CN116664430B - 一种无地面控制条件下大范围卫星影像几何精度提升方法 - Google Patents
一种无地面控制条件下大范围卫星影像几何精度提升方法 Download PDFInfo
- Publication number
- CN116664430B CN116664430B CN202310619985.5A CN202310619985A CN116664430B CN 116664430 B CN116664430 B CN 116664430B CN 202310619985 A CN202310619985 A CN 202310619985A CN 116664430 B CN116664430 B CN 116664430B
- Authority
- CN
- China
- Prior art keywords
- image
- satellite
- point
- geometric
- virtual
- 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 65
- 238000012937 correction Methods 0.000 claims abstract description 66
- 238000003384 imaging method Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000011161 development Methods 0.000 claims abstract description 5
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims description 63
- 239000011159 matrix material Substances 0.000 claims description 44
- 239000000523 sample Substances 0.000 claims description 35
- 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 29
- 230000009466 transformation Effects 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 19
- 238000003491 array Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 5
- 238000012892 rational function Methods 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 241000132092 Aster Species 0.000 description 1
- 101100391172 Dictyostelium discoideum forA gene Proteins 0.000 description 1
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种无地面控制条件下大范围卫星影像几何精度提升方法，包括S1、针对卫星原始影像开展高频次在轨几何检校，有效消除卫星原始影像中的主要系统误差；S2、采用虚拟CCD重成像技术针对卫星原始影像进行传感器校正处理，生成低畸变传感器校正影像产品，消除卫星影像中的几何畸变误差；S3、利用公众地理信息资源作为控制参考，针对传感器校正影像开展区域网平差，进一步降低卫星影像中残留的各类误差，并实现不同影像之间的高精度几何接边。优点是：本方法从卫星影像的生产和摄影测量处理等多个环节来共同降低卫星影像几何误差，更加有效和可靠地提升大范围卫星影像几何精度。
Description
技术领域
本发明涉及摄影测量技术领域，尤其涉及一种无地面控制条件下大范围卫星影像几何精度提升方法。
背景技术
在卫星在轨成像和数据地面处理过程中均不可避免会受到各类系统误差及随机误差的影响，导致所获取的卫星影像中存在一定几何定位误差或影像内部几何畸变，通常无法直接满足各行业对卫星影像的高质量应用需求，因此在使用卫星影像过程中，通常需要首先测制或收集测区内的高精度地面控制资料，并开展摄影测量处理，以此来消除影像中存在的几何误差，提升影像数据的几何定位精度，使其满足各行业高精度应用需求。因此，在不使用高精度地面控制资料情况下，研究如何有效提升卫星影像的几何精度，是充分发挥卫星影像应用效益的必然途径。
在无地面高精度控制点条件下提升卫星影像几何精度，当前一般包括了两种技术方案。一种方案是在无地面实测控制点条件下消除或减弱卫星成像过程和处理过程中的各类误差，主要包括时间同步误差、姿态测量值误差、轨道测量值误差、相机内部误差和设备安装误差，进而从源头上降低误差影响，达到提升影像几何精度的目的。但是该方案对卫星影像几何精度的提升效果与具体卫星型号密切相关，很多卫星影像的几何精度提升效果并不显著，更加无法解决大范围多时相影像之间几何精度的一致性问题。另一种方案是充分利用可以公开收集到的公众地理信息数据(如SRTM，ASTER DEM、谷歌影像等)作为控制和参考，创新卫星影像区域网平差策略，通过开展卫星影像区域网平差等摄影测量处理来提升卫星影像的几何精度。该方案对卫星影像几何精度的提升效果既受公众地理信息数据精度和数量影响，更受卫星影像自身几何精度(尤其是影像内部几何畸变程度)的影响，当卫星影像存在较为明显的几何畸变时，该方法无法取得理想的效果。
综上所述，上述两种方案均存在较大的局限性，均无法可靠且有效地提升大区域卫星影像几何精度，因此，迫切地需要寻找一种高效且可靠的卫星影像几何精度有效提升方法。
发明内容
本发明的目的在于提供一种无地面控制条件下大范围卫星影像几何精度提升方法，从而解决现有技术中存在的前述问题。
为了实现上述目的，本发明采用的技术方案如下：
