1 / 25

MINV12 Pe 10:15-11:45

Fotogrammetrian ja ilmakuvauksen perusteita II. Orientointitunnukset / ulkoinen orientointi. Perspektiivinen kameramalli, sädekimpun sijainti ja kierto  Projektiokeskuksen sij. (X 0 ,Y 0 ,Z 0 ) ja kameran kallistukset (  ,  ,  )

lidia
Download Presentation

MINV12 Pe 10:15-11:45

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Fotogrammetrian ja ilmakuvauksen perusteita II Orientointitunnukset / ulkoinen orientointi Perspektiivinen kameramalli, sädekimpun sijainti ja kierto  Projektiokeskuksen sij. (X0,Y0,Z0) ja kameran kallistukset (, , ) A) Suora mittaus (GPS/INS)B) Ilmakolmiointi tukipisteinC) A:n ja B:n yhdistelmä ILMAKOLMIOINTI-Sädekimpputasoitus MINV12 Pe 10:15-11:45

  2. Suora georeferointi ja GPS-avusteinen ilmakolmiointi • Inertiaalipaikannus; näytteenotto esim. 50 Hz, tarkkaa lyhyen ajan sisällä, virheet kasautuvat ajan kuluessa- GPS:llä hyvä absoluuttinen tarkkuus, mutta näytteenotto harvaa, esim. 1 Hz. Ongelmia jos tulee vaihekatko (vaikutus voi olla metrejä)  ipi.uni-hannover.de Saadaan havaintoja orientointituntemattomille(X0,Y0,Z0) ja (, , ).RTK-GPS ja VRS-GPS MINV12 Pe 10:15-11:45

  3. Suora georeferointi ja GPS-avusteinen ilmakolmiointi Ilmakolmiointi edellyttää tunnettuja tukipisteitä ja liitospisteitä. Esim. saaristo ja suurten vesistöjen vallitsemat alueet ongelmallisia. Jos kuvia ei saada liitettyä kunnolla toisiinsa, virheet leviävät myös lähiympäristön kuviin. GPS:n antamien (X0, Y0, Z0) lisäksi tarvitaan kulmahavainnot (, , ). GPS-havainnot projektiokeskuksille vähentävät tukipisteiden tarvetta olennaisesti  kustannusvaikutus. MINV12 Pe 10:15-11:45

  4. Suora georeferointi ja GPS-avusteinen ilmakolmiointi MINV12 Pe 10:15-11:45

  5. Suora georeferointi ja GPS-avusteinen ilmakolmiointi Jos DSO onnistuu, saadaan orientointituntemattomat keskivirheillä: (X0) = (Y0) = (Z0) ~ 0.1 m (VRS - GPS) ()= () ~ 45 rad, () ~ 70 rad. Systemaattiset virheet mahdollisia, kuvablokissa syytä olla joitakin tukipisteitä (alueita) näiden löytämiseksi ja eliminoimiseksi. Jos polttoväli ei ole kalibroidussa arvossaan siirtyvät kuvilta mitatut pisteet Z-suunnassa  #%, missä #% on polttovälin virhe. MINV12 Pe 10:15-11:45

  6. Tavoite: (X0, Y0, Z0, , , ) N kpl kuvalleHavaitaan pisteitä kuvilla, joille kuvakoordinaatit (x,y)Osalle pisteistä tunnetaan XYZ, XY tai Z maastossaOsalle kuvia voidaan tuntea (X0, Y0, Z0, , , ) (DSO)Pisteiden välille voidaan asettaa ehtoja XYZ, XY, ZPisteiden lisäksi voidaan tuntea etäisyyksiä. suuntia, tasoja tai pintoja joita voidaan hyödyntää. Ilmakolmiointi MINV12 Pe 10:15-11:45

  7. Ilmakolmiointi - sädekimpputasoitus Ratkaistaan (unknowns): - Kameroiden paikat (X0,Y0,Z0)- Kallistukset eli suuntakosinit rij 3x3 kpl, kiertoja 3:  (X)  (Y)  (Z), kallistukset lasketaan kierroista, joita ratkotaan. - Liitospisteiden koordinaatit X,Y,Z- Lisäparametrit...(kameran kalibrointi)Tunnetaan (observations): - Kuvahavaintoja (x,y)- Tukipisteitä, XYZ, XY, Z- 3D-etäisyyksiä, suuntakulmia, GPS-havaintoja, INS-havaintoja- Lähtölikiarvot tuntemattomille- EhtojaKäytetään: PNS-virheyhtälötasoitusta (linearisoiduilla havaintoyhtälöillä) MINV12 Pe 10:15-11:45

