CN112686893A - 一种卫星影像区域网平差方法及装置 - Google Patents
一种卫星影像区域网平差方法及装置 Download PDFInfo
- Publication number
- CN112686893A CN112686893A CN202110263580.3A CN202110263580A CN112686893A CN 112686893 A CN112686893 A CN 112686893A CN 202110263580 A CN202110263580 A CN 202110263580A CN 112686893 A CN112686893 A CN 112686893A
- Authority
- CN
- China
- Prior art keywords
- point set
- connection point
- optimized
- image parameter
- optimization
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000005457 optimization Methods 0.000 claims abstract description 130
- 238000012545 processing Methods 0.000 claims abstract description 102
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 description 17
- 238000001514 detection method Methods 0.000 description 12
- 230000008030 elimination Effects 0.000 description 12
- 238000003379 elimination reaction Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
一种卫星影像区域网平差方法及装置,涉及数据处理技术领域,包括:获取原始区域网数据;根据原始区域网数据对卫星影像参数集合进行优化处理得到第一处理影像参数集合;根据第一处理影像参数集合对控制点集合进行控制点优化处理得到第一优化控制点集合;对连接点集合进行连接点优化处理得到第二优化连接点集合;分别对第一处理影像参数集合、第一优化控制点集合以及第二优化连接点集合进行迭代非线性优化处理得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合;汇总第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合得到平差后的区域网数据,能够自动实现卫星影像区域网平差处理,处理误差小、精度高、效率高。
Description
技术领域
本申请涉及数据处理技术领域,具体而言,涉及一种卫星影像区域网平差方法及装置。
背景技术
目前,遥感卫星技术飞速发展,应用也越来越广泛。通过对卫星影像区域网平差,能够提升卫星影像区域网数据的精度。现有的卫星影像区域网平差方法,通常以SAR卫星影像上人工方式量测控制点、连接点为基础,通过RD或RFM模型构建像点误差方程,利用最小二乘原理,使用高斯-牛顿方法,以迭代的方式解算SAR卫星影像的像方补偿系数、连接点三维坐标。然而,在实践中发现,以人工的方式在SAR卫星影像上量测控制点、连接点,存在量测效率低、量测自动化程度低、量测精度容易受到人为因素的影响。可见,现有方法平差误差大、效率低。
发明内容
本申请实施例的目的在于提供一种卫星影像区域网平差方法及装置,能够自动实现卫星影像区域网平差处理,处理误差小、精度高、效率高。
本申请实施例第一方面提供了一种卫星影像区域网平差方法,包括:
获取原始区域网数据,所述原始区域网数据包括卫星影像参数集合、连接点集合和控制点集合;
根据所述原始区域网数据对所述卫星影像参数集合进行优化处理,得到第一处理影像参数集合;
根据所述第一处理影像参数集合对所述控制点集合进行控制点优化处理,得到第一优化控制点集合;
对所述连接点集合进行连接点优化处理,得到第二优化连接点集合;
分别对所述第一处理影像参数集合、所述第一优化控制点集合以及所述第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合;
汇总所述第二处理影像参数集合、所述第二优化控制点集合以及所述第三优化连接点集合,得到平差后的区域网数据。
在上述实现过程中,先获取包括卫星影像参数集合、连接点集合和控制点集合的原始区域网数据;然后根据原始区域网数据对卫星影像参数集合进行优化处理,得到第一处理影像参数集合;先根据第一处理影像参数集合对控制点集合进行控制点优化处理,得到第一优化控制点集合;再对连接点集合进行连接点优化处理,得到第二优化连接点集合;进一步地,分别对第一处理影像参数集合、第一优化控制点集合以及第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合;最后,汇总第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合,得到平差后的区域网数据。能够自动实现卫星影像区域网平差处理,处理误差小、精度高、效率高。
进一步地,所述根据所述原始区域网数据对所述卫星影像参数集合进行优化处理,得到第一处理影像参数集合,包括:
根据所述控制点集合,确定所述卫星影像参数集合中每个卫星影像参数对应的控制点;
根据所述控制点对所述卫星影像参数集合中控制点的数量低于预设数量阈值的卫星影像参数进行删除处理,得到第一处理影像参数集合。
在上述实现过程中,通过对卫星影像参数集合进行优化处理,能够减小卫星影像区域网的误差。
进一步地,所述根据所述第一处理影像参数集合对所述控制点集合进行控制点优化处理,得到第一优化控制点集合,包括:
汇总所述每个卫星影像参数对应的控制点得到待处理控制点集合;
根据第一预设算法、所述第一处理影像参数集合和所述待处理控制点集合,计算所述第一处理影像参数集合中每个卫星影像参数对应的第一像方补偿系数;
根据所述第一预设算法和所述第一像方补偿系数确定所述待处理控制点集合中的控制粗差像点;