一种无地面控制条件下大范围卫星影像几何精度提升方法，包括如下步骤，
S1、针对卫星原始影像开展高频次的在轨几何校验，获取在轨后卫星影像外方位元素的误差补偿值和内方位元素的精确标定值；
S2、针对单景卫星影像，基于真实的卫星相机参数，构建理想线中心投影的虚拟光学相机内方位元素；基于卫星真实的姿态测量数据、轨道测量数据和成像时间数据，构建平缓光滑的虚拟光学相机的外方位元素，采用虚拟重成像技术，针对卫星原始影像进行重采样，生成低畸变的传感器校正影像产品；
S3、收集和整理精度可靠的公众地理信息资源作为控制点，将大区域的传感器校正影像构建区域网，开展基于RFM的区域网平差处理，迭代解算每张影像RFM的仿射变换参数，并基于迭代解算结果，更新每张影像RFM的仿射变换参数。
优选的，步骤S1具体包括如下内容，
S11、采用偏置矩阵Ru作为卫星影像外方位元素指标值的补偿模型，采用CCD探元指向角(ψx,ψy)作为卫星相机内方位元素的表达形式；
其中，Ru为分别绕y轴、x轴和z轴旋转ωu、κu角度得到的正交旋转矩阵；(xs，ys)为获取像点的CCD线阵在焦面上的安装的起始位置，(x0，y0)为相机主光轴与焦平面的交点坐标，μ为CCD探元尺寸，f为焦距；
S12、监控卫星影像几何检校成果的精度变化状况，确定几何检校的开展的频次；
S13、构建卫星影像内外方位元素同时标定的联合检校几何模型；
其中，为影像上某一像点对应的WGS84坐标系下的地面点大地坐标；[XGPS,YGPS,ZGPS]T为卫星质心在WGS84坐标系下坐标；/>为利用姿态测量数据构建的卫星本体坐标系到WGS84坐标系变换的旋转矩阵；(ψx,ψy)为相机中CCD探元指向角、m为缩放系数；
S14、将偏置矩阵Ru中的ωu、κu作为待求解未知数，构建误差方程，利用2个以上的平高控制点，采用最小二乘方法开展区域网平差，求解出偏置矩阵；
S15、将tan(ψx),tan(ψy)作为待求解未知数，构建误差方程，从高精度DOM参考影像上匹配获取数以百计的控制点，采用谱修正迭代方法开展区域网平差，从平差结果中解求相机中CCD探元指向角。
优选的，步骤S12具体为，当偏置矩阵的精度低于第一精度阈值时，需要重新开展几何校验获取卫星影像外方位元素的补偿矩阵；当CCD探元指向角的精度低于第二精度阈值时，需要重新开展在轨几何检校获取卫星影像内方位元素的精确标定值。
优选的，步骤S2具体包括如下内容，
S21、在真实相机焦平面上构建一条理想的虚拟CCD线阵，通过虚拟CCD线阵各探元在焦平面上的位置(x,y)以及相机的焦距f和主点(x0,y0)信息，计算获取每个虚拟CCD探元的指向角；
所述虚拟CCD线阵“安置”在焦平面上所有真实CCD线阵的正中间，虚拟CCD线阵的宽度等于所有真实CCD线阵垂直轨道方向的总体宽度，虚拟CCD探元的尺寸采用真实CCD探元尺寸的理论设计值；
S22、获取整景影像各行影像的平均积分时间△t，并据此重新生成每行影像的虚拟成像时间ti；
ti＝t0+(i-1)·△t
其中，ti为第i行影像的虚拟成像时间；t0为单景影像中第一行影像l0的真实成像时间；t1为单景影像中最后一行影像l1的真实成像时间；
S23、获取卫星轨道测量数据和卫星姿态测量数据；
S24、利用步骤S21-S23获取的虚拟CCD探元的指向角、虚拟成像时间、轨道测量数据和姿态测量数据，构建传感器校正影像的严密成像几何模型，建立传感器校正影像的像点和对应地面点之间的坐标转化关系；
其中，为传感器校正影像上某一像点对应的WGS84坐标系下的地面点大地坐标；t为每一行影像的成像时间；[XGPS(t),YGPS(t),ZGPS(t)]T为时刻t的卫星质心在WGS84坐标系下坐标；/>为利用姿态测量数据构建的时刻t的卫星本体坐标系到WGS84坐标系变换的旋转矩阵；(ψx,ψy)为虚拟CCD探元的指向角；
S25、利用步骤S1中几何检校获取的偏置矩阵Ru、CCD探元指向角(ψx,ψy)以及原始影像的影像行成像时间、轨道测量数据、姿态测量数据，构建原始影像的严密成像几何模型，建立原始影像的像点和对应地面点之间的坐标转化关系；
S26、基于区域的高程面，利用传感器校正影像的严密成像几何模型，获取传感器校正影像；
S27、基于地形无关的有理函数模型参数求解方法，根据传感器校正影像的严密成像几何模型建立一个虚拟的地面点立体空间格网；基于各格网在影像上对应的像方坐标，求解RFM参数，构建传感器校正影像的RFM模型。
优选的，步骤S23和S24之间还包括，
对离散的卫星轨道测量数据，采用拉格朗日多项式模型构建轨道数据内插模型，消除卫星轨道测量数据的噪声；
其中，P(tj)为第j行影像的虚拟成像时间tj所对应的卫星位置；V(tj)为第j行影像的虚拟成像时间tj所对应的卫星速度；n为影像总行数；
对离散型的卫星姿态测量数据，采用二次多项式模型构建姿态测量数据内插模型，消除卫星姿态测量数据的抖动；
ω(t)＝ω0+a5t+b5t2
κ(t)＝κ0+a6t+b6t2
其中，分别为俯仰、滚动和航偏角的姿态模型；ai,bi(i＝1,…,3)为多项式系数。
优选的，步骤S26中，以免费获取的全球1公里格网的SRTM数据作为区域的高程面；或者，使用该区域的平均高程作为区域的高程面。
优选的，步骤S26中，获取传感器校正影像具体为，计算传感器校正影像上一个像素p对应的物方点A的大地坐标；利用原始影像的严密成像几何模型，计算物方点A在原始影像上的像点p′；将p′点的灰度值赋予p点，如果p′点为非整数像元，则通过对p′点临近像元进行灰度插值后赋给点p；重复上述过程直至完成整个传感器校正影像的重成像过程，获取传感器校正影像。
优选的，步骤S27具体为，基于地形无关的有理函数模型参数求解方法，在获取传感器校正影像覆盖区域及区域内最大高程和最小高程后，根据传感器校正影像的严密成像几何模型建立一个虚拟的地面点立体空间格网，包括控制格网和检查格网；利用传感器校正影像的严密成像几何模型计算所有控制格网和检查格网在影像上对应的像方坐标，采用最小二乘平差原理解求RFM参数，构建传感器校正影像的RFM模型；
