Рост производительности компьютеров и развитие фотограмметрии

      Комментарии к записи Рост производительности компьютеров и развитие фотограмметрии отключены

Рост производительности компьютеров и развитие фотограмметрии

Ф. Аккерман

ВВЕДЕНИЕ

Компьютеры стали сейчас простыми инструментами. Их применяют везде практически все эксперты. Они оказывают огромное влияние на нашу жизнь по большому счету, и еще больше — на  учёных и профессиональную деятельность инженеров.

Само собой разумеется, студенты любого университета вычисляют замечательные компьютеры само собой разумеющимся. Но возможно, не все знают, как все начиналось, они и представить себе не смогут, как по большому счету трудились отечественные эксперты в докомпьютерное время.

XYZ width=300 height=198 srcset=images/Rost_proizvoditelnosti_kompyuterov_i_razvitie_fotogrammetrii.jpg 300w, http://geomatica.ru/wp-content/uploads/2016/11/Ris_1-17.jpg 596w sizes=(max-width: 300px) 100vw, 300px /Рис. 1.
Блочная фототриангуляция: xyXYZ

В статье мне бы хотелось разглядеть их развития влияние и вопросы компьютеров на развитие фотограмметрии,  наряду с этим я буду опираться на собственный  личный опыт, полученный в 1970–2000 гг. Не буду упоминать первые попытки в 1960-х гг. совершить фотограмметрические вычисления на электронных автомобилях, а сходу начну с 1970 г., в то время, когда случилось первое вправду важное использование компьютеров для ответа фотограмметрических задач.

Оно касалось решения вопросов блочной фототриангуляции, т. е. одновременного определения координат всех всех параметров и точек сети ориентации снимков способом мельчайших квадратов (рис. 1).

УРАВНИВАНИЕ СЕТЕЙ ФОТОТРИАНГУЛЯЦИИ ПО БЛОКАМ

Приблизительно в 1970 г.  в Штутгарте мы создали  собственную первую программу на языке FORTRAN  для уравнивания блоков по способу свободных моделей. Мало позднее показалось уравнивание способом связок. В чем была сложность? Разглядим, к примеру, маленький блок снимков: 8 аэрофотосъемочных маршрутов x 25 моделей любой = 200 моделей. Допустим, у нас имеется приблизительно 10+2 точек на модель, что образовывает приблизительно 800 малоизвестных точек местности.

Это  дает нам 7200 замечаемых xyz координат точек моделей при 2400 малоизвестных XYZ неизвестных точек элементов и 1400 координат местности внешнего ориентирования моделей, всего 3800 малоизвестных параметров. Избыточность совокупности образовывает  r = 3400, либо относительное число (избыточности к количеству малоизвестных)  r/n = 0,47. Наличие некоторых опорных точек  не воздействует на статистику при таких солидных числах.

Ясно, что такое уравнивание способом мельчайших квадратов возможно выполнить лишь посредством компьютеров. Задачи уравнивания таких количеств ни при каких обстоятельствах прежде не решались, кроме того для геодезических сетей. Мы о компьютерах в то время знали мало.

Но было разумеется, что наступает их эра, и мы , что они нам окажут помощь. Вот так в 1967/68 гг. мы (и другие исследователи) занялись программированием для ответа задач фотограмметрии. В вычислительном центре отечественного университета в 1968 г. взяли громадную универсальную ЭВМ Control Data CDC 6600 — одну  из самых быстродействующих в то время.

Мы пологали, что она примет решение все вопросы, и не ожидали никаких трудностей. Но все выяснилось совсем по-второму. Я был очень наивным в то время и отправился в вычислительный центр, ожидая, что у них будут программы для ответа линейных уравнений.

У них было пара программ, но ни одна из них не решала совокупностей, в случае если в них было более 100 малоизвестных. Я не забываю, что  не имел возможности поверить этому и был совсем расстроен: так как мне нужно было решать уравнения с 3000 малоизвестных. Исходя из этого сперва нам было нужно разрабатывать программу для ответа громадных совокупностей линейных уравнений.

Тщательный анализ  обычных уравнений продемонстрировал, что они владеют особенной структурой. Центральная подматрица для малоизвестных координат местности есть строго диагональной. Ее возможно инвертировать по формуле и так априорно исключить указанную группу малоизвестных.

