CN115357675B - 一种像控点标准化处理建设像控点数据库方法和系统 - Google Patents
一种像控点标准化处理建设像控点数据库方法和系统 Download PDFInfo
- Publication number
- CN115357675B CN115357675B CN202210989818.5A CN202210989818A CN115357675B CN 115357675 B CN115357675 B CN 115357675B CN 202210989818 A CN202210989818 A CN 202210989818A CN 115357675 B CN115357675 B CN 115357675B
- Authority
- CN
- China
- Prior art keywords
- image
- image control
- control points
- control point
- point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 title claims abstract description 62
- 239000013598 vector Substances 0.000 claims abstract description 58
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 238000007726 management method Methods 0.000 claims description 28
- 238000004519 manufacturing process Methods 0.000 claims description 19
- 238000012892 rational function Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 9
- 230000008030 elimination Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000013500 data storage Methods 0.000 claims description 7
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000011835 investigation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 22
- 238000005259 measurement Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000000354 decomposition reaction Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 108091092878 Microsatellite Proteins 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 235000011470 Adenanthera pavonina Nutrition 0.000 description 1
- 241000428378 Lopa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提出一种像控点标准化处理建设像控点数据库方法和系统。其中,方法包括:对像控点进行分类,并对像控点属性信息进行标准化处理,把像控点属性信息中的XYZ三维坐标转换为点矢量文件;通过对所述矢量点文件中的XYZ三维属性进行插值,生成高程数字模型;将所述点矢量文件、高程数字模型以及影像作为输入文件,建立像控点数据库,同时采用尺度不变特征变化SIFT算法进行匹配,得到原始影像上的同名点;通过像控点数据集和DEM对卫星遥感影像进行区域网平差或单景正射校正。本发明建立了标准化统一的像控点数据库,可以填补我国基础地理控制数据库资源的空白,也有利于提升卫星影像产品精度和质量,更好地服务于我国自然资源调查监测评价等任务。
Description
技术领域
本发明属于遥感技术领域,尤其涉及一种像控点标准化处理建设像控点数据库方法和系统。
背景技术
当前,我国已经建成了要素相对完整、现势性较高的基础地理信息数据库 (DOM/DEM),但高精度的控制资料数据库参差不齐,尚未建立统一标准。高精度像控点是构建各类卫星遥感地理信息数据库的先决条件,是数据处理与成果应用的必要基础数据。
目前,亟待建设一套面向高精度精细测绘遥感应用的控制点库,以满足高分辨率多源卫星遥感数据高精度处理与产品生产的要求。在亚米级卫星遥感数据处理过程中,所需的1:10 000控制点数据精度、数量以及分布都需要达到很高水平。一般地,定位精度要求优于3—5倍目标精度,数量以及分布要求平均每标准景卫星影像2-3个控制点。一方面,各省、自治区、直辖市掌握的1:10 000DEM数据已初具规模,通过良好的共享利用可以作为重要的参考数据资源,为1:10 000测绘遥感应用服务。另一方面,新载荷和新技术的发展对控制点库的建设和数据的获取提出了更高的要求,最新的高分七号卫星,具有相较资源三号卫星更高分辨率的立体测图能力,且搭载的激光测高载荷可以提供更高精度的高程数据,可为精细化测绘和变化更新提供可靠保障。通过对已有控制资料以及新技术、新成果、新数据的资源整合,可有效提升控制点数据资源的整体效能发挥。
(一)高精度像控点是自然资源调查监测评价等任务的前提
现阶段,开展1:10000及更大比例尺卫星影像控制点库建设,一方面可以填补我国基础地理控制数据库资源的空白,另一方面也有利于提升卫星影像产品精度和质量,更好地服务于我国自然资源调查监测评价等任务。
(二)国产亚米卫星数量剧增是促进参考数据库建设的推手
近年来,国产亚米级卫星产业发展迅速,既有国产公益性亚米卫星,也有多家商业卫星公司发射亚米级卫星星座,亟需全国范围的高精度参考数据库以保证卫星遥感图像的几何辐射质量。
在国产公益性亚米级卫星方面,2014年8月发射的高分二号卫星,分辨率优于1米,标志着中国遥感卫星进入亚米级“高分时代”。2019年11月发射的高分七号卫星,卫星搭载了双线阵立体相机、激光测高仪等有效载荷,突破了亚米级立体测绘相机技术,能够获取高空间分辨率光学立体观测数据。2020年7月发射的高分多模卫星携带了大口径、长焦距的高分辨率相机,能够拍摄亚米级分辨率全色图像。
