CN111611525B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN111611525B
CN111611525B CN202010409796.1A CN202010409796A CN111611525B CN 111611525 B CN111611525 B CN 111611525B CN 202010409796 A CN202010409796 A CN 202010409796A CN 111611525 B CN111611525 B CN 111611525B
Authority
CN
China
Prior art keywords
elevation
object space
image
elevation data
data
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
CN202010409796.1A
Other languages
English (en)
Other versions
CN111611525A (zh
Inventor
王峰
胡玉新
尤红建
刘方坚
向俞明
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.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
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 Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202010409796.1A priority Critical patent/CN111611525B/zh
Publication of CN111611525A publication Critical patent/CN111611525A/zh
Application granted granted Critical
Publication of CN111611525B publication Critical patent/CN111611525B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels

Abstract

一种基于物方密集匹配高程偏差迭代修正的遥感数据高程解算方法，包括以下步骤：基于控制点精化多视图像的定位信息，得到精化后的定位信息；基于指定初始高程数据将多视图像投影到物方坐标系下，并计算投影采用的分辨率；对投影后图像对进行物方密集匹配处理，并根据指定高程数据精度和定位信息计算物方密集匹配的搜索范围参数；解算物方坐标对应的像方坐标，并通过前方交会方法解算得到高程数据；将计算得到的高程数据作为优化后指定高程数据，重复上述步骤，进一步优化指定初始高程数据精度，直到物方密集匹配结果小于一定阈值，迭代结束，即得到优化后的高精度高程数据。本发明在保证解算高度精度的同时，限制搜索范围，提升物方密集匹配效率，且不需要核线约束条件。

