В настоящее время во всех фирмах, занимающихся фотограмметрической обработкой снимков, применяется цифровой способ фототриангуляции и соответствующие программные продукты. Поэтому целью данной курсовой работы является изучение теоретических основ и получение практических навыков построения сетей пространственной фототриангуляции по результатам аэрофотосъемки с использование программного продукта.

В данной курсовой работе в первом разделе будут рассмотрены понятие пространственной цифровой фототриангуляции, назначение, достоинства, основные методы, а также её особенности.

Во втором разделе будет рассмотрена краткая характеристика ЦФС «Фотомод» и технология построения блочной сети фототриангуляции на ЦФС «Фотомод».

В третьем разделе будет подробно рассмотрено построение блочной сети фототриангуляции на ЦФС «Фотомод», включающее оценку фотографического и фотограмметрического качества исходных материалов, составление рабочего проекта, подготовку исходных данных для построения сети, внутреннее ориентирование снимков, измерение плоских координат опорных, межмаршруных и связующих точек снимков, построение и уравнивание блочной сети фототриангуляции, оценку точности, контроль качества и анализ результатов цифровой фототриангуляции.

В четвертом разделе будут приведены результаты исследования точности построения блочной сети фототриангуляции и проведён анализ результатов.

1.Цифровая фототриангуляция

1.1 Сущность, классификация и назначение фототриангуляции

Сущность фототриангуляции заключается в построении модели местности по снимках, принадлежащим одному или нескольким маршрутам, и внешнем ориентировании этой модели. Фототриангуляция позволяет определять по снимкам плановое положение и высоты опорных точек, необходимых для создания фотопланов, ортофотопланов, карт, цифровой модели рельефа (ЦМР), цифровой модели местности (ЦММ). Также позволяет определять элементы внешнего ориентирования снимков. Основная цель пространственной фототриангуляции (ПФТ) – максимально сократить трудоёмкие полевые геодезические работы, заменить их на камеральные.

ПФТ можно классифицировать[6]:

1) по количеству маршрутов:

- одномаршрутная, которая строится по снимкам, принадлежащим одному маршруту;

- многомаршрутная, или блочная, которая строится по снимкам, принадлежащим двум и более маршрутам;

2) по технологии построения сети фототриангуляции:

- аналоговая, основанная на использование универсальных приборов;

- аналитическая,основанная на применении высокоточных автоматизированных стереокомпараторов и ЭВМ;

- цифровая, при которой используются цифровые изображения;

3) в зависимости от использования физических измерений:

- с использованием физических измерений;

- без использования физических измерений;

4) по назначению:

- каркасная, развивающаяся перпендикулярно к направлению заполняющих маршрутов с целью обеспечения опорными точками, необходимыми для фототриангуляции по заполняющим маршрутам;

- заполняющая, обеспечивающая опорными точками каждую стереопару.

Различают 3 способа одномаршрутной ПФТ:

1) метод независимых моделей;

2) метод частично зависимых моделей;

3) метод связок.

Различают 3 способа многомаршрутной ПФТ:

1) способ связок;

2) способ независимых моделей;

3) способ независимых маршрутов.

1.2 Достоинства цифровой фототриангуляции

Цифровая фототриангуляция имеет следующие достоинства[6]:

1) высокая степень автоматизации;

2) высокая точность благодаря:

- возможности учёта геометрических искажений в координатах точек снимков;

- возможности обработки избыточных измерений;

- использованию мощных компьютеров;

- использованию строгих алгоритмов обработки снимков;

3) возможность обработки снимков различного формата с различными элементами внутреннего и внешнего ориентирования снимков, снимков, полученных различными съемочными системами;

4) широкие функциональные возможности;

5) решена проблема старения материала;

6) возможность улучшения изобразительного качества снимков;

7) высокая производительность труда и культура производства;

8) нет необходимости в сложном обслуживании.

1.3 Сущность основных методов цифровой и аналитической фототриангуляции

1.3.1 Маршрутная фототриангуляция методом независимых моделей

Основные этапы построения ПФТ методом независимых моделей[2]:

1) предварительная обработка результатов измерений координат точек снимков. Осуществляется переход от отсчётов, полученных при измерении снимков на приборе, к плоским координатам точек снимков x, y и учет всех систематических ошибок в координатах точек снимков (за дисторсию объектива АФА, деформацию фотоматериала, рефракцию световых лучей и др.);

2) взаимное ориентирование снимков.