Оставшиеся приведенные обычные уравнения для параметров ориентации возможно расположить так, дабы организовать по диагонали ленту, которую возможно минимизировать. Это было особенно принципиально важно, по причине того, что время ответа изменяется по формуле ub2, где b — ширина ленты. Коэффициент 2 в ширине ленты приводит уже к коэффициенту 4 для времени решения.

Помимо этого,  в собственном подходе к ответу свободных моделей мы воспользовались скоро сходящимися итерациями между уравниванием в плане и по высоте.

Все другие части программы трудились более либо менее без каких-либо неприятностей. Кроме этого прекрасно шла линеаризация первоначально нелинейных уравнений наблюдений. В большинстве случаев хватало 3 итерации, при с  плановыми снимками.

В то время, когда мы занимались указанной работой, то стремились наблюдать вперед и уже думали о передаче управления данными от оператора  к компьютеру. Новая философия подразумевала:

  • возможность применения блоков снимков произвольного размера (в то время он был 200, 1000, 5000);
  • произвольные многократные перекрытия;
  • произвольное количество точек сети, опорных/контрольных точек;
  • произвольную числовую совокупность нумерации для всех точек на местности,
  • и самое ответственное:  компьютер должен был машинально обнаружить коэффициент перекрытия и контроля точек и функции привязки, основанные на нумерации наземных точек; измерять точки и модели возможно было  в произвольной последовательности.

Приблизительно в 1970 г. у нас появилось весьма неспециализированная, но замечательная программа, названная PAT-M, для уравнивания блоками способом мельчайших квадратов по свободным моделям, а мало позднее – для уравнивания  связками, она именовалась PAT-B. Программу написали на языке FORTRAN, в ней было приблизительно 5000 команд. Мы применили ее на большой ЭВМ Control Data CDC 6600,   а скоро приспособили ее для универсальной счётной автомобили.

У CDC 6600 скорость была приблизительно 1 мегафлоп операций с плавающей запятой в секунду, тактовая частота была 1 МГц, количество памяти на магнитных сердечниках составлял 128 000 слов, из которых мы имели возможность применять лишь 50 000 (!). Цена автомобили была приблизительно 10  миллионов. Ввод данных осуществлялся с перфокарт. Время ответа для уравнивания блока среднего размера составляло от получаса до 1–2 часов. Громадные блоки решались чуть меньще суток.

Но в то время длительность вычислений была не серьёзна, потому, что прошлые операции по переходу от точки к точке и все измерения делались вручную и занимали, минимум, полчаса на модель.

  • Отечественная программа для уравнивания блоками была весьма успешной и использовалась в практике в течение нескольких лет. Она стала настоящим прорывом, а уравнивание блоками стало стандартной, весьма действенной процедурой в фотограмметрии. Но для этого потребовались первоначально громадные универсальные счётные автомобили, что начали появляться в университетах и национальных вычислительных центрах в течение 1970-х гг.
  • В последующие годы, с 1970 г. приблизительно до 1990 г., показались многие методические усовершенствования, каковые я упомяну лишь коротко.
  • В практику вошли  блоки по 500, 1000 и более снимков.
  • Теоретические и экспериментальные изучения распознали правила оптимального размещения наземных опорных точек и продемонстрировали хорошее влияние их геометрии на  точность уравнивания блоков. Особенно занимательной была обстановка с точками планового обоснования по периметру блоков. Приобретаемая точность перестает зависеть от размера блоков и остается близкой к величине измерительной точности ?0  координат точек снимков;
  • Громадное практическое значение имело устранение и автоматическое обнаружение неотёсанных неточностей в данных способом отслеживания данных Баарда (Baarda). Неточности постоянно случаются, к примеру, неверный номер точки либо ее ошибочная идентификация. С обнаружением неточностей были связаны изучения теоретической надежности. Они разрешили взять 3? предел произвольных неточностей.
  • Надежность показывает пределы, до которых возможно  теоретически выявить  неотёсанные неточности, в зависимости от локальной избыточности.
  • Следующий ход касался остающихся малоизвестными систематических неточностей изображения, каковые постоянно присутствуют в определенной мере. В блочной фототриагуляции показался способ самокалибровки с дополнительными параметрами. Так как существовала высокая избыточность, то эти параметры отлично определялись и исправляли фактически все значительные малоизвестные систематические неточности изображения. Это оказало большое действие на приобретаемую точность, которая достигла для координат точек снимка  величины ?0 5 ?m  довольно ?0 2 ?m  для маркированных точек.
  • Последним серьёзным этапом стало введение в блочное уравнивание элементов внешнего ориентирования, зафиксированных в полете — линейных посредством GPS, угловых посредством инерциальной навигационной совокупности (INS ???). Эти вспомогательные эти разрешили стабилизировать блоки и существенно снизить количество требуемых наземных опорных точек. Теоретически блоки произошло определять кроме того и без них. Но из-за правильного геокодирования в большинстве случаев некое количество опорных точек все же  применяют (рис. 2).

