CN111174753B - 基于有理函数模型的光学影像与激光测高数据平差方法 - Google Patents
基于有理函数模型的光学影像与激光测高数据平差方法 Download PDFInfo
- Publication number
- CN111174753B CN111174753B CN201911384277.8A CN201911384277A CN111174753B CN 111174753 B CN111174753 B CN 111174753B CN 201911384277 A CN201911384277 A CN 201911384277A CN 111174753 B CN111174753 B CN 111174753B
- Authority
- CN
- China
- Prior art keywords
- image
- model
- point
- coordinate
- coordinates
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C3/00—Measuring distances in line of sight; Optical rangefinders
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于有理函数模型的光学影像与激光测高数据平差方法,该方法包括以下步骤:S1:获取相对应的光学影像数据和激光测高数据;S2:建立光学影像数据和激光测高数据的有理函数模型;S3:根据有理函数模型,构建包含待求参数的偏差补偿模型,建立光学影像和激光测高数据的联合平差模型,该联合平差模型中包括虚拟控制点的误差方程,虚拟控制点为光学影像和激光测高数据的对应点;S4:采用基于partial‑EIV模型的总体最小二乘法对联合平差模型进行求解,获取偏差补偿模型的待求参数;S5:根据偏差补偿模型,获取影像的高程定位结果。与现有技术相比,本发明具有平差精度高,有效提高了影像的高程定位精度等优点。
Description
技术领域
本发明涉及激光测高技术领域,尤其是涉及一种基于有理函数模型的光学影像与激光测高数据平差方法。
背景技术
有理函数模型(rational function model,RFM)是一种独立于摄影平台和传感器的广义成像模型,由严格成像模型生成,实际上是对严格成像模型在数值上的近似,理论上虽然没有严格成像模型严密,但实际生产中定位精度可达到严格成像模型的精度。严格成像模型的误差也存在于RFM中,可以通过像方改正参数来对RFM进行偏差补偿。传统摄影测量中,进行空中三角测量生成数字高程模型(Digital Elevation Model,DEM)都需要加入地面控制点。对大范围的区域网处理,外业控制测量的工作量是巨大的,可引入卫星激光测高进行高程控制。
但在仅用激光测高作为高程约束加入平差模型时,整个待平差的区域网由于缺少平面控制,区域网的自由度较高,直接将待平差参数作为自由未知数求解会导致法方程的病态,进而造成平差精度不稳定,而且在平差时,像方改正参数的系数阵中包含误差项,不适用于G-M模型(Gauss-Markov模型),G-M模型为测量平差中最基本的数学模型。
发明内容
本发明的目的就是为了克服上述现有技术存在的平差模型缺少平面控制、不适用于G-M模型的缺陷而提供一种基于有理函数模型的光学影像与激光测高数据平差方法。
本发明的目的可以通过以下技术方案来实现:
一种基于有理函数模型的光学影像与激光测高数据平差方法,该方法包括以下步骤:
S1:获取相对应的光学影像数据和激光测高数据;
S2:建立光学影像数据和激光测高数据的有理函数模型;
S3:根据有理函数模型,构建包含待求参数的偏差补偿模型,建立光学影像和激光测高数据的联合平差模型,该联合平差模型中包括虚拟控制点的误差方程,所述虚拟控制点为光学影像和激光测高数据的对应点;
S4:采用基于partial-EIV模型的总体最小二乘法对联合平差模型进行求解,获取偏差补偿模型的待求参数;
S5:根据偏差补偿模型,获取影像的高程定位结果。
测量平差的目的是为了提高成果的质量,处理好测量中存在的误差问题,要进行多余观测,有了多余观测,势必在观测结果之间产生矛盾,测量平差目的就在于消除这些矛盾而求得观测量的最可靠的结果,并评定测量成果的精度。
进一步地,所述步骤S2还包括对所述有理函数模型进行正则化,所述正则化后的有理函数模型的表达式为:
式中,ln为正则化后的影像行坐标,l为影像行坐标,l0为影像行方向的平移系数,ls为影像行方向的缩放系数,sn为正则化后的影像列坐标,s为影像列坐标,s0为影像列方向的平移系数,ss为影像列方向的缩放系数,Bn为正则化后的纬度,B为地面点坐标的纬度,B0为地面点坐标的纬度平移系数,Bs为地面点坐标的纬度缩放系数,Ln为正则化后的经度,L为地面点坐标的经度,L0为地面点坐标的经度平移系数,Ls为地面点坐标的经度缩放系数,Hn为正则化后的大地高,H为地面点坐标的大地高,H0为地面点坐标的大地高平移系数,Hs为地面点坐标的大地高缩放系数,pi(Bn,Ln,Hn)为关于Bn,Ln,Hn的三阶多项式,i=1,2,3,4,所述影像行坐标和影像列坐标由光学影像数据获取,所述地面点坐标由激光测高数据获取。
进一步地,所述pi(Bn,Ln,Hn)的计算表达式为:
pi(Bn,Ln,Hn)=ai0+ai1Bn+ai2Ln+ai3Hn+ai4BnLn+ai5BnHn+ai6LnHn+ai7Bn 2+ai8Ln 2+ai9Hn 2+ai10BnLnHn+ai11Bn 2Ln+ai12Bn 2Hn+ai13BnLn 2+ai14Bn 2Hn+ai15BnHn 2+ai16BnHn 2+ai17Bn 3+ai18Ln 3+ai19Hn 3
式中,i=1,2,3,4,aim为有理多项式系数,m=1,2,3...18,19。
进一步地,步骤S3中,所述偏差补偿模型为像方仿射变换模型,该模型的表达式为:
式中,l为影像行坐标,s为影像列坐标,pi(Bn,Ln,Hn)为关于Bn,Ln,Hn的三阶多项式,i=1,2,3,4,l0为影像行方向的平移系数,s0为影像列方向的平移系数,A0、A1、A2、B0、B1和B2为待求参数,所述影像行坐标和影像列坐标由光学影像数据获取,所述地面点坐标由激光测高数据获取。
进一步地,步骤S3中,所述虚拟控制点的构造过程具体为,将光学影像的像平面均匀划分为规则的格网,利用光学影像的RPC参数,从同一点出发,分别经过光学影像的各个格网的中心像点,在激光测高数据的物方面中形成相应物方点,一物方点与对应的中心像点构成一组虚拟控制点。
进一步地,步骤S3中,所述虚拟控制点的误差方程的表达式为:
式中,(da0 da1 da2 db0 db1 db2)T为像方仿射变换参数,vl为像点坐标观测值的残差向量的行坐标,vs为像点坐标观测值的残差向量的列坐标,l为影像行坐标,s为影像列坐标,Δl为行坐标常数,Δs为列坐标常数。
进一步地,步骤S3中,所述联合平差模型还包括GLAS高程控制点的误差方程和连接点误差方程。
进一步地,所述联合平差模型还包括虚拟控制点的误差方程、GLAS高程控制点的误差方程和连接点误差方程的方程权阵。
进一步地,所述方程权阵中,虚拟控制点的误差方程对应的权值为10-4,GLAS高程控制点的误差方程和连接点误差方程对应的权值均为1。
进一步地,所述基于partial-EIV模型的总体最小二乘法具体为,基于联合平差模型,构建partial-EIV模型和目标方程,采用拉格朗日乘数法进行求解,若满足预设的终止条件,则迭代结束,获取相应的待求参数,所述partial-EIV模型的表达式为:
v=A0t+Sea+Bx-L
式中,v为像点坐标观测值的残差向量,A为像点坐标观测值的系数矩阵,B为物方坐标改正数的系数矩阵,L为常向量,t为待求参数矩阵,x为物方坐标改正数向量,a为矩阵A的初始值拉直后的向量,ea为矩阵A对应的像点坐标观测值的改正数,C为改正数ea对应的构造矩阵,为克罗内克积运算,Im为m阶单位矩阵,所述像点坐标观测值由光学影像数据获取,所述物方坐标改正数向量由激光测高数据获取;
所述待求参数矩阵t和物方坐标改正数向量x的初始值采用最小二乘法计算。
与现有技术相比,本发明具有以下优点:
(1)本发明考虑到引入激光高程控制点的联合平差模型的系数矩阵里同时包含误差项与常数项,采用基于Partial-EIV模型的总体最小二乘法求解,解算时由于整个区域网内缺乏平面控制,自由度较高,直接求解会导致法方程的病态,进而造成平差精度不稳定,通过在联合平差模型中引入虚拟控制点的误差方程,有效解决了法方程阵秩亏问题,有效提高了影像的高程定位精度。
(2)本发明将影像行坐标、影像列坐标以及地面点坐标均正则化到-1和1之间,增强了参数求解的稳定性。
(3)本发明对联合平差模型的三个误差方程设有对应的权阵,并对虚拟控制点的误差方程的权值赋予一个极小的值,减小其对平差后区域网在空间中的绝对几何精度的影响。
附图说明
图1为本发明方法的流程示意图;
图2为本发明虚拟控制点的生成示意图;
