c₈V²+c₉U²+

c₁₀W²+c₁₁UVW+c₁₂V³+c₁₃VU²+c₁₄VW²+c₁₅V²U+c₁₆U³+

c₁₇UW²+c₁₈V²W+c₁₉U²W+c₂₀W³；

Den_S(U,V,W)＝d₁+d₂V+d₃U+d₄W+d₅VU+d₆VW+d₇UW+d₈V²+d₉U²+

d₁₀W²+d₁₁UVW+d₁₂V³+d₁₃VU²+d₁₄VW²+d₁₅V²U+d₁₆U³+；

d₁₇UW²+d₁₈V²W+d₁₉U²W+d₂₀W³

a_i,b_i,c_i,d_i(i＝1,2,...20)为有理多项式系数。

令LineOff、SampleOff为像方坐标的平移值，LineScale、SampleScale为像方坐标的缩放值，LonOff、LatOff、HeiOff为物方坐标的平移值，LonScale、LatScale、HeiScale为物方坐标的缩放值，则有

精化RFM如下：

其中，A₀、A₁、A₂、B₀、B₁、B₂为误差补偿参数。

利用匹配的连接点分别对各影像对建立基于精化RFM的自由网平差定向模型。对于八视凝视成像获取的序列影像，见图2，假设每一组连接点均为八度重叠同名点，每一组连接点即可建立16个方程，由于未知参数包括8组像方误差补偿参数和连接点对应的物方坐标，至少需要4组连接点建立64个方程可解算8组像方误差补偿参数和所有连接点对应的物方坐标。

步骤103，根据所建立的自由网平差定向模型，根据最小二乘法解算自由网平差定向模型的误差补偿系数，消除影像对间的相对误差，得到精化RFM，保证序列影像的几何定位具有一致性。

步骤2，基于自由网平差定向模型，对多角度凝视序列影像中最优交会条件的立体影像对进行密集匹配，获得密集同名点坐标。

本步骤进一步包括：

步骤201，从多角度凝视序列影像中选取最优交会条件的影像对作为立体影像对，所述立体影像从多角度凝视序列影像中的影像对中选取，同时满足原则(1)和原则(2)：

(1)根据地形情况，立体影像对的交会角为10度～45度，对平坦地区，立体影像对的交会角应大于30度，这样可提高交会精度；对于地形起伏大地区，立体影像对的交会角则不应超过30度，避免地形起伏引起的变形导致后续密集匹配结果不理想问题；

(2)立体影像对尽量成对称成像，即俯仰方向相反，更具体的，即立体影像对为多角度凝视影像序列中成像俯仰角大小绝对值最接近的一组影像。

步骤202，根据立体影像对的自由王平差定向模型建立影像金字塔，由粗到精逐层对立体影像对进行像素级匹配，得到像素级匹配结果。

立体影像对前后片分别建立3层金字塔，每一级影像的像素总数对于前一级影像以3×3的倍数缩小。从金字塔顶端开始，以相关系数为匹配测度，逐层进行匹配，直到底层原始影像结束，得到同名点的像素级坐标，即像素级匹配结果。

步骤203，以像素级匹配结果为初值，通过最小二乘法对立体影像对进行匹配，得到子像素匹配结果。所述子像素匹配结果即同名点的子像素级坐标，也即密集同名点坐标。

步骤3，基于步骤1得到的自由网平差定向模型和步骤2得到的密集同名点坐标生成密集点云数据，对密集点云数据进行基于几何约束的粗差点剔除，根据粗差点剔除后的密集点云数据生成数字表面模型(digital surface model，DSM)数据。

本步骤进一步包括：

步骤301，利用步骤S100获得的自由网平差定向模型，通过前方交会原理计算步骤S200中密集同名点的物方坐标(B，L，H)，得到具有地理坐标的点云数据，即密集点云数据。

步骤302，对密集点云数据进行基于几何约束的粗差点剔除，具体为：对每一对密集同名点对，其在影像上的像素坐标记为(l,s)，将密集同名点的物方坐标(B，L，H)带入影像对的自由网平差定向模型，求得像点像素坐标，记为(l_new,s_new)，计算(l_new,s_new)与密集同名点匹配的像素坐标(l,s)的坐标差，若该坐标差大于2倍中误差，即剔除该密集同名点。

所述中误差为所有密集同名点对的坐标差的中误差，所述密集同名点对的坐标差指密集同名点对的(l_new,s_new)与像素坐标(l,s)的坐标差。

步骤303，根据粗差点剔除后的密集点云数据获得不规则三角网(TIN)形式的DSM，设置DSM的采样间隔，将TIN栅格化为带地理坐标的图像格式，图像灰度值即为高程值，即栅格化的DSM。

