SAR-kuvien ulkoinen orientointi ja georeferointi
|
|
- Kirsi Turunen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Teknillinen korkeakoulu Maanmittausosasto Maa Kaukokartoituksen erikoistyö Mika Karjalainen 40188D 9. toukokuuta 006 SAR-kuvien ulkoinen orientointi ja georeferointi
2 1. Johdanto Jotta miltä tahansa kaukokartoitussensorin tuottamalta kuvalta voitaisiin tehdä kartoitusta eli esimerkiksi mitata kohdekoordinaatteja tai etäisyyksiä, täytyy kuvan ulkoisen orientoinnin olla tunnettu. Ulkoinen orientointi, joka on englanniksi exterior orientation, määrittää valitun matemaattisen muunnoksen avulla kuvaussensorin sijainnin ja asennon kohdekoordinaatiston suhteen (Grussenmeyer ja Al Khalil, 00). Matemaattisen muunnoksen avulla voidaan siis kuvakoordinaateista laskea kohdekoordinaatteja tai käänteismuunnoksella toisin päin. Ulkoisen orientoinnin tarkoitus on, että eri ajankohtina, eri kuvauskulmista ja eri sensoreilla otetut kuvat voitaisiin kohdistaa keskenään ja/tai karttojen kanssa, mikä mahdollistaa esimerkiksi kartoituksen, karttojen ajantasaistuksen, muutostulkinan, tulosten visualisoinnin, kuvien mosaikoinnin tai stereotarkastelun (Zitová ja Flusser, 003). Käytetty matemaattinen muunnos on erittäin tärkeässä asemassa sekä ulkoisessa orientoinnissa että myös kohdekoordinaattien laskennassa. Muunnos omalta osaltaan määrittää sen, kuinka tarkasti kohdekoordinaatteja voidaan ylipäätään mitata. Ulkoisessa orientoinnissa käytettävät matemaattiset muunnokset voidaan jaotella sensorin mallinnuksen suhteen kolmeen ryhmään: (1) ei-fysikaalisiin -, () ja fysikaalisiin malleihin sekä (3) edellisten yhdistelmiin (Toutin, 004). Ei-fysikaalisissa malleissa sensorin sisäistä geometriaa ja kuvanmuodostusta ei mallinneta fysikaalisin parametrein, vaan tarkoituksena on löytää suora muunnos kahden koordinaattijärjestelmän välillä. Usein ei-fysikaalisten mallien tapauksessa puhutaan georeferoinnista tai geokoodauksesta orto-oikaisun synonyymina. Yleisesti käytetyimpiä SAR-kuvien tapauksessa ovat affiininen - ja projektiivinen muunnos, jotka molemmat ovat tasolta tasolle muunnoksia ja ovat siten tarkkoja vain, jos kohdealue on tasainen. Ei-fysikaalisille malleille on myös tyypillistä, että niistä ei voi suoraan tulkita tietoa kuvaussensorin asennosta, sijainnista tai liikkeestä. Fysikaalisia malleja voidaan luonnehtia tarkoiksi sensorimalleiksi, joissa tunnettujen suureiden avulla mallinnetaan säteilyn kulku kohteesta kuvaussensorille. Esimerkiksi ilmakuvien tapauksessa keskusprojektiomalli on tarkka fysikaalinen sensorimalli, johon voidaan lisätä esimerkiksi linssivääristymistä johtuvia korjausparametreja. Tarkka sensorimalli mahdollistaa myös lisähavaintojen kuten GPS- ja IMU-järjestelmien yhteiskäytön ja ulkoisen orientoinnin määrittäminen antaa suoraan tietoa sensorin sijainnista ja liikkeestä ja asennosta. Yhdistelmämallit ovat sekoituksia fysikaalisista - ja ei-fysikaalisista malleista. Tavoitteena on saada tarkkoja koordinaattimuunnoksia siten, että perustana voi olla esimerkiksi yksinkertainen affiininen muunnos, jonka puutteita korjataan sopivilla fysikaalisilla lisäparametreilla tai kuvausgeometriasta johtuvilla pakoilla. Hyvä esimerkki hybridimallista on Huangin (004) esittämä SAR-kuvausmalli, jossa topografiasta johtuvat siirtymät korjataan kuvausgeometrian avulla. Tutkielman tavoitteena on selvittää SAR-kuvien kuvausgeometriaa ja kuvavääristymiä ja niiden vaikutusta orto-oikaisun tarkkuuteen. Lisäksi selvitetään SAR-kuvien oikaisuun käytettäviä yleisimpiä matemaattisia muunnoksia ja niillä saavutettavia tarkkuuksia. Koetyöosuudessa esitetään esimerkkejä käytetyistä vaihtoehdoista.
3 . SAR-kuvausgeometrian teoreettinen tausta.1. Yleistä SAR-kuvausgeometriasta SAR eli synthetic aperture radar on aktiivinen kuvauslaite tutka, joka toimii sähkömagneettisen säteilyn mikroaaltoalueella. SAR-sensori toimii siten, että se lähettää kohteeseen eli maanpinnalle lyhyen pulssin mikroaaltosäteilyä ja sitten havaitsee kohteesta takaisinsironneita pulsseja kulunutta aikaa ja vastaanotetun säteilyn amplitudia ja vaihetta. Kun sensori liikkuu liikeradallaan, saadaan valtava määrä havaintodataa, josta mutkikkaan SAR-prosessoinnin jälkeen saadaan nk. fokusoitu SAR-kuva, jossa yksittäinen kuvapikseli vastaa tiettyä maaston kohdetta. Viistoon SAR-kuvausgeometriaan liittyvät kulmat on esitetty kuvassa 1. (Henderson ja Lewis, 1998) β Φ Slant range i Ground range i local Kuva 1. Viistoon SAR-kuvausgeometriaan liittyvät kulmat (mukaillen Henderson ja Lewis, 1998). SAR-sensori kuvaa aina viistoon nadiirista, sillä muuten takaisinsironneita pulsseja ei voida erottaa toisistaan. SAR-sensorin kuvausgeometriaan liittyvät kulmat ovat: kohtauskulma i (englanniksi incidence angle), painumiskulma β (depression angle) ja katselukulma Φ (look angle). Erityisesti kannattaa huomata, että paikallisen kohtauskulman laskenta i local edellyttää korkeusmallia, jolla topografian vaikutus kohtauskulman suuruuteen voidaan määrittää. Fokusoitu SAR-kuva esitetään joko viisto- tai maastoetäisyyksinä (englanniksi slant tai ground range). Slant range-kuva on alkuperäinen kuvausgeometria ja ground range-kuva on siitä laskennallisesti maastoa kuvaavalle tasolle korjattu kuvamuoto. Sivuun katsovasta kuvausgeometriasta johtuen SAR-kuvissa esiintyy maaston topografiasta johtuvia vääristymiä, jotka ovat englanniksi Layover-, Shadow- ja Foreshortening-efektit (Schreier, 1993). Esimerkkejä kuvavääristymistä on esitetty kuvassa. Kun maasto on tasainen, etäisyyksien suhteet kuvalla säilyvät samoina kuin maastossa. Maaston korkeusvaihtelut sen sijaan aiheuttavan sen, että SARsensorin suuntaan kallellaan olevat rinteet ovat kuvalla suhteessa lyhempiä kuin kuvaussuunnassa poispäin kallellaan olevat rinteet. Ilmiötä kutsutaan englanninkielisellä termillä foreshortening. Ääritilanne syntyy, jos rinteen kaltevuuskulma on suurempi kuin katselukulma, jolloin takaisinsironneet signaalit 3
4 vastaanotetaan karttaan verrattuna väärässä järjestyksessä. Ilmiön englanninkielinen termi on layover. Koska vuoren huipusta tulleen signaalin etäisyys on pienempi kuin rinteen etupuolelta tulevien signaalien, vuori näyttää kuvalla tavallaan kaatuneen. Jos SAR-sensorista poispäin olevan rinteen kaltevuus on suurempi kuin painumiskulma, ei rinteestä voida saada takaisinsirontaa ja se on SAR-kuvauksen kannalta varjossa (englanniksi shadow). Kuvataso (havaittu etäisyys) Layover Foreshortening Shadow Kuva. Maaston topografiasta aiheutuvia vääristymiä sivulle katsovalla SARsensorilla. Topografiasta johtuva siirtymä eli foreshortening voidaan laskea maastoetäisyyksissä kaavalla Gr = H cot(φ), missä Gr on siirtymä ja H on kohteen korkeusvirhe (Shreier, 1993). Kuvassa 3 on esitetty maastovirheen suuruus korkeusvirheen funktiona neljällä eri katselukulmalla Maastovirhe (m) Korkeusvirhe (m) Kuva 3. Korkeuserosta tai -virheestä aiheutuva vääristymä SAR-kuvalla. 70 Esimerkkinä voidaan mainita, että kun katselukulma on 10, jo 0 metrin korkeusvirhe aiheuttaa yli 100 metrin maastovirheen. Satelliittikuvilla katselukulma on tyypillisesti 0-60, jolloin viiden metrin virhe korkeudessa aiheuttaa noin 14-3 metrin virheen maastoetäisyydessä. Voidaan siis todeta, että korkeusmallin huomioiminen SAR-kuvien orto-oikaisussa on tärkeää ja erityisen tärkeää se on 4
