摘要 高分相机(GFXJ)是我国第一款自主研发的机载三线阵CCD相机,设计飞行高度2000m时,对地面三维点的GSD为8cm、平面精度为0.5m、高程精度为0.28m,满足我国1:1000比例尺测绘要求。但GFXJ原有的直接定位精度在平面方向约为4m,高程方向约为6m。为满足地面三维点精度要求,提高GFXJ直接定位精度,本文对GFXJ几何定标进行了深入研究。本次几何标定主要包括两部分:GNSS杆臂与IMU杆轴失准标定、相机镜头与CCD线畸变标定。首先,简单介绍GFXJ相机的成像特性。然后,建立GFXJ相机的GNSS杆臂与IMU杆轴失准标定模型。接下来,建立基于CCD视角的GFXJ镜头与CCD线畸变分段自标定模型。随后,提出迭代两步标定方案进行几何标定。最后,利用在黑龙江省松山遥感综合场和鹤岗地区获取的多个飞行区段进行实验。通过标定实验,获得了GNSS杆臂和IMU视轴失准的几何标定值。为前向、下视和后向线阵独立生成了可靠的CAM文件。实验表明,提出的GNSS杆臂和IMU视轴失准标定模型和分段自标定模型对GFXJ相机具有良好的适用性和有效性。提出的两步标定方案可以显著提高GFXJ相机的几何定位精度。GFXJ原始直接地理定位精度在平面方向约为4 m,在高程方向约为6 m。平面精度约为0.2 m,高程精度小于0.28 m。此外,本文建立的定标模型及定标方案可为其他机载线阵CCD相机的定标研究提供参考。利用GNSS杠杆臂和IMU视轴失准校准值以及CAM文件,GFXJ相机的定位精度可以在仅使用几个地面控制点进行空中三角测量后满足3D点精度要求和2000 m飞行高度1:1000的测绘精度要求。
UAS 图像已成为地貌研究中广泛使用的信息来源。当使用摄影测量方法来量化地貌变化时,相机校准对于确保图像测量的准确性至关重要。基于调查数据的自校准不足会导致系统误差,从而导致 DEM 变形。消费级传感器的几何稳定性通常较低,因此需要进行现场校准,因为实验室校准的可靠性会受到运输的影响。在本研究中,提出了一种强大的现场工作流程,可以同时对热传感器和光学传感器进行省时且可重复的校准。以石头建筑为校准对象,并以 TLS 扫描为参考。该方法使用两个传感器(DJI Phantom 4 Pro 和 Workswell WIRIS pro)、两个软件解决方案(视觉测量系统 (VMS) 和 Agisoft Metashape)和每个传感器的两个不同图像子集来计算八个单独的相机校准。所呈现的结果表明,该方法适用于确定预校准摄影测量调查的相机参数。
1 DIATI,都灵理工大学,意大利都灵,10124 Corso Duca degli Abruzzi,24 Torino – {mariaangela.musci、irene.aicardi、paolo.dabove、andrea.lingua}@polito.it 2 PIC4SeR,都灵理工大学服务机器人跨部门中心,意大利都灵委员会 I,WG IX/9 关键词:相机校准、高光谱帧相机、法布里-珀罗干涉仪、摄影测量。摘要:高分辨率遥感和摄影测量的主要工具之一是轻量级高光谱帧相机,它用于精准农业、林业和环境监测等多个应用领域。在这些类型的传感器中,Rikola(基于法布里-珀罗干涉仪 (FPI),由 Senop 生产)是最新创新之一。由于其内部几何形状,需要解决几个问题才能正确定义和估计内部方向参数 (IOP)。主要问题涉及每次更改波段序列的可能性以及评估 IOP 的可靠性。这项工作重点关注对每个传感器的 IOP 定义的评估,考虑环境条件(例如,不同的时间、曝光、亮度)和 FPI 相机的不同配置的影响,以便重建一个未失真的超立方体以进行图像处理和物体估计。这项研究的目的是了解 IOP 是否随时间保持稳定,以及在考虑从地面到空中应用的不同环境配置和调查的情况下,哪些波段可以作为每个传感器内部参数计算的参考。初步进行的测试表明,不同实验波段之间的焦距百分比变化约为 1%。
背景指南提供了实现机载相机系统度量校准的步骤,并规定了构建现场、交叉路口校准和测试范围。这些步骤基于胶片和数字航空相机系统的成功度量校准。为了准确校准相机系统,在数据收集飞行之前、期间和之后必须遵循几个步骤。这些指南最初仅限于矩形框架相机,而不是推扫式相机。校准飞行后应准备一份校准结果报告,包括校准参数及其精度。随着胶片相机被数码相机取代,这些新指南将对遥感界有所帮助。指南包括 Z/I DMC II 数码相机和 Z/I TOP 胶片相机的现场校准示例以及典型校准范围。这些示例包括航空系统校准现场方法的结果,包括总结分析和校准报告。总之,完成机载相机系统校准所需的步骤如下:
介绍了一种用于积云立体摄影测量的数码相机校准技术。该技术已被用于表征在积云摄影测量、现场和多普勒观测 (CuPIDO) 项目期间观察到的夏季雷暴的形成。从相机位置、方向和地标调查的粗略测量开始,通过最小化几何误差 (GE) 获得相机的准确位置和方向。一旦获得准确的相机参数,就可以通过三角测量计算云特征点的 3D 位置。本文的主要贡献如下。首先,证明了 GE 在相机真实参数的邻域中只有一个最小值。换句话说,即使初始测量值与其真实值之间存在显著差异,搜索 GE 的最小值也能使作者找到正确的相机参数。其次,开发了一种新的由粗到细的迭代算法,该算法最小化 GE 并找到相机参数。数值实验表明,由粗到细算法是高效且有效的。第三,提出了一种基于地理信息系统 (GIS) 而非现场测量的新型地标调查。在这些实验中,GIS 地标调查是一种有效且高效的获取地标世界坐标以进行相机校准的方法。通过 NASA/地球观测系统卫星和仪表飞机收集的数据验证了该技术。本文以先前的研究为基础,详细介绍了校准和 3D 重建。