CN111121729B - 基于平坦地形的光学遥感卫星内检校方法及系统 - Google Patents
基于平坦地形的光学遥感卫星内检校方法及系统 Download PDFInfo
- Publication number
- CN111121729B CN111121729B CN202010028714.9A CN202010028714A CN111121729B CN 111121729 B CN111121729 B CN 111121729B CN 202010028714 A CN202010028714 A CN 202010028714A CN 111121729 B CN111121729 B CN 111121729B
- Authority
- CN
- China
- Prior art keywords
- image
- point
- remote sensing
- coordinates
- optical remote
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Manufacturing & Machinery (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于平坦地形的光学遥感卫星内检校方法及系统,包括光学遥感卫星内检校模型建模;选取平坦地区两张具有重叠区域的影像构成重叠影像;利用重叠影像获取同名连接点的像方坐标、物方坐标初值及对应的SRTM全球高程参考值;利用同名连接点的像方坐标、物方坐标初值及对应的SRTM全球高程参考值构建关于内检校模型参数的误差方程式;求解内检校模型参数的误差方程式得到内检校模型参数。本发明可基于平坦地形利用两张重叠影像的相对关系实现光学遥感卫星内检校,克服传统光学遥感卫星内检校方法高度依赖高精度三维地面检校场的问题。
Description
技术领域
本发明属于遥感影像几何处理领域,涉及光学遥感卫星内检校方法及系统。
背景技术
遥感光学卫星的理想光学成像模型满足透视原理:透视中心、像点及物方点满足共线条件。然而,由于遥感传感器和镜头制作、加工、安装误差及实验室测量误差等,用以决定像点位置的内方位元素往往存在阶数较高的畸变误差,使得实际像点位置会偏离理想像点位置,这些畸变误差难以在后续的带控处理中被消除,最终降低影像的相对定位精度。内检校就是通过一定手段探测内方位元素的畸变误差,以提高光学遥感卫星影像的带控纠正精度。
传统的光学遥感卫星多采用基于高精度三维地面检校场的方法进行内检校。此种方法的关键在于高精度三维地面检校数据的获取。Leprince S.(2007,2008)采用仿真-配准的策略,提出一种改进的高精度相位相关算法,并通过此算法逐像素的获取大量高精度控制点,成功的应用于SPOT5的检校。除了利用控制点进行内检校参数获取的策略外,许多学者也利用控制线等高级几何特征来进行检校参数的获取,从而拓展了高精度地面控制数据的选择范围。 Long T.F.(2015)提出了利用多种几何特征作为控制的通用框架,此框架提供了多种控制特征的获取方法以及检校参数求解方法。Teo T.A.(2013)提出了直接采用控制线求解的方法,并分析了对于控制线特征如何构建检校参数求解方法。叶勤(2010)、伍洋(2015)提出了利用直线特征进行精度优化的方法。基于高精度三维地面检校场的方法直接将检校结果纳入到第三方的统一时空基准中,因此一般能够获得更加稳定、准确的补偿效果,缺点是第三方数据获取困难、成本高、周期长,同时需要花费大量人力物力对高精度三维地面检校场进行更新(Delevit J.M.,2012)。另外,对于宽幅影像,很难从一张影像上获取足够覆盖幅宽的控制点用于内检校。
