CN112161609A - 一种内外业一体化控制点量测与自动转刺方法 - Google Patents
一种内外业一体化控制点量测与自动转刺方法 Download PDFInfo
- Publication number
- CN112161609A CN112161609A CN202010926595.9A CN202010926595A CN112161609A CN 112161609 A CN112161609 A CN 112161609A CN 202010926595 A CN202010926595 A CN 202010926595A CN 112161609 A CN112161609 A CN 112161609A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- control point
- points
- matching
- 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.)
- Withdrawn
Links
Images
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
- G01C11/30—Interpretation of pictures by triangulation
- G01C11/34—Aerial triangulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
Abstract
本发明属于摄影测量与遥感技术领域,公开了一种内外业一体化控制点量测与自动转刺方法,包括外业作业和内业作业;通过外业作业,获得基准影像及所述基准影像对应的控制点标记信息;通过内业作业,根据所述控制点标记信息,利用影像匹配进行全自动控制点量测,获得匹配结果。本发明解决了现有摄影测量中控制点量测内外业分离造成的效率不高的问题,能够降低误操作率,提高摄影测量作业中控制点量测的效率和自动化水平。
Description
技术领域
本发明涉及摄影测量与遥感技术领域,尤其涉及一种内外业一体化控制点量测与自动转刺方法。
背景技术
目前摄影测量空中三角测量软件(计算机视觉称为Structure from Motion,即SfM)众多,包括国产DPGrid、PixelGrid软件和国外Agisoft Metashape(原名为PhotoScan)、Pix4DMapper、ContextCapture、Inpho UASMaster等。这些软件都可自动匹配连接点并进行区域网平差,自动化程度较高,然而控制点量测仍然依赖于人工,且存在外业和内业“两次量测”的问题。具体而言,外业测量控制点后得到控制点地面坐标,并以点之记记录控制点的位置及相对方位信息;内业人员则根据控制点地面坐标和由GPS(GlobalPosition System,全球定位系统)或者POS(Position and Orientation System,定位定向系统)提供的影像初始定向参数,预测控制点在影像中的概略位置,并根据点之记人工进行点位的精确调整,从而量测其精确位置。
这种控制点量测方法存在以下缺陷:(1)控制点需要外业和内业“两次量测”。外业需要量测控制点形成点之记,此为第一次量测;内业则根据点之记和控制点地面坐标将其转刺到影像上,此为第二次量测;(2)控制点需要通过手工量测或影像匹配辅助的半自动量测,量测工作量大,易出错;(3)需要进行两次平差解算,分别是POS辅助的区域网平差和带控制点的区域网平差,当影像数量较多时较费时间。
该方式自动化程度低,当影像数量较多时效率低下。随着摄影方式的发展,多相机倾斜摄影逐渐普及,并已经成为城市三维重建的主要摄影方式。由于相机数量较多,相比于传统垂直摄影测量,同一地面位置摄影的影像数量大幅增加,一个控制点出现在几十甚至上百张影像上,通过手工量测控制点费时费力,严重影响了空中三角测量的效率。
总之,摄影方式在不断进步,摄影测量影像的数量剧增;影像匹配技术的发展也推动了空中三角测量的自动化水平,然而控制点量测手段则仍然停留在传统水平而没有发生改变,不能满足智能化摄影测量时代,影像自动、高效、智能处理的需求。
发明内容
本发明通过提供一种内外业一体化控制点量测与自动转刺方法,解决了现有摄影测量中控制点量测内外业分离造成的效率不高的问题。
本发明提供一种内外业一体化控制点量测与自动转刺方法,包括外业作业和内业作业;通过外业作业,获得基准影像及所述基准影像对应的控制点标记信息;通过内业作业,根据所述控制点标记信息,利用影像匹配进行全自动控制点量测,获得匹配结果。
优选的,所述外业作业包括:
