精华内容
参与话题
问答
  • 陕西煤航地理信息有限公司研制的正射影像数据库管理系统建设采用图形索引技术,实现影像和图形文件管理的有序;采用影像压缩技术,实现快捷的影像调用。系统主要实现影像文件的管理、查询、调图、编辑、专题图制作、...
  • 文中介绍了GPS辅助空中三角测量的理论和方法,通过搭载高精度差分GPS接收机完成无人机航测系统改造,对嘉峪关测区451.30 km~2数字正射影像生产实验。结果表明,在GSD为8 cm情况下,应用GPS辅助空中三角测量技术,布设71个...
  • CC(Smart3D)),Pix4d,Photoscan,Inpho所有教程做了个汇总 已下为文章目录 由于文章较多,在CSDN中做单个超链接比较麻烦 所所以大家可以关注微信公众号—GIS前沿 关注后即会发送已下文章的链接 ...

    CC(Smart3D)),Pix4d,Photoscan,Inpho所有教程做了个汇总

    已下为文章目录
    由于文章较多,在CSDN中做单个超链接比较麻烦
    所所以大家可以关注微信公众号—GIS前沿 关注后即会发送已下文章的链接

    或者直接复制次链接打开——https://mp.weixin.qq.com/s?__biz=MzAxNTk1Nzg2OA==&mid=100008862&idx=1&sn=75a6ab4f1ab05864f4cb7fcfe02c8845&chksm=1bfe899d2c89008b100b3d7931a69b8db4fb8bd7754b155d563028e02d8510b0492789c207f2&scene=20&xtrack=1&pass_ticket=4wMuu6BtgSYerB4IFy4p44c7R50DV3BePKVI5s4RnBgPh%2F7GPF%2B0RQm%2B26wjrzH4#rd

    也可扫描二维码
    公众号二维码

    CC(Smart3D)
    (文头有已下文章链接)

    案例/文档教程 视频教程
    Smart3D软件的一些小知识
    Smart3d从航摄-数据处理-大区域编辑
    基于LeicaRCD30倾斜航摄仪和Smart3D技术快速进行城市三维实景生产
    【技术分享】常用软件—ContextCapture(Smart3d)小技巧:合并模型、水印制作及OSGB索引
    用手机玩转Smart3D惊艳三维建模
    干货视频|用手机玩转Smart3D官方教程教你做出惊艳模型
    干货|Smart3D集群处理详解及错误盘查
    视频|Smart3D航拍结合三维扫描点云建模教程
    让你更全面的认识Smart3D (ContextCapture)软件
    干货 | Smart3D坐标控制的导入教学视频
    Smart3D手动配置 S3C 索引加载全部的OSGB瓦片数据
    干货 | Smart3D建模模型色彩均匀设置视频教程
    基于地空一体化的1∶500 地形图测绘应用(利用Smart3D 和Inpho软件进行空三)
    干货 |Smart3D无人机倾斜摄影空三,控制点,连接点添加教程
    基于Smart3D的低空无人机倾斜摄影实景三维建模研究
    干货视频 |Smart3d最新版本10.0空三人工添加链接点
    一种有效改善无人机 1∶500 测图高程精度的方法(基于Smart3D进行处理)
    Smart3d三维模型与Arcgis Pro的结合
    PhotoScan空三结合CC使用,彻底解决Smart3D处理影像空三出错问题
    Smart3D三维建模视频
    基于Smart3D和Terra Solid软件的无人机倾斜摄影生产DEM方法研究
    杰魔修复CC(Smart3D)模型教学视频—建筑修复,水面修复等等,视频带语音讲解。
    倾斜摄影测量技术在三维建模中的应用(基于Smart3D分析)
    CC Editor模型编辑教程讲解(Smart3D模型编辑)
    无人机倾斜摄影的城市实景三维建模(基于Smart3D从航飞到建模)

    【收藏】盘点Smart3D使用问题汇总集锦

    Smart3D的水面修复技巧和模型合并干货讲解

    航测技术在1:500地形图测绘中的应用(Smart3d Pscan Terrasolid EPS相结合处理)

    CC(Smart3D)软件应用技能摸底考试,看看你能考及格不?

