CN108413989B - 一种基于影像重投影的畸变改正方法 - Google Patents

一种基于影像重投影的畸变改正方法 Download PDF

Info

Publication number
CN108413989B
CN108413989B CN201810220705.2A CN201810220705A CN108413989B CN 108413989 B CN108413989 B CN 108413989B CN 201810220705 A CN201810220705 A CN 201810220705A CN 108413989 B CN108413989 B CN 108413989B
Authority
CN
China
Prior art keywords
image
refined
adjustment
self
distortion
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
Application number
CN201810220705.2A
Other languages
English (en)
Other versions
CN108413989A (zh
Inventor
耿迅
邢帅
蓝朝桢
龚志辉
侯一凡
许军毅
赵琛琛
李金华
兰远鸽
向天梁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Information Engineering University of PLA Strategic Support Force
Original Assignee
Information Engineering University of PLA Strategic Support Force
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Information Engineering University of PLA Strategic Support Force filed Critical Information Engineering University of PLA Strategic Support Force
Priority to CN201810220705.2A priority Critical patent/CN108413989B/zh
Publication of CN108413989A publication Critical patent/CN108413989A/zh
Application granted granted Critical
Publication of CN108413989B publication Critical patent/CN108413989B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及摄影测量领域，具体涉及一种基于影像重投影的畸变改正方法。本发明利用内、外方位元素以及附加参数对原始影像进行纠正生成近似正射影像，然后再利用内、外方位元素对近似正射影像进行重投影，生成无畸变的虚拟影像，其结果能够达到原始影像的几何定位精度。本方法解决了SBA方法在不同软件之间的兼容性问题，生成的无畸变影像可以在各个摄影测量系统之间通用，而不会降低自检校光束法平差的几何定位精度。