步骤4，基于步骤1得到的自由网平差定向模型和步骤3得到的DSM数据，依次对多角度凝视序列影像进行几何校正。

本步骤进一步包括子步骤：

步骤401，根据步骤1得到的自由网平差定向模型和步骤3得到的DSM数据，计算影像四角点的经纬度及高程坐标，求四角点的正北外接矩形，即几何校正后影像的地面覆盖范围，根据地面采样间隔得到校正后影像的列数和行数。

步骤402，将地面覆盖范围划分格网块，所划分的格网块有M行N列。

步骤403，为了简化计算，对于每一个地面格网块，将直接线性变换模型替代有理函数模型建立像点坐标和物方点坐标的关联。

直接线性变换模型如下式所示：

式(3)中，l_j(j＝1,2,...,11)为直接线性变换系数。

如图3所示，根据步骤3生成的DSM数据得到地面覆盖范围内的高程最大值Hmax和高程最小值Hmin，分别以高程最大值Hmax、高程最小值Hmin和高程中值Hmid为高程建立三层高程面，其中，Hmid＝0.5*(Hmax+Hmin)。在每一层高程面上均均匀选取m×n个虚拟控制点，利用步骤1得到的自由网平差定向模型反投影计算虚拟控制点对应的像点坐标。利用虚拟控制点，采用个最小二乘法估计直接线性变换系数，由此得到直接线性变换模型，从而建立格网块内像点坐标与物方点坐标映射关系。最后通过直接线性变化模型将格网内每一个点逐一反投影到原始影像上，得到校正后影像每一个像素点在原始影像中的坐标。由于反投影计算得到的像点坐标通常不是整数，则需通过灰度重采样，例如采用双线性内插模型，得到影像灰度值，并赋给对应校正后影像的像素点。

步骤404，重复步骤403对各格网块分别进行几何校正。

步骤405，重复步骤401-404，对所有多角度凝视序列影像分别进行几何校正，得到配准后影像。

上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出任何的修改和改变，都落入本发明的保护范围。

Claims (6)

1.基于几何约束的高分辨率光学卫星凝视影像配准方法，其特征是，包括：

S100利用附加像方误差补偿的有理函数模型对影像进行自由网平差定向，获得各影像对的自由网平差定向模型；所述影像为多角度凝视序列影像；

S200基于自由网平差定向模型，对影像中最优交会条件的立体影像对进行密集匹配，获得密集同名点坐标；所述最优交会条件的立体影像对同时满足原则(1)和原则(2)：

原则(1)为：根据地形情况立体影像对的交会角为10度～45度，对平坦地区，立体影像对的交会角为30度～45度，对于地形起伏大的地区，立体影像对的交会角为10度～30度；

原则(2)为：立体影像对为影像序列中成像俯仰角大小绝对值最接近的一组影像；

S300基于自由网平差定向模型和密集同名点坐标生成密集点云数据，对密集点云数据进行基于几何约束的粗差点剔除，根据粗差点剔除后的密集点云数据生成数字表面模型数据；

所述对密集点云数据进行基于几何约束的粗差点剔除具体为：

对每一对密集同名点对，将密集同名点的物方坐标带入所在影像对的自由网平差定向模型，求得像点像素坐标，记为(l_new,s_new)，计算(l_new,s_new)与密集同名点匹配的像素坐标(l,s)的坐标差，若坐标差大于2倍中误差，即剔除该密集同名点；所述中误差为所有密集同名点对的坐标差的中误差；所述密集同名点对的坐标差指密集同名点对的(l_new,s_new)与像素坐标(l,s)的坐标差；