Description

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
技术领域
本发明涉及遥感数据处理技术领域，尤其设计一种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。
背景技术
区域高程数据是遥感应用的一种重要基础数据，在三维空间数据处理和地形分析中具有重要的应用价值，广泛应用于正射影像校正、测绘、土壤侵蚀、道路勘测设计、土地利用管理、滑坡监测与灾害控制、水文模型分析、地貌变化等方面。相对于航拍立体相对生成高程数据，星载遥感数据可在短期内获得大覆盖范围的高程数据。利用光学卫星影像生成高程数据，需要获得多视图像间的密集匹配结果。常规方法通过投影轨迹法计算图像对间的核线关系，将待匹配图像投影到基准图像坐标系内，生成核线像对，然后进行密集匹配得到图像间的视差图，最后利用不同视角数据间的交会关系解算目标区域的高程值。现有技术中存在一种基于高程搜索的物方几何约束多影像相关匹配方法，构建某一点p0(对于某一高程值Z)在参考影像I0和搜索影像Ii上相应匹配窗口之间的归一化相关系数为Ni：
Figure GDA0003624371820000011
Figure GDA0003624371820000012
Figure GDA0003624371820000013
基于上述相关系数，在物方高度维Z进行一定范围内[Zmin,Zmax]的遍历搜索，确定相关系数最大的位置，可以直接求得目标点的高度信息Z，计算原理示意图如图1所示。
在实现本发明的过程中，申请人发现上述现有技术存在如下技术缺陷：
(1)基于核线约束的匹配方法对输入影像对成像关系有严格限制，无法应用于广泛存在的不同视角获取高分辨率遥感影像；
(2)基于核线约束的匹配方法需要将待匹配图像按照核线关系投影到基准影像坐标系统内，投影重采样的过程会破坏图像原有包含的物方目标信息，不利于获得真实的密集匹配结果；
(3)基于高程搜索的物方几何约束多影像相关匹配方法需要针对每个待匹配点进行一定高度范围内遍历搜索，计算复杂度较高，而且高程解算精度与搜索步长间距相关；
(4)现有方法无法根据生成高程数据的目标精度设计处理过程。
发明内容
有鉴于此，本发明的主要目的在于提供一种基于物方密集匹配高程偏差迭代修正的遥感数据高程解算方法，以期部分地解决上述技术问题中的至少之一。
为了实现上述目的，作为本发明的一方面，提供了一种基于物方密集匹配高程偏差迭代修正的遥感数据高程解算方法，包括以下步骤：
步骤1：基于控制点精化多视图像的定位信息，得到精化后的定位信息；
步骤2：基于指定初始高程数据将多视图像投影到物方坐标系下，并计算投影采用的分辨率Sw；
步骤3：对投影后图像对进行物方密集匹配处理，并根据指定初始高程数据精度和定位信息计算物方密集匹配的搜索范围参数SR；
步骤4：解算物方坐标对应的像方坐标，并通过前方交会方法解算得到高程数据；
步骤5：将步骤4计算得到的高程数据作为优化后指定初始高程数据，重复步骤2、步骤3和步骤4，进一步优化指定初始高程数据精度，直到物方密集匹配结果小于一定阈值，迭代结束，即得到优化后的高精度高程数据。
其中，所述步骤1中的利用控制点进行像方补偿，精化定位信息；常用的像方补偿模型有平移模型、线性变换模型和仿射变换模型。
其中，所述像方补偿模型采用仿射变换模型，公式如下：
R＝a0+a1Line+a2Sample
C＝b0+b1Line+b2Sample；
其中，(R,C)为补偿后的像方坐标，(Line,Sample)为补偿前的像方坐标，(a0,a1,a2,b0,b1,b2)为待求解的仿射变换系数。
其中，建立所述基于像方补偿模型的利用有理多项式系数进行表达的误差方程：
Figure GDA0003624371820000031
对每个控制点建立的误差方程进行矩阵形式的简化表达如下：
V＝Bt-D
其中，
Figure GDA0003624371820000032
t＝[Δa0Δa1Δa2Δb0Δb1Δb2]T,
v＝[vx vy]T,D＝[-Fx0-Fy0]T。
其中，所述步骤2中的初始高程数据使用公开DEM数据和DSM数据或平均高度值。
其中，所述步骤2中的计算投影采用的分辨率Sw，具体计算过程如下：
根据指定初始高程数据信息，获得图像覆盖区域平均高程为H0；
取图像中心点Po坐标为(Linec,Samplec)；
根据有理多项式系数的信息，计算Po点在H0-H和H0+H高程面对应的物方坐标分别为(P1，L1,H0-H)和(P2，L2,H0+H)，也就是说2H的高度维变化引起的物方偏移量为
Figure GDA0003624371820000033
为了得到高程精度为Th的高程解算结果，物方投影采用的分辨率Sw计算公式如下：
Figure GDA0003624371820000034
其中，所述步骤3中的物方密集匹配所使用的方法为光流法或半全局物方密集匹配算法。
其中，所述步骤3中的物方密集匹配的搜索范围参数SR计算公式如下：
Figure GDA0003624371820000041
其中，Eh为指定高程数据的高程误差。
基于上述技术方案可知，本发明的遥感数据高程解算方法相对于现有技术至少具有如下有益效果之一：
1、本发明在利用指定高程数据物方投影后图像间进行物方密集匹配，有效限制物方密集匹配的搜索范围，不受图像间核线关系约束，可以广泛应用于多视角高分辨率光学图像求取目标区域高程信息。
2、本发明对图像仅进行一次像方到物方的投影转换，而且由于光学成像的特点，投影转换过程中不会对图像有用信息进行压缩，可以保证图像间对应关系转换的准确性和唯一性。
3、本发明在利用指定高程数据物方投影后图像间进行物方密集匹配，而且根据指定高程数据精度约束物方密集匹配搜索范围，匹配处理计算效率和精度高，进而保证了高程数据解算过程效率和精度。
