CN110763205B - 数字摄影测量***生成边境狭长区域正射影像图的方法 - Google Patents
数字摄影测量***生成边境狭长区域正射影像图的方法 Download PDFInfo
- Publication number
- CN110763205B CN110763205B CN201911072217.2A CN201911072217A CN110763205B CN 110763205 B CN110763205 B CN 110763205B CN 201911072217 A CN201911072217 A CN 201911072217A CN 110763205 B CN110763205 B CN 110763205B
- Authority
- CN
- China
- Prior art keywords
- digital
- data
- image
- area
- precision
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000013439 planning Methods 0.000 claims abstract description 28
- 238000007689 inspection Methods 0.000 claims abstract description 18
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000005192 partition Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 21
- 238000009826 distribution Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000005520 cutting process Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000009432 framing Methods 0.000 claims description 6
- 238000013441 quality evaluation Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000008676 import Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 claims description 3
- 238000012892 rational function Methods 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 claims description 3
- 238000010008 shearing Methods 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 238000010276 construction Methods 0.000 description 3
- 238000013316 zoning Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/30—Interpretation of pictures by triangulation
- G01C11/34—Aerial triangulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- 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
- G06T5/73—Deblurring; Sharpening
-
- 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
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- 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
- G06T2207/10041—Panchromatic image
-
- 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
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种数字摄影测量***生成边境狭长区域正射影像图的方法,包括以下步骤:(1)数据准备与分析;(2)动态规划区域网平差;(3)数字表面模型数据提取;(4)数字高程模型数据生成;(5)质量检查;(6)数字正射影像生成;(7)数字正射影像产品质量评估,生成流程符合国家与行业规范的数字正射影像产品规定。采用本发明的方法,生成的数字正射影像精度最低能满足国家标准的1:10000比例尺三级产品精度要求,实现了高精度、高效率、高通用性的数字正射影像生产流程,为无控或少控边境狭长地区数字测图工作提供创新技术方法。
Description
技术领域
本发明属于民用高分数字摄影测量技术领域,特别涉及一种数字摄影测量***生成边境狭长区域正射影像图的方法。
背景技术
中国内陆边境线延绵狭长,其特殊的自然环境、气候条件和其它敏感因素,是国防建设、边疆维稳重要区域。边境线呈不规则狭长状,区内灾害频发,地形地貌复杂,境外无控制点,境内无人区难以获取控制点,在边境狭长区域大比例尺数字正射影像(DOM)生产过程中存在很多困难,采用常规航空摄影测量作业方式受到限制。随着立体测绘卫星空间分辨率和传感器模型精度和稳定性不断提高,航天摄影测量技术逐渐实现区域范围同轨或异轨立体影像的获取,能够跨越来自边境地区的航空障碍,获得宏观、大量、精准的地表信息。
本发明是针对边境地区大比例尺DOM生产过程中遇到的技术障碍,提出一种数字摄影测量***生成内陆边境狭长区域DOM的方法,用于提高大规模边境测图困难地区DOM生产质量与产品精度。***采用优于0.5米的高分辨率立体测绘卫星影像数据及边境区域周围已有控制资料,通过动态规划区域网平差等过程,将边境四周控制点信息以最优的方式传递至无控制区。利用可控制区内少量控制点和像对匹配的连接点,通过建立连接点与控制点误差方程构建灵活动态的区域网平差模型,获取边境狭长地区数字表面模型(DSM),经过DSM滤波、数字高程模型数据(DEM)编辑,形成高精度DEM数据。通过DEM质量检查,可作影像正射校正参考数据。将卫星影像导入***工程,进行影像正射校正、锐化融合、位深调整和镶嵌融合的流程,形成的数字正射影像数据。经过质量检查,最终形成满足国家1:10000比例尺精度指标的DOM产品。该方法已经应用于新疆边境管控地理信息资源建设项目、丝绸之路经济带中巴经济走廊地理要素变化监测及全球地理信息资源建设项目。