此外,许多学者尝试将内检校参数引入到区域网平差形成自检校区域网平差方法,在求解区域网平差参数的同时将附加内检校参数求解出来(Fraser C.S.,1997;HabibA.F.,2002; Kocaman S.,2008;Gonzalez S.,2013;Di K.C.,2014;Zheng M.T.,2015)。贾博(2014)对SPOT-5 定向片进行自检校区域网平差,采用畸变模型描述相机内部畸变,在区域网平差过程中同时解求畸变模型参数;Zheng M.T.(2015)对中巴资源02B卫星的长条带影像进行自检校区域网平差,并对不同畸变模型的平差结果进行比较;刘建辉(2015a,2015b)对天绘一号的定向片进行了自检校区域网平差;王涛(2014)对资源三号三线阵影像进行了自检校平差研究。然而,自检校区域网平差需要收集许多张具有重叠大区域的影像,并且求解过程中侧重于区域网平差参数的求解,附加检校参数求解的稳定性受到一定影响;另外,自检校区域网平差需要比较大的计算量,且需要少量控制点使结果更加合理可靠。上述种种缺点限制了自检校区域网平差法在光学遥感卫星内检校的应用。
发明内容
本发明针对传统光学遥感卫星内检校高度依赖高精度三维地面检校场问题,提供了一种基于平坦地形的光学遥感卫星内检校方法。基于平坦地形的内检校过程包括以下步骤,
步骤1,光学遥感卫星内检校模型建模;
步骤2,选取平坦地区两张具有重叠区域的影像构成重叠影像;
步骤3,利用重叠影像获取同名连接点的像方坐标、物方坐标初值及对应的SRTM(Shuttle Radar Topography Mission)全球高程参考值;
步骤4,利用同名连接点的像方坐标、物方坐标初值及对应的SRTM全球高程参考值构建关于内检校模型参数的误差方程式;
步骤5,求解内检校模型参数的误差方程式得到内检校模型参数。
而且,步骤1的实现方式为步骤1的实现方式为采用光学畸变模型对光学遥感卫星的高阶畸变进行误差分析,对光学畸变模型进行参数合并与简化,得到解算用的内检校模型。
而且,步骤2、步骤3和步骤4未引入高精度地面三维检校场的绝对约束,而是通过两张重叠影像相互之间空间交会点与SRTM全球高程数据高程参考值的不一致性来探测高阶畸变。
而且,步骤2选取平坦地区两张具有重叠区域的影像构成重叠影像的原则是:平坦地区最低和最高高程差异小于100米,每张影像重叠部分所对应的探元数量不少于CCD探元总数量一半,同时重叠影像之间交会角大于15°。
而且,步骤3的实现方式为对两张重叠影像进行特征提取,进行特征匹配构建同名连接点对,然后采用最小二乘匹配方法对同名连接点对的像点坐标进行优化,最后采用前方交会获取同名连接点对的物方坐标初值,并根据物方坐标初值的大地经纬度坐标从SRTM全球高程数据上获取对应的高程参考值。
而且,步骤4实现方式为利用同名连接点的空间交会点与SRTM全球高程数据高程参考值的不一致性构建关于高程残差的误差方程式。
而且,步骤5实现方式为对高程残差误差方程式的法方程进行改化,消除物方平面坐标未知数,只求解内检校参数的改正数,通过改正数修正内检校参数及相关参数;利用新的检校参数更新像点坐标用于前方交会更新物方点坐标;不断迭代进行,直至前方交会误差的小于1个像素。
本发明还提供一种基于平坦地形的光学遥感卫星内检校系统,用于上述基于平坦地形的光学遥感卫星内检校方法。
本发明提供一种基于平坦地形的光学遥感卫星内检校方法及系统,包括光学遥感卫星内检校模型建模;选取平坦地区两张具有重叠区域的影像构成重叠影像;利用重叠影像获取同名连接点的像方坐标、物方坐标初值及对应的SRTM全球高程参考值;利用同名连接点的像方坐标、物方坐标初值及对应的SRTM全球高程参考值构建关于内检校模型参数的误差方程式;求解内检校模型参数的误差方程式得到内检校模型参数。本发明可基于平坦地形利用两张重叠影像的相对关系实现光学遥感卫星内检校,克服传统光学遥感卫星内检校方法高度依赖高精度三维地面检校场的问题。
附图说明
图1为本发明实施例的基于平坦地形的光学遥感卫星内检校所需重叠影像的区域覆盖示意图。
图2为本发明实施例的基于平坦地形的光学遥感卫星内检校原理示意图。
具体实施方式
以下结合附图和实施例详细说明本发明的技术方案。
本发明针对传统光学遥感卫星内检校方法依赖高精度三维地面检校场的问题,开展基于平坦地形的光学遥感卫星内检校方法研究,旨在不依赖高精度三维地面检校场的情况下完成光学遥感卫星高阶畸变的内检校。根据本专利所提方法,利用两张重叠影像相互之间空间交会点与SRTM全球高程数据高程值的不一致性进行内检校,从而摆脱了光学遥感卫星内检校对高精度三维地面检校场的需求,实现在轨光学遥感卫星的快速内检校,节省了成本和人力。
本发明实施例提供的基于平坦地形的光学遥感卫星内检校方法,包括以下步骤:
步骤1,光学遥感卫星内检校模型建模。