Description

一种基于影像重投影的畸变改正方法
技术领域
本发明涉及摄影测量领域，具体涉及一种基于影像重投影的畸变改正方法。
背景技术
自检校光束法平差(Self-calibration Bundle Adjustment，SBA)用于补偿像方的系统误差，有助于提升影像的几何定位精度。SBA最早应用于近景摄影测量，后来普遍应用于航空摄影测量领域。在20世纪70年代，不少学者对SBA方法进行了深入研究，并提出了多种SBA模型，例如Brown模型、Ebner模型以及Gruen模型等，其中的许多SBA模型已经集成在商业摄影测量系统中。2000年以后，航空数码相机逐渐普及，SBA方法对于航空数码相机同样起着关键作用。近几年，随着无人机测绘的兴起，低成本消费级相机的检校也成为无人机航空摄影测量中的重要步骤。
虽然SBA方法在行业中已经应用了40多年的时间，但是SBA方法在不同摄影测量系统之间的软件兼容性问题仍然没有很好地解决，这会显著降低后期测图阶段的几何定位精度。许多研究人员往往针对于光束法平差阶段开展研究，而为了生成摄影测量产品(如数字高程模型、数字正射影像以及线划图)，在自检校光束法平差阶段生成的空三结果需要在整个摄影测量处理流程中应用。如果光束法平差与后期测图均在同一摄影测量平台中进行，应用SBA方法不存在软件兼容性问题。然而，由于各种原因，实际摄影测量项目中通常需要同时应用多个摄影测量软件协同工作，例如，光束法平差阶段应用Leica Geosystems的平差软件ORIMA，后期测图使用VirtuoZo或者JX4等国产软件。
发明内容
本发明的目的是提供一种基于影像重投影的畸变改正方法，用以解决自检校光束法平差方法在不同软件之间不能兼容的问题。
为实现上述目的，本发明的方案包括一种基于影像重投影的畸变改正方法，包括以下步骤：
导入原始影像、初始外方位元素和内方位元素；
设定自检校光束法平差中观测值的权值；
进行自检校光束法平差方法，调整参数进行迭代处理，直到满足成图精度要求；同时获得精化后的外方位元素；
根据所述精化后的外方位元素、附加参数和内方位元素对原始影像进行处理得到近似正射影像；
根据所述精化后的外方位元素和内方位元素对所述近似正射影像重投影生成无畸变影像。
进一步的，通过分析直接定位的相对精度和绝对精度，进而设定自检校光束法平差中观测值的权值。
进一步的，导出所述无畸变影像和所述外方位元素用于测图作业。
进一步的，所述观测值包括GPS和IMU。
本发明的有益效果是：通过利用内、外方位元素以及附加参数对原始影像进行纠正生成近似正射影像，然后再利用内、外方位元素对近似正射影像进行重投影，生成无畸变的虚拟影像，其结果能够达到原始影像的几何定位精度，生成的无畸变影像可以在各个摄影测量系统之间通用，而不会降低自检校光束法平差的几何定位精度。
附图说明
图1是现有技术中测图阶段无法引入附加参数时的几何定位误差示意图；
图2是本发明所述方法的流程图；
图3是本发明所述方法中近似正射纠正过程的示意图；
图4是本发明所述方法中重投影过程的示意图；
图5是本发明所述方法中原始影像、近似正射影像与无畸变影像之间的坐标转换关系图；
图6是本发明实施例中兰州测区的试验数据航线与控制点分布示意图；
图7是本发明实施例中西安测区的试验数据航线与控制点分布情况示意图；
图8是本发明实施例中兰州测区空中三角测量与立体模型恢复精度柱状图；
图9是本发明实施例中兰州测区4个控制点时自检校光束法平差结果图；
图10是本发明实施例中兰州测区9个控制点时自检校光束法平差结果图；
图11是本发明实施例中西安测区空中三角测量与立体模型恢复精度柱状图；
图12是本发明实施例中西安测区4个控制点时自检校光束法平差结果图；
图13是本发明实施例中西安测区9个控制点时自检校光束法平差结果图；
图14是本发明实施例中兰州测区原始影像(放大2倍显示)；
图15是本发明实施例中兰州测区无畸变影像(放大2倍显示)；
图16是本发明实施例中西安测区原始影像(放大2倍显示)；
图17是本发明实施例中西安测区无畸变影像(放大2倍显示)。
具体实施方式
下面结合附图对本发明做进一步详细的说明。
自检校光束法平差通过在常规光束法平差过程中引入附加参数(AdditionalParameters,APs)来补偿影像中的系统性误差。由于缺乏相应的自检校模型标准，商业摄影测量软件厂商通常根据研究人员的研究成果(如学术论文)实现SBA方法，有些是基于原始的自检校模型，有些则根据需要在原有模型的基础上进行简化或者优化。
在完成了自检校光束法平差之后，为了获取高精度的地面点定位结果，需要同时利用精化后的外方位元素(Exterior Orientation,EO)以及新生成的APs恢复立体模型。显然，当APs无法使用时，SBA方法在后期测图阶段的定位精度会显著降低。图1表明由SBA方法软件兼容性引起的几何定位误差。在XYZ坐标系中，假设有一个立体像对，S1与S2是相机投影中心，O1与O1表示像主点，P1与P1表示影像畸变改正后的同名点，P1′和P2′表示未经过畸变改正的同名点，通过前方交会可以确定出相应的地面点P和P′。地面点P由精化后的EO数据以及APs计算得出，而P′没有依据Aps仅利用精化后的EO计算得出。显然，影像畸变的大小决定了P和P′之间几何定位误差的大小。
在实际摄影测量工程项目中，需要解决SBA方法的软件兼容性问题，从而确保自检校光束法平差阶段的高精度几何定位结果应用于测图阶段。本发明提供了一种基于影像重投影技术的畸变改正方法，用以解决SBA方法在不同软件之间的兼容性问题，其算法处理流程如图2所示，包括：
步骤1：导入原始影像、内方位元素(Interior Orientation，IO)、初始EO等信息；
步骤2：分析直接定位的相对精度和绝对精度，据此设定自检校光束法平差中GPS、IMU等观测值的权值；
步骤3：进行自检校光束法平差，根据需要调整参数(如单位权中误差、GPS与IMU观测值权值等)进行迭代处理，直至满足成图精度需求；
步骤4：利用IO、精化后的EO以及APs将原始影像纠正至参考平面生成近似正射影像，然后再利用IO、精化后的EO将近似正射影像重投影生成无畸变的虚拟影像；
步骤5：导出无畸变的虚拟影像与精化后的EO数据，进行后期测图作业。
其中步骤2中的相对精度和绝对精度为检查点精度、影像接边差精度。由于近似正射纠正阶段使用了附加参数进行严格几何纠正，再经过影像重投影处理，原始影像中由附加参数引起的畸变得以消除。新生成的虚拟影像可以被其它摄影测量软件使用。
图3和图4所示是本发明所述方法中“虚拟影像”(即无畸变影像)的生成过程。图3显示的是近似正射纠正过程，即利用IO、EO以及APs将原始影像纠正生成近似正射影像，此过程由于应用了附加参数，所以自检校光束法平差阶段的高精度几何定位信息在近似正射影像中仍然保留。图4所示是利用IO和EO将近似正射影像重投影生成“虚拟影像”，此过程也是利用共线方程进行严格的几何变换，近似正射影像中的几何定位信息仍然未受损失，因此生成的无畸变影像无需引入畸变参数即能提供与原始影像相同的几何定位精度。