5 pienillä katselukulmilla. Vaikka orto-oikaisun kannalta SAR-kuvien vääristymät vaikuttavat vain haitallisilta, on niistä myös hyötyä, koska layover- ja shadowilmiöiden avulla voidaan määrittää esimerkiksi rakennusten tai rakenteiden korkeuksia. Foreshortening-ilmiön avulla voidaan laskea korkeusmalleja, koska kahdella eri katselukulmalla otetuissa SAR-kuvissa esiintyy parallakseja aivan kuten stereoilmakuvapareissa (Chen ja Dowman, 001). Edellä esitettiin SAR-kuvausgeometriaa niin kutsutussa range-suunnassa. Jotta kohteesta saataisiin kaksiulotteinen kuva, täytyy SAR-sensoria liikuttaa range-suuntaa vastaan kohtisuorassa suunnassa, jota kutsutaan usein atsimuutti-, Doppler- tai lentosuunnaksi. Kaksiulotteinen fokusoitu SAR-kuva siis muodostuu pikseleistä, jotka ovat funktioita ajasta (t) ja mitatusta etäisyydestä (R) (katso kuva 4). S(t) Liikerata τ R R Ground t 0 R Ground y x R near t end R far Kuva 4. SAR-kuvan pikselin sijainti on funktio kuluneesta ajasta (t) ja mitatusta etäisyydestä (R). Merkitään SAR-kuvakoordinaatteja (x, y), missä x on koordinaattiakseli rangesuunnassa ja y on koordinaattiakseli sensorin liikeradan suunnassa (atmituutti-suunta). Koska SAR on perusluonteeltaan etäisyysmittari, jokaiselle kuvapikselille on rangesuunnassa tiedossa suora etäisyys R satelliitista kyseiseen maastonkohtaan. Yleensä SAR-kuvan otsikkotiedostoista on löydettävissä tarvittavat polynomifunktion kertoimet tai kulunut aika, joilla joko viistoetäisyys R tai vastaava maastoetäisyys R Ground voidaan laskea x:n funktiona. Liikeradan suunnassa kuvapikseli y taas on suoraan aikariippuvainen ja kuvapikselit on prosessoitu ajallisesti tasavälisesti. Aika kuvapikselissä y saadaan kaavalla t(y)=t 0 +y t step, missä t 0 on aika ensimmäisellä range-linjalla ja t step on kulunut aika yhtä range-linjaa kohden. Kulma τ on SARsensorin kiertokulma lentosuunnan suhteen (englanniksi sitä kutsutaan Squint angleksi). SAR-prosessoinnissa kuvat useimmiten fokusoidaan siten, että Dopplervaihe-ero on jokaisella range-linjalla nolla, jolloin τ=90. Kuitenkin nykyisin ovat yleistymässä nk. Spotlight-SAR-systeemit, joissa τ ei ole vakio. 5
6 Koska SAR-sensorimalli on funktio ajasta ja mitatusta etäisyydestä, koko ongelman ydin ulkoisen orientoinnin kannalta on sensorin liikeradan mallintaminen. Huomattavaa on, että edellä esitetty pätee tarkasti vain paikallisessa koordinaattijärjestelmässä ja lentokoneen tapauksessa. Satelliitti SAR-kuvien tapauksessa on myös huomioitava maanpinnan kaarevuuden vaikutus etäisyysmittauksiin ja maapallon pyöriminen kuvauksen aikana. Tarkka sensorimalli SAR-kuville on esitetty kappaleessa.3... Ei-fysikaaliset muunnokset (Affiininen ja projektiivinen) Tässä yhteydessä ei-fysikaalisuudella tarkoitetaan sitä, että muunnoksen parametrisoinnissa ei käytetä etukäteen tunnettuja fysikaalisia suureita, kuten sensorin kuvausgeometriaa (Toutin, 004). Yleensä ei-fysikaalisia malleja käytetäänkin, kun sensori on osiltaan tuntematon tai tarkkaa sensorimallia ei ole käytettävissä. Tyypillisiä ei-fysikaalisia muunnoksia ovat eriasteiset polynomifunktiot ja rationaalipolynomifunktiot. Seuraavaksi esitellään tarkemmin kaksi satelliitti SARkuvien georeferoinnissa yleisimmin käytettyä mallia: affiinen ja projektiivinen muunnos. Affiininen muunnos esitetään seuraavasti: x = a0x + a1y + a y = b0 X + by 1 + b, missä (x, y) on kuvahavainto, (X, Y) on maastotukipisteen tasokoordinaatit ja a 0 -b ovat muunnoksen tuntemattomat kertoimet. Koska mallissa on kuusi tuntematonta, tarvitaan ratkaisuun vähintään kolme maastotukipistettä ja niiden kuvahavainnot. Affiiniseen muunnokseen sisältyy kuva- ja kohdekoordinaatistojen origojen välinen siirto ja kierto sekä koordinaattiakselien mittakaavamuunnos ja välisen kulman muutos. Muunnoksessa suorat säilyvät suorina, yhdensuuntaiset suorat säilyvät yhdensuuntaisina ja etäisyyksien suhteet säilyvät, mutta kuvioiden pinta-alat muuttuvat. Muunnos on riittävä SAR-kuvien orto-oikaisussa, jos kohdealue on tasainen. Toinen yleinen geometrinen malli on projektiivinen muunnos, joka esitetään seuraavilla kaavoilla: a0x + a1y + a x = c0x + c1y + 1 b0 X + by 1 + b y = c X + c Y , missä (x, y) on kuvahavainto, (X, Y) on maastotukipisteen tasokoordinaatit ja a 0 -c 1 ovat muunnoksen tuntemattomat kertoimet. Affiiniseen muunnokseen verrattuna projektiivisen muunnoksen ominaisuudet ovat muuten samoja, mutta yhdensuunaiset suorat eivät välttämättä säily yhdensuuntaisina (kuva- ja kohdekoordinaattitasot eivät ole yhdensuuntaisia). SAR-kuvien tapauksessa projektiivinen muunnos ei teoriassa tuo lisäarvoa muunnoksen tarkkuuteen. Muunnoksessa on kahdeksan tuntematonta, joten kertoimien ratkaisuun tarvitaan vähintään neljä tukipistettä. Affiininen ja projektiivinen muunnos ovat siinä mielessä hyviä, että mallien kertoimien laskenta on yksinkertaista, numeerisesti stabiilia ja nopeaa. Lisäksi etuna 6
7 on, että molempien mallien käänteismuunnokset ovat yksiselitteisiä. Suurin ongelma sekä affiinisen että projektiivisen tapauksessa on, että maaston topografiasta johtuvia kuvavääristymiä ei voida korjata..3. Fysikaalinen tarkka SAR-sensorimalli (Range-Doppler ehto) Tarkka SAR-sensorimalli matemaattisesti mallintaa säteilyn kulun kohteesta sensorille käyttäen fysikaalisia suureita: aikaa, valon nopeutta ja metrisiä mittoja. Kun SAR-kuva on fokusoitu, voidaan sensorimalli esittää seuraavan kuvan avulla. s r & Liikerata s r R p r & Z Y p r X Kuva 5. Fysikaalinen tarkka SAR-sensorimalli (Mukaillen Schreier, 1993). Kuvassa 5 (X, Y, Z) on suorakulmainen kolmiulotteinen kohdekoordinaatisto, missä p r on tukipisteen paikkavektori kohdekoordinaatistossa, p r & on tukipisteen nopeusvektori, s r on satelliitin paikkavektori ja s r & on satelliitin nopeusvektori. Varsinainen sensorimalli voidaan esittää kahden ehdon eli Doppler- ja Rangeyhtälöiden avulla: (Schreier, 1993, sivu 191). λ f DC = r r & & r r p s r r R = p s r r ( p s )( p s ) (Doppler yhtälö) (range yhtälö), ja missä λ on aallonpituus, f DC on Doppler vaihesiirtymä ja R on sensorin mittaama etäisyys kohteeseen. Tunnettuja ovat kaikki muut paitsi satelliitin paikka- ja nopeusvektorit, jotka muuttuvat ajan funktiona. Erityisesti huomattavaa optisten kuvauslaitteisiin verrattuna on, että sensorin kallistuksia ei ole lainkaan sensorimallissa. Suurin virhetekijä SAR-sensorimallissa on etäisyyden R mittausvirhe, joka aiheutuu ilmakehästä, kohteessa tapahtuvasta monitieheijastuksesta tms. (Mikhail, 001). Maastotukipisteiden sekä Doppler- ja range-yhtälöiden avulla voidaan mallintaa sensorin kuvausgeometria eli sensorin liikerata ajan funktiona. Satelliitin tapauksessa liikerata kuvauksen aikana on yleensä stabiili, jolloin voidaan käyttää verrattain yksinkertaista mallia, kuten esimerkiksi kolmannen asteen polynomifunktiota (Schreier, 1993, sivu 191): 7