  8. Ilmakolmiointi - sädekimpputasoitus Kuvablokki: Ilmakuvia, joilla yhteistä peittoaluetta (2D/3D) Liitospiste: yl. signaloimaton, rakennettua ympäristöä, kivet, jne. Tukipiste: Kohdekoordinaatit (XYZ,XY,Z) tunnetaan, tavallisesti korkeilla paikoilla kalliossa (kolmiopisteet), teiden lähistöillä (vaaitusreitit, GPS-kampanjat), peitto epätasainen, RTK tai VRS-GPS:llä voi mitata lisää. Lähtölikiarvot: Kuvanottopisteet (X0,Y0,Z0) ja lentolinjan suunta () GPS-havainnoista, pystykuvat ( ja  = 0). Liitospisteille kartalta tai kuvilta leikaten. Tehtävän koko: Virheyhtälöistä rakennematriisi A ja normaalimatriisi ATPA. dim(ATPA) = 6 x kuvien määrä + 3 x liitospisteet + tuntemattomien tukipiste-koordinaattien lkm Jokainen kuvahavainto tuo kaksi riviä matriisiin A. Ehtoyhtälöt (lisähavainnot) lisäävät A kokoa. MINV12 Pe 10:15-11:45

  9. Ilmakolmiointi - sädekimpputasoitus • PNS-tasoitus • Lähtölikiarvot ja havainnot2) Linearisoi, muodosta A, P ja l3) Ratkaise parannus likiarvoihin x = (ATPA)-1ATPl4) Lisää x ja palaa kohtaan 2) paitsi jos ||x|| on häviävän pieni, jos ||x|| ei pienene ongelmia yhtälöryhmässä • Painot diagonaalimatriisissa P kuvaavat havaintojen variansseja. Tasoituksessa voi olla yht’aikaa kuvahavaintoja (um), koordinaatteja (m), kulmia (rad), etäisyyksiä (m). A on hyvin harva ja normaaliyhtälöt pos-def. MINV12 Pe 10:15-11:45

  10. Ilmakolmiointi - sädekimpputasoitus Tarkkuuden arviointi MINV12 Pe 10:15-11:45

  11. Ilmakolmiointi - sädekimpputasoitus Tarkkuuden arviointi Jäännösvirheet kuvatasolla, 0Jäännösvirheet eteenpäinleikatuissa XYZ-pisteissäRiippumattomat, kolmioinnissa käyttämättä jätetyt XYZ-pisteetOrientointituntemattominen ja liitospisteiden koordinaattien estimoidut keskivirheet 0  sqrt(diag(ATPA)-1) Virheiden etsintä.... MINV12 Pe 10:15-11:45

  12. Ilmakolmiointi - sädekimpputasoitus Jäännösvirhevektorit kuvalle FM022041230, 1:6000 JäännösvirhevektoritXYZ-tukipisteelle n:o 1006kierrettynä karttaproj.20 ja 30 mikronin ympyrät. Virheiden etsintäkarkeat vs. pienetabsorboituminen MINV12 Pe 10:15-11:45

  13. Ilmakolmiointi – Maastotukipisteiden mittaus RTK-GPSVRS-GPSVerkko-GPSMML/GL-pistearkisto MINV12 Pe 10:15-11:45

  14. Ilmakolmiointi – Maastotukipisteiden mittaus Pisteen D XYZ tuntematon, Piste C on D:n projektio maan pinnalle.Mitataan mittanauhalla vaakasuora linja A-C suuntaan, jossa on vapaata GPS-näkyvyyttä.Mitataan GPS:llä A ja B suoralta A-C. Mitataan mittanauhalla etäisyys d ja korkeusmittarilla B:n ja D:n korkeusero. Mitkä ovat D:n virhe-ellipsoidin mitat? MINV12 Pe 10:15-11:45

  15. Ilmakolmiointi – Maastotukipisteiden mittaus Esim.GPS-tarkkuus (X)VRS = (Y)VRS = (Z)VRS = 0.05 mKorkeuseron mittaustarkkuus (ZBD) = 0.25 md:n mittaustarkkuus mittanauhalla (d) = 0.01 mA-C 20 m, A-B 10 m ellipsoidi 0.051 m  0.120 m  0.255 mA-C 10 m, A-B 5 m ellipsoidi 0.051 m  0.120 m  0.255 mA-C 20 m, A-B 15 m ellipsoidi 0.051 m  0.070 m  0.255 mA-C 20 m, A-B 5 m ellipsoidi 0.051 m  0.250 m  0.255 m Virhe-ellipsoidi pienin aina A-C:n suunnassa ja suurin kohtisuorassa suunnassa johtuen A-B:n vipuvaikutuksesta.Tarkastelussa oletetaan, että C saadaan täsmällisesti ja korkeuseron hajonta on vakio. (Viputarkastelu(GPS).xls) MINV12 Pe 10:15-11:45

