CC BY
89
УДК 528.73:004 А.С. Ессин СибАДИ, Омск
СОВЕРШЕНСТВОВАНИЕ ТЕХНОЛОГИИ ФОТОГРАММЕТРИЧЕСКОЙ ОБРАБОТКИ МАТЕРИАЛОВ АЭРОВИДЕОСЪЕМКИ В ЦЕЛЯХ СОЗДАНИЯ ОРТОФОТОПЛАНОВ
Для целей рационального управления территориями необходимо своевременно получать актуальную информацию о местности, для этого во многих случаях достаточно выполнять выборочное обновление локальных участков карты. Для этих целей предлагается использовать материалы аэровидеосъемки. В Омском филиале ФГУП «ФКЦ «Земля» и ЗападноСибирском филиале ФГУП «Госземкадастрсъемка» разработана технология аэровидеосъемки и фотограмметрической обработки материалов аэровидеосъемки [1].
Аэровидеосъемка выполняется с легких самолетов и вертолетов при помощи бытовой видеокамеры. Особенностью аэровидеосъемки являются малые размеры видеоснимка на местности. Например, при съемке для создания плана масштаба 1:2000 ширина полосы захвата составляет всего около 150 метров. Поэтому при выполнении съемки видеокамера покачивается в плоскости перпендикулярной направлению полета, что позволяет увеличить полосу захвата до 400 метров (рис. 1).
V - направление полета 0| - центр текущего кадра
Рис. 1. Траектория движения оптической оси видеокамеры
Сеть фототриангуляции проектируется с учетом этой особенности съемки. Блок состоит из основного маршрута, последовательность снимков в котором совпадает с последовательностью кадров в фильме, и связующих маршрутов или стереопар (рис. 2).
основной маршрут связующие маршруты
Рис. 2. Схема блока фототриангуляции
Малые размеры видеоснимка приводят к необходимости обработки очень большого количества снимков. Для создания ортофотоплана масштаба 1:2000 на площади в 1 кв. км требуется обработать около 300 снимков и измерить
15-20 тысяч связующих точек. Поэтому задача автоматизации стереоизмерений при обработке материалов аэровидеосъемки стоит очень остро. В данной работе выполнена автоматизация процесса стереоизмерений на аэровидеоснимках.
Первые исследования в области автоматизации стереоизмерений выполнены профессором А.С. Скиридовым в 1924 году. Дальнейшую разработку этой проблемы выполняли ведущие ученые А.Н. Лобанов, И.Г. Журкин, Г. Д. Федорук, А.П. Гук и др., а также известные зарубежные ученые.
Анализ существующих алгоритмов стереоизмерений показывает, что они обладают как достоинствами, так и отдельными недостатками. Более полная автоматизация стереоизмерений достигается путем оптимального комбинирования положительных свойств способов.
На первом этапе выполнена автоматизация измерений одиночных точек на основе метода взаимной корреляции [2]. Проведено исследование по определению оптимальных параметров идентификации точек на аэровидеоснимках. Исследование заключалось в многократном измерении координат точек с использованием всех целесообразных комбинаций параметров поиска. По результатам измерений устанавливалось влияние каждого параметра на точность и надежность идентификации. Из анализа полученных закономерностей были определены оптимальные параметры идентификации точек на аэровидеоснимках. При использовании метода взаимной корреляции появляется возможность выполнять стереоизмерения в автоматизированном режиме. Для этого вручную измеряются не менее четырех начальных точек в пределах области перекрытия. Идентификация остальных точек выполняется автоматически.
Использование автоматизированного режима позволяет существенно повысить производительность, однако не решает проблему в целом, так как при большом количестве снимков процесс измерения начальных точек
достаточно продолжительный. Поэтому возникает необходимость полной автоматизации стереоизмерений, без использования какой-либо начальной информации.
На аэрофотоснимках автоматические стереоизмерения выполняются путем совместного использования иерархической стратегии поиска [3] и элементов внешнего ориентирования снимков, измеренных в полете. Такой подход реализован в ЦФС Orima и в программе цифровой фототриангуляции Triangle, разработанной на кафедре фотограмметрии СГГА. Однако при выполнении аэровидеосъемки определить элементы внешнего ориентирования каждого снимка с достаточной точностью не удается, поэтому нет возможности использовать данный подход.