图5所示是原始影像、近似正射影像与“虚拟影像”(无畸变影像)之间的坐标转换关系。由原始影像像点Ir(i,j)转换为地面点G(X,Y,Z)是基于共线条件方程的严密几何纠正过程，重投影是正射纠正的逆变换过程。地面点G(X,Y,Z)重投影生成虚拟影像像点IV(i,j)，正射影像上的像点IO(i,j)对应于地面点G(X,Y,Z)。由于通过重投影的方式去除了影像畸变，虚拟影像可以作为无畸变影像进行高精度几何定位，而无需考虑附加参数的影响。
下面给出一个具体的实施例，包括对兰州和西安两个测区的测量过程。
试验数据由微软公司UltraCamXp相机获取，相机焦距为70.5mm，影像幅面为17310×11310，像元大小为6um，相机具体参数见表1。设航向重叠为65％，UltraCamXp相机的基高比为0.4，小于RC30相机的基调比1.0。由于基高比直接影响高程测量精度，且实际工程应用中高程精度通常难以达到成图精度需求，因此试验结果分析时尤其要注意高程精度。
表1 UCXp相机参数
Focal length相机焦距 70.5mm
Pixel size像元大小 6um
CCD sensors像幅尺寸 17310×11310
基高比 0.4
动态响应范围 12bit
视场角 55°
测试数据主要参数见表2，成图比例尺为1：10000，航向重叠度为60～70％，旁向重叠度为35～40％，测区航线与控制点分布示意图见图6(兰州)和图7(西安)。兰州测区影像数据于2015年6月获取，航线为南北方向，测区地形以山地为主，由于航高大于6000m，因此航摄飞机需要采用密封舱。西安测区影像数据于2014年6月获取，航线为东西方向，测区地形以平地为主。
表2测试数据主要参数
Figure BDA0001599785840000061
影像畸变改正算法在Windows7平台下使用Matlab2015开发，测试环境使用IntelXeon 8CPU以及64GB内存，选取测区的平均高程面进行近似正射纠正，试验数据处理参数见表3。
表3虚拟影像处理过程参数
测区 数据量 参考高程面 处理时间
兰州 66GB 1100m 3h 24min
西安 75GB 500m 4h 15min
试验结果同时分析空中三角测量精度以及立体模型恢复精度，具体结果见表4。空中三角测量分别采用4个控制点与9个控制点方案进行常规空中三角测量平差(AerialTriangulation，AT)与自检校光束法平差，并分析直接定位(DG)、自由网平差(AT 0GCP)结果；立体模型恢复精度包括自检校光束法平差未引入APs时的恢复精度(以O.I.no APs表示)以及虚拟影像未引入APs时的恢复精度(以V.I.no APs表示)。
表4测区空中三角测量及立体模型恢复结果
Figure BDA0001599785840000071
采用12×18的格网点计算影像上不同点位的畸变值，表5为统计得出的畸变最大值与均值。兰州测区由于飞行高度较高且采用密封舱，影像畸变值达到5个像素；西安测区影像畸变值相对较小，接近1个像素。
表5影像畸变最大值与均值
Figure BDA0001599785840000072
图8为兰州测区空中三角测量与立体模型恢复精度的柱状图显示结果。由图8可知，不同方法平面精度变化不大，均在1个像元左右，能够很好地满足1：10000成图比例尺精度要求。但是不同方法的高程精度变化较大，直接定位与自由网平差高程中误差均大于1.5m，使用4个控制点与9个控制点进行平差，高程中误差仍然大于1m，这几种方法均不能满足1：10000比例尺在平地与丘陵地的成图精度要求。采用自检校光束法平差后，4个控制点与9个控制点方案的高程精度均得到显著提升，高程中误差小于0.5m，达到成图精度要求。然而，如果后期测图阶段所使用的软件不能引入自检校参数(见Original Images withoutAPs结果)，则立体模型量测的高程中误差仍然大于1.4m。去除影像畸变后，高程精度与原始影像加入APs的高程精度基本一致(见Virtual Images without APs结果)。
图9和图10分别为兰州测区4个控制点与9个控制点进行自检校光束法平差时的畸变大小示意图。可以看出影像上有明显的径向畸变系统差，影像边缘处畸变最大值达到5个像元，且4个控制点方案与9个控制点方案自检校光束法平差的畸变结果基本一致。
图11为西安测区空中三角测量与立体模型恢复精度的柱状图显示结果。西安测区直接定位与自由网平差结果中X、Z分量有明显的系统性误差，加入控制点进行常规光束法平差时，系统性误差得到消除，平面与高程精度能满足成图比例尺要求。但是西安测区使用自检校光束法平差方法时精度提升不明显。如果采用自检校光束法平差方案，后期测图阶段所使用的软件不能引入检校参数时(见Original Images without APs结果)，高程中误差明显降低，达到0.6m。影像畸变去除后，无畸变影像的高程精度与原始影像加入APs的高程精度基本一致(见Virtual Images without APs结果)。
图12和图13分别为西安测区4个控制点与9个控制点方案进行自检校光束法平差时的畸变大小示意图。可以看出西安测区影像畸变值较小(均小于1个像元)，这也说明对于西安测区自检校方法在平差过程中所起作用不大，而如果使用自检校光束法平差方法，后期测图时又未引入检校参数，反而会降低成果精度。但是生成的无畸变影像仍然可以达到原始影像引入附加参数的几何定位精度。
图14和图15所示分别是兰州测区原始影像(图14)与无畸变影像(图15)辐射质量对比结果(放大2倍显示)；图16和图17所示分别是西安测区原始影像(图16)与无畸变影像(图17)辐射质量对比结果(放大2倍显示)。影像几何纠正过程采用双三次卷积进行灰度内插，可以看出新生成的无畸变影像能够较好地保留了原始影像的细节信息。
以上给出了本发明涉及的具体实施方式，通过带附加参数的严密几何纠正以及重投影方法，采用本发明所述方法生成的虚拟影像有效地去除了原始影像中的畸变，在测图时无需引入附加参数即可获取与自检校光束法平差阶段同样的几何定位精度，较好地解决了自检校光束法平差的软件兼容性问题。
当自检校参数无法获取时，后期测图阶段恢复的立体模型几何定位精度明显降低，自检校参数的作用与具体测区有关。当自检校方法对几何定位精度提升不明显时(如西安测区)，应用传统空中三角测量方法是比较好的选择，可以避免软件兼容性问题。但是对于一些困难测区，如飞行高度较高且使用密封舱的兰州测区，则必须应用自检校光束法平差，而且要考虑后期测图软件的兼容性问题。
本发明的优势是无需知道光束法平差阶段附加参数的具体表达式，可以直接应用平差阶段的软件进行几何纠正，而重投影算法实现起来较为简便，可以很好地解决自检校平差中的软件兼容性问题，有较强的实际工程应用价值。
但本发明不局限于所描述的实施方式，例如采用其他自检校方式得到需要的参数，这样形成的技术方案是对上述实施例进行微调形成的，这种技术方案仍落入本发明的保护范围内。