Все эти разработки были крайне важными для эффективности и повышения качества аэротриангуляции. Все они стали вероятными благодаря формированию методики и теории, но для их реализации не требовались более замечательные компьютеры, поскольку они фактически не затрагивали процессы уравнивания.

Рис.2.
Схематически представлен блок, полученный согласно данным GPS и геокодированный с малый числом точек наземного контроля

В течение 1980-х гг. случился новый громадный скачок в фотограмметрии, базой которого стало увеличение эффективности работы ЭВМ. Он затронул обоюдную привязку цифровых изображений. Сейчас для оцифровывания  аэроснимков показались сканеры, с разрешением 15–30 ?м. Сейчас мы приобретаем цифровые снимки конкретно с цифровых камер.

Посредством автоматических измерения отождествления (и методов нахождения) одноименных точек на любых перекрывающихся снимках. Снимки стереопары приводятся к совершенному случаю съемки методом трансформирования (рис. 3).

Употреблялись пирамиды изображений.

Рис. 3.
Одинаковый участок на перекрывающихся снимках

В Штутгарте мы применили отождествление соответственных точек  способом мельчайших квадратов. Позднее показался способ, основанный на привязке по отдельным чертям, а на данный момент идут поиски предстоящих усовершенствований способов отождествления соответствующих точек.

Автоматическое определение координат соответствующих точек на снимках имело два ответственных последствия. Во-первых, повысилась точность определения координат изображений, которая составляла приблизительно 5 ?м и выше (0,2 размера пикселя). Но намного более серьёзным было второе следствие: целый измерительный процесс для аэротриангуляции стал автоматизированным, и, так, существенно стремительнее. Оператор стал ненужным, не считая измерения опорных точек.

Посредством способа стало кроме этого вероятным измерять не отдельные одиночные связующие точки, а целые серии точек. Это повысило избыточность и сделало блоки намного более стабильными. Само собой разумеется, вычислительная нагрузка выросла, необходимы были более стремительные и действенные счётные автомобили.

Рис. 4.
Блок III согласно данным GPS в проекте округа Балтимор (США)

В 1996/97 гг.  мы применили в компании INPHO способ корреляции изображений в громадном блоке цифровых изображений, взятых со спутников GPS, со стандартными 60% / 20% перекрытиями. Работа проводилась в блоке III проекта округа Балтимор (США).

Эти представлены  в табл. 1. Были просканированы в черно-белом цвете 1720 цветных снимков, с разрешением пиксела 21 µm, что составило всего приблизительно 100 мегапикселов, с глубиной яркости 8 битов. На это потребовалось большое количество времени: 4 60 секунд на изображение либо всего 115 часов. Сейчас цифровые изображения приобретают конкретно с цифровых камер.

Вычисления для уравнивания и корреляции изображений блоками были выполнены на рабочей станции Indigo 2 компании Silicon Graphics SGI, с оперативной памятью 448 мегабайт и стремительным процессором R10000.  Тактовая частота — 175 МГц, количество диска 292 гигабайта, и внешняя память на дисках — 300 гигабайтов. Для того времени размер блока в 1720 цифровых изображений и  уравнивание 134040 малоизвестных считались  огромными.

Таблица 1

 Проект округа Балтимор, Блок III, 1996/97 гг.