8 X Z s = a 0 Y = b s s 0 = c 0 + a t + a t + b t + b t c t + c t 1 + a t b t + c t missä a 0 -a 3, b 0 -b 3, c 0 -c 3 ovat polynomifunktion kertoimia, t on aika ja (X s, Y s, Z s ) on satelliitin sijainti ajanhetkellä t. Derivointi ajan suhteen antaa satelliitin nopeus vektorin. Lentokoneen tapauksessa polynomifunktio on käytännössä riittämätön ja tarvitaan lennon ajalta GPS-havaintoja, joilla liikerata voidaan näytteistää ja tarvittaessa tarkentaa maastotukipisteiden avulla. Erikoistapaus on, kun SAR-kuva fokusoidaan siten, että Doppler-vaihe-ero jokaisella range-linjalla on nolla, joten f DC =0. Lentokoneen tapauksessa lisäksi yksinkertaistavana tekijänä on, että maan pyörähdysliikettä ei tarvitse huomioida, joten pisteen nopeusvektori on nolla. Jotta ulkoinen orientointi voidaan määrittää SAR-sensorimallin avulla, tarvitaan menetelmät, joilla kuvakoordinaateista siirrytään maastokoordinaatteihin ja toisin päin. Orto-kuvan laskennassa tarvitaan myös digitaalinen korkeusmalli, jolla tarkka sijainti kuvalla voidaan laskea. Vaiheittain muunnokset tehdään seuraavasti: A. Siirtyminen kohdekoordinaateista kuvakoordinaatteihin: 1. Etsitään kohdekoordinaatiston pisteelle (X P, Y P, Z P ) ajanhetki t Doppler0, jolla Doppler-yhtälö on nolla. Koska yhtälö ei anna suoraa ratkaisua, joudutaan joko kokeilemaan tai käyttämään jotain iteratiivista menetelmää. Yleensä Newtonin-iteraatio antaa nopean ratkaisun.. Lasketaan kuvan y-koordinaatti ajanhetkellä t Doppler0 3. Lasketaan satelliitin sijainti (X S, Y S, Z S ) ajanhetkellä t Doppler0 4. Etsitään kuvan x-koordinaatti, jolloin range-yhtälö on toteutuu. Koska suoraa ratkaisua ei ole, joudutaan joko kokeilemaan tai käyttämään jotain iteratiivista menetelmää. Yleensä Newtonin menetelmä antaa nopean ratkaisun. B. Siirtyminen kuvakoordinaateista kohdekoordinaatteihin: 1. Lasketaan kuvan y-koordinaatin avulla ajanhetki t. Lasketaan kuvan x-koordinaatin avulla etäisyys R 3. t:n avulla lasketaan satelliitin paikka- ja nopeusvektorit 4. Ratkaistaan Doppler- ja range-yhtälöistä X p ja Y p. Huomattavaa on, että yksikäsitteistä ratkaisua ei ole, jollei oleteta jotain oletuskorkeutta Z p.,.4. Yhdistelmämallit Kuten edellä esitettiin, tarkka SAR-sensorimalli on huomattavasti monimutkaisempi kuin esimerkiksi affiininen muunnos. Lisäksi liikerataa esittävän polynomifunktion kertoimien laskeminen on usein epästabiilia, jos ei ole olemassa alkulikiarvoja rataparametreille (Huang et al., 004). Huang et al. (004) esittivät SAR-kuvien orto-oikaisumallin, jossa yhdistettiin ei-fysikaalisen muunnoksen helppouteen lisäehto, jolla digitaalisen korkeusmallin avulla topografiasta aiheutuvat kuvavääristymät voidaan korjata: 8
9 x + dx = a0 + a1 X + ay + a3x + a4 XY + a5y y = b0 + b1 X + by + b3 X + b4 XY + b5y SAR-kuvassa maanpinnan korkeusvaihtelu vaikuttaa kuvalla vain x- koordinaatissa eli range-suunnassa, joten riittää, että ylläolevan polynomifunktion muunnosmallissa lisätään topografiasta aiheutuva korjaustekijä dx. Korjaustekijä lasketaan seuraavasti (Huang et al., 004): dx = ( R ( H h) ) + H R, missä R on satelliitin viistoetäisyys kohteeseen, H on satelliitin lentokorkeus referenssipinnasta ja h on kohdepisteen korkeus referenssipinnasta. Yhdistelmämallien etuna on, että muunnos on kohtuullisen helppo, mutta silti saavutetaan tarkkuus, joka usein vastaa tarkkaa fysikaalista sensorimallia. Huonona puolena sensorimalleihin verrattuna on, että mallin kertoimista ei kuitenkaan voi suoraan päätellä sensorin sijaintia tai asentoa kohdekoordinaatistossa. 3. Koetyöt Jotta eri muunnosten tarkkuuksia voitiin vertailla, tehtiin tietokoneohjelma, jonka avulla voi 3D-maastotukipisteiden ja vastaavien kuvahavaintojen laskea SARkuvien ulkoisen orientoinnin affiinisella- ja projektiivisella muunnoksella sekä tarkalla SAR-sensorimallilla. Ohjelmaa testattiin kolmen yleisimmän satelliitti-sarsensorin tapauksessa. Käytetyt SAR-kuvat ja niiden perustiedot on esitetty taulukossa 1. Taulukko 1. Koetyössä käytetyt SAR-satelliittikuvat. Satelliitti Päivämäärä Pikselikoko (m) Nimellinen erotuskyky (m) Kohtauskulma ( ) lähietäisyydellä Aika range-linja kohden (ms) R (m) lähietäisyydellä Maastotukipisteiden lkm. Radarsat ,5 8,0 36,8 1, ,38 36 ERS ,5 5,0 19,45 1, ,36 33 Envisat ,5 30,0 5,79 1, ,81 34 Maastotukipisteiden digitointi tehtiin manuaalisesti kartta-aineiston ja digitaalisen korkeusmallin avulla. Tarkoituksena oli mitata koodinaattipareja (X, Y, Z) ja (x, y), joiden avulla kuvan ulkoinen orientointi eri matemaattisilla malleilla ratkaistiin. Yleisesti ottaen tukipisteiden havaitseminen SAR-kuvilta on erittäin hidasta ja hankalaa. Parhaimpia kohteita ovat suurien teiden risteykset, pienten järvien keskipisteet, pienet saaret, suurten jokien risteykset, isot rakenteet (esimerkkeja on esitetty kuvassa 6). Tukipisteiden automaattinen mittaus helpottaisi orientointiprosessia huomattavasti. Mahdollista olisi esimerkiksi käyttää olemassa olevaa digitaalista korkeusmallia, koska SAR-sensorin havaitseman takaisinsironnan intensiteetti on joillakin kuvausparametreilla voimakkaasti riippuvainen paikallisesta kohtauskulmasta (Cheng, 006). Myös olemassa olevaa digitaalista kartta-aineistoa on tutkimuksissa hyödynnetty SAR-kuvien orto-oikaisussa (Dare ja Dowman, 001). 9