删除所述待处理控制点集合中的所述控制粗差像点,得到第一优化控制点集合。
在上述实现过程中,对所述控制点集合进行控制点优化处理时,采用基于控制点的SAR卫星影像RD模型像方补偿系数的稳健估计,实现控制点中的粗差(错误的控制点)的检测与剔除,以及SAR卫星影像RD模型像方补偿系数的解算,提升平差解算对控制点粗差检测与剔除的能力,提高SAR卫星影像RD模型直接定位精度。
进一步地,所述对所述连接点集合进行连接点优化处理,得到第二优化连接点集合,包括:
根据所述连接点集合和所述第一处理影像参数集合,确定所述连接点集合中每个连接点对应卫星影像参数的参数数量;
根据所述参数数量确定所述连接点集合中的待删除连接点;
删除所述连接点集合中的所述待删除连接点,得到待处理连接点集合;
根据所述第一预设算法计算所述待处理连接点集合中每个连接点的第一三维坐标;
根据所述第一预设算法和所述第一三维坐标确定所述待处理连接点集合对应的连接粗差像点;
根据所述连接粗差像点,对所述待处理连接点集合进行更新处理,得到第二优化连接点集合。
在上述实现过程中,对所述连接点集合进行连接点优化处理时,可以采用基于SAR卫星影像RD模型连接点三维坐标的稳健估计,实现连接点中的粗差(错误的连接点观测值)的检测与剔除,以及卫星影像RD模型连接点前方交会(解算连接点的三维坐标),提升平差解算对连接点粗差检测与剔除的能力,提高SAR卫星RD模型连接点三维坐标的解算精度。
进一步地,所述分别对所述第一处理影像参数集合、所述第一优化控制点集合以及所述第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合,包括:
通过第二预设算法计算所述第一处理影像参数集合的第二像方补偿系数;
通过所述第二预设算法计算所述第二优化连接点集合中每个连接点的第三三维坐标;
根据所述第二像方补偿系数计算所述第二优化连接点集合中每个连接点的第一重投影误差,以及根据所述第三三维坐标计算所述第一优化控制点集合中每个控制点的第二重投影误差;
根据所述第二重投影误差对所述第一优化控制点集合进行优化处理,得到第二优化控制点集合;
根据所述第一重投影误差对所述第二优化连接点集合进行优化处理,得到第三优化连接点集合;
根据所述第二优化控制点集合和所述第三优化连接点集合对所述第一处理影像参数集合进行优化处理,得到第二处理影像参数集合。
在上述实现过程中,进行迭代非线性优化处理时,可以采用迭代非线性优化策略,以迭代的方式,进行基于控制点、连接点的SAR卫星影像RD模型区域网平差,解算SAR卫星影像RD模型像方补偿系数、连接点三维坐标,过滤掉连接点、控制点中的粗差。
进一步地,所述根据所述第一重投影误差对所述第二优化连接点集合进行优化处理,得到第三优化连接点集合,包括:
根据所述第一重投影误差对所述第二优化连接点集合进行初步优化处理,得到初优化连接点集合;
确定所述初优化连接点集合中每个连接点的观测值数量;
根据所述观测值数量对所述初优化连接点集合进行优化处理,得到第三优化连接点集合。
在上述实现过程中,先确定观测值数量,然后根据观测值数量对初优化连接点集合进行优化处理,有利于提高SAR卫星影像RD模型直接定位精度。
进一步地,所述根据所述第二优化控制点集合和所述第三优化连接点集合对所述第一处理影像参数集合进行优化处理,得到第二处理影像参数集合,包括:
根据所述第二优化控制点集合和所述第三优化连接点集合确定所述第一处理影像参数集合中每个影像参数对应的控制点和连接点的数量总和;
根据所述数量总和对所述第一处理影像参数集合进行优化处理,得到第二处理影像参数集合。
在上述实现过程中,先计算第一处理影像参数集合中每个影像参数的数量总和,然后对第一处理影像参数集合进行优化处理得到第二处理影像参数集合。
本申请实施例第二方面提供了一种卫星影像区域网平差装置,所述卫星影像区域网平差装置包括:
获取单元,用于获取原始区域网数据,所述原始区域网数据包括卫星影像参数集合、连接点集合和控制点集合;
第一优化单元,用于根据所述原始区域网数据对所述卫星影像参数集合进行优化处理,得到第一处理影像参数集合;
第二优化单元,用于根据所述第一处理影像参数集合对所述控制点集合进行控制点优化处理,得到第一优化控制点集合;
第三优化单元,用于对所述连接点集合进行连接点优化处理,得到第二优化连接点集合;
第四优化单元,用于分别对所述第一处理影像参数集合、所述第一优化控制点集合以及所述第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合;
汇总单元,用于汇总所述第二处理影像参数集合、所述第二优化控制点集合以及所述第三优化连接点集合,得到平差后的区域网数据。
在上述实现过程中,获取单元先获取包括卫星影像参数集合、连接点集合和控制点集合的原始区域网数据;然后第一优化单元根据原始区域网数据对卫星影像参数集合进行优化处理,得到第一处理影像参数集合;第二优化单元先根据第一处理影像参数集合对控制点集合进行控制点优化处理,得到第一优化控制点集合;第三优化单元再对连接点集合进行连接点优化处理,得到第二优化连接点集合;进一步地,第四优化单元分别对第一处理影像参数集合、第一优化控制点集合以及第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合;最后,汇总单元汇总第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合,得到平差后的区域网数据。能够自动实现卫星影像区域网平差处理,处理误差小、精度高、效率高。
本申请实施例第三方面提供了一种电子设备,包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的卫星影像区域网平差方法。
本申请实施例第四方面提供了一种计算机可读存储介质,其存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行本申请实施例第一方面中任一项所述的卫星影像区域网平差方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例一提供的一种卫星影像区域网平差方法的流程示意图;
图2为本申请实施例二提供的一种卫星影像区域网平差方法的流程示意图;