    消费级无人机干测绘 |从影像数据获取到PIX4D,Smart3D正射倾斜三维生产教程

    DJI M600pro倾斜摄影1:500快速地形图测绘方法研究(Smart3D+EPS)

    基于Smart3D的无人机航测地形图方法(CC+ArcGIS+IData,含各软件操作流程)

    很全面的倾斜摄影CC(Smart3D)综合总结

    Pix4D
    (文头有已下文章链接)

    案例/文档教程 视频教程
    Pix4D输出成果盘点(一):2.5D与3D成果 视频|无人机基于Pix4D手机App规划航线航拍再建模
    Pix4D质量报告完整中英对照版以及详解
    Pix4D正射影像制作视频教程
    Inpho、PhotoScan及Pix4D无人机正射影像处理软件对比
    Pix4D完整版教学视频
    Pix4D航测成图完整教程(空三,点云编辑DSM,正射,质量报告分析…)
    Pix4d DOM作业流程教学视频
    听说你在挑选适合Pix4D的硬件配置?请看一下我们的推荐!
    使用大疆无人机基于PIX4D的三维重建视频教学
    DLG用垂直还是倾斜摄影?(Pix4D+CC+PScan+EPS)几种不同方式的作业模式比较
    GoogleEarth3D模型中提取图片在PIX4D中建模
    消费级无人机干测绘 |从影像数据获取到PIX4D,Smart3D正射倾斜三维生产教程
    Pix4d官方教学视频—如何编辑3D点云
    大疆P4R基于PIX4D的免像控的操作流程详解
    Pix4D自动生成DTM和等高线—官方教学视频

    Photoscan
    (文头有已下文章链接)

    案例/文档教程 视频教程
    倾斜影像的三维模型构建与模型优化(基于PhotoScan)
    干货|使用PhotoScan进行实景建模教程
    免像控无人机航摄系统在1:500地形图测绘中的应用(基于Photoscan)
    干货视频|大疆无人机+PhotoScan 完成航拍三维模型
    多视几何理论辅助的无人机低空摄影测量空三加密(基于PhotoScan与Inpho的空三试验)
    干货 | 利用PhotoScan生成无人机高精度正摄影像
    PhotoScan空三结合CC使用,彻底解决Smart3D处理影像空三出错问题
    Photoscan教学视频,无人机影像生成正射影像和DEM
    Inpho、PhotoScan及Pix4D无人机正射影像处理软件对比
    干货 |PhotoScan教程一生成正射影像和DEM(很全面详细的教程)
    PhotoScan生成正射影像DEM(有地面控制点)和三维模型的重建教程【超详细】
    基于Photoscan专业版正射影像和三维模型生成完整版教学

    DJIP4P+PhotoScan航拍三维模型生成整个流程

    无人机航拍用PhotoScan生成DEM和正射影像

    PhotoScan航测真正射影像制作干货教程

    Inpho
    (文头有已下文章链接)

    案例/文档教程 视频教程
    基于地空一体化的1∶500 地形图测绘应用(利用Smart3D 和Inpho软件进行空三)
    非常详细的Inpho软件空三加密操作教学流程
    多视几何理论辅助的无人机低空摄影测量空三加密(基于PhotoScan与Inpho的空三试验)
    Inpho官方空三加密刺点教学视频
    几种无人机正射影像处理软件的比较(Inpho、PixelGrid、IPS等五款软件的对比)
    inpho DTMaster - DTM编辑教学视频
    Inpho、PhotoScan及Pix4D无人机正射影像处理软件对比
    inpho干货教程视频讲解(一)
    非常详细的Inpho软件空三加密操作教学流程
    inpho干货教程视频讲解(二)
    提高无人机航测空三加密精度的方法(Inpho与PixelGrid联合空三加密方法)

    实操讲解Inpho从空三加密到正射影像生产流程

    展开全文
  • 摄影测量程序——相关系数法影像匹配以及反解法DOM的生成
  • 像素工厂是目前比较先进的影像自动化处理系统,文中给出了像素工厂在正射影像图制作中所体现的独特技术优点,并对像素工厂中的正射影像制作步骤做了详细论述,对正射影像生产技术具有一定的实践意义。
  • 对于本文选择的研究区域,使用400个空间分辨率为7厘米的正射影像来构建正射影像和DSM,并使用分布良好的12个参考点的地面控制点(GCP)网络对它们进行地理参考。厘米)。 由于这些与板载支持R​​TK-GNSS的2频接收...
  • 文中结合岷县大比例尺正射影像图生产实践,阐述了UCX相机影像成像的基本原理,探讨了基于UCX数码影像的1:2000大比例尺正射影像生产技术路线、作业方法、关键技术问题,并对成果精度进行了检查和统计分析。结果表明,集群...
  • 数字正射影像图规范,包含1:500 1:1000 1:2000数字正射影像图/数字高程模型/数字线划图规划,航空摄影测量内外业规范
  • CAD批量插入正射影像

    2018-11-12 22:37:46
    CAD批量插入ige图像(就是arcgis用的影像图),附带原坐标的,
  • 基于无人机影像的三维建模及正射影像精度评估,刘宇,郑新奇,近年来,许多国家在摄影测量基数领域中对无人机技术的兴趣浓厚。无人机灵活度高、机动性好、周期短,是快速获取高分辨率影像的重
  • CAD 插入带坐标的正射影像