Блок Время Результаты
Цель: ГИС округа

Масштаб изображений: 1:6000

Количество изображений: 1720

Залетов: 29 + 3

Наземный контроль: 15 XY, 15 Z

Контрольные точки: 28 XY,77 Z

Все снимки были привязаны посредством GPS

 Сканирование: 21 µm, 115 час

Пирамиды изображений: 3 мин/изображение, 86 час

Автоматическое измерение связующих точек: 4 мин/изображение, 118 час

Уравнивание блоком, эти отредактированные: 3 час

Количество наблюдений 294 600

Количество малоизвестных: 134 040

 ?0 = 4,8 ?m

остаточная среднеквадратическая неточность (rms):

vx = 3,8 ?m

vy = 3,5 ?m

контрольные точки:

rmsx = 6,8 см

rmsy = 7,2 см

rmsz = 9,3 см

Для расчетов употреблялся компьютер Indigo 2 компании Silicon Graphics SGI, оперативная память — 448 мегабайт, 175 МГц, внешняя память на дисках — 300 гигабайт, процессор — R10000

В табл. 1 продемонстрировано, что вычисления на некоторых этапах занимали много времени. В частности, автоматические пирамид измерения и создание изображения 162 000 точек изображений для 39 500 связующих  точек привязки занимали 3 мин. на изображение = 86 час. и 4 мин. на изображение = 118 час. Фактически времени на проведение уравнивания требовалось несравненно меньше.

А последний проход с отредактированными данными (по окончании нескольких предварительных проходов) занял всего три часа. Полученная точность, оцененная по нескольким контрольным точкам, была высокой и имела среднеквадратическую величину 4 см по осям X и Y и 7 см — по Z.

У проекта было две главных задачи. Доказать, что, в первую очередь, GPS измерения для громадных блоков снимков, а иначе, цифровая аэротриангуляция, будут давать требуемую точность измерений. Но  накопление и получение данных в ходе измерений связующих уравнивания и точек изображений занимало большое количество времени — 200  час. И, однако, таковой процесс был намного стремительнее если сравнивать с измерениями вручную, на что ушло бы 1000 час.

Сейчас это уже все — история: спустя лишь 13 лет благодаря современным персональным компьютерам мы делаем подобные вычисления в 100 раз стремительнее.

Давайте сейчас посмотрим на развитие компьютеров  в 1980-е гг. Мы начали собственную работу  в 1970-х гг., в то время, когда показались громадные универсальные счётные автомобили  CDC 6600.    Употреблялись и компьютеры компании IBM, серий 360 и 370. Такие автомобили были доступны лишь в университетах либо больших вычислительных центрах. Исходя из этого  было логично, что развитие компьютеров было направлено на  уменьшение их размеров и, конечно же,  удешевление их стоимости, с тем дабы их имели возможность брать маленькие  компании.

Стали популярными компьютеры среднего размера, известные как рабочие станции — терминалы. Они были медленнее, чем большие универсальные счётные автомобили, но благодаря им программирование стало стандартизированным. Рабочая станция компании Silicon Graphics, на которой производились вычисления в приведенном примере проекта округа Балтимор, была в полной мере достаточной для стандартного уравнивания блоками.

Тогда еще не выдвигались более твёрдые требования к автоматической цифровой аэротриангуляции, как в примере блока из проекта округа Балтимор. Не будем больше останавливаться на описании компьютеров среднего класса, потому, что они все сейчас далеко в прошлом.

Давайте сейчас посмотрим на отечественную сегодняшнюю обстановку, в то время, когда всецело провалились сквозь землю громадные универсальные счётные автомобили, уже уходят в прошлое и графические рабочие станции. По окончании 2000 г. стали развиваться персональные компьютеры (ПК). Они являются громадный ход вперед.

Их скорость достигает 50 гигафлопов операций с плавающей запятой, рабочая память — около 16 гигабайт, количество памяти на  жёстком съемном диске — до 2 терабайтов (тeрa = 1000 гига = 1012) на диск. Возможно подключать пара дисков. Тактовая частота — практически  3 ГГц.

В табл. 2  продемонстрированы предоставленные компанией INPHO примеры того,  как уменьшалось время вычислений с возникновением новых ПК, начиная с 1997 года до отечественного времени. В качестве теста было использовано блочное уравнивание посредством одной и той же программы одного и того же блока из 275 изображений в цифровой форме. В изображения преднамеренно были введены неотёсанные неточности, исходя из этого в этом случае потребовалось совершить 25 итераций вместо в большинстве случаев требуемых 3–4.