发明内容
本发明的目的在于解决边境狭长区域DOM产品生产困难等问题,提出了一种数字摄影测量***生成边境狭长区域正射影像图的方法。采用空间分辨率优于0.5米高分卫星立体像对影像,结合不同尺度DEM和稀少控制点资料,通过动态规划区域网平差、DSM提取、DEM编辑、正射校正等方法,经过质量检查最终形成边境地区高精度DOM产品。
本发明采用以下技术方案:
数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,包括以下步骤:
(1)数据准备与分析:
收集数据资料,对数据资料的有效性进行分析检查;所述数据资料包括高分遥感数据及卫星RPC(Rational Polynomial Coefficient)参数、控制点资料以及不同尺度DEM数据;
(2)动态规划区域网平差:
根据步骤(1)收集的数据资料,依次经过影像导入、卫星传感器模型精度分析、控制点定向、动态分区区域网平差共四个过程,形成平差工程文件用于DSM提取与DOM正射校正;
(3)数字表面模型数据提取:
基于区域网平差后工程,提取立体像对数据重叠范围内的数字表面模型数据;
(4)数字高程模型数据生成:
依据生成的测区数字表面模型数据,再依次通过地物判绘、地貌测绘、滤波处理,生成数字高程模型数据;
(5)质量检查:
检查数字高程模型数据是否符合国家与行业技术指标,不符合则返回步骤(2)重新进行动态规划区域网平差;
(6)数字正射影像生成:
通过正射校正、锐化融合与镶嵌裁切,获得数字正射影像图产品;
(7)数字正射影像产品质量评估,生成符合国家与行业规范的数字正射影像产品。
进一步地,所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(1)所述高分遥感数据具体为分辨率优于0.5米高分立体像对影像,所述卫星RPC参数为卫星采用推扫式CCD(Charge Coupled Device)传感器采集的RPC(RationalPolynomial Coefficient)参数文件;不同尺度DEM数据包括中、小比例尺数字高程模型数据,例如国家1:10000和1:50000比例尺DEM;控制点资料为空间精度满足大比例尺精度要求,例如满足1:10000比例尺的高精度像控点等。
通过大量的试验表明,在控制覆盖区域,影响区域网平差的因素,依次为空间分辨率、控制区分布、DEM精度、传感器模型精度和视倾角;在稀少控制地区影响区域网平差的因素有空间分辨率、控制区分布、传感器模型精度、DEM精度和视倾角;在无控制区域,影响区域网平差的因素有空间分辨率、传感器模型精度、DEM精度、是否为相同传感器相同轨道影像数据与视倾角。
进一步地,所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(2)所述影像导入:
具体的数字摄影测量***需新建工程,分别分类步骤(1)收集的分辨率优于0.5米高分立体像对影像的全色波段与多光谱波段,建立相应的工程文件,分别为全色波段工程文件与多光谱工程文件。
进一步地,所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(2)所述卫星传感器模型精度分析:
具体的依据数字摄影测量***新建的全色波段工程文件,选取不同传感器(例如WorldView2、GeoEye1、高景1号、中国资源三号、天绘一号等)全色波段数据;分别在平原、丘陵、高山与极高山区等不同地貌单元情况下仅利用传感器模型内部控制点生成相应的DEM与DOM数据,并利用有控制区域资料进行精度评价,数据保存至***传感器模型评价数据库,详见表1所示。
数据库中ID为传感器序号;SensorName为传感器名称;Topography为地形地貌单元;Precision为数据精度等级;ApparentAngle为立体像对视倾角;PriorLevel为动态规划优先级,依据不同传感器模型在不同地貌单位中的空间精度评价进行统计分析,从低至高数字“1”表示优先级最高,以此类推。
进一步地,所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(2)中所述的控制点定向:
具体的依据数字摄影测量***新建的全色波段工程文件,原则上要求控制点在定向控制测量中应控制整个测区。要求控制点在国界线内尽可能扩展分布到测区范围之外。控制点在影像中要易于精确量测,且尽量分布在多景影像重叠区域内和相同轨道影像四周角点,详见图3所示。
步骤(2)中所述的动态分区区域网平差的依据为利用边境区域周围已有控制资料,通过动态规划区域网平差等过程,将边境四周控制点信息以最优的方式传递至狭长无控制区或境外区域。
***利用可控制区内少量控制点和提出残差的像对匹配的连接点,通过建立连接点与控制点误差方程构建灵活动态的区域网平差模型。例如,步骤(1)所述高分立体像对影像皆为推扫式传感器,其RPC模型构像方程如式(1)所示:
其中(Xi,Yi)为像点坐标,X0,Y0为内方位元素,Sij(i,j=1,2,3)为像方坐标系转换到物方坐标系的矩阵元素,(X,Y,Z)为地面点坐标,(Xs,Ys,Zs)为卫星传感器位置。考虑卫星成像模型***误差,采用有理多项式函数拟合的卫星轨道位置和姿态,因此需要用像控点修正的卫星RPC模型外方位元素值,如式(2)所示:
式中,rollobs,pitchobs,yawobs是插值得到的卫星轨道姿态初始值,cx,0,cx,1,cx,2,……,ey,1,ey,2是卫星轨道和姿态误差定向参数。将式(2)代入式(1),进行线性化,得到误差方程:
V=At+Bx-l 式(3)
其中,V为像点坐标改正数矩阵,A为定向参数改正数的系数矩阵,t为定向参数改正数矩阵,B为地面点坐标改正数的系数矩阵,x为地面点坐标改正数矩阵,l为常数项矩阵。相应的法方程式为式(4)所示:
其中N11为ATA,N12为ATB,N21为BTA,N22为BTB,为了计算方便,消去待求点坐标改正数X,得到改化法方程为:
将利用式(5)解算的Y代入式(4),可求得待求点坐标改正数X。据此,更新全部未知数并进入下一轮迭代,直到区域网平差精度满足技术要求。
