5. Автоматизация фотограмметрических измерений

Все процессы фотограмметрической обработки снимков связаны с измерениями координат точек снимков. Поэтому, автоматизировав измерения координат точек снимков, можно автоматизировать выполнение фотограмметрических процессов. Фотограмметрические измерения, как известно, делятся на монокулярные и стереоскопические.

Монокулярные измерения координат точек снимков применяются при выполнении процесса внутреннего ориентирования снимков (измерение координат координатных меток), измерении координат маркированных точек, особенно при решении прикладных задач по наземным снимкам, при калибровке съемочных камер (измерение координат маркированных точек тест-объекта) и т.д. Поэтому автоматизация монокулярных измерений практически сводится к автоматическому нахождению на снимке изображения маркированной точки (точка в виде геометрической фигуры: круг, крест, треугольник и т.д.) и вычислении геометрического центра этих точек.

Стереоскопические измерения применяются при выполнении практически всех фотограмметрических процессов (взаимное ориентирование пары снимков, внешнем ориентировании модели, построении цифровых моделей рельефа, рисовка контуров и др.). Задачей автоматизации стереоскопических измерений является автоматическое отыскание на паре снимков идентичных (соответственных) точек.

Ниже рассматриваются методы автоматизации как стереоскопических, так и монокулярных измерений.

1. Автоматизированные методы нахождения соответственных точек на стереопаре цифровых снимков

Существуют различные методы отождествления соответственных точек на паре цифровых изображений, которые можно разделить на три группы:

1. Методы, основанные на анализе значений пикселей изображения в пределах некоторой области (ПМ – площадные методы)

2. Методы, основанные на выделении элементов изображения (ЭМ)

3. Методы, использующие связи между элементами изображения (СМ)

Площадные методы отождествления одноименных точек

Смысл этих методов сводится к сравнению плотностей пикселей двух изображений вокруг определяемой точки.

На рис.1 показан принцип отождествления соответственных точек на паре снимков, который заключается в следующем. На левом снимке задается любая точка (рис. 1 а). Затем вокруг этой точки (рис.1b) как бы вырезается некоторое окно (фрагмент изображения или эталонная матрица) и накладывается на правый снимок (рис.1с). Эталонную матрицу перемещают по правому снимку (матрице поиска) и каждый раз сравнивают соответствующие плотности левого и правого снимков в пределах размеров эталонной матрицы. Если все плотности совпадают, то это означает, что найдена соответственная (идентичная) точка (рис. 1d) на правом снимке. Критерием решения задачи очевидно является отыскание функционала следующего вида:

(1)

где f₁, f₂ – плотности пикселей эталонной матрицы и матрицы поиска соответственно, т.е. левого и правого изображений.

а) b)

c) d)

Рис. .1

При практической реализации площадных методов отождествления существует два основных подхода:

1. Корреляционны методы

Смысл этих методов заключается в том, что при каждом положении эталонной матрицы на правом снимке вычисляется вместо функции (1) коэффициент корреляции R, максимальное значение которого соответствует лучшему совпадению точек.

2. Метод наименьших квадратов

Метод наименьших квадратов позволяет вычислить координаты соответственной точки на втором изображении непосредственно как функцию значений плотностей двух изображений, т.е. непосредственно решается функция (1). Этот метод имеет некоторые преимущества по сравнению с первым методом:

• более высокая точность определения соответственных точек;

• устойчивость решения к геометрическим искажениям изображений;

• возможность оценки точности определения (измерения) координат.

Недостатки:

• необходимость знания достаточно точных начальных приближений координат определяемой точки. В противном случае выполняется много приближений и как следствие большие затраты машинного времени.