1 / 25

MINV12 Pe 3.3. 08:15-10:00

Fotogrammetrian perusteita I. Photogrammetry when broken into it's roots is "using light to measure and draw“. Kohteesta otetaan kuva tai kuvia, joiden avulla kohde kartoitetaan, ts. siitä tuotetaan 2-, 2.5- tai aito 3D-malli (muoto/koko/sijainti/laadulliset ominaisuudet).

Download Presentation

MINV12 Pe 3.3. 08:15-10:00

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 perusteita I Photogrammetry when broken into it's roots is "using light to measure and draw“. Kohteesta otetaan kuva tai kuvia, joiden avulla kohde kartoitetaan, ts. siitä tuotetaan 2-, 2.5- tai aito 3D-malli (muoto/koko/sijainti/laadulliset ominaisuudet). Lähifotogrammetria (Close Range Photogrammetry) Ilmavalokuvaus (Aerial Photogrammetry) ja Satelliittifotogrammetria.“Stereofotogrammetria”. (stereo- vs. multiscopic)Passiivinen vs. aktiivinen kuvaus; lidar fotogrammetriaa? MINV12 Pe 3.3. 08:15-10:00

  2. Perusteita Kohde paikallaan – kamera liikkuu tai on useita kameroita Kohde liikkuu – kamera(t) paikallaan Kuvamittaamisen edellytys: Tunnetaan kuvasäteen kulku sensorin pinnalta kohteeseen ja takaisin. Matkalla suoraviivaista kulkua vääristävät väliaine ja linssisysteemi suotimineen. Yksinkertaisin malli: “Neulanreikäkameramalli”  kuvasäde kulkee kohteesta linssille suoraan ja jatkaa matkaan projektiokeskuksen kautta edelleen samansuuntaisena kunnes leikkaa filmin, joka on äärettömän ohut taso. MINV12 Pe 3.3. 08:15-10:00

  3. Perusteita - sensorimalli ADS40 frame sensor vs. linear scanner Leica ADS40- yksi optiikka- 3 (712000) pikselin riviä/viivaa  kolme samanaikaista katselusuuntaa. - keskusprojektio CCD-rivin suunnassa ja yhdensuuntaisprojektio lentolinjan suunnassa Jokaisen CCD-rivin orientaatio on erilainen ja ajan (t) funktio  kompleksi, mutta hallittavissa oleva malli (vrt. satelliittikuvien sensorimallit) MINV12 Pe 3.3. 08:15-10:00

  4. Perusteita – neulanreikäkameramalli Avaruussuora: p(t) = (X,Y,Z) + t  (i,j,k) tai Jos X, Y tai Z tunnetaan; kaksi muuta voidaan ratkaista, jos lisäksi kertoimet (a…h) tunnetaan. Yhteensä on 6 tuntematonta per kamera. Avaruussuora (kuvasäde) kulkee kameran polttopisteen kautta, ja sitä leikkaa kuvataso (filmi, CCD-kenno), jonka pinnan normaali (kameran optinen akseli) leikkaa polttopisteen etäisyydellä, jota kutsutaan polttoväliksi tai kameravakioksi. MINV12 Pe 3.3. 08:15-10:00

  5. Perusteita – ulkoinen orientointi Kamera on kiertynyt kolmiulotteisesti avaruudessa. Kameran xyz-akseliston ja 3D koordinaatiston XYZ-akseliston välille pitää rakentaa kuvaus, jolla kuvasäde viedään polttopisteestä kameran sisään filmille ja/tai -1. Matemaattisesti kuvaus on ortogonaali 3x3 kiertomatriiri R, R-1 = RT Sen elementit rij vastaavat koordinaattiakselien suuntakosineja [-1,1]rxX,rxY,rxZ,…rzZ. Filmillä/kuvatasolla jokaisella pisteellä on xyz-kamerakoordinaatit (x,y,c) eli kuvasäde pitää ‘pysäyttää’ tasoon, joka on etäisyyden c = polttoväli päässä polttopisteestä, joka sijaitsee kuvatason normaalilla. MINV12 Pe 3.3. 08:15-10:00