10 Radarsat-1 Radarsat-1 ERS-1 ERS-1 Envisat Envisat Kuva 6. Esimerkkejä manuaalisesti mitatuista maastotukipisteistä. Maastotukipisteiden mittauksien jälkeen voitiin laskea SAR-kuville ulkoisen orientoinnin parametrit. Eri muunnosmalleilla lasketut orientointiparametrit on esitetty liitteessä 1. Seuraavaksi muunnoksen tarkkuutta arvioitiin laskemalla orientointiparametrien avulla maastotukipisteiden projisoidut kuvakoordinaatit, joita verrattiin alkuperäisiin havaittuihin kuvakoordinaatteihin. Erot lasketuissa ja havaituissa kuvakoordinaateissa on esitetty taulukossa. Taulukko. Erot kuvakoordinaateissa pikseleissä. (Aff=affiininen muunnos, Pro=Projektiivinen muunnos, S1=SAR-sensorimalli ja ensimmäisen asteen liikeratapolynomifunktio, S=SAR-sensorimalli ja toisen asteen liikeratapolynomifunktio, S3=SAR-sensorimalli ja kolmannen asteen liikeratapolynomifunktio) Radarsat-1 ERS-1 Envisat RMSE x RMSE y Keskiarvo x Keskiarvo y Keskihajonta x Keskihajonta y Aff 4,41,16-0,5 0,55 4,44,11 Pro 4,16 1,57-0,47 0,5 4,19 1,50 S1 1,54 1,93 0,001-0,06 1,56 1,96 S 1,49 1,50 0,001-0,03 1,51 1,5 S3 1,51 1,53-0,0 0,0 1,53 1,55 Aff 3,40 1,35-0,47 0,49 3,4 1,7 Pro,95 1,3-0,41 0,49,97 1,14 S1 1,46 1,46 0,53 0,03 1,38 1,13 S 1,09 1,76 0,47 0,005 0,99 1,78 S3 1,13 1,48 0,59-0,03 0,98 1,51 Aff,35,1-0,58 0,50,31,19 Pro,51 1,55-0,38 0,47,5 1,50 S1 1,45,0 0,1 0,09 1,46,3 S 1,41 1,33 0,15 0,06 1,4 1,35 S3 1,40 1,48 0,09-0,03 1,41 1,50 10
11 Voidaan havaita, että suurimmat virheet esiintyvät affiinisen ja projektiivisenmuunnoksien tapauksissa x-koordinaatissa kuten oli odotettavissakin, koska SARkuvalla topografiasta aiheutuvat vääristymät esiintyvät vain x- eli range-suunnassa. Projektiivinen muunnos on hieman parempi kuin affiininen muunnos, mutta selityksenä on, että projektiivinen muunnos pystyy ehkä hieman paremmin sopeutumaan myös tukipistehavaintojen mittausvirheisiin. SAR-sensorimallit (S1, S ja S3) toimivat kaikkien kuvien tapauksissa paremmin kuin ei-fysikaaliset muunnokset. Paras tarkkuus saatiin joko toisen tai kolmannen asteen liikeratapolynomin avulla, mutta erot virheissä olivat hyvin pieniä. Yleisesti ottaen SAR-sensorimallien residuaalit olivat noin 1,5 pikseliä, joka on alle SAR-sensorien nominaalisen alueellisen erotuskyvyn. Seuraavaksi SAR-kuville laskettiin digitaalisen korkeusmallin avulla ortokuvat käyttäen SAR-sensorimallia ja kolmannen asteen liikeratapolynomia. SARortokuvat ja niiden päälle on piirretyt vesistöalueet on esitetty kuvassa 7. Kuva 7. SAR-sensorimallin (kolmannen asteen liikeratapolynomi) ja digitaalisen korkeusmallin avulla lasketut orto-kuvat koetyön SAR-kuville. ( Canadian Space Agency 001, distributed by Radarsat Internationa/TSS/Novosat Ltd, ESA 1995 ja ESA 003). Koska SAR-kuvien orto-oikaisun virhe oli vain noin 1,5 pikseliä, muodostettiin lopuksi vielä kaikkien koetyössä käytettyjen SAR-kuvien yhdistelmäkuva, jota voitaisiin käyttää esimerkiksi tarpeen mukaan vaikkapa kartoituksessa tai muutostulkinnassa. 11
12 Kuva 8. Radarsat-1, ERS-1 ja Envisat SAR-kuvien yhdistelmäkuva. Alue sijaitsee Länsi-Uusimaalla. ( Canadian Space Agency 001, distributed by Radarsat Internationa/TSS/Novosat Ltd, ESA 1995 ja ESA 003). 4. Johtopäätökset Ulkoinen orientointi määrittää kuvaussensorin sijainnin ja asennon kohdekoordinaatiston suhteen. Ulkoista orientointia tarvitaan, kun eri sensoreilla, eri ajankohtina ja/tai eri kuvauskulmilla otettuja kuvia halutaan tarkastella keskenään ja/tai olemassa olevan kartta-aineiston kanssa. Tarkka fysikaalinen SAR-sensorimalli parametrisoidaan range- eli etäisyyshavainnoilla (R) ja kuluneella ajalla (t), joten ulkoisen orientoinnin perusongelma on sensorin liikeradan määrittäminen. Kun on olemassa tunnettuja 3D-maastotukipisteitä, voidaan satelliitin liikerata eli sijainti ja nopeus ajan funktiona mallintaa samantyyppisesti kuten fotogrammetrian taaksepäinleikkauksessa, missä range- ja Doppler-ehdot vastaavat keskusprojektiokuvauksen kollineaarisuusehtoa. Tarkka SAR-sensorimalli pystyy korjaamaan maaston korkeusvaihteluista aiheutuvat kuvavääristymät, jotka ovat erityisen suuria pienillä katselukulmilla. Jos kohdealue on tasainen tai kohtuullinen tasainen ja katselukulma on suuri, voi yksinkertainen affiininen muunnoskin olla riittävän tarkka orto-oikaisussa. Tutkielmassa tehtiin koetyö kolmella eri SAR-sensorilla: kanadalaisella Radarsat-1-satelliitilla ja Euroopan avaruusjärjestön ERS-1- ja Envisat-satelliiteilla. Koetyössä saavutettiin arviolta noin 1,5 pikselin tarkkuuksia kuvakoordinaateissa, kun käytettiin tarkkaa SAR-sensorimallia (parhaimmillaan 1,09 pikseliä). Ottaen 1
13 huomioon, että tukipisteet havaittiin manuaalisesti ja käytettävissä oli enimmäkseen jokseenkin epämääräisiä järvien ja saarien keskipisteitä, voidaan tuloksia pitää erinomaisina. Saavutetun hyvän tarkkuuden takeena oli toimiva sensorimallinnus ja se, että maastotukipisteitä oli verrattain paljon eli jokaiselle testikuvalle yli 30 kappaletta. Kun testikuville laskettiin georeferoidut orto-kuvat, visuaalisesti arvioituna niiden yhteensopivuus oli korkealaatuinen sekä keskenään että karttaaineistoihin verrattuna. Toimiva sensorimallinnus on myös ehdoton perusedellytys, kun tavoitellaan kuvien täysin automaattista ulkoista orientointia olemassa olevien digitaalisten rasteri- ja vektori-muotoisten kartta-aineistojen avulla. 5. Lähdeluettelo Chen, P. H., Dowman, I., 001. A weighted least squares solution for space intersection of spaceborne stereo SAR data, IEEE Transactions on Geoscience and Remote Sensing, 39(): Cheng, P., 006. High-accuracy, low-cost SAR data correction - Geometric correction of ASAR data without ground control points, Photogrammetric Engineering and Remote Sensing, 7 (1): 6-8. Dare, P., Dowman, I., 001. An improved model for automatic feature-based registration of SAR and SPOT images. ISPRS Journal Of Photogrammetry & Remote Sensing, 56(1): Grussenmeyer, P., Al Khalil, O., 00. Solutions for exterior orientation in photogrammetry: a review. Photogrammetric Record, 17(100): Henderson, F. M., Lewis, A. J. (editors), Principles & Applications of Imaging Radar, Manual of Remote Sensing, Third Edition, Volume, American Society for Photogrammetry and Remote Sensing, John Wiley & Sons, Inc., New York, 866 p. Huang, C. M., Guo, J. K., Zhao, Z., Xiao, Z., Qiu, C. P., Pang, L., Wang, Z. Y., 004. DEM Generation from Stereo SAR Images Based on Polynomial Rectification and Height Displacement, Proceedings of the Geoscience and Remote Sensing Symposium IGARSS '04. Volume 6: Mikhail, E. M., Bethel, J. S, McGlone, J. C., 001. Introduction to Modern Photogrammetry. John Wiley & Sons, Inc. ISBN: , 496 s. Schreier, G. (Editor), 1993, SAR Geocoding: data and systems. Wichmann Verlag, Karlsruhe, ISBN , 435 s. Toutin, T., 004. Review article: Geometric processing of remote sensing images: models, algorithms and methods. International Journal of Remote Sensing, 5(10): Zitová, B., Flusser, J., 003. Image registration methods: a survey. Image and Vision Computing, 1(11):