通过航空摄影获取航空影像;利用已有地图或已有的卫星正射影像,根据摄影区域的范围,进行外业控制点的布控设计;针对设计的每个控制点,选取至少一张包含该控制点的航空影像作为基准影像;
手动对每个控制点对应的基准影像进行标记,并获得控制点标记信息;所述控制点标记信息包括控制点的地面坐标、控制点所在基准影像的名称、控制点在基准影像上对应的像点坐标。
优选的,所述控制点选取在明显特征点上,所述明显特征点包括但不限于角点、交叉点。
优选的,根据控制点的地理坐标、包含该控制点的航空影像自带的GPS信息,选取出所述基准影像;所述基准影像中的控制点位于影像的中心区域。
优选的,所述内业作业中的所述影像匹配采用ETM匹配算法,所述ETM匹配算法包括:
对已知点进行第一类膨胀;
对第一类膨胀中搜索到的未知点进行第二类膨胀,搜索获得未知点周围第一数量的已知点;
对所述第一数量的已知点进行距离加权平均,预测未知点在待匹配影像上的同名点的初始位置,获得初始影像匹配结果;
在所述初始影像匹配结果的基础上,采用单点多级金字塔匹配算法进行精细匹配,获得最终影像匹配结果。
优选的,所述第一类膨胀的具体实现方式为:
以特征匹配得到同名种子点为初始已知点集Pseed,基准影像上提取的待匹配特征点为未知点集Pfeature;所述初始已知点集Pseed中的已知点记为Ps(i);所述未知点集Pfeature中的未知点记为Pf(j);
对已知点Ps(i)以8邻域的方式进行第一类膨胀,搜索周围的未知点Pf(j)并记录;
其中,对已知点Ps(i)进行第j次第一类膨胀时的搜索范围是以Ps(i)为中心的(2j+1)×(2j+1)像素窗口的最外圈像素。
优选的,所述第二类膨胀的具体实现方式为:
以未知点Pf(j)为中心,按8邻域方式进行搜索,直至寻找到大于或等于阈值数量的已知点。
优选的,所述未知点在待匹配影像上的同名点的初始位置根据如下的预测公式获得:
其中,p(xp,yp)表示基准影像上未知点的坐标;表示预测出的未知点在待匹配影像上的同名点初始位置;Q表示搜索到的已知点构成的集合,点的数量为N;q(xq,xq)和q′(xq′,xq′)分别表示已知点在基准影像和待匹配影像上的坐标;Spq表示基准影像上未知点p与已知点q的空间距离。
优选的,所述单点多级金字塔匹配算法包括:
将基准影像中以未知点为中心的局部窗口范围内的影像块按照所述预测公式进行纠正;
对纠正后的局部影像和以预测点为中心的局部范围内的待匹配影像分别建立多级金字塔影像;
从金字塔的顶层影像开始进行归一化的灰度相关匹配,并逐层向下传递匹配结果,直至在最底层的待匹配原始影像上获得未知点p(xp,yp)的最佳匹配点的位置及对应的相关系数Cp;
其中,如果匹配结果的相关系数Cp小于第一阈值Tc,则认为精细匹配失败,反之则匹配成功并记录相应的信息;
对所有已知点进行第一类膨胀并匹配完成之后,统计所有新增的已知点数量,若新增点数量小于第二阈值Tn,则认为ETM匹配结束;反之对所有新增的已知点进行下一次第一类膨胀操作及后续匹配处理,直到新增已知点的数量小于所述第二阈值Tn。
优选的,所述内外业一体化控制点量测与自动转刺方法还包括:对匹配结果进行可视化展示、检查。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
在发明中,基于已有卫星地图或卫星正射影像数据,在外业工作中半自动挑选合适的影像(控制点位置靠近影像中部)并记录控制点标记信息(控制点地面坐标、所在影像名以及对应的像点坐标),然后将标记信息转给内业,利用影像匹配进行全自动控制点量测。本方法针对当前控制点量测方法中存在的内外业分离、自动化水平和效率低下的问题,通过控制点测量的外业同步标记和内业自动影像匹配,实现控制点的内外业一体化量测,无需内业人员根据点之记重新在影像上转刺控制点,避免了内外业重复工作和人为理解偏差造成的点位量测错误,降低了误操作率,提高了摄影测量作业中控制点量测的效率和自动化水平。
附图说明
图1为本发明实施例提供的一种内外业一体化控制点量测与自动转刺方法的流程示意图;
图2为基于谷歌地球的控制点选取及量测过程示意图;
图3为外业结束后获得的控制点标记数据;
图4为自动匹配的外业控制点总体示意图;
图5为个别需要人工微调的自动匹配的外业控制点。
具体实施方式
本发明提供了一种内外业一体化控制点量测与自动转刺方法,包括外业作业和内业作业;通过外业作业,获得基准影像及所述基准影像对应的控制点标记信息;通过内业作业,根据所述控制点标记信息,利用影像匹配进行全自动控制点量测,获得匹配结果。
具体的,本发明主要包括以下步骤:
步骤1,通过航空摄影获取航空影像,获取航空影像后,在已有地图上(如谷歌地图、奥维地图,或已有的卫星正射影像,或者电子地图)根据摄影区域的范围,进行外业控制点的布控设计。