图3为本申请实施例三提供的一种卫星影像区域网平差装置的结构示意图;
图4为本申请实施例四提供的一种卫星影像区域网平差装置的结构示意图;
图5为本申请实施例一提供的一种SAR卫星影像RD模型像方补偿系数的稳健估计流程图;
图6为本申请实施例一提供的一种SAR卫星影像RD模型连接点三维坐标的稳健估计流程图;
图7为本申请实施例一提供的一种迭代非线性优化流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
请参看图1,图1为本申请实施例提供了一种卫星影像区域网平差方法的流程示意图。其中,该卫星影像区域网平差方法包括:
S101、获取原始区域网数据,原始区域网数据包括卫星影像参数集合、连接点集合和控制点集合。
本申请实施例中,原始区域网数据具体可以SAR卫星影像区域网的数据。
本申请实施例中,原始区域网数据S包括卫星影像参数集合I、连接点集合TP和控制点集合GCP。即S={I,TP,GCP}。
本申请实施例中,当卫星影像为SAR卫星影像时,该卫星影像参数集合I中可以包括n张SAR卫星影像对应的影像参数,分别可以表示为I1,I2,…,In;由于每张SAR卫星影像都有一个唯一对应的影像参数,每个影像参数都有一个唯一对应的SAR卫星影像,因此,Ii不仅表示卫星影像参数,同时也可以表示SAR卫星影像参数对应的SAR卫星影像。
本申请实施例中,连接点集合TP可以包括m个连接点,每个连接点可以分别表示为TP1,TP2,…,TPm。其中,连接点集合TP中,任意一个连接点TPi(i∈{1,2,…,m}),有:
Ob={ Ob 1,Ob 2,…,Ob k};
其中,Ob j(j∈{1,2,…,k},k表示该连接点在k张SAR卫星影像量测过像点坐标),Ob j表示TPi在某一张SAR卫星影像上量测的像点坐标,称为连接点的观测值;(X,Y,Z)表示连接点TPi的三维坐标,是未知的(需要解算的),或是不准确的(需要优化的)。
本申请实施例中,控制点集合GCP包括l个控制点,分别可以表示为GCP 1,GCP 2,…,GCP l 。控制点集合GCP中任意一个控制点GCPi(i∈{1,2,…,l),有:
Ob={ Ob 1,Ob 2,…,Ob k};
其中,Ob j(j∈{1,2,…,k},k表示该控制点在k张SAR卫星影像量测过像点坐标);
其中,Ob j表示GCPi在某一张SAR卫星影像上量测的像点坐标,称为控制点的观测值;(X,Y,Z)表示控制点GCPi的三维坐标,是已知的。
S102、根据原始区域网数据对卫星影像参数集合进行优化处理,得到第一处理影像参数集合。
作为一种可选的实施方式,对卫星影像参数集合进行优化处理时,可以循环原始区域网数据S中的每一个Ii(i∈{1,2,…,n}),查找每个Ii中的控制点,得到控制点集合Ii_GCP;对于某一卫星影像参数Ii,对应的控制点为Ii_GCP,若Ii_GCP中控制点的个数大于2,则执行步骤S103,否则从卫星影像参数集合I中删除卫星影像参数Ii。
S103、根据第一处理影像参数集合对控制点集合进行控制点优化处理,得到第一优化控制点集合。
本申请实施例中,对控制点集合进行控制点优化处理时,采用基于控制点的SAR卫星影像RD模型像方补偿系数的稳健估计,实现控制点中的粗差(错误的控制点)的检测与剔除,以及SAR卫星影像RD模型像方补偿系数的解算,提升平差解算对控制点粗差检测与剔除的能力,提高SAR卫星影像RD模型直接定位精度。请一并参阅图5,图5是本申请实施例提供的一种SAR卫星影像RD模型像方补偿系数的稳健估计流程图。
S104、对连接点集合进行连接点优化处理,得到第二优化连接点集合。
本申请实施例中,对连接点集合进行连接点优化处理时,可以采用基于SAR卫星影像RD模型连接点三维坐标的稳健估计,实现连接点中的粗差(错误的连接点观测值)的检测与剔除,以及卫星影像RD模型连接点前方交会(解算连接点的三维坐标),提升平差解算对连接点粗差检测与剔除的能力,提高SAR卫星RD模型连接点三维坐标的解算精度。请一并参阅图6,图6是本申请实施例提供的一种SAR卫星影像RD模型连接点三维坐标的稳健估计流程图。
S105、分别对第一处理影像参数集合、第一优化控制点集合以及第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合。
本申请实施例中,进行迭代非线性优化处理时,可以采用迭代非线性优化策略,以迭代的方式,进行基于控制点、连接点的SAR卫星影像RD模型区域网平差,解算SAR卫星影像RD模型像方补偿系数、连接点三维坐标,过滤掉连接点、控制点中的粗差(误差超限的连接点、控制点)。请一并参阅图7,图7是本申请实施例提供的一种迭代非线性优化流程图。
S106、汇总第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合,得到平差后的区域网数据。
本申请实施例中,该方法的执行主体可以为计算机、服务器等计算装置,对此本实施例中不作任何限定。
在本申请实施例中,该方法的执行主体还可以为智能手机、平板电脑等智能设备,对此本实施例中不作任何限定。
可见,实施本实施例所描述的卫星影像区域网平差方法,能够自动实现卫星影像区域网平差处理,处理误差小、精度高、效率高。
实施例2
请参看图2,图2为本申请实施例提供的一种卫星影像区域网平差方法的流程示意图。如图2所示,其中,该卫星影像区域网平差方法包括:
S201、获取原始区域网数据,原始区域网数据包括卫星影像参数集合、连接点集合和控制点集合。
S202、根据控制点集合,确定卫星影像参数集合中每个卫星影像参数对应的控制点。
本申请实施例中,循环原始区域网数据S中的每一个Ii(i∈{1,2,…,n}),查找每个Ii中的控制点,即为每个卫星影像参数对应的控制点。
S203、根据控制点对卫星影像参数集合中控制点的数量低于预设数量阈值的卫星影像参数进行删除处理,得到第一处理影像参数集合。
本申请实施例中,对于某一影像参数Ii,对应的控制点为Ii_GCP,若Ii_GCP中控制点的个数大于2,则执行步骤S103,否则从卫星影像参数集合I中删除影像参数Ii。
本申请实施例中,实施上述步骤S202~步骤S203,能够根据原始区域网数据对卫星影像参数集合进行优化处理,得到第一处理影像参数集合。
在步骤S203之后,还包括以下步骤:
S204、汇总每个卫星影像参数对应的控制点得到待处理控制点集合。
本申请实施例中,汇总每个卫星影像参数Ii对应的控制点Ii_GCP得到待处理控制点集合I_GCP。
S205、根据第一预设算法、第一处理影像参数集合和待处理控制点集合,计算第一处理影像参数集合中每个卫星影像参数对应的第一像方补偿系数。
本申请实施例中,第一预设算法具体可以为RANSAC(Random Sample Consensus)算法,是根据一组包含异常数据的样本数据集,计算出数据的数学模型参数,得到有效样本数据的算法。
本申请实施例中,利用RANSAC算法进行基于控制点的SAR卫星影像RD模型像方补偿系数估计,能够实现控制点中的粗差(错误的控制点)检测与剔除,以及SAR卫星影像RD模型像方补偿系数的解算。
本申请实施例中,SAR卫星影像RD模型像方补偿系数公式如下所示:
x=e0+e1·x’;
y=f 0+f 1·y’;
其中,(e0,e1)为SAR影像x方向的像方补偿系数,(f 0,f 1)为SAR影像y方向的像方补偿系数,(x,y)是控制点在影像上的量测坐标,(x’,y’)是利用SAR卫星影像RD模型由控制点的三维坐标计算得到的影像坐标。
本申请实施例中,通过RANSAC算法进行基于控制点的SAR卫星影像RD模型像方补偿系数估计,以实现SAR卫星影像RD模型像方补偿系数的解算时,考虑两种情况:当Ii_GCP中的控制点的个数等于2时,使用QR分解算法,解算SAR卫星影像对应的像方补偿系数(e0,e1)、(f 0,f 1);当Ii_GCP中的控制点的个数大于2时,使用最小二乘法解算SAR卫星影像Ii对应的像方补偿系数(e0,e1)、(f 0,f 1)。
本申请实施例中,在根据第一预设算法计算出第一像方补偿系数之后,需要将Ii对应的初始像方补偿系数更新为该第一像方补偿系数。其中,在未进行平差之前,每个Ii均对应一个原始的初始像方补偿系数。
在步骤S205之后,还包括以下步骤:
S206、根据第一预设算法和第一像方补偿系数确定待处理控制点集合中的控制粗差像点。
本申请实施例中,还可以通过RANSAC算法检测位于SAR卫星影像Ii对应的Ii_GCP中的粗差控制点Ii_GCP_outlier。
S207、删除待处理控制点集合中的控制粗差像点,得到第一优化控制点集合。
本申请实施例中,可以根据RANSAC算法的计算结果,从Ii_GCP中,删除粗差控制点Ii_GCP_outlier,得到第一优化控制点集合,记为Ii_GCP_inlier=Ii_GCP-Ii_GCP_outlier。
本申请实施例中,在步骤S207之后,还可以利用非线性优化算法,进行基于控制点的SAR卫星影像RD模型像方补偿系数优化,精确解算SAR卫星影像Ii的优化像方补偿系数(e0,e1)、(f 0,f 1)。进一步地,此时需要将Ii对应的第一像方补偿系数替换为该优化像方补偿系数。
本申请实施例中,实施上述步骤S204~步骤S207,能够根据第一处理影像参数集合对控制点集合进行控制点优化处理,得到第一优化控制点集合。具体地,对每一个Ii,采用基于SAR卫星影像RD模型RANSAC算法,实现控制点中的粗差(错误的控制点)的检测与剔除,以及SAR卫星影像RD模型像方补偿系数的解算;以及利用非线性优化算法,实现基于控制点的SAR卫星影像RD模型像方补偿系数优化。
本申请实施例中,实施上述步骤S202~步骤S207,能够采用基于控制点的SAR卫星影像RD模型像方补偿系数的稳健估计,实现控制点中的粗差(错误的控制点)的检测与剔除,以及SAR卫星影像RD模型像方补偿系数的解算,提升平差解算对控制点粗差检测与剔除的能力,提高SAR卫星影像RD模型直接定位精度。
在步骤S207之后,还包括以下步骤:
S208、根据连接点集合和第一处理影像参数集合,确定连接点集合中每个连接点对应卫星影像参数的参数数量。
本申请实施例中,循环S中的每一个连接点TPi(i∈{1,2,…,m});确定每个连接点TPi对应的卫星影像参数的参数数量。
S209、根据参数数量确定连接点集合中的待删除连接点。
本申请实施例中,参数数量大于预设数量阈值的连接点作为待删除连接点。其中,该预设数量阈值具体可以为2等,对此本申请实施例不作限定。
S210、删除连接点集合中的待删除连接点,得到待处理连接点集合。
S211、根据第一预设算法计算待处理连接点集合中每个连接点的第一三维坐标。
本申请实施例中,可以利用RANSAC算法,进行基于SAR卫星影像RD模型的连接点三维坐标估计,实现连接点中的粗差(错误的连接点)检测与剔除,以及SAR卫星影像RD模型连接前方交会(解算连接点三维坐标)。通过RANSAC算法,解算连接点三维坐标,记为(X,Y,Z)。
S212、根据第一预设算法和第一三维坐标确定待处理连接点集合对应的连接粗差像点。
本申请实施例中,还可以通过RANSAC算法检测连接点TPi中的粗差像点,记为TPi_Ob_outlier,对应地,连接点TPi中的非粗差点可以记为TPi_Ob_inlier,其中,TPi_Ob_inlier=TPi_Ob-TPi_Ob_outlier。
在步骤S212之后,还包括以下步骤:
S213、根据连接粗差像点,对待处理连接点集合进行更新处理,得到第二优化连接点集合。
本申请实施例中,对待处理连接点集合进行更新处理时,可以判断TPi_Ob_inlier中的像点个数是否大于或等于预设像点数量阈值,如果是,则将连接点TPi的三维坐标更新为第一三维坐标;并将连接点的TPi_Ob更新为TPi_Ob_inlier;如果否,从连接点点集TP中删除TPi。其中,预设像点数量阈值具体可以为2等,对此本申请实施例不作限定。
本申请实施例中,实施上述步骤S208~步骤S213,能够对连接点集合进行连接点优化处理,得到第二优化连接点集合。能够采用基于SAR卫星影像RD模型连接点三维坐标的稳健估计,实现连接点中的粗差(错误的连接点观测值)的检测与剔除,以及卫星影像RD模型连接点前方交会(解算连接点的三维坐标),提升平差解算对连接点粗差检测与剔除的能力,提高SAR卫星RD模型连接点三维坐标的解算精度。
本申请实施例中,实施上述步骤S208~步骤S213,能够实现SAR卫星影像RD模型像方补偿系数的稳健估计。对SAR卫星影像区域网S中的每一个连接点,采用基于SAR卫星影像RD模型连接点三维坐标的稳健估计算法,实现连接点中的粗差(错误的连接点观测值)的检测与剔除,以及卫星影像RD模型连接点前方交会(解算连接点的三维坐标)。