我国商业小卫星星座发展更加迅速,现在已经实现了的小卫星星座有“高景一号”、“北京二号”、“吉林一号”、“德清一号”、“珠海一号”和“珞珈一号”。其中,高景商业遥感卫星星座规划由“16+4+4+X”模式构成,包括16颗0.5m高分辨率敏捷平台光学遥感卫星,4颗甚高分光学遥感卫星,4颗SAR(合成孔径雷达)卫星和若干视频等模式卫星。北京系列商业遥感卫星现阶段为北京二号星座,由3颗0.8m分辨率的光学遥感卫星组成,在轨可多景、条带、异轨立体和区域等5种成像模式,幅宽约24公里。吉林一号首颗卫星于2015年10月发射升空,包括1颗光学遥感卫星、2颗视频卫星和1颗技术验证卫星,其后续陆续有多颗亚米级光学卫星发射升空,包括幅宽超过100公里的亚米卫星,其卫星分辨率以0.75m分辨率为主,后续规划2030年实现138颗卫星在轨运行。
亚米卫星数量的增加,随之而来的是卫星影像数据的增加和区域获取能力的提升,这就要求卫星影像处理精度和效率也要跟上。在效率上,可以通过计算节点和存储空间等硬件环境来解决,但是处理精度的保障,必须依赖高精度的控制基准,需要高精度且高密度覆盖的像控点资料,才能保障亚米卫星数据处理的精度。
(三)高精度像控点数据库是未来卫星遥感发展的核心资源
高精度像控点数据库决定了卫星遥感的几何定位精度,其重要性随着空间分辨率的提高而越发显著。在卫星影像快速处理、大区域测图、多载荷几何匹配和精度检查,乃至提高影像产品精度方面,高精度像控点数据库都是必不可少的工具库,可以说是未来卫星遥感发展的核心资源。基于高精度像控点控制基准,逐步开展系统建设,进而提升数据处理能力和效率,将传统的人工作业模式逐渐转变到自动化或半自动化的数据处理模式。能够为多源卫星影像数据特别是亚米卫星影像数据进行快速控制点采集、平差和正射纠正处理的控制依据。另外,高精度的控制资料可以提高立体区域网平差的精度,从而有效提高DSM产品精度和质量。
高精度的控制点库是支撑实景三维中国建设和其他1:1万比例尺及更大比例尺应用的必要基础条件。2021年《实景三维中国建设技术大纲(2021版)》明确提出了建设任务包括三部分:地形级、城市级和部件级实景三维建设。而地形级实景三维场景建设主要在高空视角展现山川河流等地形地貌以及城市、村镇的分布和形态,是省、市级大区域实景三维建设的主要模式。
高精度控制点库能够为卫星工程应用、在轨测试、多源卫星的准确定量化处理和评价,提供准确的数据支撑和保障平台。在支撑卫星工程方面,能够定量地检测和提升卫星标准影像产品的预处理精度。在卫星在轨测试阶段,卫星发射升空后,一般有半年到一年的在轨测试阶段,期间星上会进行多次参数调试,而通过影像的高精度量化评价,能够为在轨测试提供各项保障,并为最终提升整个卫星系列数据质量服务。控制点库还是卫星影像特别是亚米卫星影像定量精度评价的必要条件,基于更加准确的量化评价结果,能够提升影像产品精度和质量,为各应用单位和用户提供更好、更准确的服务,是推动亚米卫星影像数据和产品标准化、规范化建设和应用的基础条件。
传统像控点成果管理主要使用人工整理的方式,将野外实地测量获得的点位三维坐标和已有基础地理信息成果中提取点位三维坐标由作业人员手工整理。这种方式工作量大,作业速度慢,耗时长,在保证影像与属性信息的一致性方面容易出错,不利于后期使用。因此亟需一种海量多类型像控点标准化处理和建库方法。
发明内容
为解决上述技术问题,本发明提出一种像控点标准化处理建设像控点数据库方法的技术方案,以解决上述技术问题。
本发明第一方面公开了一种像控点标准化处理建设像控点数据库方法;所述方法包括:
步骤S1、对像控点进行分类,并对像控点属性信息进行标准化处理,把像控点属性信息中的XYZ三维坐标转换为点矢量文件;
步骤S2、通过对所述矢量点文件中的XYZ三维属性进行插值,生成高程数字模型数据;
步骤S3、将所述点矢量文件、高程数字模型数据以及影像作为输入文件,建立像控点数据库;
步骤S4、对建立的像控点数据库进行管理,包括数据入库管理和数据库生产流程应用化管理。
本发明第二方面公开了一种像控点标准化处理建设像控点数据库系统;所述系统包括:
第一处理模块,被配置为,对像控点进行分类,并对像控点属性信息进行标准化处理,把像控点属性信息中的XYZ三维坐标转换为点矢量文件;
第二处理模块,被配置为,通过对所述矢量点文件中的XYZ三维属性进行插值,生成高程数字模型;
第三处理模块,被配置为,将所述点矢量文件、高程数字模型以及影像作为输入文件,建立像控点数据库;
第四处理模块,被配置为,对建立的像控点数据库进行管理,包括数据入库管理和数据库生产流程应用化管理。
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时,实现本公开第一方面中任一项的一种像控点标准化处理建设像控点数据库方法中的步骤。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现本公开第一方面中任一项的一种像控点标准化处理建设像控点数据库方法中的步骤。
可见,本发明提出的方案,公开了一种像控点标准化处理建设像控点数据库方法,通过对可用像控点资料进行系统分析,确定坐标文件和优于1米分辨率的DOM数字正射影像图;依据以上资料自动对不同格式的点之记文件进行信息提取,形成标准化属性文件;在优于1米卫星遥感影像上按照规定尺寸进行采集像控点索引影像;赋高程信息;采用尺度不变特征变化SIFT算法进行匹配,得到原始影像上的同名点;通过像控点数据集和DEM对卫星遥感影像进行区域网平差或单景正射校正。综上,本发明提出的方案能够建立了标准化统一的像控点数据库,可以填补我国基础地理控制数据库资源的空白,也有利于提升卫星影像产品精度和质量,更好地服务于我国自然资源调查监测评价等任务。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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的附图。
图1为根据本发明实施例的像控点标准化处理建设像控点数据库方法的流程图;
图2为根据本发明实施例的像控点标准化处理建设像控点数据库方法的技术路线图;
图3为根据本发明实施例的坐标文本示意图;
图4为根据本发明实施例的输出文件路径、输出文件示意图;
图5为根据本发明实施例的字段选择示意图;
图6为根据本发明实施例的定义投影信息示意图;
图7为根据本发明实施例的点文件示意图;
图8为根据本发明实施例的VDEMINT工具示意图;
图9为根据本发明实施例的VDEMINT工具设置输入输出路径示意图;
图10为根据本发明实施例的VDEMINT工具参数设置示意图;
图11为根据本发明实施例的DEM示意图;
图12为根据本发明实施例的检查高程值示意图;
图13为根据本发明实施例的PNT2CHIP工具示意图;
图14为根据本发明实施例的PNT2CHIP工具参数设置示意图;
图15为根据本发明实施例的像控点数据库示意图;
