CN114964169B - 像方物方协同改正的遥感影像平差方法 - Google Patents

像方物方协同改正的遥感影像平差方法 Download PDF

Info

Publication number
CN114964169B
CN114964169B CN202210527458.7A CN202210527458A CN114964169B CN 114964169 B CN114964169 B CN 114964169B CN 202210527458 A CN202210527458 A CN 202210527458A CN 114964169 B CN114964169 B CN 114964169B
Authority
CN
China
Prior art keywords
remote sensing
image
subarea
correction
space
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
CN202210527458.7A
Other languages
English (en)
Other versions
CN114964169A (zh
Inventor
刘斌
芶盛
谢彬
邸凯昌
岳宗玉
尹力
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 CN202210527458.7A priority Critical patent/CN114964169B/zh
Publication of CN114964169A publication Critical patent/CN114964169A/zh
Application granted granted Critical
Publication of CN114964169B publication Critical patent/CN114964169B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04Interpretation of pictures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/22Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/13Satellite images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Astronomy & Astrophysics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

一种像方物方协同改正的遥感影像平差方法,包括:步骤S1、将遥感影像按观测范围分成多个分区,每个分区包括多景遥感影像,相邻的两个分区有公共遥感影像,其中,每个分区的遥感影像数量满足在每个分区的平差精度达到预设精度;步骤S2、对每个分区逐分区进行基于像方改正模型的区域网平差,得到每个分区中每景遥感影像的像方改正参数;步骤S3、以每个分区作为一个平差单元进行基于物方改正模型的区域网平差,得到每个分区的物方改正参数,完成遥感影像整体平差。其中,每景遥感影像的像方改正参数和物方改正参数用于进行遥感影像定位或制图。