S214、分别对第一处理影像参数集合、第一优化控制点集合以及第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合。
本申请实施例中,采用迭代非线性优化策略,以迭代的方式,进行基于控制点、连接点的SAR卫星影像RD模型区域网平差,解算SAR卫星影像RD模型像方补偿系数、连接点三维坐标,过滤掉连接点、控制点中的粗差(误差超限的连接点、控制点)。
作为一种可选的实施方式,分别对第一处理影像参数集合、第一优化控制点集合以及第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合,可以包括以下步骤:
通过第二预设算法计算第一处理影像参数集合的第二像方补偿系数;
通过第二预设算法计算第二优化连接点集合中每个连接点的第三三维坐标;
根据第二像方补偿系数计算第二优化连接点集合中每个连接点的第一重投影误差,以及根据第三三维坐标计算第一优化控制点集合中每个控制点的第二重投影误差;
根据第二重投影误差对第一优化控制点集合进行优化处理,得到第二优化控制点集合;
根据第一重投影误差对第二优化连接点集合进行优化处理,得到第三优化连接点集合;
根据第二优化控制点集合和第三优化连接点集合对第一处理影像参数集合进行优化处理,得到第二处理影像参数集合。
在上述实施方式中,进行基于控制点/连接点的SAR卫星影像RD模型区域网平差,利用非线性最小二乘法,解算第一处理影像参数集合的第二像方补偿系数、第二优化连接点集合的第二三维坐标。
在上述实施方式中,在计算出第二像方补偿系数之后,还需要将第一处理影像参数集合对应的优化像方补偿系数更换为该第二像方补偿系数;同时,将将第二优化连接点集合的第一三维坐标,更新为第二三维坐标。
在上述实施方式中,根据第二重投影误差对第一优化控制点集合进行优化处理时,循环第一优化控制点集合GCP中的每一个控制点GCPi(i∈{1,2,…,l),删除控制点GCPi中重投影误差超限(超出第一预设阈值)的观测值Obj(j∈{1,2,…,k),得到第二优化控制点集合。
在上述实施方式中,采用迭代非线性优化策略,以迭代的方式,进行基于控制点、连接点的SAR卫星影像RD模型区域网平差,解算SAR卫星影像RD模型像方补偿系数、连接点三维坐标,过滤掉连接点、控制点中的粗差(误差超限的连接点、控制点)。
作为进一步可选的实施方式,根据第一重投影误差对第二优化连接点集合进行优化处理,得到第三优化连接点集合,可以包括以下步骤:
根据第一重投影误差对第二优化连接点集合进行初步优化处理,得到初优化连接点集合;
确定初优化连接点集合中每个连接点的观测值数量;
根据观测值数量对初优化连接点集合进行优化处理,得到第三优化连接点集合。
在上述实施方式中,根据第一重投影误差对第二优化连接点集合进行初步优化处理,得到初优化连接点集合时,循环第二优化连接点集合TP中的每一个连接点TPi(i∈{1,2,…,m}),删除连接点TPi中重投影线误差超限(超出第二预设阈值)的观测值Obj(j∈{1,2,…,k),得到初优化连接点集合。
在上述实施方式中,根据观测值数量对初优化连接点集合进行优化处理时,循环初优化连接点集合中的每一个连接点TPi(i∈{1,2,…,m}),判断TPi中的观测值数量是否小于预设观测值数量阈值,如果是,则删除初优化连接点集合中的该TPi。最终得到第三优化连接点集合。
作为进一步可选的实施方式,根据第二优化控制点集合和第三优化连接点集合对第一处理影像参数集合进行优化处理,得到第二处理影像参数集合,可以包括以下步骤:
根据第二优化控制点集合和第三优化连接点集合确定第一处理影像参数集合中每个影像参数对应的控制点和连接点的数量总和;
根据数量总和对第一处理影像参数集合进行优化处理,得到第二处理影像参数集合。
在上述实施方式中,循环第一处理影像参数集合中的每一张卫星影像参数Ii(i∈{1,2,…,n}),查找位于Ii中的控制点点集Ii_GCP、连接点点集Ii_TP,计算Ii_GCP中的控制点数量与Ii_TP中的连接点数量之和SUM_Ii_GCP_TP(即数量总和)。设控制点点集Ii_GCP中控制点总数为A,连接点点集Ii_TP中连接点总数为B,则影像参数Ii对应的控制点和连接点的数量总和=A+B。
在上述实施方式中,根据数量总和对第一处理影像参数集合进行优化处理时,如果SUM_Ii_GCP_TP小于预设数量总和阈值,则从第一处理影像参数集合中删除影像Ii;如果不小于预设数量总和阈值,则对Ii不作处理。其中,该预设数量总和阈值具体可以为6等,对此本申请实施例不作限定。
S215、汇总第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合,得到平差后的区域网数据。
现有技术中,针对控制点、连接点中含有粗差时,现有的SAR卫星影像区域网平差方法无法解算或解算失败的问题,本申请实施例提供的平差方法,采用基于控制点的SAR卫星影像RD模型像方补偿系数的稳健估计、基于SAR卫星影像RD模型连接点三维坐标的稳健估计、迭代非线性优化策略,实现SAR卫星影像控制点粗差检测与剔除、SAR卫星影像RD模型像方补偿参数稳健估计、SAR卫星影像连接点粗差检测与剔除、SAR卫星影像连接点前方交会、SAR卫星影像RD模型区域网平差等,提高SAR卫星影像区域网平差精度,提升SAR卫星影像区域网平差的自动化水平。
可见,实施本实施例所描述的卫星影像区域网平差方法,能够自动实现卫星影像区域网平差处理,处理误差小、精度高、效率高。
实施例3
请参看图3,图3为本申请实施例提供的一种卫星影像区域网平差装置的结构示意图。如图3所示,该卫星影像区域网平差装置包括:
获取单元310,用于获取原始区域网数据,原始区域网数据包括卫星影像参数集合、连接点集合和控制点集合。
第一优化单元320,用于根据原始区域网数据对卫星影像参数集合进行优化处理,得到第一处理影像参数集合。
第二优化单元330,用于根据第一处理影像参数集合对控制点集合进行控制点优化处理,得到第一优化控制点集合。
第三优化单元340,用于对连接点集合进行连接点优化处理,得到第二优化连接点集合。
第四优化单元350,用于分别对第一处理影像参数集合、第一优化控制点集合以及第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合。
