Luento 6: Stereo- ja jonomallin muodostaminen

Samankaltaiset tiedostot
Luento 5: Kuvakoordinaattien laskeminen ja eteenpäinleikkaus

Luento 4 Georeferointi

Fotogrammetrian termistöä

Luento 6: 3-D koordinaatit

Luento 11: Stereomallin ulkoinen orientointi

Luento 4 Georeferointi Maa Fotogrammetrian perusteet 1

Luento 7: Fotogrammetrinen mittausprosessi

Luento 8: Kolmiointi AIHEITA. Kolmiointi. Maa Fotogrammetrian yleiskurssi. Luento-ohjelma

Luento 7: Kuvan ulkoinen orientointi

Luento 4: Kiertomatriisi

Luento 3: Kuvahavainnot

Luento 7 3-D mittaus. fotogrammetriaan ja kaukokartoitukseen

Teoreettisia perusteita II

Luento 2 Stereokuvan laskeminen Maa Fotogrammetrian perusteet 1

Luento 9 3-D mittaus. fotogrammetriaan ja kaukokartoitukseen

Luento 5: Stereoskooppinen mittaaminen

Luento 5. Stereomittauksen tarkkuus Maa Fotogrammetrian perusteet 1

Luento 2: Kuvakoordinaattien mittaus

A B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1

Luento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen

Luento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen

Vektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa

Luento 6 Mittakuva. fotogrammetriaan ja kaukokartoitukseen

(Petri Rönnholm / Henrik Haggrén, ) Luento 1: Opintojakson järjestäytyminen. Motivointia. Kertausta. Kuvamittauksen vaihtoehdot.

Luento 10 3-D maailma. fotogrammetriaan ja kaukokartoitukseen

9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa

Ilmakolmioinnin laadunvalvonta fotogrammetristen pintamallien ja laserkeilausaineiston avulla

Determinantti. Määritelmä

Maa Fotogrammetrian perusteet

Numeeriset menetelmät

Luento 7 Stereokartoituskojeet Maa Fotogrammetrian perusteet 1

Kannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:

Luento 9: Analyyttinen stereomittaus. Kuvien oikaisu. Ortokuvaus

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

1 Rajoittamaton optimointi

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 5: Taylor-polynomi ja sarja

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

Matematiikan tukikurssi

KRISTALLOGRAFIASSA TARVITTAVAA MATEMA- TIIKKAA

MS-C1340 Lineaarialgebra ja

Luento 3: 3D katselu. Sisältö

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

2.8. Kannanvaihto R n :ssä

Luento 1 Fotogrammetria prosessina Maa Fotogrammetrian perusteet 1

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

Matemaattinen Analyysi

Similaarisuus. Määritelmä. Huom.

Aiheet. Kvadraattinen yhtälöryhmä. Kvadraattinen homogeeninen YR. Vapaa tai sidottu matriisi. Vapauden tutkiminen. Yhteenvetoa.

Luento 7 Stereokartoituskojeet Maa Fotogrammetrian perusteet 1

Lineaarialgebran laskumoniste Osa1 : vektorit

Kompleksiluvut., 15. kesäkuuta /57

PRELIMINÄÄRIKOE PITKÄ MATEMATIIKKA

Matriisilaskenta, LH4, 2004, ratkaisut 1. Hae seuraavien R 4 :n aliavaruuksien dimensiot, jotka sisältävät vain

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e)

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ

Vektorialgebra 1/5 Sisältö ESITIEDOT: vektori

Ominaisarvo ja ominaisvektori

Luento 9. Stereokartoituskojeet

Viikon aiheet. Funktion lineaarinen approksimointi

Determinantti 1 / 30

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

Harjoitus 7. KJR-C2001 Kiinteän aineen mekaniikan perusteet, IV/2016

Mapu 1. Laskuharjoitus 3, Tehtävä 1

Luento 10: Optinen 3-D mittaus ja laserkeilaus

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti

Matematiikka vuosiluokat 7 9

Lineaarinen optimointitehtävä

Matematiikan perusteet taloustieteilijöille II Harjoituksia kevät ja B = Olkoon A = a) A + B b) AB c) BA d) A 2 e) A T f) A T B g) 3A

Luento Fotogrammetrian perusteet. Henrik Haggrén

Yhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

MS-A0104 Differentiaali- ja integraalilaskenta 1 (ELEC2) MS-A0106 Differentiaali- ja integraalilaskenta 1 (ENG2)

Muutoksen arviointi differentiaalin avulla

KESKEISET SISÄLLÖT Keskeiset sisällöt voivat vaihdella eri vuositasoilla opetusjärjestelyjen mukaan.

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

ja B = 2 1 a) A + B, b) AB, c) BA, d) A 2, e) A T, f) A T B, g) 3A (e) A =

jakokulmassa x 4 x 8 x 3x

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

7 Vapaus. 7.1 Vapauden määritelmä

Sovellettu todennäköisyyslaskenta B

Matematiikan tukikurssi

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai

Vapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.

Lineaarikuvauksen R n R m matriisi

Algoritmit C++ Kauko Kolehmainen

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Differentiaaliyhtälöt II, kevät 2017 Harjoitus 5

A-osio. Tehdään ilman laskinta ja taulukkokirjaa! Valitse tehtävistä A1-A3 kaksi ja vastaa niihin. Maksimissaan tunti aikaa suorittaa A-osiota.

= 3 = 1. Induktioaskel. Induktio-oletus: Tehtävän summakaava pätee jollakin luonnollisella luvulla n 1. Induktioväite: n+1

Ratkaisuehdotukset LH 7 / vko 47

Ohjelmoinnin perusteet Y Python

Lineaarialgebra ja differentiaaliyhtälöt Laskuharjoitus 1 / vko 44

Matematiikan tukikurssi

Maa Kameran kalibrointi. TKK/Fotogrammetria/PP

Sähkövirran määrittelylausekkeesta

Inversio-ongelmien laskennallinen peruskurssi Luento 4

Ratkaisu: a) Aritmeettisen jonon mielivaltainen jäsen a j saadaan kaavalla. n = a 1 n + (n 1)n d = = =

Avaruuden kolme sellaista pistettä, jotka eivät sijaitse samalla suoralla, määräävät

Avaruuden R n aliavaruus

Transkriptio:

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 Mallikoordinaattien laskeminen Jonon muodostaminen Absoluuttinen orientointi Keskinäinen orientointi Keskinäinen orientointi on oleellinen osa stereomittauksia. Tyypillisesti kuvien keskinäinen sijainti ja asento 3D tilassa ei ole tunnettu riittävän tarkasti. Keskinäisen orientoinnin jälkeen voidaan konvergentit kuvat oikaista stereokuvauksen normaalitapaukseen, jonka jälkeen kuvia voidaan tarkastella (ja mitata) stereona. On kuitenkin huomattava, että keskinäinen orientointi antaa yhteisen kohdekoordinaatiston, mutta tämä koordinaatisto on käytännössä täysin vapaasti valittavissa (usein kuitenkin ensimmäisen kuvan koordinaatisto). Vapaasti valittu koordinaatisto ei yleensä vastaa haluttua maastokoordinaatistoa. Keskinäinen orientointi varmistaa mitattavan 3D mallin sisäisen oikeellisuuden. Myöhemmin voidaan huolehtia mallin skaalaamisesta, siirtämisestä ja kiertämisestä lopulliseen kohdekoordinaatistoon. Kuvaparin keskinäinen orientointi eteenpäinleikkauksen avulla.

Koplanariteettiehto. Havaintovektorit ja kantavektori virittävät tason (vertaa ylempi kuva). Matemaattisesti tilanne voidaan esittää skalaarikolmitulolla. Skalaarikolmitulo kertoo kolmen vektorin muodostaman suuntaissärmiön tilavuuden. Jos vektorit ovat samassa tasossa, tilavuutta ei ole ja skalaarikolmitulo = 0. Kantavektorin bxkomponentille voidaan antaa mikä tahansa alkuarvo (määrää mallin mittakaavan). Tässä tapauksessa on valittu bxkomponentille arvo yksi sen yksinkertaisuuden takia. Seuraavissa yhtälöissä on tehty merkintä: -c = z Kuvan 2 havaintojen kiertäminen kuvan 1 koordinaatistoon. Jos vektorit ovat samalla tasolla, determinantin tulee siis olla nolla. Taylorin sarjakehitelmän mukainen differentiaaliyhtälö.

Virheyhtälökertoimet determinanttimuodossa. Ositteisderivaatat on paremmin hallittavissa, jos tulokset kirjoittaa determinanttimuodossa. Toki mikään ei estä kertomasta determinanttia auki ja tekemästä osittaisderivointeja vasta sitten, mutta lausekkeet tulevat varsin pitkiksi. Virheyhtälöt. Ratkaisu lasketaan pienimmän neliösumman menetelmällä. Koska tällä kertaa ei ole mitään "absoluuttisia" referenssimittauksia, pitäisi käyttää yleistä pienimmän neliösumman menetelmää. Kun yhtälöt puretaan osiin, sen voidaan huomata supistuvan, kun siirrytäänkin tarkastelemaan vain pystyparallakseja. Sopivasti sieventämällä yhtälö muuttuukin virheyhtälötasoituksen muotoon. Sieveneminen perustuu oletukseen, että kuvat ovat lähes pystykuvia. Jos kuvat eivät ole pystykuvia, täytyy tulokset laskea yleisellä PNS-tasoituksella. Seuraavassa esimerkissä on käytetty suoraan virheyhtälötasoitusta. Esimerkki Ratkaistaan keskinäisen orientoinnin tuntemattomat PNS-menetelmällä. Schutin keskinäisen orientoinnin menetelmä on iteratiivinen: iteraatiokierroksen tulos otetaan 0-asennoksi seuraavaan linearisointiin.

1. iteraatio. Rakennematriisi A ja "vakio-osa" D_o_i, joka saadaan lasekemalla koplanariteettiehdon arvo sen hetkisillä likiarvoilla (erikoistapaus) ja kertoo oikeasti havaintoparien aiheuttaman pystyparallaksin määrän (pitäisi jakaa vielä kameravakiolla ja bx:llä): Tulos on muutoksia lähtölikiarvoihin (alkuarvot ovat yleensä nollia): Lasketaan saatujen tulosten mukaiset uudet kuvahavainnot kierretylle kuvalle: Käytetään saatuja uusia kuvakoordinaatteja seuraavalla iteraatiokierroksella. 2. kierroksen tulokset yhdistetään 1. kierroksen tuloksiin (alin rivi):

3. iteraatiokierroksen vaikutukset ovat jo hyvin pienet ja iteraatio voidaan lopettaa: Mallikoordinaattien laskeminen Jonomallin muodostaminen Mallikoordinaattien laskeminen. Keskinäinen orientointi tehdään kuvaliitosmenetelmällä analyyttisesti. Kun jonoa kasvatetaan, kuvaliitosorientoinnilla ratkaistaan koordinaatistomuunnos (3 kiertoa, 3 siirtoa) uudelta kuvalta jonon edelliselle kuvalle. Mittakaava voidaan yliviedä liitospisteen mallikoordinaattien korkeuslukemilla periaatteella, että kahden peräkkäisen mallin z-havaintojen täytyy olla samassa pisteessä samat. Jos ei ole, uuden mallin mittakaavaa muutetaan kantaa pidentämällä tai lyhentämällä. Jonomallin koordinaatisto on 1. stereomallin koordinaatisto eli 1. kuvan koordinaatisto, kunnes jonolla on mitattu riittävästi lähtöpisteitä sen muuntamiseksi kohdekoordinaatistoon. Jonomallin muodostaminen tulee kyseeseen ilmakolmiointia alustavana työvaiheena, jolla tuotetaan likiarvot kolmioinnin orientointi- ja pistetuntemattomille.

Uuden kuvan orientointi jonolle. Uuden mallin muuntaminen edellisen mallin koordinaatistoon.

Mallin 32 siirtäminen ja kiertäminen mallin 21 koordinaatistoon. Mallin 32 mittakaavan muuttaminen mallin mallin 21 mukaan. Absoluuttinen orientointi Uuden mallin muuntaminen edellisen mallin koordinaatistoon. Absoluuttinen orientointi tarkoittaa stereokuvilta, kuvajonolta tai kuvablokista mitatun 3D-mallin orientoimista haluttuun kohdekoordinaatistoon. Esimerkiksi heti keskinäisen orientoinnin jälkeen voidaan mitata 3D malli kohteesta, mutta emme saa mitatulle 3D-mallin elementeille oikeita kohdekoordinaatteja ennen absoluuttista orientointia. Jonon muodostaminen yhteenliitetyistä malleista ja sen orientointi maastokoordinaatistoon.

Maa-57.301 Fotogrammetrian yleiskurssi 1 2 3 4 5 6 7 8 9 10 Jonojen liittäminen toisiinsa.