CN117030620A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN117030620A CN117030620A CN202310916429.4A CN202310916429A CN117030620A CN 117030620 A CN117030620 A CN 117030620A CN 202310916429 A CN202310916429 A CN 202310916429A CN 117030620 A CN117030620 A CN 117030620A
- Authority
- CN
- China
- Prior art keywords
- point
- image
- intersection
- remote sensing
- connection points
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000003287 optical effect Effects 0.000 title claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000006835 compression Effects 0.000 claims abstract description 8
- 238000007906 compression Methods 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims description 23
- 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 17
- 238000004590 computer program Methods 0.000 claims description 15
- 230000008030 elimination Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 238000002939 conjugate gradient method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 12
- 238000004366 reverse phase liquid chromatography Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 9
- 230000009466 transformation Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000012892 rational function Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- CLOMYZFHNHFSIQ-UHFFFAOYSA-N clonixin Chemical compound CC1=C(Cl)C=CC=C1NC1=NC=CC=C1C(O)=O CLOMYZFHNHFSIQ-UHFFFAOYSA-N 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种基于多源光学遥感卫星影像区域网平差的方法,属于遥感影像处理领域,其特征在于包括:首先对多源遥感卫星数据进行组织并获取连接点文件;识别出弱交会连接点,并对连接点进行粗差探测和粗差剔除;根据连接点获取影像间的连接关系对参数进行改正;利用外部DEM内插出弱交会点的高程值,直至弱交会点两次内插的高程值不再变化;统计多源遥感影像区域网平差的精度并输出区域网平差结果。本发明实现了多源影像的联合处理,借助外部DEM数据,实现弱交会影像处理的鲁棒性,保证了多源数据内精度的符合度,提升了多源数据间的接边精度;采用矩阵压缩存储方式构建法方程的系数矩阵,降低计算内存的消耗,提升了区域网平差的处理效率。
Description
技术领域
本发明属于遥感影像处理领域,尤其涉及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。
背景技术
随着遥感卫星传感器类型的日益丰富,卫星多源异构空间观测体系不断完善,多平台、多传感器模式的遥感数据获取能力不断提升,遥感卫星数据的处理需也急需面向多源式发展;同时,测绘工作区域面积的逐步增大、地形较为复杂多样性,依靠单一遥感卫星数据很难实现测区影像的全覆盖,因此引入不同源的遥感卫星影像相互补充,实现遥感卫星影像的联合处理十分必要。