Для выполнения автоматических стереоизмерений на аэровидеоснимках выполнена модификация иерархической стратегии, которая заключалась в расширении области поиска на всю площадь правого снимка и исключении этапов уточнения точек на промежуточных иерархических уровнях. Поиск точки выполняется на уменьшенных изображениях и уточняется на снимках исходных размеров (рис. 3). Совместное использование модифицированной иерархической стратегии поиска и метода взаимной корреляции позволяет выполнять измерения автоматически.
Для повышения производительности поиска точек на уменьшенных снимках используется сочетание алгоритма последовательной привязки изображений [4] и метода взаимной корреляции. Поиск точки выполняется с использованием последовательного алгоритма с высокой скоростью, а правильность идентификации контролируется путем вычисления коэффициента корреляции.
Рис. 3. Модифицированная стратегия иерархической идентификации точек
Таким образом, путем комбинирования модифицированной иерархической стратегии поиска, высокоскоростного алгоритма
последовательной привязки и надежного метода взаимной корреляции стереоизмерения на аэровидеоснимках выполняются полностью автоматически, без какой-либо начальной информации.
Проведено исследование комбинированного алгоритма, в результате которого определены оптимальные параметры идентификации точек на уменьшенных аэровидеоснимках. Для выполнения исследования выбирались снимки с изображением различных типов местности в диапазоне перекрытий от 15
до 90 процентов. В результате многократных измерений координат точек с использованием всех целесообразных комбинаций параметров поиска определялись оптимальные параметры для обработки снимков на различные типы местности при различном перекрытии. Из анализа полученных значений определены оптимальные параметры поиска для выполнения автоматических стереоизмерений на аэровидеоснимках.
По результатам стереоизмерений выполняется построение плановой фотограмметрической модели блока на основе метода блочного трансформирования. Метод предложен профессором Быковым Л.В. и основан на использовании проективных соотношений координат. В результате обработки все снимки блока приводятся к единой плоскости проекции.
Полученная плоская фотограмметрическая модель блока ориентируется в геодезической системе координат по плановым опорным точкам. Расхождения плановых геодезических координат связующих точек, вычисленных с двух смежных снимков, характеризуют остаточные радиальные смещения точек.
С использованием аппарата поликвадратической интерполяции [5] по вычисленным для всех точек смещениям строится цифровая модель радиальных смещений точек. С учетом полученной модели выполняется не линейное трансформирование снимков в геодезическую систему координат и из аэровидеоснимков формируется ортофотоплан.
Для повышения точности построения фототриангуляционной сети и учета радиальных смещений в практике фотограмметрии используются субпиксельные стереоизмерения. В данной работе разработан алгоритм идентификации точек с субпиксельной точностью, основанный на дискретной нелинейной аппроксимации функции корреляции.
Аппроксимация может выполняться с применением полиномов различных порядков. Но основной недостаток полиномиальной аппроксимации в том, что поведение полинома в окрестности какой-либо точки определяется поведением полинома в целом. Кроме того, если для построения полинома используется избыточный объем исходных данных, то вычисленное и измеренное значение коэффициента корреляции в твердых точках не совпадает.
Поэтому для аппроксимации функции корреляции в работе используется аппарат поликвадратической интерполяции [5]. При этом поведение аппроксимирующей функции в окрестности какой-либо точки будет в большей степени определяться ближайшими точками. Количество
неизвестных поликвадратических коэффициентов в уравнении будет равно количеству твердых точек, поэтому вычисленные и измеренные значения коэффициента корреляции в твердых точках будут совпадать.
Кроме того известно, что точность измерений зависит от размера пикселя. Поэтому функция сглаживания строится в неявном виде: пиксель разделяется на конечное количество частей и значение функции корреляции вычисляется для каждой части пикселя. При этом максимум функции корреляции определяется более просто и технологично.