На данном этапе определяются элементы взаимного ориентирования снимков в базисной системе ().

В качестве исходного уравнения используется условие компланарности соответствующих лучей в базисной системе:

, (1.1)

где - пространственные координаты точек левого и правого снимков. В уравнении (1.1) известными будут , неизвестными являются элементы взаимного ориентирования .

, (1.2)

где - плоские координаты точек снимков;

- направляющие косинусы, являющиеся функциями элементов взаимного ориентирования снимков;

- элементы внутреннего ориентирования снимков.

На основе (1.1) получим уравнение вида

(1.3)

Уравнение (1.3) не линейны по отношению к элементам взаимного ориентирования снимков. Их решают итерационным методом, предварирительно приведя их к линейному виду разложением в ряд Тейлора, ограничиваясь производными первого порядка малости;

3) определение фотограмметрических координат точек одиночных моделей. Выполняется по формулам прямой фотограмметрической засечки:

(1.4)

, (1.5)

где – трансформированные координаты точек левого снимка,

– трансформированный продольный параллакс.

. (1.6)

. (1.7)

4) подсоединение независимых моделей.

На данном этапе перевычисляются координаты точек в единую систему координат всей сети. Обычно в качестве системы координат маршрутной сети принимают фотограмметрическую систему координат первой модели маршрута. Для подсоединения моделей используются координаты связующих точек.

В качестве исходного принимается уравнение связи координат точек последующей модели с предыдущей:

, (1.8)

где - координаты точек в системе координат маршрутной модели (сети); - координаты этих же точек в системе координат последующей модели;

- матрица направляющих косинусов, вычисленных через углы ;

t -масштабный коэффициент;

- координаты начала системы координат последующей модели в системе координат маршрутной сети.

Этап подсоединения модели состоит из двух процессов. Сначала вычисляются , а известными будут .

Затем вычисляются координаты точек присоединяемой модели в системе координат маршрутной сети. Известными будут и координаты точек модели, полученные по формулам (1.4). По формулам (1.9) вычисляются координаты присоединяемой модели в системе координат маршрутной сети.

5) внешнее ориентирование сети.

На данном этапе перевычисляются координаты точек сети в заданную внешнюю систему координат. Необходимо минимум три опорных точки.

Для внешнего ориентирования сети используются координаты X, Y, Z опорных точек и уравнения вида:

. (1.9)

где координаты начала системы координат сети;

фотограмметрические координаты точек сети;

геодезические координаты точек местности.

В начале известны координаты опорных точек в геодезической системе и фотограмметрические координаты этих точек, полученные из уравнивания сети. В качестве неизвестных выступают 7 элементов ориентирования геодезической сети: .

Определив 7 этих неизвестных, будут определяться геодезические координаты всех точек сети ПФТ.

6) исключение деформации сети.

Деформацию сети ПФТ можно описать различными полиномами.

Например, обобщённого типа:

, (1.10)

где – это коэффициенты деформации, – геодезические координаты точек сети, полученные на этапе 5 из геодезически ориентированной сети.

Из-за деформации сети после ее геодезического ориентирования на опорных точках будут получены расхождения координат :

(1.11)

Исключение деформации сети состоит из 2 процессов: сначала будут известны , опорных точек, неизвестными будут коэффициенты , а исходными для определения коэффициентов будут уравнения (1.10).

После определения коэффициентов деформации вычисляется величина разности координат характеризующие деформацию сети для всех точек сети по формулам (1.10).

Затем вычисляются исправленные координаты точек сети:

. (1.12)

1.3.2 Построение блочных сетей фототриангуляции методом связок

Наиболее строгим методом построения блочных сетей пространственной фототриангуляции аналитическим и цифровым способами по сравнению с методом независимых моделей является метод связок[2]. В основе метода связок лежат уравнения коллинеарности проектирующих лучей:

, (1.13)

В уравнении будут известны f, x0, y0,x, y. Неизвестны элементы внешнего ориентирования снимков , также X, Y, Z – координаты точек сети ПФТ.

Уравнения (1.13) нелинейные и решаются итерационным методом.

