Camera calibration and image orient

Camera calibration and image orientation are two fundamental prerequisites for any metric reconstruction from images. In photogrammetric applications, the separation of both tasks in two different steps is preferred (Remondino and Fraser, 2006), also for UAV blocks without cross-strips. Indeed, both steps require different block geometries, which can be better optimized if they are treated in separated stages. On the other hand, in many applications where lower accuracy is required, calibration and orientation can be computed at the same time by solving a self-calibrating bundle adjustment. The camera calibration is generally performed in the lab although in-flight calibration are also performed (Colomina et al., 2007).
Camera calibration and image orientation tasks require the extraction of common features visible in as many images as possible. In aerial photogrammetry this task is accomplished today by exploiting automatic aerial triangulation (AAT) techniques. In close-range photogrammetry, the automation of this task is a more complex issue due to large (and often varying) image scale, convergent image geometry, irregular overlap, strong geometric and radiometric changes. In many cases, image blocks acquired by using UAV systems are more similar to close-range than aerial blocks. Consequently, standard AAT procedures do not work out properly. Procedure based on the manual identification of tie points by an expert operator or based on signalized coded markers are well assessed and used today in close-range applications. In recent years some procedures for the automated extraction of a consistent and redundant sets of tie points from markerless close-range (or UAV) images have been developed for photogrammetric applications (Foerstner and Steffen, 2007; Barazzetti et al., 2010a; Irschara et al., 2010; Pierrot-Deseilligny and Clery, 2011). Some commercial solutions have also appeared on the market (e.g. PhotoModeler Scanner, Eos Inc; PhotoScan, Agisoft). The collected GNSS/INS data help for the automated tie point extraction and could theoretically allow the direct geo-referencing of the captured images. But a bundle adjustment is generally computed, starting from the approximated exterior orientation (EO) parameters, to further refine the sought accurate camera poses and attitudes (Eisenbeiss, 2008; Grenzdörffer et al., 2008). In other applications with low metric quality requirements, e.g. for fast data acquisition and mapping during emergency response, the accuracy of direct GNSS/INS observation can be enough (Zhou, 2009). But there are many surveying applications where the scene and location are not suitable (even partially) for direct geo-referencing techniques, like an object with prevalent vertical extension (e.g. a big building façade - Pueschel et al., 2008; Scaioni et al., 2009), or an environment where satellite visibility is limited or impossible at all (e.g. in downtowns, rainforest areas, etc.). In both cases the GNSS positioning can be hardly used even for autonomous flight modes as the signal is strongly degraded and thus the orientation phase can rely only on pure image-based approach (Eugster and Nebiker, 2008; Wang et al., 2008; Barazzetti et al., 2010b).

ผลลัพธ์ (ไทย) 1:

เทียบกล้องและวางรูปได้สองข้อกำหนดเบื้องต้นพื้นฐานสำหรับฟื้นฟูใด ๆ วัดจากภาพ ในโปรแกรมประยุกต์สมกับ แบ่งแยกงานทั้งสองขั้นตอนแตกต่างกันได้ (Remondino และเฟรเซอร์ 2006) , ยังสำหรับบล็อก uav ในที่สุดโดยไม่ข้ามแถบ แน่นอน ขั้นตอนทั้งต้องต่าง ๆ บล็อกรูปทรงเรขาคณิต ซึ่งสามารถจะดีสุดถ้าพวกเขาจะถือว่าในระยะแยก บนมืออื่น ๆ ในโปรแกรมประยุกต์จำนวนมากที่ต้องการความแม่นยำต่ำ ปรับเทียบและวางแนวสามารถถูกคำนวณในเวลาเดียวกัน โดยแก้การปรับกลุ่มปรับเทียบด้วยตนเอง เทียบกล้องโดยทั่วไปดำเนินการในห้องปฏิบัติการแม้ว่าเทียบบนเครื่องบินจะยังดำเนินการ (Colomina et al., 2007)Camera calibration and image orientation tasks require the extraction of common features visible in as many images as possible. In aerial photogrammetry this task is accomplished today by exploiting automatic aerial triangulation (AAT) techniques. In close-range photogrammetry, the automation of this task is a more complex issue due to large (and often varying) image scale, convergent image geometry, irregular overlap, strong geometric and radiometric changes. In many cases, image blocks acquired by using UAV systems are more similar to close-range than aerial blocks. Consequently, standard AAT procedures do not work out properly. Procedure based on the manual identification of tie points by an expert operator or based on signalized coded markers are well assessed and used today in close-range applications. In recent years some procedures for the automated extraction of a consistent and redundant sets of tie points from markerless close-range (or UAV) images have been developed for photogrammetric applications (Foerstner and Steffen, 2007; Barazzetti et al., 2010a; Irschara et al., 2010; Pierrot-Deseilligny and Clery, 2011). Some commercial solutions have also appeared on the market (e.g. PhotoModeler Scanner, Eos Inc; PhotoScan, Agisoft). The collected GNSS/INS data help for the automated tie point extraction and could theoretically allow the direct geo-referencing of the captured images. But a bundle adjustment is generally computed, starting from the approximated exterior orientation (EO) parameters, to further refine the sought accurate camera poses and attitudes (Eisenbeiss, 2008; Grenzdörffer et al., 2008). In other applications with low metric quality requirements, e.g. for fast data acquisition and mapping during emergency response, the accuracy of direct GNSS/INS observation can be enough (Zhou, 2009). But there are many surveying applications where the scene and location are not suitable (even partially) for direct geo-referencing techniques, like an object with prevalent vertical extension (e.g. a big building façade - Pueschel et al., 2008; Scaioni et al., 2009), or an environment where satellite visibility is limited or impossible at all (e.g. in downtowns, rainforest areas, etc.). In both cases the GNSS positioning can be hardly used even for autonomous flight modes as the signal is strongly degraded and thus the orientation phase can rely only on pure image-based approach (Eugster and Nebiker, 2008; Wang et al., 2008; Barazzetti et al., 2010b).

ผลลัพธ์ (ไทย) 2:

การสอบเทียบกล้องและการวางแนวภาพเป็นสองสิ่งที่จำเป็นพื้นฐานสำหรับการใด ๆ ฟื้นฟูตัวชี้วัดจากภาพ ในการใช้งาน photogrammetric แยกของงานทั้งในสองขั้นตอนที่แตกต่างกันเป็นที่ต้องการ (Remondino และเฟรเซอร์, 2006) นอกจากนี้ยังมีสำหรับบล็อก UAV โดยไม่ต้องแถบข้าม อันที่จริงทั้งสองขั้นตอนจำเป็นต้องใช้รูปทรงเรขาคณิตบล็อกแตกต่างกันซึ่งสามารถเพิ่มประสิทธิภาพดีกว่าถ้าพวกเขาได้รับการปฏิบัติในขั้นตอนการแยกออกจากกัน ในขณะที่คนอื่น ๆ ในหลาย ๆ โปรแกรมที่ความถูกต้องต่ำกว่าจะต้องสอบเทียบและการวางแนวสามารถคำนวณได้ในเวลาเดียวกันโดยการแก้ปรับมัดตัวเองสอบเทียบ การสอบเทียบกล้องจะดำเนินการโดยทั่วไปในห้องปฏิบัติการสอบเทียบแม้ว่าในเที่ยวบินที่มีการดำเนินการ (Colomina et al., 2007).
การสอบเทียบกล้องและงานปฐมนิเทศภาพต้องมีการสกัดคุณสมบัติทั่วไปมองเห็นได้ในภาพมากที่สุดเท่าที่เป็นไปได้ ในภาพถ่ายทางอากาศงานนี้จะประสบความสำเร็จในวันนี้โดยการใช้ประโยชน์จากสมการทางอากาศอัตโนมัติ (AAT) เทคนิค ใน photogrammetry ช่วงปิดอัตโนมัติของงานนี้เป็นปัญหาที่ซับซ้อนมากขึ้นเนื่องจากมีขนาดใหญ่ (และมักจะแตกต่างกัน) ขนาดภาพ, บรรจบเรขาคณิตภาพซ้อนทับกันความผิดปกติของการเปลี่ยนแปลงรูปทรงเรขาคณิตและดาวเทียมที่บันทึกแข็งแกร่ง ในหลายกรณีบล็อกภาพที่ได้มาโดยการใช้ระบบ UAV มีมากขึ้นคล้ายกับช่วงปิดบล็อกกว่าอากาศ ดังนั้นขั้นตอน AAT มาตรฐานไม่ได้ผลงานออกมาอย่างถูกต้อง ขั้นตอนการขึ้นอยู่กับประชาชนที่คู่มือของจุดผูกโดยผู้เชี่ยวชาญหรือผู้ประกอบการที่ขึ้นอยู่กับเครื่องหมายรหัส signalized ได้รับการประเมินอย่างดีและใช้มาจนถึงปัจจุบันในการใช้งานระยะใกล้ ในปีที่ผ่านขั้นตอนบางอย่างสำหรับการสกัดอัตโนมัติของชุดที่สอดคล้องและซ้ำซ้อนของจุดผูกจาก Markerless ระยะใกล้ (หรือ UAV) ได้รับการพัฒนาสำหรับการใช้งาน photogrammetric (Foerstner และสเตฟเฟ 2007; Barazzetti และคณะ, 2010a;. Irschara และ อัล, 2010;. Pierrot-Deseilligny และ Clery 2011) บางโซลูชั่นเชิงพาณิชย์ก็ยังคงปรากฏในตลาด (เช่น PhotoModeler สแกนเนอร์ Eos Inc; Photoscan, Agisoft) เก็บ GNSS / INS ช่วยเหลือข้อมูลสำหรับการสกัดจุดผูกอัตโนมัติและในทางทฤษฎีอาจทำให้ภูมิศาสตร์อ้างอิงโดยตรงของภาพที่บันทึก แต่การปรับกำทั่วไปคำนวณได้โดยเริ่มจากการวางแนวทางด้านนอกประมาณ (EO) พารามิเตอร์เพื่อทำการขอโพสท่ากล้องที่ถูกต้องและทัศนคติ (Eisenbeiss 2008;. Grenzdörffer et al, 2008) ในการใช้งานอื่น ๆ ที่มีความต้องการคุณภาพตัวชี้วัดในระดับต่ำเช่นสำหรับการเก็บข้อมูลที่รวดเร็วและการทำแผนที่ในระหว่างการตอบสนองฉุกเฉินความถูกต้องของ GNSS โดยตรง / สังเกต INS สามารถพอ (โจว 2009) แต่มีการใช้งานการสำรวจจำนวนมากที่เกิดเหตุและสถานที่ที่ไม่เหมาะสม (แม้บางส่วน) สำหรับเทคนิคทางภูมิศาสตร์อ้างอิงโดยตรงเช่นวัตถุที่มีการขยายแนวตั้งที่แพร่หลาย (เช่นด้านหน้าอาคารขนาดใหญ่ - Pueschel et al, 2008;. Scaioni และคณะ , 2009) หรือสภาพแวดล้อมที่มองเห็นดาวเทียม จำกัด หรือเป็นไปไม่ได้ที่ทุกคน (เช่นใน downtowns พื้นที่ป่าฝน ฯลฯ ) ในทั้งสองกรณีการวางตำแหน่ง GNSS สามารถใช้แทบจะไม่ได้สำหรับโหมดการบินอิสระเป็นสัญญาณเสื่อมโทรมอย่างมากและทำให้ขั้นตอนการวางแนวทางสามารถอาศัยเฉพาะในวิธีการที่ภาพตามบริสุทธิ์ (Eugster และ Nebiker, 2008; Wang et al, 2008;. Barazzetti et al., 2010b)

ผลลัพธ์ (ไทย) 3:

การสอบเทียบและการวางแนวภาพกล้องสองเบื้องต้นพื้นฐานสำหรับการใด ๆ ( จากภาพ ในการใช้งาน photogrammetric , แยกของงานทั้งสองในสองขั้นตอนที่แตกต่างกัน ( และเป็นที่ต้องการ remondino เฟรเซอร์ , 2006 ) ยังให้ UAV บล็อกโดยไม่มีแถบข้าม แน่นอน ทั้งขั้นตอนต้องใช้โครงสร้างบล็อกที่แตกต่างกันซึ่งอาจจะดีกว่าเหมาะถ้าพวกเขาถือว่าในแยกขั้นตอน บนมืออื่น ๆ ในด้านต่างๆ ที่ถูกต้องลดลงจะต้องสอบเทียบและทิศทางที่คำนวณได้ในคราวเดียวกัน โดยการปรับการปรับด้วยตนเองกลุ่ม การสอบเทียบกล้องโดยทั่วไปจะแสดงในแล็บ แม้ว่ายังมีการสอบเทียบในเที่ยวบิน ( colomina et al . , 2007 ) .
การสอบเทียบและงานวางแนวภาพกล้องต้องมีการสกัดคุณลักษณะทั่วไปที่มองเห็นได้ในรูปได้มากที่สุด ในงานนี้ได้ วันนี้อากาศสบายกำหนดโดย exploiting สามเหลี่ยมทางอากาศอัตโนมัติ ( AAT ) เทคนิค ในช่วงใกล้ศฎ , ระบบอัตโนมัติของงานนี้เป็นปัญหาที่ซับซ้อนมากขึ้นเนื่องจากการขนาดใหญ่ ( และมักจะแตกต่างกัน ) ภาพขนาดลู่เข้ารูปเรขาคณิต , ผิดปกติซ้อน , การเปลี่ยนแปลงทางเรขาคณิตและทางอากาศที่แข็งแกร่ง ในหลายกรณี , รูปภาพบล็อกได้โดยใช้ระบบ UAV จะคล้ายกับช่วงปิดกว่าในบล็อก ดังนั้น วิธีการ จำกัด มาตรฐานไม่ได้ทำงานอย่างถูกต้องขั้นตอนตามคู่มือระบุจุดผูกโดยผู้เชี่ยวชาญ ผู้ประกอบการ หรือขึ้นอยู่กับการใส่เครื่องหมายจะประเมินและใช้วันนี้ในงานช่วงปิดในปีล่าสุดบางขั้นตอนการสกัดอัตโนมัติที่สอดคล้องและชุดใหม่ของจุดผูกจากช่วงปิด markerless ( UAV ) ภาพที่ได้ถูกพัฒนาขึ้นเพื่อใช้งาน photogrammetric ( foerstner และ Steffen , 2007 ; barazzetti et al . , 2010a ; irschara et al . , 2010 ; ทนและ deseilligny รีนน์ เคลรี่ , 2011 ) โซลูชั่นเชิงพาณิชย์บางยังปรากฏในตลาด ( เช่นโฟโตโมเดลเลอร์สแกนเนอร์ , กล้อง photoscan agisoft Inc , ) รวบรวมข้อมูลช่วยเหลือสำหรับ GNSS / ins อัตโนมัติผูกจุดสกัดและสามารถตามหลักวิชาให้ตรงกอการอ้างอิงของภาพที่ถ่าย แต่กลุ่มการปรับตัวโดยทั่วไปคำนวณเริ่มต้นจากโดยประมาณภายนอกปฐมนิเทศ ( EO ) พารามิเตอร์เพื่อเพิ่มเติมปรับหาถูกต้องและทัศนคติ ( eisenbeiss poses , กล้อง2008 ; grenzd ö rffer et al . , 2008 ) ในโปรแกรมอื่น ๆที่มีความต้องการคุณภาพตัวชี้วัดน้อย เช่น ข้อมูลที่รวดเร็ว การทำแผนในการตอบสนองฉุกเฉินความถูกต้องของ GNSS โดยตรง / INS สังเกตได้เพียงพอ ( โจว , 2009 ) แต่ก็มีหลายฉาก และสถานที่ และการใช้งานที่ไม่เหมาะสม ( บางส่วน ) สำหรับการอ้างอิงโดยตรงธรณีเทคนิคเช่นวัตถุที่มีส่วนขยายตามแนวตั้งที่แพร่หลาย ( เช่นอาคารขนาดใหญ่ 5 เอฟเอ ADE - pueschel et al . , 2008 ; scaioni et al . , 2009 ) หรือสภาพแวดล้อมที่มองเห็นดาวเทียมจะถูก จำกัด หรือเป็นไปไม่ได้เลย เช่น ในพื้นที่ downtowns , ป่าฝน , ฯลฯ )ในทั้งสองกรณี GNSS ตำแหน่งสามารถแทบไม่ใช้แม้แต่ในโหมดการบินเป็นสัญญาณขอสลายจึงวางระยะที่สามารถอาศัยเฉพาะในแบบบริสุทธิ์ ( และเป็น eugster nebiker , 2008 ; Wang et al . , 2008 ; barazzetti et al . , 2010b )