4、本发明可以根据预设高程数据精度，设计物方投影分辨率参数以及物方密集匹配搜索范围参数，从而保证生成高程数据的精度。
5、本发明将高程偏差转换为物方平移偏差量，与实际地物直接对应，易于人工目视解译，便于后续进行人工编辑确认，以保证生成高程数据的精度。
附图说明
图1是现有技术的基于高程Z搜索的物方几何约束多视图像匹配方法示意图；
图2是本发明实施例基于物方密集匹配高程偏差迭代修正的遥感数据高程解算方法流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
针对遥感图像快速高精度解算目标区域高程的需求，本发明提出一种基于物方密集匹配高程偏差迭代修正的遥感数据高程解算方法，该方法具备如下特点：1)不限制待处理多视数据之间的核线约束关系；2)首先基于指定高程数据(公开高程数据或指定平均高程)进行物方投影后，然后在物方坐标系内进行匹配处理，匹配得到的偏差由指定数据与真实地形起伏高程的偏差决定，可以有效限制物方密集匹配的搜索范围；3)将每次偏差修正后新生成高程数据作为新的指定高程数据进行物方投影和物方密集匹配，可以实现高程数据的迭代修正，保证生成高程数据的精度；4)将初始高程数据的偏差转换为多视图像物方投影后图像的平移偏差，与实际地物直接对应，易于人工判断，便于后续进行人工编辑确认。
如图2所示，为本发明实施例的基于物方密集匹配高程偏差迭代修正的遥感数据高程解算方法流程示意图，其具体包括如下步骤：
步骤1：基于控制点精化多视图像的定位信息。以常用的有理多项式系数(RPCs,Rational Polynomial Coefficients)模型为例，原始数据像面坐标(行Line、列Sample)与地面三维坐标(经度Lon、纬度Lat、高程Height)的关系：
Figure GDA0003624371820000051
NumL(P,L,H)＝a1+a2L+a3P+a4H+a5LP+a6LH+a7PH+a8L2+a9P2+a10H2+a11PLH+
a12L3+a13LP2+a14LH2+a15L2P+a16P3+a17PH2+a18L2H+a19P2H+a20H3
Nums(P,L,H)＝c1+c2L+c3P+c4H+c5LP+c6LH+c7PH+c8L2+c9P2+c10H2+c11PLH+c12L3+c13LP2+c14LH2+c15L2P+c16P3+c17PH2+c18L2H+c19P2H+c20H3
DenL(P,L,H)＝b1+b2L+b3P+b4H+b5LP+b6LH+b7PH+b8L2+b9P2+b10H2+b11PLH+
b12L3+b13LP2+b14LH2+b15L2P+b16P3+b17PH2+b18L2H+b19P2H+b20H3
Dens(P,L,H)＝d1+d2L+d3P+d4H+d5LP+d6LH+d7PH+d8L2+d9P2+d10H2+d11PLH+d12L3+d13LP2+d14LH2+d15L2P+d16P3+d17PH2+d18L2H+d19P2H+d20H3其中，an,bn,cn,dn为有理多项式系数的参数，(P,L,H)为正则化的地面坐标，(X,Y)为正则化的像面坐标，他们之间的关系如下式所示：
Figure GDA0003624371820000052
Figure GDA0003624371820000053
其中，LAT_OFF、LAT_SCALE、LONG_OFF、LONG_SCALE、HEIGHT_OFF、HEIGHT_SCALE为地面坐标的正则化参数。SAMPLE_OFF、SAMPLE_SCALE、LINE_OFF、LINE_SCALE为图像坐标的正则化参数。
利用控制点进行像方补偿，精化定位信息。常用的像方补偿模型由平移模型、线性变换模型和仿射变换模型，考虑到补偿模型的精度以及后续有理多项式系数修正的精度，我们选择仿射变换模型作为像方补偿模型，公式如下：
R＝a0+a1Line+a2Sample
C＝b0+b1Line+b2Sample
其中，(R,C)为补偿后的像方坐标，(Line,Sample)为补偿前的像方坐标，(a1,a2,a3,b1,b2,b3)为待求解的仿射变换系数。
据此，我们可以建立起基于像方补偿模型的利用有理多项式系数进行表达的误差方程：
Figure GDA0003624371820000061
对每个控制点建立的误差方程进行矩阵形式的简化表达如下：
V＝Bt-D
其中，
Figure GDA0003624371820000062
t＝[Δa0Δa1Δa2Δb0Δb1Δb2]T,
v＝[vx vy]T,D＝[-Fx0-Fy0]T
基于上述处理可以得到精化后的定位信息。
步骤2：基于指定高程数据(公开高程数据或指定平均高程)将多视图像投影到物方坐标系下，并依据预先设定获得高程精度Th计算投影采用的分辨率Sw，具体计算过程如下：
①根据指定高程数据信息，获得图像覆盖区域平均高程为H0；
②取图像中心点Po坐标为(Linec,Samplec)；
③根据RPCs信息，计算Po点在H0-H和H0+H高程面对应的物方坐标分别为(P1，L1,H0-H)和(P2，L2,H0+H)，也就是说2H的高度维变化引起的物方偏移量为
Figure GDA0003624371820000071
图像域物方密集匹配精度可达1像素。因此，为了得到高程精度为Th的高程解算结果，物方投影采用的分辨率Sw计算公式如下：
Figure GDA0003624371820000072
步骤3：对投影后图像对进行物方密集匹配处理，并根据指定高程数据精度和定位信息计算物方密集匹配的搜索范围参数SR。物方密集匹配可以采用多种经典的物方密集匹配方法，例如光流法、半全局物方密集匹配算法等。假设指定高程数据的高程误差为Eh，那么物方密集匹配搜索范围计算公式如下：
Figure GDA0003624371820000073
4)基于物方密集匹配结果计算目标区域高程信息，具体计算过程如下：