Description

像方物方协同改正的遥感影像平差方法
技术领域
本发明涉及遥感领域,特别涉及像方物方协同改正的遥感影像平差方法。
背景技术
随着航天遥感技术的不断发展,人类已经能够在较短的时间内获取地球表面乃至月球、火星等地外天体表面的海量卫星影像数据。通过摄影测量技术进行影像处理可以获取高精度的数字正射影像模型(DOM)和数字地形模型(DTM),从而为各行各业提供高精度的空间参考数据。利用卫星遥感影像进行定位制图,首先要构建影像的成像几何模型,例如严密成像几何模型。由于卫星定轨、定姿和传感器参数等存在误差,利用测量的轨道、姿态等参数构建的影像严密成像几何模型(rigorous sensor model,RSM)也存在误差,这些误差严重影响了遥感影像几何定位的可靠性和精度,同时使得影像间配准及拼接存在误差,为了提高影像的整体定位精度水平,对遥感影像进行平差处理成为了一项十分必要且意义重大的工作。
目前卫星遥感影像几何处理通常用遥感影像的有理函数模型(rationalfunction model,RFM)作为影像的几何模型,RFM为多项式构建像方空间和物方空间之间的映射关系,其参数一般通过RSM构建控制点格网拟合而来,表达式如下:
Figure BDA0003642286190000011
Figure BDA0003642286190000012
式(1)和式(2)中,(U,V,W)为正则化的地面点大地坐标,(r,c)为正则化的像点坐标,正则化参数由RPC文件提供。式中Pi(i=1、2、3、4)为多项式函数,为了避免高阶多项式的不稳定性,多采用不超过三次的多项式,三次多项式有如下一般形式:
Pi(U,V,W)=a1+a2U+a3V+a4W+a5UV+a6UW+a7VW+a8U2+a9V2+a10W2+a11UVW+a12U3+a13UV2+a14UW2+a15U2V+a16V3+a17VW2+a18U2W+a19V2W+a20W3 (3)
其中,a1,a2,...,a20是多项式函数Pi的系数,被称为有理多项式系数(Rationalpolynomial coefficients,RPC),由RPC文件提供。
RPC一般是通过卫星定轨定姿信息来求解的,由于对轨道和姿态的测量存在误差,有理函数模型也将存在较大的误差,加上镜头畸变等因素影像,不同区域影像之间的相对几何误差较大,不能满足制图应用的精度。光束法区域网平差方法能够有效的消除影像之间的相对几何误差,广泛应用于遥感影像的高精度几何处理。基于RFM的遥感影像光束法区域网平差一般以景作为平差单元,以RFM作为平差的基础方程,通过对像方改正参数的调整,使模型之间的公共点的光线实现最佳的交会并使整个区域最佳地纳入到已知的控制点坐标系中去。像方改正模型以仿射变换为例,其表达式如下:
Fl=e0+e1l+e2s+l-l′=0 (4)
Fs=f0+f1l+f2s+s-s′=0 (5)
其中,(l,s)为遥感影像的原始像点坐标,(l′,s′)为由该点精化后的物方空间坐标基于RFM计算得到的像方坐标。(e0,e1,e2,f0,f1,f2)是仿射变换模型系数,Fl为行方向的残差,Fs为列方向的残差。
分别对式(4)和式(5)进行泰勒展开,得到误差方程式,表达为:
Figure BDA0003642286190000021
Figure BDA0003642286190000022
其中,(lon,lat,height)为像点(l,s)对应物方点的大地坐标,Fl0,Fs0为泰勒展开的零次项,大地坐标和空间直角坐标之间可以相互转换。
最后通过最小二乘迭代求解可以得到各景影像的仿射变换模型系数及各个连接点的精化后的物方空间坐标。通过上述方法可得到像方空间坐标与精化后的物方空间坐标的更为精确的映射关系,满足同名光线最佳会合的约束,达到消除影像间几何不一致性的平差目的。