14 Liite 1. Lasketut ulkoisen orientoinnin parametrit (Aff=affiininen muunnos, Pro=Projektiivinen muunnos, S1=SAR-sensorimalli ja ensimmäisen asteen liikeratapolynomifunktio, S=SAR-sensorimalli ja toisen asteen liikeratapolynomifunktio, S3=SAR-sensorimalli ja kolmannen asteen liikeratapolynomifunktio) a 0 a 1 a a 3 b 0 b 1 b b 3 c 0 c 1 c c 3 p& x Aff -0,155 0, , ,035-0, , Pro -0,169 0, , ,038-0, ,40-4,688e-8-0,999e S ,9-1060, , , , ,495 Radarsat-1 S , ,635-0, , ,005-0, ,881-8,570-0,0117 -,459 S , ,049,154 0, , ,888 1,666 0, ,607-4,315-0,333 0,0189-1,011 Aff -0,077 0, , ,03-0, , Pro -0,076 0, , ,0-0, ,865-1,614e-8 0,99e S , , , , , ,986 S , ,093-0, , ,768-0, ,647-14,417 0,0853-3,699 S , ,36-1,5-0, ,7-6395,173-3,613-0, ,94-15,971 0,1-0, ,651 Aff -0,077 0,01 173, ,009-0, , Pro -0,079 0, , ,013-0, ,957 -,041e-8 0,703e S , , , , , ,57 S , ,446-0, , ,913 0, ,138-5,811 0, ,4 S , ,987-4,165 0, , ,311-6,917 0, ,964-1,681 1,448-0, ,340 ERS-1 Envisat 14
Luento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen
Luento 5 Mittakuva 1 Aiheita Mittakuva Muunnokset informaatiokanavassa. Geometrisen tulkinnan vaihtoehdot. Stereokuva, konvergentti kuva. Koordinaatistot. Kuvien orientoinnit. Sisäinen orientointi. Ulkoinen
LisätiedotLuento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen
Luento 5 Mittakuva 1 Aiheita Mittakuva Muunnokset informaatiokanavassa. Geometrisen tulkinnan vaihtoehdot. Stereokuva, konvergentti kuva. Koordinaatistot. Kuvien orientoinnit. Sisäinen orientointi. Ulkoinen
LisätiedotLuento 6 Mittakuva. fotogrammetriaan ja kaukokartoitukseen
Luento 6 Mittakuva 1 Aiheita Mittakuva Muunnokset informaatiokanavassa. Geometrisen tulkinnan vaihtoehdot. Stereokuva, konvergentti kuva. Koordinaatistot. Kuvien orientoinnit. Sisäinen orientointi. Ulkoinen
LisätiedotLuento 7: Fotogrammetrinen mittausprosessi
7Maa-57.300 Fotogrammetrian perusteet Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 11 12 13 (Alkuperäinen luento: Henrik Haggrén, 7.2.2003, Päivityksiä: Katri Koistinen, 5.2.2004 ) Luento 7: Fotogrammetrinen mittausprosessi
LisätiedotLuento 4 Georeferointi Maa Fotogrammetrian perusteet 1
Luento 4 Georeferointi 2007 Maa-57.1030 Fotogrammetrian perusteet 1 Sisältö Georeferointi käsitteenä Orientoinnit Stereokuvaparin mittaus Stereomallin ulkoinen orientointi (= absoluuttinen orientointi)
LisätiedotTeoreettisia perusteita II
Teoreettisia perusteita II Origon siirto projektiokeskukseen:? Origon siirto projektiokeskukseen: [ X X 0 Y Y 0 Z Z 0 ] [ Maa-57.260 Kiertyminen kameran koordinaatistoon:? X X 0 ] Y Y 0 Z Z 0 Kiertyminen
LisätiedotLuento 2 Stereokuvan laskeminen. 2008 Maa-57.1030 Fotogrammetrian perusteet 1
Luento 2 Stereokuvan laskeminen 2008 Maa-57.1030 Fotogrammetrian perusteet 1 Aiheet Stereokuvan laskeminen stereokuvan piirto synteettisen stereokuvaparin tuottaminen laskemalla stereoelokuva kollineaarisuusyhtälöt
LisätiedotLuento 6: 3-D koordinaatit
Maa-57.300 Fotogrammetrian perusteet Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 11 12 13 Luento 6: 3-D koordinaatit AIHEITA (Alkuperäinen luento: Henrik Haggrén, 16.2.2003, Päivityksiä: Katri Koistinen 5.2.2004
LisätiedotLuento 4 Georeferointi
Luento 4 Georeferointi 2008 Maa-57.1030 Fotogrammetrian perusteet 1 Sisältö Georeferointi käsitteenä Orientoinnit Stereokuvaparin mittaus Stereomallin ulkoinen orientointi (= absoluuttinen orientointi)
Lisätiedot2.7 Neliöjuuriyhtälö ja -epäyhtälö
2.7 Neliöjuuriyhtälö ja -epäyhtälö Neliöjuuren määritelmä palautettiin mieleen jo luvun 2.2 alussa. Neliöjuurella on mm. seuraavat ominaisuudet. ab = a b, a 0, b 0 a a b =, a 0, b > 0 b a2 = a a > b, a
LisätiedotLuento 7: Kuvan ulkoinen orientointi
Maa-57.301 Fotogrammetrian yleiskurssi Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 (P. Rönnholm / H. Haggrén, 6.10.2004) Luento 7: Kuvan ulkoinen orientointi AIHEITA Ulkoinen orientointi Suora ratkaisu Epäsuora
LisätiedotMS-A0004 - Matriisilaskenta Laskuharjoitus 3
MS-A0004 - Matriisilaskenta Laskuharjoitus 3 atkaisut Tehtävä Merkitään matriisin rivejä, 2 ja 3. Gaussin eliminoinnilla saadaan 3 5 4 7 3 5 4 7 3 2 4 2+ 0 3 0 6 6 8 4 3+2 2 0 3 0 6 3 5 4 7 0 3 0 6 3+
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Derivaatta Tarkastellaan funktion f keskimääräistä muutosta tietyllä välillä ( 0, ). Funktio f muuttuu tällä välillä määrän. Kun tämä määrä jaetaan välin pituudella,
LisätiedotLuento 5: Stereoskooppinen mittaaminen
Maa-57.300 Fotogrammetrian perusteet Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 11 12 13 Luento 5: Stereoskooppinen mittaaminen AIHEITA Etäisyysmittaus stereokuvaparilla Esimerkki: "TKK" Esimerkki: "Ritarihuone"
Lisätiedotc) Määritä paraabelin yhtälö, kun tiedetään, että sen huippu on y-akselilla korkeudella 6 ja sen nollakohdat ovat x-akselin kohdissa x=-2 ja x=2.
MAA4. Koe 8.5.0 Jussi Tyni Kaikkiin tehtäviin ratkaisujen välivaiheet näkyviin! Ota kokeesta poistuessasi tämä paperi mukaasi! Tee konseptiin pisteytysruudukko! Muista kirjata nimesi ja ryhmäsi. Valitse
LisätiedotLuento 7 3-D mittaus. fotogrammetriaan ja kaukokartoitukseen
Luento 7 3-D mittaus 1 Luennot 2006 JOHDANTO Koko joukko kuvia! Kuvien moniulotteisuus. LUENNOT I. Kuvien ottaminen Mitä kuvia ja miten? Mitä kuvista nähdään? II. III. IV. Kuvien esikäsittely Miten kartoituskuvat
Lisätiedot( ) ( ) ( ) ( ( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 271 Päivitetty 19.2.2006. 701 a) = keskipistemuoto.
Pyramidi Analyyttinen geometria tehtävien ratkaisut sivu 7 Päivitetty 9..6 7 a) + y = 7 + y = 7 keskipistemuoto + y 7 = normaalimuoto Vastaus a) + y = ( 7 ) + y 7= b) + y+ 5 = 6 y y + + = b) c) ( ) + y
LisätiedotFOTOGRAMMETRINEN PISTETIHENNYS
FOTOGRAMMETRINEN PISTETIHENNYS 1. Yleistä 2. Ilmakuvaus SKM Gisair Oy Työssä määritettiin ulkoinen orientointi Sotkamon kunnan keskustan alueen ilmakuvaukselle. Ilmakuvauksen teki SKM Gisair Oy keväällä
Lisätiedot30 + x. 15 + 0,5x = 2,5 + x 0,5x = 12,5 x = 25. 27,5a + 27,5b = 1,00 55 = 55. 2,5a + (30 2,5)b (27,5a + 27,5b) = 45 55.
RATKAISUT, Insinöörimatematiikan koe 1.5.201 1. Kahdessa astiassa on bensiinin ja etanolin seosta. Ensimmäisessä astiassa on 10 litraa seosta, jonka tilavuudesta 5 % on etanolia. Toisessa astiassa on 20
LisätiedotLuento 11: Stereomallin ulkoinen orientointi
Maa-57.300 Fotogrammetrian perusteet Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 11 12 13 (Alkuperäinen luento: Henrik Haggrén, 17.2.2003, Päivityksiä: Katri Koistinen, 23.2.2004 ) Luento 11: Stereomallin ulkoinen
LisätiedotLuento 9 3-D mittaus. fotogrammetriaan ja kaukokartoitukseen
Luento 9 3-D mittaus 1 Luennot 2008 JOHDANTO Koko joukko kuvia! Kuvien moniulotteisuus. LUENNOT I. Kuvien ottaminen Mitä kuvia ja miten? Mitä kuvista nähdään? II. III. IV. Kuvien esikäsittely Miten kartoituskuvat
Lisätiedot16.1.2013. Espoon N60 N2000 muunnoksena käytetään vakiosiirtokorjauksena +247 mm.
