论文部分内容阅读
摘要：在大数据时代下，影像数据的采集也在不断的改善与创新，更多便捷化、高效化、多样化的影像数据采集方式出现在人们的视野当中，摄影测量影像大数据的存储规模越来越大。“云控制”摄影测量利用“控制数据”与“处理技术”这两个方面的优势，能够对大数据进行智能、自动、高效的处理。本文主要围绕大数据时代的“云控制”摄影测量进行了深入的分析与探究，希望能为相关人士提供启发与借鉴。
关键词：大数据时代;“云控制”摄影测量
摄影测量大数据的智能化处理是现阶段摄影测量最需要解决的问题之一，“云控制”摄影测量利用“控制数据”与“处理技术”这两个方面的优势，能够解决传统数据处理技术中的不足。“处理技术”指的是以新影像之间的匹配作为支撑，构建空三自由网，然后利用已有影像与新影像之间的匹配或者控制框架内其他数据与新影像之间的配准，从而为新影像自由网的加密点收集大量密集的控制信息。之所以被称之为“云控制”是因为获取控制点相当的密集，仿佛形成了一片云，因此，被称为“云控制”。
1基于LiDAR点云与DLG的云控制
DLG具有高程注记点等诸多的优势，但是却不能够独立的支撑摄影测量中的云控制，主要是由于它是二维的平面X、Y图，必须要与LiDAR有机的结合在一起，才能够构成多元云控制。LiDAR具有精度高、范围广等特点，能够实现对大范围内地表几何数据的快速、准确收集，现阶段，已经成为我国收集高精度地表与地形信息的重要方式。同时，LiDAR又被广泛的用于光学摄影几何定位的基准，主要是由于其能够更加全面、更加精确的收集地物表面的信息，从而实现了光学影像的精确几何定位。
1.1 LiDAR点云与影像之间的配准
LiDAR点云与影像二者之间的属性有着较大的差异，它们是由两个完全不同的传感器采集而来的，LiDAR点云为三维离散数据，而影像为二维栅格数据，二者之间的数据类型不同，维度也不相同，以至于二者之间的配准存在一定的特殊性。LiDAR点云与影像之间的配准主要包括：基于二维图像匹配方法、基于三维点云配准方法以及基于二维图像与三维点云直接匹配这三种方法。基于二维图像匹配方法主要是利用LiDAR的点云或者强度图，从而形成距离、深度等二维图像，再利用二维影像与三维LiDAR点云的转换，实现二维影像之间的配准。基于三维点云配准方法主要是利用LiDAR的点云与多视影像生成的点云之间的配准，实现LiDAR的点云与影像之间的配准。
1.2 LiDAR点云精度评定
影像几何定位的精度主要取决于LiDAR点云的精度。现阶段，虽然学者们采用了各种各样的方式对LiDAR点云的精度进行了评价，例如，利用检查点评价了LiDAR点云的高程精度;从潜在误差源方面全面的分析了LiDAR点云的理论精度等，但是对LiDAR点云平面精度评定的研究却是少之又少。部分学者尝试利用参考正射影像的方式与对比LiDAR的强度图的方式评价了LiDAR点云的平面精度，但是由于参考正射影像的分辨率为0.33m，而LiDAR强度图的分辨率为1.5m，这两的分辨率无法将LiDAR点云的真实平面精度呈现出来。此处运用了1：500比例尺DLG作为基准数据，对LiDAR点云的精度进行了评定，同时，运用DLG的高程注记点评定高程精度，运用DLG中的建筑物轮廓线评定平面精度。如【图1】所示。
2基于矢量的云控制
已有的矢量数据可以作为“云控制”的数据，具有河流、道路等线状地物的信息。在基于矢量云控制当中有两个难点，第一个难点为：矢量与影像之间的自动配准，由于两者属于两种完全不同类型的数据，以至于其自动配准成了一个难点;第二个难点为：由于影像的像点观测与线特征控制之间并不存在严格的对应关系，必须要对传统的基于控制点的定位方法适当的进行扩充，才能够运用基于线特征控制条件的影像定位方法。针对于矢量与影像之间自动配准难点可以利用矢量与影像多种自动配准方法来解决。
矢量与影像自动配准方法
