مثلث بندی هوایی براساس تصاویررقومی،GPS/IMU و پارامترهای بهینه شده سلف کالیبراسیون توسط الگوریتم ژنتیک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی

2 استادیار دانشکده مهندسی عمران، آب و محیط زیست دانشگاه شهید بهشتی

3 کارشناسی ارشد فتوگرامتری، دانشگاه تفرش

4 استادیارگروه ژئودزی و مهندسی نقشه برداری، دانشگاه تفرش، تفرش، ایران

10.22131/sepehr.2020.47881

چکیده

در فرایند تهیه نقشه به روش فتوگرامتری استفاده از دادههایGPS/IMU  در مثلث بندی موجب افزایش استحکام بلوک فتوگرامتری و کاهش تعداد نقاط کنترل زمینی مورد نیاز برای سرشکنی بلوک گردیده است. خطاهای سیستماتیک داده های مورد استفاده در مثلث بندی، دقت مثلث بندی را کاهش داده، استفاده از نقاط کنترل زمینی را حتی با وجود داده های GPS/IMU  ضروری می سازد. بنابراین با کاهش میزان خطای سیستماتیک بر روی داده ها می توان شاهد افزایش دقت مثلث بندی و کاهش تعداد نقاط کنترل زمینی مورد نیاز برای سرشکنی بلوک و همچنین نوارهای پرواز متقاطع بود.
در این پژوهش نقش پارامترهای سلف کالیبراسیون مانند پارامترهای حذف خطای سیستماتیک داده های  GPS/IMUبرای هر نوار و پارامترهای حذف خطای سیستماتیک سنجنده تصویر برداری به منظور افزایش دقت مثلث بندی و کاهش تعداد نقاط کنترل زمینی و کاهش نوارهای پرواز متقاطع مورد نیاز برای سرشکنی بلوک مورد بررسی قرار گرفته است.  بدین منظور ابتدا پارامترهای بهینه سلف کالیبراسیون با استفاده از الگوریتم ژنتیک تعیین می گردد، سپس پارامترهای بهینه تعیین شده، در سرشکنی بلوک به روش باندل مورد استفاده قرار می گیرد.  به منظور حل مشکل ناپایداری معادلات از روش تخمین مؤلفه واریانس استفاده شده است.  این روش قادر است علاوه بر پایدارسازی مسئله، ماتریس وزن بهینه را در هنگام سرشکنی تعیین نماید. در این پژوهش از تصاویر دوربین رقومی UltraCamاستفاده شده است.  نتایج بدست آمده نشان می دهد که در صورت استفاده از پارامترهای سلف کالیبراسیون و کاهش میزان خطای داده های مورد استفاده در فرآیند سرشکنی، تعداد نقاط کنترل و تعداد نوارهای پرواز متقاطع برای سرشکنی بلوک کاهش می یابد به گونه ای که بدون استفاده از نقاط کنترل و با استفاده از پارامترهای بهینه سلف کالیبراسیون، بیشترین میزان خطای RMSE  بر روی نقاط چک زمینی، 0.143 متر می باشد در حالی که اگر از این پارامترها استفاده نشود در صورت وجود یا عدم وجود نوارهای پرواز متقاطع ماکزیمم خطای RMSE، در حدود یک متر می باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Aerial triangulati on basedon digital images, GPS/IMU data and optimal self calibration parameters using genetic algorithm

نویسندگان [English]

  • Saied Sadeghian 1
  • Asghar Milan Lak 2
  • Hamed Ahmadi Masine 3
  • Roohollah Karimi 4
1 Geomatics College of ShahidBeheshti University, Tehran, Iran
2 Geomatics College of Shahid Beheshti University, Tehran, Iran
3 Dept. of Geomatics, University of Tafresh ,Tafresh, Iran
4 Department of Geodesy and Surveying Engineering, Tafresh University, Tafresh, Iran
چکیده [English]

