Калибровка цифровой фотокамеры

Применение цифровых фотокамер для стереофотограмметрической съемки невозможно без их периодической калибровки. В процессе ее выполнения контролируются и при необходимости корректируются элементы внутреннего ориентирования фотокамер. Метод калибровки с помощью тестового полигона является наиболее распространенным.

Тестовых полигона существует 2 вида: плоский и объемный. Полигон определяется точками с известными 3-х мерными координатами. Если полигон объемный, то фотографирование выполняется нормальным случаем. При плоском полигоне - конвергентный случай фотографирования (т.е. оптические оси пересекаются под неким углом).

Рисунок 2.1 - Конвергентный случай фотографирования где U - угол конвергенции; B - базис фотографирования; Sп ,Sл - соответственно правая и левая точка фотографирования.

Условия для точек полигона:

точки должны равномерно покрывать всю поверхность снимка;

обязательное наличие точек на краях снимка, потому что именно они подвержены наибольшей дисторсии.

Решение задачи калибровки на основании уравнений коллинеарности возможно при наличии одной стереопары (двух снимков) и четырех опорных точек тестового полигона. В этом случае имеется 15 неизвестных, в том числе 6 элементов внешнего ориентирования для каждого снимка и 3 элемента внутреннего ориентирования для камеры. Для 4-х опорных точек можно составить 16 уравнений коллинеарности (по 8 на каждом снимке) и выполнить решение по МНК. Утверждение справедливо без поиска коэффициентов полинома дисторсии. Следовательно, увеличение количества снимков и точек тестового полигона приводят к избыточным измерениям и улучшают процесс решения задачи калибровки.

В процессе решения задачи необходимо оптимально подбирать количество точек и снимков тестового полигона. С одной стороны добавление этих параметров приведет к увеличению точности решения задачи калибровки, а с другой - к увеличению времени измерений и расчета.

Способ калибровки снимков по фотографиям испытательного полигона, представляющего собой объектное пространство, основан на решении обратной пространственной засечки.

Все варианты решений обратной пространственной засечки могут быть представлены обобщенным уравнением

(2.1)

которое определяет функциональные связи между измеренными (t), определяемыми (η) величинами и опорными данными (A). К определяемым величинам относятся координаты точек местности, элементы внешнего и взаимного ориентирования; к опорным данным - координаты точек, длины линий и другие характеристики элементов объектного пространства.

Если снимки не соответствуют центральной проекции или ее параметры известны с некоторыми ошибками, то математическая модель любой фотограмметрической задачи, основанная на условиях коллинеарности и компланарности соответственных лучей, окажется искаженной. Сохранение главных связей, выраженных общим уравнением (2.1), возможно, если исправить ошибочные элементы модели или включить в (2.1) дополнительные неизвестные - параметры калибровки. Тогда, с учетом двух групп неизвестных - η и ε уравнение (2.1) примет вид:

(2.2)

Приведя систему уравнений (2.2) к линейному виду и решив ее - найдем значения неизвестных η и ε.

В качестве твердых опорных данных могут быть использованы: координаты Xг, Yг, Zг опорных точек полигона; высоты Zг опорных точек и расстояния Dг между ними; углы θ, измеренные в пространстве объектов.

Похожые стьтьи по экономике

Волоконно-оптические системы передачи
Оптическое волокно и волоконная оптическая техника играют в современной связи определяющее значение, первое - как среда для оптической цифровой передачи, вторая - как набор средств, дающ ...

Дискретизация и восстановление исходного непрерывного сигнала
Суть лабораторной работы заключается в дискретизации и восстановлении исходного непрерывного сигнала, опираясь на теорему Котельникова, также оценка погрешности восстановленного сигнала. ...

Проектирование системы сбора и обработки информации от аналогового датчика физической величины
Использование микропроцессоров позволяет создавать очень сложные инструменты, находящие свое применение в различных областях повседневной жизни. Например, микропроцессорные системы «умеют» ...

Разделы

© 2020 - www.frontinformatics.ru