双像解析摄影测量三种方法的比较-学习心得

双像解析摄影测量三种方法的比较

为了加强印象，还是要做做笔记的，那继续做电子笔记吧 双像解析摄影测量三种方法的比较:

后方交会—前方交会方法；相对定向—绝对定向法;一步定向法 后方交会—前方交会法主要步骤：

首先进行后方交会，利用单张影像上3个以上已知控制点分别计算像片外方位元素，再通过前方交会计算出地面目标的物方坐标。

该方法的缺点在于每张影像上都必须有3个以上控制点，并且前方交会求取的地面点坐标的精度取决于后方交会所解算外方位元素的精度（前方交会过程没有充分利用多余条件进行平差计算）.

因此,该方法往往在已知影像的外方位元素、需确定少量的待定点坐标时采用。

相对定向—绝对定向法主要步骤：

首先利用两张影像重叠区内5对以上同名点,按照共面条件方程解算相对定向元素，并计算同名点模型坐标,同时要求至少2个平高点1个高程点位于像片重叠区内以计算控制点模型坐标.然后利用控制点模型坐标和对应地面坐标根据三维相似变换方程解算出绝对定向元素.最后根据绝对定向元素求取目标的物方坐标。 （计算公式比较多，用这种方法的解算结果不能严格表达一幅图像的外方位元素)

该方法的缺点在于需要已知重叠区内最少5对同名点。同样地,绝对定向的精度取决于相对定向精度。 因此常用于航带法解析三角测量的应用。 一步定向法主要步骤：

利用已有控制点地面坐标、像片上对应像点坐标，根据共线条件方程一步解算出像片外方位元素和目标的地面坐标。 该方法一步完成，精度完全由控制点和像点坐标量测精度决定，理论上比以上两种方法精度高。但该方法相较以上两种方法,求解过程较复杂。（待定点的坐标是完全按最小二乘法原理解求出来的,该方法常用于光线束法解析空中三角测量中的应用.）

下面简单介绍一种影像定位的方法：有理函数模型（RFM）

有理函数模型可以直接建立起像点和空间坐标之间的关系，不需要内外方位元素，回避成像的几何过程，可以广泛用于线阵影像的处理中。其模型如下：

有理函数模型系数（RPC)的解算方法： 与地形无关的RPC系数求解

传感器的严密物理模型已知空间格网+最小二乘法

与地形有关的RPC系数求解

传感器的严密物理模型未知GCP选点+最小二乘法

有理函数模型拥有许多优秀的性质，简述如下：

a. 因为 RFM 中每一个多项式都是有理函数，所以 RFM 能得到比多项式模型更高的精度.另一方面，多项式模型次数过高时会产生振荡，而 RFM能够均匀分布拟和误差不会振荡.

b. RFM 独立于摄影平台和传感器，这是 RFM 最诱人的特性.这就意味着用 RFM 纠正影像时,无需了解摄影平台和传感器的几何特性，也无需知道任何摄影时的有关参数.这一点确保 RFM 不仅可用于现有的任何传感器模型，而且可应用于一种全新的传感器模型，尤其适合于非摄影测量人员。

c。 RFM 独立于坐标系统。像点和地面点坐标可以在任意坐标系统中表示,地面点坐标可以是大地坐标、地心坐标，也可以是任何地图投影坐标系统；同时像点坐标系统也是任意的。这使得在使用 RFM 时无需繁复的坐标转换,大大简化了计算过程。

d。 RFM 具有保密性和高效性。RFM 系数中隐含了传感器信息,并且想反解传感器参数基本是不可能的，防止了传感器信息泄漏;便于实时处理,影像供应商仅提供给用户影像和相应的一组 RFM 系数,用户就可以直接进行后续的处理.

当然，有理函数模型也有缺点：

（1）该定位方法无法为影像的局部变形建立模型

（2)不稳定性，高阶 RFM 因参数过多会导致解的不稳定性，物理意义不甚明确的 RFM 系数可能隐含了一些系统性误差,无法对这些参数的作用和影响作出决定性的解释和确定.

（3）精度局限性,使用 RFM 时可能会带来额外的内插误差,采用地形无关的方案,RFM 的精度依赖于严格传感器模型的解算精度,采用地形相关的方案，RFM 的精度与控制点的数量和分布密切相关。

(4）解算过程中可能会出现分母过小或者零分母,影响模型的稳定性。 (5）有理多项式系数之间有可能存在相关性，会降低模型的稳定性。

（6）如果影像的范围过大或者有高频的影像变形，则定位精度无法保证。