Extended Abstract
Introduction
 Applying GPS/IMU data in aerial triangulation has increased the strength of photogrammetric block and reduced the number of ground control pointsneededfor block adjustment. Systematic errors in data used fortriangulation reduce the accuracy of the process and make ground control pointsnecessarydespitetheexistenceof GPS/IMU data. Therefore, reducing systematic errorsin data naturally increases the accuracy of triangulation and reduces the number of ground control points required forblock adjustment andthe number of crossstrips used to eliminate systematic errorsin GPS data.
 Materials
Digital images captured by the National Cartographic Centerof Iran from an area in Fars province usingUltraCam-Xpcamera in2010 were used in the present study to investigate the roleof self-calibration parameters in the reduction of ground control points and cross strips requiredfor block adjustmentin aerial triangulation. The intended block consists of 58 images and four strips; two of which are cross strips. Control points in this block include eight horizontal control points, eight vertical control points and eight full control points. Each image has a dimension of 11310 by 17310 pixels, a pixel dimensionof 6 microns, afocal length of 10500 microns, an end lap of 70%, and a side lap of 30%.  Theregion has an average elevation of 760 m. Given the focal length, flight height and pixel dimensions, ground resolution is around 12 centimeters. Each image covers anarea of 2077.2 mlength and 1357.2 mwidth on the ground.
 Methodology
The present study investigates theroleof self-calibration parameters, such as elimination of systematic error in GPS/IMU data and image sensor,in increased accuracy oftriangulation, and reduced number of ground control points and cross strips required for block adjustment. To reach this aim, optimal self-calibration parameters are determined using a genetic algorithm and the identified parameters are used in the bundle block adjustment. Variance components estimation method was used to solve the problem of equationsinstability. This method not only stabilizes the equation, but also determines the optimal weight matrix during the adjustment process.
 Results and Discussion
Since images at a scale of 1:2000 were used in the present study, maximum RMSE equals 60 cm and maximum residual errorsequal 1.2 m. Using additional parameters to eliminate systematic errors results in an acceptable maximum error at the control points, but absence of additional parameters results in an unacceptable maximum error at the horizontal and vertical control points even in the presence of crossstrips.  In addition to the evaluation of horizontal and vertical errors at the ground control points, horizontal and vertical RMSE of the checkpointsare also used to evaluate the geometric accuracy of aerial triangulation. Again, applying additional parameters keeps the RMSE at a much lower level than the accepted limit, while absence of additional parameters results in a horizontal and verticalRMSE higher than the accepted limit even in the presence of cross strips. It should be noted that using cross strips reduces RMSE at the vertical component.
 Conclusion
Results indicated that using self-calibration parameters and reducing errorsin data used for the adjustment process decreases the number of control points and cross strips required for block adjustment.Using optimal self-calibration parameters(even in the absence of control points) resultsin a maximum RMSE of 0.143 m at the checkpoints, while absence of these parameters results in a maximum RMSE error of around one meter with or without cross strips. Genetic algorithm is capable of determining optimal self-calibration parameters. It is also capable of optimizing nonlinear functions. Therefore, it is not necessary to linearize the equations before determination of self-calibration parameters, which reduces the amount of necessary calculations.
Variance components estimation can also be used along with the bundle block adjustment method to stabilize the equations and determine the optimal weight matrix. As a result, it is suggested to take advantage of these three methods, i.e. block adjustment, stabilization and optimal weight matrixdetermination, simultaneously.

کلیدواژه‌ها [English]

  • Aerial triangulation
  • GPS/IMU
  • Systematic errors
  • Variance components estimation
  • genetic algorithm
  • Self-calibration
1.خوش‌ الهام،‌ سعادت سرشت، میلان لک؛ کوروش،  محمد، اصغر؛  1386، کالیبراسیون سیستم تلفیقی  GPS/INS  و توجیه مستقیم دوربین هوایی، همایش ژئوماتیک  86، سازمان نقشه ‌برداری کشور.
2.کیا، سیدمصطفی؛ 1388، الگوریتم ‌های ژنتیک درMatlab  (ص 165 - 84)،انتشارات کیان رایانه سبز، 192 صفحه .
3.نشریه شماره 2 - 119 دستورالعمل ‌های همسان نقشه برداری .جلددوم، نقشه برداری هوایی (کلیات). (ص 45 - 25)
4- Blazquez , M. and M., Colomina, 2010, On the Role Of Self –Calibration Functions In Integrated Sensor Orientation, Calibration and Orientation Workshop EuroCOW 2010, EuroSDR and ISPRS.
5-Chio, S.-H., 2016. VBS RTK GPS-assisted self-calibration bundle adjustment for aerial triangulation of fixed-wing UAS images for updating topographic maps. BolCiencGeod. 22, 665–684. https://doi.org/10.1590/S1982-21702016000400038.
6- Cramer, M., 1997,GPS/INS Integration, Institute for Photogrammetry (ifp), Stuttgart.
7- Cramer, M. and D., Stallmann, 2003, On The Use Of GPS/Inertial Exterior Orientation Parameters In Airborne Photogrammetry, Proceedings of the OEEPE Workshop: Integrate Sensor Orientation, Institute for Photogrammetry and Geoinformation, University of Hannover, Germany.
8-Cramer, M., 2002, Integrated GPS/inertial and digital aerial triangulation, Institute for Photogrammetry (ifp), Stuttgart, pp.161-172.
9-Elsharkawy, Ahmed S., and Ayman F. Habib.2016. Error Analysis for the Airborne Direct Georeferincing Technique.” The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XLI-B1, 2016 XXIII ISPRS Congress, 12–19 July 2016, Prague, Czech Republic
10- Forlani, G., and L. Pinto, 2002, Integrated  INS/DGPS Systems Calibration And Combined Block Adjusment, Proceedings of the OEEPE Workshop: Integrated Sensor Orientation, Institute for Photogrammetry and Geoformation, University of Hannover , Germany, pp.85-96.
11- Gianfranco, F., Fabrizio, D., Umberto, M. d. C. and Riccardo, R., 2019, Indirect UAV Strip Georeferencing by On-Board GNSS Data under Poor Satellite Coverage, Journal of Sensors.
12- Guo, D., L. Wu, J. Wang, and X. Zheng, 2006, Use the GPS/IMU new technology for photogrammetric application, Geoscience and Remote Sensing Symposium, IGARSS, IEEE International Conference.
13- Haiqing, H., Ting C., Huaien, Z. and Shengxiang, H.,2019, Ground Control Point-Free Unmanned Aerial Vehicle-Based Photogrammetry for Volume Estimation of Stockpiles Carried on Barges, Journal of remote sensing.
14- Heipke , C., K. Jacobsen, and H. Wegmann, 2004, Integrated Sensor Orientation, Proceedings of the OEEPE Workshop: Integrated Sensor Orientation, Institute for Photogrammetry and Geoinformation, University of Hannover , Germany.
15- Ip, A., N. El-Sheimy, and M. Mostafa, 2007,Performance Analysis of  Integrated  Sensor  Orientation, Photogrammetric Engineering & Remote Sensing, Vol. 73, No. 1,pp.089-097.
16- Immerzeel, W. W., Kraaijenbrink, P. D. A., Shea, J. M., Shrestha, A. B., Pellicciotti, F., Bierkens, M. F. P. and de Jong, S. M., 2014. High‐resolution monitoring of Himalayan glacier dynamics using unmanned aerial vehicles. Remote Sensing of Environment, 150: 93–103.
17- Jacobsen, K., and H. Wegmann, 2001, Dependency and Problems of Direct Sensor Orientation, Proceedings of the OEEPE Workshop, Integrated Sensor Orientation, Institute for Photogrammetry and Geoinformation, University of Hannover , Germany.
18- Koch, K.R., and J. Kusche, 2002, Regularization of geopotential determination from satellite data by variance components, Journal of Geodesy, Vol.76, pp.259-268.
19- Kraaijenbrink, P. D. A., Shea, J. M., Pellicciotti, F., de Jong, S. M. and Immerzeel, W. W., 2016. Object based analysis of unmanned aerial vehicle imagery to map and characterise surface features on a debriscovered glacier. Remote Sensing of Environment, 186: 581–595
20- Micheletti, N., Lane, S. N. and Chandler, J. H., 2015. Application of archival aerial photogrammetry to quantify climate forcing of Alpine landscapes. The Photogrammetric Record, 30(150): 143–165.
21-Sandau, R., 2010, Digital Airborne Camera, Introduction and Technology, pp. 107-130.
22- Shi, J. B., Yuan, X. X., Cai, Y. and Wang, G. J., 2017. GPS real time precise point positioning for aerial triangulation. GPS Solutions, 21(2): 405–414
23- Shen, X. (2015). Accurate direct georeferencing of aerial imagery in national coordinates. ISPRS Journal of Photogrammetry and Remote Sensing, 105, 13-18. https://doi.org/10.1016/j.isprsjprs.2015.03.008
24- Wegmann, H., 2002, Image Orientation by Combined (A) AT with GPS and IMU, Integrated Remote Sensing at the Global, Regional and Local Scale, IAPRS, Comm. I, Vol. 34, part 1, Denver, Colorado, USA.
25- Yuan, X., 2008, A novel method of systematic error compensation for a position and orientation system, Progress in Natural Science, Vol. 18, Issue 8,10, pp. 953-963.
26- Yuana, X., J. Fua, H. Suna and C. Tothb, 2009, The application of GPS precise point positioning technology in aerialtriangulation, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 64, Issue 6, pp.541-550.
 27- Yildiz, F. and S.Y. Oturanc, 2014, An investigation of direct and indirect geo-referencing techniques on the accuracy of point in photogrammetry, International Journal of aerospace and mechanical engineering, VO1:8, No:9 , pp.677-680