汇总单元360,用于汇总第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合,得到平差后的区域网数据。
本申请实施例中,对于卫星影像区域网平差装置的解释说明可以参照实施例1或实施例2中的描述,对此本实施例中不再多加赘述。
可见,实施本实施例所描述的卫星影像区域网平差装置,能够自动实现卫星影像区域网平差处理,处理误差小、精度高、效率高。
实施例4
请一并参阅图4,图4是本申请实施例提供的一种卫星影像区域网平差装置的结构示意图。其中,图4所示的卫星影像区域网平差装置是由图3所示的卫星影像区域网平差装置进行优化得到的。如图4所示,第一优化单元320包括:
第一确定子单元321,用于根据控制点集合,确定卫星影像参数集合中每个卫星影像参数对应的控制点;
第一删除子单元322,用于根据控制点对卫星影像参数集合中控制点的数量低于预设数量阈值的卫星影像参数进行删除处理,得到第一处理影像参数集合。
作为一种可选的实施方式,第二优化单元330包括:
第一汇总子单元331,用于汇总每个卫星影像参数对应的控制点得到待处理控制点集合;
第一计算子单元332,用于根据第一预设算法、第一处理影像参数集合和待处理控制点集合,计算第一处理影像参数集合中每个卫星影像参数对应的第一像方补偿系数;
第二确定子单元333,用于根据第一预设算法和第一像方补偿系数确定待处理控制点集合中的控制粗差像点;
第二删除子单元334,用于删除待处理控制点集合中的控制粗差像点,得到第一优化控制点集合。
作为一种可选的实施方式,第三优化单元340包括:
第三确定子单元341,用于根据连接点集合和第一处理影像参数集合,确定连接点集合中每个连接点对应卫星影像参数的参数数量;以及根据参数数量确定连接点集合中的待删除连接点;
第三删除子单元342,用于删除连接点集合中的待删除连接点,得到待处理连接点集合;
第二计算子单元343,用于根据第一预设算法计算待处理连接点集合中每个连接点的第一三维坐标;
第三确定子单元341,还用于根据第一预设算法和第一三维坐标确定待处理连接点集合对应的连接粗差像点;
更新子单元344,用于根据连接粗差像点,对待处理连接点集合进行更新处理,得到第二优化连接点集合。
作为一种可选的实施方式,第四优化单元350包括:
第三计算子单元351,用于通过第二预设算法计算第一处理影像参数集合的第二像方补偿系数;以及通过第二预设算法计算第二优化连接点集合中每个连接点的第三三维坐标;以及根据第二像方补偿系数计算第二优化连接点集合中每个连接点的第一重投影误差,以及根据第三三维坐标计算第一优化控制点集合中每个控制点的第二重投影误差;
第一优化子单元352,用于根据第二重投影误差对第一优化控制点集合进行优化处理,得到第二优化控制点集合。
第二优化子单元353,用于根据第一重投影误差对第二优化连接点集合进行优化处理,得到第三优化连接点集合。
第三优化子单元354,用于根据第二优化控制点集合和第三优化连接点集合对第一处理影像参数集合进行优化处理,得到第二处理影像参数集合。
作为一种可选的实施方式,第二优化子单元353包括:
初步优化模块,用于根据第一重投影误差对第二优化连接点集合进行初步优化处理,得到初优化连接点集合;
第一确定模块,用于确定初优化连接点集合中每个连接点的观测值数量;
第一优化模块,用于根据观测值数量对初优化连接点集合进行优化处理,得到第三优化连接点集合。
作为一种可选的实施方式,第三优化子单元354包括:
第二确定模块,用于根据第二优化控制点集合和第三优化连接点集合确定第一处理影像参数集合中每个影像参数对应的控制点和连接点的数量总和;
第二优化模块,用于根据数量总和对第一处理影像参数集合进行优化处理,得到第二处理影像参数集合。
本申请实施例中,对于卫星影像区域网平差装置的解释说明可以参照实施例1或实施例2中的描述,对此本实施例中不再多加赘述。
可见,实施本实施例所描述的卫星影像区域网平差装置,能够自动实现卫星影像区域网平差处理,处理误差小、精度高、效率高。
本申请实施例提供了一种电子设备,包括存储器以及处理器,存储器用于存储计算机程序,处理器运行计算机程序以使电子设备执行本申请实施例1或实施例2中任一项卫星影像区域网平差方法。
本申请实施例提供了一种计算机可读存储介质,其存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行本申请实施例1或实施例2中任一项卫星影像区域网平差方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种卫星影像区域网平差方法,其特征在于,包括:
获取原始区域网数据,所述原始区域网数据包括卫星影像参数集合、连接点集合和控制点集合;
根据所述原始区域网数据对所述卫星影像参数集合进行优化处理,得到第一处理影像参数集合;
根据所述第一处理影像参数集合对所述控制点集合进行控制点优化处理,得到第一优化控制点集合;
对所述连接点集合进行连接点优化处理,得到第二优化连接点集合;
分别对所述第一处理影像参数集合、所述第一优化控制点集合以及所述第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合;
汇总所述第二处理影像参数集合、所述第二优化控制点集合以及所述第三优化连接点集合,得到平差后的区域网数据。
2.根据权利要求1所述的卫星影像区域网平差方法,其特征在于,所述根据所述原始区域网数据对所述卫星影像参数集合进行优化处理,得到第一处理影像参数集合,包括:
根据所述控制点集合,确定所述卫星影像参数集合中每个卫星影像参数对应的控制点;
根据所述控制点对所述卫星影像参数集合中控制点的数量低于预设数量阈值的卫星影像参数进行删除处理,得到第一处理影像参数集合。
3.根据权利要求2所述的卫星影像区域网平差方法,其特征在于,所述根据所述第一处理影像参数集合对所述控制点集合进行控制点优化处理,得到第一优化控制点集合,包括:
汇总所述每个卫星影像参数对应的控制点得到待处理控制点集合;
根据第一预设算法、所述第一处理影像参数集合和所述待处理控制点集合,计算所述第一处理影像参数集合中每个卫星影像参数对应的第一像方补偿系数;