图16为根据本发明实施例的像控点数据库查询示意图;
图17为根据本发明实施例的合并像控点数据库示意图;
图18为根据本发明实施例的像控点标准化处理建设像控点数据库系统的结构图;
图19为根据本发明实施例的一种电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
本发明第一方面公开了一种像控点标准化处理建设像控点数据库方法。图1为根据本发明实施例的一种像控点标准化处理建设像控点数据库方法的流程图,如图1所示,所述方法包括:
步骤S1、对像控点进行分类,并对像控点属性信息进行标准化处理,把像控点属性信息中的XYZ三维坐标转换为点矢量文件;
步骤S2、通过对所述矢量点文件中的XYZ三维属性进行插值,生成高程数字模型;
步骤S3、将所述点矢量文件、高程数字模型以及影像作为输入文件,建立像控点数据库。
在一些实施例中,在所述步骤S1中,所述对像控点进行分类,具体分为:外业像控点和图解像控点;
在实际应用中像控点一般分为外业像控点和图解像控点两类。像控点的主要内容包括点位的坐标位置等空间信息和其他属性描述信息。从文件组成上看一般包含四项:像控点成果表、像控点点之记、像控点信息影像和像控点信息文件。像控点成果表一般记录某一批、区域或项目采集的像控点的坐标信息,一般记录球体坐标系下的经度、纬度、大地高以及投影坐标、水准高程等信息;像控点点之记一般是指外业像控点的点位描述信息,其主要内容一般包括点位名称或编号、点位概略坐标、观测时间,观测单位、点位概略图、点位详图、实地观测照片、点位描述、观测人员、刺点人员、检查人员等信息,不同单位或项目制作的点之记存在一定的差异;像控点信息影像一般指图解像控点的刺点影像,一般以常用图像格式存储,在像控点量测过程中可等同于点之记使用;像控点信息文件一般指图解像控点的空间及属性信息记录文件,主要包括点名、空间坐标、位置描述信息等。
首先以省级行政区或区域为基本单位进行空间划分,将全国数据划分为若干个区域单位;其次,在区域单位内按照像控点不同的存储及组成方式将数据进行第二次归类,例如将数据分为以文本格式、word、pdf、xls、shapefile等不同的载体进行分类处理;因同样的格式也可能存在数据条目、编码格式不相同等因素,视实际情况进行同类型、同条目、同记录模式为条件的第三次分类。完成以上内容基本可以确定每一区域的数据整理工作量,按照尽量减少人工工作量和避免人工误差的原则,将不同区域同类型且格式一致的点位进行合并,对海量像控点数据进行文件统计,明确各区域各类型点位的文件组成。
所述对像控点属性信息进行标准化处理:具体包括:统一像控点的格式、类型和命名规则;
每一像控点应有唯一的名称标识,本发明设计命名规则包括像控点类型、区域、时间、编号等标识符信息,并以字母和数字方式组合。像控点类型主要包括外业像控点和图解像控点两大类,然后根据具体的点位类型进一步细化,将图解像控点进一步区分为加密点、DOM图解点、DOM/DEM图解点等,以不同的字母标识;区域主要是指点位汇交单位所在的行政区划,参照国标GB/T 2260-2007行政区划代码进行标识;时间指像控点汇交年份信息,以四位数字标识;编号以该点位在某行政区里的序列号标识。例如,点位名称“G_42_2022_01_000001”中,“G”标识该点位的类型为外业像控点,其他如 T1标识加密图解点,T2表示DOM图解点,T3表示DOM/DEM图解点,“42”表示该点汇交单位的行政区划代码,“42”指湖北,其他行政区划参照国标要求,“2022”表示该点位汇交的年份,“01_000001”表示第一批次的000001号点位。
像控点属性信息标准化,具体操作如下:
所述像控点属性信息还包括基本信息和空间信息;明确像控点的组成并按规范进行命名后,按照像控点基本信息、空间信息、外业像控点、图解像控点、其他信息等五类进行属性项信息的制作。属性项列表及描述见下表。
表1像控点基本信息
表2空间信息
表3外业像控点
表4图解像控点
表5其他信息
在一些实施例中,在所述步骤S2中,通过对所述矢量点文件中的XYZ三维属性进行插值,生成高程数字模型的具体方法包括:
将所述矢量点文件作为导入高程信息的输入文件,生成高程数字模型,并确定高程数字模型数据的输出路径及文件名。通过对点的高程值和矢量点文件中的XYZ三维属性进行插值,生成高程数字模型(DEM)。
具体地,在所述步骤S2中,把像控点属性表中XYZ三维坐标转换为点矢量文件。设置输出文件路径、输出文件名称,选择需要的属性字段(包括点号、X、Y、Z坐标)。
在生成高程数字模型前,先进行参数设置,所述参数设置包括:
(1)Pixel x-size:横坐标采样间隔,单位为米;
(2)Pixel y-size:纵坐标采样间隔,单位为米;
(3)List of vector types:指定输入矢量文件的类型,支持的矢量类型用0-7数字表示;
0:包含XYZ三维坐标;
1:包含等高线矢量;
2:用三维折线表示变化高程;
3:用二维向量表示山谷和河流;
4:用二维向量表示山脊线;
5:用二维向量表示悬崖;
6:用二维多边形指定要差值的区域范围;
7:用三维多边形表示不连续的结构。
这里的参数设置要和实际输入的文件结构相符,因为文件是XYZ三维坐标类型,所以此处类型填0。
(4)Field Name:指定高程字段名称;
(5)Maximum iterations:指定最大迭代数;
完成参数设置后,将所述设置的参数自动导入高程信息中,生成高程数字模型(DEM)。
完成设置后,自动导入高程信息,生成高程数字模型(DEM),如图10所示。检查像控点Z字段属性与DEM高程值的一致性,确认导入正确。
在一些实施例中,在所述步骤S3中,所述像控点数据库还包括像控点的索引影像,制作所述索引影像的方法具体包括:
所述索引影像是以卫星正射遥感的影像为底图进行裁切,以像控点的点位所在的像素为中心,向上下左右四个方向各外扩第一预设值(例如512)个像素后得到高宽均为第二预设值(例如1024)个像素的影像,超出的原始影像边界以背景色填充。
在一些实施例中,在裁切所述影像前,对所述影像的参数进行统一设置,所述参数包括所述影像的序号、数据库位置名称、索引影像的尺寸和影像无效值。
步骤S4、对建立的像控点数据库进行管理,包括数据入库管理和数据库生产流程应用化管理。
所述入库管理包括:像控点查询、像控点添加、像控点属性编辑、像控点删除、创建新的数据库及合并数据库;具体方法如下:
(1)像控点查询:通过设置查询条件,对目标像控点进行查询,所述查询条件包括:像控点索引影像的ID、传感器名称、入库日期和地理位置;
(2)像控点添加:创建一个几何点,确定添加像控点的具体位置,然后再手动输入XYZ三维坐标,完成手动添加像控点;
(3)像控点属性编辑:在像控点数据库界面中选择需要编辑的像控点,在属性栏里编辑属性项,对像控点的属性进行编辑;