利用矢量数据当中的道路矢量线与影像之间进行自动配准是现阶段运用最为广泛的方法。遥感影像的矢量地图、地理编码、自动纠正的自动配准，是通过矢量与遥感影像的自动配准的方法来实现的，进一步的推动了地理信息数据的快速更新与快速修测地形图。利用矢量与基于道路中心线检测的影像自动配准方法将道路矢量线与影像的配准问题进行转化，形成了道路中心线的检测问题，通过将道路矢量投影到影像，然后，沿着投影向量的垂直方向检测相应的边缘，通过边缘的阶跃模板实现对一定范围内道路边缘的检测，最终准确的判断出道路的中心点位置，实现了高分辨率卫星影像与矢量地图的自动配准。例如，【圖2】就是利用矢量自动配准方法与基于道路中心线检测的影像进行了矢量地图与SPOT5影像配准试验，矢量与影像的整体套合图如图（a）所示;矢量与局部区域影像的套合情况如图（b）所示;矢量与自动配准后影像的套合情况如图（c）所示。试验区的矢量线匹配数量为7062条，SPOT5影像定向的控制点是检测了77953个道路中心点而获得的，由此可见，矢量与自动配准后影像的套合效果一致性较好，能够实现基于矢量地图的影像几何定位。
3基于影像的云控制
基于已知定向参数影像的云控制
基于已知定向参数影像的云控制方式也是利用正射影像与新影像之间的自动匹配。首先，利用新影像构建空三自由网，再将老影像与新影像相匹配，然后将新影像所构建的自由网加密点传递给老影像，再对老影像之间进行匹配，最后，通过老影像的定向参数进行前方交会，最终获取新影像自由网加密点的三维物方坐标。需要注意的是，老影像和新影像既可以是异源影像（线阵扫描式航空影像或者框幅式航空影像），也可以是同源影像（都是框幅式航空影像或者相同类型传感器拍摄的影像）。
总结：
随着现代化社会科学技术的不断发展，网络通信、计算机、传感器等技术水平都有所提高，在一定程度上加快了数据的增长。在大数据时代下，传统的信息处理系统的处理能力已经无法满足海量规模的大数据的需求，因此，应将“云控制”摄影测量中带有地理空间信息的数据替代外业控制点，从而实现对大数据智能化、自动化、高效化的处理。
参考文献
[1]张祖勋，陶鹏杰. 谈大数据时代的“云控制”摄影测量[J]. 测绘学报，2017，46（10）：1238-1248.
[2]康一飞. 光学遥感卫星影像云检测方法及应用[D].武汉大学，2018.
（作者单位：浙江臻善科技股份有限公司）
关键词：大数据时代;“云控制”摄影测量
摄影测量大数据的智能化处理是现阶段摄影测量最需要解决的问题之一，“云控制”摄影测量利用“控制数据”与“处理技术”这两个方面的优势，能够解决传统数据处理技术中的不足。“处理技术”指的是以新影像之间的匹配作为支撑，构建空三自由网，然后利用已有影像与新影像之间的匹配或者控制框架内其他数据与新影像之间的配准，从而为新影像自由网的加密点收集大量密集的控制信息。之所以被称之为“云控制”是因为获取控制点相当的密集，仿佛形成了一片云，因此，被称为“云控制”。
1基于LiDAR点云与DLG的云控制
DLG具有高程注记点等诸多的优势，但是却不能够独立的支撑摄影测量中的云控制，主要是由于它是二维的平面X、Y图，必须要与LiDAR有机的结合在一起，才能够构成多元云控制。LiDAR具有精度高、范围广等特点，能够实现对大范围内地表几何数据的快速、准确收集，现阶段，已经成为我国收集高精度地表与地形信息的重要方式。同时，LiDAR又被广泛的用于光学摄影几何定位的基准，主要是由于其能够更加全面、更加精确的收集地物表面的信息，从而实现了光学影像的精确几何定位。
1.1 LiDAR点云与影像之间的配准
LiDAR点云与影像二者之间的属性有着较大的差异，它们是由两个完全不同的传感器采集而来的，LiDAR点云为三维离散数据，而影像为二维栅格数据，二者之间的数据类型不同，维度也不相同，以至于二者之间的配准存在一定的特殊性。LiDAR点云与影像之间的配准主要包括：基于二维图像匹配方法、基于三维点云配准方法以及基于二维图像与三维点云直接匹配这三种方法。基于二维图像匹配方法主要是利用LiDAR的点云或者强度图，从而形成距离、深度等二维图像，再利用二维影像与三维LiDAR点云的转换，实现二维影像之间的配准。基于三维点云配准方法主要是利用LiDAR的点云与多视影像生成的点云之间的配准，实现LiDAR的点云与影像之间的配准。
1.2 LiDAR点云精度评定
影像几何定位的精度主要取决于LiDAR点云的精度。现阶段，虽然学者们采用了各种各样的方式对LiDAR点云的精度进行了评价，例如，利用检查点评价了LiDAR点云的高程精度;从潜在误差源方面全面的分析了LiDAR点云的理论精度等，但是对LiDAR点云平面精度评定的研究却是少之又少。部分学者尝试利用参考正射影像的方式与对比LiDAR的强度图的方式评价了LiDAR点云的平面精度，但是由于参考正射影像的分辨率为0.33m，而LiDAR强度图的分辨率为1.5m，这两的分辨率无法将LiDAR点云的真实平面精度呈现出来。此处运用了1：500比例尺DLG作为基准数据，对LiDAR点云的精度进行了评定，同时，运用DLG的高程注记点评定高程精度，运用DLG中的建筑物轮廓线评定平面精度。如【图1】所示。
2基于矢量的云控制
已有的矢量数据可以作为“云控制”的数据，具有河流、道路等线状地物的信息。在基于矢量云控制当中有两个难点，第一个难点为：矢量与影像之间的自动配准，由于两者属于两种完全不同类型的数据，以至于其自动配准成了一个难点;第二个难点为：由于影像的像点观测与线特征控制之间并不存在严格的对应关系，必须要对传统的基于控制点的定位方法适当的进行扩充，才能够运用基于线特征控制条件的影像定位方法。针对于矢量与影像之间自动配准难点可以利用矢量与影像多种自动配准方法来解决。
矢量与影像自动配准方法
利用矢量数据当中的道路矢量线与影像之间进行自动配准是现阶段运用最为广泛的方法。遥感影像的矢量地图、地理编码、自动纠正的自动配准，是通过矢量与遥感影像的自动配准的方法来实现的，进一步的推动了地理信息数据的快速更新与快速修测地形图。利用矢量与基于道路中心线检测的影像自动配准方法将道路矢量线与影像的配准问题进行转化，形成了道路中心线的检测问题，通过将道路矢量投影到影像，然后，沿着投影向量的垂直方向检测相应的边缘，通过边缘的阶跃模板实现对一定范围内道路边缘的检测，最终准确的判断出道路的中心点位置，实现了高分辨率卫星影像与矢量地图的自动配准。例如，【圖2】就是利用矢量自动配准方法与基于道路中心线检测的影像进行了矢量地图与SPOT5影像配准试验，矢量与影像的整体套合图如图（a）所示;矢量与局部区域影像的套合情况如图（b）所示;矢量与自动配准后影像的套合情况如图（c）所示。试验区的矢量线匹配数量为7062条，SPOT5影像定向的控制点是检测了77953个道路中心点而获得的，由此可见，矢量与自动配准后影像的套合效果一致性较好，能够实现基于矢量地图的影像几何定位。
3基于影像的云控制
基于已知定向参数影像的云控制
基于已知定向参数影像的云控制方式也是利用正射影像与新影像之间的自动匹配。首先，利用新影像构建空三自由网，再将老影像与新影像相匹配，然后将新影像所构建的自由网加密点传递给老影像，再对老影像之间进行匹配，最后，通过老影像的定向参数进行前方交会，最终获取新影像自由网加密点的三维物方坐标。需要注意的是，老影像和新影像既可以是异源影像（线阵扫描式航空影像或者框幅式航空影像），也可以是同源影像（都是框幅式航空影像或者相同类型传感器拍摄的影像）。
总结：
随着现代化社会科学技术的不断发展，网络通信、计算机、传感器等技术水平都有所提高，在一定程度上加快了数据的增长。在大数据时代下，传统的信息处理系统的处理能力已经无法满足海量规模的大数据的需求，因此，应将“云控制”摄影测量中带有地理空间信息的数据替代外业控制点，从而实现对大数据智能化、自动化、高效化的处理。
参考文献
[1]张祖勋，陶鹏杰. 谈大数据时代的“云控制”摄影测量[J]. 测绘学报，2017，46（10）：1238-1248.
[2]康一飞. 光学遥感卫星影像云检测方法及应用[D].武汉大学，2018.
（作者单位：浙江臻善科技股份有限公司）