步骤(2)中所述的动态分区规划区域网平差,是利用层次分析法,建立层次结构模型,以优化区域网精度为目标,将区域网精度影响因素与决策对象,按它们之间的相互关系分构建层次结构图;
通过构造判断矩阵,确定各层次各因素之间的权重,规划最优方案。其***生成DOM过程如下:
1)参数初始化。依据任务区和标准图幅面积与数量,将任务区动态格网化为n个单元,以Cn(n=1,2,3,....)表示,格网间距为数字高程模型数据格网最大间距dmax的n倍。格网内的地形地貌、控制、传感器及DEM信息分别用Tn、Kn、Sn和Dn表示,依据任务区内传感器等信息进行参数初始化赋值。
2)格网内的地形地貌信息用Tn表示,依据任务区地貌特征输入相应分值(0-30分)。格网内控制信息Kn表示,Kn参数从完全控制分布至无控制分布,k1表示控制信息覆盖,k2表示控制信息部分覆盖,k3表示无控制信息。格网内是否相同传感器参数Sn表示,S1为影像空间分辨率,S2为是否相同轨道,S3为是否同传感器,S4为视倾角,S5为模型精度。其中相同传感器赋值为5分,不同传感器赋值为-5分;相同轨道赋值为10分,不同轨道赋值为-10分;其它参数赋值参考其空间分辨大小、视倾角大小与模型精度,分辨率、模型精度与分值成反比,视倾角大小与分值成正比。格网内的不同尺度DEM信息用Dn表示,D1为DEM精度,D2为DEM格网间距,***依据参考数据对Dn进行赋值,DEM精度越高,分值越小;DEM格网间距越小,分值越小。
分区规划。***参考格网Cn内的参数,依据分区决策原则,优先将有控制区同传感器同轨道数据的格网区Cn进行合并分区,分区用Rn(n=1,2,3,......)表示。例如,当Cn∩K1∩S2∩S3或Cn∩K2∩S2∩S3不为空值时,控制区内相同传感器或同轨道相邻的Cn分值低区进行合并为子任务区Rn(n=1,2,3,......),对子任务区Rn区域空三加密,获得子任务区高精度DEM和像控点数据,为其他Cn区提供控制参考信息;以此类推,迭代生成最优任务区域网规划方案,最终形成整个任务区动态分区区域网平差规划方案。其中子任务区块与其它任务区块通过多次迭代联合区域网平差,逐步剔除同名点残差方法提高区域网模型精度。区域网平差剔除粗差过程需要反复进行,部分因影像自身传感器精度低不符合技术要求的数据,需要人工进行干预,对提取的DEM数据参考已有DEM或DOM地形地貌在***的立体环境下进行修编,例如陡坎、断崖、天然林带与冰川等地形地貌特征区域。
3)区域网平差:
具体的工程中区域网平差模型包括自由区域网和约束区域网平差,在控制点定向后可直接进行约束网定向,同名点加密分布要求符合同名点采集,在条件允许情况下可以利用高或同精度检查点对加密点进行检查并逐步平差剔除粗差,优先保证多重同名点匹配,如果出现空洞区域,需增加一定数量同名点,在点位分布较为合理的情况下进行优化平差,每个加密区域至少有2个外业控制点作为检查点,区域网接边原则上要求每幅图有1个接边点,至少每条带有2至4个点检查两次加密成果的较差,对较差超限的查明原因并改正;
进一步地,所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(3)所述数字表面模型数据提取,具体的,***对测区参数设置、控制点文件、加密点、区域网接边、平差结果进行100%检查,检查无误后提取加密成果,生成数字表面模型数据。
进一步地,所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(4)中所述的生成数字高程模型数据的过程为:
1)地物判绘:
具体的***在立体环境下对测区房屋、道路、森林地区进行识别判绘;
2)地貌测绘:
具体的基于***在空三立体环境下,为了能正确表示数字高程模型中山头、山脊、谷地、斜坡、鞍部等形态特征,并与其他地物要素关系协调合理,***等高线切准误差一般不超过三分之一基本等高距,对地物、地貌各要素进行分类采集,准确反映测区的地物、地貌特征为原则,用侧标中心切准地物的外轮廓和定位点采集;在地物判绘基础上实时匹配目标地物在其他立体影像上的同名像点坐标,最终得到视差数据;在空三结算获得外方位元素后,统一将地物的像点坐标和视差数据通过前方交汇方式解算得到地面坐标。
3)滤波处理:
具体的为了减少房屋、森林、陡坎、断崖各地表与地貌因素对数字正射影像校正精度影响,对数字表面模型数据的局部区域进行滤波处理,减少因边境高山区局部高差的急剧变化产生的地形误差。
进一步地,所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(6)中生成数字正射影像图产品的过程为:
1)正射校正:
经过区域网平差有理函数多项式模型以及数字高程模型数据进行正射验证,对全色影像进行正射校正完成后,进行精度验证,确认结果符合设计要求,进行下一步多光谱数据正射校正,首先基于全色与多光谱影像采集同名控制点,利用数字高程模型数据与同名控制点数据对多光谱影像进行正射校正。
2)锐化融合:
采用Pansharp融合算法对立体影像全色与多光谱波段进行融合。
3)镶嵌裁切:
具体的锐化融合数据进行镶嵌预处理,沿影像之间接边线进行合适调整,采用捆绑算法,缩小影像间的色调差异,使色调均匀,反差适中,层次分明,保持地物色彩不失真;***采用多种镶嵌线自动匀色算法,使用最小平方差算法可以智能避开建筑物,沿精度、色彩差别最小的地方镶嵌,如果自动镶嵌效果不能满足要求,可以人工进行编辑;在镶嵌模块中对镶嵌线和色彩进行调整,调整完成后可直接进行镶嵌,按标准分幅图框对镶嵌影像进行裁切,生产分幅数字正射影像。
进一步地,所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(7)所述的数字正射影像产品质量评估,具体过程为:
对生成的数字正射影像,依据相关行业标准,进行质量检查,检查的内容主要有:位置精度、数据质量、影像质量;若符合要求,则进行质量评定,若不合符要求,则重新生成数字正射影像;质量评定的内容包括:分辨率、信息量、测图比例尺和精度。
本发明与现有技术相比的有益效果在于:
(1)本发明针对狭长绵延缺少和难以获取控制点资料边境地区,数字正射影像生产难度大、空间精度低、效果差等瓶颈,基于高分航天数字摄影测量技术,提出了一种数字摄影测量***生成边境狭长区域正射影像图的方法,对边境无控或少控制点地区数字正射影像处理流程进行了相关改进操作,以此提高边境地区正射遥感影像数据生产精度与效率,为地区边境管控提供测绘数据保障。
(2)采用本发明的方法,生成的数字正射影像精度能满足国家标准的1:10000比例尺影像图上单点定位的绝对精度要求,实现了高精度、高效率、高通用性的数字正射影像生产流程,为无控或少控边境地区数字测图和全球测图工程项目提供创新技术方法。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明的一种数字摄影测量***生成边境狭长区域正射影像图的方法的整体流程图。
图2为本发明的动态分区规划决策模型。
图3(a)-图3(e)为本发明的空中三角测量方法中的任务区动态规划示意图。
图4为本发明的空中三角测量局部区域控制点定向分布示意图。
图5为本发明的空中三角测量局部区域加密点分布示意图。
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,以下结合附图及实施例,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例仅用以解释本发明,并不用于限定本发明。
请参阅图1、图2和图3,数字摄影测量***生成边境狭长区域正射影像图的方法,具体步骤如下:
(1)数据准备与分析:
收集任务区数据资料,任务区范围为新疆自治区边境线某段境内5公里,境外10公里范围,详见图3-a。对数据资料的有效性进行分析检查;所述数据资料包括高分遥感立体像对数据及卫星RPC(Rational Polynomial Coefficient)参数、控制点资料以及不同尺度DEM数据;
具体的,高分遥感数据具体为分辨率优于0.5米,包括WorldView2、WorldView3和GeoEye1卫星立体像对影像数据,所述卫星RPC参数为卫星采用推扫式CCD(Charge CoupledDevice)传感器采集的RPC(Rational Polynomial Coefficient)参数文件;收集不同尺度DEM,包括任务区范围内国家1:10000比例尺部分覆盖和1:50000比例尺全覆盖DEM数据;控制点资料为空间精度满足1:10000比例尺的高精度像控点等。
(2)动态规划区域网平差:
根据步骤(1)收集的数据资料,依次经过影像导入、卫星传感器模型精度分析、控制点定向、动态分区区域网平差共四个过程,形成平差工程文件用于DSM提取与DOM正射校正。
通过大量的试验表明,总结性的提出影响区域网平差因素,如表1所示:
表1影响区域网平差因素表
控制覆盖区域 | 稀少控制区域 | 无控制区域 |
空间分辨率 | 空间分辨率 | 空间分辨率 |
控制区分布 | 控制区分布 | 传感器模型精度 |
DEM精度 | 传感器模型精度 | DEM精度 |
传感器模型精度 | DEM精度 | 相同传感器同轨道 |
视倾角 | 视倾角 | 视倾角 |
在控制覆盖区域,影响区域网平差的因素,依次为空间分辨率、控制区分布、DEM精度、传感器模型精度和视倾角;在稀少控制地区影响区域网平差的因素有空间分辨率、控制区分布、传感器模型精度、DEM精度和视倾角;在无控制区域,影响区域网平差的因素有空间分辨率、传感器模型精度、DEM精度、是否为相同传感器相同轨道影像数据与视倾角。
影像导入:
具体的数字摄影测量***需新建工程,分别分类步骤(1)收集的分辨率优于0.5米高分立体像对影像的全色波段与多光谱波段,建立相应的工程文件,分别为全色波段工程文件与多光谱工程文件。
卫星传感器模型精度分析:
具体的依据数字摄影测量***新建的全色波段工程文件,选取不同传感器(例如WorldView2、WorldView3和GeoEye1)全色波段数据;分别在平原、丘陵、高山与极高山区等不同地貌单元情况下仅利用传感器模型内部控制点生成相应的DEM与DOM数据,并利用有控制区域资料进行精度评价,数据保存至***传感器模型评价数据库,详见表2所示。
表2传感器模型评价示例表
ID | 序号 |
SensorName | 传感器名称 |
Topography | 地形分类 |
Precision | 精度等级 |
ApparentAngle | 视倾角 |
PriorLevel | 优先级别 |
数据库中ID为传感器序号;SensorName为传感器名称;Topography为地形地貌单元;Precision为数据精度等级;ApparentAngle为立体像对视倾角;PriorLevel为动态规划优先级,依据不同传感器模型在不同地貌单位中的空间精度评价进行统计分析,从低至高数字“1”表示优先级最高,以此类推。
通过分析得出在平原、丘陵、高山区在视倾角小于30°情况下,传感器模型精度排序情况为WorldView3、WorldView2与GeoEye1。在不同地形地貌及不同视倾角中情况下传感器模型精度情况存在差异,这里不详细描述。
控制点定向:
具体的依据数字摄影测量***新建的全色波段工程文件,原则上要求控制点在定向控制测量中应控制整个测区。要求控制点在国界线内尽可能扩展分布到测区范围之外。控制点在影像中要易于精确量测,且尽量分布在多景影像重叠区域内和相同轨道影像四周角点,详见图4所示。
步骤(2)中所述的动态分区区域网平差的依据为利用边境区域周围已有控制资料,通过动态分区规划区域网平差等过程,将边境四周控制点信息以最优的方式传递至狭长无控制区或境外区域。利用层次分析法,建立层次结构模型(图2),以优化区域网精度为目标,将区域网精度影响因素(见表1)与决策对象,按它们之间的相互关系分构建层次结构图。通过构造判断矩阵,确定各层次各因素之间的权重,规划最优方案。
具体的过程如下:
1)***参数初始化。依据任务区和标准图幅面积与数量,将任务区动态格网化为n个单元,以Cn(n=1,2,3,....)表示,格网间距为数字高程模型数据格网最大间距dmax的n倍。格网内的地形地貌、控制、传感器及DEM信息分别用Tn、Kn、Sn和Dn表示,依据任务区内传感器等信息进行参数初始化赋值。格网内的地形地貌信息用Tn表示,依据任务区地貌特征输入相应分值(0-30分)。格网内控制信息Kn表示,Kn参数从完全控制分布至无控制分布,K1表示控制信息覆盖,K2表示控制信息部分覆盖,K3表示无控制信息。格网内是否相同传感器参数Sn表示,S1为影像空间分辨率,S2为是否相同轨道,S3为是否同传感器,S4为视倾角,S5为模型精度。其中相同传感器赋值为5分,不同传感器赋值为-5分;相同轨道赋值为10分,不同轨道赋值为-10分;其它参数赋值参考其空间分辨大小、视倾角大小与模型精度,分辨率、模型精度与分值成反比,视倾角大小与分值成正比。格网内的不同尺度DEM信息用Dn表示,D1为DEM精度,D2为DEM格网间距,***依据参考数据对Dn进行赋值,DEM精度越高,分值越小;DEM格网间距越小,分值越小。