Подобное уравнивание указанного блока изображений занимает на современном ПК менее 1 сек., что совсем незначительно если сравнивать с довольно  более продолжительным процессом вычисления автоматических измерений связующих точек. Всего для триангуляционных вычислений маленьких блоков на современных ПК, включая автоматические измерения связующих точек, требуется пара мин., а более больших блоков может потребоваться пара часов, не смотря на то, что скорость остается однообразной: 5–10 сек. на изображение.

Эффективность автоматической  аэротриангуляции по изображениям в цифровом формате увеличилась многократно. А цена на подобные весьма замечательные ПК снизилась до 1000 долл. а также ниже. Если сравнивать с отечественной универсальной машиной Control Data CDC 6600, которую мы использовали в 1970 г., соотношение цена / производительность начало равняться 1:109.

Таблица 2

Блочное уравнивание на ПК 275 цифровых изображений, 25 итераций для обработки неотёсанных измерений

  • Рабочая станция компании Silicon Graphics, процессор R 10000 378 сек. 1994 г. Модели ПК:
  • Intergraph PPro 200 с двойной шиной 361 сек. 1997 г.
  • Compaq Laptop 700 МГц 109 сек. 1999 г.
  • Сони P4, 2.0 гигаГц 51 сек. 2000 г.
  • Fujitsu Siemens Centrino 1.6. ГГц 31 сек. 2003 г.
  • Dell Dimension PXP601, 2.4 ГГц 19 сек. 2005 г.
  • Drll Precision Quad CPUQ9550 15 сек. 2007 г.

* На сегодня 2-5 сек. 2010 г. (

Что касается аэротриангуляции, то на сегодня у нас практически больше нет никаких важных ограничений. Мы выходим за рамки приложений фотограмметрии, каковые были раньше. Вправду, посредством цифровых камер возможно приобретать многократные перекрытия, в особенности для муниципальных территорий.

При перекрытиях 90 % / 90%, к примеру, мы приобретаем в 16 раза больше изображений, чем при стандартных 60 % / 20%. Уже начинают сказать о размерах блоков в 10 000 либо 20 000 изображений. Так или иначе, мощность современных персональных компьютеров немыслима.

Она разрешает уже сейчас и в скором времени расширять блоки до огромных невиданных ранее совокупностей.

Прежде, чем закрыть эту главу, мне хотелось бы отыскать в памяти закон Мура. Он гласит, что скорость работы компьютеров удваивается каждые 18 месяцев, а количество памяти центрального процессора удваивается каждые 24 месяца. Это  соотношение остается страно линейным в течении уже 50 лет.

И оно, думается, сохранится и в скором времени. А эффективность сетевых вычислений (распределенные вычисления) удваивается каждые 9 месяцев.

Имеется еще один вопрос, что направляться упомянуть тут. Благодаря данным GPS и инерциальным совокупностям возможно выяснить координаты центров проекции и угловую ориентацию всех снимков в полете. В случае если эти измерения были бы достаточно правильными, то возможно было бы конкретно применять эти сведенья по ориентации, по окончании некоторых преобразований, избегая всецело этап аэротриангуляции.

Точность блочной триангуляции по снимкам масштаба 1:6000 с применением данных GPS и инерциальной навигационной совокупности (INS), достигает примерно 5 см по осям  X, Y и 8 см по оси  Z. Прямое применение данных  GPS и INS (без уравнивания блока) дало бы нам точность до 11 и 14 см, соответственно, по осям  X  и  Y и 29 см по оси  Z, что уже возможно достаточно для создания ортофото. Остается лишь расширить точность в 3 раза, дабы достигнуть точности, требуемой для блочной  триангуляции.  Это будет зависеть, первым делом, от развития датчиков инерциальной навигационной совокупности, и тогда аэротриангуляция уйдет в историю.

ЦИФРОВЫЕ МОДЕЛИ РЕЛЬЕФА  (ЦМР)

Рис. 5.
Цифровая модель местности

Совсем новым методом 3-хмерного представления местности стали цифровые модели местности (ЦМР), они показались приблизительно в 1970 г. Реализация ЦМР, кроме этого как и уравнивание блоками, зависела от эффективности вычислительных автомобилей. В ЦМР рельеф местности покрывается густой сетью квадратов  либо треугольников (рис. 5). Сеть приобретают вычислениями по нескольким замечаемым точкам.