具体的,控制点尽量选取在明显特征点上,如角点、交叉点等等。对设计的每个控制点,根据其地理坐标和影像自带的GPS信息,选取一至两张包含控制点的航空影像,本发明称其为“基准影像”。对于选择的基准影像,要求控制点尽可能接近影像中心。
步骤2,外业控制点测量人员携带控制点设计图和对应的基准影像进行外业作业,根据地图导航至每个控制点所在的位置并找到控制点设计位置,如果该点位不理想(如特征不够明显),则可在附近选取另一个明显特征点替换。
步骤3,外业人员根据实地情况和控制点在影像中的方位(是否靠近影像中心),挑选一到两张控制点最靠近中央的影像并手动将控制点标记在影像中正确的位置。
具体的,通过影像自带的地理数据以及控制点的地理坐标,经过计算预测控制点在影像中的像点位置,从而方便筛选控制点最靠近中央的影像来作为基准影像,降低了计算复杂度提高了筛选效率。
步骤4,量测完成后,输入控制点号和其它标记信息,保存编辑结果,没有手动编辑的候选影像的结果不保存。
步骤5,重复步骤2到4,直到所有的控制点地面坐标量测完成。
步骤6,完成测量后,导出控制点地面坐标、所在影像名和在该影像上的像点坐标,此结果可以作为自动化处理的输入数据。
步骤7,根据步骤6导出的成果,内业工作人员通过影像匹配自动量测控制点在所有影像上的位置。对匹配结果进行可视化展示,并根据匹配情况提醒操作人员进行人工检查、调整,完成控制点量测过程。
具体的,影像匹配使用了ETM(Extend Twice Match,基于两次膨胀的影像匹配方法)算法。所述ETM匹配算法包括:对已知点进行第一类膨胀;对第一类膨胀中搜索到的未知点进行第二类膨胀,搜索获得未知点周围第一数量的已知点;对所述第一数量的已知点进行距离加权平均,预测未知点在待匹配影像上的同名点的初始位置,获得初始影像匹配结果;在所述初始影像匹配结果的基础上,采用单点多级金字塔匹配算法进行精细匹配,获得最终影像匹配结果。
具体实现方式如下:ETM算法通过两次膨胀将已知点与待匹配特征点相联系,充分利用待匹配点与周围已知点间的相互关系以增强同名点位预测的准确性,在匹配过程中还会根据匹配结果自动剔除不可靠的已知点(包括通过特征匹配得到的低精度的初始种子点),可以保证匹配结果的可靠性。
以特征匹配得到同名种子点为初始已知点集Pseed,基准影像上提取的待匹配特征点为未知点集Pfeature。所述初始已知点集Pseed中的已知点记为Ps(i);所述未知点集Pfeature中的未知点记为Pf(j)。对已知点Ps(i)以8邻域的方式进行第一类膨胀,搜索周围的未知点Pf(j)并记录。假设对点Ps(i)是进行第j次第一类膨胀,那么其搜索范围应该是以Ps(i)为中心的(2j+1)×(2j+1)像素窗口的最外圈像素。当已知点的第一类膨胀的范围在某个方向上(上下左右)到达影像边缘或者与相邻已知点的膨胀范围相接触的时候,则暂停在该方向上的膨胀。若已知点在4个方向上的膨胀都已经停止,那么在以后进行膨胀时都跳过该点。
然后对第一类膨胀中搜索到的未知点,进行第二类膨胀搜索其周围的已知点。在第二类膨胀时,以未知点Pf(j)为中心,按8邻域方式进行搜索,直至寻找到大于或等于阈值数量(一般设置为8)的已知点。
找到Pf(j)周围足够的已知点之后,通过对这些已知同名点进行距离加权平均,预测Pf(j)在待匹配影像上同名点的初始位置,具体根据如下的预测公式获得。
其中,p(xp,yp)表示基准影像上未知点的坐标;表示预测出的未知点在待匹配影像上的同名点初始位置;Q表示搜索到的已知点构成的集合,点的数量为N;q(xq,xq)和q′(xq′,yq′)分别表示已知点在基准影像和待匹配影像上的坐标;Spq表示基准影像上未知点p与已知点q的空间距离。
在预测结果的基础上,还需要进行精细匹配以获取准确的同名点位置。为了提高精细匹配的效率和效果,一般采用单点多级金字塔匹配方法:首先将基准影像中以未知点为中心的局部窗口范围内的影像按照上述的预测公式进行纠正;然后对纠正后的局部影像和以预测点为中心的局部范围内的待匹配影像分别建立多级金字塔影像;最后从金字塔的顶层影像开始进行归一化的灰度相关匹配,并逐层向下传递匹配结果,直至在最底层的待匹配原始影像上获得未知点p(xp,yp)的最佳匹配点的位置及对应的相关系数Cp。如果匹配结果的相关系数小于阈值Tc(经验值为0.8),认为精细匹配失败,反之则匹配成功并记录相应的信息。
对所有已知点进行第一类膨胀并匹配完成之后,统计所有新增的已知点数量,若新增点数量小于阈值Tn(一般设置为10),则认为ETM匹配结束;反之对所有新增的已知点进行下一次第一类膨胀操作及后续匹配处理,直到新增已知点的数量小于阈值Tn。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
