项目名称: 机载InSAR区域网平差方法研究

项目编号: No.41201481

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 地理学

项目作者: 岳昔娟

作者单位: 中国科学院遥感与数字地球研究所

项目金额: 25万元

中文摘要: 机载InSAR系统能够高效、高精度获取地表高程信息,机载InSAR系统及InSAR数据处理方法已成为国际SAR领域的研究热点。机载InSAR区域网平差通过建立影像之间的几何约束关系,依据最小二乘原理,调整和精化平差参数,求解加密点坐标,不仅可以减少地面控制点的数量,还能提高加密点坐标的精度和区域网整体性,实现大面积、稀少控制点条件下高精度定位。因此,利用机载InSAR高精度测图,必须进行机载InSAR区域网平差。 本项目主要研究内容:(1)研究机载InSAR区域网平差三维误差模型,进行机载InSAR区域网平差误差分析;(2)研究机载InSAR粗差探测与稳健估计方法;(3)研究机载InSAR区域网平差最优收敛条件;(4)研究大规模、非线性、高精度机载InSAR区域网平差求解方法,实现大面积、稀少控制条件下机载InSAR高精度定位。

中文关键词: 机载InSAR;区域网平差;数字高程模型;数字正射模型;精度分析

英文摘要: High-precision surface elevation information can be orbtained efficiently by airborne InSAR system. Airborne InSAR system and InSAR data processing algorithm have been one of the hot topics in the international SAR field. Geometric constraint relation of images is set up through airborne InSAR block adjustment, adjustment parameters are adjusted and refined, and the pass point coordinates are solved according to least squares theory. The number of the ground control points is reduced. The accuracy of the pass point coordinates and the integrity of the block is increased by airborne InSAR block adjustment. So high-precision positioning can be achieved in large area with few control points. Therefore block adjustment is the core of airborne InSAR mapping. Main research content in the project includes: (1)3-D error model of airborne InSAR block adjustment and error analysis of the whole process of airborne InSAR Block adjustment. (2)The method of airborne InSAR Outlier detection and robust estimation. (3)Optimal convergence condition of airborne InSAR block adjustment. (4)Large-scale, nonlinear and high-precision resolving with airborne InSAR block adjustment. Finally, high-precision posioning is realized in large area with few control points.

英文关键词: airborne InSAR;block adjustment;DEM;DOM;accuracy analysis

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】基于鲁棒区域特征生成的零样本目标检测
专知会员服务
10+阅读 · 2022年3月22日
专知会员服务
46+阅读 · 2021年8月28日
专知会员服务
70+阅读 · 2021年3月23日
专知会员服务
69+阅读 · 2021年1月16日
专知会员服务
114+阅读 · 2021年1月11日
专知会员服务
18+阅读 · 2020年12月23日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
【紫冬分享】移动机器人视觉里程计综述
中国科学院自动化研究所
11+阅读 · 2018年10月31日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
SAR成像原理及图像鉴赏
无人机
21+阅读 · 2017年8月14日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Adaptive Synthetic Characters for Military Training
Arxiv
46+阅读 · 2021年1月6日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关资讯
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
【紫冬分享】移动机器人视觉里程计综述
中国科学院自动化研究所
11+阅读 · 2018年10月31日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
SAR成像原理及图像鉴赏
无人机
21+阅读 · 2017年8月14日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员