На основе (1.13) имеем уравнение поправок вида:

, (1.14)

Уравнения (1.14) решаются по методу наименьших квадратов.

lx и ly – свободные члены, вычисляемые по формулам:

, (1.15) где

– вычисляются по формулам (1.13) подстановкой в них приближённых значений неизвестных .

Достоинством метода связок является то, что сеть строится и уравнивается одновременно для всех точек, входящих в блок, а также поправки находятся непосредственно к измеренным величинам, что обеспечивает более высокую точность построения сети. Недостатками этого метода являются: сложность задания приближённых значений неизвестных (для решения этой проблемы можно предварительно уровнять сеть менее строгим методом, а её результаты использовать в качестве приближённых значений), должны отсутствовать грубые ошибки, должны быть исключены систематические ошибки (или сведены к минимуму).

1.3.3 Построение блочной сети фототриангуляции объединением одиночных моделей

Этот метод основан на том[2], что сначала по каждой стереопаре, входящей в блок, строятся независимые одиночные модели, каждая из которых имеет свой масштаб и свою систему координат.

В процессе уравнивания моделей в блоке, все независимые модели приводятся к определенному масштабу и в единую пространственную систему координат на основе совместного внешнего ориентирования моделей.

Исходным является уравнение:

, (1.16)

где i – номер модели, - элементы внешнего ориентирования для каждой модели. Исходными данными для формирования блока из независимых моделей служат , и . Используются условия равенства 0:

- разностей координат опорных точек, полученных из фототриангуляции и из полевых геодезических работ:

- уклонений координат центров проектирования, полученных из ПФТ и зафиксированных в полете с помощью бортовых приборов;

- расхождений координат связующих и общемаршрутных точек, лежащих в зоне поперечного перекрытия снимков соседних маршрутов.

Эти уравнения будут составляться для опорных точек и центров фотографирования.

Для связующих точек, расположенных в зоне тройного продольного перекрытия снимков и общемаршрутных точек, расположенных в зоне поперечного перекрытия снимков будут составляться уравнения вида:

(1.17)

Уравнения (1.16) и (1.17) решаются совместно. В результате решения определяются: , по которым далее по формулам (1.16) определяются координаты X, Y, Z в системе координат блочной сети.

Достоинством этого метода является то, что он проще в реализации, а недостатком – он менее строг с точки зрения уравнивания, чем метод связок.

1.3.4 Построение блочной сети фототриангуляции объединением независимых маршрутных моделей

Сущность данного метод заключается в том[2], что объединяются независимые маршрутные сети (построенные допустим методом независимых и частично зависимых моделей). Маршрутные сети предварительно внешне ориентированы в единой пространственной прямоугольной системе координат блока. В основе объединения маршрутных сетей в единый фототриангуляционный блок используется равенство нулю: 1) разности геодезических координат полученных из геодезии и ПФТ δгеод; 2) уклонений координат центров фотографирования, полученных из фототриангуляции и зафиксированных в полёте с помощью бортовых приборов δборт;

3) расхождений координат общемаршрутных точек δфот.

Исходными данными для объединения маршрутных сетей в единый блок служат , и .

Уравнивание маршрутных сетей в блоке выполняется одновременно с исключением деформации сетей ПФТ.

, (1.18)

где i – номер маршрутной модели,

Ci – коэффициенты, характеризующие деформацию фототриангуляционной маршрутной сети.

, (1.19)

где Ri – систематическая погрешность показаний бортовых навигационных приборов;

(1.20)

Уравнения (1.19) – (1.20) решаются совместно, из которых определяются неизвестные Ci и Ri.

На втором этапе для всех точек маршрутных сетей вычисляются велечины поправок

(1.21)

Вид функции (1.21) определяется типом выбранных для уравнивания полиномов .После вычисления можно найти исправленные координаты точек сети:

(1.22)

Достоинством данного метода является то, что он проще в реализации, легче выявлять грубые ошибки в координатах общемаршрутных точек, а также результаты ПФТ по данному методу можно использовать в качестве приближённых значений неизвестных. Недостаток жёсткие требования к расположению опорных точек и их числу, также уравниваются функции от измеренных величин, а не сами измеряемые величины.

1.4 Особенности цифровой фототриангуляции

Пирамиды изображений для хранения цифровых изображений.