本实施例提供了一种内外业一体化控制点量测与自动转刺方法,即提供一种基于已有的地图数据中的位置坐标,并自动筛选测区范围内的影像,并由外业人员在测量控制点地面坐标的同时测量控制点在像片上的坐标的方法。如图1所示,包括以下步骤:
步骤1,在测区内量测控制点地面坐标时,外业人员根据自身所处的方位,在谷歌地球上选择对应的位置,获取地面位置信息。
步骤2,根据从谷歌地球获取的地理信息和测区影像中自带的POS信息,计算可能包含控制点的候选影像和谷歌地球中选取的点在对应影像中的位置。如图2前两步所示,进行坐标映射选取候选影像并计算控制点的像点坐标。
步骤3,如图2最后一步所示,外业人员挑选一到两张控制点对应的像点最靠近中央的影像并手动将控制点标记在影像中正确的位置。
步骤4,待控制点地面坐标量测完成之后,输入控制点号和其它标记信息,保存编辑结果,没有手动编辑的候选影像的结果不保存。如输入控制点号980001。
步骤5,重复步骤2到4,直到所有的控制点地面坐标量测完成。
步骤6,完成测量后可以导出控制点标记成果,此结果可以作为内业自动化处理的输入数据。图3为量测结束后获得的数据,该数据可以作为后续自动匹配控制点的输入数据,提升了自动化程度,大大提高了效率。
步骤7,根据步骤6导出的成果,内业工作人员通过影像匹配(ETM匹配算法)自动量测控制点在所有影像上的位置。如图4所示,通过全自动匹配算法,能够自动完成控制点转刺的工作。
步骤8,如图5所示,对匹配结果进行可视化展示,根据匹配情况,发现其中第3张匹配的点距离正确的位置(花坛边缘角点)有微小的偏差,因此提醒操作人员进行人工检查、调整,完成控制点量测过程。
综上,本发明提出一种基于已有地图与影像匹配的内外业一体化控制点量测方法。外业人员测量控制点时,携带航空影像数据,使用全站仪或RTK(Real Time Kinematic)控制点测量仪器获得其地面坐标后,直接将控制点位置转刺至一到两张航空影像上;测量完所有控制点后,导出控制点地面坐标、控制点所在影像名以及在该影像上的像点坐标,提供给内业。内业操作人员通过影像匹配自动量测控制点在所有影像上的位置。
本发明实施例提供的一种内外业一体化控制点量测与自动转刺方法至少包括如下技术效果:
(1)空中三角测量内外业全流程只有一次控制点量测,能够大幅提高量测效率;
(2)控制点的点位量测通过影像匹配自动实现,作业人员仅仅需要辅以一定的检查,提高了作业效率并省去了点之记的理解问题,有效避免由于长期人工量测疲劳造成的量测错误,极大降低误操作率。
(3)适用于多种地图数据,如谷歌地图、奥维地图等,具有很强的通用性。并且内业量测控制点全自动,极大提高量测生成效率。
最后所应说明的是,以上具体实施方式仅用以说明本发明的技术方案而非限制,尽管参照实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种内外业一体化控制点量测与自动转刺方法,其特征在于,包括外业作业和内业作业;通过外业作业,获得基准影像及所述基准影像对应的控制点标记信息;通过内业作业,根据所述控制点标记信息,利用影像匹配进行全自动控制点量测,获得匹配结果。
2.根据权利要求1所述的内外业一体化控制点量测与自动转刺方法,其特征在于,所述外业作业包括:
通过航空摄影获取航空影像;利用已有地图或已有的卫星正射影像,根据摄影区域的范围,进行外业控制点的布控设计;针对设计的每个控制点,选取至少一张包含该控制点的航空影像作为基准影像;
手动对每个控制点对应的基准影像进行标记,并获得控制点标记信息;所述控制点标记信息包括控制点的地面坐标、控制点所在基准影像的名称、控制点在基准影像上对应的像点坐标。
3.根据权利要求2所述的内外业一体化控制点量测与自动转刺方法,其特征在于,所述控制点选取在明显特征点上,所述明显特征点包括但不限于角点、交叉点。
4.根据权利要求2所述的内外业一体化控制点量测与自动转刺方法,其特征在于,根据控制点的地理坐标、包含该控制点的航空影像自带的GPS信息,选取出所述基准影像;所述基准影像中的控制点位于影像的中心区域。
5.根据权利要求1所述的内外业一体化控制点量测与自动转刺方法,其特征在于,所述内业作业中的所述影像匹配采用ETM匹配算法,所述ETM匹配算法包括:
对已知点进行第一类膨胀;
对第一类膨胀中搜索到的未知点进行第二类膨胀,搜索获得未知点周围第一数量的已知点;
对所述第一数量的已知点进行距离加权平均,预测未知点在待匹配影像上的同名点的初始位置,获得初始影像匹配结果;
在所述初始影像匹配结果的基础上,采用单点多级金字塔匹配算法进行精细匹配,获得最终影像匹配结果。
6.根据权利要求5所述的内外业一体化控制点量测与自动转刺方法,其特征在于,所述第一类膨胀的具体实现方式为:
以特征匹配得到同名种子点为初始已知点集Pseed,基准影像上提取的待匹配特征点为未知点集Pfeature;所述初始已知点集Pseed中的已知点记为Ps(i);所述未知点集Pfeature中的未知点记为Pf(j);