ESPOON MUUNNOKSET N60 N2000 ja VVJ ETRS-GK25 1. KORKEUSMUUNNOS Espoon N60 N2000 muunnoksena käytetään vakiosiirtokorjauksena +247 mm. 2. TASOKOORDINAATIT Taulukoissa esitetään Espoon viralliset muunnoskaavat
LisätiedotLuento 8: Kolmiointi AIHEITA. Kolmiointi. Maa-57.301 Fotogrammetrian yleiskurssi. Luento-ohjelma 1 2 3 4 5 6 7 8 9 10
Maa-57.301 Fotogrammetrian yleiskurssi Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 (P. Rönnholm / H. Haggrén, 12.10.2004) Luento 8: Kolmiointi AIHEITA Kolmiointi Nyrkkisääntöjä Kuvablokki Blokin pisteet Komparaattorit
LisätiedotLuento 6: Stereo- ja jonomallin muodostaminen
Maa-57.301 Fotogrammetrian yleiskurssi Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 (P. Rönnholm / H. Haggrén, 5.10.2004) Luento 6: Stereo- ja jonomallin muodostaminen AIHEITA Keskinäinen orientointi Esimerkki
LisätiedotLuento 4: Kiertomatriisi
Maa-57.301 Fotogrammetrian yleiskurssi (P. Rönnholm / H. Haggrén, 28.9.2004) Luento 4: Kiertomatriisi Mitä pitäisi oppia? ymmärtää, että kiertomatriisilla voidaan kiertää koordinaatistoa ymmärtää, että
LisätiedotFotogrammetrian termistöä
Fotogrammetrian termistöä Petri Rönnholm, Henrik Haggrén, 2015 Hei. Sain eilen valmiiksi mukavan mittausprojektin. Kiinnostaako kuulla yksityiskohtia? Totta kai! (Haluan tehdä vaikutuksen tähän kaveriin,
Lisätiedot11.4. Rakenteellista käsittelyä tilavuusrenderöintialgoritmeissa
11.4. Rakenteellista käsittelyä tilavuusrenderöintialgoritmeissa Tilavuusdatan katseluprosessi on käsitteellisesti yksinkertaista. Se pitää sisällään tilavuuden kierron katselusuuntaan ja sitten säteen
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 1 Ti 6.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 1 Ti 6.9.2011 p. 1/28 p. 1/28 Numeriikan termejä Simulointi: Reaalimaailman ilmiöiden jäljitteleminen (yleensä)
LisätiedotEsimerkki 8. Ratkaise lineaarinen yhtälöryhmä. 3x + 5y = 22 3x + 4y = 4 4x 8y = 32. 3 5 22 r 1 + r 3. 0 13 26 4 8 32 r 3 4r 1. LM1, Kesä 2014 47/68
Esimerkki 8 Ratkaise lineaarinen yhtälöryhmä 3x + 5y = 22 3x + 4y = 4 4x 8y = 32. 3 5 22 r 1 + r 3 3 4 4 4 8 32 1 3 10 0 13 26 4 8 32 r 3 4r 1 1 3 10 3 4 4 r 2 3r 1 4 8 32 1 3 10 0 13 26 r 2 /13 0 4 8
LisätiedotMittausten suunnittelu I
Mittausten suunnittelu I Eteenpäinleikkaukseen perustuvan mittauksen tarkkuus riippuu kahdesta asiasta (C.S. Fraser, 1996): 1) kuvaus-/tähtäyssäteen määritystarkkuudesta 2) kuvausgeometriasta Saavutettavaa
LisätiedotTekijä Pitkä matematiikka Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4).
Tekijä Pitkä matematiikka 4 9.12.2016 212 Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4). Vastaus esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4) 213 Merkitään pistettä
LisätiedotEksponenttifunktion Laplace muunnos Lasketaan hetkellä nolla alkavan eksponenttifunktion Laplace muunnos eli sijoitetaan muunnoskaavaan
Laplace muunnos Hieman yksinkertaistaen voisi sanoa, että Laplace muunnos muuttaa derivaatan kertolaskuksi ja integroinnin jakolaskuksi. Tältä kannalta katsottuna Laplace muunnoksen hyödyllisyyden ymmärtää;
LisätiedotLuento Fotogrammetrian perusteet. Henrik Haggrén
Luento 8 6.5.2016 Fotogrammetrian perusteet Henrik Haggrén Sisältö Fotogrammetrinen kuvaaminen Avaruussuorat ja sädekimput Sisäinen ja ulkoinen orientointi Kollineaarisuusehto kohteen ja kuvan välillä
LisätiedotAluksi. 2.1. Kahden muuttujan lineaarinen epäyhtälö
Aluksi Matemaattisena käsitteenä lineaarinen optimointi sisältää juuri sen saman asian kuin mikä sen nimestä tulee mieleen. Lineaarisen optimoinnin avulla haetaan ihannearvoa eli optimia, joka on määritelty
LisätiedotTekijät: Hellevi Kupila, Katja Leinonen, Tuomo Talala, Hanna Tuhkanen, Pekka Vaaraniemi
2. OSA: GEOMETRIA Tekijät: Hellevi Kupila, Katja Leinonen, Tuomo Talala, Hanna Tuhkanen, Pekka Vaaraniemi Alkupala Montako tasokuviota voit muodostaa viidestä neliöstä siten, että jokaisen neliön vähintään
LisätiedotMAA10 HARJOITUSTEHTÄVIÄ
MAA0 Määritä se funktion f: f() = + integraalifunktio, jolle F() = Määritä se funktion f : f() = integraalifunktio, jonka kuvaaja sivuaa suoraa y = d Integroi: a) d b) c) d d) Määritä ( + + 8 + a) d 5
LisätiedotMiehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa
Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa Anna Lopatina, Itä-Suomen yliopisto, Metsätieteiden osasto, Anna.lopatina@uef.fi
LisätiedotMaa Fotogrammetrian, kuvatulkinnan ja kaukokartoituksen seminaari Yhteensovitus ja kohdetiedon irrotus SAR- ja optisen alueen datasta
Maa-57.270 Fotogrammetrian, kuvatulkinnan ja kaukokartoituksen seminaari Yhteensovitus ja kohdetiedon irrotus SAR- ja optisen alueen datasta Kevät 2006 Jonne Davidsson 1 Johdanto... 3 2 Aineistojen yhteensovitus
Lisätiedot5. Numeerisesta derivoinnista
Funktion derivaatta ilmaisee riippumattoman muuttujan muutosnopeuden riippuvan muuttujan suteen. Esimerkiksi paikan derivaatta ajan suteen (paikan ensimmäinen aikaderivaatta) on nopeus, joka ilmaistaan
LisätiedotMaa-57.260. Kameran kalibrointi. TKK/Fotogrammetria/PP
Kameran kalibrointi Kameran kalibroinnilla tarkoitetaan sen kameravakion, pääpisteen paikan sekä optiikan aiheuttamien virheiden määrittämistä. Virheillä tarkoitetaan poikkeamaa ideaalisesta keskusprojektiokuvasta.
LisätiedotSähköstaattisen potentiaalin laskeminen
Sähköstaattisen potentiaalin laskeminen Potentiaalienegia on tuttu mekaniikan kussilta eikä se ole vieas akielämässäkään. Sen sijaan potentiaalin käsite koetaan usein vaikeaksi. On hyvä muistaa, että staattisissa
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 9 Ti 4.10.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 9 Ti 4.10.2011 p. 1/44 p. 1/44 Funktion approksimointi Etsitään p siten, että p f, mutta ei vaadita, että
Lisätiedot4A 4h. KIMMOKERROIN E
TURUN AMMATTIKORKEAKOULU TYÖOHJE 1/5 A h. KIMMOKERROIN E 1. TYÖN TAVOITE 2. TEORIAA Tässä työssä muista töistä poiketen tärkein tavoite on ymmärtää fysikaalisten suureiden keskinäistä riippuvuutta toisistaan
LisätiedotEUREF-FIN/N2000-MUUNNOKSET HELSINGIN KAUPUNGISSA
1 (10) EUREF-FIN/N2000-MUUNNOKSET HELSINGIN KAUPUNGISSA 5.3.2012 2 (10) Sisältö: 1 Johdanto... 3 1.1 Muunnosasetukset paikkatieto-ohjelmistoissa... 3 1.2 Lisätiedot... 3 2 Korkeusjärjestelmän muunnos NN
LisätiedotTekijä Pitkä matematiikka
K1 Tekijä Pitkä matematiikka 5 7..017 a) 1 1 + 1 = 4 + 1 = 3 = 3 4 4 4 4 4 4 b) 1 1 1 = 4 6 3 = 5 = 5 3 4 1 1 1 1 1 K a) Koska 3 = 9 < 10, niin 3 10 < 0. 3 10 = (3 10 ) = 10 3 b) Koska π 3,14, niin π
Lisätiedotc) Määritä paraabelin yhtälö, kun tiedetään, että sen huippu on y-akselilla korkeudella 6 ja sen nollakohdat ovat x-akselin kohdissa x=-2 ja x=2.
MAA4 Koe 5.5.01 Jussi Tyni Kaikkiin tehtäviin ratkaisujen välivaiheet näkyviin! Ota kokeesta poistuessasi tämä paperi mukaasi! Tee konseptiin pisteytysruudukko! Muista kirjata nimesi ja ryhmäsi. Valitse
LisätiedotPieksämäen kaupunki, Euref-koordinaatistoon ja N2000 korkeusjärjestelmään siirtyminen
Pieksämäen kaupunki, Euref-koordinaatistoon ja N2000 korkeusjärjestelmään siirtyminen Mittausten laadun tarkastus ja muunnoskertoimien laskenta Kyösti Laamanen 2.0 4.10.2013 Prosito 1 (9) SISÄLTÖ 1 YLEISTÄ...