2)分区规划。***参考格网Cn内的参数,依据分区决策原则,优先选取***参数初始化后规划分区方案中分数小于20分(具体分数值依据不同数据形成的打分方案筛选确定),将有控制区同传感器同轨道数据的格网区Cn进行合并分区,分区用Rn(n=1,2,3,......)表示。如图3(a)所示,任务区动态格网为Cn,分区用Rn(n=1,2,3,....)表示。依据格网Cn内的参数分值,区域网平差分区层次结构模型优先选取低值方案,例如当T1∩Cn∩K1∩S2∩S3或Cn∩K2∩S2∩S3不为空值时,格网单元优先分区为子任务区R2,R3,R4,R5,并对子任务区空三加密,获得区内高精度DEM并制作像控点数据;通过分区方案规划出其他子任务区(如R1,R6等),任务区R3可以为R6或者R2可以为R1提供控制参考信息;以此类推,多次迭代生成最优任务分区方案。部分因影像自身传感器精度低不符合技术要求的数据,需要人工进行干预,对提取的DEM数据参考已有DEM或DOM地形地貌在***的立体环境下进行修编,例如陡坎、断崖、天然林带与冰川等地形地貌特征区域。子任务区块与其它任务区块通过多次迭代联合区域网平差,逐步剔除同名点残差方法提高整体区域网平差模型精度。本次任务的最优规划方案过程如图3(b),图3(c),图3(d)和图3(e)所示。
3)区域网平差:
如图5所示,具体的工程中区域网平差模型包括自由区域网和约束区域网平差,在控制点定向后可直接进行约束网定向,同名点加密分布要求符合同名点采集,在条件允许情况下可以利用高或同精度检查点对加密点进行检查并逐步平差剔除粗差,优先保证多重同名点匹配,如果出现空洞区域,需增加一定数量同名点,在点位分布较为合理的情况下进行优化平差,每个加密区域至少有2个外业控制点作为检查点,区域网接边原则上要求每幅图有1个接边点,至少每条带有2至4个点检查两次加密成果的较差,对较差超限的查明原因并改正;
(3)数字表面模型数据提取:
基于区域网平差后工程,提取立体像对数据重叠范围内的数字表面模型数据。具体的,***对测区参数设置、控制点文件、加密点、区域网接边、平差结果进行100%检查,检查无误后提取加密成果,生成数字表面模型数据。
(4)数字高程模型数据生成:
依据生成的测区数字表面模型数据,再依次通过地物判绘、地貌测绘、滤波处理,生成数字高程模型数据;具体为:
1)地物判绘:
具体的***在立体环境下对测区房屋、道路、森林地区进行识别判绘;
2)地貌测绘:
具体的基于***在空三立体环境下,为了能正确表示数字高程模型中山头、山脊、谷地、斜坡、鞍部等形态特征,并与其他地物要素关系协调合理,***等高线切准误差一般不超过三分之一基本等高距,对地物、地貌各要素进行分类采集,准确反映测区的地物、地貌特征为原则,用侧标中心切准地物的外轮廓和定位点采集;在地物判绘基础上实时匹配目标地物在其他立体影像上的同名像点坐标,最终得到视差数据;在空三结算获得外方位元素后,统一将地物的像点坐标和视差数据通过前方交汇方式解算得到地面坐标。
3)滤波处理:
具体的为了减少房屋、森林、陡坎、断崖各地表与地貌因素对数字正射影像校正精度影响,对数字表面模型数据的局部区域进行滤波处理,减少因边境高山区局部高差的急剧变化产生的地形误差。
(5)质量检查:
检查数字高程模型数据是否符合国家与行业技术指标,不符合则返回步骤(2)重新进行动态区域网平差。
(6)数字正射影像生成:
通过正射校正、锐化融合与镶嵌裁切,获得数字正射影像图产品;
步骤(6)中的生成数字正射影像图产品的过程为:
1)正射校正:
经过区域网平差有理函数多项式模型以及数字高程模型数据进行正射验证,对全色影像进行正射校正完成后,进行精度验证,确认结果符合设计要求,进行下一步多光谱数据正射校正,首先基于全色与多光谱影像采集同名控制点,利用数字高程模型数据与同名控制点数据对多光谱影像进行正射校正。
2)锐化融合:
采用Pansharp融合算法对立体影像全色与多光谱波段进行融合。
3)镶嵌裁切:
具体的锐化融合数据进行镶嵌预处理,沿影像之间接边线进行合适调整,采用捆绑算法,缩小影像间的色调差异,使色调均匀,反差适中,层次分明,保持地物色彩不失真;***采用多种镶嵌线自动匀色算法,使用最小平方差算法可以智能避开建筑物,沿精度、色彩差别最小的地方镶嵌,如果自动镶嵌效果不能满足要求,可以人工进行编辑;在镶嵌模块中对镶嵌线和色彩进行调整,调整完成后可直接进行镶嵌,按标准分幅图框对镶嵌影像进行裁切,生产分幅数字正射影像。
(7)数字正射影像产品质量评估,生成符合国家与行业规范的数字正射影像产品。
步骤(7)中的数字正射影像产品质量评估,具体过程为:
对生成的数字正射影像,依据相关行业标准,进行质量检查,检查的内容主要有:位置精度、数据质量、影像质量;若符合要求,则进行质量评定,若不合符要求,则重新生成数字正射影像;质量评定的内容包括:分辨率、信息量、测图比例尺和精度。
Claims (9)
1.数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,包括以下步骤:
(1)数据准备与分析:
收集数据资料,对数据资料的有效性进行分析检查;所述数据资料包括高分遥感数据、卫星RPC参数、控制点资料以及不同尺度DEM数据;
(2)动态规划区域网平差:
根据步骤(1)收集的数据资料,依次经过影像导入、卫星传感器模型精度分析、控制点定向、动态分区区域网平差共四个过程,形成平差工程文件用于DSM提取与DOM正射校正,其中;
所述的动态分区区域网平差的依据为利用边境区域周围已有控制资料,通过动态规划区域网平差过程,将边境四周控制点信息传递至狭长无控制区或境外区域;***利用可控制区内少量控制点和提出残差的像对匹配的连接点,通过建立连接点与控制点误差方程构建灵活动态的区域网平差模型;具体是利用层次分析法,建立层次结构模型,以优化区域网精度为目标,将区域网精度影响因素与决策对象,按它们之间的相互关系分构建层次结构图,通过构造判断矩阵,确定各层次各因素之间的权重,规划最优方案;其***生成DOM过程如下:
1)参数初始化:依据任务区和标准图幅面积与数量,将任务区动态格网化为n个单元,以Cn(n=1,2,3,....)表示,格网间距为数字高程模型数据格网最大间距dmax的n倍;格网内的地形地貌、控制、传感器及DEM信息分别用Tn、Kn、Sn和Dn表示,依据任务区内传感器等信息进行参数初始化赋值;格网内的地形地貌信息用Tn表示,依据任务区地貌特征对Tn输入相应分值(0-30分);格网内控制信息Kn表示,Kn参数从完全控制分布至无控制分布,K1表示控制信息覆盖,K2表示控制信息部分覆盖,K3表示无控制信息;格网内是否相同传感器参数Sn表示,S1为影像空间分辨率,S2为是否相同轨道,S3为是否同传感器,S4为视倾角,S5为模型精度;其中相同传感器赋值为5分,不同传感器赋值为-5分;相同轨道赋值为10分,不同轨道赋值为-10分;其它参数赋值参考其空间分辨大小、视倾角大小与模型精度、分辨率、模型精度与分值成反比,视倾角大小与分值成正比;格网内的不同尺度DEM信息用Dn表示,D1为DEM精度,D2为DEM格网间距,***依据参考数据对Dn进行赋值,DEM精度越高,分值越小;DEM格网间距越小,分值越小;
2)分区规划:***参考格网Cn内的参数,依据分区决策原则,优先将有控制区同传感器同轨道数据的格网区Cn进行合并分区,分区用Rn(n=1,2,3,......)表示;当Cn∩K1∩S2∩S3或Cn∩K2∩S2∩S3不为空值时,控制区内相同传感器或同轨道相邻的Cn分值低区进行合并为子任务区Rn(n=1,2,3,......),对子任务区Rn区域空三加密,获得子任务区高精度DEM和像控点数据,为其他Cn区提供控制参考信息;以此类推,迭代生成最优任务区域网规划方案,最终形成整个任务区动态分区区域网平差规划方案;其中子任务区块与其它任务区块通过多次迭代联合区域网平差,逐步剔除同名点残差方法提高区域网模型精度;区域网平差剔除粗差过程需要反复进行,部分因影像自身传感器精度低不符合技术要求的数据,需要人工进行干预,对提取的DEM数据参考已有DEM或DOM地形地貌在***的立体环境下进行修编,地形地貌包括陡坎、断崖、天然林带和冰川地形地貌特征区域;
(3)数字表面模型数据提取:
基于区域网平差后工程,提取立体像对数据重叠范围内的数字表面模型数据,其中;
工程中区域网平差模型包括自由区域网和约束区域网平差,在控制点定向后可直接进行约束网定向,同名点加密分布要求符合同名点采集,在条件允许情况下可以利用高或同精度检查点对加密点进行检查并逐步平差剔除粗差,优先保证多重同名点匹配,如果出现空洞区域,需增加一定数量同名点,在点位分布较为合理的情况下进行优化平差,每个加密区域至少有2个外业控制点作为检查点,区域网接边原则上要求每幅图有1个接边点,至少每条带有2至4个点检查两次加密成果的较差,对较差超限的查明原因并改正;
(4)数字高程模型数据生成:
依据生成的测区数字表面模型数据,再依次通过地物判绘、地貌测绘、滤波处理,生成数字高程模型数据;
(5)质量检查:
检查数字高程模型数据是否符合国家与行业技术指标,不符合则返回步骤(2)重新进行动态规划区域网平差;
(6)数字正射影像生成:
通过正射校正、锐化融合与镶嵌裁切,获得数字正射影像图产品;
(7)数字正射影像产品质量评估,生成符合国家与行业规范的数字正射影像产品。
3.根据权利要求1所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(2)所述影像导入:
数字摄影测量***需新建工程,分别分类步骤(1)收集的分辨率优于0.5米高分立体像对影像的全色波段与多光谱波段,建立相应的工程文件,分别为全色波段工程文件与多光谱工程文件。
4.根据权利要求1所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(2)所述卫星传感器模型精度分析:
依据数字摄影测量***新建的全色波段工程文件,选取不同传感器全色波段数据;分别在平原、丘陵、高山与极高山区不同地貌单元情况下仅利用传感器模型内部控制点生成相应的DEM与DOM数据,并利用有控制区域资料进行精度评价,数据保存至***传感器模型评价数据库。
5.根据权利要求1所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(2)中所述的控制点定向:
依据数字摄影测量***新建的全色波段工程文件,原则上要求控制点在定向控制测量中应控制整个测区,要求控制点在国界线内尽可能扩展分布到测区范围之外,控制点在影像中要易于精确量测,且尽量分布在多景影像重叠区域内和相同轨道影像四周角点。
6.根据权利要求1所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(3)中所述数字表面模型数据提取具体为:***对测区参数设置、控制点文件、加密点、区域网接边、平差结果进行100%检查,检查无误后提取加密成果,生成数字表面模型数据。
7.根据权利要求1所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(4)中所述的生成数字高程模型数据的过程为:
1)地物判绘:
***在立体环境下对测区房屋、道路、森林地区进行识别判绘;
2)地貌测绘:
基于***在空三立体环境下,为了能正确表示数字高程模型中山头、山脊、谷地、斜坡、鞍部等形态特征,并与其他地物要素关系协调合理,***等高线切准误差一般不超过三分之一基本等高距,对地物、地貌各要素进行分类采集,准确反映测区的地物、地貌特征为原则,用侧标中心切准地物的外轮廓和定位点采集;在地物判绘基础上实时匹配目标地物在其他立体影像上的同名像点坐标,最终得到视差数据;在空三结算获得外方位元素后,统一将地物的像点坐标和视差数据通过前方交汇方式解算得到地面坐标;
3)滤波处理:
为了减少房屋、森林、陡坎、断崖各地表与地貌因素对数字正射影像校正精度影响,对数字表面模型数据的局部区域进行滤波处理,减少因边境高山区局部高差的急剧变化产生的地形误差。
8.根据权利要求1所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(6)中生成数字正射影像图产品的过程为:
1)正射校正:
经过区域网平差有理函数多项式模型以及数字高程模型数据进行正射验证,对全色影像进行正射校正完成后,进行精度验证,确认结果符合设计要求,进行下一步多光谱数据正射校正,首先基于全色与多光谱影像采集同名控制点,利用数字高程模型数据与同名控制点数据对多光谱影像进行正射校正;
2)锐化融合:
采用Pansharp融合算法对立体影像全色与多光谱波段进行融合;
3)镶嵌裁切:
锐化融合数据进行镶嵌预处理,沿影像之间接边线进行合适调整,采用捆绑算法,缩小影像间的色调差异,使色调均匀,反差适中,层次分明,保持地物色彩不失真;***采用多种镶嵌线自动匀色算法,使用最小平方差算法可以智能避开建筑物,沿精度、色彩差别最小的地方镶嵌,如果自动镶嵌效果不能满足要求,可以人工进行编辑;在镶嵌模块中对镶嵌线和色彩进行调整,调整完成后可直接进行镶嵌,按标准分幅图框对镶嵌影像进行裁切,生产分幅数字正射影像。
9.根据权利要求1所述的数字摄影测量***生成边境狭长区域正射影像图的方法,其特征在于,步骤(7)所述的数字正射影像产品质量评估,具体过程为:
对生成的数字正射影像,依据相关行业标准,进行质量检查,检查的内容主要有:位置精度、数据质量、影像质量;若符合要求,则进行质量评定,若不合符要求,则重新生成数字正射影像;质量评定的内容包括:分辨率、信息量、测图比例尺和精度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072217.2A CN110763205B (zh) | 2019-11-05 | 2019-11-05 | 数字摄影测量***生成边境狭长区域正射影像图的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072217.2A CN110763205B (zh) | 2019-11-05 | 2019-11-05 | 数字摄影测量***生成边境狭长区域正射影像图的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110763205A CN110763205A (zh) | 2020-02-07 |
CN110763205B true CN110763205B (zh) | 2021-07-02 |
Family
ID=69336180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911072217.2A Expired - Fee Related CN110763205B (zh) | 2019-11-05 | 2019-11-05 | 数字摄影测量***生成边境狭长区域正射影像图的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110763205B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111986320B (zh) * | 2020-04-28 | 2024-01-30 | 南京国图信息产业有限公司 | 一种面向智慧城市应用的dem与倾斜摄影模型空间贴合优化方法 |
CN111754458B (zh) * | 2020-05-18 | 2023-09-15 | 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 |
CN111915699A (zh) * | 2020-06-16 | 2020-11-10 | 中铁第四勘察设计院集团有限公司 | 一种基于cad数据生成瓦片地图并发布的方法 |
CN111833445B (zh) * | 2020-06-24 | 2024-05-31 | 浙江省测绘科学技术研究院 | 一种基于多源数据的区域地形分割及数字高程模型获取方法 |
CN113838059B (zh) * | 2020-06-24 | 2024-06-07 | 浙江省测绘科学技术研究院 | 一种基于要素级别的数字正射影像图生成方法 |
CN111739048B (zh) * | 2020-07-27 | 2020-11-24 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰风洞试验冰形几何轮廓线数字化方法 |
CN112082576A (zh) * | 2020-09-09 | 2020-12-15 | 桂林理工大学 | 一种“三无情况下”的卫星影像正射纠正方法 |
CN112765095B (zh) * | 2020-12-24 | 2022-08-23 | 山东省国土测绘院 | 一种立体测绘卫星影像数据归档方法和*** |
CN112561832B (zh) * | 2020-12-24 | 2023-12-01 | 山东省国土测绘院 | 一种遥感影像数据存储方法及*** |
CN113112574A (zh) * | 2021-05-11 | 2021-07-13 | 四川创数智慧科技股份有限公司 | 河湖划界影像批量入库方法、***、设备和存储介质 |
CN113739767B (zh) * | 2021-08-24 | 2022-09-13 | 武汉大学 | 针对国产面阵摆扫成像***获取的影像生产正射影像的方法 |
CN114331137B (zh) * | 2021-12-29 | 2023-04-07 | 中国人民解放军32021部队 | 一种用于装备效能评估的数据处理方法及装置 |
CN114252060B (zh) * | 2021-12-31 | 2023-12-08 | 中铁第一勘察设计院集团有限公司 | 一种基于航天卫星影像的大场景制作方法 |
CN114612631B (zh) * | 2022-03-02 | 2023-06-09 | 自然资源部重庆测绘院 | 一种基于InSAR技术的高精度无漏洞DSM提取方法 |
CN116625354B (zh) * | 2023-07-21 | 2023-09-29 | 山东省国土测绘院 | 一种基于多源测绘数据的高精度地形图生成方法及*** |
CN117649611B (zh) * | 2024-01-30 | 2024-04-30 | 西安宇速防务集团有限公司 | 一种基于两次定向的dem数据生产处理方法 |
CN117994463B (zh) * | 2024-04-07 | 2024-06-18 | 云南三乾科技信息有限公司 | 一种建设用地测绘方法及*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101604018B (zh) * | 2009-07-24 | 2011-09-21 | 中国测绘科学研究院 | 高分辨率遥感影像数据处理方法及其*** |
CN102506824B (zh) * | 2011-10-14 | 2014-08-27 | 航天恒星科技有限公司 | 一种城市低空无人机***生成数字正射影像图的方法 |
CN102662179A (zh) * | 2012-05-18 | 2012-09-12 | 四川省科学城久利科技实业有限责任公司 | 基于机载激光雷达的三维优化选线方法 |
CN104457710B (zh) * | 2014-12-15 | 2017-04-19 | 重庆市勘测院 | 一种基于非量测数码相机的航空数字摄影测量方法 |
CN109191574A (zh) * | 2018-09-07 | 2019-01-11 | 江苏省工程勘测研究院有限责任公司 | 基于无人机倾斜摄影的征地拆迁实物调查信息管理*** |
KR101954711B1 (ko) * | 2018-10-16 | 2019-03-06 | 새한항업(주) | 라이다 자료와 정사영상을 이용한 건축물의 촬영영상 수정방법 |
CN109684929A (zh) * | 2018-11-23 | 2019-04-26 | 中国电建集团成都勘测设计研究院有限公司 | 基于多源遥感数据融合的陆生植物生态环境监测方法 |
CN109903352B (zh) * | 2018-12-24 | 2021-03-30 | 中国科学院遥感与数字地球研究所 | 一种卫星遥感影像大区域无缝正射影像制作方法 |
-
2019
- 2019-11-05 CN CN201911072217.2A patent/CN110763205B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN110763205A (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110763205B (zh) | 数字摄影测量***生成边境狭长区域正射影像图的方法 | |
CN102506824B (zh) | 一种城市低空无人机***生成数字正射影像图的方法 | |
CN102074047B (zh) | 一种高精细城市三维建模方法 | |
KR100912715B1 (ko) | 이종 센서 통합 모델링에 의한 수치 사진 측량 방법 및장치 | |
CN103411609B (zh) | 一种基于在线构图的飞行器返航路线规划方法 | |
Al-Rousan et al. | Automated DEM extraction and orthoimage generation from SPOT level 1B imagery | |
Pulighe et al. | DEM extraction from archive aerial photos: accuracy assessment in areas of complex topography | |
CN114518104A (zh) | 基于动态遥感监测技术的国土测绘方法、***及存储介质 | |
CN113570527B (zh) | 水上水下三维点云的融合方法 | |
Karan et al. | Digital modeling of construction site terrain using remotely sensed data and geographic information systems analyses | |
CN113032977A (zh) | 基于无人机逆建模技术的土石方量测算方法 | |
CN110487251B (zh) | 一种用非量测相机的无人机进行大比例尺测图的作业方法 | |
Pepe et al. | 4D geomatics monitoring of a quarry for the calculation of extracted volumes by tin and grid model: Contribute of UAV photogrammetry | |
Srinivas et al. | Digital aerial orthobase for cadastral mapping | |
Saponaro et al. | Influence of co-alignment procedures on the co-registration accuracy of multi-epoch SFM points clouds | |
Priebbenow et al. | Cartographic applications of SPOT imagery | |
Li et al. | Integration of orbital and ground images for enhanced topographic mapping in Mars landed missions | |
Rosado | Introduction to applied photogrammetry and cartography for civil engineering | |
CN112308907A (zh) | 用飞行器对坡体进行近景摄影测量的航线规划方法 | |
Yastikli et al. | Automatic digital elevation model generation, problems and restrictions in urban areas | |
Batakanwa | Validating Uav-Sfm Photogrammetry Heights for Highway Topographic Surveying in Tanzania | |
Wang | Semi-automated generation of high-accuracy digital terrain models along roads using mobile laser scanning data | |
KR102538157B1 (ko) | 무인비행체를 이용한 3차원 실사모델 제작 방법 | |
Zhang et al. | Patch-based Evaluation of Dense Image Matching Quality | |
Jordão et al. | Improved Methodologies for the Revision of a Traditional Topographic Map Series |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210702 Termination date: 20211105 |
|
CF01 | Termination of patent right due to non-payment of annual fee |