具体实施时,以线推扫光学遥感卫星为例,采用光学畸变模型对光学遥感卫星的高阶畸变进行误差分析,对光学畸变模型进行参数合并与简化,得到检校用的内检校模型。
步骤1.1,采用光学畸变模型对光学遥感卫星的高阶畸变进行误差分析。光学畸变差是由于镜头设计、制作和装配所引起的像点偏离其理想位置的点位误差。其主要包括主点误差、主距误差、径向畸变误差、偏心畸变误差及变形畸变误差。
主点误差:(Δx0,Δy0),主点测量位置与实际位置的偏差;
主距误差:Δf,主距测量值与实际值的偏差;
径向畸变误差:(k1,k2,k3);径向畸变误差主要来自于透镜的形状,对于航天级相机一般仅仅到k1即可,本发明具体实施考虑到k2;
偏心畸变误差:(P1,P2);偏心畸变误差一般来自相机(透镜)的组装过程;
变形畸变误差:(a1,a2,b1,b2),对于航天级相机无须考虑;
假设像面坐标值为(x,y),像面畸变为(Δx,Δy),主点偏移为(x0,y0),主距为f。
主点误差为线性误差,可表述如下:
主距误差为缩放误差,可表述如下:
径向畸变误差为高次模型,可表述如下:
其中r2=(x-x0)2+(y-y0)2。
偏心畸变误差为高次模型,可表述如下:
上述各类误差合并为畸变模型表述如下:
令(x',y')=(x-x0,y-y0),通用光学遥感卫星畸变模型表述如下:
其中r2=x'2+y'2。
步骤1.2,对光学畸变模型进行参数合并与简化,得到解算用的内检校模型。以线推扫光学遥感卫星为例,沿轨向坐标x'为常数,设为C,并将r代入,畸变模型表述如下:
进行如下的变量替换:
将畸变模型变换如下:
将y'=y-y0代入得到:
进行如下的变量替换:
得到解算用的线推扫光学遥感卫星内检校模型为:
其中变量a0,a1,…,a4,b0,b1,…,b5为待求的内检校系数。
步骤2,选取平坦地区两张具有重叠区域的影像构成重叠影像。
具体实施时,选取平坦地区两张具有重叠区域的影像构成重叠影像的原则是:平坦地区最低和最高高程差异小于100米,每张影像重叠部分所对应的探元数量不少于CCD探元总数量的一半,同时重叠影像之间交会角大于15°。
平坦地区最低和最高高程差异小于100米是出于保证SRTM全球高程数据的精度考虑的。对于非平坦的山区,SRTM全球高程数据的高程精度会比较低;另外,由于原始影像具有系统的平面误差,所以根据初始定位的平面坐标相对真正的平面位置有所偏移,根据初始定位的平面坐标获得的SRTM全球高程数据的高程值也并不是真正需要的高程值,而平坦地区因为局部范围内高程变化很小,保证了这个偏移对高程精度的影响较小。
以线推扫光学遥感卫星为例,如图1所示,CCD探元垂直于飞行方向排列,重叠影像1 的CCD探元所覆盖的区域被重叠影像2所覆盖,按照上述的每张影像重叠部分所对应的探元数量不少于CCD探元总数量一半的原则,保证了所有CCD探元都位于交叉重叠区域,能够更好实现内检校模型参数的求解。
另外,重叠影像之间交会角尽量保证大于15°是从交会误差的角度出发而制定的。本发明利用两张重叠影像相互之间空间交会点与SRTM全球高程数据高程值的不一致性进行内检校,因此重叠影像之间交会角保证大于15°,是出于对前方交会求解的准确性出发而制定的。根据此原则,对于大视场角的影像,可以在不进行侧摆情况下,利用旁向重叠拍摄来获取满足条件的影像;对于小视场角的影像,则需要利用侧摆来获取满足条件的影像。
步骤3,利用重叠影像获取同名连接点的像方坐标及物方坐标初值。具体实施时,对两张重叠影像进行特征提取和特征匹配构建同名连接点对;然后采用最小二乘匹配方法对同名连接点对的像点坐标进行优化;最后采用前方交会获取同名连接点对的物方坐标初值。
步骤3.1,对两张重叠影像进行特征提取和特征匹配构建同名连接点对。对两张影像分别进行影像特征点提取和描述,特征点提取和描述可采用SIFT影像特征描述子,同时要求特征点在影像上分布均匀;根据SIFT特征描述子对两张影像进行特征匹配,得到同名匹配点对 Lm=(xm1,ym1,xm2,ym2),其中(xm1,ym1)表示第一张影像的点坐标,(xm2,ym2)表示第二张影像的点坐标,将Lm压入同名连接点链表L;上述匹配不断进行,最终得到同名连接点链表L。