多源数据联合平差不仅可以保证异源数据之间的接边精度,还可提高整体区域网的稳定程度。利用多源卫星影像的联合区域平差技术,在控制点极少甚至无控制点的情况下,克服影像纹理特征极差,实现更大覆盖范围的更高精度快速定位,具有重要的实际意义
传统的卫星遥感影像区域网平差是基于同名光线对对相交的光线交会原理实现的,而对于多源卫星遥感影像而言,部分多源卫星影像一般不是立体卫星,而是以弱交会方式存在;从而会导致采用传统的基于有理函数模型的区域网平差方法会出现平差不收敛的情况,造成平差算法的鲁棒性低、精度差。
发明内容
本发明旨在解决上述问题,提供一种基于多源光学遥感卫星影像的联合区域网平差方法及装置,以解决遥感区域网平差中部分影像呈弱交会,导致区域网平差鲁棒性低、精度差的问题。
第一方面,本发明提供一种基于多源光学遥感卫星影像区域网平差的方法,包括:
1)首先对多源遥感卫星数据进行组织并获取对应测区的DEM参考数据,并对多源遥感数据进行连接点提取,获取连接点文件;
2)利用遥感影像的RPC和连接点坐标计算每个连接点的交会角,识别出弱交会连接点,利用外部DEM数据获取弱交会连接点的初始物方坐标,并对连接点进行粗差探测和粗差剔除;
3)根据连接点获取影像间的连接关系,构建法方程系数矩阵块的关系对应表;结合并行计算,对法方程进行压缩填充和解算,获取仿射畸变、连接点、弱交会点的改正数,并对参数进行改正;计算像点残差中误差,并对连接点和弱交会点进行粗差剔除;
4)重复步骤3),直至像点残差中误差保持不变;
5)重新利用外部DEM内插出弱交会点的高程值,并重复步骤3),直至弱交会点两次内插的高程值不再变化;
6)统计多源遥感影像区域网平差的精度,拟合RPC参数,并输出区域网平差结果。
进一步,本发明所述基于多源光学遥感卫星影像区域网平差的方法,步骤2)所述对连接点进行粗差探测和粗差剔除包括:
结合影像的RPC参数计算每个连接点的交会角,识别出弱交会连接点,结合用外部DEM数据,获取弱交会连接点的初始物方坐标,并统计每个弱交会连接点的像方残差,进行粗差探测和剔除;
利用影像的RPC,对连接点进行前方交会,获取连接点的初始物方坐标,并统计每个连接点的像方残差,对连接点进行粗差探测和剔除。
更进一步,本发明所述基于多源光学遥感卫星影像区域网平差的方法,所述获取弱交会连接点的初始物方坐标时,两度及以上的弱交会连接点,分别利用每景影像的RPC获取各影像上连接点的对应的三维坐标,并取其平均值作为该点的物方坐标的初始值。
更进一步,本发明所述基于多源光学遥感卫星影像区域网平差的方法,所述粗差探测和剔除时首先对连接点进行前方交会,获取连接点的物方坐标,然后利用单片后方交会,分别计算该连接点在影像上的像点残差,并统计残差中误差,将大于预设中误差值的点为粗差点,并将该点删除;
将连接点划分为立体像对内部和立体像对间两部分,因卫星拍摄过程中像对间为同时拍摄,内部畸变和时效性一致,因而连接点匹配误差较小,而像对间由于拍摄时间存在差异,导致影像时效性和畸变较大,连接点误差也较大,因此,对该两部分点分别设置不同的粗差剔除阈值进行粗差剔除。
更进一步,本发明所述基于多源光学遥感卫星影像区域网平差的方法,步骤3)所述过程具体包括:
31)对影像进行编号,根据连接点和影像编号,获取影像两两之间的连接关系,并进行标记;
32)采用并行计算,利用连接点和弱交会点并行构建法方程的系数矩阵块,并标记出连接点所在的影像编号;
33)根据非零法方程的系数矩阵块的影像编号,将系数矩阵块填充到矩阵相应的位置;
34)采用共轭梯度法,对法方程进行解算,获取每景影像的仿射畸变参数改正数;
35)采用并行解算,解算出连接点的三维坐标的物方改正数和弱交会点平面坐标改正数;
36)对参数进行改正,并解算像点残差中误差,根据中误差,删除误差大于预设中误差的连接点和弱交会点;
37)迭代求解,至像点残差中误差满足条件。
第二方面,本发明提供一种基于多源光学遥感卫星影像区域网平差的系统,包括电连接的弱交会点识别模块、初始坐标计算模块和平差解算模块;
所述弱交会点识别模块,用于对多源遥感卫星数据进行组织并获取对应测区的DEM参考数据,并对多源遥感数据进行连接点提取,获取连接点文件;
然后利用遥感影像的RPC和连接点坐标计算每个连接点的交会角,识别出弱交会连接点,利用外部DEM数据获取弱交会连接点的初始物方坐标,并对连接点进行粗差探测和粗差剔除;
