Исследование точности автоматического измерения координат точек снимков с помощью масштабно-ин



Скачать 38.75 Kb.
Pdf просмотр
Дата28.12.2018
Размер38.75 Kb.
ТипИсследование


УДК 528.7
А.П. Гук, Йехиа Хассан Мики Хассан, C.A. Арбузов
СГГА, Новосибирск
ИССЛЕДОВАНИЕ ТОЧНОСТИ АВТОМАТИЧЕСКОГО ИЗМЕРЕНИЯ КООРДИНАТ
ТОЧЕК СНИМКОВ С ПОМОЩЬЮ МАСШТАБНО-ИНВАРИАНТНОГО
ПРЕОБРАЗОВАНИЯ SIFT
Описание характерных точек с помощью SIFT весьма полезно, так как это позволяет с большой степенью достоверности идентифицировать точки на различных разномасштабных и разновременных снимках. Описание точек с помощью SIFT-вектора инвариантно по отношению к сдвигу, развороту, масштабу и изменению яркости.
Признаки также устойчивы к шумам и теням.
В данной работе были выполнены исследование точности построения модели по стереопарам аэрофотоснимков с помощью SIFT преобразования. Оценка точности идентификации выполнялась по результатам взаимного ориентирования и среднеквадратическим ошибкам расхождения координат опорных и контрольных точек.
A.P. Guk, Yehia Hassan Miky Hassan, S.A. Arbuzov
SSGA, Novosibirsk
STUDYING THE ACCURACY OF AUTOMATIC MEASUREMENT OF POINTS
COORDINATES FOR IMAGES USING SCALE INVARIANT TRANSFORM SIFT
Description of the characteristic points using Scale Invariant Feature Transform (SIFT) is very useful because it allows a high degree to identify the points on various different scales and different time snapshots. It is invariant with respect to translation, scaling, rotation, and changing the brightness, also it has resistant to noise and shadows.
In this paper a study of accuracy of constructing the model for pairs of aerial images using
SIFT point were carried out. Evaluation of the accuracy of identification was carried out based on relative orientation.
Традиционные фотограмметрические технологии, предназначенные для создания цифровых топографических карт, построения ЦМР и ориентированы на высокую точность измерений координат точек снимков, построение фотограмметрич модели с высокой точностью и трансформирование снимков с большим коэффициентом увеличения.
Тем не менее в ряде случаев необходимо не получение предельной точности, а максимальное увеличение производительности и уменьшение затрат работы операторов фотограмметристов. В настоящее время в большинстве фотограмметрических комплексов для автоматизации работ используются корреляционные алгоритмы которые обеспечивают автоматизацию идентификации точек на снимках. Тем не менее корреляционные алгоритмы как известно обладают тем недостатком, что могут хорошо работать только на открытых территориях и затруднено их использование в городских и закрытых местностях [1].
В данной работе предлагается алгоритм основанный на SIFT, который свободен от ряда недостатков корреляционных механизмов и хотя описание

точек с помощью SIFT в основном предназначено для идентификации точек на разномасштабных и разновременных снимках, также представляет определенный интерес применение этого метода для решения фотограмметрических задач.
Описание точки с помощью SIFT-вектора инвариантно по отношению к сдвигу, развороту, масштабу и изменению яркости. Признаки также устойчивы к шумам и теням.
Целью проведенных экспериментов являлось исследование точности построения модели по парам аэрофотоснимков с помощью SIFT преобразования. Оценка точности идентификации выполнялась по результатам взаимного ориентирования.
Взаимное ориентирование снимков выполнялось по измерениям с использованием следующих методик (режимов):
1. «Ручной» режим идентификации точек без отбраковки и с отбраковкой грубых измерений;
2. Автоматический режим идентификации с помощью sift преобразования с отбраковкой точек расположенных на «деревьях и зданиях» при большом количестве точек.
Для автоматического обнаружения соответственных точек использовался алгоритм масштабно-инвариантного преобразования SIFT, построенного с использованием методик предложенных в [3–5].
Описание точки с помощью SIFT преобразования включает в себя несколько этапов:
1. Подчеркивание контуров и выделение границ путем определения разностного изображения для соседних уровней Гауссова пространства изображений.
2. Выделение характерных точек на разностном изображении путем последовательного просмотра разностных уровней и выявления локальных экстремумов (максимумов или минимумов) для разностных изображений [6].
3. Описание локальной области выделенной вокруг точки путем задания масштаба и ориентации локальной системы координат, связанные с этой локальной областью.
4. Детальное описание точки с помощью градиентов по направлениям, заданным относительно ориентации локальной области.
На рис. 1 приведен результат выделения точек на аэроснимке.
Построение геометрических моделей выполнялось в программе
PHOTOMOD. Использовались стереопары аэроснимков масштаба 1 : 12 000, с фокусным расстоянием 153.734 мм. Модели строились по трем стереопарам. Результаты взаимного ориентирования представлены ниже.
Режим 1. При измерении координат соответственных точек выполнялась их идентификация путем визуального наблюдения на левом и правом снимках. Число точек по стереопарам составило: I-18, II-18, III-18, они располагались на контурах поверхности земли. Остаточный поперечный