步骤3.2,遍历同名连接点链表L的元素Lm,以第一张影像作为匹配基准影像、第二张影像作为匹配源影像,(xm1,ym1,xm2,ym2)进行最小二乘匹配,根据匹配的结果修正(xm2,ym2)数值。步骤3.2不断重复,直至遍历完同名连接点链表L。
步骤3.3,前方交会获取同名连接点对的物方坐标初值。
步骤3.3.1,成像模型建模。经典的严密成像模型一般写成共线方程物方形式如下:
其中[X(t),Y(t),Z(t)]表示卫星在地球地心直角坐标系中的位置,R(t)表示从本体坐标系到地球地心直角坐标系的旋转矩阵,都由像素坐标所对应的时间内插得到。对于线推扫成像影像,位置[X(t),Y(t),Z(t)]和姿态R(t)都是时间的函数,二者一起被称为严密成像模型的外方位元素。[x-x0,y-y0,f]表示摄影光线在本体坐标系下的方向。其中[x,y]是影像坐标,[x0,y0,f]表示影像的主点和主距。[x-x0,y-y0,f]称为严密成像模型的内方位元素,[XW,YW,ZW]表示影像坐标[x,y]所在的空间光线在地球地心直角坐标系当中的指向向量。另外,m为缩放系数,[XS,YS,ZS]为定位的地面点在地球地心直角坐标系中的位置,此二者都为未知数。
步骤3.3.2,对于同名连接点链表L的第m个元素Lm,设[XSm,YSm,ZSm]为待求的Lm在地球地心直角坐标系中的地面点位置,根据共线方程,可以列出Lm的第n(1≤n≤2)个像点(xmn,ymn)与[XSm,YSm,ZSm]的函数关系式如下:
其中,tmn为像点Lmn所对应的拍摄时间,[X(tmn),Y(tmn),Z(tmn)]为根据时间tmn内插得到的卫星在地球地心直角坐标系中的位置,[XWmn,YWmn,ZWmn]表示影像坐标Pij(即Lmn所指向的像点)所在的空间光线在地球地心直角坐标系当中的指向向量,皆为已知量。
公式(14)可以列成误差方程式:
对Lm的两个同名点坐标(xm1,ym1,xm2,ym2)分别进行法化,得到下式:
简化成法方程矩阵形式:
其中B为4×3矩阵,K为4×1矩阵。对上式进行最小二乘求解得到第m个地面点在地球地心直角坐标系中坐标初值:
步骤3.3.3,将地面点在地球地心直角坐标系中的坐标初值转化到大地坐标系,公式如下:
其中,(LSm,BSm,HSm)为大地坐标系中的经纬度高程坐标,(a,e,NSm)分别为椭圆长半轴、第一偏心率以及卯酉圈半径大小。将上述函数关系记为函数T:
步骤3.3.4,根据物方点初值的经纬度坐标,到SRTM(Shuttle Radar TopographyMission) 全球高程参考数据上(用SRTM1,1”)地理采样得到指定位置的高程参考值。
步骤3.3.5,逐个遍历同名连接点链表L的元素Lm,按照步骤3.3.2、3.3.3和3.3.4逐元素计算所对应的地面点的初值及高程参考值,并保存。
步骤4,利用同名连接点的像方坐标、物方坐标初值及对应的SRTM全球高程参考值构建关于内检校模型参数的误差方程式。具体实施时,如图2所示,以线推扫光学遥感卫星为例,两张影像同名连接点前方交会时,当不存在畸变误差的时候,同名连接点在空间的交会高程与实际地表高程一致;当存在畸变误差时候,同名连接点在空间的交会高程与实际地表高程存在差异,利用这个高度残差构建关于内检校参数的交会残差误差方程式。
步骤4.1,检校模型的构建。内检校参数对于每张影像都是固定的,但是由于卫星的位置姿态测量等误差,影像之间存在不同的系统偏移量,为此添加偏置矩阵RU来描述每张影像自己的偏移量,构建的检校模型如下:
其中, ω、κ分别是相对于本体坐标系X、Y、Z轴旋转的欧拉角;(Δx,Δy)为公式(12)所描述的内检校模型。将公式(21)消去尺度量m转化为像方表达,得到像方坐标(x,y)关于未知数ω,/>κ,a0,…,a4, b0,…,b5和LS,BS的函数(F,G):
步骤4.2,检校模型线性化。对于Lmn(1≤n≤2)所对应的像点,对公式(22)进行线性化后得到:
其中,
表示线性化后的像面残差值;
表示函数F关于内检校参数的偏导数;
表示函数G关于内检校参数的偏导数;
表示函数F关于像点所在的影像n的偏置矩阵参数的偏导数;
表示函数G关于像点所在的影像n的偏置矩阵参数的偏导数;
表示函数F关于像点所对应的第m个物方点的大地坐标经纬度的偏导数;
表示函数G关于像点所对应的第m个物方点的大地坐标经纬度的偏导数;
da0,…,da4,db0,…db5表示待求的内检校模型参数的改正数;
dωn,dκn表示待求的第n张影像的偏置矩阵参数的改正数;
表示待求的第m个物方点的大地坐标经纬度的改正数;
为误差方程式的常数项,表达式为:
对于初值,可以令内检校模型参数和偏置矩阵参数的初值皆为0,物方点坐标的初值为步骤3.3.3求解的值:
步骤4.3,逐点线性化。逐个遍历同名连接点链表L的Lm,对于Lm的元素逐点进行步骤 4.2的线性化,得到关于高程残差的误差方程组:
为了简便,将公式(26)记为:
V=At+BX-L (27)
其中:
为误差残差向量,大小为4m×1;
为待求的检校参数改正数向量,大小为15×1;
为待求的检校参数向量的系数矩阵,大小为4m×15;
为待求的地面点大地坐标经纬度值的改正数向量,大小为 2m×1;
为待求的物方大地坐标经纬度改正数向量的系数矩阵,大小为4m×2m;
为误差方程的常数项向量,大小为4m×1。
公式(27)写成法方程矩阵形式为:
用下式简化表示:
/>
步骤5,求解内检校模型的误差方程式得到内检校模型参数。具体实施时,以线推扫光学遥感卫星为例,对高程残差误差方程式的法方程进行改化,消除物方平面坐标未知数,只求解内检校参数的改正数,通过改正数修正内检校参数及相关参数;利用新的检校参数更新像点坐标用于再次前方交会更新物方点坐标;不断迭代进行,直至前方交会误差的小于1个像素。
步骤5.1,对高程残差误差方程式(29)的法方程进行改化,获得关于内检校模型和偏置矩阵参数改正数的法化改方程:
采用谱修正迭代法(王新洲,2001)进行求解,得到检校参数改正数向量t。
步骤5.2,利用新的检校参数更新像点坐标及系统误差用于再次前方交会更新物方点坐标
步骤5.2.1,根据检校参数的改正数对检校参数进行更新:
步骤5.2.2,根据新的检校参数,在步骤3中,R(t)和(x,y)分别由Rnew(t)和(xnew,ynew)替代:
重新进行步骤3前方交会后得到新的物方点坐标,同时输出交会点的高程值替换成SRTM 全球高程参考值,求解其反投影误差,作为评价前方交会精度的指标。
步骤5.3,根据步骤4,重新逐点进行误差法方程的法化,其中,公式(24)中的参数初值由步骤5.2.1的更新值代入。
步骤5.4,不断重复步骤5.1,5.2,5.3,直至步骤5.2.2中前方交会的误差值的统计值小于1.0个像素退出解算。此时,步骤5.2.1得到的内检校参数即需要的最终的内检校数值。
具体实施时,以上流程可采用计算机软件方式实现自动运行,运行本方法的系统装置也应当在保护范围内。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
参考文献
[1]Delevit J.M.,Greslou D.,Amberg V.2012.Attitude Assessment UsingPleiades-Hr Capabilities[J].ISPRS-International Archives of thePhotogrammetry,Remote Sensing and Spatial Information Sciences,XXXIX-B1:525-530.
[2]Di K.C.,Liu Y.L.,Liu,B.2014.A Self-Calibration Bundle AdjustmentMethod for Photogrammetric Processing of Chang'E-2Stereo Lunar Imagery[J].IEEE Transactions on Geoscience and Remote Sensing,52(9):5432-5442.
[3]Fraser C.S.1997.Digital camera self-calibration[J].ISPRS Journalof Photogrammetry and Remote Sensing,52(4):149-159.
[4]Gonzalez S.,Gomez-Lahoz J.,Gonzalez-Aguilera D.2013.GeometricAnalysis and Self-Calibration of ADS40 Imagery[J].Photogrammetric Record,28(142):145-161.