对已知点Ps(i)以8邻域的方式进行第一类膨胀,搜索周围的未知点Pf(j)并记录;
其中,对已知点Ps(i)进行第j次第一类膨胀时的搜索范围是以Ps(i)为中心的(2j+1)×(2j+1)像素窗口的最外圈像素。
7.根据权利要求6所述的内外业一体化控制点量测与自动转刺方法,其特征在于,所述第二类膨胀的具体实现方式为:
以未知点Pf(j)为中心,按8邻域方式进行搜索,直至寻找到大于或等于阈值数量的已知点。
9.根据权利要求8所述的内外业一体化控制点量测与自动转刺方法,其特征在于,所述单点多级金字塔匹配算法包括:
将基准影像中以未知点为中心的局部窗口范围内的影像块按照所述预测公式进行纠正;
对纠正后的局部影像和以预测点为中心的局部范围内的待匹配影像分别建立多级金字塔影像;
从金字塔的顶层影像开始进行归一化的灰度相关匹配,并逐层向下传递匹配结果,直至在最底层的待匹配原始影像上获得未知点p(xp,yp)的最佳匹配点的位置及对应的相关系数Cp;
其中,如果匹配结果的相关系数Cp小于第一阈值Tc,则认为精细匹配失败,反之则匹配成功并记录相应的信息;
对所有已知点进行第一类膨胀并匹配完成之后,统计所有新增的已知点数量,若新增点数量小于第二阈值Tn,则认为ETM匹配结束;反之对所有新增的已知点进行下一次第一类膨胀操作及后续匹配处理,直到新增已知点的数量小于所述第二阈值Tn。
10.根据权利要求1所述的内外业一体化控制点量测与自动转刺方法,其特征在于,还包括:对匹配结果进行可视化展示、检查。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010926595.9A CN112161609A (zh) | 2020-09-07 | 2020-09-07 | 一种内外业一体化控制点量测与自动转刺方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010926595.9A CN112161609A (zh) | 2020-09-07 | 2020-09-07 | 一种内外业一体化控制点量测与自动转刺方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112161609A true CN112161609A (zh) | 2021-01-01 |
Family
ID=73857847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010926595.9A Withdrawn CN112161609A (zh) | 2020-09-07 | 2020-09-07 | 一种内外业一体化控制点量测与自动转刺方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112161609A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101126639A (zh) * | 2007-09-18 | 2008-02-20 | 武汉大学 | 快速进行低空遥感影像自动匹配与空中三角测量方法 |
CN103383556A (zh) * | 2012-05-04 | 2013-11-06 | 天津市地下空间规划管理信息中心 | 综合管线数据内外业一体化实时更新质量控制方法 |
CN104123730A (zh) * | 2014-07-31 | 2014-10-29 | 武汉大学 | 基于道路特征的遥感影像与激光点云配准方法及系统 |
CN104964670A (zh) * | 2015-06-02 | 2015-10-07 | 武汉航天远景科技有限公司 | 一种利用数字设备进行无纸化摄影测量的方法 |
CN105225233A (zh) * | 2015-09-15 | 2016-01-06 | 武汉大学 | 一种基于两类膨胀的立体影像密集匹配方法及系统 |
CN109801217A (zh) * | 2018-12-29 | 2019-05-24 | 东南大学 | 一种基于gps地面控制点的全自动正射影像拼接方法 |
CN110006408A (zh) * | 2019-04-17 | 2019-07-12 | 武汉大学 | LiDAR数据“云控制”航空影像摄影测量方法 |
-
2020
- 2020-09-07 CN CN202010926595.9A patent/CN112161609A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101126639A (zh) * | 2007-09-18 | 2008-02-20 | 武汉大学 | 快速进行低空遥感影像自动匹配与空中三角测量方法 |
CN103383556A (zh) * | 2012-05-04 | 2013-11-06 | 天津市地下空间规划管理信息中心 | 综合管线数据内外业一体化实时更新质量控制方法 |
CN104123730A (zh) * | 2014-07-31 | 2014-10-29 | 武汉大学 | 基于道路特征的遥感影像与激光点云配准方法及系统 |
CN104964670A (zh) * | 2015-06-02 | 2015-10-07 | 武汉航天远景科技有限公司 | 一种利用数字设备进行无纸化摄影测量的方法 |
CN105225233A (zh) * | 2015-09-15 | 2016-01-06 | 武汉大学 | 一种基于两类膨胀的立体影像密集匹配方法及系统 |
CN109801217A (zh) * | 2018-12-29 | 2019-05-24 | 东南大学 | 一种基于gps地面控制点的全自动正射影像拼接方法 |
CN110006408A (zh) * | 2019-04-17 | 2019-07-12 | 武汉大学 | LiDAR数据“云控制”航空影像摄影测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111144388B (zh) | 一种基于单目影像的道路标志标线的更新方法 | |
US6757445B1 (en) | Method and apparatus for producing digital orthophotos using sparse stereo configurations and external models | |
CN109238239B (zh) | 基于航空摄影的数字测量三维建模方法 | |
CN110837839B (zh) | 一种高精度无人机正射影像制作及数据采集方法 | |
CN115272077B (zh) | 一种基于视域融合的图像拼接方法及系统 | |
CN111754458A (zh) | 面向几何精处理的卫星影像立体空间基准框架构建方法 | |
CN116758234A (zh) | 一种基于多点云数据融合的山地地形建模方法 | |
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 | |
CN109883400A (zh) | 基于yolo-sitcol的固定站自动目标检测与空间定位方法 | |
Heuel et al. | Including interaction in an automated modelling system | |
CN112161609A (zh) | 一种内外业一体化控制点量测与自动转刺方法 | |
CN114155167B (zh) | 一种基于在线遥感卫星影像的自动化快速校正方法 | |
CN109615695B (zh) | 房屋外部的空间照片到屋顶cad图纸的自动化转换方法 | |
JP4005336B2 (ja) | ランドサットtm画像の精密幾何補正方法及び衛星画像の精密幾何補正方法 | |
CN115797310A (zh) | 一种光伏电站组串倾角的确定方法及电子设备 | |
Lindenthal et al. | Airborne LIDAR: A fully-automated self-calibration procedure | |
Tsay et al. | SIFT for dense point cloud matching and aero triangulation | |
CN105093222A (zh) | 一种sar影像区域网平差连接点自动提取方法 | |
CN114780758A (zh) | 一种基于立体测图卫星影像的影像控制点库的构建方法 | |
CN114777745A (zh) | 一种基于无迹卡尔曼滤波的倾斜取证建模方法 | |
CN116503743B (zh) | 一种地理矢量数据和高分遥感图像的最优匹配方法 | |
CN105761291B (zh) | 基于带权重的迪杰斯特拉算法的镶嵌线自动生成方法 | |
CN104964670A (zh) | 一种利用数字设备进行无纸化摄影测量的方法 | |
CN110864678A (zh) | 无人测绘机gps坐标自动测绘方法以及系统 | |
CN113607134B (zh) | 一种基于高精度pos构架航线的辅助空三加密联合平差方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210101 |