Maa-57.220 Fotogrammetrinen kartoitus
(Alkuperäinen luento: Henrik
Haggrén, 11.10.2002
Muutoksia: Eija Honkavaara
17.9.2005)
Luento 5: Kolmioinnin laskenta
Blokkitasoitus painotetulla PNS-menetelmällä
Virheyhtälöt sädekimpputasoituksessa
Itsekalibrointi blokkitasoituksessa
GPS-havainnot ilmakolmioinnin tukena
·
Ilmakolmiointi
on kuvajoukon ulkoisten orientointien ratkaisemista stereokartoituksen ja
ortokuvauksen tarpeisiin. Kolmioinnin lopputuotteita ovat lisäksi
tihennyspisteiden maastokoordinaatit. Kolmioinnilla on erityinen merkitys
geometrialtaan yhtenäisen ja tasalaatuisen kartta-aineiston tuottamisessa.
Kolmioinnissa kartoitusalueen kuvat käsitellään yhtenä blokkina. Blokissa kuvat
sidotaan yht'aikaa sisäisesti toisiinsa ja ulkoisesti maaston koordinaatistoon.
Kolmioiduista kuvista tulkitut stereomallit ja ortokuvat liittyvät toisiinsa
saumattomasti.
o
../../../300/luennot/12/12.html#Ilmakolmiointi
·
Kolmiointihavaintoja
ovat
o
Liitospisteiden
kuvakoordinaatit
o
Maastotukipisteet:
kuva- ja maastokoordinaatit
o
Suorat
ulkoisten orientointien havainnot (navigointihavainnot)
§
GPS:
projektiokeskukset
§
GPS/IMU:
Projektiokeskukset ja kallistukset
·
Kolmioinnissa
orientoinnit lasketaan epäsuorasti kolmiointihavainnoista. Orientoinnit
pystytään määrittämään myös suoraan kuvauskoneen keräämistä navigointitiedoista
(direct sensor orientation). Kameran projektiokeskusten koordinaatit
ovat laskettavissa GPS havainnoista ja kallistuskulmat inertiahavainnoista.
Muita välittömiä keinoja ulkoisen orientoinnin osittaiseen havaitsemiseen ovat
statoskooppi ja altimetri.
o
Statoskooppi
on ilmanpaineen vaihteluja rekisteröivä laite, jolla voidaan määrittää
muutokset lentokorkeudessa.
o
Altimetri on
tutka- tai laserlaitteella lentokorkeutta rekisteröivä laite.
·
Orientoinnit
lasketaan kolmiointihavainnoista tasoittamalla, eli painotetulla pienimmän
neliösumman sovituksella. Laskenta perustuu keskusprojektiokuvauksen
koplanaarisuus- ja kollineaarisuusehtoihin. Kuvahavainnoista korjataan kaikki
tunnetut systemaattiset virheet ennen tasoitusta eli havainnot redukoidaan
samasuoraisiksi ja samatasoisiksi kamerakoordinaateiksi (Luento 4).
Rakenteeltaan vahvassa blokissa redukointia voidaan parantaa
keskusprojektiomallin lisäparametreilla, jotka selittävät havaintohin
mahdollisesti jääneitä systemaattisia kuva- tai kamerakohtaisia virheitä.
o
Tasoitettaessa
lähtöpisteitä voidaan painottaa sitä enemmän, mitä paremmin uusien pisteiden
koordinaattien edellytetään sovittuvan maastossa käytettyyn kartoitusrunkoon.
·
Kohteissa,
joissa lähtöpisteistö on harva tai sitä ei ole lainkaan ja ulkoisten
orientointien havaintoja ei ole, blokki deformoituu. Deformoitumista voidaan
estää vahvistamalla blokin rakennetta. Rakenteeseen vaikuttavat kuvien ja
kuvausjonojen peittosuhteet sekä lähtöpisteiden sijoittuminen blokin alueella.
·
Nykyisin
ilmakolmioinnissa hyödynnetään myös navigointihavainnot. Varsinkin laajoissa
blokeissa ulkoisten orientointihavaintojen tuki on merkittävä, koska niitä
käyttäen lähtöpisteiden määrää voidaan oleellisesti vähentää.
o
Mikäli
navigointitiedot ovat tarkkoja, blokin deformoituminen voidaan estää täysin ja
lähtöpisteitä tarvitaan ainoastaan paikallisen maastokoordinaatiston
osoittamiseen.
·
Blokki
voidaan sitoa maastokoordinaatistoon myös ns. luonnollisin lähtöpistein.