所述初始坐标计算模块,用于根据连接点获取影像间的连接关系,构建法方程系数矩阵块的关系对应表;结合并行计算,对法方程进行压缩填充和解算,获取仿射畸变、连接点、弱交会点的改正数,并对参数进行改正;计算像点残差中误差,并对连接点和弱交会点进行粗差剔除;重复该过程,直至像点残差中误差保持不变;
所述平差解算模块,用于重新利用外部DEM内插出弱交会点的高程值,并调用初始坐标计算模块重复计算,直至弱交会点两次内插的高程值不再变化;然后统计多源遥感影像区域网平差的精度,拟合RPC参数,并输出区域网平差结果。
进一步,本发明所述基于多源光学遥感卫星影像区域网平差的系统,所述对连接点进行粗差探测和粗差剔除包括:结合影像的RPC参数计算每个连接点的交会角,识别出弱交会连接点,结合用外部DEM数据,获取弱交会连接点的初始物方坐标,并统计每个弱交会连接点的像方残差,进行粗差探测和剔除;利用影像的RPC,对连接点进行前方交会,获取连接点的初始物方坐标,并统计每个连接点的像方残差,对连接点进行粗差探测和剔除。
更进一步,本发明所述基于多源光学遥感卫星影像区域网平差的系统,所述对连接点进行粗差探测和粗差剔除时,将连接点划分为立体像对内部和立体像对间两部分,分别设置不同的粗差剔除阈值进行粗差剔除;首先对连接点进行前方交会,获取连接点的物方坐标,然后利用单片后方交会,分别计算该连接点在影像上的像点残差,并统计残差中误差,将大于预设中误差值的点为粗差点,并将该点删除。
第三方面,本发明提供一种基于多源光学遥感卫星影像区域网平差的电子装置,包括相电连接的处理器和存储器;所述存储器用于存储计算机程序;所述处理器执行前述计算机程序时,可实现如第一方面所述的基于多源光学遥感卫星影像区域网平差的方法。
第四方面,本发明提供一种计算机可读存储介质,所述存储介质上存储有计算机程序;所述计算机程序被执行时,可实现如第一方面所述的基于多源光学遥感卫星影像区域网平差的方法。
本发明所述基于多源光学遥感卫星影像区域网平差的方法及装置,具有如下技术效果:
(1)实现了多源影像的联合处理,借助外部DEM数据,实现弱交会影像处理的鲁棒性,保证了多源数据内精度的符合度,提升了多源数据间的接边精度;
(2)针对大区域多源遥感卫星影像数据的处理,采用矩阵压缩存储方式构建法方程的系数矩阵,降低计算内存的消耗;
(3)采用法方程系数矩阵块并行填充的方式,提升区域网平差的处理效率。
附图说明
图1为本发明实施例所述多源光学遥感卫星影像区域网平差的流程示意图;
图2为本发明实施例所述影像交会角示意图;
图3为本发明实施例所述弱交会连接点物方坐标获取示意图;
图4为本发明实施例所述区域网平差测区示意图;
图5为本发明实施例所述法方程系数矩阵结构图;
图6为本发明实施例所述稀疏矩构建及解算流程示意图;
图7为本发明实施例所述测区分布及DOM成果示意图;
图8为本发明实施例所述DOM影像接边精度示意图;
图9为本发明实施例所述测区及控制点分布情况示意图;
图10为本发明实施例所述基于多源光学遥感卫星影像区域网平差的系统示意图。
具体实施方式
下面根据附图及实施例对本发明所述基于多源光学遥感卫星影像区域网平差的方法及装置进行详细说明。
实施例一
本实施例公开一种基于多源光学遥感卫星影像区域网平差的方法,如图1所示,具体包括如下步骤:
1)首先对多源遥感卫星数据进行组织并获取对应测区的DEM参考数据,并对多源遥感数据进行连接点提取,获取连接点文件;
2)利用遥感影像的RPC和连接点坐标计算每个连接点的交会角,识别出弱交会连接点,利用外部DEM数据获取弱交会连接点的初始物方坐标,并对连接点进行粗差探测和粗差剔除;
3)根据连接点获取影像间的连接关系,构建法方程系数矩阵块的关系对应表;结合并行计算,对法方程进行压缩填充和解算,获取仿射畸变、连接点、弱交会点的改正数,并对参数进行改正;计算像点残差中误差,并对连接点和弱交会点进行粗差剔除;
4)重复步骤3),直至像点残差中误差保持不变;
5)重新利用外部DEM内插出弱交会点的高程值,并重复步骤3),直至弱交会点两次内插的高程值不再变化;
6)统计多源遥感影像区域网平差的精度,拟合RPC参数,并输出区域网平差结果。
在本技术方案中,交会角是指同名点中各点与其对应的摄影中心连接所形成射线的夹角,如图2所示,弱交会影像是指交会角较小的影像,一般认为交会角度小于10°的影像为弱交会影像,且交会角越小,对高程精度的影响越大。图中,S和S’分别为立体影像的摄影中心点,点a和a'为连接点,Am为地面物方点,两个光线Sa和S'a’的夹角θ即为两景影像的交会角。