然而,面对大规模(数百万景)的遥感影像平差时,若仍利用上述区域网平差方法进行平差,假设有m景影像,每景影像有n个虚拟控制点,t个连接点,那么就会产生含有m*(6+3t)个未知参数的m*(2n+2t)个误差方程。这种超大规模方程组的求解是数值计算难题,无论是对算法稳定性还是对计算机的性能都具有巨大的挑战性,极易产生病态问题导致无法求解,而且不同区域影像随着影像间距离的增加其几何不一致性往往也会越来越大,加上各种误差的不断累积,很容易造成平差网的扭曲变形,求解的稳定性和精度堪忧。此外,上述方法还面临海量影像的特征点提取和匹配,均需要耗费大量的算力和时间。例如在利用亚米级的高分辨率遥感影像建立全月控制网时就有上百万景影像参与平差,海量影像进行整体平差的时间复杂度和空间复杂度都是巨大的,平差算法的稳定性和精度都没有保障,因此需要研究新的大区域平差方法,进行大规模乃至全球影像的整体平差。
发明内容
有鉴于此,本发明的主要目的在于提供一种像方物方协同改正的遥感影像平差方法,以期部分地解决上述提及的技术问题中的至少之一。
为了实现上述目的,作为本发明的一个方面,提供了一种像方物方协同改正的遥感影像平差方法,包括:
步骤S1、将遥感影像按观测范围分成多个分区,每个分区包括多景遥感影像,相邻的两个分区有公共遥感影像,其中,每个分区的遥感影像数量满足在每个分区的平差精度达到预设精度;
步骤S2、对每个分区逐分区进行基于像方改正模型的区域网平差,得到每个分区中每景遥感影像的像方改正参数;
步骤S3、以每个分区作为一个平差单元进行基于物方改正模型的区域网平差,得到每个分区的物方改正参数,完成遥感影像整体平差。
根据本发明的实施例,步骤S2包括:
步骤S21、获取每个分区中遥感影像的第一类连接点,其中,第一类连接点为同一物方点在分区内不同遥感影像上对应的像点;
步骤S22、利用第一类连接点对每个分区进行像方改正模型的区域网平差,得到每个分区中每景遥感影像的像方改正参数。
根据本发明的实施例,步骤S22包括:
步骤S221、基于像方改正模型,利用每个第一类连接点建立像方改正误差方程;
步骤S222、利用最小二乘法对像方改正误差方程进行迭代求解,得到每个分区中每景遥感影像的像方改正参数。
根据本发明的实施例,步骤S3包括:
步骤S31、获取任意两个分区之间的第二类连接点,第二类连接点为在分区间的每景公共遥感影像上建立格网得到的格网点;
步骤S32、利用第二类连接点对所有分区进行基于物方改正模型的区域网平差,得到每个分区的物方改正参数,完成对所有分区进行整体平差。
根据本发明的实施例,步骤S32包括:
步骤S321:根据分区k的每景公共遥感影像的像方改正参数对每个第二类连接点进行像方改正后,基于公共遥感影像的成像几何模型得到每个第二类连接点对应于分区k的物方点,其中k为1,2...N,其中N为分区数量;
步骤S322、基于物方改正模型,利用物方点建立物方改正误差方程;
步骤S323:利用最小二乘法对物方改正误差方程进行迭代求解,得到每个分区的物方改正参数。
根据本发明的实施例,在步骤S3之后还包括:
将每个分区的物方改正参数赋值给每个分区内的每景遥感影像;
根据每景遥感影像的像方改正参数和物方改正参数进行遥感影像定位或制图。
根据本发明的实施例,相比于现有技术中未对大规模遥感影像进行分区的区域网平差方法,本发明实施例中的方法,针对每个分区进行计算,且分步进行像方、物方改正平差,因针对每个分区的计算量较小,无需面临海量影像的特征点提取和匹配,无需耗费大量的算力和时间,整体上有效地降低了大规模平差计算的复杂度,提高了平差算法的稳定性和精度。同时,多个分区的处理可以并行进行,使得该平差方法可并行性高,较大程度低提高了计算机设备的处理能力和处理速度,特别在遥感影像陆续获取的过程中,本发明的实施例的方法具有更高的实用价值。
附图说明
图1示意性示出了根据本发明的实施例提供的像方物方协同改正的遥感影像的平差方法的流程图。
具体实施方式
在实现本发明的过程中发现,通过对大规模的遥感影像进行分区,首先在分区内获取影像间的连接点,进行基于像方改正模型的区域网平差得到分区内每景遥感影像的独立像方改正参数,解决了分区内遥感影像间的几何不一致问题;然后在分区间利用分区边缘重叠的公共遥感影像进行连接,进行基于物方改正模型的整体平差,该平差过程中每个分区内遥感影像共用一套物方改正参数,使得在分区内遥感影像间达成一致性的同时,解决分区间几何不一致的问题。该方法一方面能够有效解决大规模平差计算复杂,需要的计算资源多的问题,同时通过分区平差,解决大规模影像平差过程中误差过度累积的问题,使得平差解算更加稳定,提升平差解算的精度。利用该方法,使得只使用普通计算机即可进行大规模遥感影像整体平差,同时由于在该方法中进行了分区处理,使得逐分区平差解算可并行性高,特别在遥感影像陆续获取的过程中,每个分区可以单独计算,使得该方法实用性更高。
