25145 (686742), страница 2

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

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. 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.

l_x и l_y – 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. 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. 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,

C_i – коэффициенты, характеризующие деформацию фототриангуляционной маршрутной сети.

, (1.19)

где R_i – систематическая погрешность показаний бортовых навигационных приборов;

(1.20)

Уравнения (1.19) – (1.20) решаются совместно, из которых определяются неизвестные C_i и R_i.

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. 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		Э лементы внешнего ориентирования снимка
Описание точки		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.

Характеристики

Список файлов курсовой работы