【摘要】：空中三角測量是攝影測量中最關鍵的步驟,也是在攝影測量近百年的發(fā)展歷程中,不同時期的研究重點,直至本世紀初仍是攝影測量工作者關注的焦點問題之一。在空中三角測量研究歷史進程中,主要解決了高精度像片外方位元素的解算,包括附加參數(shù)的光束法區(qū)域網(wǎng)平差、GPS/IMU等輔助數(shù)據(jù)的聯(lián)合平差,以及大規(guī)模稀疏矩陣的高效解算方法和測量誤差自動評估與粗差剔除等可靠性理論方法。 隨著計算機以及相關領域技術的發(fā)展,攝影測量步入數(shù)字攝影測量階段,空中三角測量也進入了全數(shù)字自動空中三角測量階段,主要研究全自動、高精度的像片連接點自動量測技術,其中Ackermann教授提出的最小二乘影像匹配方法有效地提高了自動影像匹配中單點量測精度。伴隨著GPS/IMU技術在攝影測量中的應用,GPS/IMU引導的多片影像匹配和實時光束法區(qū)域網(wǎng)平差相結合的實施方案,解決了全自動空中三角測量中影像的初始拓撲關系,突破了傳統(tǒng)自動空中三角測量先量測后平差的傳統(tǒng)思路。反之,攝影區(qū)域中的影像沒有GPS/IMU等輔助數(shù)據(jù)時,實現(xiàn)全自動的空中三角測量仍具有挑戰(zhàn)性。另外,控制點的自動量測方法以及內外業(yè)相結合的控制點自動布設仍是全自動空中三角測量新的研究的方向。 隨著低空無人機等簡陋攝影平臺在攝影測量中的廣泛應用,打破了傳統(tǒng)攝影測量的攝影模式。由于條件的限制,傳統(tǒng)的攝影條件和嚴格的攝影要求,在簡陋攝影平臺下往往不能得到充分的滿足。這些簡陋攝影平臺通常不具備IMU甚至GPS等輔助設備,航帶內影像間出現(xiàn)大旋角、大傾角、航帶間影像的影像重疊不能滿足要求等非正常情況時有發(fā)生。正因為這些非正常的攝影情況出現(xiàn),給本已相對成熟的全自動空中三角測量技術提出了新的研究課題,即如何在復雜的區(qū)域影像關系中,智能化地實現(xiàn)高精度的像片連接點自動量測,以及區(qū)域網(wǎng)光束法平差,也是本文研究意義所在。提出了智能空中三角測量的概念,旨在借鑒計算機中人工智能技術,將計算機與人有機地結合在一起,發(fā)揮電腦快速計算和快速記憶的特點,在人腦的控制下促進電腦的智能化,并引導人共同完成更加復雜的任務,如水域地區(qū)、荒漠地區(qū)等困難地區(qū)和復雜影像關系的空中三角測量問題。 為了解決復雜影像關系下的高精度的像片連接點自動量測問題,本文在智能化空中三角測量概念的基礎上探討了以多視立體模型為基本單元的高精度像點自動量測、粗差剔除與實時影像間幾何關系的智能化估算,逐步精化的理論和方法。并通過多視立體模型的連接與合并,完成大區(qū)域的整體光束法平差,獲得整個區(qū)域中影像的外方位元素、連接點的地面坐標以及相關改正參數(shù),并進行整個區(qū)域的精度評定、弱區(qū)分析,提出供后續(xù)處理建議和控制點布設方案。因此本文研究基于GPS/IMU快速多視立體模型的建立方法；基于特征的影像匹配的多視立體模型建立方法；基于多視立體模型的多片最小二乘影像匹配方法；多視立體模型的局域網(wǎng)光束法自由網(wǎng)平差和粗差剔除等；主要研究內容如下： (一)全自動多視立體模型影像間初始拓撲關系的建立 傳統(tǒng)的空中三角測量數(shù)據(jù)處理過程中,影像間的初始拓撲關系通常是通過人工方式,根據(jù)測區(qū)飛行計劃和獲得影像情況人工建立的,一般按航帶建立航帶影像列表和航帶關系列表,并以測區(qū)工程文件形式表達。航帶內影像間通過鏈表構成具有60%重疊度的影像序列,每條航帶間則通過上下航帶間影像的偏移描述測區(qū)影像間的初始關系。這種人工方式建立影像間初始拓撲關系的方法,主要存在兩大問題：一是不能很好表達航帶間影像的一一對應關系,二是人工工作量大,是實現(xiàn)自動化的主要瓶頸。本文根據(jù)當前攝影測量中數(shù)碼影像的特點,首次提出利用雙視立體影像對的重疊方向(即左右視差的方向),自動確定攝影機安裝方位,建立影像坐標系與攝影測量像片平面坐標系的關系,實現(xiàn)像點觀測值的鏡頭系統(tǒng)誤差正確改正。進而通過研究計算機圖形學和圖論的相關理論,充分利用現(xiàn)代攝影測量中獲取GPS/IMU數(shù)據(jù),全自動建立影像間的初始拓撲關系；對于無GPS/IMU等輔助導航數(shù)據(jù)的影像,則通過研究基于特征的影像匹配技術,利用特征匹配方法實現(xiàn)兩兩影像匹配,尋找當前影像的8鄰域內的相鄰影像,解算影像間的幾何關系,完成測區(qū)影像間初始關系的自動建立,從而引導和構建多視立體模型下的多片影像匹配,實現(xiàn)全自動連接點自動量測和控制點點位分析。 (二)智能化誤匹配點與粗差點自動剔除方法研究 誤匹配點與粗差點是影像匹配中不可避免的產物,如何有效地利用穩(wěn)健的幾何模型估算方法自動地剔除誤匹配點是本文研究的重要方面。主要通過兩種經典的粗差剔除理論,對誤匹配點進行剔除。 RANSAC隨機采樣推估模型是在空間后方交會解算中剔除具有粗差的控制點時提出解算模型,按攝影測量的基本原理,兩兩像片間的影像匹配點應滿足共面條件,按RANSAC的基本原理隨機取樣進行共面條件的參數(shù)解算,并對同名點的殘差進行分析,自動剔除誤匹配點。對于平坦地區(qū)的影像,采用仿射變換模型,利用RANSAC算法確立同名像點的對應關系,自動剔除誤匹配點。 對于多視立體模型的多片影像匹配中產生的誤匹配點,應用DataSnoop粗差剔除理論,采用分權迭代的方法以及共面條件方程,構建基于多視立體模型的小區(qū)域光束法自由網(wǎng)平差。再采用嚴格的共面條件方程和最小二乘平差原理,進行更進一步的粗差檢測與定位算法的研究。 (三)高精度像點量測與分區(qū)光束法自由網(wǎng)平差和整體平差 高精度的像點量測是提高區(qū)域網(wǎng)光束法平差精度的關鍵,反之精確的像片外方位元素可以提高影像匹配的精度和最小二乘影像匹配的可靠性。因此,研究基于高精度的影像匹配與區(qū)域網(wǎng)光束法平差是智能空中三角測量的關鍵技術。 本文采用多視立體模型作為最小高精度像點量測與自由網(wǎng)光束法平差區(qū)域,利用金字塔影像進行基于特征點的由粗到細的分頻道匹配,并根據(jù)分層匹配結果完成自由網(wǎng)光束法平差,剔除粗差點的同時,精確估算每張影像的方位元素。最后在原始影像上,利用精確估算的影像的方位元素,采用基于共線條件的多片最小二乘影像匹配,完成高精度像點量測和分區(qū)光束法自由網(wǎng)平差。 將多視立體模型的匹配結果,按影像進行存儲,按同名像點的分布進行弱區(qū)檢查和最小平差條件檢查同名點的觀測次數(shù),構建整體平差區(qū)域,進行光束法整體平差。 (四)控制點自動布設方案與控制點自動量測 根據(jù)誤差理論,對光束法區(qū)域網(wǎng)平差的弱區(qū)進行分析,除了遵循一般布點原則和現(xiàn)有控制點布設規(guī)范,在弱區(qū)增加控制點布設,基于區(qū)域影像間的關系,分區(qū)自動預測控制點的位置。 按預測的控制點位進行特征點提取,尋找同名像點。采用基于核線約束的多片匹配方法,并對匹配點進行粗差探測處理； 控制點位輸出成小影像和文本,并在移動設備(如筆記本電腦、PDA、IPad以及智能手機等)上進行顯示,以指導外業(yè)人員在指定的位置上測量其控制點坐標。
[Abstract]:......
【學位授予單位】：武漢大學
【學位級別】：博士
【學位授予年份】：2013
【分類號】：P231.4