在本技术方案中,因弱交会点无法进行立体前方交会,因此给定任意高程,利用每景影像的RPC参数对影像进行单片前方交会,可获得连接点在任意高程处的三维坐标。
有理函数模型(RPC)将地面点大地坐标D(Dlat,Dlon,Dhei)与其对应的像点坐标d(Line,Sample)用比值多项式关联起来。为了增强参数求解的稳定性,将地面坐标和影像坐标正则化到-1和1之间。对于一个影像,定义如下比值多项式:
多项式NumL,DenL,Nums,Dens均为不超过3次的多项式,其通用形式为:
上式中,(P,L,H)为正则化的地面坐标,(L,S)为正则化的影像坐标,其正则化公式为:
这里,Dlat_off、Dlat_scale、Dlon_off、Dlon_scale、Dhei_off和Dhei_scale为地面坐标的正则化参数。Soff、Sscale、Loff和Lscale为影像坐标的正则化参数。
利用影像的RPC参数,根据连接点的像方坐标和给定高程H和H1,利用公式(1),可计算出连接点的物方坐标A(X,Y,H)、A'(X',Y',H)和A1(X1,Y1,H1)、A1'(X1',Y1',H1)。
根据公式(5),可计算出连接点的交会角θ:
当连接点的交会角小于10°时,认为该点为弱交会点。
针对弱交会连接点,在本公开实施例中采用基于外部高精度DEM进行约束的方法,获取其物方坐标初始值,从而降低交会角过小引起的高程精度较差的问题。
如图3所示,根据影像的RPC和初始高程H0,计算点连接点的平面坐标,根据平面坐标内插出该点在DEM上的高程值H1,根据高程H1重新计算该点的平面位置,然后再次内插出高程H2,经过迭代内插后若两次高程值差值小于限差,则取最后一次高程值作为该点的高程初始值。
在本公开实施例中,针对两度及以上的弱交会连接点,分别利用每景影像的RPC获取各影像上连接点的对应的三维坐标,并取其平均值作为该点的物方三维坐标点的初始值。
本公开实施例中,采用连接点自动提取的方式进行多源影像的高精度连接点的提取,匹配精度可达子像素级,也可满足空三对连接点分布均匀的要求,但由于多源影像之间角度、色彩的变化差异较大,造成影像存在噪音,进而引起影像匹配点出现误差。因此,为了提升平差效率,增强区域网平差的鲁棒性,需要对连接点进行粗差探测和剔除。
在进行粗差探测和剔除时,首先应用公式(1)对连接点进行前方交会,获取连接点的物方坐标(XYZ),然后利用单片后方交会,分别计算该连接点在影像上的像点残差,并统计残差中误差,默认大于3倍中误差的点为粗差点,并将该点删除。
与此同时,在进行粗差探测和剔除时,将连接点划分为立体像对内部和立体像对间两部分,因卫星拍摄过程中像对间为同时拍摄,内部畸变和时效性一致,因而连接点匹配误差较小,而像对间由于拍摄时间存在差异,导致影像时效性和畸变较大,连接点误差也较大,因此,对该两部分点分别设置不同的粗差剔除阈值进行粗差剔除。
在本公开实施例中,多源遥感卫星影像联合区域网平差模型构建和解算时,先分析卫星系统参数对影像几何纠正精度的影响,需要改正两类误差,一类参数纠正行方向的误差,一类参数纠正列方向的误差。其中行参数吸收轨道、姿态在行方向上的影响,列参数吸收轨道、姿态在列方向上的影响,因此可以采用定义在影像面的仿射变换来校正此类误差。
在影像上定义仿射变换,可表示为:
其中,e0,f0为像方平移定向参数;e1,e2和f1,f2为像方二维仿射变换定向参数,e0,e1,e2三个参数将改正传感器在扫描方向上位置和姿态误差所引起的影像列方向上的误差,而f0,f1,f2三个参数将改正传感器在飞行方向上位置和姿态误差所引起的影像行方向的误差。
用(C',R')表示经过系统误差改正后的像点坐标,(C,R)表示用RPC模型计算的像点坐标值,都是非正则化的参数值,△C,△R为像点坐标C,R的改正量,e0,e1,e2,f0,f1,f2为各影像的仿射变换参数。可构建区域网平差的数学模型(式6)。
利用误差模型(6),结合公式(1)可建立区域网平差的误差方程,令:
以影像的仿射变换参数e0,e1,e2,f0,f1,f2和地面点的坐标(P,L,H)为未知数,将FS,FL按Tailor级数展开至一次项,得到误差方程式为:
针对弱交会点,因其高程值为DEM内插的值,因此在计算过程中不予改正,弱交会点的误差方程式为:
把误差方程式写成矩阵形式为:
式中:
V=[FS FL]T,
t=[da0 da1 da2 db0 db1 db2]T
X=[dP dL dH]T
其中,B1矩阵为弱交会连接点的物方改正数。
相应的法方程为:
其中:N11=ATPA,N22=BTPB;n1=ATPL,n2=BTPL。