[5]Habib A.F.,Morgan M.,Lee Y.R.2002.Bundle adjustment with self-calibration using straight lines[J].Photogrammetric Record,17(100):635-650.
[6]Kocaman S.,Gruen A.2008.Orientation and self-calibration of ALOSPRISM imagery[J]. Photogrammetric Record,23(123):323-340.
[7]Leprince S.,Barbot S.,Ayoub F.2007.Automatic and PreciseOrthorectification,Coregistration, and Subpixel Correlation of SatelliteImages,Application to Ground Deformation Measurements[J].IEEE Transactions onGeoscience and Remote Sensing,45(6):1529-1558.
[8]Leprince S.,Muse P.,Avouac J.P.2008.In-Flight CCD DistortionCalibration for Pushbroom Satellites Based on Subpixel Correlation[J].IEEETransactions on Geoscience and Remote Sensing,46(9):2675-2683.
[9]Long T.F.,Jiao W.L.,He G.J.2015.A generic framework for imagerectification using multiple types of feature[J].ISPRS Journal ofPhotogrammetry and Remote Sensing,102:161-171.
[10]Teo T.A.2013.Line-based rational function model for high-resolution satellite imagery[J]. International Journal of Remote Sensing,34(4):1355-1372.
[11]Zheng M.T.,Zhang Y.J.,Zhu J.F.2015.Self-Calibration Adjustment ofCBERS-02B Long-Strip Imagery[J].IEEE Transactions on Geoscience and RemoteSensing,53(7):3847-3854.
[12]贾博,姜挺,张锐.2014.基于定向片模型的SPOT-5遥感影像自检校光束法平差[J].测绘科学,39(9):3-10.
[13]刘建辉,姜挺,江刚武.2015a.定向片用于天绘一号卫星三线阵影像自检校光束法平差[J]. 测绘科学技术学报,32(4):390-394.
[14]刘建辉,姜挺,江刚武.2015b.天绘一号卫星影像自检校光束法区域网平差[J].测绘科学, 40(8):37-41.
[15]王涛,张艳,张永生,范大昭.2014.资源三号卫星三线阵CCD影像自检校光束法平差[J]. 测绘科学技术学报,31(1):44-52.
[16]王新洲,刘丁酉,张前勇.2001.谱修正迭代法及其在测量数据处理中的应用[J].黑龙江工程学院学报,15(2):3-6.
[17]伍洋,刘军,刘志龙.2015.利用直线特征进行有理多项式模型精度优化[J].遥感信息, 30(5):31-37.
[18]叶勤,张小虎,刘世杰.2010.基于直线特征的有理函数模型定位精度改善方法[J].同济大学学报(自然科学版),38(2):295-301。
Claims (7)
1.一种基于平坦地形的光学遥感卫星内检校方法,其特征在于:基于平坦地形的内检校过程包括以下步骤:
步骤1,光学遥感卫星内检校模型建模;
步骤2,选取平坦地区两张具有重叠区域的影像构成重叠影像;
步骤3,利用重叠影像获取同名连接点的像方坐标、物方坐标初值及对应的SRTM全球高程参考值;
对两张重叠影像进行特征提取和特征匹配构建同名连接点对,然后采用最小二乘匹配方法对同名连接点对的像点坐标进行优化,最后采用前方交会获取同名连接点对的物方坐标初值,并根据物方坐标初值的大地经纬度坐标从SRTM全球高程数据上获取对应的高程参考值;
对两张重叠影像进行特征提取和特征匹配构建同名连接点对;对两张影像分别进行影像特征点提取和描述,特征点提取和描述可采用SIFT影像特征描述子,同时要求特征点在影像上分布均匀;根据SIFT特征描述子对两张影像进行特征匹配,得到同名匹配点对Lm=(xm1,ym1,xm2,ym2),其中(xm1,ym1)表示第一张影像的点坐标,(xm2,ym2)表示第二张影像的点坐标,将Lm压入同名连接点链表L;上述匹配不断进行,最终得到同名连接点链表L;
步骤3.2,遍历同名连接点链表L的元素Lm,以第一张影像作为匹配基准影像、第二张影像作为匹配源影像,(xm1,ym1,xm2,ym2)进行最小二乘匹配,根据匹配的结果修正(xm2,ym2)数值;步骤3.2不断重复,直至遍历完同名连接点链表L;
步骤3.3,前方交会获取同名连接点对的物方坐标初值;
步骤3.3.1,成像模型建模;经典的严密成像模型一般写成共线方程物方形式如下:
其中[X(t),Y(t),Z(t)]表示卫星在地球地心直角坐标系中的位置,R(t)表示从本体坐标系到地球地心直角坐标系的旋转矩阵,都由像素坐标所对应的时间内插得到;对于线推扫成像影像,位置[X(t),Y(t),Z(t)]和姿态R(t)都是时间的函数,二者一起被称为严密成像模型的外方位元素;[x-x0,y-y0,f]表示摄影光线在本体坐标系下的方向;其中[x,y]是影像坐标,[x0,y0,f]表示影像的主点和主距;[x-x0,y-y0,f]称为严密成像模型的内方位元素,[XW,YW,ZW]表示影像坐标[x,y]所在的空间光线在地球地心直角坐标系当中的指向向量;另外,m为缩放系数,[XS,YS,ZS]为定位的地面点在地球地心直角坐标系中的位置,此二者都为未知数;