При обработке цифровых изображений[7] при ПФТ часто возникает необходимость просмотра снимков в уменьшенном масштабе. Для этих целей в программах ПФТ посчитанные один раз изображения уменьшенного масштаба, записываются и хранятся на диске во время всего сеанса обработки в виде «пирамид изображений». В этом случае информационное поле описывается упорядоченным набором изображений, располагаемых одно над другим.

Для формирования пирамиды изображений исходный цифровой снимок разбивается на блоки (обычно 2 х 2 пикселя). Для каждого блока вычисляется среднее арифметическое значение яркости, которое и будет присвоено пикселю для данного блока на следующем уровне пирамиды. Эта процедура повторяется необходимое число раз. Каждое последующее изображение пирамиды будет иметь разрешение в 2 раза меньше предыдущего, а занимаемый объём памяти соответственно в 4 раза

Хранение пирамид изображений оправдано, так как увеличевает скорость обработки.

Тайловая структура организации данных цифровых изображений.

В качестве модели организации данных цифровых изображений[7] используется тайловая структура, которая заключается в следующем:

Исходное изображение делится на блоки (тайлы), размер которых фиксирован.

При необходимости обработки конкретного участка изображения осуществляется перемещение на данный адрес и считывается нужный файл. Эта организация данных позволяет быстро считывать с диска и отображать на экране отдельные участки изображения.

Реляционная модель организации данных.

Для обеспечения гибкости сбора данных и хранения результатов измерения координат точек снимков в современных программных продуктах используется реляционная модель данных[7].

Таблица 1 «Сведения о точках сети»		Таблица 2 «Сведения о снимках»
Номер точки		Идентификатор снимка
X,Y,Z		Элементы внешнего ориентирования снимка
Описание точки		Другие параметры

Таблица 3 «Сведения о точках снимка»

Номер точки

Идентификатор снимка

Измеренные х,у

Другие параметры

Таблица 1 служит для хранения номеров и координат опорных, контрольных и связующих точек (номера точек не должны повторяться).

Таблица 2 служит для хранения информации о снимках, используемых в обработке. В качестве данных выступают идентификатор снимка, элементы внешнего ориентирования, результаты внутреннего ориентирования снимка и т.п.

В таблице 3 хранятся непосредственно измеренные координаты точек снимков х,у. Каждому измерению х,у в этой таблице соответствует номер измеряемой точки и идентификатор снимка, на котором производилось измерение.

Такая организация данных позволяет однозначно сопоставить каждому измерению соответствующую точку местности (сети) и снимок, на котором выполнено измерение. Она позволяет хранить «бесконечное» число опорных, контрольных, связующих точек и результатов измерения их координат.

Алгоритмы автоматического отождествления соответственных точек снимков.

Ключевым алгоритмом автоматизации фотограмметрических измерений является поиск соответственных точек на паре снимков[7].

В соответствии с методами представления видеоинформации все множество алгоритмов отождествления можно разделить на три класса:

- алгоритмы площадного сопоставления (ABM), основанные на сравнении двумерных функций изображений;

- алгоритмы, базирующиеся на сопоставлении структурных описаний (FBM);

- алгоритмы, в основе которых лежит разложение функции изображения по некоторому базису.

Рассмотрим подробнее первую группу. Здесь в качестве примитивов (элементов описаний), участвующих при сопоставлении двух изображений служат пиксели. Точность этих алгоритмов составляет от 0,1 до 0,2 размера пикселя. Они чувствительны к изменению радиометрических и геометрических свойств изображения, требуют больших вычислительных затрат и характеризуются большой вероятностью грубой ошибки в областях расположения высотных объектов и плохих или повторяющихся структур. Примерами площадных алгоритмов являются алгоритм взаимной корреляции и метод наименьших квадратов. Критерием подобия для этих алгоритмов соответственно служат коэффициент взаимной корреляции и сумма квадратов разностей значений яркостей сопряженных участков изображений.

Mетод взаимной корреляции.

Суть метода заключается в вычислении функции взаимной корреляции, которую для дискретных функций можно записать в виде:

(1.23)

где p и q – продольный и поперечный параллаксы на изображении f2(x, y).

M и N – соответственно ширина и высота образца или пределы, в которых определена функция f1(x,y).