图3为本发明实施例中资源三号影像和激光高程控制点分布示意图,底图为全南极LIMA镶嵌图;圆点代表筛选出来的激光高程控制点。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
如图1所示,本实施例提出一种基于有理函数模型的光学影像与激光测高数据平差方法,该方法包括以下步骤:
S1:获取相对应的光学影像数据和激光测高数据;
S2:建立光学影像数据和激光测高数据的有理函数模型;
S3:根据有理函数模型,构建包含待求参数的偏差补偿模型,建立光学影像和激光测高数据的联合平差模型,该联合平差模型中包括虚拟控制点的误差方程,所述虚拟控制点为光学影像和激光测高数据的对应点;
S4:采用基于partial-EIV模型的总体最小二乘法对联合平差模型进行求解,获取偏差补偿模型的待求参数;
S5:根据偏差补偿模型,获取影像的高程定位结果。
本实施例提供的方法通过引入虚拟控制点解决法方程阵秩亏问题。结果表明,利用本实施例方法,激光高程控制点与卫星影像联合平差能有效提高影像的高程定位精度。
一、方法原理
下面对本实施例方法进行详细介绍。
1、建立有理函数模型
有理函数模型将影像坐标(l,s)分别表示为以相应地面点空间坐标(B,L,H)为自变量的三次多项式的比值,来拟合像点坐标与对应地面点坐标的对应关系,为了增强参数求解的稳定性,将地面坐标(B,L,H)和像点坐标(l,s)正则化到-1和1之间。
正则化的表达式如下:
式中,(ln,sn)为正则化后的影像坐标,(Bn,Ln,Hn)为正则化后的纬度、经度和大地高,ls为影像行方向的缩放系数,l0为影像行方向的平移参数,ss为影像列方向的缩放系数,s0为影像列方向的平移参数,Bs为维度的缩放系数,B0为维度的平移系数,Ls为经度的缩放系数,L0为经度的平移系数,Hs为大地高的缩放系数,H0为大地高的平移系数。
其中,每个pi(Bn,Ln,Hn)都是一个20项的三阶多项式,其表达式为:
pi(Bn,Ln,Hn)=ai0+ai1Bn+ai2Ln+ai3Hn+ai4BnLn+ai5BnHn+ai6LnHn+ai7Bn 2+ai8Ln 2+ai9Hn 2+ai10BnLnHn+ai11Bn 2Ln+ai12Bn 2Hn+ai13BnLn 2+ai14Bn 2Hn+ai15BnHn 2+ai16BnHn 2+ai17Bn 3+ai18Ln 3+ai19Hn 3
式中,i=1,2,3,4,aim为有理多项式系数,m=1,2,3...18,19,这80个有理多项式系数aim均由已有的激光测高数据中获取。
对有理函数模型的优化方法有两种,分别为直接优化法和间接优化法。直接优化法是对原始RPC参数(有理多项式系数)本身进行优化,而无需对已经建立起来的影像定位模型进行改变;而间接优化法是在像方空间或者物方空间中附加偏差补偿模型,并不对原始的RPC参数本身进行修改。根据像方改正参数不同,偏差补偿模型可以分为平移模型、平移+漂移模型、仿射模型和二次多项式模型等。将偏差改正加入到有理函数模型中,得到的函数模型表达式如下:
式中,(l,s)为在影像上量测得到的地面点相应的像点坐标。
上述四种改正模型具体为:
1)A0,B0表示像点坐标的平移,为平移模型;
2)A0,B0,A1,B1表示像点坐标的平移和缩放,为平移+漂移模型;
3)A0,B0,A1,B1,A2,B2表示像方仿射变换模型;
4)A0,B0,A1,B1,A2,B2,A3,B3,A4,B4,A5,B5表示像方二阶多项式模型。
其中的平移模型可以用来削弱姿态角误差和星历误差,平移缩放模型可以用来减小与时间相关的误差,仿射变换和二阶多项式模型可以描述更为高阶的残差变,如陀螺仪系统和扫描速度方面的误差。
2、构建激光高程点与光学影像联合平差模型
由于平差过程中仅使用激光点做高程控制,区域网缺少平面控制,直接解算会导致法方程病态。解决办法是引入虚拟控制点约束区域网自由度。利用各景影像的初始RPC参数生成虚拟控制点,并将其作为带权观测值引入到平差模型中。
如图2所示,将每张影像的像平面均匀划分成规则格网,对每个格网的中心像点,利用该张影像初始RPC参数,在物方任意高程基准面上通过前方交会得到相应物方点。此时,该像点与对应物方点构成一组虚拟控制点。图中,S为共同交汇点,sample为垂直于轨道方向,line为沿着轨道方向,longitude为经度,latitude为维度,height为高度,h=H_OFF为物方空间的高度值。
将所有虚拟控制点引入平差模型中构建误差方程。
像方改正模型以仿射改正模型为例,虚拟控制点的误差方程如下:
式中,(vl vs)T代表像点坐标观测值残差向量,(da0 da1 da2 db0 db1 db2)T代表待求的像方仿射改正参数,(Δl Δs)T代表常向量。可对虚拟控制点像点坐标观测值的权值赋予一个极小的值,以减小其对平差后区域网在空间中的绝对几何精度的影响。
对于GLAS高程控制点而言,把其高程作为真值,不需要改正,GLAS高程控制点的误差方程如下:
连接点误差方程如下:
将虚拟控制点误差方程、GLAS高程控制点误差方程,与连接点观测误差方程一起构建联合平差模型,将三类误差方程矩阵组合起来,可以写成如下形式:
V=At+Bx-L;P
式中,t和x为平差待求参数,t为像方仿射改正参数向量,x为物方坐标改正数向量。矩阵A为含有像点观测值的系数阵,矩阵B为物方坐标改正数的系数阵,L和P分别为相应的常向量和方程权阵。方程权阵中,虚拟控制点的误差方程对应的权值为10-4,GLAS高程控制点的误差方程和连接点误差方程对应的权值均为1。
3、采用基于Partial-EIV模型的总体最小二乘法求解
由于误差方程中系数矩阵A中元素既存在随机误差,也存在常数元素,因此,可采用partial-EIV模型表示为:
v=A0t+Sea+Bx-L
采用拉格朗日乘数法求解,其目标方程为:
式中,λ为m×1阶的拉格朗日乘子向量;Qvv和Qaa分别代表改正数v和ea的协因数阵。
相应的随机模型如下:
拉格朗日极值条件如下:
根据拉格朗日极值条件求出改正数向量v和ea,可表示为:
v=-Qvvλ
ea=QaaSTλ
将v和ea带入拉格朗日极值条件方程组中第3等式计算拉格朗日乘子向量λ,λ的计算表达式为:
定义N=(Qvv+SQaaST)-1,将λ的计算表达式带入拉格朗日极值条件方程组中第4和第5等式,可得到待求参数t和x的矩阵形式
在进行区域网平差时,采用消元改化法方程的策略来进行平差解算。
连接点物方坐标改正数x的维数通常远高于影像像方改正参数t,先消去连接点坐标x来计算像方改正参数t,该计算过程表达式如下:
Mt=W
M=ATN-1A0-ATN-1B(BTN-1B)-1BTNTA0
迭代时,像方改正参数t和物方坐标改正数x的初始值用最小二乘求解,再用其计算得系数阵A的初始值。连接点物方坐标的初始值和GLAS高程控制点平面坐标的初始值都可以通过同名点前方交会得到。当相邻两次迭代结果之差小于给定阈值ε时,迭代结束,该过程可表示为:
||v(i+1)-v(i)||2<ε
二、试验验证
如图3和表1所示,实验选取资源三号卫星南极Filchner冰架上同轨13景三线阵影像共38幅,面积约3.3万平方公里,下视分辨率2.1米,前后视分辨率3.5米。筛选出激光高程控制点1062个。影像和筛选出的激光高程控制点分布如图2所示。采用不同数量均匀分布的高程控制点,余下点作为检查点,评价激光测高点与资源三号卫星影像联合平差后的高程定位精度,结果如表1所示。实验结果表明,利用本发明方法,加入激光高程控制点与资源三号影像联合平差能有效提高影像的高程定位精度,将影像的高程定位精度(中误差)从平差前的6.8米提高至1.1米。
表1激光测高数据与影像联合处理结果统计表
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (7)
1.一种基于有理函数模型的光学影像与激光测高数据平差方法,其特征在于,该方法包括以下步骤:
S1:获取相对应的光学影像数据和激光测高数据;
S2:建立光学影像数据和激光测高数据的有理函数模型;
S3:根据有理函数模型,构建包含待求参数的偏差补偿模型,建立光学影像和激光测高数据的联合平差模型,该联合平差模型中包括虚拟控制点的误差方程,所述虚拟控制点为光学影像和激光测高数据的对应点;
S4:采用基于partial-EIV模型的总体最小二乘法对联合平差模型进行求解,获取偏差补偿模型的待求参数;
S5:根据偏差补偿模型,获取影像的高程定位结果;
所述联合平差模型还包括GLAS高程控制点的误差方程、连接点误差方程,以及虚拟控制点的误差方程、GLAS高程控制点的误差方程和连接点误差方程的方程权阵;
所述基于partial-EIV模型的总体最小二乘法具体为,基于联合平差模型,构建partial-EIV模型和目标方程,采用拉格朗日乘数法进行求解,若满足预设的终止条件,则迭代结束,获取相应的待求参数,所述partial-EIV模型的表达式为:
v=A0t+Sea+Bx-L
式中,v为像点坐标观测值的残差向量,A为像点坐标观测值的系数矩阵,B为物方坐标改正数的系数矩阵,L为常向量,t为待求参数矩阵,x为物方坐标改正数向量,a为矩阵A的初始值拉直后的向量,ea为矩阵A对应的像点坐标观测值的改正数,C为改正数ea对应的构造矩阵,为克罗内克积运算,Im为m阶单位矩阵,所述像点坐标观测值由光学影像数据获取,所述物方坐标改正数向量由激光测高数据获取;