【參考文獻】

相關期刊論文 前10條

1 柯濤;張永軍;;SIFT特征算子在低空遙感影像全自動匹配中的應用[J];測繪科學;2009年04期

2 林宗堅;;UAV低空航測技術研究[J];測繪科學;2011年01期

3 張祖勛,吳曉良;多點最小二乘匹配的可變權陣陣列松弛算法[J];測繪學報;1994年03期

4 袁修孝;明洋;;POS輔助航帶間航攝影像的自動轉點[J];測繪學報;2010年02期

5 陳信華;;SIFT特征匹配在無人機低空遙感影像處理中的應用[J];地礦測繪;2008年02期

6 林宗堅;蘇國中;支曉棟;;無人機雙拼相機低空航測系統(tǒng)[J];地理空間信息;2010年04期

7 孫劍,徐宗本;計算機視覺中的尺度空間方法[J];工程數(shù)學學報;2005年06期

8 邱振戈;影像匹配算法模型[J];測繪學院學報;2000年02期

9 張劍清;柯濤;孫明偉;;基于集群計算機的海量航空數(shù)碼影像并行處理——并行計算在航空數(shù)字攝影測量中的應用[J];計算機工程與應用;2008年13期

10 張力,張祖勛,張劍清;Wallis濾波在影像匹配中的應用[J];武漢測繪科技大學學報;1999年01期

，

本文編號：2430370