因法方程中,连接点数远远大于仿射畸变改正参数,对上式消去一类未知数X,可得:
进行法方程系数矩阵并行构建与解算;先对公式(12)进行展开分析,矩阵中ATPA为仿射畸变改正数的方差矩阵仅与影像本身相关,矩阵BTPB为连接点物方坐标改正数的方差矩阵与连接点本身相关,矩阵BTPA为仿射畸变参数和连接点的协方差矩阵,若连接点和影像不相关,则矩阵BTPA为0矩阵,因此,法方程系数矩阵存在绝大部分0矩阵,且测区越大零矩阵越多。
如图4所示,该测区的法方程系数矩阵构建如图5左图所示,矩阵中0、1、2、3为影像的编号,矩阵中每个块的大小为一个6*6的矩阵单元,其中黑色块为非零矩阵,存储过程中将6*6的非零矩阵单元存储在一个一维的容器中,以降低计算内存;由于法方程的系数矩阵为非零正定矩阵,因此在矩阵存储时,只对矩阵的非零上三角进行存储,如图5右图所示,从而进一步降低对内存的消耗。
在本公开实施例中,步骤3)过程采用稀疏矩构建及解算,具体过程包括:31)对影像进行编号,根据连接点和影像编号,获取影像两两之间的连接关系,并进行标记;
32)采用并行计算,利用连接点和弱交会点并行构建法方程的系数矩阵块,并标记出连接点所在的影像编号;
33)根据非零法方程的系数矩阵块的影像编号,将系数矩阵块填充到矩阵相应的位置(仅填充上三角矩阵);
34)采用共轭梯度法,对法方程进行解算,获取每景影像的仿射畸变参数改正数;
35)采用并行解算,根据公式(12),解算出连接点的三维坐标的物方改正数和弱交会点平面坐标改正数;
36)对参数进行改正,并解算像点残差中误差,根据中误差,删除误差大于3倍中误差的连接点和弱交会点;
37)迭代求解,至像点残差中误差满足条件。
在本公开实施例中,区域网平差答解完成后,利用精化后的RPC对弱交会点重新内插出新得高程值,然后再次进行平差解算,至弱交会点两次内插的高程值之差小于限差结束。
平差结束后,对RPC重新拟合,并统计影像的像点残差中误差,RPC参数拟合精度,针对立体像对计算像对的上下视差以及像对的接边精度,以保证联合平差的精度。
在本公开实施例中,采用两种数进行试验验证,第一组数据全部为弱交会遥感影像,第二组数据含立体影像和弱交会影像两种数据。
(1)采用768景GF2号和336景GF6号遥感卫星数据,借助30米SRTM数据进行联合区域网平差,测区分布和平差结果如图7所示,联合平差后GF6和GF2影像的接边精度优于1个像素,如图8所示。
(2)采用ZY3号和GF2号卫星影像数据,进行联合区域网平差,并利用控制点进行精度检测。经统计,联合平差后,各影像的像点残差中误差优于0.5个像素,各像对的上下视差均优于0.5个像素,像对间接边精度优于1个像素,可满足空三精度要求。
利用控制点进行精度检查,联合区域网平差的定位精度统计见表1。
表1控制点精度统计表
点号 | dX | dY | σXY | dH |
10354 | 1.01 | 1.59 | 1.89 | 1.49 |
10361 | -3.48 | 2.45 | 4.25 | -2.18 |
10343 | -2.94 | 6.24 | 6.90 | -3.55 |
10344 | -2.66 | -0.10 | 2.66 | -3.52 |
10360 | 3.54 | 4.45 | 5.68 | -2.53 |
10355 | -2.09 | 3.11 | 3.75 | -4.77 |
10352 | 3.17 | -4.00 | 5.11 | 2.05 |
平均值 | -0.49 | 1.96 | 4.32 | -1.86 |
最大值 | 3.54 | 6.24 | 6.90 | 2.05 |
最小值 | -3.48 | -4.00 | 1.89 | -4.77 |
中误差 | 2.82 | 3.64 | 4.61 | 3.05 |
实施例二
本实施例公开一种基于多源光学遥感卫星影像区域网平差的系统,如图10所示,包括电连接的弱交会点识别模块、初始坐标计算模块和平差解算模块;
所述弱交会点识别模块,用于对多源遥感卫星数据进行组织并获取对应测区的DEM参考数据,并对多源遥感数据进行连接点提取,获取连接点文件;
然后利用遥感影像的RPC和连接点坐标计算每个连接点的交会角,识别出弱交会连接点,利用外部DEM数据获取弱交会连接点的初始物方坐标,并对连接点进行粗差探测和粗差剔除;
所述初始坐标计算模块,用于根据连接点获取影像间的连接关系,构建法方程系数矩阵块的关系对应表;结合并行计算,对法方程进行压缩填充和解算,获取仿射畸变、连接点、弱交会点的改正数,并对参数进行改正;计算像点残差中误差,并对连接点和弱交会点进行粗差剔除;重复该过程,直至像点残差中误差保持不变;
