像距是一个固定的已知值2量测用摄影机承片框上具有框标3内方位元素是已知的4物镜畸变差小、分辨率高、透光性强、机械结构稳定,可以进行自动连续摄影67连续像对的相对定向元素建立方法。建立与左片像空间坐标系一致的像空间辅助系,则:对于左片:XS1=0,YS1=0,ZS1=0 ,φ1=ω1=κ1=0对于右片:XS2=BX ,YS2 =BY,ZS2=BZ ,φ2 ,ω2 ,κ2包含元素: BY,BZ ,φ2 ,ω2 ,κ2 (BX只决定比例尺)68航带网模型的非线性变形改正思想。对航带网模型建立过程中因残余的系统误差以及累积的偶然误差所产生的航带网模型的非线性变形,用一定的数学模型进行改正。69像片调绘的定义,内容和研究方向:定义:在对航摄像片进行解译的基础上,根据用图的要求,进行适当的综合取舍,并按图式规定的符号将地物,地貌元素描绘在相应的像片上,并作各种注记,然后进行室内整饰,这种工作称之内容:对居民地工业矿区设施以及管线,道路,行政区水系,植被,地貌等要素进行的调绘研究方向:利用正射影像图DOM可视化优点,对大比例尺正射影像图套合,叠加数字线画图DLG后再进行调绘70什么是SIFT算子?它有什么特点?SIFT即Scale Invariant Feature Transform 即尺度不变特征变换。SIFT算法由D.G.Lowe 1999年提出,2004年完善总结。SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。SIFT算法的主要特点:(1)SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射 换、噪声也保持一定程度的稳定性。(2)独特性(Distinctiveness)好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配。(3)多量性,即使少数的几个物体也可以产生大量SIFT特征向量。(4)高速性,经优化的SIFT匹配算法甚至可以达到实时的要求。(5)可扩展性,可以很方便的与其他形式的特征向量进行联合。71基于特征的影像匹配算法适用于哪几种场合?A待匹配的点位于低反差区内,如林区B匹配目的是只需要配准某些“感兴趣”的点线或面C在大比例尺城市航空摄影测量中,大多数对象是人工建筑物,此时由于影像的不连续、阴影与被遮蔽等原因,基于灰度匹配的算法也难以适应。72列出最小二乘影像匹配的优点。最小二乘影像匹配中可以非常灵活地引入各种已知参数和条件,从而可以进行整体平差。最小二乘影像匹配既可解决“单点”的影像匹配问题,以求其“视差”;也可以直接解求其空间坐标。最小二乘影像匹配同时解决“多点”影像匹配或“多片”影像匹配。Multi-Point/Photo Matching最小二乘影像匹配引入“粗差检测”,从而大大地提高影像匹配的可靠性。73请说明实现自动相对定向的方法原理和关键技术自动相对定向的方法原理:用特征提取算子提取左影像上的特征点,根据一定的匹配算法找出左片上的特征点在右片上的同名点,采用粗差剔除法去掉误差超限的同名点,留下5组以上的同名点对,根据相对定向原理有左右影像上的同名像点解算5个相对定向元素;关键技术:(1).特征点的自动提取:可通过Moravec算子或Forstner算子进行特征点的自动提取;(2).特征点的自动匹配:依据影像的实际情况采用适当的匹配算法如采用最小二乘法影像匹配、跨接法影像匹配等,对于右片既可以通过特征提取挑选预测区内的特征点作为可能的匹配点,也可以不进行特征提取将预测区内的每一点作为可能的匹配点,或“爬山法”搜索动态地确定各选点;(3).粗差剔除:由于所选同名点较多,为保证相对定向元素的求解结果精度较高,在匹配后必须针对匹配结果剔除误差过大的同名点,但必须保留至少5对同名点;(4).相对定向解算:定向元素与采用连续法还是独立法相对定向有关;74摄影测量各阶段的比较阶段 原始资料 投影方式 仪器 操作方式 产品模拟 像片 机械 模拟测图仪 手工 模拟