(4)像控点删除:选中要删除的像控点,点击删除即可删除像控点,所述像控点数据库中的记录会同时删除;
(5)创建新的数据库:将所需要的像控点数据保存在一个新的数据库中;
(6)合并数据库:将两个以上的像控点数据库合并为一个新的像控点数据库。
其中,所述数据库生产流程应用化管理包括:同名控制点匹配、区域网平差和正射校正;
其中,像控点定义为位于影像特定位置和特定目标上,具有成图坐标系中坐标信息的控制点,即控制点是像控点上具体特征点;
所述同名控制点匹配:基于尺度不变特征变化算法进行控制点匹配,所述控制点为所述像控点中的控制点;
所述同名控制点匹配的具体方法包括:
步骤S411:构建原始影像的金字塔影像序列,最高层金字塔影像采用SIFT匹配,得到匹配影像;
步骤S412:采用基于RANSAC算法对所述匹配影像进行误匹配剔除,并获得影像的初始相对关系和相邻影像的重叠区域,将所述重叠区域的金字塔影像均匀划分为固定大小的网格,在每个网格内采用算子提取影像中明显的控制点,得到影像控制点;
步骤S413:通过对影像控制点进行几何约束和仿射变换,并预测得到同名的影像控制点概略位置;在所述同名的影像控制点概略位置上,采用二维影像匹配寻找相邻两张影像上的同名影像控制点;
步骤S414:经过逐层金字塔影像匹配,在原始影像上通过最小二乘匹配法来匹配结果;
所述区域网平差:利用控制点、影像之间的连接点和生成高程数字模型进行联合区域网平差处理;
所述区域网平差的具体方法包括:在像控点和高程数字模型的基础上,加入影像间连接点,通过粗差剔除和区域网平差进行有理函数模型优化,为单个影像中的高程数字模型执行平差校正,生成正射影像;
所述正射校正:应用有理函数模型进行控制点正射校正。
所述正射校正的具体方法包括:通过整体平差计算,优化有理函数模型参数,结合高程数字模型,对影像进行校正,并将校正后的影像映射到指定的地图投影坐标下,从而得到影像的正射纠正结果。
传统像控点成果管理主要使用人工整理的方式,将野外实地测量获得的点位三维坐标和已有基础地理信息成果中提取点位三维坐标由作业人员手工整理。这种方式工作量大,作业速度慢,耗时长,在保证影像图与属性信息的一致性方面容易出错,不利于后期使用。因此亟需一种海量多类型像控点标准化处理和建库方法。
本发明公开了一种像控点标准化处理建设像控点数据库方法,包括:对可用像控点资料进行系统分析,确定坐标文件和优于1米分辨率的DOM数字正射影像图;依据以上资料自动对不同格式的点之记文件进行信息提取,形成标准化属性文件;在优于1米卫星遥感影像上按照规定尺寸进行采集像控点索引影像;赋高程信息;采用尺度不变特征变化SIFT算法进行匹配,得到原始影像上的同名点;通过像控点数据集和DEM对卫星遥感影像进行区域网平差或单景正射校正。
实施例2:
在一些具体的实施例中,可以使用Geomatica软件中Focus和Chip Manager平台实现海量多类型像控点标准化处理和建库,具体公开一种像控点标准化处理建设像控点数据库方法:
首先,对像控点资料进行系统分析,获得后期使用的像控点成果试所需像控点名、项目名称、坐标信息等信息,制作标准化的控制点三维坐标SHP文件;其次,制作像控点对应的DEM数据;再次,以像控点点位为中心采集像控点索引影像;最后建立像控点数据库,基于尺度不变特征变化SIFT算法进行控制点匹配,进而完成对卫星遥感影像进行区域网平差或单景正射校正,如图2所示。
步骤S1、对像控点进行分类,并对像控点属性信息进行标准化处理,把像控点属性信息中的XYZ三维坐标转换为点矢量文件;
元数据整理是像控点入库前的必要操作,由于像控点采集或制作的时间和条件等因素不同,导致像控点格式、类型和命名规则等均有很大差异,也直接影响了像控点在卫星影像处理和精度评价过程中的应用领域和程度。为满足生产流程需要,对像控点属性信息进行标准化处理,目的是保证数据的结构统一,从而确保入库数据的准确性和适用性,便于后续使用。具体入库数据源内容如表1所示。
像控点根据采集方式不同又分为外业像控点和图解像控点。
(1)外业像控点通过野外实测获得,包括采用导线、RTK等外业实测得到的高精度控制点和高程控制点。
(2)图解像控点从已有基础影像控制网或已有基础地理信息数字成果(DOM、DSM或DEM)中提取。
步骤S2、通过对所述矢量点文件中的XYZ三维属性进行插值,生成高程数字模型数据;
导入三维坐标
利用Geomatica软件把像控点属性表中XYZ三维坐标转换为点矢量文件。设置输出文件路径、输出文件名称,选择需要的属性字段(包括点号、X、Y、Z坐标),如图3-图6所示。
选择“Projection”选项,进入投影定义工具,根据需要设置投影信息。如下图所示,设置为3度分带,中央经线111°。确认投影信息后返回上级界面,完成点矢量文件转换,如图7所示。
高程信息导入
利用AlgorithmLibrarian中的VDEMINT工具,如图8,双击打开。VDEMINT通过对点的高程值和矢量点文件中的XYZ三维属性进行插值,生成高程数字模型(DEM)。
设置输入输出文件
根据上述步骤中生成的点矢量文件作为导入高程信息的输入文件,在“OutputPorts”下选择DEM输出路径及文件名,如图9所示。
设置生成DEM参数,需要设置的参数包括:
(1)Pixel x-size为横坐标采样间隔,单位为米。此处设置为10米。
(2)Pixel y-size为纵坐标采样间隔,单位为米。此处设置为10米。
(3)List of vector types为指定输入矢量文件的类型,支持的矢量类型用0-7数字表示。
0:包含XYZ三维坐标;
1:包含等高线矢量;
2:用三维折线表示变化高程;
3:用二维向量表示山谷和河流;
4:用二维向量表示山脊线;
5:用二维向量表示悬崖;
6:用二维多边形指定要差值的区域范围;
7:用三维多边形表示不连续的结构。
这里的参数设置要和实际输入的文件结构相符,因为我们的文件是XYZ三维坐标类型,所以此处类型填0,如图10所示。
(4)Field Name为指定高程字段名称,所设置的字段名要和实际相对应。默认值为“ATTRIBUTE”,修改为Z坐标字段名“Field_4”。
(5)Maximum iterations为指定最大迭代数,最多不超过10次。较高的数值会产生更平滑的表面,但计算时间随之增加。默认为4,此处不需要修改。
完成设置后,自动导入高程信息,生成高程数字模型(DEM),如图11所示。检查像控点Z字段属性与DEM高程值的一致性,确认导入正确,检查方法如图12所示。
步骤S3、将所述点矢量文件、高程数字模型数据以及影像作为输入文件,建立像控点数据库;
所述像控点数据库还包括像控点的索引影像,制作所述索引影像的方法具体包括:
所述索引影像是以卫星正射遥感的影像为底图进行裁切,以像控点的点位所在的像素为中心,向上下左右四个方向各外扩第一预设值个像素后得到高宽均为第二预设值个像素的影像,超出原始影像边界以背景色填充。
像控点索引影像采集
像控点索引影像图以优于1米卫星正射遥感影像为底图进行裁切,以像控点点位所在的像素为中心,向上下左右四个方向各外扩511个像素后得到高宽均为1023个像素的影像,超出原始影像边界以背景色(灰度值为0)填充。文件采用非压缩TIFF格式存储。
本发明使用Algorithm Librarian中的PNT2CHIP工具,制作像控点影像数据库,采集像控点索引文件,如图13。
设置建库输入文件
设置三个必要输入文件,分别是作为底图使用的正射遥感影像、有XYZ属性字段的点矢量文件以及生成的DEM数据。
设置索引影像采集参数
在裁切前,对裁切控制点片的序号、数据库位置名称、索引影像尺寸、无效值等参数进行统一设置。
(1)Background value in geocoded layer表示底图影像的无效值,如果不指定该参数,则将所有像素认为有效值。本发明使用的底图没有无效值,此处不填。
(2)Chip ID Field表示在输入的点矢量文件中指定一个字段,该字段为生成像控点索引影像的唯一标识。如果没有指定,则默认使用“ShapeID”。根据本发明实际情况,设置为“Field_1”。
(3)Chip database可指定数据库路径及名称。
(4)Chip size可指定索引影像的大小,以像素和行为单位,默认为64*64。当该参数只设置一个值时,索引文件为正方形。本发明需要高宽均为1023个像素的索引影像,所以设置为1023。
(5)Background value in elevation layer可指定DEM中的背景高程值。根据实际需要设定,此处设置DEM无效值为-150,如图14。
步骤S4、对建立的像控点数据库进行管理,包括数据入库管理和数据库生产流程应用化管理。
搭建的像控点数据库包含三种数据:像控点索引图、DEM数据以及属性数据。具备数据入库管理和生产流程应用化管理两个部分。入库后的像控点数据如图15所示。
数据库入库管理:
具体的数据管理有以下几种方式:
(1)像控点查询。像控点数据库管理着海量像控点数据,通过定义查询参数,可快速准确定位目标像控点。查询条件主要有索引影像ID、传感器名称、入库日期、地理位置等,如图16所示。
(2)像控点添加。手动添加像控点,实现流程为首先创建一个几何点,确定添加像控点的具体位置,然后再手动输入XYZ三维坐标,即可完成添加像控点。
(3)像控点属性编辑。像控点入库后,如上文所示,在数据库界面中选择需要编辑的像控点,即可在下方的属性栏里编辑属性项,对属性进行编辑。
(4)像控点删除。选中要删除的像控点,点击删除即可删除像控点,数据库中的记录会同时删除。
(5)从现有数据库创建新的数据库。将所需要的像控点保存在一个新的数据库中。
(6)合并数据库。将两个以上的数据库合并为一个新的数据库。在合并数据库窗口右侧单击添加选项,选择要合并的数据库,可调整合并顺序,然后在输出窗口设置新数据库的路径和名称,即可完成合并,如图17所示。
生产流程应用化管理:
由于像控点贯穿生产的应用始终,因此像控点数据库的建立要充分考虑生产流程化应用需要。本发明基于尺度不变特征变化SIFT算法进行控制点匹配,进而完成对卫星遥感影像进行区域网平差或单景正射校正。
(1)同名点匹配。基于尺度不变特征变化SIFT算法进行控制点匹配,在具体实施SIFT算法的基础上,添加物方约束,具体步骤如下:
首先构建原始卫星影像的金字塔影像序列,最高层金字塔影像采用SIFT匹配,用SIFT特征的优势解决遥感影像存在的尺度和旋转变形问题;
其次采用基于RANSAC算法进行误匹配剔除,并获得精度较低的初始相对关系和相邻影像的重叠区域,将重叠区域的金字塔影像均匀划分为固定大小的网格,在每个网格内采用算子提取影像中明显的控制点;
然后通过几何约束和仿射变换,在预测得到的同名像点概略位置上,采用二维影像匹配寻找相邻两张影像上的同名像点;
最后经过逐层金字塔影像匹配,在原始影像上通过最小二乘匹配法来精细化匹配结果。
(2)区域网平差。利用控制点、影像间连接点和高程数据进行联合区域网平差处理。采用控制点和高程数据的基础上,加入影像间连接点,通过粗差剔除和区域网平差进行有理函数模型优化,为单个影像中的数学模型执行平差校正,生成正射影像。通过区域网平差不仅可以提高单景影像校正的精度,而且还可以提高影像之间的接边精度,尤其是对于缺乏高精度控制参考以及控制点匹配困难地区,通过区域网平差可以有效改善影像间的接边精度。
(3)正射校正。选择精度相对较高的有理函数模型进行正射校正。有理函数模型具有较好的稳定性,在少量控制点的作用下定位精度可满足要求。通过整体平差计算,优化有理函数模型参数,结合高程数据,来消除系统几何误差和地势起伏造成的投影差,提高影像的空间定位精度,并将校正后的图像映射到指定的地图投影坐标下,从而得到正射纠正结果。
本发明第二方面公开了一种像控点标准化处理建设像控点数据库系统。图18为根据本发明实施例的一种像控点标准化处理建设像控点数据库系统的结构图;如图18所示,所述系统100包括:
第一处理模块101,被配置为,对像控点进行分类,并对像控点属性信息进行标准化处理,把像控点属性信息中的XYZ三维坐标转换为点矢量文件;
第二处理模块102,被配置为,通过对所述矢量点文件中的XYZ三维属性进行插值,生成高程数字模型;
第三处理模块103,被配置为,将所述点矢量文件、高程数字模型以及影像作为输入文件,建立像控点数据库;
第四处理模块104,被配置为,对建立的像控点数据库进行管理,包括数据入库管理和数据库生产流程应用化管理。根据本发明第二方面的系统,所述第一处理模块具体被配置为,。
根据本发明第二方面的系统,所述第一处理模块101,具体被配置为,所述对像控点进行分类,具体分为:外业像控点和图解像控点;
所述对像控点属性信息进行标准化处理:具体包括:统一像控点的格式、类型和命名规则;
所述像控点属性信息还包括基本信息和空间信息。
根据本发明第二方面的系统,所述第二处理模块102,具体被配置为,通过对所述矢量点文件中的XYZ三维属性进行插值,生成高程数字模型的具体包括:
将所述矢量点文件作为导入高程信息的输入文件,生成高程数字模型,并确定高程数字模型数据的输出路径及文件名。
根据本发明第二方面的系统,所述第二处理模块103,具体被配置为,在生成高程数字模型数据前,先进行参数设置,所述参数设置包括:
(1)Pixel x-size:横坐标采样间隔,单位为米;
(2)Pixel y-size:纵坐标采样间隔,单位为米;
(3)List of vector types:指定输入矢量文件的类型,支持的矢量类型用0-7数字表示;
(4)Field Name:指定高程字段名称;
(5)Maximum iterations:指定最大迭代数;
完成参数设置后,将所述设置的参数自动导入高程信息中,生成高程数字模型。
根据本发明第二方面的系统,所述第三处理模块103,具体被配置为,所述像控点数据库还包括像控点的索引影像,制作所述索引影像具体包括:
所述索引影像是以卫星正射遥感的影像为底图进行裁切,以像控点的点位所在的像素为中心,向上下左右四个方向各外扩第一预设值个像素后得到高宽均为第二预设值个像素的影像,超出原始影像边界以背景色填充。
根据本发明第二方面的系统,所述第四处理模块104,具体被配置为,所述入库管理包括:像控点查询、像控点添加、像控点属性编辑、像控点删除、创建新的数据库及合并数据库;
所述数据库生产流程应用化管理包括:同名控制点匹配、区域网平差和正射校正;
所述同名控制点匹配:基于尺度不变特征变化算法进行控制点匹配,所述控制点为所述像控点中的控制点;
所述区域网平差:利用控制点、影像之间的连接点和生成高程数字模型进行联合区域网平差处理;
所述正射校正:应用有理函数模型进行控制点正射校正。
根据本发明第二方面的系统,所述第四处理模块104,具体被配置为,所述同名控制点匹配的具体包括:
构建原始影像的金字塔影像序列,最高层金字塔影像采用SIFT匹配,得到匹配影像;
采用基于RANSAC算法对所述匹配影像进行误匹配剔除,并获得影像的初始相对关系和相邻影像的重叠区域,将所述重叠区域的金字塔影像均匀划分为固定大小的网格,在每个网格内采用算子提取影像中明显的控制点,得到影像控制点;
通过对影像控制点进行几何约束和仿射变换,并预测得到同名的影像控制点概略位置;在所述同名的影像控制点概略位置上,采用二维影像匹配寻找相邻两张影像上的同名影像控制点;
经过逐层金字塔影像匹配,在原始影像上通过最小二乘匹配法来匹配结果;
所述区域网平差的具体包括:在像控点和高程数字模型的基础上,加入影像间连接点,通过粗差剔除和区域网平差进行有理函数模型优化,为单个影像中的高程数字模型执行平差校正,生成正射影像;
所述正射校正的具体包括:通过整体平差计算,优化有理函数模型参数,结合高程数字模型,对影像进行校对,并将校正后的影响是映射到指定的地图投影坐标下,从而得到影像的正射纠正结果。
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时,实现本发明公开第一方面中任一项的一种像控点标准化处理建设像控点数据库方法中的步骤。
图19为根据本发明实施例的一种电子设备的结构图,如图19所示,电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、近场通信(NFC) 或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图19中示出的结构,仅仅是与本公开的技术方案相关的部分的结构图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现本发明公开第一方面中任一项的一种像控点标准化处理建设像控点数据库方法中的步骤中的步骤。
请注意,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种像控点标准化处理建设像控点数据库方法,其特征在于,所述方法包括:
步骤S1、对像控点进行分类,并对像控点属性信息进行标准化处理,把像控点属性信息中的XYZ三维坐标转换为点矢量文件;
步骤S2、通过对所述点矢量文件中的XYZ三维属性进行插值,生成高程数字模型数据;
步骤S3、将所述点矢量文件、高程数字模型数据以及影像作为输入文件,建立像控点数据库;
步骤S4、对建立的像控点数据库进行管理,包括数据入库管理和数据库生产流程应用化管理;
在步骤S4中,所述入库管理包括:像控点查询、像控点添加、像控点属性编辑、像控点删除、创建新的数据库及合并数据库;
所述数据库生产流程应用化管理包括:同名控制点匹配、区域网平差和正射校正;
所述同名控制点匹配中基于尺度不变特征变化算法进行控制点匹配,所述控制点为所述像控点中的控制点;
所述区域网平差中利用控制点、影像之间的连接点和生成高程数字模型进行联合区域网平差处理;
所述正射校正中应用有理函数模型进行控制点正射校正;
在步骤S4中,所述同名控制点匹配的方法包括:
步骤S411:构建原始影像的金字塔影像序列,最高层金字塔影像采用 SIFT 匹配,得到匹配影像;
步骤S412:采用基于RANSAC 算法对所述匹配影像进行误匹配剔除,并获得影像的初始相对关系和相邻影像的重叠区域,将所述重叠区域的金字塔影像均匀划分为固定大小的网格,在每个网格内采用 Förstner 算子提取影像中明显的控制点,得到影像控制点;
步骤S413:通过对影像控制点进行几何约束和仿射变换,并预测得到同名的影像控制点概略位置;在所述同名的影像控制点概略位置上,采用二维影像匹配寻找相邻两张影像上的同名影像控制点;
步骤S414:经过逐层金字塔影像匹配,在原始影像上通过最小二乘匹配法来匹配结果;
所述区域网平差的方法包括:在像控点和高程数字模型的基础上,加入影像间连接点,通过粗差剔除和区域网平差进行有理函数模型优化,为单个影像中的高程数字模型执行平差校正,生成正射影像;
所述正射校正的方法包括:通过整体平差计算,优化有理函数模型参数,结合高程数字模型,对影像进行校正,并将校正后的影像映射到指定的地图投影坐标下,从而得到影像的正射纠正结果。
2.根据权利要求1所述的一种像控点标准化处理建设像控点数据库方法,其特征在于,在所述步骤S1中, 所述对像控点进行分类,具体分为:外业像控点和图解像控点;
所述对像控点属性信息进行标准化处理:具体包括:统一像控点的格式、类型和命名规则;
所述像控点属性信息还包括基本信息和空间信息。
3.根据权利要求2所述的一种像控点标准化处理建设像控点数据库方法,其特征在于,在所述步骤S2中,通过对所述点矢量文件中的XYZ三维属性进行插值,生成高程数字模型的具体方法包括:
将所述点矢量文件作为导入高程信息的输入文件,生成高程数字模型,并确定高程数字模型数据的输出路径及文件名。
4.根据权利要求3所述的一种像控点标准化处理建设像控点数据库方法,其特征在于,在所述步骤S2中,在生成高程数字模型数据前,先进行参数设置,所述参数设置包括:
(1)Pixel x-size:横坐标采样间隔,单位为米;
(2)Pixel y-size:纵坐标采样间隔,单位为米;
(3)List of vector types:指定输入矢量文件的类型,支持的矢量类型用0-7数字表示;
(4)Field Name:指定高程字段名称;
(5)Maximum iterations:指定最大迭代数;
完成参数设置后,将设置的参数自动导入高程信息中,生成高程数字模型。