采用拉格朗日乘数法求解,其目标方程为:
式中,λ为m×1阶的拉格朗日乘子向量;Qvv和Qaa分别代表改正数v和ea的协因数阵;
相应的随机模型如下:
拉格朗日极值条件如下:
根据拉格朗日极值条件求出改正数向量v和ea,可表示为:
v=-Qvvλ
ea=QaaSTλ
将v和ea带入拉格朗日极值条件方程组中第3等式计算拉格朗日乘子向量λ,λ的计算表达式为:
定义N=(Qvv+SQaaST)-1,将λ的计算表达式带入拉格朗日极值条件方程组中第4和第5等式,可得到待求参数t和x的矩阵形式
在进行区域网平差时,采用消元改化法方程的策略来进行平差解算;
连接点物方坐标改正数x的维数通常远高于影像像方改正参数t,先消去连接点坐标x来计算像方改正参数t,计算过程表达式如下:
Mt=W
M=ATN-1A0-ATN-1B(BTN-1B)-1BTNTA0
迭代时,像方改正参数t和物方坐标改正数x的初始值用最小二乘求解,再用其计算得系数阵A的初始值;连接点物方坐标的初始值和GLAS高程控制点平面坐标的初始值都可以通过同名点前方交会得到;当相邻两次迭代结果之差小于给定阈值ε时,迭代结束,该过程可表示为:
||v(i+1)-v(i)||2<ε。
2.根据权利要求1所述的一种基于有理函数模型的光学影像与激光测高数据平差方法,其特征在于,所述步骤S2还包括对所述有理函数模型进行正则化,所述正则化后的有理函数模型的表达式为:
式中,ln为正则化后的影像行坐标,l为影像行坐标,l0为影像行方向的平移系数,ls为影像行方向的缩放系数,sn为正则化后的影像列坐标,s为影像列坐标,s0为影像列方向的平移系数,ss为影像列方向的缩放系数,Bn为正则化后的纬度,B为地面点坐标的纬度,B0为地面点坐标的纬度平移系数,Bs为地面点坐标的纬度缩放系数,Ln为正则化后的经度,L为地面点坐标的经度,L0为地面点坐标的经度平移系数,Ls为地面点坐标的经度缩放系数,Hn为正则化后的大地高,H为地面点坐标的大地高,H0为地面点坐标的大地高平移系数,Hs为地面点坐标的大地高缩放系数,pi(Bn,Ln,Hn)为关于Bn,Ln,Hn的三阶多项式,i=1,2,3,4,所述影像行坐标和影像列坐标由光学影像数据获取,所述地面点坐标由激光测高数据获取。
3.根据权利要求2所述的一种基于有理函数模型的光学影像与激光测高数据平差方法,其特征在于,所述pi(Bn,Ln,Hn)的计算表达式为:
pi(Bn,Ln,Hn)=ai0+ai1Bn+ai2Ln+ai3Hn+ai4BnLn+ai5BnHn+ai6LnHn+ai7Bn 2+ai8Ln 2+ai9Hn 2+ai10BnLnHn+ai11Bn 2Ln+ai12Bn 2Hn+ai13BnLn 2+ai14Bn 2Hn+ai15BnHn 2+ai16BnHn 2+ai17Bn 3+ai18Ln 3+ai19Hn 3
式中,i=1,2,3,4,aim为有理多项式系数,m=1,2,3...18,19。
5.根据权利要求1所述的一种基于有理函数模型的光学影像与激光测高数据平差方法,其特征在于,步骤S3中,所述虚拟控制点的构造过程具体为,将光学影像的像平面均匀划分为规则的格网,利用光学影像的RPC参数,从同一点出发,分别经过光学影像的各个格网的中心像点,在激光测高数据的物方面中形成相应物方点,一物方点与对应的中心像点构成一组虚拟控制点。
7.根据权利要求1所述的一种基于有理函数模型的光学影像与激光测高数据平差方法,其特征在于,所述方程权阵中,虚拟控制点的误差方程对应的权值为10-4,GLAS高程控制点的误差方程和连接点误差方程对应的权值均为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911384277.8A CN111174753B (zh) | 2019-12-28 | 2019-12-28 | 基于有理函数模型的光学影像与激光测高数据平差方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911384277.8A CN111174753B (zh) | 2019-12-28 | 2019-12-28 | 基于有理函数模型的光学影像与激光测高数据平差方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111174753A CN111174753A (zh) | 2020-05-19 |
