【摘要】：提出了基于大比例尺航空影像共面約束的相機自檢校方法,該方法使用所有立體像對同名點基于共面約束對相機的內(nèi)方位元素及畸變系數(shù)進行解算。首先進行航空影像同名點匹配,構(gòu)建立體像對;然后基于共面約束使用直接解法和迭代優(yōu)化進行相對定向,解算相機位置與姿態(tài);最后使用最小二乘優(yōu)化方法解算相機內(nèi)方位元素和畸變系數(shù)。對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,為了進一步提高解算精度,對圖像進行網(wǎng)格區(qū)域劃分解算畸變。使用大比例尺航空影像進行解算能真實精確反映航空攝影測量時所獲取圖像的相機參數(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畸變參數(shù)不能真實反映所獲取影像的畸變問題;使用所有同名點解算,避免由于選擇不同特征點或控制點對檢校精度的影響;通過區(qū)域網(wǎng)格劃分,進一步提高了解算精度。對檢校結(jié)果進行了分析,該方法精度較高,與基于室外檢校場的精度相當,能真實精確反映航空攝影測量時所獲取圖像的相機參數(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：若兩幅圖像無重疊或誤點太多，則無法得到一個有效的仿射變換，該像對被剔除；對于有重疊并匹配成功的兩幅影像，通過ＲＡＮＳＡＣ算法可以剔除少量誤匹配點，最終獲得一定數(shù)量的可靠同名像點，對應的兩幅影像即構(gòu)成了一個立體像對［２０］。在立體像對模型內(nèi)進行稠密同名點匹配，，獲取大量的觀測值，可以為后續(xù)的最小二乘優(yōu)化提供大量的觀測方程。１．２．２相對定向根據(jù)解析法相對定向，同名射線在空間對對相交，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定向獲取各相機位置與姿態(tài)初值，然后使用最小二乘進行迭代優(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最多的鄰接圖作為候選圖。通過提取主圖與鄰接圖間的同名點，由相對定向過程，即可確定鄰接圖對應相機的相對位置和姿態(tài)；重復上述過程，即可確定全部相機的相對位置和姿態(tài)。②以位置與姿態(tài)參數(shù)為優(yōu)化目標，基于共面約束建立優(yōu)化函數(shù)，解算各相機位置與姿態(tài)參數(shù)。對于多幅航空影像，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)過多相互干擾，采用如下策略：對主、輔圖定位后

畸變校正對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，為了準確地解算相機畸變系數(shù)，進行畸變校正，對圖像進行了區(qū)域網(wǎng)格劃分，分區(qū)域進行畸變校正。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)格交點畸變量，然后根據(jù)網(wǎng)格交點處畸變量校正該網(wǎng)格區(qū)域內(nèi)像點。通過聯(lián)合計算所有航空影像并通過合理劃分矩形網(wǎng)格，能夠最真實地反映攝影時相機的內(nèi)方位元素及畸變系數(shù)，對像點進行畸變校正。在圖２中，設網(wǎng)格（ｉ，ｊ）交點ｐｉｊ的畸變量為δｘｐｉ，ｊ、δｙｐｉ，ｊ，則根據(jù)雙線性插值，同名像點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：2564290