【摘要】：提出了基于大比例尺航空影像共面約束的相機(jī)自檢校方法,該方法使用所有立體像對(duì)同名點(diǎn)基于共面約束對(duì)相機(jī)的內(nèi)方位元素及畸變系數(shù)進(jìn)行解算。首先進(jìn)行航空影像同名點(diǎn)匹配,構(gòu)建立體像對(duì);然后基于共面約束使用直接解法和迭代優(yōu)化進(jìn)行相對(duì)定向,解算相機(jī)位置與姿態(tài);最后使用最小二乘優(yōu)化方法解算相機(jī)內(nèi)方位元素和畸變系數(shù)。對(duì)于高分辨率大尺寸航空影像,圖像中心及邊緣的畸變差異較大,為了進(jìn)一步提高解算精度,對(duì)圖像進(jìn)行網(wǎng)格區(qū)域劃分解算畸變。使用大比例尺航空影像進(jìn)行解算能真實(shí)精確反映航空攝影測(cè)量時(shí)所獲取圖像的相機(jī)參數(shù)和畸變系數(shù),避免檢校環(huán)境與使用環(huán)境不同解算得到的相機(jī)畸變參數(shù)不能真實(shí)反映所獲取影像的畸變問(wèn)題;使用所有同名點(diǎn)解算,避免由于選擇不同特征點(diǎn)或控制點(diǎn)對(duì)檢校精度的影響;通過(guò)區(qū)域網(wǎng)格劃分,進(jìn)一步提高了解算精度。對(duì)檢校結(jié)果進(jìn)行了分析,該方法精度較高,與基于室外檢校場(chǎng)的精度相當(dāng),能真實(shí)精確反映航空攝影測(cè)量時(shí)所獲取圖像的相機(jī)參數(shù)和畸變系數(shù),提高了三維重建的精度。
【圖文】：

的仿射變換關(guān)系，以判斷匹配的有效性：若兩幅圖像無(wú)重疊或誤點(diǎn)太多，則無(wú)法得到一個(gè)有效的仿射變換，該像對(duì)被剔除；對(duì)于有重疊并匹配成功的兩幅影像，通過(guò)ＲＡＮＳＡＣ算法可以剔除少量誤匹配點(diǎn)，最終獲得一定數(shù)量的可靠同名像點(diǎn)，對(duì)應(yīng)的兩幅影像即構(gòu)成了一個(gè)立體像對(duì)［２０］。在立體像對(duì)模型內(nèi)進(jìn)行稠密同名點(diǎn)匹配，，獲取大量的觀測(cè)值，可以為后續(xù)的最小二乘優(yōu)化提供大量的觀測(cè)方程。１．２．２相對(duì)定向根據(jù)解析法相對(duì)定向，同名射線在空間對(duì)對(duì)相交，射線ｏｐ、ｏ′ｐ′及攝影基線Ｂ共面，如圖１所示，根據(jù)三矢量共面，它們的混合積為０，可得約束公式Ｂ·ｏｐ×ｏ′ｐ′（）＝０（５）式中，ｏｐ、ｏ′ｐ′為同名射線矢量；Ｂ為基線矢量。圖１共面約束示意圖Ｆｉｇ．１Ｃｏｐｌａｎａｒｉｔｙｃｏｎｓｔｒａｉｎｔ首先采用直接解法相對(duì)定向獲取各相機(jī)位置與姿態(tài)初值，然后使用最小二乘進(jìn)行迭代優(yōu)化，依據(jù)共面約束，建立優(yōu)化函數(shù)如式（６）所示ｍｉｎ∑Ｎｉ＝１Ｆ２（６）式中，Ｆ＝Ｂ·ｏｐ×ｏ′ｐ′（）。具體過(guò)程如下：①選擇系列圖像中中間位置的圖像作為主圖，相鄰的一幅圖作為輔圖，鄰接圖為相互有重疊的圖，從其他未定位圖中找一幅鄰接點(diǎn)最多的鄰接圖作為候選圖。通過(guò)提取主圖與鄰接圖間的同名點(diǎn)，由相對(duì)定向過(guò)程，即可確定鄰接圖對(duì)應(yīng)相機(jī)的相對(duì)位置和姿態(tài)；重復(fù)上述過(guò)程，即可確定全部相機(jī)的相對(duì)位置和姿態(tài)。②以位置與姿態(tài)參數(shù)為優(yōu)化目標(biāo)，基于共面約束建立優(yōu)化函數(shù)，解算各相機(jī)位置與姿態(tài)參數(shù)。對(duì)于多幅航空影像，為了快速解算位置與姿態(tài)，迭代解算能夠收斂，避免參數(shù)過(guò)多相互干擾，采用如下策略：對(duì)主、輔圖定位后

畸變校正對(duì)于高分辨率大尺寸航空影像，圖像中心及邊緣的畸變差異較大，為了準(zhǔn)確地解算相機(jī)畸變系數(shù)，進(jìn)行畸變校正，對(duì)圖像進(jìn)行了區(qū)域網(wǎng)格劃分，分區(qū)域進(jìn)行畸變校正。將航空影像劃分為ｍ×ｎ矩形網(wǎng)格，ｍ、ｎ分別為ｘ、ｙ方向的網(wǎng)格數(shù)。聯(lián)合所有影像同名點(diǎn)使用雙線性插值和最小二乘迭代優(yōu)化算法解算網(wǎng)格交點(diǎn)畸變量，然后根據(jù)網(wǎng)格交點(diǎn)處畸變量校正該網(wǎng)格區(qū)域內(nèi)像點(diǎn)。通過(guò)聯(lián)合計(jì)算所有航空影像并通過(guò)合理劃分矩形網(wǎng)格，能夠最真實(shí)地反映攝影時(shí)相機(jī)的內(nèi)方位元素及畸變系數(shù)，對(duì)像點(diǎn)進(jìn)行畸變校正。在圖２中，設(shè)網(wǎng)格（ｉ，ｊ）交點(diǎn)ｐｉｊ的畸變量為δｘｐｉ，ｊ、δｙｐｉ，ｊ，則根據(jù)雙線性插值，同名像點(diǎn)Ｑｋ處的畸變量為圖２區(qū)域網(wǎng)格劃分Ｆｉｇ．２Ｍｅｓｈｐａｒｔｉｔｉｏｎδｘｑｋ＝（１－ｕ）（１－ｖ）δｘｐｉｊ＋ｕ（１－ｖ）δｘｐｉ＋１，ｊ＋（１－ｕ）ｖδｘｐｉ，ｊ＋１＋ｕｖδｘｐｉ＋１，ｊ＋１δｙｑｋ＝（１－ｕ）（１－ｖ）δｙｐｉｊ＋ｕ（１－ｖ）δｙｐｉ＋１，ｊ＋（１－ｕ）ｖδｙｐｉ，ｊ＋１＋ｕｖδｙｐｉ＋１，ｊ＋１p蚿蘰危ǎ梗保埃

本文編號(hào)：2564290