Проверка работоспособности разработанного алгоритма выполнялась в ходе проведения исследования. При этом использовались аэрофотоснимки с разрешающей способностью 20 и 60 мкм. На снимках выполнялась идентификация точек многократно при разделении пикселя на различное количество частей. Правильность работы алгоритма оценивалась по величине СКО, вычисленной по значениям остаточных свободных членов уравнения компланарности на этапе взаимного ориентирования.
Определены зависимости точности взаимного ориентирования от величины субпиксельного деления, т.е. от того на сколько частей разделен пиксель. Установлено, что в обоих случаях оптимальная величина субпиксельного деления равна 1/7 пикселя. Точность взаимного ориентирования по результатам измерений точек разработанным алгоритмом и алгоритмом, применяющимся в ЦФС Photomod, практически одинаковая. Следовательно, идентификация точек разработанным алгоритмом выполняется верно.
Применение субпиксельных стереоизмерений позволяет повысить точность построения фототриангуляционной сети и более точно учитывать радиальные смещения на снимках.
Комплексное решение проблемы стереоизмерений по аэровидеоснимкам позволило использовать «видеотехнологию» для оперативного создания ортофотопланов. В 2004 году «видеотехнология» защищена патентом РФ.
С целью оценки эффективности автоматических стереоизмерений и «видеотехнологии» в целом проведены экспериментальные исследования:
- Создан ортофотоплан масштаба 1:2000 на территорию тест-объекта. Стереоизмерения выполнялись автоматически, без участия оператора. Точность ортофотопланов, оцененная по расхождениям координат контрольных точек, составила 0,4-0,6 метра.
- Создан ортофотоплан на территорию п.г.т. Подтесово, площадью 3,5 кв. км. Стереоизмерения выполнялись автоматически. Погрешность создания ортофотопланов не превышает 1,0 метра, что соответствует нормативной точности масштаба 1:2000. Производительность выполнения работ составила около 1 кв. км в 1 рабочую смену.
- «Видеотехнология» была успешно применена при создании ортофотоплана по цифровым аэрофотоснимкам, полученным с использованием беспилотной авиамодели. По цифровым аэрофотоснимкам создан ортофотоплан масштаба 1:1000 на территорию парк-отеля «Мечта». Точность ортофотоплана составила 0,25 метров.
В результате экспериментальных исследований сделаны следующие выводы:
1. При создании планов на площади до 2 кв. км рекомендуется использовать цифровую аэрофотосъемку с применением беспилотной авиамодели.
2. «Видеотехнология» эффективна при картографировании на площади от 2 до 15 кв. км. Аэровидеосъемку рекомендуется использовать для оперативного выборочного обновления в период между периодическим обновлением по материалам аэрофотосъемки.
Разработанные алгоритмы и результаты исследований реализованы в программе фотограмметрической обработки материалов аэровидеосъемки, входящей в состав технологического комплекса «RosCad», который внедрен в производство в Омском филиале ФГУП «ФКЦ «Земля» и ЗападноСибирском филиале ФГУП «Г осземкадастрсъемка», а также используется в учебном процессе в Омском государственном аграрном университете.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Быков, Л.В. Опыт и перспективы обновления кадастровых планов с применением материалов аэровидеосъемки местности / Л.В. Быков, А.П. Макаров // Информ. бюл. ГИС-Ассоциации. - 2001. - № 2-3. - С. 7-9.
2. Лобанов, А.Н. Автоматизация фотограмметрических процессов / А.Н. Лобанов, И.Г. Журкин. - М.: Недра, 1980. - 240 с.
3. An Integral Approach to Automatic Aerial Triangulation and Automatic DEM Generation / P. Krzystek [et al.] // IAPRS. XVIII ISPRS Congress. - Vienna, 1996. - V. 31, b. 3. - P. 405-414.
4. Прэтт, У.К. Цифровая обработка изображений / У.К. Прэтт. - М.: Мир, 1978. -
384 с.
5. Малявский, Б.К. Аналитическая обработка фотограмметрической информации в целях инженерных изысканий / Б.К. Малявский, А.А. Жарновский. - М.: Недра, 1984. -220 с.
© А.С. Ессин, 2006