5.根据权利要求4所述的一种像控点标准化处理建设像控点数据库方法,其特征在于,在所述步骤S3中,所述像控点数据库还包括像控点的索引影像,制作所述索引影像的方法包括:
所述索引影像是以卫星正射遥感的影像为底图进行裁切,以像控点的点位所在的像素为中心,向上下左右四个方向各外扩第一预设值个像素后得到高宽均为第二预设值个像素的影像,超出的原始影像边界以背景色填充。
6.一种用于像控点标准化处理建设像控点数据库系统,其特征在于,所述系统包括:
第一处理模块,被配置为,对像控点进行分类,并对像控点属性信息进行标准化处理,把像控点属性信息中的XYZ三维坐标转换为点矢量文件;
第二处理模块,被配置为,通过对所述点矢量文件中的XYZ三维属性进行插值,生成高程数字模型;
第三处理模块,被配置为,将所述点矢量文件、高程数字模型以及影像作为输入文件,建立像控点数据库;
第四处理模块,被配置为,对建立的像控点数据库进行管理,包括数据入库管理和数据库生产流程应用化管理;
所述入库管理包括:像控点查询、像控点添加、像控点属性编辑、像控点删除、创建新的数据库及合并数据库;
所述数据库生产流程应用化管理包括:同名控制点匹配、区域网平差和正射校正;
所述同名控制点匹配中基于尺度不变特征变化算法进行控制点匹配,所述控制点为所述像控点中的控制点;
所述区域网平差中利用控制点、影像之间的连接点和生成高程数字模型进行联合区域网平差处理;
所述正射校正中应用有理函数模型进行控制点正射校正;
所述同名控制点匹配包括:
构建原始影像的金字塔影像序列,最高层金字塔影像采用 SIFT 匹配,得到匹配影像;
采用基于RANSAC 算法对所述匹配影像进行误匹配剔除,并获得影像的初始相对关系和相邻影像的重叠区域,将所述重叠区域的金字塔影像均匀划分为固定大小的网格,在每个网格内采用 Förstner 算子提取影像中明显的控制点,得到影像控制点;
通过对影像控制点进行几何约束和仿射变换,并预测得到同名的影像控制点概略位置;在所述同名的影像控制点概略位置上,采用二维影像匹配寻找相邻两张影像上的同名影像控制点;
经过逐层金字塔影像匹配,在原始影像上通过最小二乘匹配法来匹配结果;
所述区域网平差包括:在像控点和高程数字模型的基础上,加入影像间连接点,通过粗差剔除和区域网平差进行有理函数模型优化,为单个影像中的高程数字模型执行平差校正,生成正射影像;
所述正射校正包括:通过整体平差计算,优化有理函数模型参数,结合高程数字模型,对影像进行校正,并将校正后的影像映射到指定的地图投影坐标下,从而得到影像的正射纠正结果。
7.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现权利要求1至5中任一项所述的一种像控点标准化处理建设像控点数据库方法中的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1至5中任一项所述的一种像控点标准化处理建设像控点数据库方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210989818.5A CN115357675B (zh) | 2022-08-18 | 2022-08-18 | 一种像控点标准化处理建设像控点数据库方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210989818.5A CN115357675B (zh) | 2022-08-18 | 2022-08-18 | 一种像控点标准化处理建设像控点数据库方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115357675A CN115357675A (zh) | 2022-11-18 |
CN115357675B true CN115357675B (zh) | 2023-04-14 |
Family
ID=84002838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210989818.5A Active CN115357675B (zh) | 2022-08-18 | 2022-08-18 | 一种像控点标准化处理建设像控点数据库方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115357675B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117649611B (zh) * | 2024-01-30 | 2024-04-30 | 西安宇速防务集团有限公司 | 一种基于两次定向的dem数据生产处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324106A (zh) * | 2011-06-02 | 2012-01-18 | 武汉大学 | 一种顾及地表光谱信息的sfs三维重建加密稀疏dem方法 |
CN106776979A (zh) * | 2016-12-06 | 2017-05-31 | 中科宇图科技股份有限公司 | 基于遥感的矢量电子地图质量提升自动化方法 |
CN113343346A (zh) * | 2021-08-09 | 2021-09-03 | 速度时空信息科技股份有限公司 | 一种基于高精地图的三维交通场景快速建模方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7389181B2 (en) * | 2004-08-31 | 2008-06-17 | Visre, Inc. | Apparatus and method for producing video drive-by data corresponding to a geographic location |
US7366736B1 (en) * | 2003-05-19 | 2008-04-29 | Diamond Visionics L.L.C. | Method and system for generating real-time simulator database |
CN102663057A (zh) * | 2012-03-02 | 2012-09-12 | 苏州武大影像信息工程研究院有限责任公司 | 多源异构航空遥感数据管理方法 |
CN107194827A (zh) * | 2017-05-22 | 2017-09-22 | 上海华测导航技术股份有限公司 | 一种电力网络管理方法 |
CN111712735A (zh) * | 2019-07-18 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 基站、像控点定位方法、电子设备和计算机可读介质 |