    热门讨论 2011-05-16 22:37:37
    CAD 插入 带坐标的正射影像 dom raster tif tiff tfw
  • 讲述了dom数据库的设计,包括字段设计,入库遇到的问题等
  • 文中根据某制图区域,介绍了遥感正射影像图生产技术流程和关键性技术问题的处理方法,为今后同类产品的生产者提供参考。
  • 模糊综合评判理论及其在正射影像质量评价中的应用,娄安颖,孙琳,针对传统的正射影像质量评价中的随意性、片面性,本文在正射影像质量评价中引用了模糊综合评判的方法,给出了影响影像质量的三个
  • 正射影像相关

    2020-05-24 14:32:11
    加载正射影像方式 //加载正射影像图层 InitPoliDom20200415: function() { ZhiYunGisProperty.PoliDom20200415 = []; letlatLonBounds={"east":119.795585497319,"north":35.7152527358383,"south":35....

    加载正射影像方式

    //加载正射影像图层

    InitPoliDom20200415: function() {

    ZhiYunGisProperty.PoliDom20200415 = [];

    let latLonBounds ={"east":119.795585497319,"north":35.7152527358383,"south":35.6769434941704,"west":119.745473192954};

    let rectangle = new NF.Rectangle(NF.Math.toRadians(latLonBounds.west), NF.Math.toRadians(latLonBounds.south),

    NF.Math.toRadians(latLonBounds.east), NF.Math.toRadians(latLonBounds.north));

    let plImageLayer = new NF.UrlTemplateImageryProvider({

    url: ImageUrl + 'polizs2/{z}/{x}/{y}.png',

    tilingScheme: new NF.WebMercatorTilingScheme(),

    rectangle: rectangle,

    minimumLevel: 0,

    maximumLevel: 22,

    });

    let polizs2 = ZhiYunGisProperty.ZhiYunViewer.imageryLayers.addImageryProvider(plImageLayer);

    polizs2.show = false;

    ZhiYunGisProperty.PoliDom20200415.push(polizs2);

    },

    // 显示或隐藏正射影像图层

    ZhiYunGisProperty.PoliDom20200415.forEach(item => {

    item.show = this.isShow;

    })

    展开全文
  • 针对地理国情普查中关于数字正射影像数据的内容及规格、影像数据源、生产作业流程和方法、技术指标、质量控制、成果整理等方面进行要求。
  • 文中以现势性高的北京2号与高分2号遥感数据为数据源,采用集群式遥感影像处理系统PixelGrid,充分合理利用已有DOM和DEM数据,探索满足第三次全国土地调查正射影像生产的方案。通过内外业精度检测的方式,验证该方案生产...
  • 本文对数字正射影像图(DOM)产品检验中单位产品的质量特性进行了概括、总结。对产品的缺陷进行了分类,并给出缺陷的参考值,分析了数字正射影像图(DOM)产品的检验标准与方法。
  • 点云生成的正射影像,用于建筑立面测量,真实尺寸,清晰绘图
  • PhotoScan正射影像及DEM的制作方法,解决航空摄影测量技术问题,从照片导出到pos数据加工,照片对齐,生成密集点运等方面做了详细介绍
  • 在机载LIDAR(Light Detect And Ranging)系统中,针对正射影像镶嵌线优化需求,提出一种双惩罚系数的改进A*算法,通过点云生成高精度DSM辅助,对影像初始的镶嵌线进行优化进而得到一条最优化镶嵌线。实验证明:该...
  • CAD中插入带坐标的正射影像——InsertRasterToCAD 经测试可用,内有说明,简单好用!
  • 全站仪是非常成熟的传统测绘手段,通过网络-RTK技术结合全站仪并利用1:10000正射影像图在瓜州县农村集体土地确权中的应用,从理论推导、生产实践、精度评价、注意事项等几个方面,充分论证了网络-RTK技术结合全站仪在...
  •   OpenDroneMap 是一个开源的航拍图像处理工具,可以把航拍图像进行点云、正射影像和高程模型等处理。简直是个神器,做出来的效果和pix4d等软件差不多(我目前只做了无人机影像的正摄影像的生成)。   根据官方...

    OpenDroneMap

      OpenDroneMap 是一个开源的航拍图像处理工具,可以把航拍图像进行点云、正射影像和高程模型等处理,也可以做3维重构,生成3维模型。简直是个神器,做出来的效果和pix4d等软件差不多(我目前只做了无人机影像的正摄影像的生成)。
      根据官方文档所说,PyODM可以很轻易的创建无人机影像的正射图,DEM,3d模型以及点云。
      正射图的效果如下:
    在这里插入图片描述
      下面开始使用OpenDroneMap的python库PyODM
      注:若图片内有exif信息,则odm可以直接生成tif的正射影像。给图片添加exif信息可以参看下面这篇博客。
    https://blog.csdn.net/weixin_43162240/article/details/103579657

    1.环境准备

    安装pyodm包

      用pip安装即可。

    pip install -U pyodm
    

    启动docker

    pyodm需要启动docker,所以在使用之前还需要先安装docker.
    windows的安装就不说了,可以自行百度,下面介绍linux系统下docker的安装。

    # 安装docker
    $ curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
    $ sudo apt-get install -y docker-ce
    
    # 启动docker,这里会自己下载需要的包,所以需要等待一会儿。
    $ sudo docker run -ti -p 3000:3000 opendronemap/nodeodm
    
    

    2.python教程

      大致流程是这样,先连接Node,然后新建任务,然后等待任务执行完成,最后获取结果。
      这里关键是新建任务时有个option选项,可以设置一些配置。看文档说明得知,配置会影响处理速度与结果的质量。
      对正射影像的制作来说,需要配置的一些参数(参数可以在官方文档查看)如下:

    • orthophoto-resolution:米/像素,表示地面分辨率
    • dsm:是否要生成dsm,如果不需要的话,选false会加快处理速度
    • ignore-gsd:设置为True就会跳过一些加速处理,得到的图像质量会好一些
    • min-num-features:找的特征点数量,数量越多质量越好,处理时间越长
    • texturing-nadir-weight:官方建议,在都市设为29-32,草地或者平底设置为0-6
    • mesh-octree-depth:官方建议设置为10-11,增加建筑屋顶的平滑性。

      注意:在制作正射影像时,选择的图片最好是有至少两个轨道的数据,一个航线的数据拼接会失败,即task.wait_for_completion()会返回failed.

    import os
    from pyodm import Node
    import time
    from tqdm import tqdm
    
    
    image_dir = 'testdata/'
    result_path = image_dir.split('/')[0]+'_results'
    ip = 'xxx.xx.xx.xx' # 改为自己的ip
    port = 3000
    
    start = time.time()
    images_name = os.listdir(image_dir)
    images_name = [image_dir+image_name for image_name in images_name]
    print(images_name)
    
    n = Node(ip, port)
    print("Node连接成功,{}张图开始处理".format(len(images_name)))
    
    
    task = n.create_task(images_name, {'orthophoto-resolution': 0.0274,"min-num-features":35000})
    print("任务创建完成")
    pbar = tqdm(total=100)
    processing = 0
    while True:
        info = task.info()
        if info.progress==100:
            break
        pbar.update(info.progress-processing)
        processing = info.progress
        if info.last_error!='':
            print("error ", info.last_error)
            
        time.sleep(0.1)
    pbar.close()
    
    print("处理完成")
    # task.wait_for_completion()
    task.download_assets(result_path)
    
    print("{}张图消耗{}秒".format(len(images_name), time.time() - start))
    

    3.其它

      查看官方文档可能需要科学上网,所以把option列出来了。

    -h, --help            show this help message and exit
    --images <path>, -i <path>
                          Path to input images
    --project-path <path>
                          Path to the project folder
    --resize-to <integer>
                          resizes images by the largest side for opensfm. Set to
                          -1 to disable.
                                                  Default: 2048
    --end-with <string>, -e <string>
                          Can be one of:dataset | split | merge | opensfm | mve
                          | odm_filterpoints | odm_meshing | mvs_texturing |
                          odm_georeferencing | odm_dem | odm_orthophoto
    --rerun <string>, -r <string>
                          Can be one of:dataset | split | merge | opensfm | mve
                          | odm_filterpoints | odm_meshing | mvs_texturing |
                          odm_georeferencing | odm_dem | odm_orthophoto
    --rerun-all           force rerun of all tasks
    --rerun-from <string>
                          Can be one of:dataset | split | merge | opensfm | mve
                          | odm_filterpoints | odm_meshing | mvs_texturing |
                          odm_georeferencing | odm_dem | odm_orthophoto
    --proj <PROJ4 string>
                          Projection used to transform the model into geographic
                          coordinates
    --min-num-features <integer>
                          Minimum number of features to extract per image. More
                          features leads to better results but slower execution.
                          Default: 8000
    --matcher-neighbors <integer>
                          Number of nearest images to pre-match based on GPS
                          exif data. Set to 0 to skip pre-matching. Neighbors
                          works together with Distance parameter, set both to 0
                          to not use pre-matching. OpenSFM uses both parameters
                          at the same time, Bundler uses only one which has
                          value, prefering the Neighbors parameter.
                                                  Default: 8
    --matcher-distance <integer>
                          Distance threshold in meters to find pre-matching
                          images based on GPS exif data. Set both matcher-
                          neighbors and this to 0 to skip pre-matching.
                                                  Default: 0
    --use-fixed-camera-params
                          Turn off camera parameter optimization during bundler
                                                  Off by default unless --camera parameter used
    --camera-lens <string>
                          Can be one of auto | perspective | brown | fisheye | spherical
                          Set a camera projection type. Manually setting a value
                          can help improve geometric undistortion. By default the application
                          tries to determine a lens type from the images metadata.
                                                  Default: auto
    --max-concurrency <positive integer>
                          The maximum number of processes to use in various
                          processes. Peak memory requirement is ~1GB per thread
                          and 2 megapixel image resolution.
                                                  Default: number of cores
    --depthmap-resolution <positive float>
                          Controls the density of the point cloud by setting the
                          resolution of the depthmap images. Higher values take
                          longer to compute and more memory but produce denser
                                                  point clouds.
                          Default: 640
    --opensfm-depthmap-min-consistent-views <integer: 2 <= x <= 9>
                          Minimum number of views that should reconstruct a
                          point for it to be valid. Use lower values if your
                          images have less overlap. Lower values result in
                          denser point clouds but with more noise. Only applies
                                                  if using OpenSfM for dense matching.
                                                  Default: 3
    --opensfm-depthmap-method <string>
                          Raw depthmap computation algorithm. PATCH_MATCH and
                          PATCH_MATCH_SAMPLE are faster, but might miss some
                          valid points. BRUTE_FORCE takes longer but produces
                          denser reconstructions.
                                                  Default: PATCH_MATCH
    --opensfm-depthmap-min-patch-sd <positive float>
                          When using PATCH_MATCH or PATCH_MATCH_SAMPLE, controls
                          the standard deviation threshold to include patches.
                          Patches with lower standard deviation are ignored.
                          Default: 1
    --use-hybrid-bundle-adjustment
                          Run local bundle adjustment for every image added to
                          the reconstruction and a global adjustment every 100
                          images. Speeds up reconstruction for very large
                          datasets.
    --mve-confidence <float: 0 <= x <= 1>
                          Discard points that have less than a certain
                          confidence threshold. This only affects dense
                          reconstructions performed with MVE. Higher values
                          discard more points.
                                                  Default: 0.6
    --use-3dmesh          Use a full 3D mesh to compute the orthophoto instead
                          of a 2.5D mesh. This option is a bit faster and
                          provides similar results in planar areas.
    --skip-3dmodel        Skip generation of a full 3D model. This can save time
                          if you only need 2D results such as orthophotos and
                          DEMs.
    --use-opensfm-dense   Use opensfm to compute dense point cloud alternatively
    --ignore-gsd          Ignore Ground Sampling Distance (GSD). GSD caps the
                          maximum resolution of image outputs and resizes images
                          when necessary, resulting in faster processing and
                          lower memory usage. Since GSD is an estimate,
                          sometimes ignoring it can result in slightly better
                          image output quality.
    --mesh-size <positive integer>
                          The maximum vertex count of the output mesh.
                                                  Default: 100000
    --mesh-octree-depth <positive integer>
                          Oct-tree depth used in the mesh reconstruction,
                          increase to get more vertices, recommended values are
                          8-12.
                                                  Default: 9
    --mesh-samples <float >= 1.0>
                          Number of points per octree node, recommended and
                          Default: 1.0
    --mesh-point-weight <positive float>
                          This floating point value specifies the importance
                          that interpolation of the point samples is given in
                          the formulation of the screened Poisson equation. The
                          results of the original (unscreened) Poisson
                          Reconstruction can be obtained by setting this value
                          to 0.
                                                  Default: 4
    --fast-orthophoto     Skips dense reconstruction and 3D model generation. It
                          generates an orthophoto directly from the sparse
                          reconstruction. If you just need an orthophoto and do
                          not need a full 3D model, turn on this option.
                          Experimental.
    --crop <positive float>
                          Automatically crop image outputs by creating a smooth
                          buffer around the dataset boundaries, shrinked by N
                          meters. Use 0 to disable cropping.
                                                  Default: 3
    --pc-classify         Classify the point cloud outputs using a Simple
                          Morphological Filter. You can control the behavior of
                          this option by tweaking the --dem-* parameters.
                          Default: False
    --pc-csv              Export the georeferenced point cloud in CSV format.
                          Default: False
    --pc-las              Export the georeferenced point cloud in LAS format.
                          Default: False
    --pc-filter <positive float>
                          Filters the point cloud by removing points that
                          deviate more than N standard deviations from the local
                          mean. Set to 0 to disable filtering.
                                                  Default: 2.5
    --smrf-scalar <positive float>
                          Simple Morphological Filter elevation scalar
                          parameter.
                                                  Default: 1.25
    --smrf-slope <positive float>
                          Simple Morphological Filter slope parameter (rise over
                          run).
                                                  Default: 0.15
    --smrf-threshold <positive float>
                          Simple Morphological Filter elevation threshold
                          parameter (meters).
                                                  Default: 0.5
    --smrf-window <positive float>
                          Simple Morphological Filter window radius parameter
                          (meters).
                                                  Default: 18.0
    --texturing-data-term <string>
                          Data term: [area, gmi].
                                                  Default: gmi
    --texturing-nadir-weight <integer: 0 <= x <= 32>
                          Affects orthophotos only. Higher values result in
                          sharper corners, but can affect color distribution and
                          blurriness. Use lower values for planar areas and
                          higher values for urban areas. The default value works
                          well for most scenarios.
                                                  Default: 16
    --texturing-outlier-removal-type <string>
                          Type of photometric outlier removal method: [none,
                          gauss_damping, gauss_clamping].
                                                  Default: gauss_clamping
    --texturing-skip-visibility-test
                          Skip geometric visibility test.
                                                  Default: False
    --texturing-skip-global-seam-leveling
                          Skip global seam leveling. Useful for IR data.
                                                  Default: False
    --texturing-skip-local-seam-leveling
                          Skip local seam blending.
                                                  Default: False
    --texturing-skip-hole-filling
                          Skip filling of holes in the mesh.
                                                  Default: False
    --texturing-keep-unseen-faces
                          Keep faces in the mesh that are not seen in any
                          camera.
                                                  Default: False
    --texturing-tone-mapping <string>
                          Turn on gamma tone mapping or none for no tone
                          mapping. Choices are 'gamma' or 'none'.
                                                  Default: none
    --gcp <path string>   path to the file containing the ground control points
                          used for georeferencing. Default: None. The file needs
                          to be on the following line format: easting northing
                          height pixelrow pixelcol imagename
    --use-exif            Use this tag if you have a gcp_list.txt but want to
                          use the exif geotags instead
    --dtm                 Use this tag to build a DTM (Digital Terrain Model,
                          ground only) using a simple morphological filter.
                          Check the --dem* and --smrf* parameters for finer
                          tuning.
    --dsm                 Use this tag to build a DSM (Digital Surface Model,
                          ground + objects) using a progressive morphological
                          filter. Check the --dem* parameters for finer tuning.
    --dem-gapfill-steps <positive integer>
                          Number of steps used to fill areas with gaps. Set to 0
                          to disable gap filling. Starting with a radius equal
                          to the output resolution, N different DEMs are
                          generated with progressively bigger radius using the
                          inverse distance weighted (IDW) algorithm and merged
                          together. Remaining gaps are then merged using nearest
                          neighbor interpolation.
                                                  Default: 3
    --dem-resolution <float>
                          DSM/DTM resolution in cm / pixel.
                                                  Default: 5
    --dem-decimation <positive integer>
                          Decimate the points before generating the DEM. 1 is no
                          decimation (full quality). 100 decimates ~99% of the
                          points. Useful for speeding up generation.
                                                  Default: 1
    --dem-euclidean-map   Computes an euclidean raster map for each DEM. The map
                          reports the distance from each cell to the nearest
                          NODATA value (before any hole filling takes place).
                          This can be useful to isolate the areas that have been
                          filled.
                                                  Default: False
    --orthophoto-resolution <float > 0.0>
                          Orthophoto resolution in cm / pixel.
                                                  Default: 5
    --orthophoto-no-tiled
                          Set this parameter if you want a stripped geoTIFF.
                          Default: False
    --orthophoto-compression <string>
                          Set the compression to use. Note that this could break
                          gdal_translate if you don't know what you are doing.
                          Options: JPEG, LZW, PACKBITS, DEFLATE, LZMA, NONE.
                          Default: DEFLATE
    --orthophoto-bigtiff {YES,NO,IF_NEEDED,IF_SAFER}
                          Control whether the created orthophoto is a BigTIFF or
                          classic TIFF. BigTIFF is a variant for files larger
                          than 4GiB of data. Options are YES, NO, IF_NEEDED,
                          IF_SAFER. See GDAL specs:
                          https://www.gdal.org/frmt_gtiff.html for more info.
                          Default: IF_SAFER
    --orthophoto-cutline  Generates a polygon around the cropping area that cuts
                          the orthophoto around the edges of features. This
                          polygon can be useful for stitching seamless mosaics
                          with multiple overlapping orthophotos.
                                                  Default: False
    --build-overviews     Build orthophoto overviews using gdaladdo.
    --verbose, -v         Print additional messages to the console
                                                  Default: False
    --time                Generates a benchmark file with runtime info
                                                  Default: False
    --version             Displays version number and exits.
    --split <positive integer>
                          Average number of images per submodel. When splitting
                          a large dataset into smaller submodels, images are
                          grouped into clusters. This value regulates the number
                          of images that each cluster should have on average.
    --split-overlap <positive integer>
                          Radius of the overlap between submodels. After
                          grouping images into clusters, images that are closer
                          than this radius to a cluster are added to the
                          cluster. This is done to ensure that neighboring
                          submodels overlap.
    --sm-cluster <string>
                          URL to a ClusterODM instance for distributing a
                          split-merge workflow on multiple nodes in parallel.
                          Default: None
    --merge <string>      Choose what to merge in the merge step in a split
                          dataset. By default all available outputs are merged.
                          Default: all
    
    展开全文
  • 文中以某地区第三次全国土地调查数据为例,介绍了利用PCI GXL基于高分辨率国产卫星影像制作DOM的流程及方法,验证了该系统在制作海量遥感正射影像数据时无可比拟的优势。
  • 第二次全国土地调查是国家的一项重大工程。对第二次全国土地调查底图生产的过程和最终成果进行检查,确保了底图成果质量和生产进度。文中主要讨论的是在第二次全国土地调查底图检查过程中进行精度评定时存在的问题...
  • 2.找到C:\Program Files (x86)\RiverMap\水经注万能地图下载器 X3\tools\cadaimg\水经注CAD智能影像加载插件.VLX 3.cad中输入APPload加载这个插件, 4.输入aimg,选择图片既可 5.成功了么,成功了把水经注卸载了,OK
  • 正射影像(转载)

    2016-05-28 15:17:00
    想知道什么是正射影像,必须先知道什么是正射投影。   正射投影 点P在空间R上的正射投影是一个R上的点Q,其中线段PQ垂直于R,或说PQ正交于R。 集合P在空间R上的正射投影是一个R上的集合Q,其中集合P的点在R上的...

    转自:http://blog.sina.com.cn/s/blog_52cbf6600101ao8t.html

    想知道什么是正射影像,必须先知道什么是正射投影。

     

    正射投影

    P在空间R上的正射投影是一个R上的点Q,其中线段PQ垂直于R,或说PQ正交于R

    集合P在空间R上的正射投影是一个R上的集合Q,其中集合P的点在R上的投影都是正射投影。

     

    特例:

    点在直线上的射影: 

        点P在直线L上的垂足Q叫做点P在直线L上的正射投影。

    点在平面上的射影: 

        点P在平面R上的垂足Q叫做点P在平面R上的正射投影。

    点集在平面上的射影: 

        点集P在某一平面R上的正射投影构成的点集Q 叫做点集P在平面R上的正射投影。

     

        由于任何类型的球面,包括椭球面都不是可展曲面,所以,无论是什么样的正射投影在椭球面上都不可能得到与正射投影平面上丈量的几何量一致的长度、距离、坐标点等几何量,局部上只能得到近似的椭球面几何量。

    由于地球上对地观测的正射影像是平面影像(理论上是局部的近似平面),所以,在这样的正射影像上可以进行近似的几何量的量测。由于地球半径很大,在小尺度的度量下其曲面曲率非常小(比如度量单位是米级),所以,地球的切平面在比较小的局部上用正射影像进行几何量的量测,比如,坐标点,长度或面积等。

     

        直观上,三维空间地形地物的正射影像应该是在同一个比例尺下或放大或缩小的地形地物的影像。

     

        中心投影构成的平面影像,理论上因地球表面的起伏永远不可能成为正射影像。这是因为,地形地物的起伏直接影响中心投影平面影像点之间的几何位置和距离,所以,这样的距离并不能准确的代表地形地物在地球表面上的位置信息。

        想通过中心投影构成的平面影像获得正射影像,必须通过摄影测量的三维重建复原三维地形地物的空间点(DSM),然后再进行这些地形地物点的中心点的地球椭球面上的切平面上进行正射投影。但是,由于各种遮挡原因,这样的复原在一些特殊情况下出现困难。这时,可能需要多个立体像对来复原相互缺失的地形地物的空间点。

     

    附件:

    一、DTM(Digital Terrain Model)
      数字地面模型利用一个任意坐标系中大量选择的已知x、y、z的坐标点对连续地面的一个简单的统计表示,或者说,DTM就是地形表面形态属性信息的数字表达,是带有空间位置特征和地形属性特征的数字描述。地形表面形态的属性信息一般包括高程、坡度、坡向等
      数字地形模型DTM, Digital Terrain Model)最初是为了高速公路的自动设计提出来的(Miller,1956)。此后,它被用于各种线路选线(铁路、公路、输电线)的设计以及各种工程的面积、体积、坡度计算,任意两点间的通视判断及任意断面图绘制。在测绘中被用于绘制等高线、坡度坡向图、立体透视图,制作正射影像图以及地图的修测。在遥感应用中可作为分类的辅助数据。它还是的基础数据,可用于土地利用现状的分析、合理规划及洪水险情预报等。在军事上可用于导航及导弹制导、作战电子沙盘等。对DTM的研究包括DTM的精度问题、地形分类、数据采集、DTM的粗差探测、质量控制、数据压缩、DTM应用以及不规则三角网DTM的建立与应用等。


    二、DEM(Digital Elevation Matrix)
         数字高程矩阵。GIS、地图学中的常用术语。
      数字高程模型Digital Elevation Model缩写DEM是一定范围内规则格网点的平面坐标(X,Y)及其高程(Z)的数据集,它主要是描述区域地貌形态的空间分布,是通过等高线或相似立体模型进行数据采集(包括采样和量测),然后进行数据内插而形成的。DEM是对地貌形态的虚拟表示,可派生出等高线、坡度图等信息,也可与数字正射影像图(DOM)或其它专题数据叠加,用于与地形相关的分析应用,同时它本身还是制作DOM的基础数据
      DEM是用一组有序数值阵列形式表示地面高程的一种实体地面模型,是数字地形模型(Digital Terrain Model,简称DTM)的一个分支一般认为,DTM是描述包括高程在内的各种地貌因子,如坡度、坡向、坡度变化率等因子在内的线性和非线性组合的空间分布,其中DEM是零阶单纯的单项数字地貌模型,其他如坡度、坡向及坡度变化率等地貌特性可在DEM的基础上派生。DTM的另外两个分支是各种非地貌特性的以矩阵形式表示的数字模型,包括自然地理要素以及与地面有关的社会经济及人文要素,如土壤类型、土地利用类型、岩层深度、地价、商业优势区等等。实际上DTM是栅格数据模型的一种。它与图像的栅格表示形式的区别主要是:图像是用一个点代表整个像元的属性,而在DTM中,格网的点只表示点的属性,点与点之间的属性可以通过内插计算获得。
      建立DEM的方法有多种。从数据源及采集方式讲有:(1)直接从地面测量,例如用GPS、全站仪、野外测量等;根据航空或航天影像,通过摄影测量途径获取,如立体坐标仪观测及空三加密法、解析测图、数字摄影测量等等;(3)从现有地形图上采集,如格网读点法、数字化仪手扶跟踪及扫描仪半自动采集然后通过内插生成DEM等方法。DEM内插方法很多,主要有分块内插、部分内插和单点移面内插三种。目前常用的算法是通过等高线和高程点建立不规则的三角网(Triangular Irregular Network, 简称TIN)。然后在TIN基础上通过线性和双线性内插建DEM。
      由于DEM描述的是地面高程信息,它在测绘、水文、气象、地貌、地质、土壤、工程建设、通讯、气象、军事等国民经济和国防建设以及人文和自然科学领域有着广泛的应用。如在工程建设上,可用于如土方量计算、通视分析等;在防洪减灾方面,DEM是进行水文分析如汇水区分析、水系网络分析、降雨分析、蓄洪计算、淹没分析等的基础; 在无线通讯上,可用 于蜂窝电话的基站分析等等


    三、DSM(Digital slope Model)
      数字表面模型(Digital Slope Model,缩写DSM)是指包含了地表建筑物、桥梁和树木等高度 的地面高程模型。和DSM相比,DEM只包含了地形的高程信息,并未包含其它地表信息,DSM是在DEM的基础上,进一步涵盖了除地面以外的其它地表信息的高程。在一些对建筑物高度有需求的领域,得到了很大程度的重视。
    是最真实地表达地面起伏情况,可广泛应用于各行各业。如在森林地区,可以用于检测森林的生长情况;在城区,DSM可以用于检查城市的发展情况;特别是众所周知的巡航导弹,它不仅需要数字地面模型,而更需要的是数字表面模型,这样才有可能使巡航导弹在低空飞行过程中,逢山让山,逢森林让森林。

    展开全文
  • 基础地理信息数字产品数字正射影像图规范,共享给大家使用,如果还有其他规范我再上传,本来不想收积分,但是我也想下载其他资源,见谅!

空空如也

1 2 3 4 5 ... 17
收藏数 338
精华内容 135
关键字:

正射影像