其中，(r,c)为影像的像素坐标；(X,Y,Z)为影像像素坐标对应的地面点的大地坐标；Pi(i＝1,2,3,4)为一般多项式，式中各个变量的幂均不超过3次，所有变量的幂之和也不超过3次，其形式如下：
Pi＝ai0+ai1Z+ai2Y+ai3X+ai4ZY+ai5ZX+ai6YX+ai7Z2+ai8Y2+ai9X2+ai10ZYX+ai11Z2Y+ai12Z2X+ai13Y2Z+ai14Y2X+ai15ZX2+ai16YX2+ai17Z3+ai18Y3+ai19X3
其中，aij(i＝1,2,3,4；j＝0,1,…,19)为有理多项式系数。
优选的，步骤S3具体包括如下内容，
S31、将整个任务区的传感器校正影像构建一个区域网，采用影像自动匹配方法为主，人工判读补测方法为辅，在区域网内的影像上布设密集连接点；
S32、根据区域网平差的目标精度要求和各种公众地理信息产品的理论精度水平，收集并整理任务区域的一种或多种公众地理信息产品，完成这些公众地理信息产品在区域网内传感器校正影像上的坐标量测,并将其作为区域网平差的控制点；
S33、采用仿射变换模型来补偿区域网中影像RFM的误差，构建基于RFM的区域网平差模型；
其中，(a0,a1,a2,b0,b1,b2)表示仿射变换参数；
S34、将RFM的仿射变换参数和连接点对应的地面三维坐标作为未知数，逐点为连接点构建误差方程；
V1＝At'+B1x1-L1 P1
其中，V1＝[vR1 vC1]T为连接点在影像上的像点坐标观测值残差向量；t'＝[△a0△a1 △a2 △b0 △b1 △b2]T为仿射变换参数的改正数向量；为未知数t'对应的偏导数系数矩阵；x1＝[△Xtie △Ytie △Ztie]T为连接点对应的地面三维坐标的改正数向量；/>为未知数x1对应的偏导数系数矩阵；L1为利用初值代入误差方程计算得到的常数项；P1为各观测值的权矩阵，各类观测值的权值由他们的先验信息确定，在每次平差迭代计算后重新计算各类观测值的权值；
S35、将RFM的仿射变换参数作为未知数，逐点为公众地理信息生成的控制点构建误差方程；
V2＝At'+B2x2-L2 P2
其中，V2＝[vR2 vC2]T为控制点在影像上的像点坐标观测值残差向量；当控制点为平高控制点时，x2＝0，当控制点仅作为高程控制点时，x2＝[△Xgcp △Ygcp]T为控制点地面经纬度的改正数向量；当控制点仅作为平面控制点时，x2＝△Zgcp为控制点地面高程的改正数向量；B2是未知数x2对应的偏导数系数矩阵；L2为利用初值代入误差方程计算得到的常数项；P2为各观测值的权矩阵；
S36、对S34和S35中列出的误差方程进行法化，得到法方程；采用最小二乘原理，进行整体平差解算，迭代解算每张影像RFM的仿射变换参数；
S37、根据最后一次平差解算的结果，更新每张影像RFM的仿射变换参数。
优选的，步骤S36中的迭代解算过程为，每完成一次平差解算时，判断是否满足迭代收敛条件；如果满足，则平差结束；反之，则利用上一次平差解算获取的改正数更新影像RFM的仿射变换参数，再次进行平差迭代解算，直到满足迭代收敛条件为止。
本发明的有益效果是：1、能够将各类卫星影像的几何精度(平面精度和高程精度)有效提升至满足我国1:25000甚至更大比例尺的精度要求，使得国产卫星影像能够在无地面控制点条件下满足各行业的高精度应用需求。2、相比传统的卫星影像几何精度提升手段，本方法减少了外业控制测量或高精度控制点收集环节，大大降低了作业成本，提升了作业效率，尤其是保障了很多无法开展外业控制测量和收集高精度控制资料区域(如境外区域、环境恶劣或交通闭塞的测图困难地区等)的卫星影像高精度处理。3、相比其他现有的卫星影像无控制条件下几何精度提升方法，本方法从卫星影像预处理、基础影像产品生产、影像测绘处理(主要指区域网平差)等全环节入手，来降低各环节中各类误差影响，实现卫星影像几何精度提升，方法的可操作性、可靠性和普适性等均具有极大的优势，卫星影像几何精度提升效果也更加出色。
附图说明
图1是本发明实施例中方法的原理流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本实施例中，提供了一种无地面控制条件下大区域卫星影像几何精度提升方法，包括如下步骤，
S1、针对卫星原始影像开展高频次的在轨几何校验，获取在轨后卫星影像外方位元素的误差补偿值和内方位元素的精确标定值；
S2、针对单景卫星影像，基于真实的卫星相机参数，构建理想线中心投影的虚拟光学相机内方位元素；基于卫星真实的姿态测量数据、轨道测量数据和成像时间数据，构建平缓光滑的虚拟光学相机的外方位元素，采用虚拟重成像技术，针对卫星原始影像进行重采样，生成低畸变的传感器校正影像产品；
S3、收集和整理精度可靠的公众地理信息资源作为控制点，将大区域的传感器校正影像构建区域网，开展基于RFM的区域网平差处理，迭代解算每张影像RFM的仿射变换参数，并基于迭代解算结果，更新每张影像RFM的仿射变换参数。
针对上述三个步骤，进行展开说明：
一、误差补偿值和精确标定值获取
具体为，针对卫星原始影像开展高频次的在轨几何检校，获取在轨后卫星影像外方位元素的误差补偿值和内方位元素的精确标定值，有效消除卫星影像成像环节给卫星影像带来的大量系统性误差。该部分内容具体包括如下步骤，
1、为了降低外方位元素检校模型复杂性，避免检校参数之间强相关性的干扰，将星上各类平移误差等效为角度误差，检校过程中仅需根据角度误差特性建立外方位元素的补偿模型。采用偏置矩阵Ru补偿卫星设备安装误差、姿态和轨道测量误差等外方位元素角度误差，修正真实光线指向与带误差光线指向间的偏差。采用CCD探元指向角(ψx,ψy)作为卫星相机内方位元素的表达形式，实现对主点、主距、畸变统一表示，将其作为内方位元素标定参数，避免对各CCD阵列的各类畸变单独建模，简化计算；
其中，Ru是分别绕y轴、x轴和z轴旋转ωu、κu角度得到的正交旋转矩阵。(xs，ys)表示获取像点的CCD线阵在焦面上的安装的起始位置，(x0，y0)表示相机主光轴与焦平面的交点坐标(即像主点)，μ表示CCD探元尺寸，f表示焦距。