Claims (4)

1.一种基于影像重投影的畸变改正方法，其特征在于，包括以下步骤：
导入原始影像、初始外方位元素和内方位元素；
设定自检校光束法平差中观测值的权值；
进行自检校光束法平差方法，调整参数进行迭代处理，直到满足成图精度要求；同时获得精化后的外方位元素；
根据所述精化后的外方位元素、附加参数和内方位元素对原始影像进行处理得到近似正射影像；
根据所述精化后的外方位元素和内方位元素对所述近似正射影像重投影生成无畸变影像；
导出无畸变影像与精化后的外方位元素，进行后期测图作业。
2.根据权利要求1所述一种基于影像重投影的畸变改正方法，其特征在于：通过分析直接定位的相对精度和绝对精度，进而设定自检校光束法平差中观测值的权值。
3.根据权利要求1或2所述一种基于影像重投影的畸变改正方法，其特征在于：导出所述无畸变影像和所述外方位元素用于测图作业。
4.根据权利要求3所述一种基于影像重投影的畸变改正方法，其特征在于：所述观测值包括GPS和IMU。
CN201810220705.2A 2018-03-16 2018-03-16 一种基于影像重投影的畸变改正方法 Active CN108413989B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810220705.2A CN108413989B (zh) 2018-03-16 2018-03-16 一种基于影像重投影的畸变改正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810220705.2A CN108413989B (zh) 2018-03-16 2018-03-16 一种基于影像重投影的畸变改正方法