Функция взаимной корреляции обладает следующими свойствами:

2) если f1(x,y) и f2(x-p,y-q) независимы, то C(p, q)=0;

3) C(p,q)=1 тогда и только тогда, когда существует такое число b¹0, что .

Фактически алгоритм отыскания соответствия между функциями f1(x,y) и f2(x-p, y-q) сводится к нахождению таких p0 и q0, при которых функция C(p, q) максимальна.

Преимущество этого метода простота реализации.

К недостаткам алгоритма взаимной корреляции относятся:

- большой объем вычислений;

- алгоритм устойчиво работает только при следующих условиях: снимаемая местность плоская, взаимные углы наклона и разворота снимков не превышают 20-30°, а разномасштабность снимков менее 20-30%.

Метод наименьших квадратов

Для метода наименьших квадратов в качестве критерия подобия служит функция суммы квадратов разностей между яркостями пикселей двух изображений.

Пусть на ограниченном участке (x'[-M/2, M/2], y'[-N/2, N/2]) между функциями f1 и f2 существует зависимость:

(1.24)

Для определения искомых величин p0 и q0 составим функцию:

(1.25)

Данную функцию решаем под условием минимума:

, (1.26)

Если известны приближенные значения неизвестных параметров (), то раскладывая функцию(1.25) в ряд Тейлора и ограничиваясь величинами первого порядка малости получаем линейное уравнение относительно неизвестных Dp0 и Dq0:

(1.27)

В результате приходим к системе уравнений поправок:

(1.28)

где A – матрица коэффициентов уравнений поправок;

dX – вектор-столбец поправок к приближенным значениям неизвестных (Dp0 и Dq0);

V – вектор невязок уравнений, который характеризует величины шумовых составляющих.

От системы уравнений поправок переходим к системе нормальных уравнений:

(1.29)

где и .

После определения Dp0 и Dq0 уточняют значения искомых параметров p0 и q0 и затем выполняют следующую итерацию. Этот процесс повторяется до получения требуемой точности вычисления неизвестных.

Алгоритм наименьших квадратов по сравнению с методом взаимной корреляции обладает рядом следующих преимуществ.

Во-первых, метод наименьших квадратов позволяет оценить точность определения искомых параметров. Для оценки точности используют среднюю квадратическую ошибку (СКО) единицы веса, которая будет характеризовать влияние шумовых составляющих и качество образца, и СКО определения параметров p0 и q0, характеризующие точность отождествления соответственно по осям x и y. Значение СКО единицы веса определяется по известной формуле:

(1.30)

где n – количество уравнений поправок, а k – количество неизвестных.

СКО определения неизвестных p0 и q0 выражаются формулами:

(1.31)

где и – соответствующие диагональные элементы обратной матрицы нормальных уравнений.

Во-вторых, метод наименьших квадратов позволяет вести не глобальный поиск соответственной точки, подставляя все возможные значения p и q, как в методе взаимной корреляции, а вдоль направления градиента функции.

В-третьих, как показывает практика, из всех разработанных алгоритмов отождествления метод наименьших квадратов дает наилучшие результаты в отношении точности.

В-четвертых, геометрические ограничения, накладываемые на положение и ориентацию снимков относительно плоскости объектов, несколько ослаблены при использовании метода наименьших квадратов по сравнению с методом взаимной корреляции.

К недостаткам метода наименьших квадратов следует отнести:

- алгоритм, как и все методы площадного отождествления, устойчиво работает только при незначительной разномасштабности и взаимных углах наклона и разворота снимков;

- для получения корректного решения требуется достаточно точно задать параметры p0 и q0.

Широкое распространение на практике получили следующие программные продукты цифровой фототриангуляции:

1) Softplotter фирмы Vision;

2) DPW фирмы Leica;

3) Imagine Station фирмы Intergraph;

4) Match AT – первая программа полностью автоматической ПФТ;

5) Helava Automated Triangulation System;

6) Phodis AT.

Среди российских ЦФС, в которых реализована программа цифровой ПФТ, распространение получили:

1) ЦФС Photomod фирмы Ракурс;

2) Talka, разработанная институтом проблем управления РАН;

3) ЦНИИГАиК.

Они имеют различные алгоритмы и способы реализации, высокую скорость обработки данных, удобный пользовательский интерфейс, гибкость и универсальность, возможность интерактивного режима работы оператора на всех этапах технологических процессов построения сети. По уровню автоматизации все программы ЦФТ делятся на: автоматические и полуавтоматические.