S400基于自由网平差定向模型和DSM数据，对影像依次进行几何校正；

所述对影像依次进行几何校正，具体为：

根据自由网平差定向模型和DSM数据计算影像四角点的经纬度及高程坐标，求四角点的正北外接矩形，即几何校正后影像的地面覆盖范围；

将地面覆盖范围划分格网块；

对各格网块分别进行几何校正，具体为：

采用直接线性变换模型建立格网块中点的像点坐标和物方点坐标的关联；

根据数字表面模型数据生成地面覆盖范围内的高程最大值Hmax和高程最小值Hmin，并获得高程中值Hmid＝0.5*(Hmax+Hmin)；

分别以Hmax、Hmin和Hmid为高程建立三层高程面，各高程面上均均匀选取数量相等、分布相同的若干虚拟控制点；

利用自由网平差定向模型反投影计算虚拟控制点对应的像点坐标；

利用虚拟控制点，采用最小二乘法估计直接线性变换模型中的直接线性变换系数；

利用直接线性变化模型将格网块内各点逐一反投影到原始影像，得到校正后影像每一个像素点在原始影像中的坐标；

根据校正后影像每一个像素点在原始影像中的坐标和灰度进行灰度重采样获得各像素点对应的灰度值，将灰度值赋给校正后影像中对应的像素点。

2.如权利要求1所述的基于几何约束的高分辨率光学卫星凝视影像配准方法，其特征是：

步骤S100进一步包括子步骤：

S101影像两两进行组合获得影像对，对影像对进行匹配获得连接点；

S102利用附加像方误差补偿的有理函数模型，根据连接点构建自由网平差定向模型；

S103采用最小二乘法解算自由网平差定向模型的误差补偿系数。

3.如权利要求1所述的基于几何约束的高分辨率光学卫星凝视影像配准方法，其特征是：

步骤S200中，所述对影像中最优交会条件的立体影像对进行密集匹配，进一步包括：

根据立体影像对的自由网平差定向模型建立影像金字塔，由粗到精逐层对立体影像对进行像素级匹配，得到像素级匹配结果；

以像素级匹配结果为初值，通过最小二乘法对立体影像对进行匹配，得到子像素匹配结果。

4.如权利要求1所述的基于几何约束的高分辨率光学卫星凝视影像配准方法，其特征是：

步骤S300中，所述基于自由网平差定向模型和密集同名点坐标生成密集点云数据具体为：

利用自由网平差定向模型和密集同名点坐标，通过前方交会原理计算密集同名点的物方坐标(B，L，H)，从而获得具有地理坐标的点云数据，即密集点云数据。

5.如权利要求1所述的基于几何约束的高分辨率光学卫星凝视影像配准方法，其特征是：

步骤S300中，所述根据粗差点剔除后的密集点云数据生成数字表面模型数据，具体为：

根据粗差点剔除后的密集点云数据获得不规则三角网形式的数字表面模型，将三角网栅格化为带地理坐标的图像格式，即获得数字表面模型数据。

6.基于几何约束的高分辨率光学卫星凝视影像配准系统，其特征是，包括：

第一模块，用来利用附加像方误差补偿的有理函数模型对影像进行自由网平差定向，获得各影像对的自由网平差定向模型；所述影像为多角度凝视序列影像；

第二模块，用来基于自由网平差定向模型，对影像中最优交会条件的立体影像对进行密集匹配，获得密集同名点坐标；所述最优交会条件的立体影像对同时满足原则(1)和原则(2)：

原则(1)为：根据地形情况立体影像对的交会角为10度～45度，对平坦地区，立体影像对的交会角为30度～45度，对于地形起伏大的地区，立体影像对的交会角为10度～30度；

原则(2)为：立体影像对为影像序列中成像俯仰角大小绝对值最接近的一组影像；

第三模块，用来基于自由网平差定向模型和密集同名点坐标生成密集点云数据，对密集点云数据进行基于几何约束的粗差点剔除，根据粗差点剔除后的密集点云数据生成数字表面模型数据；

所述对密集点云数据进行基于几何约束的粗差点剔除具体为：

对每一对密集同名点对，将密集同名点的物方坐标带入所在影像对的自由网平差定向模型，求得像点像素坐标，记为(l_new,s_new)，计算(l_new,s_new)与密集同名点匹配的像素坐标(l,s)的坐标差，若坐标差大于2倍中误差，即剔除该密集同名点；所述中误差为所有密集同名点对的坐标差的中误差；所述密集同名点对的坐标差指密集同名点对的(l_new,s_new)与像素坐标(l,s)的坐标差；

第四模块，用来基于自由网平差定向模型和DSM数据，对影像依次进行几何校正；

所述对影像依次进行几何校正，具体为：

根据自由网平差定向模型和DSM数据计算影像四角点的经纬度及高程坐标，求四角点的正北外接矩形，即几何校正后影像的地面覆盖范围；

将地面覆盖范围划分格网块；

对各格网块分别进行几何校正，具体为：

采用直接线性变换模型建立格网块中点的像点坐标和物方点坐标的关联；

根据数字表面模型数据生成地面覆盖范围内的高程最大值Hmax和高程最小值Hmin，并获得高程中值Hmid＝0.5*(Hmax+Hmin)；

分别以Hmax、Hmin和Hmid为高程建立三层高程面，各高程面上均均匀选取数量相等、分布相同的若干虚拟控制点；

利用自由网平差定向模型反投影计算虚拟控制点对应的像点坐标；

利用虚拟控制点，采用最小二乘法估计直接线性变换模型中的直接线性变换系数；

利用直接线性变化模型将格网块内各点逐一反投影到原始影像，得到校正后影像每一个像素点在原始影像中的坐标；

根据校正后影像每一个像素点在原始影像中的坐标和灰度进行灰度重采样获得各像素点对应的灰度值，将灰度值赋给校正后影像中对应的像素点。

Images