Publications (2)

Publication Number Publication Date
CN108413989A CN108413989A (zh) 2018-08-17
CN108413989B true CN108413989B (zh) 2020-10-20

Family

ID=63131965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810220705.2A Active CN108413989B (zh) 2018-03-16 2018-03-16 一种基于影像重投影的畸变改正方法

Country Status (1)

Country Link
CN (1) CN108413989B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108537885B (zh) * 2018-04-19 2021-12-03 天津市测绘院有限公司 山体创面三维地形数据的获取方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101750619A (zh) * 2010-01-18 2010-06-23 武汉大学 自检校pos直接对地目标定位方法
CN102798851A (zh) * 2012-08-27 2012-11-28 电子科技大学 一种基于几何成像的modis lai产品验证方法
CN103557841A (zh) * 2013-08-28 2014-02-05 陈天恩 一种提高多相机合成影像摄影测量精度的方法
CN107144293A (zh) * 2017-04-07 2017-09-08 武汉大学 一种视频卫星面阵相机的几何定标方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101750619A (zh) * 2010-01-18 2010-06-23 武汉大学 自检校pos直接对地目标定位方法
CN102798851A (zh) * 2012-08-27 2012-11-28 电子科技大学 一种基于几何成像的modis lai产品验证方法
CN103557841A (zh) * 2013-08-28 2014-02-05 陈天恩 一种提高多相机合成影像摄影测量精度的方法
CN107144293A (zh) * 2017-04-07 2017-09-08 武汉大学 一种视频卫星面阵相机的几何定标方法

Also Published As

Publication number Publication date
CN108413989A (zh) 2018-08-17

Similar Documents

Publication Publication Date Title
CN109903352B (zh) 一种卫星遥感影像大区域无缝正射影像制作方法
KR101965965B1 (ko) 위성영상과 제공 rpc로부터 제작된 수치표고모델의 자동 오차보정 방법
CN110388898B (zh) 构建虚拟控制点约束的多源多重覆盖遥感影像平差方法
US9378585B2 (en) System and method for automatic geometric correction using RPC
CN112017224B (zh) Sar数据区域网平差处理方法和系统
CN103823981A (zh) 一种数字高程模型辅助的卫星影像区域网平差方法
CN109883444B (zh) 一种姿态角耦合误差补偿方法、装置及电子设备
CN107564057B (zh) 顾及大气折光校正的高轨面阵光学卫星在轨几何标定方法
CN108226982B (zh) 单线阵卫星激光联合高精度定位处理方法
JP2003141575A (ja) 三次元データベース生成システム及び三次元データベース生成方法
CN104820984B (zh) 一种卫星遥感三线阵立体影像处理系统及方法
CN110986888A (zh) 一种航空摄影一体化方法
KR101346192B1 (ko) 항공측량 전용 촬영이미지의 실시간 정사 보정용 항공측량시스템
CN108447100B (zh) 一种机载三线阵ccd相机的偏心矢量和视轴偏心角标定方法
Jacobsen Analysis and correction of systematic height model errors
CN111003214A (zh) 基于云控制的国产陆地观测卫星姿轨精化方法
CN113758468A (zh) 一种基于三维地形测绘数据的采集处理方法
CN113538595A (zh) 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
CN111508028A (zh) 光学立体测绘卫星相机的自主在轨几何定标方法及系统
CN108413989B (zh) 一种基于影像重投影的畸变改正方法
KR100520275B1 (ko) Gps 측량에 의한 수치지도 제작시 촬영기구회전모델을 이용한 선형 스캐닝 영상의 기하 보정방법
JP5349273B2 (ja) Ｒｐｃ計算装置
KR100870894B1 (ko) 선형 스캐닝 영상의 자동 영상기하 보정 방법
CN110503604B (zh) 一种基于高精度pos的航空面阵影像实时正射拼接方法
KR101346206B1 (ko) 정사영상의 정밀 처리를 위한 gps 기반 항공측량시스템

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