مدل سازی باقیمانده های عکسی حاصل از مثلث بندی هوایی شبکه تصاویر فتوگرامتری پهپاد و ارزیابی آن

کالیبراسیون دوربین رکن مهم هر پروژه فتوگرامتری است. تاکنون مدل های اعوجاج متعددی برای کالیبراسیون دوربین متریک به کارگرفته شده است مانند مدل براون که حداکثر 12 پارامتر شامل فاصله اصلی، مختصات نقطه اصلی، اعوجاج فیزیکی عکسی شامل اعوجاجات شعاعی، اعوجاجات مماسی و... را در یک فرآیند سرشکنی باندل، به صورت خودکالیبراسیون برآورد می نماید. این راهکار کماکان برای دوربین های ناپایدار و غیرمتریک در فتوگرامتری پهپاد نیز به کار گرفته شده که اگرچه باعث بهبود معنی داری در مختصات سه بعدی شی ای می شود اما هنوز اعوجاجاتی به واسطه ناپایداری هندسی دوربین در مختصات عکسی باقی می ماند. این اعوجاجات باقیمانده، منجر به پارالاکس و ایجاد پله ارتفاعی بین مدل های سه بعدی در برجسته بینی می شود. در این مقاله یک روش پس پردازش برای کاهش اعوجاجات باقیمانده عکسی بعد از خودکالیبراسیون دوربین غیرمتریک در پروژه های فتوگرامتری پهپاد مطرح می گردد. روش ارایه شده مدل سازی باقیمانده های عکس به کمک یک روش اجزاء محدود است. داده های استفاده شده در این تحقیق تصاویر پهپاد فتوگرامتری اخذ شده توسط دوربین های ILCE_7RM2و ، FC6310 ، وFC300S است. پیاده سازی الگوریتم پیشنهادی در محیط برنامه نویسی Matlab انجام شده و از نرم افزار متاشیپ[1] نیز برای پردازش اولیه استفاده شده است. نتایج حاصل از آزمون های انجام شده روی چند داده فتوگرامتری پهپاد با مشخصات و مقیاس های متفاوت بیانگر کاهش باقیمانده های عکسی تا 70 درصد در پس از مدل سازی و تصحیح اعوجاجات روی تصاویر است. همچنین با انجام برجسته بینی سه بعدی روی تصاویر تصحیح یافته، شاهد کاهش 60 درصدی پله بین مدل های استریو هستیم که منجر به کیفیت هندسی بالاتر تهیه مدل رقومی ارتفاعی، ارتوفتو و تهی نقشه با برجسته بینی سه بعدی می شود.