①在基准图上物方一点D0的坐标为(P0,L0)，基于物方密集匹配结果可知在待匹配图物方对应坐标Di为(Pi,Li)；
②根据基准图和多视图像对应的RPCs定位信息，解算物方坐标对应的像方坐标，即
Figure GDA0003624371820000074
其中RPCs0和RPCsi为基准图和多视图像各自对应的RPCs模型参数；
③基于多视图像像方坐标的对应关系，通过前方交会方法可以解算得到高程数据，并将其赋值到基准图物方坐标系内，即可得到目标区域的高程数据。
步骤5：将上述步骤计算得到高程数据作为优化后指定高程数据，重复步骤2、3、4，进一步优化指定初始高程数据精度，直到物方密集匹配结果小于一定阈值，迭代结束，即可得到优化后的高精度高程数据。
此外，上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式，本领域普通技术人员可对其进行简单地更改或替换，例如：
(1)初始高程数据可以使用公开DEM数据和DSM数据，例如ASTER GDEMV3、ASTERGDEMV2、ASTER GDEMV1，SRTM90米、SRTM30米、GLS 2005 DEM、TanDEM等，或者平均高度值，只要采用基于指定高程数据进行物方投影，然后进行物方投影后图像物方密集匹配，并迭代更新指定高程数据，即为本发明权利保护范围；
(2)物方密集匹配方法可以采用本文介绍的光流法、半全局物方密集匹配算法，或者其他物方密集匹配算法，只要基于指定高程数据进行物方投标，然后对物方投影后图像进行物方密集匹配，并迭代更新指定高程数据，即为本发明权利保护范围。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于物方密集匹配高程偏差迭代修正的遥感数据高程解算方法，其特征在于，包括以下步骤：
步骤1：基于控制点精化多视图像的定位信息，得到精化后的定位信息；
步骤2：基于指定初始高程数据将多视图像投影到物方坐标系下，并计算投影采用的分辨率Sw；以及
具体计算过程如下：
根据指定初始高程数据，获得图像覆盖区域平均高程为H0；
取图像中心点Po坐标为(Linec,Samplec)；
根据有理多项式系数的信息，计算Po点在H0-H和H0+H高程面对应的物方坐标分别为(P1，L1,H0-H)和(P2，L2,H0+H)，也就是说2H的高度维变化引起的物方偏移量为
Figure FDA0003682404780000011
为了得到高程精度为Th的高程解算结果，物方投影采用的分辨率Sw计算公式如下：
Figure FDA0003682404780000012
其中，(Line,Sample)为补偿前的像方坐标，P1、P2为预设物方点横坐标，L1、L2为预设物方点纵坐标，H0-H、H0+H为预设物方点高程面坐标；
步骤3：对投影后图像对进行物方密集匹配处理，并根据指定初始高程数据精度和定位信息计算物方密集匹配的搜索范围参数SR；
其中，物方密集匹配所使用的方法为光流法或半全局物方密集匹配算法；物方密集匹配的搜索范围参数SR计算公式如下：
Figure FDA0003682404780000013
其中，Eh为指定初始高程数据的高程误差，SR为搜索范围参数，
Figure FDA0003682404780000014
为物方偏移量，2H为高度维变化，Sw为物方投影采用的分辨率；
步骤4：解算物方坐标对应的像方坐标，并通过前方交会方法解算得到高程数据；
步骤5：将步骤4计算得到的高程数据作为优化后指定初始高程数据，重复步骤2、步骤3和步骤4，进一步优化指定初始高程数据精度，直到物方密集匹配结果小于一定阈值，迭代结束，即得到优化后的高精度高程数据。
2.根据权利要求1所述的解算方法，其特征在于，所述步骤1中，利用控制点进行像方补偿，精化定位信息；像方补偿模型有平移模型、线性变换模型和仿射变换模型。
3.根据权利要求2所述的解算方法，其特征在于，所述像方补偿模型采用仿射变换模型，公式如下：
R＝a0+a1Line+a2Sample
C＝b0+b1Line+b2Sample；
其中，(R,C)为补偿后的像方坐标，(Line,Sample)为补偿前的像方坐标，(a0,a1,a2,b0,b1,b2)为待求解的仿射变换系数。
4.根据权利要求3所述的解算方法，其特征在于，建立基于像方补偿模型的利用有理多项式系数进行表达的误差方程：
Figure FDA0003682404780000021
对每个控制点建立的误差方程进行矩阵形式的简化表达如下：
V＝Bt-D；
其中，
Figure FDA0003682404780000022
t＝[Δa0 Δa1 Δa2 Δb0 Δb1 Δb2]T,
V＝[vx vy]T,
Figure FDA0003682404780000023
其中，(R,C)为补偿后的像方坐标，(Line,Sample)为补偿前的像方坐标，(a0,a1,a2,b0,b1,b2)为待求解的仿射变换系数。
5.根据权利要求1所述的解算方法，其特征在于，所述步骤2中的初始高程数据使用公开DEM数据和DSM数据，或平均高度值。
CN202010409796.1A 2020-05-14 2020-05-14 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 Active CN111611525B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010409796.1A CN111611525B (zh) 2020-05-14 2020-05-14 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010409796.1A CN111611525B (zh) 2020-05-14 2020-05-14 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

Publications (2)

Publication Number Publication Date
CN111611525A CN111611525A (zh) 2020-09-01
CN111611525B true CN111611525B (zh) 2022-07-29

Family

ID=72197997

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010409796.1A Active CN111611525B (zh) 2020-05-14 2020-05-14 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

Country Status (1)

Country Link
CN (1) CN111611525B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113284171B (zh) * 2021-06-18 2023-04-07 成都天巡微小卫星科技有限责任公司 一种基于卫星遥感立体成像对的植被高度分析方法及系统
CN116168300B (zh) * 2023-04-21 2023-08-08 航天宏图信息技术股份有限公司 一种高分辨率遥感影像等gsd的核线重采样方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103604417A (zh) * 2013-11-15 2014-02-26 南京师范大学 物方信息约束的多视影像双向匹配策略
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
CN108376249A (zh) * 2018-02-23 2018-08-07 中国科学院电子学研究所 基于单物方-多像方观测的无控定位精度提升方法
CN109239745A (zh) * 2018-09-11 2019-01-18 中铁二院工程集团有限责任公司 一种高分辨率卫星影像及有理多项式参数变换方法
CN109903352A (zh) * 2018-12-24 2019-06-18 中国科学院遥感与数字地球研究所 一种卫星遥感影像大区域无缝正射影像制作方法
US10325370B1 (en) * 2016-05-31 2019-06-18 University Of New Brunswick Method and system of coregistration of remote sensing images