Сперва измерения по точкам осуществлялись  вручную оператором на стереоплоттерах. При необходимости в сочетании с фотограмметрическими наблюдениями имели возможность кроме этого употребляться эти наземной тахеометрической съемки. Задачей вычислений, каковые выполнялись на компьютере, было, по сути, осуществить интерполяцию сетки.

Позднее были добавлены кое-какие усовершенствования, такие как вершины и линии разрыва и понижения в ландшафте.

Цифровые модели местности первоначально предназначались чтобы получить горизонтали. Скоро стало осознано, но, что цифровые модели местности — это неспециализированная форма геометрического описания местности. ЦМР являются основной продукт, на базе которого возможно взять другие продукты, к примеру, горизонтали, карты уклонов, профили местности, определять разные количества, приобретать виды в возможности и т.д.

Помимо этого, возможно определять страшные территории наводнений, селей либо оползней. Сейчас подобное представление местности стало стандартным, и его применяют для разнообразных приложений.

У себя в Штутгарте мы создали  собственную первую программу для ЦМР  приблизительно в 1970 г. Она первоначально предназначалась чтобы получить  горизонтали и была названа  SCOP (Штутгартская  программа для вычисления горизонталей). Но мы вычисляли ее независимым свободным продуктом, что возможно было конкретно применять в довольно громадных совокупностях измерений.

Тогда в большинстве случаев в стереопаре измеряли около  1000 точек местности, время от времени до 2000, что  означало расстояние между точками в масштабе изображения пара мм. Употреблялось кроме этого и полуавтоматическое измерение профилей, где измерялось еще больше точек, но это делалось,  в основном,  для производства ортофото. Интерполированная сетка жала очень плотной.

Мы создавали приблизительно на порядок больше точек сетки,  чем замечаемых точек,  предел составлял  50 000 точек сетки на  стереомодель. Это означало, что комплекты данных, каковые приходилось обрабатывать и хранить, потребовали большого времени, в особенности в случае если обращение шла о территории с десятками стереомоделей. Исходя из этого, как и при с уравниванием блоками, было ясно сначала, что решить подобную задачу  под силу только счётным автомобилям.

Мы уже коротко познакомились с развитием компьютеров , в то время, когда говорили об аэротриангуляции. Требования к эффективности их работы для целей создания ЦМР не были чем-то особым,  и она не изменялась существенно в течение продолжительного времени. Но обстановка изменилась кардинально по окончании 1990 г., в то время, когда для автоматических стереоизмерений точек на цифровом изображении произошло применять корреляцию цифровых изображений. В табл. 3 дан пример, относящийся к началу 1990-х гг.

Это — одна из отечественных первых попыток разработки ЦМР посредством автоматических измерений точек. Вычисления проводились на компьютере компании Silicon Graphics,  с процессором R 4000. Фотографии были предварительно оцифрованы посредством сканера, размер пиксель — 15 ?м, всего 470 мегапикселов.

Скачок в разрешении и производительности очевиден. Было измерено намного больше точек на местности, чем точек сетки: в отечественном примере  около 1 миллиона точек на местности для 80 000 точек на сетке. Время вычислений составляло  приблизительно 150 точек в секунду  =  1,5 часа.

Для того времени это казалось удовлетворительным.

Таблица 3

Пример: автоматическое  создание ЦМР посредством модуля MATCH—T, 1992 г.

Размер пикселей 15 µm
Время вычислений/модель

Количество 3D точек

Количество точек сети

Количество точек /сеть

Скорость измерения 3D точек сетевых точек

 1,8 час.

1 миллион

80000

10

150/сек.

12/сек.

В следствии недавнего скачка в производительности, которую достигли ПК,  подобные показатели становятся  всецело устаревшими. Сейчас мы трудимся приблизительно в 100 раз стремительнее. интерполяция и точек Автоматические измерения снимков ЦМР занимают лишь 1–5 мин. на стереопару.

Но неспециализированное время вычислений  все еще остается в пределах часов.

Рис. 6.
Воздушное лазерное сканирование

Создание солидных ЦМР  взяло еще одно ускорение в собственном развитии за последние 15 лет в связи с началом применения бортовых лазерных сканеров. Лазер испускает импульсы, и после этого измеряется задержка по времени на отраженном сигнале. Это разрешает вычислить расстояние до точки поверхности Почвы. Измерив направление луча лазера в пространстве  возможно взять координаты точек местности (рис. 6).