Luonnollisina pisteinä tulevat kysymykseen kuvilta havaitut yksityiskohdat,
jotka mitataan maastossa jälkikäteen. Luonnollisten pisteiden
identifiointitarkkuus on useimmiten huono, mikä on otettava huomioon blokin
rakennetta suunniteltaessa. Hyviä esimerkkejä luonnollisista lähtöpisteistä
ovat kaivon kannet ja rakennusten nurkat, korkeakuvauksissa myös teiden
risteykset, pensaat ja puut.
o
Luonnollisten
korkeustukipisteiden käyttöä voi suositella blokeissa, joissa lähtöpisteistö on
harva, koska korkeustukihavainnoilla voidaan blokin deformoitumista estää
tehokkaimmin. Jos korkeustukipisteet valitaan maastossa kohteista, jotka ovat
tasaisia, havainnot ovat tarkkoja Z-koordinaatin osalta ja identifioinnin
epätarkkuus vaikuttaa ainoastaan X- ja Y-koordinaatteihin. Hyviä kohteita
korkeutukipisteille ovat maaston lakipisteet, teiden risteysalueet, tasaiset
niityt, jne.
·
Kolmioinnin
tarkkuutta voidaan arvioida joko simuloimalla tai koekenttätestein.
o
Simuloimalla
kolmioinnin tarkkuutta on 1960-luvulla selvitetty mm. Saksassa (Ackermann:
mallikolmiointi) ja Suomessa (Kilpelä: sädekimppukolmiointi).
o
Kansainvälinen
fotogrammetrian ja kaukokartoituksen seura ISPRS suoritti 1976-1980
perusteellisen sarjan koetöitä kolmioinnin käytännön tarkkuuksien
selvittämiseksi.
o
Vuonna 1993
Euroopan kokeellisen fotogrammetrian yhteistyöjärjestö OEEPE aloitti koetyöt
digitaalisen kuvien käytöstä ilmakolmioinnissa.
o
OEEPE tutki
automaattisen liitospisteenmittauksen tarkkuutta vuosina 1996-1997.
o
Vuosina
2000-2001 OEEPE:llä oli käynnissä suorapaikannusta ja integroitua
sensoriorientointia koskeva tutkimus.
·
Kolmioinnin
laskenta tehdään joko stereomallein tai sädekimpuin. Mallikolmioinnissa
havaintoyksikköinä käytetään stereomalleja. Kuvahavainnoista lasketaan ensin
mallikoordinaatit ja tasoituksen virheyhtälöt muodostetaan vasta
mallikoordinaattien ja pistetuntemattomien välille. Sädekimppukolmioinnissa tasoituksen
havaintoyksikköinä käytetään kuvia ja virheyhtälöt muodostetaan suoraan
kuvahavaintojen ja pistetuntemattomien välille.
o
Tarkimmin
kuvautumisen fysikaalista mallia vastaa sädekimpputasoitus. Siinä
lisäparametrien käyttö on luontevaa, koska virheyhtälöt kohdistuvat
alkuperäisiin kuvahavaintoihin. Sädekimppukolmioinnissa yksittäisen
kuvahavainnon virhe vaikuttaa kaikkiin kolmioinnilla ratkaistaviin
tuntemattomiin, myös ympärillä olevien kuvien orientointeihin.
o
Mallikolmioinnin
käyttö oli pitkään käytännön kartoitusprojekteissa yleisempää kuin
sädekimppukolmioinnin. Esimerkiksi yleisesti maailmalla käytetyistä Stuttgartin
PAT-ohjelmista on myyty mallikolmiointiversiota 150-170 kpl ja
sädekimppuversiota 20-25 kpl (tieto vuodelta 1993). Yhtenä syynä mallikolmiointimenetelmän
suosioon on ollut sen laskennallinen yksinkertaisuus ja helppokäyttöisyys.
Esimerkiksi havaintovirheet paljastuvat nopeasti, koska niiden vaikutus
rajoittuu lähinnä mallin liitospisteiden pistetuntemattomiin.
·
Orientointimenetelmien
kehitys:
o
1970-1990
sädekimppu- ja mallikolmiointi, itsekalibrointi, tilastolliset testit,
karkeiden virheiden etsiminen
o
1980-1990:
analyyttiset stereomittauskojeet, on-line-kolmiointi
o
1990-2000:
skannatut analogiakuvat, GPS-tuettu ilmakolmiointi, automaattinen
liitospisteiden mittaus
o
2000->
digitaaliset fotogrammetriset kamerat, integroitu sensoriorientointi ja suora
georeferointi
Tällä kurssilla käsitellään kolmiointia keskusprojektiokuvilla. Pushbroom-geometrian käsittely on monilta osin samanlaista, eroavuudet löytyvät lähinnä dynaamisen kuvausgeometrian mallinnuksesta.