步骤3.3.2,对于同名连接点链表L的第m个元素Lm,设[XSm,YSm,ZSm]为待求的Lm在地球地心直角坐标系中的地面点位置,根据共线方程,可以列出Lm的第n(1≤n≤2)个像点(xmn,ymn)与[XSm,YSm,ZSm]的函数关系式如下:
其中,tmn为像点Lmn所对应的拍摄时间,[X(tmn),Y(tmn),Z(tmn)]为根据时间tmn内插得到的卫星在地球地心直角坐标系中的位置,[XWmn,YWmn,ZWmn]表示影像坐标Pij(即Lmn所指向的像点)所在的空间光线在地球地心直角坐标系当中的指向向量,皆为已知量;
公式(14)可以列成误差方程式:
对Lm的两个同名点坐标(xm1,ym1,xm2,ym2)分别进行法化,得到下式:
简化成法方程矩阵形式:
其中B为4×3矩阵,K为4×1矩阵;对上式进行最小二乘求解得到第m个地面点在地球地心直角坐标系中坐标初值:
步骤3.3.3,将地面点在地球地心直角坐标系中的坐标初值转化到大地坐标系,公式如下:
其中,(LSm,BSm,HSm)为大地坐标系中的经纬度高程坐标,(a,e,NSm)分别为椭圆长半轴、第一偏心率以及卯酉圈半径大小;将上述函数关系记为函数T:
步骤3.3.4,根据物方点初值的经纬度坐标,到SRTM全球高程参考数据上地理采样得到指定位置的高程参考值;
步骤3.3.5,逐个遍历同名连接点链表L的元素Lm,按照步骤3.3.2、3.3.3和3.3.4逐元素计算所对应的地面点的初值及高程参考值,并保存;
步骤4,利用同名连接点的像方坐标、物方坐标初值及对应的SRTM全球高程参考值构建关于内检校模型参数的误差方程式;
步骤5,求解内检校模型参数的误差方程式得到内检校模型参数。
2.如权利要求1所述一种基于平坦地形的光学遥感卫星内检校方法,其特征在于:步骤1的实现方式为采用光学畸变模型对光学遥感卫星的高阶畸变进行误差分析,对光学畸变模型进行参数合并与简化,得到解算用的内检校模型。
3.如权利要求1所述一种基于平坦地形的光学遥感卫星内检校方法,其特征在于:步骤2、步骤3和步骤4未引入高精度地面三维检校场的绝对约束,而是通过两张重叠影像相互之间空间交会点与SRTM全球高程数据高程参考值的不一致性来探测高阶畸变。
4.如权利要求1所述一种基于平坦地形的光学遥感卫星内检校方法,其特征在于:步骤2选取平坦地区两张具有重叠区域的影像构成重叠影像的原则是:平坦地区最低和最高高程差异小于100米,每张影像重叠部分所对应的探元数量不少于CCD探元总数量一半,同时重叠影像之间交会角大于15°。
5.如权利要求1所述一种基于平坦地形的光学遥感卫星内检校方法,其特征在于:步骤4实现方式是利用同名连接点的空间交会点与SRTM全球高程数据高程参考值的不一致性构建关于高程残差的误差方程式。
6.如权利要求1所述一种基于平坦地形的光学遥感卫星内检校方法,其特征在于:步骤5实现方式是对高程残差误差方程式的法方程进行改化,消除物方平面坐标未知数,只求解内检校参数的改正数,通过改正数修正内检校参数及相关参数;利用新的检校参数更新像点坐标用于前方交会更新物方点坐标;不断迭代进行,直至前方交会误差的小于1个像素。
7.一种基于平坦地形的光学遥感卫星内检校系统,其特征在于:用于权利要求1至6任一项所述的一种基于平坦地形的光学遥感卫星内检校方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010028714.9A CN111121729B (zh) | 2020-01-11 | 2020-01-11 | 基于平坦地形的光学遥感卫星内检校方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010028714.9A CN111121729B (zh) | 2020-01-11 | 2020-01-11 | 基于平坦地形的光学遥感卫星内检校方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111121729A CN111121729A (zh) | 2020-05-08 |
CN111121729B true CN111121729B (zh) | 2023-08-22 |
Family
ID=70488137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010028714.9A Active CN111121729B (zh) | 2020-01-11 | 2020-01-11 | 基于平坦地形的光学遥感卫星内检校方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111121729B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111693028A (zh) * | 2020-06-23 | 2020-09-22 | 上海海洋大学 | 一种基于投影影像获取数字水深模型的方法 |
CN111726609B (zh) * | 2020-06-30 | 2022-04-01 | 上海海洋大学 | 一种光束法区域网迭代自检校平差方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644435A (zh) * | 2017-09-19 | 2018-01-30 | 武汉大学 | 顾及姿态校正的敏捷光学卫星无场地几何标定方法及系统 |
-
2020
- 2020-01-11 CN CN202010028714.9A patent/CN111121729B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107644435A (zh) * | 2017-09-19 | 2018-01-30 | 武汉大学 | 顾及姿态校正的敏捷光学卫星无场地几何标定方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111121729A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cramer et al. | System calibration for direct georeferencing | |