параллакс составил: (I) max – 0,0066 мм, среднеквадратический – 0,0035 мм,
(II) max – 0,0051 мм, среднеквадратический – 0,0023 мм, (III) max – 0,0067 мм, среднеквадратический – 0,0031 мм.
Рис. 1. Результат выделения точек на аэроснимке
Режим 2. Использовался автоматический режим идентификации точек с помощью SIFT преобразования. Точки попавшие на здания и деревья были отбракованы. Число точек после отбраковки по стереопарам составило: I-17,
II-20, III-18. Положение точек по высоте уточнялось в стереорежиме.
Остаточный поперечный параллакс составил: (I) max – 0,0065 мм, среднеквадратический

0,0035 мм,
(II) max

0,0101 мм, среднеквадратический

0,0048 мм,
(III) max

0,0125 мм, среднеквадратический – 0,0075 мм.
Оценка качества построения модели выполнялась путем внешнего ориентирования по опорным точкам. Результаты приведены в табл. 1, 2
Таблица 1 Результаты внешнего ориентирования модели
Точки
С. К. О.
X, м
Y, м
Z, м опорные
0.20 0.19 0.08 контрольные
0.22 0.44 0.21
Таблица 2 Результаты внешнего ориентирования модели построенной при помощи алгоритма SIFT
Точки
С. К. О.
X, м
Y, м
Z, м опорные
0.20 0.15 0.09 контрольные
0.19 0.39 0.41


Проведенные исследования показали возможность применения автоматического режима идентификации соответствующих точек с помощью
SIFT преобразования, с последующим уточнением высоты этих точек в стереорежиме. При таком режиме работы (автоматическая идентификация и последующее уточнение высоты) увеличивается скорость взаимного ориентирования снимков, особенно на городской и закрытой местности.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Гук А.П. Развитие фотограмметрических технологий на основе имманентных свойств цифровых снимков // Геодезия и картография.-2007. – №11. – С. 26-29.
2. Лобанов, А.Н. Аналитическая фотограмметрия / А.Н. Лобанов. – М.: Недра,
1972. – 224 с.
3. Witkin, A.P. 1983. Scale-space filtering. In International Joint Conference on
Artificial Intelligence, Karlsruhe, Germany, pp. 1019-1022.
4. Lowe, D.G. 1999. Object recognition from local scale-invariant features. In
International Conference on Computer Vision, Corfu, Greece, pp. 1150-1157.
5. Lindeberg, Tony, 1993 “Detecting salient blob-like image structures and their scales with a scale-space primal sketch: a method for focus-of-attention,” International Journal of
Computer Vision, 11, 3, pp. 283–318.
6. Crowley, James L., and Alice C. Parker, 1984 “A representation for shape based on peaks and ridges in the difference of lowpass transform,” IEEE Trans. on Pattern Analysis and
Machine Intelligence, 6, 2, pp. 156–170.
© А.П. Гук, Йехиа Хассан Мики Хассан, C.A. Арбузов, 2010



Поделитесь с Вашими друзьями:


База данных защищена авторским правом ©geo.ekonoom.ru 2019
обратиться к администрации

    Главная страница