  6. Kuva (x,y,c) → Kohde(X,Y,Z) Yksikuvamittaus: (x,y)-havainto kuvalta, Z kiinnitetään => t ratkeaa => X,Y ratkeaa.

  7. Kuva (x,y,c) → Kohde(X,Y,Z), Esimerkki (DEMO 1) Yksikuvamittaus: (x,y,c)-havainto kuvalta,Z-kiinnitetään => t ratkeaa => X,Y ratkeaa. Esim. Kuva FM02204_1230 Suuntakosinitr11:=-0.26788;r12:=-0.96343;r13:=0.00667;r21:= 0.96344;r22:=-0.26783;r23:=0.00721;r31:=-0.00516;r32:= 0.00836;r33:=0.99995;Polttopisteen sijainti (KKJ):X0:=2515731.81;Y0:=6860644.14;Z0:=1132.57;Kuvahavainnot (c=kameravakio):x:=-0.100370;y:=0.086453;c=0.153277;Oletetaan kohteelle Z = 165 m.165-Z0-t*(r31*x+r32*y+r33*(-c))=0Ratkaisu: t = 6364.391249, sijoitetaan tX-X0-t*(r11*x+r12*y+r13*(-c))=0Y-Y0-t*(r21*x+r22*y+r23*(-c))=0Ratkaisu: X = 2515366.32,Y = 6859874.30, Z =165.0vrt. 2515366.58, 6859874.90, 165.8 MINV12 Pe 3.3. 08:15-10:00

  8. Kohde(X,Y,Z) →Kuva (x,y,c) , Esimerkki Kuva FM02204_1230; X0,Y0,Z0 ja suuntakosinit samat kuin edellä Suuntakosinit: > r11:=-0.26788;r12:=-0.96343;r13:=0.00667; r21:= 0.96344;r22:=-0.26783;r23:=0.00721; r31:=-0.00516;r32:= 0.00836;r33:=0.99995;Projektiokeskuksen sijainti (polttopiste) > X0:=2515731.81;Y0:=6860644.14;Z0:=1132.57; 3D-pisteen sijainti ja kameravakio: X:=2515300;Y:=6859900; Z:=165; c:=0.153277; Ratkaisu (kollineaarisuushtälöt):> x = -c*(r11*(X-X0)+r21*(Y-Y0)+r31*(Z-Z0))/ (r13*(X-X0)+r23*(Y-Y0)+r33*(Z-Z0)); -0.093663 m> y = -c*(r12*(X-X0)+r22*(Y-Y0)+r32*(Z-Z0))/ (r13*(X-X0)+r23*(Y-Y0)+r33*(Z-Z0)); 0.095386 m Ortoilmakuvan valmistus: 1. Annetaan XY-alue, johonortokuva halutaan tulostaa pinnan Qsuhteen 2. Tehdään pistehila (XY),joka määrää pikselikoon3. On olemassa korkeusmalli pinnalle Q, ZQ = f(X,Y).4. Kuva tehdään XY-piste kerral-laan, haetaan pisteelle Z mallilta,  (X,Y,Z), haetaan ko. pisteen paikka ilmakuvalta →(x,y,c) otetaan sieltä pikseli, joka siirretään (interpoloidaan) ortokuvalle.DEMO 2 MINV12 Pe 3.3. 08:15-10:00

  9. Mistä orientointitunnukset? • Edellä olevissa yhtälöissä tarvittiin: • Kameravakio, c eli kuvakoordinaatin z-arvo • Kuvakoordinaatit “filmitasolla” eli x ja y. • Polttopisteen sijainti (X0,Y0,Z0) • Suuntakosinit eli 3x3 R-matriisi (3 avaruuskierron funktiona, esim.) x:=-0.100370y:=0.086453c=0.153277

  10. Orientointitunnukset? Yleiskatsaus Filmikamera  skannaus + reunamerkkien mittaus  reunamerkkimuunnoksen laskenta (x,y) = f(row,col). Kameravakio c kalibrointitiedoista. Jos digikamera  pääpisteen osoittaminen (row, col), pikselikoordinaatiston skaala rivi- ja sarakesuunnissa + mahd. affiinisuus sekä kameravakio c kalibrointitiedoista.Jos linssivirheitä, ne on kompensoitava. Projektiokeskuksen sij. (X0,Y0,Z0) ja kameran kallistukset (, , ) joko A) Suora mittaus (GPS/INS)B) Ilmakolmiointi tukipisteinC) A:n ja B:n yhdistelmä ILMAKOLMIOINTI-Sädekimpputasoitus MINV12 Pe 3.3. 08:15-10:00

  11. Sitten oikeisiin 3D mittauksiin valolla.. www.riegl.co.at/ MINV12 Pe 3.3. 08:15-10:00

  12. ... oletetaan orientointi ratkaistuksi; Kaksi kuvaa → 3D kohde kuva - kohde kuvasäteet: Kamera1 Kamera2 Tuntemattomia: Pisteen P (X,Y,Z) eli kohdepiste eli kuvasäteiden leikkauspiste. Ts. kuvasäteiden pituudet kameroille 1 ja 2: t1 ja t2.Tunnettuja: Projektiokeskusten sijainnit X0,Y0, Z0, kallistukset rij sekä kuvahavainnot (x,y,c) molemmilta kuvilta. Koska orientoinnit saati havainnot eivät ole täydellisiä eivät kuvasäteet leikkaa tarkasti (6 yhtälöä 5 tuntematonta) - voidaan unohtaa yksi yhtälö (kerrallaan) ja ratkaista tuntemattomat viidestä yhtälöstätai käyttää ylimääritystä ja optimointia/ tasoituslaskua. MINV12 Pe 3.3. 08:15-10:00

  13. 2  kuva → XYZ; ‘Virheettömät havainnot’ Ratkaisutapa 1: Minimoidaan (t1,t2)- avaruudessa 'kiinteiden' suorien välistä etäisyyttä. Valitaan ratkaisuksi piste (keskiarvo), joka minimoi suorien välisen 3D-etäisyyden (Optimointitehtävä n, ratkaisu esim. gradienttimenet.).

  14. 3  kuva → XYZ; ‘Virheettömät havainnot’ Kolme kuvaa (1230, 1231, 1232)> ratk:=extrema(dist3,{},{t1,t2,t3},'s'); ratk := {.224} (miniminormi 22.4 cm) > s; {t1=6359.099310,t2=6376.119592,t3=6412.668636} Ratkaisu keskiarvona: 2515366.596, 6859874.913,165.835

  15. 3  kuva → XYZ; ‘Virheelliset havainnot Ratkaisutapa: PNS-virheyhtälötasoitus. 'ei-kiinteät kuvasäteet'Arvataan pisteen (X,Y,Z) paikka. Korjataan sitä iteroiden korjauksilla [X,Y,Z]. Ne ratkaistaan tuntemattomien suhteen (X,Y,Z) linearisoiduista kollineaarisuus-yhtälöistä (muodostetaan PNS-normaaliyhtälöt). minimoiden kuvatason havaintovirheiden neliösummaa. MINV12 Pe 3.3. 08:15-10:00

  16. 3  kuva → XYZ; ‘Virheelliset havainnot Jokainen kuvahavainto (x,y) tuottaa yhtälöparin, joka linearisoidaan tuntemattomien kohdekoordinaattien suhteen. Osittaisderivaattojen arvot (lähtölikiarvoilla X0, Y0, Z0) sijoitetaan A-rakennematriisiin, jossa N2 riviä, 3 saraketta. (N=kuvien lkm) Lähtölikiarvoilla saatujen koordinaattien ja havaittujen koordinaattien erotuksista kootaan virhevektori (y) x = (ATA)-1 ATy PNS (OLS) –ratkaisuna saadaan parannukset, x MINV12 Pe 3.3. 08:15-10:00

  17. 3  kuva → XYZ; ‘Virheelliset havainnot Esim. Kuvat 1230, 1231, 1232 Kolme kuvaa  Kuusi havaintoyhtälöä  A(6x3), y(6x1) Alkuarvaus: 2 515 000, 6 860 000, 200Linearisointi (A ja y)Korjaus: x=(ATA)-1 ATy, [353.940, -121.008, -33.526]Korjattu: 2515353.94, 6859878.99, 166.47Linearisointi (uusi A ja y)Korjaus: x=(ATA)-1 ATy, [12.629, -4.089, -0.680]Korjattu: 2515366.57, 6859874.90, 165.79 Linearisointi (uusi A ja y)Korjaus: x=(ATA)-1 ATy, [0.008, -0.002, 0.000]Korjattu: 2515366.58, 6859874.90, 165.79vrt. (t1,t2,t3): 2515366.60, 6859874.91, 165.84 DEMO 3 eteenpainleikkaus.xls MINV12 Pe 3.3. 08:15-10:00

  18. N  kuva → XYZ (Tarkkuus) Painoyksikön (havaintojen) keskineliövirhe, “sigma-null”, [m] Normaaliyhtälöiden käänteismatriisin diagonaalialkioiden ja keskineliövirheen avulla keskivirheet tuntemattomille X, Y ja Z –koordinaateille (vrt. GPS:n #DOP-arvot) “Naivi mittari”, koska kun 0→ 0 → xk → 0 Kuvien orientointiparametrein epävarmuus jää kokonaan huomiotta (virheiden kasautuminen) MINV12 Pe 3.3. 08:15-10:00

  19. Perspektiivisen kuvautumisen ominaisuuksia 1) Pistemäinen projektiokeskus2) Kuvautuminen 3D sädekimpun avulla3) Sädekimppu leikkaa kuvatason kuvapisteissä Geometrinen malli, joka kuvaa tulosta, ei tapahtumaaKamerassa kamera(kuva)koordinaatisto (x,y,z), origona projektiokeskus. z-akseli  kuvataso  kuvapisteiden z =  c. Pääpiste, tulee yhtyä kuvan keskipisteeseen.Kuvanadiri, projektiokeskuksen luotisuoran kantapiste kuvallaSädekimppu, voidaan muodostaa uudelleen, jos kuvapisteet ja projektiokeskus tunnetaan.Sisäinen orientointi: projektiokeskuksen sijainti kuvatasoon nähden, kolmella parametrilla (c, x0,y0)Ulkoinen orientointi: Sädekimpun sijainnnin ja suunnan määrittäminen käyttäen kuutta riippumatonta suuretta, esim. (X0,Y0,Z0, , , ) MINV12 Pe 3.3. 08:15-10:00

  20. Perspektiivisen kuvautumisen ominaisuuksia • Suorat kuvautuvat suorina- Neliöt kuvautuvat nelikulmioiksi- Neliön kuvaus suorakulmioksi (affiini) ei mahdollinen - Mittakaava vääristyy riippuen paikasta ja suunnasta (Pystykuville keskimääräinen kuvamittakaava)- Suunnat ja kulmat vääristyvät- Luotisuorat suuntautuvat nariripisteeseen (pakopiste), säteissiirtymä (kuva alla, Z = 17 m = Hyytiälän lipputanko, varjo 16.6 m) MINV12 Pe 3.3. 08:15-10:00

  21. Perusteita SENSORIT • Mittakamerat - ilmakuvakamerat • Toteuttavat neulanreikäkameramallin erittäin tarkasti- Stabilointi ja liikkeenkompensointi- Filmikamerassa vakuumi → kuva piirtyy tasolle- Kalibrointi, 2-4 v välein, polttoväli/kameravakio, reunamerkkien sijainti, pääpisteen sijainti, radiaaliset ja tangentiaaliset piirtovirheet, kromaattinen aberraatio- polttoväli voi muuttua ilmanpaineen ja lämpötilan vaikutuksesta (saattaa aih. ongelmia käytettäessä DSO:ta) - Kuvakoko tavallisesti 23 x 23 cm, polttoväli 15, 21 tai 30 cm  max FOV ~ 45o, 25o ja 16o Laajakulmakamera, välikulmakamerat, pitkän polttovälin kamerat

  22. Perusteita SENSORIT - Filmi rullalla, ~ 0.12 mm paksua, itse emulsio 0.02 mm, Lämpölaajeneminen ~0.002% per Celsius-aste Kutistuu säilytettäessä, suurin kutistuminen heti kehityksen jälkeen ~ 0.05 – 0.1 %.- Filmillä maksimaalinen erotuskyky, MTF, 50-400 viivaparia/mm, riippuen filmityypistä ja mittauksessa käytetystä kontrastista- VÄI-filmi: UV ja sininen (suodatetaan), vihreä → sininen, punainen → vihreä, lähi-infra → punainen. MINV12 Pe 3.3. 08:15-10:00

  23. Perusteita... kuvanmuodostuksesta Ilmakuvan digitointi - Filmi skannataan fotogrammetrisella skannerilla.- Digikameroiden CCD-anturit 11k x 7 k Fotogrammetrinen skanneri, Min ~ 7 m  32k32k  3-4 Gt, kun kvantisointi tehdään N  6-12 bitillä Skannauksen jälkeen tietokoneoheislaitteineen fotogrammetrisiintehtäviin (orientaatiot, mittaus,kuvalaboratorio). Digikameraa käytettäessä selvitään ilman kehitystä ja skannausta ja saavutetaan yl. parempi radiometrinen laatu. http://www.wehrliassoc.com/

  24. Perusteita... ilmakuvaus Pituuspeitto-% = kuvakannan suhde kuvasivun pituuteen, stereokuvauksissa 50-70 %. Kuvassa vas. ~ 70 %. Kuvakanta = kahden peräkkäisen kuvan projektiokeskusten välinen suora ja sen pituus.Sivupeitto-% = vierekkäisten kuvalinjojen kuvien peitto-%, yleensä 20-30 %, kuvassa 60 %.GPS-navigointi kuvanottopisteet osuvat määriteltyihin tarkkuudella joka on parempi kuin 50 m.Mittakaava = on vakio kohteille, jotka ovat tasolla joka on kohtisuorassa kamera optisen akselin kanssa, vakioetäisyydellä kamerasta. Ilmakuville määritellään nimellinen MK maaston keskikorkeuden avulla olettaen täydellinen pystykuvaus.  ipi.uni.hannover MINV12 Pe 3.3. 08:15-10:00

  25. Perusteita - ilmakuvauksen suunnittelu ja tilaus Kuvaussuunnitelma / tarjouspyyntöAlue, kamera (filmi ja suotimet), mittakaava, peitot / kuvanottopaikat (X,Y,Z) ja navigointitarkkuus.Kameran stabilointi, suora georeferointi, kuvaoikeudet, digitointi, siirtomedia, kuvatuotteet (raaka / ortokuvat / suurennokset / pinnakkaiset), laatukriteerit (kansallisia, eri järjestöjen) Tukipisteaineisto + signalointi (mittaus, arkistot, sign. rakentaminen) 33 asteen aurinkokulma ja pilvetön sää (ei utua) 21.6.  2½ kk (max 7 tuntia / vrk) "Fenologia" topografiset kuvaukset (kevät) vs. metsäkuvaukset (kesä).

More Related