LisätiedotTILASTOLLINEN LAADUNVALVONTA
1 Aki Taanila TILASTOLLINEN LAADUNVALVONTA 31.10.2008 2 TILASTOLLINEN LAADUNVALVONTA Tasalaatuisuus on hyvä tavoite, jota ei yleensä voida täydellisesti saavuttaa: asiakaspalvelun laatu vaihtelee, vaikka
LisätiedotRadiotekniikan sovelluksia
Poutanen: GPS-paikanmääritys sivut 72 90 Kai Hahtokari 11.2.2002 Konventionaalinen inertiaalijärjestelmä (CIS) Järjestelmä, jossa z - akseli osoittaa maapallon impulssimomenttivektorin suuntaan standardiepookkina
LisätiedotLuento 3: Kuvahavainnot
Maa-57.301 Fotogrammetrian yleiskurssi (P. Rönnholm / H. Haggrén, 22.9.2004) Luento 3: Kuvahavainnot Mitä pitäsi oppia? Viimeistään nyt pitäisi ymmärtää kuva-, komparaattori- ja kamerakoordinaatistojen
Lisätiedot1.7 Gradientti ja suunnatut derivaatat
1.7 Gradientti ja suunnatut derivaatat Funktion ensimmäiset osittaisderivaatat voidaan yhdistää yhdeksi vektorifunktioksi seuraavasti: Missä tahansa pisteessä (x, y), jossa funktiolla f(x, y) on ensimmäiset
Lisätiedotmonissa laskimissa luvun x käänteisluku saadaan näyttöön painamalla x - näppäintä.
.. Käänteisunktio.. Käänteisunktio Mikäli unktio : A B on bijektio, niin joukkojen A ja B alkioiden välillä vallitsee kääntäen yksikäsitteinen vastaavuus eli A vastaa täsmälleen yksi y B, joten myös se
LisätiedotMAA4 Abittikokeen vastaukset ja perusteluja 1. Määritä kuvassa olevien suorien s ja t yhtälöt. Suoran s yhtälö on = ja suoran t yhtälö on = + 2. Onko väittämä oikein vai väärin? 2.1 Suorat =5 +2 ja =5
Lisätiedot2.2 Täydellinen yhtälö. Ratkaisukaava
. Täydellinen yhtälö. Ratkaisukaava Tulon nollasäännöstä näkee silloin tällöin omituisia sovellutuksia. Jotkut näet ajattelevat, että on olemassa myöskin tulon -sääntö tai tulon "mikä-tahansa"- sääntö.
LisätiedotMetsikön rakenteen ennustaminen 3D-kaukokartoituksella
8.10.2017 1 Metsikön rakenteen ennustaminen 3D-kaukokartoituksella Dosentti (MMT) Mikko Vastaranta Metsätieteiden laitos, Helsingin yliopisto Laserkeilaustutkimuksen huippuyksikkö mikko.vastaranta@helsinki.fi
LisätiedotLuento 5: Kuvakoordinaattien laskeminen ja eteenpäinleikkaus
Maa-57.301 Fotogrammetrian yleiskurssi (P. Rönnholm / H. Haggrén, 27.9.2005) Luento 5: Kuvakoordinaattien laskeminen ja eteenpäinleikkaus Mitä pitäsi oppia? Nyt pitäisi viimeistään ymmärtää, miten kollineaarisuusyhtälöillä
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 10 1 Sarjakehitelmiä Palautetaan mieliin, että potenssisarja on sarja joka on muotoa a n (x x 0 ) n = a 0 + a 1 (x x 0 ) + a 2 (x x 0 ) 2 + a 3 (x x 0 ) 3 +. n=0 Kyseinen
LisätiedotEpäyhtälön molemmille puolille voidaan lisätä sama luku: kaikilla reaaliluvuilla a, b ja c on voimassa a < b a + c < b + c ja a b a + c b + c.
Epäyhtälö Kahden lausekkeen A ja B välisiä järjestysrelaatioita A < B, A B, A > B ja A B nimitetään epäyhtälöiksi. Esimerkiksi 2 < 6, 9 10, 5 > a + + 2 ja ( + 1) 2 2 + 2 ovat epäyhtälöitä. Epäyhtälössä
LisätiedotMalleja ja menetelmiä geometriseen tietokonenäköön
Malleja ja menetelmiä geometriseen tietokonenäköön Juho Kannala 7.5.2010 Johdanto Tietokonenäkö on ala, joka kehittää menetelmiä automaattiseen kuvien sisällön tulkintaan Tietokonenäkö on ajankohtainen
LisätiedotEUREF-FIN/N2000 käyttöönotto Helsingissä
EUREF-FIN/N2000 käyttöönotto Helsingissä http://www.hel.fi/hki/kv/fi/kaupunkimittausosasto/kartat+ja+paikkatiedot/koordinaatisto Muutokset Helsngissä: Korkeusjärjestelmä: Tasokoordinaatisto: Pohjoiskoordinaatti
LisätiedotBM20A0900, Matematiikka KoTiB3
BM20A0900, Matematiikka KoTiB3 Luennot: Matti Alatalo Oppikirja: Kreyszig, E.: Advanced Engineering Mathematics, 8th Edition, John Wiley & Sons, 1999, luvut 1 4. 1 Sisältö Ensimmäisen kertaluvun differentiaaliyhtälöt
LisätiedotLaserkeilauksella kattavaa tietoa kaupunkimetsistä
Laserkeilauksella kattavaa tietoa kaupunkimetsistä Topi Tanhuanpää HY, Metsätieteiden osasto / UEF, Historia- ja maantieteiden osasto Kaupunkimetsät: Mitä ne ovat? Kaupungissa ja sen laitamilla kasvavien
LisätiedotVirhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.
Virhearviointi Fysiikassa on tärkeää tietää tulosten tarkkuus. Virhelajit A. Tilastolliset virheet= satunnaisvirheet, joita voi arvioida tilastollisin menetelmin B. Systemaattiset virheet = virheet, joita
Lisätiedot3 TOISEN ASTEEN POLYNOMIFUNKTIO
3 TOISEN ASTEEN POLYNOMIFUNKTIO POHDITTAVAA 1. Kuvasta voidaan arvioida, että frisbeegolfkiekko käy noin 9 metrin korkeudella ja se lentää noin 40 metrin päähän. Vastaus: Frisbeegolfkiekko käy n. 9 m:n
LisätiedotOsoita, että kaikki paraabelit ovat yhdenmuotoisia etsimällä skaalauskuvaus, joka vie paraabelin y = ax 2 paraabelille y = bx 2. VASTAUS: , b = 2 2
8. Geometriset kuvaukset 8.1. Euklidiset kuvaukset 344. Esitä muodossa x = Ax + b se avaruuden E 3 peilauskuvaus, jonka symmetriatasona on x 1 3x + x 3 = 6. A = 1 3 6 6 3, b = 1 1 18. 3 6 6 345. Tason
LisätiedotLuento 5. Stereomittauksen tarkkuus Maa Fotogrammetrian perusteet 1
Luento 5 Stereomittauksen tarkkuus 2008 Maa-57.1030 Fotogrammetrian perusteet 1 Sisältö Stereokuvauksen * tarkkuuteen vaikuttavat asiat tarkkuuden arviointi, kuvauksen suunnittelu ja simulointi stereomallin
LisätiedotJUHTA - Julkisen hallinnon tietohallinnon neuvottelukunta
JHS 197 EUREF-FIN -koordinaattijärjestelmät, niihin liittyvät muunnokset ja karttalehtijako Liite 6: EUREF-FIN:n ja KKJ:n välinen kolmiulotteinen yhdenmuotoisuusmuunnos ja sen tarkkuus Versio: 1.0 / 3.2.2016
LisätiedotLisää segmenttipuusta
Luku 24 Lisää segmenttipuusta Segmenttipuu on monipuolinen tietorakenne, joka mahdollistaa monenlaisten kyselyiden toteuttamisen tehokkaasti. Tähän mennessä olemme käyttäneet kuitenkin segmenttipuuta melko
LisätiedotMaa-57.1030 Fotogrammetrian perusteet
Maa-57.1030 Fotogrammetrian perusteet Luento 8 Kartoitussovellukset Petri Rönnholm/Henrik Haggrén Mitä fotogrammetrisella kartoituksella tuotetaan? 3D koordinaatteja kohteesta Maaston korkeusmalli Topograafiset
LisätiedotSIS. Vinkkejä Ampèren lain käyttöön laskettaessa magneettikenttiä:
Magneettikentät 2 SISÄLTÖ: Ampèren laki Menetelmän valinta Vektoripotentiaali Ampèren laki Ampèren lain avulla voidaan laskea maneettikenttiä tietyissä symmetrisissä tapauksissa, kuten Gaussin lailla laskettiin
LisätiedotMaa-57.260 Fotogrammetrian erikoissovellutukset (Close-Range Photogrammetry)
Maa-57.260 Fotogrammetrian erikoissovellutukset (Close-Range Photogrammetry) -luennot: --ti 12-14 M5, to 12-14 M5 --Henrik Haggrén (HH), Petteri Pöntinen (PP) 1. Johdanto ja teoreettisia perusteita I,
LisätiedotMatematiikka ja teknologia, kevät 2011
Matematiikka ja teknologia, kevät 2011 Peter Hästö 13. tammikuuta 2011 Matemaattisten tieteiden laitos Tarkoitus Kurssin tarkoituksena on tutustuttaa ja käydä läpi eräisiin teknologisiin sovelluksiin liittyvää
LisätiedotKoontitehtäviä luvuista 1 9
11 Koontitehtäviä luvuista 1 9 1. a) 3 + ( 8) + = 3 8 + = 3 b) x x 10 = 0 a =, b = 1, c = 10 ( 1) ( 1) 4 ( 10) 1 81 1 9 x 4 4 1 9 1 9 x,5 tai x 4 4 c) (5a) (a + 1) = 5a a 1 = 4a 1. a) Pythagoraan lause:
LisätiedotLiikkeet. Haarto & Karhunen. www.turkuamk.fi
Liikkeet Haarto & Karhunen Suureita Aika: tunnus t, yksikkö: sekunti = s Paikka: tunnus x, y, r, ; yksikkö: metri = m Paikka on ektorisuure Suoraiiaisessa liikkeessä kappaleen paikka (asema) oidaan ilmoittaa
LisätiedotDifferentiaali- ja integraalilaskenta
Differentiaali- ja integraalilaskenta Opiskelijan nimi: DIFFERENTIAALILASKENTA 1. Raja-arvon käsite, derivaatta raja-arvona 1.1 Raja-arvo pisteessä 1.2 Derivaatan määritelmä 1.3 Derivaatta raja-arvona
LisätiedotMatematiikan tukikurssi 3.4.