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5309522A (en) * 1992-06-30 1994-05-03 Environmental Research Institute Of Michigan Stereoscopic determination of terrain elevation
KR101295747B1 (ko) * 2012-04-25 2013-08-20 서울시립대학교 산학협력단 Ｒｐｃ를 이용한 자동 기하 보정 시스템 및 방법
CN104134220A (zh) * 2014-08-15 2014-11-05 北京东方泰坦科技股份有限公司 一种像方空间一致性的低空遥感影像高精度匹配方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103604417A (zh) * 2013-11-15 2014-02-26 南京师范大学 物方信息约束的多视影像双向匹配策略
US10325370B1 (en) * 2016-05-31 2019-06-18 University Of New Brunswick Method and system of coregistration of remote sensing images
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
CN108376249A (zh) * 2018-02-23 2018-08-07 中国科学院电子学研究所 基于单物方-多像方观测的无控定位精度提升方法
CN109239745A (zh) * 2018-09-11 2019-01-18 中铁二院工程集团有限责任公司 一种高分辨率卫星影像及有理多项式参数变换方法
CN109903352A (zh) * 2018-12-24 2019-06-18 中国科学院遥感与数字地球研究所 一种卫星遥感影像大区域无缝正射影像制作方法

Also Published As

Publication number Publication date
CN111611525A (zh) 2020-09-01

Similar Documents

Publication Publication Date Title
CN102506824B (zh) 一种城市低空无人机系统生成数字正射影像图的方法
KR100728377B1 (ko) 레이저 스캐너 및 무선인터넷을 이용한 변경된 지역시설물의 ｇｉｓ 실시간 업데이트 방법
CN105046251B (zh) 一种基于环境一号卫星遥感影像的自动正射校正方法
CN111126148A (zh) 一种基于视频卫星影像的dsm生成方法
CN111815765B (zh) 一种基于异构数据融合的图像三维重建方法
CN109709551B (zh) 一种星载合成孔径雷达影像的区域网平面平差方法
CN109696182A (zh) 一种星载推扫式光学传感器内方位元素定标方法
CN113358091B (zh) 一种利用三线阵立体卫星影像生产数字高程模型dem的方法
CN107014399A (zh) 一种星载光学相机‑激光测距仪组合系统联合检校方法
CN111611525B (zh) 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
CN112270698A (zh) 基于最邻近曲面的非刚性几何配准方法
CN112767461A (zh) 激光点云与序列全景影像自动配准方法
CN110986888A (zh) 一种航空摄影一体化方法
CN114998399B (zh) 一种异源光学遥感卫星影像立体像对预处理方法
CN115471619A (zh) 基于立体成像高分辨率卫星影像的城市三维模型构建方法
CN113947638A (zh) 鱼眼相机影像正射纠正方法
BROCKELBANK et al. Stereo elevation determination techniques for SPOT imagery
CN109029379B (zh) 一种高精度小基高比立体测绘方法
CN107784666B (zh) 基于立体影像的地形地物三维变化检测和更新方法
CN116385892A (zh) 基于目标上下文卷积神经网络的数字高程模型提取方法
Willneff et al. Single-image high-resolution satellite data for 3D information extraction
CN107146281B (zh) 一种月球表面高分辨率dem提取方法
Previtali et al. An automatic multi-image procedure for accurate 3D object reconstruction
CN114004949A (zh) 机载点云辅助的移动测量系统安置参数检校方法及系统
CN114136335A (zh) 一种基于无人机倾斜摄影测量的空中三角形精度分析方法

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