根据所述第一预设算法和所述第一像方补偿系数确定所述待处理控制点集合中的控制粗差像点;
删除所述待处理控制点集合中的所述控制粗差像点,得到第一优化控制点集合。
4.根据权利要求3所述的卫星影像区域网平差方法,其特征在于,所述对所述连接点集合进行连接点优化处理,得到第二优化连接点集合,包括:
根据所述连接点集合和所述第一处理影像参数集合,确定所述连接点集合中每个连接点对应卫星影像参数的参数数量;
根据所述参数数量确定所述连接点集合中的待删除连接点;
删除所述连接点集合中的所述待删除连接点,得到待处理连接点集合;
根据所述第一预设算法计算所述待处理连接点集合中每个连接点的第一三维坐标;
根据所述第一预设算法和所述第一三维坐标确定所述待处理连接点集合对应的连接粗差像点;
根据所述连接粗差像点,对所述待处理连接点集合进行更新处理,得到第二优化连接点集合。
5.根据权利要求4所述的卫星影像区域网平差方法,其特征在于,所述分别对所述第一处理影像参数集合、所述第一优化控制点集合以及所述第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合,包括:
通过第二预设算法计算所述第一处理影像参数集合的第二像方补偿系数;
通过所述第二预设算法计算所述第二优化连接点集合中每个连接点的第三三维坐标;
根据所述第二像方补偿系数计算所述第二优化连接点集合中每个连接点的第一重投影误差,以及根据所述第三三维坐标计算所述第一优化控制点集合中每个控制点的第二重投影误差;
根据所述第二重投影误差对所述第一优化控制点集合进行优化处理,得到第二优化控制点集合;
根据所述第一重投影误差对所述第二优化连接点集合进行优化处理,得到第三优化连接点集合;
根据所述第二优化控制点集合和所述第三优化连接点集合对所述第一处理影像参数集合进行优化处理,得到第二处理影像参数集合。
6.根据权利要求5所述的卫星影像区域网平差方法,其特征在于,所述根据所述第一重投影误差对所述第二优化连接点集合进行优化处理,得到第三优化连接点集合,包括:
根据所述第一重投影误差对所述第二优化连接点集合进行初步优化处理,得到初优化连接点集合;
确定所述初优化连接点集合中每个连接点的观测值数量;
根据所述观测值数量对所述初优化连接点集合进行优化处理,得到第三优化连接点集合。
7.根据权利要求5所述的卫星影像区域网平差方法,其特征在于,所述根据所述第二优化控制点集合和所述第三优化连接点集合对所述第一处理影像参数集合进行优化处理,得到第二处理影像参数集合,包括:
根据所述第二优化控制点集合和所述第三优化连接点集合确定所述第一处理影像参数集合中每个影像参数对应的控制点和连接点的数量总和;
根据所述数量总和对所述第一处理影像参数集合进行优化处理,得到第二处理影像参数集合。
8.一种卫星影像区域网平差装置,其特征在于,所述卫星影像区域网平差装置包括:
获取单元,用于获取原始区域网数据,所述原始区域网数据包括卫星影像参数集合、连接点集合和控制点集合;
第一优化单元,用于根据所述原始区域网数据对所述卫星影像参数集合进行优化处理,得到第一处理影像参数集合;
第二优化单元,用于根据所述第一处理影像参数集合对所述控制点集合进行控制点优化处理,得到第一优化控制点集合;
第三优化单元,用于对所述连接点集合进行连接点优化处理,得到第二优化连接点集合;
第四优化单元,用于分别对所述第一处理影像参数集合、所述第一优化控制点集合以及所述第二优化连接点集合进行迭代非线性优化处理,得到第二处理影像参数集合、第二优化控制点集合以及第三优化连接点集合;
汇总单元,用于汇总所述第二处理影像参数集合、所述第二优化控制点集合以及所述第三优化连接点集合,得到平差后的区域网数据。
9.一种电子设备,其特征在于,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至7中任一项所述的卫星影像区域网平差方法。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行权利要求1至7任一项所述的卫星影像区域网平差方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110263580.3A CN112686893B (zh) | 2021-03-11 | 2021-03-11 | 一种卫星影像区域网平差方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110263580.3A CN112686893B (zh) | 2021-03-11 | 2021-03-11 | 一种卫星影像区域网平差方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112686893A true CN112686893A (zh) | 2021-04-20 |
CN112686893B CN112686893B (zh) | 2021-07-13 |
Family
ID=75458330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110263580.3A Active CN112686893B (zh) | 2021-03-11 | 2021-03-11 | 一种卫星影像区域网平差方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686893B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589340A (zh) * | 2021-06-15 | 2021-11-02 | 北京道达天际科技有限公司 | 一种基准网辅助的卫星影像高精度定位方法和装置 |
CN113899386A (zh) * | 2021-09-27 | 2022-01-07 | 武汉大学 | 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 |
CN115374511A (zh) * | 2022-08-16 | 2022-11-22 | 南京林业大学 | 一种地铁隧道监测三维控制网仿真设计系统和方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709551A (zh) * | 2019-01-18 | 2019-05-03 | 武汉大学 | 一种星载合成孔径雷达影像的区域网平面平差方法 |