Matematiikan tukikurssi 3.4. Neliömuodot, Hessen matriisi, deiniittisyys, konveksisuus siinä tämän dokumentin aiheet. Neliömuodot ovat unktioita, jotka ovat muotoa T ( x) = x Ax, missä x = (x 1,, x n )
LisätiedotKenguru 2006 sivu 1 Benjamin 6. ja 7. luokka ratkaisut
Kenguru 2006 sivu 1 3:n pisteen tehtävät 1. 3 2006 = 2005 + 2007 +?. Valitse sopiva luku?-merkin paikalle. A) 2005 B) 2006 C) 2007 D) 2008 E) 2009 2. Viereisiin kortteihin on kirjoitettu kuusi lukua. Mikä
LisätiedotGeodeettisen laitoksen koordinaattimuunnospalvelu
Geodeettisen laitoksen koordinaattimuunnospalvelu Janne Kovanen Geodeettinen laitos 10.3.2010 Koordinaattimuunnospalvelusta lyhyesti Ilmainen palvelu on ollut tarjolla syksystä 2008 lähtien. Web-sovellus
LisätiedotTTY Mittausten koekenttä. Käyttö. Sijainti
TTY Mittausten koekenttä Käyttö Tampereen teknillisen yliopiston mittausten koekenttä sijaitsee Tampereen teknillisen yliopiston välittömässä läheisyydessä. Koekenttä koostuu kuudesta pilaripisteestä (
LisätiedotKJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme
KJR-C1001 Statiikka ja dynamiikka Luento 15.3.2016 Susanna Hurme Päivän aihe: Translaatioliikkeen kinematiikka: asema, nopeus ja kiihtyvyys (Kirjan luvut 12.1-12.5, 16.1 ja 16.2) Osaamistavoitteet Ymmärtää
LisätiedotII- luento. Etiikan määritelmiä. Eettisen ajattelu ja käytänteet. 1 Etiikka on oikean ja väärän tutkimusta
II- luento Eettisen ajattelu ja käytänteet Etiikan määritelmiä 1 Etiikka on oikean ja väärän tutkimusta 2. Etiikka ei ole samaa kuin moraali, se on moraalin tutkimusta 3. Etiikka ei ole tutkimusta siitä,
LisätiedotBM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016
BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016 1. Hahmottele karkeasti funktion f : R R 2 piirtämällä sen arvoja muutamilla eri muuttujan arvoilla kaksiulotteiseen koordinaatistoon
LisätiedotLaadunvalvonta ja käytönaikaiset hyväksyttävyysvaatimukset TT laitteille
Laadunvalvonta ja käytönaikaiset hyväksyttävyysvaatimukset TT laitteille SÄTEILYTURVALLISUUS JA LAATU ISOTOOPPILÄÄKETIETEESSÄ 10.12.2015, Säätytalo, Helsinki Tarkastaja Elina Hallinen, STUK TT laitteen
LisätiedotEi välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:
Inversio-ongelmista Craig, Brown: Inverse problems in astronomy, Adam Hilger 1986. Havaitaan oppositiossa olevaa asteroidia. Pyörimisestä huolimatta sen kirkkaus ei muutu. Projisoitu pinta-ala pysyy ilmeisesti
LisätiedotLuento 6 Mittausten suunnittelu II. erikoissovellukset
Luento 6 Mittausten suunnittelu II 1 Aiheita Mittausongelman määrittely Tarkkuusluvut Suhteellinen tarkkuusluku Suhteellinen tarkkuus Tarkkuuden arvioiminen Kuvahavainnon keskivirhe Verkon rakennevakio
Lisätiedotr > y x z x = z y + y x z y + y x = r y x + y x = r
HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Osoita, että avoin kuula on avoin joukko ja suljettu kuula on suljettu joukko. Ratkaisu.
LisätiedotFysiikan perusteet. Liikkeet. Antti Haarto 22.05.2012. www.turkuamk.fi
Fysiikan perusteet Liikkeet Antti Haarto.5.1 Suureita Aika: tunnus t, yksikkö: sekunti s Paikka: tunnus x, y, r, ; yksikkö: metri m Paikka on ektorisuure Suoraiiaisessa liikkeessä kappaleen paikka (asema)
LisätiedotMODERNIEN TUTKASATELLIITTIKUVIEN KÄYTÖSTÄ KARTOITUSSOVELLUKSISSA. Mika Karjalainen, Kirsi Karila
The Photogrammetric Journal of Finland, Vol. 22, No. 3, 2011 MODERNIEN TUTKASATELLIITTIKUVIEN KÄYTÖSTÄ KARTOITUSSOVELLUKSISSA Mika Karjalainen, Kirsi Karila Geodeettinen laitos, Kaukokartoituksen ja fotogrammetrian
Lisätiedot1) Maan muodon selvittäminen. 2) Leveys- ja pituuspiirit. 3) Mittaaminen
1) Maan muodon selvittäminen Nykyään on helppo sanoa, että maa on pallon muotoinen olet todennäköisesti itsekin nähnyt kuvia maasta avaruudesta kuvattuna. Mutta onko maapallomme täydellinen pallo? Tutki
Lisätiedoty x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1
1. Tarkastellaan funktiota missä σ C ja y (y 1,..., y n ) R n. u : R n R C, u(x, t) e i(y x σt), (a) Miksi funktiota u(x, t) voidaan kutsua tasoaalloksi, jonka aaltorintama on kohtisuorassa vektorin y
LisätiedotEllipsit, hyperbelit ja paraabelit vinossa
Ellipsit, hyperbelit ja paraabelit vinossa Matti Lehtinen 1 Ellipsi, hyperbeli ja paraabeli suorassa Opimme lukion analyyttisen geometrian kurssilla ainakin, jos kävimme lukiota vielä muutama vuosi sitten
LisätiedotAnalyysi I (sivuaineopiskelijoille)
Analyysi I (sivuaineopiskelijoille) Mika Hirvensalo mikhirve@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2017 Mika Hirvensalo mikhirve@utu.fi Luentoruudut 19 1 of 18 Kahden muuttujan funktioista
LisätiedotTässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa.
Laskuharjoitus 1A Mallit Tässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa. 1. tehtävä %% 1. % (i) % Vektorit luodaan
LisätiedotNopeus, kiihtyvyys ja liikemäärä Vektorit
Nopeus, kiihtyvyys ja liikemäärä Vektorit Luento 2 https://geom.mathstat.helsinki.fi/moodle/course/view.php?id=360 Luennon tavoitteet: Vektorit tutuiksi Koordinaatiston valinta Vauhdin ja nopeuden ero
LisätiedotSolmu 3/2001 Solmu 3/2001. Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä:
Frégier n lause Simo K. Kivelä Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä: Suorakulmaisen kolmion kaikki kärjet sijaitsevat paraabelilla y = x 2 ; suoran kulman
Lisätiedoty=-3x+2 y=2x-3 y=3x+2 x = = 6
MAA Koe, Arto Hekkanen ja Jussi Tyni 5.5.015 Loppukoe LASKE ILMAN LASKINTA. 1. Yhdistä kuvaaja ja sen yhtälö a) 3 b) 1 c) 5 d) Suoran yhtälö 1) y=3x ) 3x+y =0 3) x y 3=0 ) y= 3x 3 5) y= 3x 6) 3x y+=0 y=-3x+
LisätiedotTampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus
Tampereen yliopisto Tietokonegrafiikka 201 Tietojenkäsittelytiede Harjoitus 6 1..201 1. Tarkastellaan Gouraudin sävytysmallia. Olkoon annettuna kolmio ABC, missä A = (0,0,0), B = (2,0,0) ja C = (1,2,0)
LisätiedotPRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9.2.2011
PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA 9..0 Kokeessa saa vastata enintään kymmeneen tehtävään.. Sievennä a) 9 x x 6x + 9, b) 5 9 009 a a, c) log 7 + lne 7. Muovailuvahasta tehty säännöllinen tetraedri muovataan
Lisätiedot