CN111611540B (zh) * | 2020-04-08 | 2024-03-15 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于千寻位置的像控点高程精密云计算的转换方法 |
US20210349922A1 (en) * | 2020-05-05 | 2021-11-11 | Jane Huang Hsu | METHOD OF RECOGNIZING AN OBJECT IN AN IMAGE USING iMaG AUTOMATED GEOREGSTRATION SYSTEM GENERATED MULTI-ORBIT SATELLITE IMAGERY WITH A CADSTRAL DATA BASED IMAGERY BASE |
CN111724477A (zh) * | 2020-07-06 | 2020-09-29 | 中铁二局第一工程有限公司 | 一种多源数据融合构建多层次三维地形模型方法 |
-
2022
- 2022-08-18 CN CN202210989818.5A patent/CN115357675B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102324106A (zh) * | 2011-06-02 | 2012-01-18 | 武汉大学 | 一种顾及地表光谱信息的sfs三维重建加密稀疏dem方法 |
CN106776979A (zh) * | 2016-12-06 | 2017-05-31 | 中科宇图科技股份有限公司 | 基于遥感的矢量电子地图质量提升自动化方法 |
CN113343346A (zh) * | 2021-08-09 | 2021-09-03 | 速度时空信息科技股份有限公司 | 一种基于高精地图的三维交通场景快速建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115357675A (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Vectorized rooftop area data for 90 cities in China | |
Gesch et al. | The national elevation dataset | |
Podobnikar | Methods for visual quality assessment of a digital terrain model | |
KR102199940B1 (ko) | 3d 엔진을 통한 모바일 3d 디지털 트윈의 3d 지도 구축 방법 | |
CN109086286B (zh) | 一种彩色地形图生产与发布方法 | |
Taylor et al. | Monitoring landscape change in the National Parks of England and Wales using aerial photo interpretation and GIS | |
CN112113544B (zh) | 一种基于无人机影像的遥感数据处理方法及系统 | |
Khayyal et al. | Creation and spatial analysis of 3D city modeling based on GIS data | |
CN115357675B (zh) | 一种像控点标准化处理建设像控点数据库方法和系统 | |
CN115393240A (zh) | Gis和bim融合的方法、装置、电子设备及可读存储介质 | |
CN117557681B (zh) | 一种基于多源测绘数据的高精度地形图生成方法及装置 | |
CN110688756B (zh) | 一种采集和制图一体化的竣工图制作方法 | |
CN108711356A (zh) | 矢量地理pdf地图制作中地理目标与符号图形配准方法 | |
Kloc et al. | Comparison of free and commercial software in the processing of data obtained from non-metric cameras | |
Carneiro et al. | Digital urban morphometrics: automatic extraction and assessment of morphological properties of buildings | |
CN115239281A (zh) | 一种基于bim+gis的公路征迁管理系统、方法及存储介质 | |
CN113239076A (zh) | 一种基于三维影像的地理信息查询管理平台 | |
Chen et al. | Application of data fusion in the production and updating of spatial data | |
CN113989678B (zh) | 生态系统分类样本库构建方法和装置 | |
Kumar et al. | Data input in GIS | |
Nicolau et al. | Harmonization of categorical maps by alignment processes and thematic consistency analysis | |
CN118154420A (zh) | 基于多特征的静止气象卫星全球拼图生成方法及系统 | |
Skwirosz et al. | The Inventory and Recording of Historic Buildings Using Laser Scanning and Spatial Systems | |
Luo et al. | Dynamic Update Exploration and Discussion of Basic Geographic Information Data Based on Multi-Source Data Fusion | |
Rebelo | 3D Point Clouds in Urban Planning: Developing and Releasing high-end Methodologies based on LiDAR and UAV data for the Extraction of Building Parameters |
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 |