CN112017224A (zh) * | 2020-10-19 | 2020-12-01 | 航天宏图信息技术股份有限公司 | Sar数据区域网平差处理方法和系统 |
-
2021
- 2021-03-11 CN CN202110263580.3A patent/CN112686893B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709551A (zh) * | 2019-01-18 | 2019-05-03 | 武汉大学 | 一种星载合成孔径雷达影像的区域网平面平差方法 |
CN112017224A (zh) * | 2020-10-19 | 2020-12-01 | 航天宏图信息技术股份有限公司 | Sar数据区域网平差处理方法和系统 |
Non-Patent Citations (2)
Title |
---|
NIANGANG JIAO等: "A New Combined Adjustment Model for Geolocation Accuracy Improvement of Multiple Sources Optical and SAR Imagery", 《REMOTE SENSING》 * |
徐娜: "基于像素工厂的地理国情普查标准时点核准DOM 生产关键技术研究", 《测绘与空间地理信息》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113589340A (zh) * | 2021-06-15 | 2021-11-02 | 北京道达天际科技有限公司 | 一种基准网辅助的卫星影像高精度定位方法和装置 |
CN113899386A (zh) * | 2021-09-27 | 2022-01-07 | 武汉大学 | 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 |
CN113899386B (zh) * | 2021-09-27 | 2023-11-21 | 武汉大学 | 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 |
CN115374511A (zh) * | 2022-08-16 | 2022-11-22 | 南京林业大学 | 一种地铁隧道监测三维控制网仿真设计系统和方法 |
CN115374511B (zh) * | 2022-08-16 | 2023-07-04 | 南京林业大学 | 一种地铁隧道监测三维控制网仿真设计系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112686893B (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112686893B (zh) | 一种卫星影像区域网平差方法及装置 | |
CN109376631B (zh) | 一种基于神经网络的回环检测方法及装置 | |
US10755139B2 (en) | Random sample consensus for groups of data | |
SG172972A1 (en) | Detecting potential changed objects in images | |
CN106295710B (zh) | 基于非几何约束的图像局部特征匹配方法、装置及终端 | |
CN112652020A (zh) | 一种基于AdaLAM算法的视觉SLAM方法 | |
JP2017130067A (ja) | 衛星映像の位置正確度改善のための自動映像処理システム及びその方法 | |
CN108447084B (zh) | 基于orb特征的立体匹配补偿方法 | |
CN113888438A (zh) | 图像处理方法、装置及存储介质 | |
CN117392464A (zh) | 基于多尺度去噪概率模型的图像异常检测的方法、系统 | |
CN112687079A (zh) | 灾害预警方法、装置、设备及存储介质 | |
Li et al. | Least squares image matching: A comparison of the performance of robust estimators | |
CN116416227A (zh) | 背景图像处理方法和装置 | |
CN117030620A (zh) | 一种基于多源光学遥感卫星影像区域网平差的方法及装置 | |
Wan et al. | An a-contrario method of mismatch detection for two-view pushbroom satellite images | |
JP2007316950A (ja) | 画像処理方法及び装置及びプログラム | |
CN112598070B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN111984812B (zh) | 一种特征提取模型生成方法、图像检索方法、装置及设备 | |
CN115131315A (zh) | 一种图像的变化检测方法、装置、设备及存储介质 | |
CN109214398B (zh) | 一种从连续图像中量测杆体位置的方法和系统 | |
EP2312516A1 (en) | Denoising explicit feedback for recommender systems | |
CN110264333B (zh) | 一种风险规则确定方法和装置 | |
CN113284049A (zh) | 基于图像清晰感知算法的图像拼接算法 | |
CN112233153A (zh) | 图像匹配方法、装置、电子设备及存储介质 | |
CN107203755B (zh) | 一种用于遥感图像时间序列标记样本自动增新的方法、装置和系统 |
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 |