Основными технологическими процессами, которые существуют в любой программе цифровой фототриангуляции [7] являются:

1) создание проекта;

2) внутреннее ориентирование снимков;

3) измерение координат точек снимков;

4) предварительное построение сети;

5) уравнивание сети;

6) оценка точности построения сети.

2. Технология построения блочной сети фототриангуляции на ЦФС «Фотомод»

2.1 Краткая характеристика ЦФС «Фотомод»

Цифровая фотограмметрическая система PHOTOMOD предназначена для решения полного комплекса задач от создания блока изображения до построения моделей рельефа, создания цифровых карт местности и ортофотопланов. Система PHOTOMOD включает средства обработки аэрофотоснимков и сканерных изображений, полученных с помощью различных сенсоров таких, например, как IKONOS, QuickBird, SPOT, ASTER или IRS.

Система PHOTOMOD производится российской компанией Ракурс (Москва) и динамично развивается, начиная с версии 1.1, выпущенной в 1994 году.

Система цифровой фотограмметрии PHOTOMOD включает следующие основные модули[5]:

- PHOTOMOD Montage Desktop – создание и управление проектами

- PHOTOMOD AT – сбор данных и измерения при обработке блока изображений

- PHOTOMOD Solver – уравнивание сети фототриангуляции

- PHOTOMOD StereoDraw – 3D векторизация в стереорежиме по стереопаре

- PHOTOMOD StereoVectOr – параллельная работа с картой формата PHOTOMOD VectOr в окнах StereoDraw (3D векторизация) и VectOr (векторизация по ортофото и редактирование карты)

- PHOTOMOD DTM – построение моделей рельефа, горизонталей по стереопаре

- PHOTOMOD Mosaic – построение ортофотопланов

- PHOTOMOD VectOr – создание и вывод на печать цифровых карт

- PHOTOMOD ScanCorrect – исправление искажений, вносимых в исходные изображения при использовании планшетных сканеров

2.2 Основные процессы технологии построения блочной сети фототриангуляции на ЦФС «Фотомод»

Структурой данных системы PHOTOMOD является[5] проект, который содержит все необходимые файлы для работы – изображения, модели рельефа, трёхмерные векторные объекты, таблицы баз данных модуля PHOTOMOD AT и многое другое. В терминологии системы PHOTOMOD эти файлы называются ресурсами. Каждый ресурс имеет идентификатор, который однозначно указывает на него во всей системе. Идентификатор – это строка специального формата не изменяемая пользователем. У каждого ресурса есть имя, задаваемое пользователем. В отличие от идентификатора, имя может совпадать у нескольких ресурсов или вообще отсутствовать. Также система хранит для каждого ресурса его размер, даты создания и последнюю модификацию, а также тип и подтип.

Ресурсы хранятся в созданных при настройке конфигурации системы хранилищах, которые могут быть расположены на различных локальных машинах. Хранилище представляет собой каталог на диске, где в виде файлов лежат данные ресурсов.

Хранилище может быть локальным, если оно расположено на диске данного компьютера или удалённым, если оно доступно через сеть Microsoft Windows.

Для создания хранилища ресурсов нажимают кнопку “добавить хранилище” в Панели управления PHOTOMOD.

Система PHOTOMOD производит обработку проекта в 4 этапа: формирование сети, измерение сети, уравнивание сети, обработка сети.

На этапе формирования сети производится ввод маршрутов и изображений блока. При необходимости изображения могут быть развёрнуты или переставлены в пределах маршрута. В данном случае использовались снимки масштаба 1:12000. Для удобной работы на этапе формирования блока используется окно “Схема блока”. Для формирования блока используются следующие операции: добавить маршрут, удалить маршрут, перемещение маршрута «вверх» по схеме, перемещение маршрута «вниз» по схеме, поворот/отражение всех изображений маршрута, переставить снимки маршрута в обратном порядке, добавить изображение, удалить изображение, переместить изображение «влево», переместить изображение «вправо».