  Точность образовывает порядка нескольких см, в зависимости от характера поверхности. Самым нужным свойством  лазерных измерений есть тот факт,  что мы  приобретаем на территории с  растительностью многократно отраженный сигнал. Так, в один момент возможно взять и цифровые модель рельефа и модель поверхности, что особенно принципиально важно для территорий, покрытых лесом.

Характеристики сегодняшних лазерных сканеров велики. Сейчас возможно измерять до 600 000 точек в секунду. За  один час полета мы приобретаем более  2?109 точек либо 10–50 точек на m2, в зависимости от высоты полета.

Такая высокая плотность особенно нужна для наземных приложений в подвижных станциях. В любом случае, количества  входных данных достигают миллиардов измерений.

Подведя результат,  мы можем заявить, что для ЦМР требуются огромные совокупности данных с миллиардами точек. Они подразумевают высокие плотности точек, что гарантирует высокую детальность представления  сложных  объектов. И дабы совладать с этим, нужно всецело применять производительность современных персональных компьютеров.

Существующие ограничения для ЦМР не лежат в области компьютеров,  а скорее они лежат в сфере ПО и методике. Перед нами стоят неприятности больших туч точек, по которым требуется машинально извлекать объекты. Это достаточно легко делается в стандартных случаях.

Но неприятность автоматического извлечения сложных объектов, таких как строения, дороги, парки, промышленные территории и т.д. для муниципального моделирования еще не решена всецело. на данный момент проводятся научные изучения, как оптимальнее объединять эти по изображениям с данными лазерного сканирования.

ЗАКЛЮЧЕНИЕ

Суммируя итоги развития аэрофотограмметрии за прошлые 40 ее зависимость и лёт от производительности компьютеров, мы можем выделить 3 главных этапа, каковые возможно назвать прорывами. В первую очередь, это блочное уравнивание способом мельчайших квадратов. Во-вторых, цифровые модели местности, и наконец, корреляция цифровых изображений, которая существенно продвинула  автоматизацию в фотограмметрии.

Эти этапы произошли благодаря увеличению производительности вычислительных автомобилей и компьютеров и разных применяемых  сенсоров. Но они кроме этого воображают творческое развитие и самой фотограмметрической науки. Фантастическое его стоимости производительности и соотношение компьютера 1: 109 если сравнивать с 1970 г.  само собой разумеется, содействует расширению методов и сфер  приложений  аэротриангуляции.

Кроме того 10 либо 15 лет назад существующий уровень аэротриангуляции и цифровых моделей рельефа был немыслимым. Но необходимо трудиться дальше: особенно над автоматическим распознанием объектов по цифровым изображениям. Оно испытывает недостаток в более совершенном программном обеспечении и теоретическом обосновании.

Нужен творческий подход к ответу данной задачи.

Возможно сказать и о увеличении производительности компьютеров. на данный момент создаются ЦМР с высокой плотностью:  одна точка местности на  любой пиксель изображения. Это дает  приблизительно 1 миллиард точек местности, покрываемой одним снимком. В заключении я могу процитировать Франца Леберла (Franz Leberl) из Австрии, что сообщил некое время назад: «Не так долго осталось ждать у нас будут спутниковые снимки с разрешением 20 см».

Тогда мы сможем взять многократное покрытие всей поверхности Почвы. Это указывает, что у нас будет 1016 пикселей по снимкам и около 1015 пикселей на местности. Нам остается лишь ожидать, разрешит ли это совсем решить задачу, находившуюся столетиями, по полному  картографированию Почвы.

В конце мне хотелось бы еще раз выделить, что я обрисовывал лишь собственный персональный опыт. Все приведенные примеры забраны  в Университете фотограмметрии компании разработчика и Штутгартского-университета ПО INPHO, которую я основал в 1980 г. Я сам конкретно учавствовал в развитии фотограмметрии  до приблизительно 1995 г. и мало позднее,  и рад, что и мой вклад имеется в этом. Это было весьма занимательное время. на данный момент я уже не тружусь и не принимаю участия в новейших разработках.

Я ими.

Сравнение производительность двух процессоров или, как выбрать лучший.


Подобранные по важим запросам, статьи по теме: