留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用三维重建模型的机载InSAR区域网平差方法

陈乾福 黄国满 杨书成 花奋奋 卢丽君

陈乾福, 黄国满, 杨书成, 花奋奋, 卢丽君. 利用三维重建模型的机载InSAR区域网平差方法[J]. 武汉大学学报 ● 信息科学版, 2017, 42(2): 157-162. doi: 10.13203/j.whugis20141013
引用本文: 陈乾福, 黄国满, 杨书成, 花奋奋, 卢丽君. 利用三维重建模型的机载InSAR区域网平差方法[J]. 武汉大学学报 ● 信息科学版, 2017, 42(2): 157-162. doi: 10.13203/j.whugis20141013
CHEN Qianfu, HUANG Guoman, YANG Shucheng, HUA Fenfen, LU Lijun. A Method for Block Adjustment with Airborne InSAR by Aid of Three Dimensional Reconstruction Model[J]. Geomatics and Information Science of Wuhan University, 2017, 42(2): 157-162. doi: 10.13203/j.whugis20141013
Citation: CHEN Qianfu, HUANG Guoman, YANG Shucheng, HUA Fenfen, LU Lijun. A Method for Block Adjustment with Airborne InSAR by Aid of Three Dimensional Reconstruction Model[J]. Geomatics and Information Science of Wuhan University, 2017, 42(2): 157-162. doi: 10.13203/j.whugis20141013

利用三维重建模型的机载InSAR区域网平差方法

doi: 10.13203/j.whugis20141013
基金项目: 

测绘地理信息公益性行业科研专项经费 No. 201512022

国家高技术研究发展计划(863计划) No. 2011AA120402

国家基础测绘科技计划 No.2016KJ0204

详细信息
    作者简介:

    陈乾福,硕士,助理工程师,主要从事合成孔径雷达干涉测量研究。chenqianfu-114@163.com

  • 中图分类号: P237;P225

A Method for Block Adjustment with Airborne InSAR by Aid of Three Dimensional Reconstruction Model

Funds: 

The Mapping Geographic Information Public Service Industry Research Projects Funded Projects No. 201512022

the National High-tech Research and Development Program of China (863 Program) No. 2011AA120402

the National Basic Surveying and Mapping Scientific Program of National Administration of Surveying, Mapping and Geoinformation No.2016KJ0204

More Information
    Author Bio:

    CHEN Qianfu, master, specializes in synthetic aperture radar interferometry. E-mail: chenqianfu-114@163.com

图(2) / 表(3)
计量
  • 文章访问数:  3654
  • HTML全文浏览量:  71
  • PDF下载量:  435
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-12-14
  • 刊出日期:  2017-02-05

利用三维重建模型的机载InSAR区域网平差方法

doi: 10.13203/j.whugis20141013
    基金项目:

    测绘地理信息公益性行业科研专项经费 No. 201512022

    国家高技术研究发展计划(863计划) No. 2011AA120402

    国家基础测绘科技计划 No.2016KJ0204

    作者简介:

    陈乾福,硕士,助理工程师,主要从事合成孔径雷达干涉测量研究。chenqianfu-114@163.com

  • 中图分类号: P237;P225

摘要: 在机载合成孔径雷达干涉测量(synthetic aperture radar interferometry,InSAR)中,为了获取高精度的数字高程模型(digital elevation model,DEM),研究了机载InSAR视向量正交分解法及三维重建数学模型,分析了中国的机载CASMSAR(synthetic aperture radar system of Chinese Academy of Surveying and Mapping)干涉系统误差来源及观测参数,建立了机载InSAR区域网平差模型。利用国产机载CASMSAR系统获取的X波段干涉数据进行试验,利用高精度的控制点数据进行平差解算,结果表明本文方法能够消除干涉模型间平面和高程差异,DEM成果满足1:1万山地测图精度要求,验证了该模型的正确性和有效性。

English Abstract

陈乾福, 黄国满, 杨书成, 花奋奋, 卢丽君. 利用三维重建模型的机载InSAR区域网平差方法[J]. 武汉大学学报 ● 信息科学版, 2017, 42(2): 157-162. doi: 10.13203/j.whugis20141013
引用本文: 陈乾福, 黄国满, 杨书成, 花奋奋, 卢丽君. 利用三维重建模型的机载InSAR区域网平差方法[J]. 武汉大学学报 ● 信息科学版, 2017, 42(2): 157-162. doi: 10.13203/j.whugis20141013
CHEN Qianfu, HUANG Guoman, YANG Shucheng, HUA Fenfen, LU Lijun. A Method for Block Adjustment with Airborne InSAR by Aid of Three Dimensional Reconstruction Model[J]. Geomatics and Information Science of Wuhan University, 2017, 42(2): 157-162. doi: 10.13203/j.whugis20141013
Citation: CHEN Qianfu, HUANG Guoman, YANG Shucheng, HUA Fenfen, LU Lijun. A Method for Block Adjustment with Airborne InSAR by Aid of Three Dimensional Reconstruction Model[J]. Geomatics and Information Science of Wuhan University, 2017, 42(2): 157-162. doi: 10.13203/j.whugis20141013
  • 机载双天线合成孔径雷达干涉测量(synthetic aperture radar interferometry,InSAR)系统具有机动灵活、按需成像的特点,在地形测图中被广泛应用[1, 2]。在利用InSAR提取数字高程模型(digital elevation model,DEM)时,干涉系统参数误差通过相高转换、地理编码同时影响平面和高程,误差最终传递到DEM上。这些误差主要包括天线位置、速度矢量、基线矢量、斜距(绝对时间延迟)、干涉相位和多普勒频率等。

    为了提高DEM精度,需利用地面控制点(ground control point,GCP)对这些参数进行平差改正。国内外学者提出了多种干涉参数改正方法,多采用平面电磁波模型,在研究过程中更偏重于理论研究,与实际应用情况有较大差距[3-5]。对多个单模型影像独立进行平差解算时,由于模型求解精度的不同,使得重叠区域内的点在平面和高程上差异较大;此外,单个模型的平差解算需要一定数量的控制点,在进行大面积测图应用时,不得不面临获取大量控制点的问题[6-9]。本文提出了机载InSAR区域网平差处理方法,该方法能减少控制点需求量、消除模型间平面和高程差异[9-12],并获取高精度的DEM数据。

    中国的机载CASMSAR(synthetic aperture radar system of Chinese Academy of Surveying and Mapping)系统,基线物理长度约2.2 m,在数据获取时间间隔较小的情况下,视为刚性基线,基线物理长度改正量应相同,本文在InSAR区域网平差模型参数设置中,各模型基线长度参量取统一值。由于飞行姿态不一致、雷达产生的随机误差不完全相同,不同的单元模型对应的其它系统参数不同且相互独立。根据敏感度方程[9],利用连接点和少量控制点进行InSAR区域网平差处理,求得稳定可靠的干涉系统参数和连接点坐标,实现机载SAR数据高精度测图。

    • 利用InSAR进行地形测绘时,通过距离方程、多普勒方程和干涉相位方程描述InSAR基本测量值与地面目标位置之间的关系,获取地面目标点的三维坐标,称为地形三维重建[5]。表示为:

      $$\left\{ \begin{array}{*{35}{l}} {{r}_{A}}_{1}=\left| {{A}_{1}}-P \right| \\ {{f}_{dop}}=\frac{2v\cdot \left( {{A}_{1}}-P \right)}{\lambda \cdot {{r}_{A}}_{1}} \\ \varphi =\phi +2k\pi =\frac{2\pi Q({{r}_{A}}_{1}-{{r}_{A}}_{2})}{\lambda } \\ \end{array} \right.$$ (1)

      式中,rA1为主天线到目标点的距离;rA2为副天线到目标点的距离;A1为主天线相位中心;P为目标点坐标;fdop为多普勒频率;v为速度矢量;λ为雷达波长;φ为绝对干涉相位;$\phi $为缠绕干涉相位,k为整周期数,Q为干涉模式。

      视向量正交分解的基础是建立在载机移动坐标系上,以O-VNW表示载机移动坐标系,该坐标系以主天线所在相位中心为坐标原点,V轴定义为载机速度矢量方向,W轴定义为载机速度矢量与干涉基线矢量的叉积,N轴由V轴和W轴的叉积共同确定,构成右手坐标系。根据视向量正交分解方法[13]及InSAR三维重建几何关系,在地心空间直角坐标系下描述目标点:

      $$\begin{align} & P={{A}_{1}}+{{r}_{1}}={{A}_{1}}+{{r}_{{{A}_{1}}}}\cdot R_{VNW}^{-1}\cdot {{{\hat{r}}}_{VNW}}= \\ & {{A}_{1}}+{{r}_{{{A}_{1}}}}\cdot \text{ }\left[ \begin{matrix} {\hat{v}} & \frac{\left( v\otimes b \right)\otimes v}{\left| \left( v\otimes b \right)\otimes v \right|} & \frac{\left( v\otimes b \right)}{\left| \left( v\otimes b \right) \right|} \\ \end{matrix} \right]\cdot \\ & \left[ \begin{array}{*{35}{l}} \frac{\lambda {{f}_{dop}}}{2\left| v \right|} \\ \frac{{{r}_{A}}_{1}}{2\left| {{b}_{pv}} \right|}\left[ 1+\frac{{{b}^{2}}}{{{r}_{A}}{{_{1}}^{2}}}-{{\left( 1-\frac{\lambda \varphi }{2\pi Q{{r}_{A}}_{1}} \right)}^{2}} \right]-\frac{{{b}_{v}}{{r}_{V}}}{\left| {{b}_{pv}} \right|} \\ \pm 1-{{r}_{V}}^{2}-{{r}_{N}}^{2} \\ \end{array} \right]\text{ } \\ \end{align}$$ (2)

      式中,r1为视向量,${\hat{r}}$VNW为单位视向量;rA1=|r1|为视向量的模长,RVNW-1为载机移动坐标系向地心空间直角坐标系的过渡矩阵,b为基线矢量,b为基线矢量的模长,|bpv|为基线矢量垂直于速度方向的分量,bv为基线矢量平行于速度方向分量的模长,${\hat{r}}$VNW=(rV rN rW)T为待求解的单位视向量。

    • 假设区域内有m个干涉单元模型,每个单元模型上分别有n1,n2,…,nm个点(因检查点不参与平差计算,故不统计其数量),K=n1+n2+…+nm,其中量测点(多个单元模型同名点计为一个点)数量为n,控制点数量为p,连接点数量为q,观测方程个数为3K,未知数个数为(1+4m)+3q,有nKn=p+q。其中,参与平差计算的控制点和连接点均选择相干性较高的点。

      解算过程中,控制点有较高的定位精度,不需要进行改正,而连接点的三维重建坐标初值不准确,需要进行平差处理。

      在地心空间直角坐标系下,根据式(2),在目标点X、Y和Z三个方向对干涉参数bl、bα,i、r0,i、φi、fdop,i(i为干涉对编号)及连接点求偏导数,有:

      $$\begin{align} & {{F}_{G(i,j)}}({{b}_{l}},{{b}_{\alpha }},{{r}_{0}},\varphi ,{{f}_{\text{dop}}})=0 \\ & {{F}_{Tie(i,k)}}({{b}_{l}},{{b}_{\alpha }},{{r}_{0}},\varphi ,{{f}_{\text{dop}}},{{P}_{X}},{{P}_{Y}},{{P}_{Z}})=0 \\ \end{align}$$ (3)

      式中,G(i,j)表示第i个模型中第j个控制点;Tie(i,k)表示第i个模型中第k个连接点。

      对全部控制点和连接点按照上式列出3个方程,对未知数求导并线性化得到误差方程:

      $$V=A\Delta {{x}_{1}}+B\Delta {{x}_{2}}-L$$ (4)

      式中,A为干涉系统参数的系数矩阵;B为控制点和连接点的系数矩阵;均由式(3)计算得到,形式如下:

      $$\eqalign{ & V = A\Delta {x_1} + B\Delta {x_2} - L \cr & \mathop V\limits_{3K \times 1} = {\left[ {\matrix{ {{v_{x,G(i,j)}}} & {{v_{y,G(i,j)}}} & {{v_{z,G(i,j)}}} & \cdots & {{v_{x,T(i,k)}}} & {{v_{y,T(i,k)}}} & {{v_{z,T(i,k)}}} & \cdots \cr } } \right]^{\rm{T}}}; \cr & \mathop A\limits_{3K \times \left( {1 + 4m} \right)} = \cr & \left[ {\matrix{ {{{\partial {F_{G(1,j)}}} \over {\partial {b_l}}}} \hfill & {{{\partial {F_{G(1,j)}}} \over {\partial {b_{\alpha l}}}}} \hfill & {{{\partial {F_{G(1,j)}}} \over {\partial {r_{0l}}}}} \hfill & {{{\partial {F_{G(1,j)}}} \over {\partial {\varphi _1}}}} \hfill & {{{\partial {F_{G(1,j)}}} \over {\partial {F_{d1}}}}} \hfill & 0 \hfill & 0 \hfill & 0 \hfill & 0 \hfill & {} \hfill \cr {{{\partial {F_{Tie(1,k)}}} \over {\partial {b_l}}}} \hfill & {{{\partial {F_{Tie(1,k)}}} \over {\partial {b_{\alpha l}}}}} \hfill & {{{\partial {F_{G(1,j)}}} \over {\partial {r_{0l}}}}} \hfill & {{{\partial {F_{Tie(1,k)}}} \over {\partial {\varphi _1}}}} \hfill & {{{\partial {F_{Tie(1,k)}}} \over {\partial {F_{d1}}}}} \hfill & 0 \hfill & 0 \hfill & 0 \hfill & 0 \hfill & {} \hfill \cr {} \hfill & {} \hfill & \vdots \hfill & {} \hfill & {} \hfill & \vdots \hfill & {} \hfill & {} \hfill & {} \hfill & \cdots \hfill \cr {{{\partial {F_{G(2,j)}}} \over {\partial {b_l}}}} \hfill & 0 \hfill & 0 \hfill & 0 \hfill & 0 \hfill & {{{\partial {F_{G(2,j)}}} \over {\partial {b_{\alpha 2}}}}} \hfill & {{{\partial {F_{G(2,j)}}} \over {\partial {r_{02}}}}} \hfill & {{{\partial {F_{G(2,j)}}} \over {\partial {\varphi _2}}}} \hfill & {{{\partial {F_{G(2,j)}}} \over {\partial {F_{d2}}}}} \hfill & {} \hfill \cr \matrix{ {{\partial {F_{Tie(2,k)}}} \over {\partial {b_l}}} \hfill \cr \hfill \cr} \hfill & \matrix{ 0 \hfill \cr \hfill \cr} \hfill & \matrix{ 0 \hfill \cr \vdots \hfill \cr} \hfill & \matrix{ 0 \hfill \cr \hfill \cr} \hfill & \matrix{ 0 \hfill \cr \hfill \cr} \hfill & \matrix{ {{\partial {F_{Tie(2,k)}}} \over {\partial {b_{\alpha 2}}}} \hfill \cr \vdots \hfill \cr} \hfill & \matrix{ {{\partial {F_{Tie(2,k)}}} \over {\partial {r_{02}}}} \hfill \cr \hfill \cr} \hfill & \matrix{ {{\partial {F_{Tie(2,k)}}} \over {\partial {\varphi _2}}} \hfill \cr \hfill \cr} \hfill & \matrix{ {{\partial {F_{Tie(2,k)}}} \over {\partial {F_{d2}}}} \hfill \cr \vdots \hfill \cr} \hfill & \matrix{ \hfill \cr \ddots \hfill \cr} \hfill \cr } } \right] \cr & {{\partial {F_{G(1,j)}}} \over {\partial {b_l}}}{\rm{ = }}\left[ {\matrix{ {{{\partial {F_{xG(1,j)}}} \over {\partial {b_l}}}} \hfill \cr {{{\partial {F_{yG(1,j)}}} \over {\partial {b_l}}}} \hfill \cr {{{\partial {F_{zG(1,j)}}} \over {\partial {b_l}}}} \hfill \cr } } \right];\mathop B\limits_{3K \times 3q} = \cr & \left[ {\matrix{ {{B_{G(1,j)}}} \hfill & 0 \hfill & 0 \hfill & 0 \hfill & {} \hfill \cr 0 \hfill & {{B_{G(1,j + 1)}}} \hfill & 0 \hfill & 0 \hfill & \cdots \hfill \cr {{B_{Tie(1,k)}}} \hfill & 0 \hfill & 0 \hfill & 0 \hfill & {} \hfill \cr 0 \hfill & {{B_{Tie(1,k + 1)}}} \hfill & 0 \hfill & 0 \hfill & {} \hfill \cr {} \hfill & \vdots \hfill & {} \hfill & \vdots \hfill & \cdots \hfill \cr 0 \hfill & 0 \hfill & {{B_{Tie(2,k)}}} \hfill & 0 \hfill & {} \hfill \cr {{B_{G(2,j)}}} \hfill & 0 \hfill & 0 \hfill & 0 \hfill & 0 \hfill \cr 0 \hfill & 0 \hfill & 0 \hfill & {{B_{Tie(2,k + 1)}}} \hfill & {} \hfill \cr 0 \hfill & {{B_{G(1,j + 1)}}} \hfill & 0 \hfill & 0 \hfill & \cdots \hfill \cr {} \hfill & \vdots \hfill & {} \hfill & \vdots \hfill & \ddots \hfill \cr } } \right]; \cr & \left\{ {\matrix{ {{B_{G(i,j)}} = \left[ {\matrix{ 0 \hfill & 0 \hfill & 0 \hfill \cr 0 \hfill & 0 \hfill & 0 \hfill \cr 0 \hfill & 0 \hfill & 0 \hfill \cr } } \right]} \hfill \cr {{B_{Tie(i,k)}} = \left[ {\matrix{ { - 1} \hfill & 0 \hfill & 0 \hfill \cr 0 \hfill & { - 1} \hfill & 0 \hfill \cr 0 \hfill & 0 \hfill & { - 1} \hfill \cr } } \right]} \hfill \cr } } \right. \cr & \mathop L\limits_{3K \times 1} = {\left[ {\matrix{ {{l_{x,G(i,j)}}} \hfill & {{l_{y,G(i,j)}}} \hfill & {{l_{z,G(i,j)}}} \hfill & \cdots \hfill & {{l_{x,Tie(i,k)}}} \hfill & {{l_{y,Tie(i,k)}}} \hfill & {{l_{z,Tie(i,k)}}} \hfill & \cdots \hfill \cr } } \right]^{\rm{T}}}; \cr & \mathop {\Delta {x_1}}\limits_{\left( {1 + 4m} \right) \times 1} = {\left[ {\matrix{ {\Delta {b_l}} \hfill & {\Delta {b_{\alpha ,1}}} \hfill & {\Delta {r_{0,1}}} \hfill & {\Delta {\varphi _1}} \hfill & {\Delta {F_{dop,1}}} \hfill & {\Delta {b_{\alpha ,2}}} \hfill & {\Delta {r_{0,2}}} \hfill & {\Delta {\varphi _2}} \hfill & {\Delta {F_{dop,2}}} \hfill & \cdots \hfill \cr } } \right]^{\rm{T}}}; \cr & \mathop {\Delta {x_2}}\limits_{3q \times 1} = {\left[ {\matrix{ {\Delta {P_{x,k}}} \hfill & {\Delta {P_{y,k}}} \hfill & {\Delta {P_{z,k}}} \hfill & {\Delta {P_{x,k + 1}}} \hfill & {\Delta {P_{y,k + 1}}} \hfill & {\Delta {P_{z,k + 1}}} \hfill & \cdots \hfill \cr } } \right]^{\rm{T}}} \cr} $$

      本文的区域网平差采用迭代计算、逐渐趋近方法[14],根据最小二乘原理进行区域网平差计算。

    • 选取四川省北部若尔盖地区机载InSAR数据,进行区域网平差试验。该区地处青藏高原东部边缘地带,高度2 900~4 200 m,高差1 000 m以上,属于山地地形。飞机飞行方向为由东向西、由西向东两个方向,按照飞行方向、航带号对干涉数据进行编号,试验使用6个航带号,分别为DX_65、DX_66、DX_67、XD_65、XD_66、XD_67,每个航带内选取3个单元模型,编号为50、51和52,总计18对干涉数据,覆盖面积近90 km2,如图 1所示。

      图  1  机载InSAR区域网平差影像范围

      Figure 1.  Image Region of Airborne InSAR Block Adjustment

      试验区范围内控制点数量为7个,检查点数量为19个。本文对比单模型平差方法和InSAR区域网平差方法,从以下三个方面进行评价。

    • 利用InSAR区域网平差模型改正的干涉系统参数,通过三维重建模型解算控制点的地理坐标,并和控制点已知地理坐标进行比较,统计其中误差,作为评价区域网平差模型是否有效的标准。

      试验中,InSAR区域网平差模型使用了7个控制点,两种方法所用控制点残差对比结果(为表述简便,均取绝对值参与统计)见表 1

      表 1  区域网平差模型和单模型平差所用控制点残差统计

      Table 1.  Statistic of Error Using GCPs by This Paper and Single Model

      控制点残差 统计项 本文区域网平差 单模型平差
      最大残差 1.63 4.21
      X方向/m 最小残差 0.373 0.65
      中误差 0.97 2.04
      最大残差 1.33 3.89
      Y方向/m 最小残差 0.07 0.54
      中误差 0.74 1.78
      最大残差 2.91 4.62
      Z方向/m 最小残差 0.29 0.68
      中误差 1.54 2.93

      (1) 采用单模型平差解算,每个单模型至少需要3个控制点,18个模型则至少需要54个控制点,实际使用了67个控制点,而InSAR区域网平差模型使用了7个控制点,有效减少了控制点需求,降低了外业测量成本。

      (2) 表 1中,本文InSAR区域网平差模型解算后,控制点X方向的中误差为0.97 m,Y方向的中误差为0.74 m,Z方向的中误差为1.54 m,单模型平差解算后,控制点X、YZ三个方向上的残差或中误差较本文区域网平差模型中控制点的残差或中误差明显增大,说明在稀少控制条件下,InSAR区域网平差模型具有明显的优势。区域网平差处理增强了各模型间重叠区域控制点的约束关系,降低了系统噪声和敏感度矩阵病态性的影响,其模型稳健性更强。单模型平差处理无法有效避免这些问题,得到的结果可信度较低。

    • 稳定的基线长度、精确的基线倾角、准确的干涉相位、多普勒中心频率和绝对时间延迟等参数是获取高精度DEM的关键因素,分析干涉系统参数的变化规律有利于InSAR区域网平差模型的改进。InSAR区域网平差方法得到的干涉系统参数处理结果见表 2,以其中2个航带(由东向西方向的DX_66和DX_67)的6个单元模型为例,分析两种方法得到的干涉系统参数。