Для перехода на этап “Измерение сети” необходимо нажать зелёную стрелку в левой части панели” Формирование сети” окна Диспетчер проекта. На этапе “Измерение сети” запускается модуль PHOTOMOD AT, в котором происходит подготовка данных для уравнивания сети фототриангуляции. Обработка проекта в модуле PHOTOMOD AT включает внутреннее ориентирование, измерение координат х, у опорных точек, измерение межмаршрутных связей и взаимное ориентирование.

Внутреннее ориентирование выполняется для вычисления значений параметров, определяющих положение и ориентацию системы координат снимка относительно системы координат исходного цифрового изображения. Кроме того, при внутреннем ориентировании могут быть определены параметры, описывающие систематическую деформацию снимка. Значения параметров, определённых в результате выполнения внутреннего ориентирования, используются для преобразования измерений из системы координат исходного цифрового изображения в систему координат снимка.

При внутреннем ориентировании измеряются координатные метки. Измерения можно проводить в ручном, полуавтоматическом или автоматическом режиме.

Автоматическое внутреннее ориентирование заключается в поиске аналогичных объектов – координатных меток на всех снимках блока. Выбранная Область поиска должна быть достаточно велика для случаев неравномерной нарезки снимков (когда соответствующие координатные метки на разных снимках находятся на разном расстоянии от края изображения). Область метки должна захватывать изображение метки полностью. Области метки и поиска отображаются прямоугольниками как в основном окне с изображением диалога Внутреннее ориентирование, так и в окне-«линзе». Изображение, для которого внутреннее ориентирование было выполнено вручную, является эталоном.

После измерения координат меток производится внутреннее ориентирование по одному, из вариантов преобразования:

- поворот, масштаб, сдвиг;

- аффинное;

- проективное.

Внешнее ориентирование и исключение деформации сети триангуляции осуществляется с помощью измерения координат опорных точек.

Для построения сети пространственной фототриангуляции на стереопарах, помимо координат опорных точек, необходимо измерить связующие точки, служащие для построения моделей по стереопарам смежных снимков маршрута для объединения их в маршрутные и блочные сети.

Измерение новых связующих точек и точек сгущения может выполняться 3-мя способами:

- добавление точек с помощью коррелятора;

- добавление точек без коррелятора;

- автоматическое добавление точек.

Для перехода на этап “Уравнивание сети” нажмите зелёную стрелку в левой части панели” Измерение сети” окна Диспетчер проекта. На этапе “Уравнивание сети” запускается модуль PHOTOMOD Solver, в котором происходит уравнивание блочной сети фототриангуляции. После выполнения уравнивания блок изображений отображается в 2D окне PHOTOMOD Montage Desktop в соответствии с выбранной системой координат, а в окне Схемы блока помимо маршрутов и изображений отображаются имена стереопар.

На основании поставленных задач при обработке используются модули: PHOTOMOD DTM, PHOTOMOD StereoDraw – 3D, PHOTOMOD StereoVectOr, PHOTOMOD Mosaic, PHOTOMOD VectOr. В ЦФС «Фотомод» для построения сети применяются два способа метод построения блочной сети объединением независимых моделей и объединением независимых маршрутных моделей. Результатами ПФТ являются: элементы внешнего ориентирования снимков, либо координаты точек местности, которые в последствии будут использованы как опорные.

3. Построение блочной сети фототриангуляции на ЦФС «Фотомод»

3.1 Оценка фотографического и фотограмметрического качества исходных фотоматериалов

Была произведена визуальная оценка фотографического качества. На снимках заэкспонирована сельская равнинная местность. При аэрофотографировании использовалась чёрно-белая панхроматическая аэропленка. Полученные снимки были сканированы в цифровой вид с разрешением 14 мкм. В работе использовано 8 снимков, принадлежащих двум маршрутам, по 4 снимка в каждом. На каждый снимок впечатано по 8 координатных меток. Использованные снимки удовлетворительного качества. Царапины и пятна наблюдаются в незначительном количестве. Дефекты аэронегативов, а также изображения облаков, производственных дымов и теней от них, блики, ореолы не мешают выполнению фотограмметрических работ и дешифрированию аэрофотоснимков. Сканированные снимки имеют резкое и средне проработанное изображение почти по всему полю в светах и тенях. К краям снимков резкость значительно падает. Обеспечена хорошая читаемость основных контуров местности и номера аэрофотоснимков.

Оценка фотограмметрического качества исходных материалов осуществляется следующим образом.

Страницы: 1, 2, 3