2、由于卫星一直处于动态的运行过程，星上状态和稳定性随时间和轨道周期不断发生着变化，因此一次几何检校获得的相关参数只能适用于一个时间段内获取的影像数据。一般而言，成像时间离几何检校时间越近，影像产品几何精度越高；反之，影像产品几何精度呈现逐渐下降趋势。监控卫星影像几何检校成果的精度变化状况，确定几何检校的开展的频次。
确定是否需要重新开展几何校验的方式为：为了实现无控制条件下卫星影像几何精度提升的目的，当偏置矩阵的精度低于第一精度阈值(一般取0.8″)，即需重新开展几何检校获取卫星影像外方位元素的补偿矩阵；当CCD探元指向角的精度低于第二精度阈值(一般取0.2″)时，即需要重新开展在轨几何检校获取卫星影像内方位元素的精确标定值。
3、构建卫星影像内外方位元素同时标定的联合检校几何模型。
其中，为影像上某一像点对应的WGS84坐标系下的地面点大地坐标；[XGPS,YGPS,ZGPS]T为卫星质心在WGS84坐标系下坐标(即卫星轨道测量数据)；/>为利用姿态测量数据构建的卫星本体坐标系到WGS84坐标系变换的旋转矩阵(即外方位角元素)；(ψx,ψy)为相机中CCD探元指向角、f为焦距；m为缩放系数。
4、令则有显然，(Xb Yb Zb)T是由地面点坐标确定的光线本体系下的指向；而(xb xbxb)T是由像方坐标确定的光线本体系下的指向；Ru用于修正两者的偏差从而实现角度误差补偿。对该式展开，可化为：
其中
将Ru中的ωu、κu作为待求解未知数，对上式进行线性化并构建误差方程：
v＝Ax-l,p
其中，x为l为根据初值计算的/>p为观测权值，A为系数矩阵/>
则：
x＝(ATPA)-1ATPL
偏置矩阵中待求未知数为三个偏置角，而一个平高控制点可列两个方程。因此，理论上两个控制点即可解求偏置矩阵。
5、将Ru作为已知值，则卫星影像内外方位元素同时标定的联合检校几何模型可转化为：
对该式展开有：
以作为观测值，将tan(ψx),tan(ψy)作为待求解未知数，对上式线性化后构建误差方程：
v＝Ax-l,p
其中，x为(d(tanψx)d(tanψy))T，l为根据初值计算的p为观测权值，A为系数矩阵/>
采用谱修正迭代方法以保证式误差方程的稳定求解。最终，从平差结果中解求(ψx,ψy)。
二、传感器校正影像产品生成
具体为，针对单景卫星影像，基于真实的卫星相机参数，构建理想线中心投影的虚拟光学相机内方位元素；基于卫星真实的姿态测量数据、轨道测量数据和成像时间数据等，构建平缓光滑的虚拟姿态测量数据和轨道测量数据，以及成像时间间隔相同的虚拟成像时间等外方位元素；利用虚拟的内、外方位元素，采用虚拟重成像技术，针对卫星原始影像进行重采样，生成低畸变的传感器校正影像产品，消除单景卫星影像的几何畸变误差。该部分内容具体包括如下步骤，
1、在真实相机焦平面上构建一条理想的虚拟CCD线阵，通过虚拟CCD线阵各探元在焦平面上的位置(x,y)，以及相机的焦距f和主点(x0,y0)信息，计算获取每个虚拟CCD探元的指向角；
虚拟CCD线阵“安置”在焦平面上所有真实CCD线阵的正中间，虚拟CCD线阵的宽度应等于所有真实CCD线阵垂直轨道方向的总体宽度；虚拟CCD探元的尺寸可采用真实CCD探元尺寸的理论设计值。
2、获取整景影像各行影像的平均积分时间△t，并据此重新生成每行影像的成像时间(即虚拟成像时间)ti。
ti＝t0+(i-1)·△t
其中，ti为第i行影像的虚拟成像时间。t0为单景影像中第一行影像l0的真实成像时间，t1为单景影像中最后一行影像l1的真实成像时间。
3、针对获取的离散的卫星轨道测量数据，采用拉格朗日多项式模型构建轨道数据内插模型，达到消除轨道测量数据噪声目的。
其中，P(tj)为第j行影像的虚拟成像时间tj所对应的卫星位置；V(tj)为第j行影像的虚拟成像时间tj所对应的卫星速度；n为影像总行数，常用4或8。
4、针对获取的离散的卫星姿态测量数据，采用二次多项式模型构建姿态测量数据内插模型，达到消除姿态测量数据抖动的目的。
ω(t)＝ω0+a5t+b5t2
κ(t)＝κ0+a6t+b6t2
其中，表示俯仰、滚动和航偏角的姿态模型，ai,bi(i＝1,…,3)为多项式系数，这些系数可以通过最小二乘求解。
5、利用1—4步骤获取的虚拟CCD探元的指向角、虚拟成像时间、轨道测量数据和姿态测量数据等，构建传感器校正影像的严密成像几何模型，建立传感器校正影像的像点和对应地面点之间的坐标转化关系。
其中，为传感器校正影像上某一像点对应的WGS84坐标系下的地面点大地坐标；t表示每一行影像的成像时间；[XGPS(t),YGPS(t),ZGPS(t)]T为时刻t的卫星质心在WGS84坐标系下坐标(即轨道测量数据)；/>为利用姿态测量数据构建的时刻t的卫星本体坐标系到WGS84坐标系变换的旋转矩阵；(ψx,ψy)为虚拟CCD探元的指向角、f为焦距；m为缩放系数。
6、利用S1几何检校获取的偏置矩阵Ru和CCD探元指向角(ψx,ψy)，以及原始影像的影像行成像时间、轨道测量数据、姿态测量数据等，构建原始影像的严密成像几何模型，建立原始影像的像点和对应地面点之间的坐标转化关系。
7、以免费获取的全球1公里格网的SRTM数据作为高程面(或直接使用该区域平均高程)，利用传感器校正影像的严密成像几何模型，得到传感器校正影像。
具体为：以免费获取的全球1公里格网的SRTM数据作为高程面(或直接使用该区域平均高程)，利用传感器校正影像的严密成像几何模型，计算传感器校正影像上一个像素p对应的物方点A的大地坐标。利用原始影像的严密成像几何模型，计算物方点A在原始影像上的像点p′。将p′点的灰度值赋予p点，如果p′点为非整数像元，则通过对p′点临近像元进行灰度插值后赋给点p。重复上述步骤直至完成整个传感器校正影像的重成像过程。
8、采用地形无关的有理函数模型(RFM)参数求解方法，在获取传感器校正影像覆盖区域及区域内最大高程和最小高程后，根据传感器校正影像的严密成像几何模型建立一个虚拟的地面点立体空间格网，包括控制格网和检查格网，同时利用传感器校正影像的严密成像几何模型计算所有控制点和检查点在影像上对应的像方坐标，采用最小二乘平差原理解求RFM参数，构建传感器校正影像的RFM模型。
/>
其中，(r,c)为影像的像素坐标，(X,Y,Z)为影像像素坐标对应的地面点的大地坐标。为避免因计算过程中参数数值量级差别过大而引入舍入误差，需要将(r,c)和(X,Y,Z)均归一化到-1～1之间，以增强参数求解的稳定性。Pi(i＝1,2,3,4)表示一般多项式，式中各个变量的幂均不超过3次，所有变量的幂之和也不超过3次，其形式如下：
Pi＝ai0+ai1Z+ai2Y+ai3X+ai4ZY+ai5ZX+ai6YX+ai7Z2+ai8Y2+ai9X2+ai10ZYX+ai11Z2Y+ai12Z2X+ai13Y2Z+ai14Y2X+ai15ZX2+ai16YX2+ai17Z3+ai18Y3+ai19X3
其中，aij(i＝1,2,3,4；j＝0,1,…,19)为有理多项式系数。
三、基于RFM的区域网平差处理
具体为，收集和整理精度可靠的公众地理信息资源作为控制点，将大区域的传感器校正影像构建区域网，开展基于RFM的区域网平差处理，进一步降低卫星影像中残留的各类误差，并实现不同影像之间的高精度几何接边。该部分内容具体包括如下步骤，
1、将整个任务区的传感器校正影像构建一个区域网，采用影像自动匹配方法为主，人工判读补测方法为辅，在区域网内的影像上布设密集连接点。
2、根据区域网平差的目标精度要求和各种公众地理信息产品的理论精度水平，收集并整理任务区域的一种或多种公众地理信息产品(如谷歌亚米影像、全球激光测高点数据等)。完成这些公众地理信息产品在区域网内传感器校正影像上的坐标量测,并将其作为区域网平差的控制点。
3、采用仿射变换模型来补偿区域网中影像RFM的误差，构建基于RFM的区域网平差模型。
其中，(a0,a1,a2,b0,b1,b2)表示仿射变换参数。
4、将RFM的仿射变换参数和连接点对应的地面三维坐标作为未知数，逐点为连接点构建误差方程。
V1＝At'+B1x1-L1 P1
其中，V1＝[vR1 vC1]T是连接点在影像上的像点坐标观测值残差向量。t'＝[△a0△a1 △a2 △b0 △b1 △b2]T为仿射变换参数的改正数向量。是未知数t'对应的偏导数系数矩阵。x1＝[△Xtie △Ytie △Ztie]T为连接点对应的地面三维坐标的改正数向量。/>是未知数x1对应的偏导数系数矩阵。L1为利用初值代入误差方程计算得到的常数项。P1为各观测值的权矩阵，通常各类观测值的权值由他们的先验信息确定，一般可取观测值10倍先验标准差，并在每次平差迭代计算后重新计算各类观测值的权。
5、将RFM的仿射变换参数作为未知数，逐点为公众地理信息生成的控制点构建误差方程。
V2＝At'+B2x2-L2 P2
其中，V2＝[vR2 vC2]T为控制点在影像上的像点坐标观测值残差向量。当控制点为平高控制点时，x2＝0；当控制点仅作为高程控制点时，x2＝[△Xgcp △Ygcp]T为控制点地面经纬度的改正数向量；当控制点仅作为平面控制点时，x2＝△Zgcp为控制点地面高程的改正数向量。B2是未知数x2对应的偏导数系数矩阵。L2为利用初值代入误差方程计算得到的常数项。P2为各观测值的权矩阵。
6、对步骤4和5中列出的误差方程进行法化，得到法方程；采用最小二乘原理，进行整体平差解算，迭代解算每张影像RFM的仿射变换参数等。
迭代过程为，每完成一次平差解算时，判断是否满足迭代收敛条件(一般为所有影像RFM仿射变换参数中平移参数小于阈值)；如果满足，则平差结束；反之，则利用上一次平差解算获取的改正数更新影像RFM等，再次进行平差迭代解算，直到满足迭代收敛条件为止。
7、根据最后一次平差解算的结果，更新每张影像RFM参数。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：
本发明提供了一种无地面控制条件下大范围卫星影像几何精度提升方法，能够将各类卫星影像的几何精度(平面精度和高程精度)有效提升至满足我国1:25000甚至更大比例尺的精度要求，使得国产卫星影像能够在无地面控制点条件下满足各行业的高精度应用需求。相比传统的卫星影像几何精度提升手段，本方法减少了外业控制测量或高精度控制点收集环节，大大降低了作业成本，提升了作业效率，尤其是保障了很多无法开展外业控制测量和收集高精度控制资料区域(如境外区域、环境恶劣或交通闭塞的测图困难地区等)的卫星影像高精度处理。相比其他现有的卫星影像无控制条件下几何精度提升方法，本方法从卫星影像预处理、基础影像产品生产、影像测绘处理(主要指区域网平差)等全环节入手，来降低各环节中各类误差影响，实现卫星影像几何精度提升，方法的可操作性、可靠性和普适性等均具有极大的优势，卫星影像几何精度提升效果也更加出色。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。
Claims (8)
1.一种无地面控制条件下大范围卫星影像几何精度提升方法，其特征在于：包括如下步骤，
S1、针对卫星原始影像开展高频次的在轨几何校验，获取在轨后卫星影像外方位元素的误差补偿值和内方位元素的精确标定值；步骤S1具体包括如下内容，
S11、采用偏置矩阵Ru作为卫星影像外方位元素指标值的补偿模型，采用CCD探元指向角(ψx,ψy)作为卫星相机内方位元素的表达形式；
其中，Ru为分别绕y轴、x轴和z轴旋转ωu、κu角度得到的正交旋转矩阵；(xs，ys)为获取像点的CCD线阵在焦面上的安装的起始位置，(x0，y0)为相机主光轴与焦平面的交点坐标，μ为CCD探元尺寸，f为焦距；
S12、监控卫星影像几何检校成果的精度变化状况，确定几何检校的开展的频次；
步骤S12具体为，当偏置矩阵的精度低于第一精度阈值时，需要重新开展几何校验获取卫星影像外方位元素的补偿矩阵；当CCD探元指向角的精度低于第二精度阈值时，需要重新开展在轨几何检校获取卫星影像内方位元素的精确标定值；
S13、构建卫星影像内外方位元素同时标定的联合检校几何模型；
其中，为影像上某一像点对应的WGS84坐标系下的地面点大地坐标；[XGPS,YGPS,ZGPS]T为卫星质心在WGS84坐标系下坐标；/>为利用姿态测量数据构建的卫星本体坐标系到WGS84坐标系变换的旋转矩阵；(ψx,ψy)为相机中CCD探元指向角、m为缩放系数；
S14、将偏置矩阵Ru中的ωu、κu作为待求解未知数，构建误差方程，利用2个以上的平高控制点，采用最小二乘方法开展区域网平差，求解出偏置矩阵；
S15、将tan(ψx),tan(ψy)作为待求解未知数，构建误差方程，从高精度DOM参考影像上匹配获取数以百计的控制点，采用谱修正迭代方法开展区域网平差，从平差结果中解求相机中CCD探元指向角；
S2、针对单景卫星影像，基于真实的卫星相机参数，构建理想线中心投影的虚拟光学相机内方位元素；基于卫星真实的姿态测量数据、轨道测量数据和成像时间数据，构建平缓光滑的虚拟光学相机的外方位元素，采用虚拟重成像技术，针对卫星原始影像进行重采样，生成低畸变的传感器校正影像产品；
S3、收集和整理精度可靠的公众地理信息资源作为控制点，将大区域的传感器校正影像构建区域网，开展基于RFM的区域网平差处理，迭代解算每张影像RFM的仿射变换参数，并基于迭代解算结果，更新每张影像RFM的仿射变换参数。
2.根据权利要求1所述的无地面控制条件下大范围卫星影像几何精度提升方法，其特征在于：步骤S2具体包括如下内容，
S21、在真实相机焦平面上构建一条理想的虚拟CCD线阵，通过虚拟CCD线阵各探元在焦平面上的位置(x,y)以及相机的焦距f和主点(x0,y0)信息，计算获取每个虚拟CCD探元的指向角；
所述虚拟CCD线阵“安置”在焦平面上所有真实CCD线阵的正中间，虚拟CCD线阵的宽度等于所有真实CCD线阵垂直轨道方向的总体宽度，虚拟CCD探元的尺寸采用真实CCD探元尺寸的理论设计值；
S22、获取整景影像各行影像的平均积分时间Δt，并据此重新生成每行影像的虚拟成像时间ti；
ti＝t0+(i-1)·Δt
其中，ti为第i行影像的虚拟成像时间；t0为单景影像中第一行影像l0的真实成像时间；t1为单景影像中最后一行影像l1的真实成像时间；
S23、获取卫星轨道测量数据和卫星姿态测量数据；
S24、利用步骤S21-S23获取的虚拟CCD探元的指向角、虚拟成像时间、轨道测量数据和姿态测量数据，构建传感器校正影像的严密成像几何模型，建立传感器校正影像的像点和对应地面点之间的坐标转化关系；
其中，为传感器校正影像上某一像点对应的WGS84坐标系下的地面点大地坐标；t为每一行影像的成像时间；[XGPS(t),YGPS(t),ZGPS(t)]T为时刻t的卫星质心在WGS84坐标系下坐标；/>为利用姿态测量数据构建的时刻t的卫星本体坐标系到WGS84坐标系变换的旋转矩阵；(ψx,ψy)为虚拟CCD探元的指向角；
S25、利用步骤S1中几何检校获取的偏置矩阵Ru、CCD探元指向角(ψx,ψy)以及原始影像的影像行成像时间、轨道测量数据、姿态测量数据，构建原始影像的严密成像几何模型，建立原始影像的像点和对应地面点之间的坐标转化关系；
S26、基于区域的高程面，利用传感器校正影像的严密成像几何模型，获取传感器校正影像；
S27、基于地形无关的有理函数模型参数求解方法，根据传感器校正影像的严密成像几何模型建立一个虚拟的地面点立体空间格网；基于各格网在影像上对应的像方坐标，求解RFM参数，构建传感器校正影像的RFM模型。
3.根据权利要求2所述的无地面控制条件下大范围卫星影像几何精度提升方法，其特征在于：步骤S23和S24之间还包括，
对离散的卫星轨道测量数据，采用拉格朗日多项式模型构建轨道数据内插模型，消除卫星轨道测量数据的噪声；
其中，P(tj)为第j行影像的虚拟成像时间tj所对应的卫星位置；V(tj)为第j行影像的虚拟成像时间tj所对应的卫星速度；n为影像总行数；
对离散型的卫星姿态测量数据，采用二次多项式模型构建姿态测量数据内插模型，消除卫星姿态测量数据的抖动；
ω(t)＝ω0+a5t+b5t2
κ(t)＝κ0+a6t+b6t2
其中，ω(t),κ(t)分别为俯仰、滚动和航偏角的姿态模型；ai,bi为多项式系数，i＝4,5,6。
4.根据权利要求2所述的无地面控制条件下大范围卫星影像几何精度提升方法，其特征在于：步骤S26中，以免费获取的全球1公里格网的SRTM数据作为区域的高程面；或者，使用该区域的平均高程作为区域的高程面。
5.根据权利要求2所述的无地面控制条件下大范围卫星影像几何精度提升方法，其特征在于：步骤S26中，获取传感器校正影像具体为，计算传感器校正影像上一个像素p对应的物方点A的大地坐标；利用原始影像的严密成像几何模型，计算物方点A在原始影像上的像点p′；将p′点的灰度值赋予p点，如果p′点为非整数像元，则通过对p′点临近像元进行灰度插值后赋给点p；重复上述过程直至完成整个传感器校正影像的重成像过程，获取传感器校正影像。
6.根据权利要求2所述的无地面控制条件下大范围卫星影像几何精度提升方法，其特征在于：步骤S27具体为，基于地形无关的有理函数模型参数求解方法，在获取传感器校正影像覆盖区域及区域内最大高程和最小高程后，根据传感器校正影像的严密成像几何模型建立一个虚拟的地面点立体空间格网，包括控制格网和检查格网；利用传感器校正影像的严密成像几何模型计算所有控制格网和检查格网在影像上对应的像方坐标，采用最小二乘平差原理解求RFM参数，构建传感器校正影像的RFM模型；
其中，(r,c)为影像的像素坐标；(X,Y,Z)为影像像素坐标对应的地面点的大地坐标；Pi(i＝1,2,3,4)为一般多项式，式中各个变量的幂均不超过3次，所有变量的幂之和也不超过3次，其形式如下：
Pi＝ai0+ai1Z+ai2Y+ai3X+ai4ZY+ai5ZX+ai6YX+ai7Z2+ai8Y2+ai9X2+ai10ZYX+ai11Z2Y+ai12Z2X+ai13Y2Z+ai14Y2X+ai15ZX2+ai16YX2+ai17Z3+ai18Y3+ai19X3
其中，aij为有理多项式系数，i＝1,2,3,4；j＝0,1,...,19。
7.根据权利要求6所述的无地面控制条件下大范围卫星影像几何精度提升方法，其特征在于：步骤S3具体包括如下内容，
S31、将整个任务区的传感器校正影像构建一个区域网，采用影像自动匹配方法为主，人工判读补测方法为辅，在区域网内的影像上布设密集连接点；
S32、根据区域网平差的目标精度要求和各种公众地理信息产品的理论精度水平，收集并整理任务区域的一种或多种公众地理信息产品，完成这些公众地理信息产品在区域网内传感器校正影像上的坐标量测,并将其作为区域网平差的控制点；
S33、采用仿射变换模型来补偿区域网中影像RFM的误差，构建基于RFM的区域网平差模型；
其中，(a0,a1,a2,b0,b1,b2)表示仿射变换参数；
S34、将RFM的仿射变换参数和连接点对应的地面三维坐标作为未知数，逐点为连接点构建误差方程；
V1＝At'+B1x1-L1 P1
其中，V1＝[vR1 vC1]T为连接点在影像上的像点坐标观测值残差向量；t'＝[Δa0 Δa1Δa2 Δb0 Δb1 Δb2]T为仿射变换参数的改正数向量；为未知数t'对应的偏导数系数矩阵；x1＝[ΔXtie ΔYtie ΔZtie]T为连接点对应的地面三维坐标的改正数向量；/>为未知数x1对应的偏导数系数矩阵；L1为利用初值代入误差方程计算得到的常数项；P1为各观测值的权矩阵，各类观测值的权值由他们的先验信息确定，在每次平差迭代计算后重新计算各类观测值的权值；
S35、将RFM的仿射变换参数作为未知数，逐点为公众地理信息生成的控制点构建误差方程；
V2＝At'+B2x2-L2 P2
其中，V2＝[vR2 vC2]T为控制点在影像上的像点坐标观测值残差向量；当控制点为平高控制点时，x2＝0，当控制点仅作为高程控制点时，x2＝[ΔXgcp ΔYgcp]T为控制点地面经纬度的改正数向量；当控制点仅作为平面控制点时，x2＝ΔZgcp为控制点地面高程的改正数向量；B2是未知数x2对应的偏导数系数矩阵；L2为利用初值代入误差方程计算得到的常数项；P2为各观测值的权矩阵；
S36、对S34和S35中列出的误差方程进行法化，得到法方程；采用最小二乘原理，进行整体平差解算，迭代解算每张影像RFM的仿射变换参数；
S37、根据最后一次平差解算的结果，更新每张影像RFM的仿射变换参数。
8.根据权利要求7所述的无地面控制条件下大范围卫星影像几何精度提升方法，其特征在于：步骤S36中的迭代解算过程为，每完成一次平差解算时，判断是否满足迭代收敛条件；如果满足，则平差结束；反之，则利用上一次平差解算获取的改正数更新影像RFM的仿射变换参数，再次进行平差迭代解算，直到满足迭代收敛条件为止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310619985.5A CN116664430B (zh) | 2023-05-30 | 2023-05-30 | 一种无地面控制条件下大范围卫星影像几何精度提升方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310619985.5A CN116664430B (zh) | 2023-05-30 | 2023-05-30 | 一种无地面控制条件下大范围卫星影像几何精度提升方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116664430A CN116664430A (zh) | 2023-08-29 |
| CN116664430B true CN116664430B (zh) | 2023-11-14 |
Family
ID=87710344
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310619985.5A Active CN116664430B (zh) | 2023-05-30 | 2023-05-30 | 一种无地面控制条件下大范围卫星影像几何精度提升方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116664430B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110211054A (zh) * | 2019-04-28 | 2019-09-06 | 张过 | 一种星载推扫式光学传感器无畸变影像制作方法 |
| CN111272196A (zh) * | 2020-02-29 | 2020-06-12 | 武汉大学 | 特定拍摄条件下的在轨外方位元素自检校方法及系统 |
| CN111612693A (zh) * | 2020-05-19 | 2020-09-01 | 中国科学院微小卫星创新研究院 | 一种旋转大幅宽光学卫星传感器校正方法 |
| CN111754458A (zh) * | 2020-05-18 | 2020-10-09 | 北京吉威空间信息股份有限公司 | 面向几何精处理的卫星影像立体空间基准框架构建方法 |
| CN112258422A (zh) * | 2020-08-17 | 2021-01-22 | 中国人民解放军61540部队 | 立体影像有理多项式参数(rpc)自动精化方法 |
| CN115358486A (zh) * | 2022-09-20 | 2022-11-18 | 中咨数据有限公司 | 基于立体卫星影像的港口货运量预测方法、系统及应用 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100762891B1 (ko) * | 2006-03-23 | 2007-10-04 | 연세대학교 산학협력단 | Ｌｏｓ벡터 조정모델을 이용한 영상의 기하보정 방법 및 그장치 |
| TW201135269A (en) * | 2010-04-12 | 2011-10-16 | Univ Nat Central | Integrated positioning method of high-resolution multidimensional satellite image |
-
2023
- 2023-05-30 CN CN202310619985.5A patent/CN116664430B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110211054A (zh) * | 2019-04-28 | 2019-09-06 | 张过 | 一种星载推扫式光学传感器无畸变影像制作方法 |
| CN111272196A (zh) * | 2020-02-29 | 2020-06-12 | 武汉大学 | 特定拍摄条件下的在轨外方位元素自检校方法及系统 |
| CN111754458A (zh) * | 2020-05-18 | 2020-10-09 | 北京吉威空间信息股份有限公司 | 面向几何精处理的卫星影像立体空间基准框架构建方法 |
| CN111612693A (zh) * | 2020-05-19 | 2020-09-01 | 中国科学院微小卫星创新研究院 | 一种旋转大幅宽光学卫星传感器校正方法 |
| CN112258422A (zh) * | 2020-08-17 | 2021-01-22 | 中国人民解放军61540部队 | 立体影像有理多项式参数(rpc)自动精化方法 |
| CN115358486A (zh) * | 2022-09-20 | 2022-11-18 | 中咨数据有限公司 | 基于立体卫星影像的港口货运量预测方法、系统及应用 |
Non-Patent Citations (5)
| Title |
|---|
| Geometric Calibration and Accuracy Verification of the GF-3 Satellite;Ruishan Zhao等;《Sensors》;第17卷(第9期);1-13 * |
| Geometric Quality Improvement Method of Optical Remote Sensing Satellite Images Based on Rational Function Model;Qingyang Li等;《remote sensing》;第14卷(第18期);1-17 * |
| 缺少地面控制点的光学卫星遥感影像几何精处理质量控制方法;皮英冬;《中国博士学位论文全文数据库_基础科学辑》;A008-45 * |
| 资源三号卫星遥感影像高精度几何处理关键技术与测图效能评价方法;周平;《中国博士学位论文全文数据库_基础科学辑》;A008-8 * |
| 高分七号卫星立体影像与激光测高数据联合区域网平差;唐新明等;《武汉大学学报（信息科学版）》;第46卷(第10期);1423-1430 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116664430A (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| Hu et al. | Understanding the rational function model: methods and applications | |
| CN111174753B (zh) | 基于有理函数模型的光学影像与激光测高数据平差方法 | |
| CN109903352A (zh) | 一种卫星遥感影像大区域无缝正射影像制作方法 | |
| CN107014399B (zh) | 一种星载光学相机-激光测距仪组合系统联合检校方法 | |
| 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 | |
| CN107564057B (zh) | 顾及大气折光校正的高轨面阵光学卫星在轨几何标定方法 | |
| CN106885585B (zh) | 一种基于光束法平差的星载摄影测量系统一体化检校方法 | |
| CN110211054A (zh) | 一种星载推扫式光学传感器无畸变影像制作方法 | |
| CN108226982B (zh) | 单线阵卫星激光联合高精度定位处理方法 | |
| CN113900125B (zh) | 星地联合的线阵成像遥感卫星全自主几何定标方法及系统 | |
| CN110006452B (zh) | 高分六号宽视场相机相对几何定标方法及系统 | |
| CN113899387B (zh) | 一种基于验后补偿的光学卫星遥感影像区域网平差方法及系统 | |
| CN111724465A (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 | |
| CN113899386B (zh) | 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 | |
| CN111508028A (zh) | 光学立体测绘卫星相机的自主在轨几何定标方法及系统 | |
| Yingdong et al. | On-orbit geometric calibration of Linear push-broom optical satellite based on sparse GCPs | |
| CN116664430B (zh) | 一种无地面控制条件下大范围卫星影像几何精度提升方法 | |
| CN109029379B (zh) | 一种高精度小基高比立体测绘方法 | |
| CN113096047B (zh) | 广义云驱动与辐射协同遥感影像几何精校正方法及系统 | |
| Dong et al. | A novel RPC bias model for improving the positioning accuracy of satellite images | |
| CN116203544A (zh) | 一种移动测量系统往返测回无控自检校方法、装置及介质 | |
| CN109143295B (zh) | 一种数字化几何定标场和gcp相结合的内方位元素定标方法 | |
| CN111044076B (zh) | 基于参考底图的高分一号b卫星几何检校方法 |
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 |