所述平差解算模块,用于重新利用外部DEM内插出弱交会点的高程值,并调用初始坐标计算模块重复计算,直至弱交会点两次内插的高程值不再变化;然后统计多源遥感影像区域网平差的精度,拟合RPC参数,并输出区域网平差结果。
在本公开实施例中,所述对连接点进行粗差探测和粗差剔除包括:结合影像的RPC参数计算每个连接点的交会角,识别出弱交会连接点,结合用外部DEM数据,获取弱交会连接点的初始物方坐标,并统计每个弱交会连接点的像方残差,进行粗差探测和剔除;
利用影像的RPC,对连接点进行前方交会,获取连接点的初始物方坐标,并统计每个连接点的像方残差,对连接点进行粗差探测和剔除。
在本公开实施例中,所述对连接点进行粗差探测和粗差剔除时,将连接点划分为立体像对内部和立体像对间两部分,分别设置不同的粗差剔除阈值进行粗差剔除;首先对连接点进行前方交会,获取连接点的物方坐标,然后利用单片后方交会,分别计算该连接点在影像上的像点残差,并统计残差中误差,将大于预设中误差值的点为粗差点,并将该点删除。
实施例三
本发明提供一种基于多源光学遥感卫星影像区域网平差的电子装置,包括相电连接的处理器和存储器;所述存储器用于存储计算机程序;所述处理器执行前述计算机程序时,可实现前述实施例一所述的基于多源光学遥感卫星影像区域网平差的方法,具体平差方法步骤与前述实施例一相同,在此不再赘述。
实施例四
本发明提供一种计算机可读存储介质,所述存储介质上存储有计算机程序;所述计算机程序被执行时,可实现前述实施例一所述的基于多源光学遥感卫星影像区域网平差的方法,具体平差方法步骤与前述实施例一相同,在此不再赘述。
本申请实施例所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输。所述计算机可读存储介质可以是计算机能够读取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,数字通用光盘(DVD))或者半导体介质(例如,固态硬盘(SSD))等。计算机存储代码所形成软件可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。
在本申请各实施例中的各功能模块可以集成在一个处理单元或模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元或模块中。在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生实现本申请实施例所述的流程或功能。
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以所述权利要求的保护范围为准。
Claims (10)
1.一种基于多源光学遥感卫星影像区域网平差的方法,其特征在于包括:
1)首先对多源遥感卫星数据进行组织并获取对应测区的DEM参考数据,并对多源遥感数据进行连接点提取,获取连接点文件;
2)利用遥感影像的RPC和连接点坐标计算每个连接点的交会角,识别出弱交会连接点,利用外部DEM数据获取弱交会连接点的初始物方坐标,并对连接点进行粗差探测和粗差剔除;
3)根据连接点获取影像间的连接关系,构建法方程系数矩阵块的关系对应表;结合并行计算,对法方程进行压缩填充和解算,获取仿射畸变、连接点、弱交会点的改正数,并对参数进行改正;计算像点残差中误差,并对连接点和弱交会点进行粗差剔除;
4)重复步骤3),直至像点残差中误差保持不变;
5)重新利用外部DEM内插出弱交会点的高程值,并重复步骤3),直至弱交会点两次内插的高程值不再变化;
6)统计多源遥感影像区域网平差的精度,拟合RPC参数,并输出区域网平差结果。
2.根据权利要求1所述基于多源光学遥感卫星影像区域网平差的方法,其特征在于:步骤2)所述对连接点进行粗差探测和粗差剔除包括:
结合影像的RPC参数计算每个连接点的交会角,识别出弱交会连接点,结合用外部DEM数据,获取弱交会连接点的初始物方坐标,并统计每个弱交会连接点的像方残差,进行粗差探测和剔除;
利用影像的RPC,对连接点进行前方交会,获取连接点的初始物方坐标,并统计每个连接点的像方残差,对连接点进行粗差探测和剔除。
3.根据权利要求2所述基于多源光学遥感卫星影像区域网平差的方法,其特征在于:所述获取弱交会连接点的初始物方坐标时,两度及以上的弱交会连接点,分别利用每景影像的RPC获取各影像上连接点的对应的三维坐标,并取其平均值作为该点的物方坐标的初始值。
4.根据权利要求3所述基于多源光学遥感卫星影像区域网平差的方法,其特征在于:所述粗差探测和剔除时首先对连接点进行前方交会,获取连接点的物方坐标,然后利用单片后方交会,分别计算该连接点在影像上的像点残差,并统计残差中误差,将大于预设中误差值的点为粗差点,并将该点删除;
将连接点划分为立体像对内部和立体像对间两部分,分别设置不同的粗差剔除阈值进行粗差剔除。
5.根据权利要求4所述基于多源光学遥感卫星影像区域网平差的方法,其特征在于:步骤3)所述过程具体包括:
31)对影像进行编号,根据连接点和影像编号,获取影像两两之间的连接关系,并进行标记;
32)采用并行计算,利用连接点和弱交会点并行构建法方程的系数矩阵块,并标记出连接点所在的影像编号;
33)根据非零法方程的系数矩阵块的影像编号,将系数矩阵块填充到矩阵相应的位置;
34)采用共轭梯度法,对法方程进行解算,获取每景影像的仿射畸变参数改正数;
35)采用并行解算,解算出连接点的三维坐标的物方改正数和弱交会点平面坐标改正数;
36)对参数进行改正,并解算像点残差中误差,根据中误差,删除误差大于预设中误差的连接点和弱交会点;
37)迭代求解,至像点残差中误差满足条件。
6.一种基于多源光学遥感卫星影像区域网平差的系统,其特征在于:包括电连接的弱交会点识别模块、初始坐标计算模块和平差解算模块;
所述弱交会点识别模块,用于对多源遥感卫星数据进行组织并获取对应测区的DEM参考数据,并对多源遥感数据进行连接点提取,获取连接点文件;
然后利用遥感影像的RPC和连接点坐标计算每个连接点的交会角,识别出弱交会连接点,利用外部DEM数据获取弱交会连接点的初始物方坐标,并对连接点进行粗差探测和粗差剔除;
所述初始坐标计算模块,用于根据连接点获取影像间的连接关系,构建法方程系数矩阵块的关系对应表;结合并行计算,对法方程进行压缩填充和解算,获取仿射畸变、连接点、弱交会点的改正数,并对参数进行改正;计算像点残差中误差,并对连接点和弱交会点进行粗差剔除;重复该过程,直至像点残差中误差保持不变;
所述平差解算模块,用于重新利用外部DEM内插出弱交会点的高程值,并调用初始坐标计算模块重复计算,直至弱交会点两次内插的高程值不再变化;然后统计多源遥感影像区域网平差的精度,拟合RPC参数,并输出区域网平差结果。
7.根据权利要求6所述基于多源光学遥感卫星影像区域网平差的系统,其特征在于:所述对连接点进行粗差探测和粗差剔除包括:结合影像的RPC参数计算每个连接点的交会角,识别出弱交会连接点,结合用外部DEM数据,获取弱交会连接点的初始物方坐标,并统计每个弱交会连接点的像方残差,进行粗差探测和剔除;
利用影像的RPC,对连接点进行前方交会,获取连接点的初始物方坐标,并统计每个连接点的像方残差,对连接点进行粗差探测和剔除。
8.根据权利要求7所述基于多源光学遥感卫星影像区域网平差的系统,其特征在于:所述对连接点进行粗差探测和粗差剔除时,将连接点划分为立体像对内部和立体像对间两部分,分别设置不同的粗差剔除阈值进行粗差剔除;首先对连接点进行前方交会,获取连接点的物方坐标,然后利用单片后方交会,分别计算该连接点在影像上的像点残差,并统计残差中误差,将大于预设中误差值的点为粗差点,并将该点删除。
9.一种基于多源光学遥感卫星影像区域网平差的电子装置,包括相电连接的处理器和存储器;所述存储器用于存储计算机程序;其特征在于:所述处理器执行前述计算机程序时,可实现如权利要求1-5任一项所述的基于多源光学遥感卫星影像区域网平差的方法。
10.一种计算机可读存储介质,其特征在于:所述存储介质上存储有计算机程序;所述计算机程序被执行时,可实现如权利要求1-5任一项所述的基于多源光学遥感卫星影像区域网平差的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310916429.4A CN117030620A (zh) | 2023-07-25 | 2023-07-25 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310916429.4A CN117030620A (zh) | 2023-07-25 | 2023-07-25 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117030620A true CN117030620A (zh) | 2023-11-10 |
Family
ID=88638177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310916429.4A Pending CN117030620A (zh) | 2023-07-25 | 2023-07-25 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117030620A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117647232A (zh) * | 2024-01-29 | 2024-03-05 | 航天宏图信息技术股份有限公司 | 激光高程点转刺到卫星立体影像的方法、装置及设备 |
-
2023
- 2023-07-25 CN CN202310916429.4A patent/CN117030620A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117647232A (zh) * | 2024-01-29 | 2024-03-05 | 航天宏图信息技术股份有限公司 | 激光高程点转刺到卫星立体影像的方法、装置及设备 |
CN117647232B (zh) * | 2024-01-29 | 2024-04-16 | 航天宏图信息技术股份有限公司 | 激光高程点转刺到卫星立体影像的方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110363858B (zh) | 一种三维人脸重建方法及系统 | |
CN108830889B (zh) | 基于全局几何约束的遥感影像与基准影像的匹配方法 | |
CN110969668A (zh) | 一种长焦双目相机的立体标定算法 | |
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 | |
US7912321B1 (en) | Image registration with uncertainty analysis | |
CN108759788B (zh) | 无人机影像定位定姿方法及无人机 | |
CN109579872B (zh) | 一种星敏感器仪器星等估计方法 | |
CN111145227B (zh) | 一种地下隧道空间多视点云的可迭代整体配准方法 | |
CN107330927B (zh) | 机载可见光图像定位方法 | |
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 | |
CN116433737A (zh) | 一种激光雷达点云与图像配准的方法、装置及智能终端 | |
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 | |
CN107845120B (zh) | Pet图像重建方法、系统、终端和可读存储介质 | |
CN114241064B (zh) | 一种遥感卫星内外方位元素实时几何定标方法 | |
CN112597428A (zh) | 基于rfm模型光束法平差和影像重采样的颤振探测修正方法 | |
CN114998773A (zh) | 适用于无人机系统航拍图像的特征误匹配剔除方法及系统 | |
CN109215118B (zh) | 一种基于图像序列的增量式运动结构恢复优化方法 | |
CN114612412A (zh) | 三维点云数据的处理方法及其用途、电子设备、存储介质 | |
CN104537614B (zh) | 一种环境一号卫星ccd影像正射校正方法 | |
CN117288169B (zh) | 一种稳健的卫星影像无控区域网平差方法 | |
CN113436262A (zh) | 一种基于视觉的车辆目标位置和姿态角度的检测方法 | |
CN110503604B (zh) | 一种基于高精度pos的航空面阵影像实时正射拼接方法 | |
Magri et al. | Bending the doming effect in structure from motion reconstructions through bundle adjustment | |
CN117058008A (zh) | 遥感影像几何与辐射一体化校正方法、装置、设备及介质 | |
CN113379648B (zh) | 一种高分七号和资源三号立体影像联合平差方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |