Digitální fotogrammetrie Výhody digitální fotogrammetrie (softcopy photogrammetry): • snadný a rychlý přenos dat • dokonalé kopírování snímků • nové možnosti geometrické a radiometrické transformace • možnosti odstranění šumu a předzpracování snímků • značný podíl automatizace, automatická detekce jevů Problémy použití digitálního obrazu ve fotogrammetrii: • omezená prostorová rozlišovací schopnost digitálního obrazu • velký objem dat • nákladné HW a SW vybavení Primární digitální obraz Primární digitální obraz vytvářený elektro-optickým skenerem s řádkou CCD (skenující radiometr DPZ) a digitální komorou s maticí CCD (fgm) Maticové skenery: • větší hloubka obrazu (radiometrické rozlišení) – lepší výsledky obrazové korelace • snazší potlačení atmosférických vlivů • nejsou ovlivněny smazem Způsoby získávání stereoskopické dvojice v dig. FGM • Podélný překryv fotografií při řadovém snímkování • Náklon skeneru vpřed a vzad ve směru dráhy letu • Náklon skeneru do boku, kolmo k dráze letu • Využití příčného překrytu území ze snímků ze dvou sousedních drah (málo vhodný způsob v důsledku špatného základového poměru) Digitální kamery DMC (Digital Mapping) Camera - Z/I Imaging Digitální komora ADS 40 (LH Systems) Specifické parametry digitálních komor definují matematický model, který se používá při transformaci snímků UltraCam Eagle Leica RCD30 UltraCam Osprey Sekundární digitální obraz a digitalizace fotografie PhotoScan TD (Z/I Imaging) Přesnost skenování: • geometrická • radiometrická • kalibrace skenerů • hustota skenování – ve ftgm - v mikrometrech • skenování z transparentních materiálů (separace barevných složek) • skener provádí řadu předzpracování např. subpixelová interpolace, radiometrické úpravy, aerotriangulace) Hustota skenování [DPI] 100 200 600 800 1000 2000 8500 Rozměr pixelu [m] 254 127 42 32 25 13 3 Velikost souboru [MB] 0,82 3,2 30 51,8 84,6 324 5900 Vztah mezi hustotou skenování a velikostí souboru Rozměr pixelu [m]=25400 / rozlišení v DPI Rozlišení v DPI =25400 / Rozměr pixelu [m] Pravidlo: „As high as necessary, as low as possible“ Na hustotě skenování závisí přesnost určování výšek (z). Tato by měla být 0,1 promile z výšky letu. x mk DPI s    54,2 x - minimální přípustná chyba ms - měřítko snímku k - násobná konstanta (2-3) podle možností detekce vlícovacích bodů Hustota skenování Vztah mezi hustotou skenování a velikostí souboru Vztah mezi hustotou skenování a velikostí pixelu (na zemském povrchu v metrech – ground sample distance) pro různá měřítka letecké fotografie Prostorové rozlišení digitálních snímků Rozměr, který pixel reprezentuje na zemském povrchu - ground sample distance • K detekci je třeba, aby byl nejdelší rozměr objektu reprezentován alespoň třemi pixely • K interpretaci je třeba, aby byl objekt reprezentován alespoň 20 – 25 pixely Prostorové rozlišení digitálních snímků Formáty digitálního LMS, komprese dat Dříve - standard - formát TIFF, GeoTIFF Nativní formáty jednotlivých SW řešení – PIX, IMG, … Stále více se prosazují kompresní formáty a algoritmy: • LZW – komprese používaná v běžném formátu TIFF • JPEG – algoritmus DCT - Fourierovy transformace – funkce jako složenina konečného počtu kosinových funkcí o různé amplitudě a frekvenci. • JPEG2000 – možno využívat jako ztrátový i bezztrátový, dekomprese části obrazu podle různého měřítka, různě nastavitelný stupeň komprese pro různé části obrazu. • ECW (Enhanced Compression Wavelet) • MrSID (Multi-Resolution Seamless Image Database) Obrazové pyramidy • Jedná se o převzorkování obrazu na několik úrovní menšího rozlišení,které jsou používány v přehledovém režimu (Overview) • Nižší úrovně poskytují více detailů, vyšší úrovně reprezentují celou plochu v přehledu • Jednotlivé úrovně se tvoří postupným shlazováním nízkopásmovými filtry nebo výběrem n-tého pixelu Obecné dělení algoritmů: • Algoritmy globální a lokální • Algoritmy exaktní a aproximační (s vyrovnáním) • Přímá a nepřímá transformace Transformace digitálního obrazu Digitální podoba a výpočetní software umožňuje realizovat celou řadu algoritmů pro geometrickou transformaci – výběr závisí na požadované přesnosti výstupu,měřítku, ploše a char. mapovaného území. Transformace digitálního obrazu • Jednoduché rovinné transformace (shodnostní, podobnostní, afinní) • Polynomické transformace • Transformace s využitím splinových funkcí (thin plate splines – plátové spliny) • Transformace metodou trojúhleníkové sítě (po částech) • Poměrové funkce (rational functions) • Ortorektifikace snímku (model snímkové orientace založený např. na rovnicích kolinearity resp. diferenciálním překreslování Rovinné transformace Používají se pro převod naměřených plošných souřadnic (souborových) do skutečných snímkových souřadnic. Rovinné transformace Podobnostní transformace – posun v x a y, pootočení, změna měřítka; 4 parametry, 2 vlícovací body Afinní transformace – dva posuny, otočení, dvě změny měřítka, deformace úhlu souřadnicových os; 6 parametrů, 3 vlícovací body Přímá a nepřímá transformace obrazu Obecný postup digitálních fotogrammetrických prací Definice základních parametrů projektu Definice prvků vnitřní orientace Vnější orientace snímků Definice modelu a jeho testování Stereoskopická pozorování 3D měření a sběr dat Aerotriangulace Blokové vyrovnání Tvorba DEM Tvorba ortofoto Mozaikování Kartografické práce http://www.photopol.cz – The workflow Specifika transformace digitálních snímků • Vnitřní orientace – její prvky jsou ve většině případů známy, zadávají se z kalibračního protokolu. • K vyhledávání rámových značek je možno využít automatických postupů (viz. dále). • Manuálně se vyhledá pouze první značka, ostatní jsou vyhledávány korelací jako podobné části obrazu. • Poloha hlavního bodu se ztotožňuje se středem snímku – tedy s průsečíkem spojnic protějších rámových značek. • Rozdíly v poloze těchto dvou bodů bývají v rámci jednoho obrazového prvku – lze je tedy zanedbat. V opačném případě se využívá tzv. subpixelové transformace (viz. dále). Definice prvků vnitřní orientace • souřadnice rámových značek či zadání rozměrů snímku) • parametry komory (f, radiální distorze) • digitalizace rámových značek Definice prvků vnitřní orientace Subpixelová transformace Souřadnicové systémy a digitální snímek • Souřadnicový systém obrazových prvků • Souřadnicový systém snímku • Prostorový souřadnicový systém snímku Vztah mezi souborovými a snímkovými souřadnicemi digitálního snímku Vnitřní orientace digitálního snímku: • musíme znát souřadnice rámových značek. • můžeme je odečíst v souřadném systému obrazových prvků (řádek, sloupec). • z něho je transformujeme do prostorového systému snímkových souřadnic tzv. afinní transformací YaXaax 321  YbXbby 321  Specifika transformace digitálních snímků Vnější orientace – využívá některé z metod početního určení šesti neznámých prvků (Xo, Yo, Zo, , , ). Starší systémy využívaly postupného řešení rozloženého na orientaci relativní a absolutní. Současné systémy využívají komplexního řešení založeného na orientaci celého bloku snímků s využitím rovnic kolinearity. Nutné použití vlícovacích bodů (control points) • způsoby určování vlícovacích bodů • vhodné a nevhodné body • rozmístění bodů – Gruberovo schéma • minimální a optimální počty bodů 15701 15702 15703 15801 15802 15803 15601 15602 15603 15701 15702 15703 15801 15802 15803 15901 15902 15903 Vnější orientace Vnější orientace No. 80001 134, 135 x = 1136080.500 y = 968916.500 z = 1427.800 No. 80002 134, 135, 136, 155, 156, 157 x = 1137755.400 y = 969523.500 z = 1212.200 No. 80003 136, 137, 138, 139 x = 1135875.000 y = 971998.000 z = 1089.800 • Image Chips – výřezy snímků s vyznačenou polohou vlícovacích bodů, souřadnicemi a metadaty • Manuální resp. automatický sběr bodů Analogové snímky - orientace a tvorba modelu fyzickým otáčením snímků Digitální snímky – orientace je založena na jiných přístupech, které zajišťují vytvoření zdánlivého modelu a stereoskopické pozorování a vyhodnocování: • Převod snímků do normálního případu (snímky se vzájemně rovnoběžnými osami) – např. s využitím kolineárních rovnic, obraz se transformací mírně degraduje (epipóly jsou v nekonečnu) • Převod snímků do tzv. epipolární projekce (podmínka komplanarity = bod musí mít obraz na levém i pravém snímku, spojnice bodu a projekčních center leží v jedné rovině) • Využití metod obrazové korelace Vnější orientace Převod snímků do normálního případu Rotační matice (vnější orientace) Princip transformace stereodvojice do tzv. epipolární projekce • Epipolární projekce zajišťuje, že bod na levém snímku má svůj obraz na známé přímce ve snímku pravém. • Touto transformací se odstraní (minimalizují) vertikální paralaxy bodů, které by znemožňovaly steroskopické pozorování a dále se zjednoduší metody automatické obrazové korelace. Princip obrazové korelace (image matching) referenční a vyhledávací okno Princip obrazové korelace       ji ji ji drcddrcd drcddrcd r , , 2 2222 2 1111 , 22221111 ]),([]),([ ]),(][),([  ji rcd n d , 1111 ),( 1  ji rcd n d , 2222 ),( 1 d – DN hodnota pixelu na prvním (1) resp. druhém (2) snímku c, r – sloupec a řádek pixelu na prvním (1) resp. druhém (2) snímku n – počet pixelů ve vyhledávacím okně i, j – index značící polohu řádku a sloupce ve vyhledávacím okně Korelační techniky a automatické vyhledávání bodů 1. area-based matching – korelace mezi plochami pixelů 2. feature-based matching – korelace mezi objekty (většinou body – rohy objektů, hrany, …) 3. relation-based matching – (structural matching) – korelace porovnává objekty a zároveň i vztahy mezi nimi, početně náročné, lze je využít k automatickému vyhledávání rámových značek Korelační techniky a automatické vyhledávání bodů Area-based matching (ABM) korelace mezi dvěmi částmi obrazu (maticemi DN hodnot) 1. Definování velikosti referenčního a vyhledávacího okna 2. Testování podobnosti DN hodnot 1. Korelačním koeficientem 2. MNČ 3. Subpixelová přesnost Area-based matching (ABM) • relativně velká plocha filtrovacího okna • nutno znát přibližnou polohu, kde začít vyhledávat • nejednoznačné řešení • rozdíly mezi L a P snímkem (osvětlení, terén, „uzavřené oblasti“ v zastavěných plochách) Feature-based matching (FBM) korelace mezi objekty 1. Extrahování objektů ze snímků (interest points) 2. Objekty mají vlastnosti, pomocí kterých se vyhledávají odpovídající body na sousedních snímcích 3. Míry podobnosti – gradienty DN hodnot ve směru ř, s, korelační koeficient, parametry korelačního pole bodů, míry textury, … 4. Méně přesná metoda využívaná pro první přiblížení Princip obrazové korelace na obrazové pyramidě výrazně zkracují dobu výpočtu, proces vyhledávání oken se nejdříve realizuje na vrstvách s nižším rozlišením (vyšší patra) a postupně se zpřesňuje ve vrstvách s větším rozlišením Proces obrazové korelace závisí na následujících parametrech. • velikost referenčního okna • velikost vyhledávacího okna • limitní hodnota korelačního koeficientu Využití obrazové korelace Velikost referenčního (korelačního) okna Definuje okno, pro jehož všechny obrazové prvky je vypočtena hodnota korelačního koeficientu. Běžná velikost je 7 x 7 pixelů. Větší okno je zapotřebí zvolit pro málo kontrastní části obrazu (větší plochy polí, lesní komplexy apod.) Okno může mít i tvar obdélníku Limitní hodnota korelačního koeficientu • Vyšší hodnota koeficientu dává méně bodů, ale většinou poskytuje přesnější výsledky. • Doporučenou hodnotou je 0,7 až 0,8. • Při nižších hodnotách klesá přesnost, zvláště u málo kontrastních snímků. • Problém „repetitive structures“ • Vhodná proměnlivá hustota bodů (v závislosti na komplexnosti terénu) • Velikost vyhledávací matice – velká matice - stabilnější, méně přesné výsledky Využití obrazové korelace Problémy spojené s automatickým vyhledáváním bodů • chybná korelace na snímcích s výraznou texturou (příklad pruhů na chodníku) • chybné body na vrcholech výškových budov, na vrcholcích stromů, na nestacionárních bodech • chybné výsledky na rozlehlejších homogenních plochách (zasněžená pole, vodní plochy) • prahování hodnot korelačního koeficientu (vylučování hodnot menších než 0,6-0,7). • nastavitelná hodnota maximální přípustné výškové diference dvou sousedních obrazových prvků (odfiltrován bodů automaticky lokalizovaných na vrcholcích osamělých stromů či výškových budov • nastavení maximálního přípustného rozdílu paralax sousedních bodů. Kontrolní algoritmy