CN111174753B true CN111174753B (zh) | 2021-05-11 |
Family
ID=70647372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911384277.8A Active CN111174753B (zh) | 2019-12-28 | 2019-12-28 | 基于有理函数模型的光学影像与激光测高数据平差方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111174753B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597428B (zh) * | 2020-12-22 | 2022-09-20 | 同济大学 | 基于rfm模型光束法平差和影像重采样的颤振探测修正方法 |
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 |
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 |
CN117647232B (zh) * | 2024-01-29 | 2024-04-16 | 航天宏图信息技术股份有限公司 | 激光高程点转刺到卫星立体影像的方法、装置及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900550A (zh) * | 2010-07-20 | 2010-12-01 | 同济大学 | 一种基于卫星影像的建筑物高程定位控制与精度评价方法 |
CN102213762A (zh) * | 2011-04-12 | 2011-10-12 | 中交第二公路勘察设计研究院有限公司 | 基于rfm模型的多源星载sar影像自动匹配方法 |
CN103823981A (zh) * | 2014-02-28 | 2014-05-28 | 武汉大学 | 一种数字高程模型辅助的卫星影像区域网平差方法 |
CN104931022A (zh) * | 2015-04-21 | 2015-09-23 | 国家测绘地理信息局卫星测绘应用中心 | 基于星载激光测高数据的卫星影像立体区域网平差方法 |
CN105761248A (zh) * | 2016-01-30 | 2016-07-13 | 武汉大学 | 超大规模无控制区域网稳健平差方法及系统 |
CN106960174A (zh) * | 2017-02-06 | 2017-07-18 | 中国测绘科学研究院 | 高分影像激光雷达高程控制点提取及其辅助定位方法 |
CN110388898A (zh) * | 2019-06-27 | 2019-10-29 | 中国科学院遥感与数字地球研究所 | 构建虚拟控制点约束的多源多重覆盖遥感影像平差方法 |
-
2019
- 2019-12-28 CN CN201911384277.8A patent/CN111174753B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101900550A (zh) * | 2010-07-20 | 2010-12-01 | 同济大学 | 一种基于卫星影像的建筑物高程定位控制与精度评价方法 |
CN102213762A (zh) * | 2011-04-12 | 2011-10-12 | 中交第二公路勘察设计研究院有限公司 | 基于rfm模型的多源星载sar影像自动匹配方法 |
CN103823981A (zh) * | 2014-02-28 | 2014-05-28 | 武汉大学 | 一种数字高程模型辅助的卫星影像区域网平差方法 |
CN104931022A (zh) * | 2015-04-21 | 2015-09-23 | 国家测绘地理信息局卫星测绘应用中心 | 基于星载激光测高数据的卫星影像立体区域网平差方法 |
CN105761248A (zh) * | 2016-01-30 | 2016-07-13 | 武汉大学 | 超大规模无控制区域网稳健平差方法及系统 |
CN106960174A (zh) * | 2017-02-06 | 2017-07-18 | 中国测绘科学研究院 | 高分影像激光雷达高程控制点提取及其辅助定位方法 |
CN110388898A (zh) * | 2019-06-27 | 2019-10-29 | 中国科学院遥感与数字地球研究所 | 构建虚拟控制点约束的多源多重覆盖遥感影像平差方法 |
Non-Patent Citations (2)
Title |
---|
Large-scale block adjustment without use of ground control points based on the compensation of geometric calibration for ZY-3 images;Bo Yang etc.;《ISPRS Journal of Photogrammetry and Remote Sensing》;20171231;第5-10页 * |
一种相关观测的Partial EIV模型求解方法;王乐洋 等;《测绘学报》;20170831;第46卷(第8期);第979页-980页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111174753A (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111174753B (zh) | 基于有理函数模型的光学影像与激光测高数据平差方法 | |
CN107644435B (zh) | 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 | |
CN109977344B (zh) | 一种星载夜光遥感影像的区域网平差方法 | |
CN109709551B (zh) | 一种星载合成孔径雷达影像的区域网平面平差方法 | |
CN111724465B (zh) | 基于平面约束优选虚拟控制点的卫星影像平差方法及装置 | |
US8542947B2 (en) | Method for RPC refinement using ground control information | |
CN111508029A (zh) | 星载分片线阵ccd光学相机整体几何定标方法及系统 | |
CN110006452B (zh) | 高分六号宽视场相机相对几何定标方法及系统 | |
CN111044037B (zh) | 一种光学卫星影像的几何定位方法及装置 | |
CN113900125B (zh) | 星地联合的线阵成像遥感卫星全自主几何定标方法及系统 | |
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 | |
CN113902645B (zh) | 一种基于逆rd定位模型的星载sar图像rpc校正参数获取方法 | |
CN108226982B (zh) | 单线阵卫星激光联合高精度定位处理方法 | |
CN107040695B (zh) | 基于rpc定位模型的星载视频稳像方法及系统 | |
CN113514829A (zh) | 面向InSAR的初始DSM的区域网平差方法 | |
CN112070891B (zh) | 数字地面模型作为三维控制的影像区域网平差方法及系统 | |
Zheng et al. | DEM-aided bundle adjustment with multisource satellite imagery: ZY-3 and GF-1 in large areas | |
CN108562900B (zh) | 一种基于高程校正的sar图像几何配准方法 | |
CN110660099B (zh) | 基于神经网络的遥感影像处理的有理函数模型拟合方法 | |
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 | |
CN113899386B (zh) | 基于立体基准网的多源光学卫星遥感影像协同区域网平差方法及系统 | |
CN114241064B (zh) | 一种遥感卫星内外方位元素实时几何定标方法 | |
CN110030968B (zh) | 一种基于星载立体光学影像的地面遮挡物仰角测量方法 | |
Pi et al. | On-orbit geometric calibration using a cross-image pair for the linear sensor aboard the agile optical satellite | |
CN104537614B (zh) | 一种环境一号卫星ccd影像正射校正方法 |
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 |