      (1) 机载CASMSAR系统,基线物理长度约2.2 m,在时间间隔较小的情况下,视为刚性基线,其基线物理长度改正量应相同。InSAR区域网平差方法得到的基线长度参量为2.192 1 m,而利用单模型平差方法得到的基线长度最大为2.224 0 m,最小为2.155 6 m,互差达到0.068 4 m,与实际测量值比较,本文的区域网平差方法得到的基线长度值接近实测值,更符合物理情况,如表 2所示。

      表 2  两种方法得到的干涉系统参数对比

      Table 2.  Interferometric Calibration Parameters Comparison by This Paper and Single Model

      航带号统计项干涉对编号实际测量值
      505152
      区域网平差单模型平差区域网平差单模型平差区域网平差单模型平差
      基线长度/m2.192 12.171 92.192 12.173 62.192 12.155 62.189 5
      基线倾角/(°)0.342 50.748 80.481 70.811 60.540 21.251 3-
      DX_66初始斜距改正数/m1.268 70.685 3-0.172 70.470 0-0.371 90.603 6-
      相位改正数/rad-6.465 4-11.545 75.714 91.250 5-0.941 3-10.033 0-
      多普勒改正数/Hz-0.644 9-1.174 5-0.857 6-0.601 2-1.278 5-1.111 5-
      基线长度/m2.192 12.159 92.192 12.224 02.192 12.195 52.189 5
      基线倾角/(°)0.519 21.208 90.488 6-0.103 90.56070.489 0-
      DX_67初始斜距改正数/m1.067 70.977 70.368 40.933 60.693 80.923 2-
      相位改正数/rad-1.633 9-9.920 2-1.445 46.410 64.619 85.491 6-
      多普勒改正数/Hz-0.062 8-0.337 7-0.623 3-0.415 7-0.678 6-0.420 0-

      (2) 单模型平差求解的干涉系统参数,受系统噪声、敏感度矩阵病态性以及控制点精度的影响,其结果只适用于控制点周边区域,无法满足整个测绘带的要求,会导致重叠区域平面和高程信息不一致,引起更大的测量误差。

    • 利用区域范围内19个检查点,分别统计本文方法和单模型方法获取的DEM高程误差,统计结果如表 3所示,本文方法计算得到的DEM成果如图 2所示。

      表 3  DEM检查点高程误差统计

      Table 3.  Statistics of Error Using Inspect Points

      统计项 区域网平差方法/m 单模型平差/m
      最大误差 2.31 4.54
      最小误差 0.50 0.59
      中误差 1.33 3.02

      图  2  本文方法得到的DEM成果

      Figure 2.  DEM in Geographic Coordinate System by This Paper

      表 3可以发现:① 本文方法获取的DEM检查点高程中误差为1.33m,而单模型方法得到的中误差为3.02 m,试验结果表明本文方法能够有效减少模型间的高程差异,改善DEM精度;② 在InSAR区域网平差模型参数设置中,对基线长度参量取统一值符合理论和实际情况;③ 由检查点精度可知,满足山地地区1∶1万DEM定位精度要求。

    • 本文提出了一种利用三维重建模型进行视向量正交分解,随后建立机载InSAR区域网平差模型,对干涉系统参数进行模型优化。以四川地区机载X波段干涉数据进行试验,结果表明本文提出的机载InSAR区域网平差方法是有效的,获取的DEM数据满足国家1∶1万地形图测图精度要求。在后续的平差试验中,需要更大范围的数据验证本文提出方法的有效性和实用性。此外,在平差模型的构建中,没有考虑控制点本身的精度,需要剔除误差较大的控制点,进一步提高干涉DEM的精度。

参考文献 (14)

目录

    /

    返回文章
    返回