  16. Pisteen XYZ-koordinaattien määritystarkkuus Kuvausgeometria- kuvasäteiden väliset kulmat kohteessa- f 15  21 cm, Z-tarkkuus heikkenee- mittakaava vaikuttaa tarkkuuteenHavaintovirheet kuvatasolla; pisteen osoittamisen tarkkuus, esim. 10 um (pikseli), virhe-ellipsin muoto (eril. latvat, kulmat). Kuvien lkm lisääminen parantaa tarkkuutta, mutta rajallisesti.Orientointivirheet: Sädekimppujen leikkauspisteet (fotogrammetrinen 3D malli) voivat olla siirtyneitä, kiertyneitä, paikallisesti “vääntyneitä” ja 3D mallin mittakaava voi olla virheellinen eri koordinaattiakselien suunnassa  täydellisetkin kuvahavainnot tuottavat virheellisiä koordinaatteja. MINV12 Pe 10:15-11:45

  17. Pisteen XYZ-koordinaattien määritystarkkuus Kuvapari, 60 % peitto, f = 153 mm, puun latvan x-parallaksin havaintotarkkuus 15 um – 30 umS(Z) 1:5000 0.12 m – 0.24 mS(Z) 1:10000 0.24 m – 0.48 m f = 210 mmS(Z) 1:10000 0.34 m – 0.68 m DEMO 4 MINV12 Pe 10:15-11:45

  18. Pisteen XYZ-koordinaattien määritystarkkuus Monte-Carlo Simulaattori 1) Muodostetaan kuvablokki ilmakolmiointia varten; Mitataan tarkat kuvahavainnot ja maastokoordinaatit tukipisteille;2) Varioidaan kuva (xy) ja tukipiste (XYZ) -havaintoja kuvilla ja maastossa3) Ratkaistaan ilmakolmiointi (orientointi kuville)4) Mitataan kuvilta piste, varioidaan kuvahavaintoja ja lasketaan pisteen sijainti saadulla orientoinnilla, Print XYZLoop 2)  4)  100-1000Tutkitaan XYZ-havaintojen vaihtelua. MINV12 Pe 10:15-11:45

  19. Esimerkki-simulaatioIlmakuvat 1:6000; 60 % pituuspeitto, 8 x XYZ, 1 x Z, 19 x tie MINV12 Pe 10:15-11:45

  20. Esimerkki-simulaatioIlmakuvat 1:6000; 60 % pituuspeitto, f = 153 mm Piste 2/3 kuvalla MINV12 Pe 10:15-11:45

  21. Esimerkki simulaatio 1 Kolmiointi: Tuki- ja liitospisteiden mittaustarkkuus kuvalla (x,y) = 8 umTukipisteiden tarkkuus maastoossa (X,Y) = 0.1 m, (Z) = 0.2 mKuvamittaus: Kuvalta mitattujen uusien pisteiden (x,y) havaintovirhe = 15 um100 toistoa  piste 3 kuvalla (X,Y) = 0.12 m, (Z) = 0.13 m “ 2 “ (X,Y) = 0.11 m, (Z) = 0.30 m Entä, jos piste, esim. latva on hankala osoittaa?; esim. koivulla voisi olettaa 0.5 metrin virheen, mikä vastaa noin 70 mikronia kuvalla ; Kuvalta mitattujen uusien pisteiden (x,y)(havaintovirhe) = 70 um100 toistoa  piste 3 kuvalla (X,Y) = 0.36 m, (Z) = 0.54 m “ 2 “ (X,Y) = 0.34 m, (Z) = 1.10 m Havaintovirheiden vaikutus riippuu kuvausgeometriasta (mittakaava ja kuvien/leikkaavien suorien määrä) MINV12 Pe 10:15-11:45

  22. Esimerkki simulaatio 2 Tuki- ja liitospisteiden mittaustarkkuus kuvalla (x,y) = 8 umTukipisteiden tarkkuus maastoossa (X,Y) = 0.1 m (Z) = 0.2 mKuvalta mitattujen uusien pisteiden (x,y)(havaintovirhe) = 15 um100 toistoa  piste 3 kuvalla (X,Y) = 0.12 m, (Z) = 0.13 m “ 2 “ (X,Y) = 0.11 m, (Z) = 0.30 m Entä, jos tukipisteet on mitattu “huonolla” GPS:llä?Tuki- ja liitospisteiden mittaustarkkuus kuvalla (x,y) = 8 umTukipisteiden tarkkuus maastoossa (X,Y) = 0.5 m (Z) = 0.8 mKuvalta mitattujen uusien pisteiden (x,y)(havaintovirhe) = 15 um100 toistoa  piste 3 kuvalla (X,Y) = 0.40 m, (Z) = 0.24 m “ 2 “ (X,Y) = 0.35 m, (Z) = 0.58 m Ilmakolmioinnin tukipisteiden kohina siirtyy osin eteenpäinleikattuihin koordinaatteihin. Suuri määrä tukipisteitä kompensoisi ko. satunnaiset virheet

  23. Esimerkki simulaatio 3 Tuki- ja liitospisteiden mittaustarkkuus kuvalla (x,y) = 8 umTukipisteiden tarkkuus maastoossa (X,Y) = 0.1 m (Z) = 0.2 mKuvalta mitattujen uusien pisteiden (x,y)(havaintovirhe) = 15 um100 toistoa  piste 3 kuvalla (X,Y) = 0.12 m, (Z) = 0.13 m “ 2 “ (X,Y) = 0.11 m, (Z) = 0.30 m Entä, jos tukipisteet on mitattu “huippu-GPS:llä?”Tuki- ja liitospisteiden mittaustarkkuus kuvalla (x,y) = 8 umTukipisteiden tarkkuus maastoossa (X,Y) = 0.01 m (Z) = 0.02 mKuvalta mitattujen uusien pisteiden (x,y)(havaintovirhe) = 15 um100 toistoa  piste 3 kuvalla (X,Y) = 0.08 m, (Z) = 0.12 m “ 2 “ (X,Y) = 0.08 m, (Z) = 0.27 m Hyöty minimaalinen. 0.1 m XY ja 0.2 m Z-tarkkuus (GPS) oli riittävä. Huomioi havaintovirheet kuvilla, 8 um. 8E-66000 ~ 4.8 cm ja 15E-66000 ~ 9 cm.

  24. Esimerkki simulaatio 4 Tuki- ja liitospisteiden mittaustarkkuus kuvalla (x,y) = 8 umTukipisteiden tarkkuus maastoossa (X,Y) = 0.1 m (Z) = 0.2 mKuvalta mitattujen uusien pisteiden (x,y)(havaintovirhe) = 15 um100 toistoa  piste 3 kuvalla (X,Y) = 0.12 m, (Z) = 0.13 m “ 2 “ (X,Y) = 0.11 m, (Z) = 0.30 m Entä, jos tukipisteet on mitattu “huippu-GPS:llä? ja mitataan selkeitä kohteita, joissa havaintovirhe on pieni?”Tuki- ja liitospisteiden mittaustarkkuus kuvalla (x,y) = 8 umTukipisteiden tarkkuus maastoossa (X,Y) = 0.01 m (Z) = 0.02 mKuvalta mitattujen uusien pisteiden (x,y)(havaintovirhe) = 8 um100 toistoa  piste 3 kuvalla (X,Y) = 0.06 m, (Z) = 0.08 m “ 2 “ (X,Y) = 0.05 m, (Z) = 0.14 m Ollaan lähellä maksimaalista käytännön tarkkuutta 1:6000 kuvilla f = 153 mm, p = 60 % MINV12 Pe 10:15-11:45

  25. Pisteen XYZ-koordinaattien määritystarkkuus 1) Blokin sisällä mallien on oltava oikeassa asennossa ja paikassa  malleilta eteenpäinleikattujen pisteiden koordinaatit harhattomia (Malli = kuvapari, kuvakolmoset,...)2) Kameran kompensoimattomat piirtovirheet voivat siirtää havaintoja max  5 um (mittakamerat). Ei-mittakamerat kalibroitava!3) Saman pisteen havaitseminen kuvilta monoskoppisesti, (x, y) –virheitä (havaintovirheet). Kohteiden geometria ja radiometria. Huom. erilaiset puiden latvat!4) Kuvausgeometria: mittakaava ja kuvien lukumäärä.Simuloimalla mahdollista tutkia kuvablokin geometrista vakautta.Kuvapareilla XY-tarkkuus hyville kohteille ~ 8 um ( mittakaava) Z-tarkkuus hyville kohteille ~ 15 um ( mittakaava) - Stereomittauksessa mukana subjektiivinen elementti DEMO 5 MINV12 Pe 10:15-11:45

More Related