第一作者简介: 韩 杰(1987-),男,在读博士,主要从事高分辨率卫星传感器几何标定方面的研究。E-mail:rainbow871027@163.com。
针对资源三号(ZY-3)卫星三线阵传感器特点,利用卫星影像附带的有理函数模型参数(RPC)进行目标定位,检测RPC系统误差,分析4种像面补偿模型的优劣性; 详细推导了基于有理函数模型(rational function model,RFM)的ZY-3卫星影像区域网平差模型。以莱州地区ZY-3卫星三线阵影像为例,通过与直接空间前方交会的定位结果相比较,认为该文提出的区域网平差方法在消除ZY-3影像RPC系统误差的同时,大幅度提高了影像的定位精度。
Through integrating three-line arrays sensor characteristics of ZY-3 satellite, using ancillary RPC files to conduct orientation, detecting the system error of RPC, and analyzing the strengths and weaknesses of four adjustable models defined in the domain of image coordinate, the authors deduced in detail the model of block adjustment for ZY-3 satellite images based on RFM. The ZY-3 stereo pair in Laizhou was selected to test the proposed method. A comparison with the direct spatial forward intersection shows that the proposed method can not only eliminate the RPC system error of ZY-3 images but also greatly improve the image positioning accuracy.
近年来, 随着高分辨率遥感卫星的出现, 利用卫星影像进行地面目标的精确定位和大比例尺地形图的测绘已成为可能。目前, 常用的传感器定位模型可分为严格成像模型和通用成像模型两类。其中有理函数模型(rational function model, RFM)作为通用成像模型的一种, 凭借优良的内插特性及独立于传感器和平台的特点, 已经被众多高分辨率卫星所采纳, 例如IKONOS, QuickBird, WorldView-1等[1, 2, 3, 4]。然而, 许多研究者发现商家所提供的有理函数模型参数(RPC)具有一定的系统误差, 影响了影像定位精度, 需要建立误差检校模型进行补偿。例如, Grodecki等针对高分辨率卫星影像(IKONOS)窄视场角的特点, 利用4种像方补偿模型和3种物方补偿模型消除RPC系统误差, 同时分析了两类模型的适用性[5]; 张永生等在研究了补偿RPC系统误差的物方方案和像方方案后, 又提出了修正原始RPC的方法[6]; Zhen X等提出了一种直接对RPC进行重建的方法, 通过纠正传感器位置和姿态信息获取更为精确的RPC, 进而消除RPC系统误差的影响[7]; Tong X H等提出了原始RPC修正和重建的算法模型, 同时分析了不同控制点分布对这两种模型的影响[8]。
资源三号(ZY-3)卫星所搭载的三线阵传感器获取的高分辨率卫星影像(正视2.1 m, 前后视3.6 m), 可为我国大比例尺基础地理产品的生产和更新提供数据支持[9, 10]。与国外卫星一样, 出于对传感器参数的保密, 用户也仅能获取影像的RPC信息。该信息是否同样存在系统误差、如何利用RPC辅助文件获取高精度的定位信息, 是本文研究的重点内容。
针对ZY-3卫星三线阵传感器的特点, 本文首先利用前、正、后三视影像各自附带的RPC辅助文件进行定位分析, 证明了RPC系统误差的存在; 然后比较不同像面补偿方法对消除该卫星影像RPC系统误差的优劣性; 最后推导了基于RFM的ZY-3卫星影像区域网平差模型, 并利用莱州地区的影像进行试验, 最终获取了较好的定位精度。
有理函数模型(RFM)是利用比值多项式建立像点坐标(r, c)和地理坐标(纬度φ , 经度λ , 高程h)的关系, 它有正解和反解2种形式。研究表明, 基于正解有理函数模型的三维重建算法较反解形式的定位精度高[11], 因此大多数高分辨率卫星影像附带文件都提供正解形式的RPC信息, 其中正解形式为
式中多项式pi(i=1, 2, 3, 4)及标准化后的地理坐标(P, L, H)形式为
pi=a1+a2L+a3P+a4H+a5LP+a6LH+a7PH+a8L2+a9P2+a10H2+a11PLH+a12L3+(2)
P=(φ -φ 0)/φ s; L=(λ -λ 0)/λ s; H=(h-h0)/hs。 (3)
式(1)— (3)中: rs, cs与φ s, λ s, hs分别为像面坐标和地理坐标的缩放系数; r0, c0与φ 0, λ 0, h0分别为像面坐标和地理坐标的平移系数; a1, a2, …, a20均为多项式pi的系数(上述所有系数均可从影像附带的RPC文件中获得, 下同)。
与其他通用传感器模型相比, RFM具有很多优势, 但大量研究表明, 卫星影像附带的RPC具有一定的系统误差。为了纠正RPC的系统误差, 提高影像定位精度, 根据相关文献[5, 6, 8]提出的RPC系统误差补偿方法, 本文采用基于正解RFM的像面误差补偿模型进行试验。该方法将RFM描述的像点坐标(r, c)与地理坐标(φ , λ , h)之间的关系修正为
式中(Δ r, Δ c)为像面坐标的系统误差补偿值, 主要有以下4种模型:
1)平移模型A。Δ r=e0, Δ c=f0;
2)线性模型(行模式B)。Δ r=e0+rer, Δ c=f0+rfr;
3)线性模型(列模式C)。Δ r=e0+cec, Δ c=f0+cfc;
4)仿射变换D。Δ r=e0+rer+cec, Δ c=f0+rfr+cfc。
模型中的e0, f0分别为像面坐标行、列的平移系数; er, fr, ec, fc分别为像面坐标行、列的缩放系数, 这6个系数均为待求值。
针对ZY-3影像具体采用何种误差补偿模型, 需要根据后文的试验结果进一步确定。
基于RFM的ZY-3影像区域网平差是通过建立某种数学模型, 将RPC系统误差补偿模型中的参数与加密点的地面坐标一并求解, 同时获取两者的改正数, 最终得到高精度的定位信息。平差方程为
式中: Vr和Vc分别为影像行、列向误差改正数; t为RPC系统误差补偿模型中参数的改正数列向量; X为加密点坐标的改正数列向量; A和B分别为t和X的误差矩阵; L1, L2分别为行和列误差方程的常数项。
对于立体影像对中任意一对同名点即可列出上述两组方程。利用最小二乘法进行迭代计算, 其中补偿模型参数的初始值可以设为0, 将RPC获取的影像中心点坐标值作为加密点坐标的初始值。每次迭代结果都要对各个参数的原始值进行修订, 当改正数的范围小于所设阈值时, 停止迭代。在本试验中, 设加密点的纬度或经度改正数的绝对值小于(10-8)° 或高程改正数的绝对值小于0.05 m为迭代阈值。
为了检验本文模型的正确性和可行性, 笔者利用IDL7.1编程实现了上述RPC系统误差检测、误差补偿及区域网平差程序; 并以2012年2月19日莱州地区(N37° 8'50.56"~37° 41'35.57", E119° 53'58.86"~120° 20'6.76"; 高程5~250 m)ZY-3卫星三线阵影像(未做系统几何纠正)为例进行上述试验。在整个试验区中测定了43个GPS点, 精度为分米级, 像点坐标为手工量测, 精度为1个像元左右。由于该影像西北部区域为渤海, 因此控制点主要选择其他区域的道路交叉口处。GPS实测的检查点(CKPs)和控制点(GCPs)分布如图1所示。
为了检验ZY-3卫星影像附带的RPC是否存在系统误差, 本文利用RPC将所有地面GPS点投影到像平面坐标后, 统计像点坐标与其对应的CKPs和GCPs量测坐标之间的差异。表1为误差统计结果; 图2为像面误差分布图。
从表1可以看出, 三视影像平面误差的平均值最大约为6个像元, 但是其标准差在0.7左右, 这表明定位误差在某个范围内有小的波动; 从图2可以直观地看出, ZY-3卫星三线阵前正后视影像都出现了明显的系统误差, 因此如何消除RPC系统误差是本文的重点研究内容。
利用上述4种像面误差补偿模型(模型A, B, C和D), 以影像4个角的GPS点作为GCPs, 其他GPS点为CKPs, 统计GCPs和CKPs的误差, 分析补偿模型对ZY-3卫星影像的适用性。三视影像经过补偿后的GCPs和CKPs像面误差分布如图3— 图5所示。
4种补偿模型的平差结果如表2所示。
从图3— 图5和表2可以看出: ①4种系统误差补偿模型都能较好地消除系统误差; ②模式D补偿效果最好, 其中检查点的平面精度最大提高幅度为 87.6%; ③模式B较模式C的补偿精度稍高, 这主要是因为线阵推扫式卫星影像在行方向(CCD线阵)的变形比列方向(推扫方向)的变形小[12]。因此, 当控制点较少时, 采用模型B即可得到较高的精度。该试验结果与文献[5]所得结果一致。
根据上述试验可以发现, 利用模型D可以较好地补偿RPC系统误差。因此, 本文采用模型D进行系统误差补偿。式(5)中变量具体化后可得
其中, A=
B=
t=[Δ e0 Δ er Δ ec Δ f0 Δ fr Δ fc];
X=[Δ φ Δ λ Δ h];
为了检验本文提出的区域网平差方法的有效性, 笔者设计了2组试验方案: ①利用ZY-3立体影像对直接定位; ②利用区域网平差方法进行平差处理。
所谓立体影像对直接定位就是在无控制点条件下直接利用ZY-3卫星影像自带的RPC信息进行前方交会, 统计检查点的精度。由于该卫星采用三线阵传感器获取数据, 因此本文采用4种试验方案(前正后三视影像、前后视影像、前正视影像、正后视影像)。检查点误差分布如图6所示, 其精度统计结果见表3。
从图6和表3可以看出: ①利用4种方案进行空间前方交会的平面精度约13 m± , 高程精度约8 m± 。这表明ZY-3卫星影像自带的RPC精度较高, 影像立体交会的结果可以用来进行粗定位或者作为几何精纠正的初始值; ②方案1的整体精度较高, 方案2的高程精度与方案1相当, 而方案3和方案4的高程精度较低, 这主要是因为高程精度与立体像对的交会角有关, 而方案1中的正视影像增加了对平面的约束条件, 提高了平面精度[13]; ③4种方案都出现明显的系统误差。
根据式(6)对立体影像对进行区域网平差试验, 所得定位误差分布及误差统计结果如图7及表4所示。
从图7和表4可以看出, 利用本文提出的基于RMF的ZY-3卫星影像区域网平差方法可以很好地消除由RPC所带来的系统误差, 提高了目标定位精度, 其中平面精度和高程精度最大提升幅度分别为80.77%和63.38%。
1)利用本文提出的基于RFM的ZY-3卫星影像区域网平差方法进行影像定位, 在消除RPC系统误差的同时, 大大地提高了卫星影像的定位精度, 这对于利用国产高分辨率卫星数据在缺少控制点地区进行卫星测绘具有重要意义。
2)由于本文试验的控制点是采用野外GPS实测获取的, 其对应像点坐标只能采用人工判读的方法得到, 这可能会给结果带来一定的误差。今后可考虑采用影像自动匹配的方法, 从高空间分辨率的航空影像中获取控制点信息, 从而降低人为的干扰, 进一步提高定位精度。
3)由于试验数据有限, 本文方法只在地形较为平坦的地区进行了试验, 是否适用于地形起伏较大的丘陵或山地区域, 还需要进一步验证。
志谢: 感谢国家测绘局卫星测绘应用中心为本文研究提供了ZY-3影像数据。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|