·
Terminologiaa
·
GPS/IMU
(Global Positioning System/Inertial Measurement Unit): GPS- ja
inertiaalimittauksen yhdistäminen sensorin sijainnin ja kallistusten
määrittämiseksi
· Ilmakolmiointi (Aerial triangulation)
· Suora sensoriorientointi (Direct sensor orientation)
o Kuvan orientointien määrittäminen
GPS/IMU-datan ja kalibroinnin avulla
· Integroitu sensoriorientointi (Integrated sensor orientation)
o Kuvan orientointien ja kohdekoordinaattien
ratkaisu GPS/IMU-havaintojen, kuvakoordinaattien ja optionaalisten
maastotukipisteiden (GCP) yhteistasoituksella.
o Myös epäsuora sensoriorientointi
· Suora georeferointi (Direct georeferencing)
o Kohdekoordinaattien ratkaisu kuvilta
käyttäen GPS/IMU-dataa ja kalibrointiparametrejä
o Myös: orto-oikaisu GPS/IMU-datan,
kalibrointiparametrien ja DTM:n avulla
Jonokolmiointi.
Mallikolmiointi.
Sädekimppukolmiointi.
Kuvahavainnot: liitospisteet, maastotukipisteet
Maastotukihavainnot
Error equations for block adjustment.
Painotus
Kaksiulotteisen anblock-mallikolmioinnin
virheyhtälöt lisättynä mallien nivelloinnilla.
Kaksiulotteisen anblock-kolmioinnin
virheyhtälöiden kerroinmatriisi.
Virheyhtälökertoimet
eli kuvahavaintojen differentiaaliyhtälöt ratkaistavien orientointi- ja
pistetuntemattomien suhteen.
Affiiinisuus:
Radiaalisen piirtovirheen korjaus
Tangentiaalisen piirtovirheen korjaus
Missä
Ebnerin matemaattiset parametrit’s
parameters (Ebner 1976)
missä b
=(1-p)*kuvakoko=0.4*0.23m= kuvakanta
Tasoituksessa
valitaan tilastollisesti merkittävät lisäparametrit.
Aerial photography
workflow. (Leica,
2001).
Aerial photography
workflow. (Leica,
1999).
Ilmakuvakamera RC30 ja hyrrästabiloitu kamerajalusta PAV30. The gyro-stabilized mount compensates for pitch, roll and drift of the aircraft, for example due to turbulence. Photography is sharper and the resultant block closer to the required flight plan. The PAV30 can be connected to aircraft navigation systems. (Leica, 1999).
Leica Aerial Camera System. GPS antenna in aircraft (1), RC30 aerial camera with PAV30 mount (2), ASCOT system with GPS (3), GPS reference station (4), and software for data processing (5). (Leica, 1999).
Leican ilmakuvauksen suunnitelu-, navigointi- ja paikannusjärjestelmä ASCOT (Aerial Survey Control Tool). The flight plan is transferred to on-board control computer, linked to airborne GPS. The LCD displays for pilot and camera operator give information to fly the aircraft during approaches, turns and along the planned flightlines. ASCOT takes control of both the gyro-stabilized mount and the camera. Outputs include flight reporting and GPS data for post-processing or use in triangulation systems.
Ehtoyhtälöt
projektiokeskuksen GPS-havainnoille. Näillä kompensoidaan GPS-havainnoissa
esiintyvät systemaattiset virheet (offset ja ajan suhteen lineaariset
ajautumat). Parametrit voivat olla jono, osablokki tai blokkikohtaisia. Tässä
oletetaan, että kamera liikkuu kiinteästi koneen rungon suhteen, jolloin R muuttuu
koneen asennon mukaan. Mikäli kuvaus on tehty käyttäen kameran kallistuksen
vakaajaa, koneen ja kameran kiertomatriisit poikkeavat toisistaan ja tämä ero
täytyy huomioida omana muuttujana.
XGPS, YGPS,ZGPS |
GPS-antennin
sijainti kuvaushetkellä (vaihekeskipiste) |
X0, Y0, Z0 |
kameran
projektiokeskuksen sijainti |
dx, dy, dz |
antennin ja
kameran välinen siirtovektori kamerakoordinaatistossa |
R |
kiertomatriisia
kamerasta kohteeseen |
aX, aY, aZ |
GPS-havaintojen
vakiovirhe (shift, siirtymä jonolla k,) |
bX, bY, bZ |
GPS-havaintojen
ajan mukana lineaarisesti muuttuva virhe (drift, liukuma) hetkellä t
(kuvaushetki) verrattuna referenssihetkeen to (kuvaushetki jonon ensimmäiselle kuvalle) |
FM-Internationalin kuvaama GPS-blokki Nepalissa. Poikittaiset jonot ovat GPS-havainnointiin liittyviä tukijonoja. Blokissa on kaikkiaan 3225 kuvaa. Ilmakolmioinnin blokkitasoitus tehtiin kahdessa osassa. Tasoituksen jälkeiset lähtöpisteiden jäännösvirheet olivat toisessa puoliblokissa X- ja Y-koordinaateille 0.9 - 1.0 m ja Z-koordinaateille 1.3 m. Projektiokeskusten jäännösvirheiden RMS-arvot olivat X 0.026 m, Y 0.034 m ja Z 0.240 m. Kolmiointiblokki tasoitettiin maanmittauslaitoksen ohjelmalla 'MMH850-GPS'. (Kimmo Nurminen, 1995)
Kolmiointi ilman
ulkoisia orientointihavaintoja, testejä 1970:
Blokin geometria ja lähtöpisteet.
Theoretical accuracy models for bundle blocks; c = 15 cm, errorless GCPs.
Ackermann’s accuracy models for GPS-supported
AT; c=15 cm, p=60%, q=20%.
Blokin
lähtöpisteet, kun kuvaus on tehty 20 - 40 % sivupeitolla. XYZ-lähtöpisteet
sijoitetaan blokin reunoille 4 - 6 kuvakannan välein. Blokki tuetaan
korkeustukipisteillä, joita tarvitaan jonojen suunnassa 4 kannan välein,
poikkisuunnassa joka saumassa.
Blokin
lähtöpisteet, kun kuvaus on tehty 60 % sivupeitolla. XYZ-lähtöpisteet
sijoitetaan blokin reunoille kuten edellisessä, mutta korkeustukipisteitä
tarvitaan vähemmän, eli yli koko blokin 4 kannan välein.
Blokin
lähtöpisteet, kun kuvaus on tehty 20 - 40 % sivupeitolla ja ylimääräisillä,
poikittaiset korkeustukipistejonot korvavilla poikittaisilla kuvausjonoilla.
Blokin
lähtöpisteet, kun kuvaus on tehty 20 - 40 % sivupeitolla ja blokkitasoitus
tuettu GPS-havainnoilla. Mukana myös poikittaiset kuvajonot
Tässä blokissa
lähtöpisteet on sijoitettu reunoille kuuden kuvakannan välein. Virhe-ellipsit
kuvaavat ilmakolmioinnin avulla määritettyjen uusien pisteiden
tasokoordinaattien virheitä. Kuvien väliset peitot ovat sekä jono- että
sivusuunnassa 60%. Kuvien väliset liitospisteet näkyvät tällöin aina yhdeksällä
kuvalla paitsi blokin reunoilla ja nurkissa, jossa sama piste näkyy
vähimmillään vain kahdella kuvalla. Blokin sisällä blokin geometria on
kauttaaltaan hyvä ja pisteet määrittyvät lähes yhtä tarkasti riippumatta siitä,
miten etäällä ollaan blokin reunasta. Blokin reunoilla epätarkkuus lisääntyy
nopeasti (edge effect). Ilmiö korostuu, kun mitataan uusia pisteitä
lähtöpisteiden rajoittaman alueen ulkopuolella. Mikäli tässä blokissa
lähtöpisteet korvattaisiin GPS-havainnoilla, virhe-ellipseissä muutokset
olisivat vähäiset.
Saman blokin virhevektorit korkeuskoordinaateissa. Epätarkkuus lisääntyy tasaisesti sitä mukaa, kun etäännytään lähtöpisteistä. Blokki deformoituu.
Korkeuskoordinaattien tarkkuus paranee, kun blokin
sisällä mitataan lisää korkeustukipisteitä.
Kun lähtöpisteet korvataan GPS-havainnoilla,
blokin deformaatio on vähäistä. Kameran projektiokeskukset toimivat
korkeustukipisteinä.
Tämä blokki on
kuvattu yhtenä jonona ja lähtöpisteet on sijoitettu vain jonon toiseen päähän.
Uusien pisteiden tasokoordinaattien virheet kasvavat nopeasti. Kun blokkia
tuetaan GPS-havainnoilla, tarkkuus paranee. Virhe-ellipsit suuntautuvat jonon
poikki.
Korkeuskoordinaatin epätarkkuus kasvaa jonollakin tasokoordinaatteja nopeammin. Kun blokkia tuetaan GPS-havainnoilla, deformaatiota ei esiinny.
+Good
long-term accuracy
–Low
frequency (1-2 Hz)
–Cycle
slips, multipath
–Poor
rotation accuracy (multi antenna systems)
+High
short-term accuracy
+Accurate
rotation information
+High
frequency
–Poor
long-term accuracy, systematic errors
+Positions
and rotations
+Good
long-term and short-term accuracy
+High
frequency
Systeemin komponentit
System of direct georeferencing. (Heipke, 2001)
ric(t) |
vector of image coordinates of Pi in camera frame, measured |
Rcb |
rotation matrix from camera to body frame, calibrated |
si |
scale factor, e. g. from stereo or laser scanning |
rb |
vector of offset between projection centre of imaging sensor and centre of mass of IMU, in body frame, calibrated |
Rbm(t) |
rotation matrix from body to map frame, from GPS/IMU measurements |
rIMU/GPSm(t) |
vector of IMU centre of mass in map frame, from GPS/IMU measurements |
rim |
vector of the coordinates of the point to be determined in the map frame, unknown |
Positioning equation. (Heipke, 2001)
Accuracies of gyro. (Heipke, 2001)
Inertial Measurement Unit (IMU), model Litton LN-200. (Heipke, 2001)
Accuracies of IMU systems. (Heipke, 2001)
Unknowns |
|
Observations |
|
Knowns |
|
Mathematical model of strapdown inertial navigation. (Heipke, 2001)
Additional |
|
Mathematical model for GPS/IMU integration. (Heipke, 2001)
Laskenta tehdään
kahdessa vaiheessa. Kuvauksen aikana suoritetaan reaaliaikaista laskentaa
navigointia varten ja kuvauslennon jälkeen suoritetaan jälkilaskenta, jonka
lopputuloksena saadaan tarkka orientointitieto. Liikeradat saadaan yleensä
50-400 Hz taajuudella. Optimaalinen tapa GPS ja IMU havaintojen yhdistämiseksi
on Kalman-estimointi. Laskentamenetelmiä kehitetään vielä.
Kalman-estimointia varten muodostetaan differentiaaliyhtälöt. Yhtälöissä tuntemattomia ovat ainakin navigointivirheet (9 kpl: sijainti, nopeus, kallistukset), gyrojen ryömintä (gyro drift, 3 kpl) ja kiihtyvyysmittareiden systemaattinen virhe (accelerometer bias, 3 kpl). Mallia voidaan laajentaa edelleen (mm. laajempi malli IMU-virheille, ilmakehän vaikutus GPS:ään ja painovoimakenttä). Tyypillisesti virhetiloja on 22-35.
Kalman-estimoinnin
vaihtoehtoisia toteuttamismuotoja ovat hajautettu (decentralized,
loosely-coupled) ja keskistetty Kalman-suodin (centralized, tightly-coupled)
sekä suljettu (closed loop) tai avoin (open loop) laskenta. Keskistetyssä
Kalman-suotimessa alkuperäiset GPS- ja inertiahavainnot käsitellään
samanaikaisesti yhdessä suotimessa, kun taas hajautetussa tapauksessa molemmat
prosessoidaan erikseen ja lopuksi yhdistetään nopeus- ja sijaintitasolla.
Esimerkkejä integrointitavoista ovat täydellinen integraatio, GPS:n auttama IMU
ja IMU:n auttama GPS.
Esimerkkinä
tarkastellaan laskennan toteuttamista Applanix POS-järjestelmässä (kuva 2,
Mostafa et al. 2001a). Toteutusstrategia on suljettu GPS:n avustama
inertiaalinavigointi. Laskenta suoritetaan sekä ajassa eteenpäin (forward
time) että taaksepäin (backward time). Laskennan osat ovat
GPS/IMU-integrointi Applanix:n PosAV 510
järjestelmässä (Mostafa 2001).
Integroitu sensoriorientointi on varteenotettava menetelmä
orientointien määrittämiseen. Menetelmä perustuu blokkitasoitukseen, jossa
liitospisteiden lisäksi havaintoina ovat GPS/IMU-orientoinnit sekä
mahdollisesti myös maastotukipisteet. Tuntemattomia ovat kuvien ulkoiset
orientoinnit ja maastopisteet sekä tarvittaessa myös kuvien sisäiset
orientoinnit ja laajennetun kuvautumismallin parametrit. Lisäksi voidaan
mallintaa mahdollisia GPS/IMU-orientointien systemaattisia virheitä esim.
lineaarisilla malleilla. Suunnitteilla on myös laskentamenetelmiä, jossa GPS,
IMU ja liitospistehavainnot käsitellään integroidusti yhdessä prosessissa.
Integroitu
sensoriorientointi on merkittävästi suoraa georeferointia tarkempaa ja
luotettavampaa. Blokkitasoituksen myötä y-parallaksit minimoituvat, mikä
helpottaa stereotulkintaa. Blokin rakenteen puitteissa voidaan myös laajentaa
kuvautumismallia, ja näin saavuttaa optimaalinen tarkkuus.
On huomattava, että integroitu sensoriorientointi voidaan suorittaa erittäin tehokkaasti. Liitospisteet voidaan digitaalisten kuvien tapauksessa mitata automaattisesti, ja niiden määrässä ja geometriassa voidaan tinkiä, kun GPS/IMU-orientoinnit ovat jo olemassa. Maastotukipisteiden avulla saavutetaan paras luotettavuus, jo yhdelläkin maastotukipisteellä on suuri merkitys.
missä T on muunnos fotogrammetrisista
orientoinneista roll, pitch, yaw-järjestelmään.
Maanmittauslaitoksen kesän 2002 kalibrointiblokit:
GPS/IMU kulmahavaintojen ja blokkitasoituksessa määritettyjen kulmien erot
(mgon) (Honkavaara et al. 2003).
Attitude differences: 2128 (mgon) (Honkavaara et al. 2003).
Position differences: 2122 (m). (RMSE, no corrections: <10 cm, RMSE, corrections: < 5 cm ) (Honkavaara et al. 2003).
Modern AT, incl. GPS and automatic tie point generation |
Direct geo-referencing |
+ consistent solution for orientation and subsequent tasks (point determination, DTM generation, orthoprojection ...) |
+ solution adapted to multi-sensor geometry |
+ ray intersection is a stable geometric condition |
+ determination of velocity (for SAR, InSAR, FMC in digital cameras) |
+ high accuracy through self calibration (needs tie points) |
+ no restrictions concerning block geometry |
+ compensation of inaccurate elements of interior orientation through high correlation between interior and exterior orientation |
+ high degree of automation |
+ long GPS baselines can be used (if sufficient GCP are available) |
+ real-time potential |
+ reliable solution through GCP |
+ processing of single image pairs feasible |
|
+ no necessity for GCP |
Modern AT, incl. GPS and automatic tie point generation |
Direct geo-referencing |
- problems in areas with weaker geometry (block border, coastal areas, non-accessible areas, cameras with small viewing angle, line cameras, ...) |
- less accurate due to missing possibility of self calibration |
- problems with partial cloud cover |
- currently limited to GPS performance |
- image texture needed |
- due to missing redundancy of GPS / IMU reliability of results may be a problem |
- human operator must check and/or edit automatically derived tie points |
- complex system calibration, needs to be carried out rather often |
- relatively slow process |
- long GPS baselines may deteriorate results |
- GCP needed |
|
Christian Heipke, 2001. Direct georeferencing and integrated sensor orientation - will they beat aerial triangulation? Research seminar: Seminar, Helsinki University of Technology, 12.-15.11.2001
Honkavaara, E., Ilves R., Jaakkola, J., 2003. Practical Results of GPS/IMU/camera System Calibration. In. Proceedings of Workshop: Theory, Technology and Realities of Inertial/GPS Sensor Orientation. Castelldefels, September 22-23, 2003.
Mostafa, M., Hutton, J., B. Reid, 2001a. GPS/IMU products – the Applanix approach. In: Fritsch/Spiller (eds.): Photogrammetric Week 2001, Wichmann Verlag, Heidelberg, Germany, p. 63-83. http://www.ifp.uni-stuttgart.de/publications/phowo01/Reid.pdf
Salmenperä,
Hannu, 1989.: Fotogrammetrisen pistetihennyksen menetelmät ja sovellutukset.
Tampere 1989.
Maa-57.220 Fotogrammetrinen kartoitus