Hu et al. | Understanding the rational function model: methods and applications | |
KR101965965B1 (ko) | 위성영상과 제공 rpc로부터 제작된 수치표고모델의 자동 오차보정 방법 | |
Schläpfer et al. | Geo-atmospheric processing of airborne imaging spectrometry data. Part 1: Parametric orthorectification | |
Honkavaara et al. | Geometric test field calibration of digital photogrammetric sensors | |
Radhadevi et al. | In-flight geometric calibration and orientation of ALOS/PRISM imagery with a generic sensor model | |
CN111121729B (zh) | 基于平坦地形的光学遥感卫星内检校方法及系统 | |
Poli | A rigorous model for spaceborne linear array sensors | |
Gruen et al. | Sensor modeling for aerial mobile mapping with Three-Line-Scanner (TLS) imagery | |
Wang | Automated triangulation of linear scanner imagery | |
Cao et al. | Nonlinear bias compensation of ZiYuan-3 satellite imagery with cubic splines | |
Sadeq | Accuracy assessment using different UAV image overlaps | |
Cramer et al. | On the use of GPS/inertial exterior orientation parameters in airborne photogrammetry | |
Daakir et al. | Improvement of photogrammetric accuracy by modeling and correcting the thermal effect on camera calibration | |
Zhang et al. | Auto-calibration of GF-1 WFV images using flat terrain | |
Chmiel et al. | Orthorectification and geometric quality assessment of very high spatial resolution satellite imagery for Common Agricultural Policy purposes | |
Valorge et al. | Forty years of experience with SPOT in-flight calibration | |
CN105628052B (zh) | 基于控制直线的光学卫星传感器在轨几何定标方法及系统 | |
Wang et al. | Geometric calibration for the aerial line scanning camera GFXJ | |
Grodecki et al. | IKONOS geometric calibrations | |
Cramer | On the use of direct georeferencing in airborne photogrammetry | |
Kocaman et al. | Self-calibrating triangulation of airborne linear array CCD cameras | |
KR102015817B1 (ko) | 입체 위성영상의 제공 rpc 자동 보정 방법 | |
CN111121728B (zh) | 光学遥感卫星无控内检校方法及系统 | |
Rokhmana et al. | Cadastral surveys with non-metric camera using UAV: a feasibility study |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230727 Address after: Room 303, 3rd Floor, Building B, Tianyi Science and Technology Park, No. 8 Maodian Shanxi Road, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000 Applicant after: Wuhan xuanjing Technology Co.,Ltd. Address before: 430000 Floor 8, Building 1, Phase 6, Optical Valley Software Park, No. 4, Software Park Middle Road, Donghu New Technology Development Zone, Wuhan, Hubei Province Applicant before: Huang Wenchao |
|
GR01 | Patent grant | ||
GR01 | Patent grant |