摄影测量笔记
本文用來記錄平日學習攝影測量過程中的一些知識點:
關鍵詞
- 攝影測量
- 近景攝影測量
- 計算機視覺
知識點
航空攝影測量和近景攝影測量的相同點:二者的相同點主要在于基本的原理相同,數據處理的方法基本相同;
不同點主要是在目的,航空攝影測量最主要的目的是獲取地形圖,必須獲取影像像素點對應的空間坐標;近景攝影測量的主要目的是測定目標物的外在形態,大小和運動狀態,獲取的一般是相對的空間位置,不注重目標點的絕對位置。
航空攝影測量的控制方式以控制點為主,多為明顯的地面店;近景攝影測量除了控制點方式之外,還有相對控制方式,且常常使用人工標志。
現有的測繪方式: 1.基于測角、測距的工程測量;2. 三坐標測量儀;3. 基于光干涉原理的測量;4. 全息技術;5. 光截面攝影測量技術;6. 基于磁力場的三維坐標測量技術;7. 基于三維激光掃描的測量技術;8. 基于GNSS的測量技術;9.攝影測量技術。
我這次關于攝影測量的任務(已知內方位元素和外方位元素)與傳統的攝影測量的任務是不一樣的,所以采用的平差方法也不一樣。我準備采用經典的最小二乘法來做平差,但是這個會涉及到測繪領域中幾個比較難解決的問題:1. 如何判斷數據中是否存在粗差;2. 如果判斷出數據中存在粗差,如何去定位粗差,從而刪除對應的觀測值。對于第一個問題,我想粗差的存在與否只能通過平差估計之后,利用估計的結果才能判斷(能否在平差之前判斷呢?應該是不能的,因為既然是粗差,那我們應該就是不知道它到底存不存在)。
先從我熟悉的GNSS領域來回答這個問題。 在RTKLib處理GNSS數據時,它解決第一個問題的方法是提出了兩個限制條件,一個是chi‐squared 測試,一個是DOP閾值,也就是說如果沒通過chi-squared test或者DOP超過了閾值,那么判斷估計失效,數據中存在粗差。解決第二個問題,即定位粗差的方法是RAIM FDE,它通過循環估計的方法來判斷失效的數據,但是它只適用于有一顆衛星失效時的情況,而且需要至少有兩個多余觀測。
有必要分析一下我這次攝影測量的任務與傳統的攝影測量任務,以及GNSS測量任務中使用最小二乘法的相同點與不同點。
傳統的攝影測量會使用的估計方法也是基于最小二乘法的,但是其中最常用的光束法平差是將一對像對中所有光線的共線方程組合起來,一起進行平差,而不是對單個光線進行平差。GNSS測量任務中,在進行單點定位時,每個觀測值只提供一個公式,而在我這次的任務中,一個觀測值可以提供三個公式,它們觀測值與未知數之間的數量關系不一樣。
綜合上述分析,找出適合這次任務的粗差檢驗和探測方法。
因為使用的是最小二乘法平差,所以我認為粗差的檢驗方法同樣可以使用chi-squared test方法,至于DOP閾值,因為拍照時照片的數量一般會比較少,而且會盡量選擇比較好的位置,這個問題可以先不考慮。
檢測出平差結果有錯該如何解決呢?目前的測量是,如果只有兩張照片,那么就直接拋棄這個點的估計;如果有三張或者四張,則用RAIM方法。
RAIM方法雖然只能剔除只存在一個觀測值有粗差的情況,但是它仍然能判斷估計結果是否有誤。
RAIM(Receiver Autonomous Integrity Monitoring),即用戶自主完備性監測,是接收機本身利用多余觀測值來判斷定位結果是否可靠的一種方法。需要注意的是,這里的完備性直接指的是定位結果的可用性,間接是針對衛星觀測值來說的,因為定位結果是由觀測數據決定的。。衛星的健康狀態只能表示衛星信號的可用性,不能表明接收機接收到數據的可用性,想要判斷用戶接收數據的可用性,還需要其他的步驟,比如進行系統誤差的修正,粗差的探測等。RAIM一般包括結果檢驗、粗差探測和剔除等步驟。
除了在接收機端進行完備性的檢驗,還有另外一種完備性監測,比如sbas衛星通過處理可以獲取某些數據的完備性,然后發送給用戶,用戶可以根據這個完備性進行相應的處理。但是用戶端的自主完備性監測是不能忽略的,因為sbas只知道一些改正數的完備性,不能保證其他數據的完備性。
RAIM方法中,第一步是基于卡方檢驗來判斷平差的結果是否正確,我們現在來對卡方檢驗進行學習。首先我們需要明白一點,什么是假設檢驗? 很明顯,但是很容易忽視,假設檢驗就是先定一個假設,然后來驗證它。
卡方檢驗是一種驗證假設是否正確的方法,比如我們假設觀測值沒有粗差,那么residual的值應該符合某個條件,
只有兩幅圖像的時候,能判斷粗差存在與否嗎?三幅圖像時,能判斷粗差的位置嗎?
使用最小二乘估計是有一個前提的,就是一組觀測值只存在著正態分布的偶然誤差。
進行最小二乘法平差以后,觀測值殘差和觀測值誤差之間的關系。
粗差不可發現,測量最核心的問題就是平差,也就是利用觀測值估計出待估參數,平差的本身不復雜,復雜的是怎么處理觀測值中帶有的種種誤差,比如說系統誤差,粗差。測繪的核心問題其實就是處理誤差,最小二乘法的實質是處理偶然誤差。
我的任務中存在哪些系統誤差? 存在哪些可能的粗差?是非常重要的問題。
類似與DOP的概念,攝影測量中兩條光線最好的角度是90度。
需要注意的是,如果只有兩幅圖像時,有多余觀測,可以檢測出粗差嗎?答案是可以的。那我們是不是不需要做額外的粗差檢測了?
多余觀測值越多時越容易發現觀測值中的粗差。
給用戶的測量結果需要有三個,一個是測量結果,二是測量精度,三是可靠性。
問題:有多少多余觀測的時候,可以把粗差剔除出來?
總結
- 上一篇: 什么是常识?
- 下一篇: 如何在Microsoft Outlook