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。
图1示意性示出了根据本发明的实施例提供的像方物方协同改正的遥感影像平差方法的流程图。
如图1所示,上述像方物方协同改正的遥感影像的平差方法,包括步骤S1-步骤S3。
步骤S1:将遥感影像按观测范围分成多个分区,每个分区包括多景遥感影像,相邻的两个分区有公共遥感影像,其中,每个分区的遥感影像数量满足在每个分区的平差精度达到预设精度。
读取所有遥感影像的元数据,将大规模的遥感影像按照观测范围(地理坐标)划分至各个大小合理的分区,分区的大小基本一致,并且保证分区与分区之间存在公共遥感影像,每个分区的遥感影像数量满足在每个分区的平差精度达到预设精度,例如,遥感影像的数量可以是3000景、4000景等,从而使每个分区的平差精度达到子像素级。
步骤S2:对每个分区逐分区进行基于像方改正模型的区域网平差,得到每个分区中每景所述遥感影像的像方改正参数。在该步骤中,以每个分区的每景遥感影像作为一个平差单元进行区域网平差,可选地,步骤S2包括步骤S21-步骤S22。
步骤S21:获取每个分区中遥感影像的第一类连接点,其中,第一类连接点为同一物方点在分区内不同遥感影像上对应的像点,也即第一类连接点为遥感影像之间的同名点。可选的,该步骤具体包括:
读取各个分区内所有卫星遥感影像及其的有理函数模型参数(RPC)、归一化因子。卫星影像产品中附带RPC文件(以文档的形式给出),而RPC文件中包含多项式参数和归一化因子。
通过影像匹配或人工选点的匹配方式,获得影像之间均匀分布的同名点作为第一类连接点。第一类连接点的原始像方坐标为第一类连接点在每一景其出现的影像上的像点坐标。用(linej,samplej)表示第一类连接点在第j景影像上原始像方坐标。第一类连接点的两种匹配方式均为本领域现有的成熟方法,故不予赘述。
步骤S22:利用第一类连接点对每个分区进行像方改正模型的区域网平差,得到每个分区中每景遥感影像的像方改正参数。该步骤包括步骤S221-步骤S222。
步骤S221:基于像方改正模型,利用每个第一类连接点建立像方改正误差方程。误差方程的建立过程如下:
像方改正模型以像方仿射变换模型为例,表示如下:
Fl=e0+e1linej+e2samplej+linej-line′j=0 (8)
Fs=f0+f1linej+f2samplej+samplej-sample′j=0 (9)
式(8)和式(9)中,(line′j,sample′j)为精化后的第一类连接点的像方坐标,(e0,e1,e2,f0,f1,f2)是仿射变换模型系数,Fl为行方向的残差,Fs为列方向的残差。
对上式进行一阶泰勒级数展开,可以得到线性化的像方改正误差方程,具体表示如下:
Figure BDA0003642286190000071
Figure BDA0003642286190000072
根据式(10)-(11)可以看出,像方改正误差方程未知参数包括仿射变换模型参数(e0,e1,e2,f0,f1,f2)和第一类连接点对应物方点的精化后的物方空间坐标(lon’,lat’,height’,),该精化后的物方空间坐标为大地坐标。Fl0、Fs0表示泰勒级数0次项,
Figure BDA0003642286190000073
分别表示仿射变换参数的一阶偏导数;
Figure BDA0003642286190000074
表示纬度、经度和高程的一阶偏导数。可选的,在像方区域网平差中,可加入绝对控制点或虚拟控制点,将其作为真值纳入像方改正模型中。对于绝对控制点和虚拟控制点,其物方空间坐标视为已知,未知参数只有像方改正模型参数,以仿射变换模型为例,未知参数为仿射变换模型参数,因此像方改正误差方程表达式如下:
Figure BDA0003642286190000075
Figure BDA0003642286190000076
大地坐标的含义:在大地坐标系中某点的大地经度是通过该点的子午面与本初子午面所构成的二面角。由本初子午面起算,向东为正,称为东经,向西为负,称为西经,该点的法线与赤道面的夹角,叫做大地纬度,由赤道面起算,向北为正,称为北纬,向南为负,称为南纬。由大地经度和大地纬度所表示的地面点坐标为大地经纬度坐标,根据大地经纬度坐标和高程可以标注地面点的三维坐标。
步骤S222、利用最小二乘法对所述像方改正误差方程进行迭代求解,得到每个所述分区中每景所述遥感影像的像方改正参数。该步骤具体包括步骤A-步骤C。
步骤A:根据像方改正误差方程,得到像方改正法方程。
步骤B:对像方改正法方程进行迭代求解,得到像方改正参数的最小二乘解。
在该迭代步骤中,对像方改正法方程进行求解除了得到像方改正参数的改正数还可以得到第一类连接点对应物方点的物方空间坐标的改正数。在改正数小于第一预设阈值的情况下,表示平差精度满足要求,输出平差结果,即像方改正参数和物方空间坐标的最小二乘解;在平差精度不满足要求的情况下,则继续迭代求解。例如,根据具体平差精度要求,该第一预设阈值可以为0.00001。
步骤C:输出每个分区内各景遥感影像的像方改正参数,完成每个分区的区域网平差。需要说明的是,对于像方仿射变换模型而言,该像方改正参数即为像方仿射变换参数(e0,e1,e2,f0,f1,f2)。
步骤S3:以每个分区作为一个平差单元进行基于物方改正模型的区域网平差,得到每个分区的物方改正参数,完成遥感影像整体平差。该步骤主要包括步骤S31-步骤S32。
步骤S31、获取任意两个分区之间的第二类连接点,第二类连接点为在分区间的每景公共遥感影像上建立格网得到的格网点。
为了连接不同的分区,还需要构建第二类连接点。第二类连接点的构建方法为在任意两个分区之间的公共遥感影像的平面上按一定间距均匀划分规则格网,得到格网点即为第二类连接点。在两个及以上分区间的公共遥感影像即为同名遥感影像,第二类连接点就是同名遥感影像上的像点,例如,如果公共遥感影像分别属于3个分区,那么其上的像点分别作为3个分区中的第二类连接点。
步骤S32、利用第二类连接点对所有分区进行基于物方改正模型的区域网平差,得到每个分区的物方改正参数,完成对所有分区的整体平差。该步骤包括步骤S321-步骤S323。
步骤S321:根据分区k的每景公共遥感影像的像方改正参数对每个第二类连接点进行像方改正后,基于公共遥感影像的成像几何模型得到每个第二类连接点对应于分区k的物方点,其中k为1,2...N,其中N为分区数量。该步骤具体包括:
根据在步骤S2中获得的公共遥感影像的像方改正参数对第二类连接点进行像方改正后,根据DEM内插其高程,经过成像几何模型,例如RPC模型反算得到每个格网点对应于分区k的物方点的初始物方空间坐标。
步骤S322:基于物方改正模型,利用物方点建立物方改正误差方程。可选的,以七参数模型作为物方改正模型,具体步骤如下:
七参数模型为:
Figure BDA0003642286190000091
其中,(X,Y,Z)为初始物方空间坐标;x0,y0,z0,k,α,β,γ是七参数模型的七个参数,(X′,Y′,Z′)为精化后的物方空间坐标,(FX,FY,FZ)为X、Y、Z三个方向的残差。在式(14)中的初始物方空间坐标和精化后的物方空间坐标均采用的空间直角坐标,空间直角坐标和大地坐标之间可以相互转化。
对于每个格网点,未知参数包括第二类连接点对应物方点的精化后的物方空间坐标和七参数模型的七个参数,物方改正误差方程表达式如下:
Figure BDA0003642286190000092
Figure BDA0003642286190000093
Figure BDA0003642286190000094
式(15)、(16)和(17)中,FX,FY,FZ分别为X、Y、Z方向的残差。x0,y0,z0,k,α,β,γ是物方改正模型的七个参数;
Figure BDA0003642286190000101
Figure BDA0003642286190000102
Figure BDA0003642286190000103
是一阶偏导数,FX0、FY0、FZ0表示物方改正误差方程的常数项。
可选的,在物方区域网平差中,可加入绝对控制点或虚拟控制点,将其作为真值纳入物方改正模型中。对于绝对控制点和虚拟控制点,绝对控制点和虚拟控制点的精化后的物方空间坐标视为已知,此时未知参数只有七参数模型的七个参数,表达式如下:
Figure BDA0003642286190000104
Figure BDA0003642286190000105
Figure BDA0003642286190000106
绝对控制点的含义为已知原始像方坐标和其对应地物的物方空间坐标,在平差中作为真值提高平差精度的点。
步骤S323:利用最小二乘法对物方改正误差方程进行迭代求解,得到每个分区的物方改正参数。具体包括步骤D-步骤F。
步骤D:根据每个分区中第二类连接点的物方改正误差方程建立物方改正法方程。
步骤E:对物方改正法方程进行迭代求解,得到物方改正参数的最小二乘解。
在该迭代步骤中,除了得到格网点对应的物方点的物方改正参数的改正数,还可以得到第二类连接点对应的物方点的物方空间坐标的改正数。类似地,在改正数小于第二预设阈值的情况下,表示平差精度满足要求,输出平差结果,即物方改正参数和精化后物方空间坐标的最小二乘解。例如,根据具体平差的精度要求,该第二预设阈值可以为0.00001。
步骤F:输出每个分区的物方改正参数,完成所有分区间的整体平差。需要说明的是,对于七参数模型而言,该物方改正参数即为七参数模型物方改正参数(x0,y0,z0,k,α,β,γ)。
可选的,本发明的遥感影像平差方法还包括:在完成所有遥感影像的像方平差和物方平差后,读入检查点,对平差结果进行精度检验。检查点为已知影像原始像方坐标和对应物方点的精化后的物方空间坐标,不直接参与平差,只作为真值检查平差精度的点。
可选的,在步骤S3后,该遥感影像平差方法还包括:利用每景遥感影像的像方改正参数和物方改正参数,用于进行遥感影像定位包括:
将每个分区的物方改正参数赋值给每个分区内的每景遥感影像;
根据每景遥感影像的像方改正参数和物方改正参数进行遥感影像定位或制图。
可选的,根据每景遥感影像的像方改正参数和物方改正参数进行遥感影像定位,包括:
根据每个所述分区中每景所述遥感影像的物方改正参数和像方改正参数,进行所述遥感影像中的目标像点的原始像方坐标和对应的目标物方点的精化后的物方空间坐标的相互转换,以进行所述遥感影像定位。
经过像方改正和物方改正后,所有遥感影像均有三套参数,分别是成像几何模型(例如可以是有理函数模型)参数,像方改正参数及物方改正参数,基于上述三套参数,保证了所有影像之间的几何一致性。利用上述三套参数,可以实现任意遥感影像区的任意遥感影像中的像点的原始像方坐标和该像点对应的物方点的精化后的物方空间坐标的相互转换。以制作遥感正射影像(DOM)为例,在求解遥感影像上某目标像点的精化后的物方空间坐标时,首先利用像方改正参数对目标像点的原始像方坐标进行像方改正,得到像方改正坐标,然后利用成像几何模型反解目标像点的初始物方空间坐标,最后基于物方改正参数对初始物方空间坐标其进行物方改正得到精化后的物方空间坐标。
根据本发明的实施例提供的遥感影像平差方法,可得到像方空间坐标与精化后的物方空间坐标的更为精确的映射关系,满足同名光线最佳会合的约束,达到消除影像间几何不一致性的平差目的。此外,通过对大规模遥感影像分区处理,相比于现有技术中未对大规模遥感影像进行分区的区域网平差方法,本发明实施例中的方法,针对每个分区进行计算,且分步进行像方、物方改正平差,因针对每个分区的计算量较小,无需面临海量影像的特征点提取和匹配,无需耗费大量的算力和时间,整体上有效地降低了大规模平差计算的复杂度,提高了平差算法的稳定性和精度。同时,多个分区的处理可以并行进行,使得该平差方法可并行性高,较大程度低提高了计算机设备的处理能力和处理速度,特别在遥感影像陆续获取的过程中,本发明的实施例的方法具有更高的实用价值。
根据本发明的实施例提供的遥感影像平差方法,适用于遥感影像之间的空间几何不一致性较大,海量的高分辨率遥感影像大规模整体平差。
本发明的实施例提供的平差方法,解决了由遥感影像的大规模而导致的现有区域网平差技术求解计算复杂度高且不稳定、易造成网扭曲、几何定位精度不高的问题,提高了大规模平差解算的精度和稳定性,扩大了平差解算的适用范围。本方法特别适用于对月球、火星等天体的大范围、高分辨率遥感影像进行大规模平差,也适用于对地观测的海量遥感影像的大规模平差。
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 (2)

1.一种像方物方协同改正的遥感影像平差方法,包括:
步骤S1、将遥感影像按观测范围分成多个分区,每个所述分区包括多景遥感影像,相邻的两个所述分区有公共遥感影像,其中,每个所述分区的遥感影像数量满足在每个分区的平差精度达到预设精度;
步骤S2、对每个所述分区逐分区进行基于像方改正模型的区域网平差,得到每个所述分区中每景所述遥感影像的像方改正参数;
步骤S3、以每个所述分区作为一个平差单元进行基于物方改正模型的区域网平差,得到每个所述分区的物方改正参数,完成所述遥感影像整体平差;
其中,所述步骤S2包括:
步骤S21、获取每个所述分区中遥感影像的第一类连接点,其中,所述第一类连接点为同一物方点在所述分区内不同遥感影像上对应的像点;
步骤S22、利用所述第一类连接点对每个所述分区进行像方改正模型的区域网平差,得到每个所述分区中每景所述遥感影像的像方改正参数;
所述步骤S22包括:
步骤S221、基于像方改正模型,利用每个所述第一类连接点建立像方改正误差方程;
步骤S222、利用最小二乘法对所述像方改正误差方程进行迭代求解,得到每个所述分区中每景所述遥感影像的像方改正参数;
所述步骤S3包括:
步骤S31、获取任意两个所述分区之间的第二类连接点,所述第二类连接点为在所述分区间的每景所述公共遥感影像上建立格网得到的格网点;
步骤S32、利用所述第二类连接点对所有分区进行基于物方改正模型的区域网平差,得到每个所述分区的物方改正参数,完成对所有分区进行整体平差;
所述步骤S32包括:
步骤S321:根据分区k的每景所述公共遥感影像的像方改正参数对每个第二类连接点进行像方改正后,基于所述公共遥感影像的成像几何模型得到每个所述第二类连接点对应于所述分区k的物方点,其中k为1,2…N,其中N为分区数量;
步骤S322、基于物方改正模型,利用所述物方点建立物方改正误差方程;
步骤S323:利用最小二乘法对所述物方改正误差方程进行迭代求解,得到每个所述分区的物方改正参数;
其中,所述物方改正模型为七参数模型,所述七参数模型为:
Figure QLYQS_1
其中,(X,Y,Z)为初始物方空间坐标;x0,y0,z0,k,α,β,γ是七参数模型的七个参数,(X′,Y′,Z′)为精化后的物方空间坐标,(FX,FY,FZ)为X、Y、Z三个方向的残差;所述初始物方空间坐标和所述精化后的物方空间坐标均采用的空间直角坐标,所述空间直角坐标和大地坐标之间可以相互转化;
对于每个格网点,未知参数包括第二类连接点对应物方点的精化后的物方空间坐标和七参数模型的七个参数,物方改正误差方程表达式如下:
Figure QLYQS_2
Figure QLYQS_3
Figure QLYQS_4
FX,FY,FZ分别为X、Y、Z方向的残差;x0,y0,z0,k,α,β,γ是物方改正模型的七个参数;
Figure QLYQS_5
Figure QLYQS_6
是一阶偏导数,FX0、FY0、FZ0表示物方改正误差方程的常数项;
在物方区域网平差中,加入绝对控制点或虚拟控制点,将其作为真值纳入物方改正模型中;对于绝对控制点和虚拟控制点,绝对控制点和虚拟控制点的精化后的物方空间坐标视为已知,此时未知参数只有七参数模型的七个参数,表达式如下:
Figure QLYQS_7
Figure QLYQS_8
Figure QLYQS_9
/>
2.根据权利要求1所述的遥感影像平差方法,其中,在所述步骤S3之后还包括:
将每个所述分区的物方改正参数赋值给每个所述分区内的每景遥感影像;
根据每景所述遥感影像的像方改正参数和物方改正参数进行遥感影像定位或制图。
CN202210527458.7A 2022-05-13 2022-05-13 像方物方协同改正的遥感影像平差方法 Active CN114964169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210527458.7A CN114964169B (zh) 2022-05-13 2022-05-13 像方物方协同改正的遥感影像平差方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210527458.7A CN114964169B (zh) 2022-05-13 2022-05-13 像方物方协同改正的遥感影像平差方法

Publications (2)

Publication Number Publication Date
CN114964169A CN114964169A (zh) 2022-08-30
CN114964169B true CN114964169B (zh) 2023-05-30

Family

ID=82984096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210527458.7A Active CN114964169B (zh) 2022-05-13 2022-05-13 像方物方协同改正的遥感影像平差方法

Country Status (1)

Country Link
CN (1) CN114964169B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105716580A (zh) * 2016-01-30 2016-06-29 武汉大学 基于平差参数快速解算的超大规模区域网平差方法及系统
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
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
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
CN113514035A (zh) * 2021-07-12 2021-10-19 自然资源部国土卫星遥感应用中心 一种全球数字高程模型约束的影像区域网平差方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9838594B2 (en) * 2016-03-02 2017-12-05 Qualcomm Incorporated Irregular-region based automatic image correction

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105716580A (zh) * 2016-01-30 2016-06-29 武汉大学 基于平差参数快速解算的超大规模区域网平差方法及系统
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
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
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
CN113514035A (zh) * 2021-07-12 2021-10-19 自然资源部国土卫星遥感应用中心 一种全球数字高程模型约束的影像区域网平差方法

Also Published As

Publication number Publication date
CN114964169A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN111126148B (zh) 一种基于视频卫星影像的dsm生成方法
CN110388898B (zh) 构建虚拟控制点约束的多源多重覆盖遥感影像平差方法
CN109238239B (zh) 基于航空摄影的数字测量三维建模方法
Yang et al. Large-scale block adjustment without use of ground control points based on the compensation of geometric calibration for ZY-3 images
CN109977344B (zh) 一种星载夜光遥感影像的区域网平差方法
CN113192193B (zh) 基于Cesium三维地球框架的高压输电线路走廊三维重建方法
CN109709551B (zh) 一种星载合成孔径雷达影像的区域网平面平差方法
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
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
CN103390102B (zh) 一种卫星图像立体交会角的计算方法
CN112529946B (zh) 高分立体模型优化方法、系统、电子设备及可读存储介质
Cao et al. Bundle adjustment of satellite images based on an equivalent geometric sensor model with digital elevation model
CN111003214A (zh) 基于云控制的国产陆地观测卫星姿轨精化方法
Xin et al. High-precision co-registration of orbiter imagery and digital elevation model constrained by both geometric and photometric information
CN109029379B (zh) 一种高精度小基高比立体测绘方法
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
CN109579796B (zh) 一种投影后影像的区域网平差方法
CN114964169B (zh) 像方物方协同改正的遥感影像平差方法
El-Ashmawy A comparison study between collinearity condition, coplanarity condition, and direct linear transformation (DLT) method for camera exterior orientation parameters determination
CN115795402B (zh) 一种基于变分法的多源降水数据融合方法和系统
El-Ashmawy Photogrammetric block adjustment without control points
Restrepo et al. Building Lunar Maps for Terrain Relative Navigation and Hazard Detection Applications
Pi et al. Large-scale planar block adjustment of GaoFen1 WFV images covering most of mainland China
CN115631317A (zh) 隧道衬砌正射影像生成方法及装置、存储介质、终端

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