Модель фотоаппарата: Модель фотоаппарата

Фотоаппараты Nikon, бюджетные и зеркальные

Японская компания Nikon является производителем оптики и устройств для обработки изображений. Была основана в 1917 году. Занималась производством оптики для флота Японии. После Второй Мировой войны переквалифицировались на производство продукции для населения. В 1946 году выпустили первый фотоаппарат Nikon. С тех пор компания стала совершенствовать свои технологии и производить новые фотоаппараты.

С 2006 года компания практически прекратила производство пленочных фотоаппаратов, и сконцентрировалась на производстве цифровых фотокамер. Кроме того Nikon производит фото-принадлежности, бинокли, сканеры и микроскопы. Под торговой маркой Nikkor выпускаются объективы для фотоаппаратов.

Компания Nikon одна из самых успешных компаний на рынке фотоаппаратуры. Их основными конкурентами являются Canon и Sony.

Модельная линейка фотоаппаратов компании Nikon довольно широка. Для любителей классики на данный момент выпускается пеленочная зеркальная усовершенствованная фотокамера F6.

Цифровые фотоаппараты делятся на три основные категории: зеркальные, серия COOLPIX и серия Nikon 1.

Зеркальные фотокамеры SLR разделяют на два вида: любительские и профессиональные. Зеркальные фотоаппараты отличаются уникальной системой позволяющей видеть предмет съемки, через объектив, используемый для выполнения снимка. Среди профессиональных очень популярна модель D700 а так же новинка D4.

Любительские зеркальные фотокамеры сейчас на гребне волны популярности. В топе продаж интернет магазинов такие модели как D7000, D3100, D5100 и конечно же D90. Любительские камеры отличаются от профессиональных тем, что они более компактные и несколько ограниченные в возможностях.

Серия COOLPIX это обычные компактные камеры с зуммированием. В свою очередь эта серия делится на три группы. Группа S (Style), отличаются компактностью, современным и красочным дизайном и невысокой стоимостью. Популярна модель S2600.

Группа L (Life) — это практичные фотокамеры с зуммированием. В модельной линейки представлены как суперзумы так и камеры с широкоугольным объективом. В группе L популярна модель L25.

Группа P (Performance) разработана специально для тех, кто хочет многофункциональную камеру, идущую в ногу со временем по доступной цене. Это гибридные камеры внешне похожие на зеркальные фотокамеры. Одной из самых популярных моделей является P510.

Компания Nikon производит и специализированную камеру для людей ведущих активный образ жизни COOLPIX AW100. Модель водонепроницаема, морозостойка и прочна, оснащена встроенным компасом и GPS с картой мира.

Серия Nikon 1 — это компактные камеры со съемным объективом. Пока что представлены всего три модели: J1, J2, V1. Отличаются интеллектуальным выбором снимка, режимом моментальной съемки. Делает до 60 кадров в секунду.

Nikon продолжает искать новые технологии для внедрения в фотокамеры. Основные тенденции в развитии компании это усовершенствование оптики и фотоаппаратов.

Пленочный фотоаппарат «Киев» — цена, модели фотоаппарата «Киев», история

А

Абакан  

Продать монеты в Абакане

Архангельск  

Продать монеты в Архангельске

Астрахань

Б

Барнаул  

Продать монеты в Барнауле

Белгород  

Продать монеты в Белгороде

Бийск

Благовещенск

Брянск  

Продать монеты в Брянске

В Великий Новгород

Владивосток  

Продать монеты в Владивостоке

Владикавказ  

Продать монеты в Владикавказе

Владимир

Волгоград  

Продать монеты в Волгограде

Вологда  

Продать монеты в Вологде

Г

Грозный  

Продать монеты в Грозном

Е

Екатеринбург  

Продать монеты в Екатеринбурге

И

Иваново  

Продать монеты в Иваново

Ижевск

 

Продать монеты в Ижевске

Иркутск  

Продать монеты в Иркутске

К

Казань  

Продать монеты в Казани

Калуга  

Продать монеты в Калуге

Кемерово  

Продать монеты в Кемерово

Киров  

Продать монеты в Кирове

Комсомольск-на-Амуре

Королёв

Кострома  

Продать монеты в Костроме

Красногорск

Краснодар  

Продать монеты в Краснодаре

Красноярск  

Продать монеты в Красноярске

Курган  

Продать монеты в Кургане

Курск

Л

Липецк  

Продать монеты в Липецке

М Магнитогорск

Махачкала  

Продать монеты в Махачкале

Москва  

Продать монеты в Москве

Мурманск  

Продать монеты в Мурманске

Н Набережные Челны

Нальчик  

Продать монеты в Нальчике

Нижневартовск  

Продать монеты в Нижневартовске

Нижний Новгород  

Продать монеты в Нижнем Новгороде

Нижний Тагил  

Продать монеты в Нижнем Тагиле

Новокузнецк  

Продать монеты в Новокузнецке

Новороссийск  

Продать монеты в Новороссийске

Новосибирск  

Продать монеты в Новосибирске

О

Оренбург  

Продать монеты в Оренбурге

Орёл  

Продать монеты в Орле

П

Пенза  

Продать монеты в Пензе

Пермь  

Продать монеты в Перми

Петрозаводск

Псков  

Продать монеты в Пскове

Пятигорск

Р

Ростов-на-Дону  

Продать монеты в Ростове-на-Дону

Рязань  

Продать монеты в Рязани

С

Самара

 

Продать монеты в Самаре

Санкт-Петербург  

Продать монеты в Санкт-Петербурге

Саранск  

Продать монеты в Саранске

Саратов  

Продать монеты в Саратове

Севастополь  

Продать монеты в Севастополе

Симферополь  

Продать монеты в Симферополе

Смоленск  

Продать монеты в Смоленске

Сочи  

Продать монеты в Сочи

Ставрополь  

Продать монеты в Ставрополе

Старый Оскол

Сургут  

Продать монеты в Сургуте

Сыктывкар

Т

Тамбов  

Продать монеты в Тамбове

Тверь

Тольятти  

Продать монеты в Тольятти

Томск  

Продать монеты в Томске

Тула  

Продать монеты в Туле

Тюмень  

Продать монеты в Тюмени

У

Улан-Удэ  

Продать монеты в Улан-Удэ

Ульяновск  

Продать монеты в Ульяновске

Уфа  

Продать монеты в Уфе

Х

Хабаровск  

Продать монеты в Хабаровске

Ч

Чебоксары  

Продать монеты в Чебоксарах

Челябинск  

Продать монеты в Челябинске

Чита  

Продать монеты в Чите

Щ Щелково

Ю

Южно-Сахалинск  

Продать монеты в Южно-Сахалинске

Я Якутск

Ярославль  

Продать монеты в Ярославле

Описание моделей камер

— calib.

io

Модель камеры лежит в основе любой процедуры калибровки. Следовательно, чтобы лучше понять факторы, влияющие на хорошую калибровку камеры, стоит углубиться в модели камер.

Модель пинхола

Модель камеры связывает точки в 3D с их проекциями на изображении с камеры. На сегодняшний день наиболее распространенной моделью является модель камеры-обскуры, в которой делается фундаментальное предположение о том, что лучи света попадают в камеру через бесконечно малую апертуру (отверстие), как показано ниже.

Проекция через отверстие. (с) Викимедиа. Пользователь Pbroks13.

Математически и в области компьютерного зрения точки в трехмерном пространстве часто обозначаются $$Q=[x,y,z] .$$ Их соответствующие проекции на изображение камеры равны $$q=[u,v, 1] .$$ ‘1’ в $q$ необходим, так как мы работаем с однородными координатами. Для объяснения нажмите здесь. Их можно связать с помощью модели пинхола:

$$q = \begin{bmatrix} f & 0 & c_x \\ 0 & f & c_y \\ 0 & 0 & 1 \end{bmatrix} \ cdot Q$$

Модель камеры-обскуры.
Изменено из онлайн-документации OpenCV. (с) Итсез.

Эта проекция, по сути, делает две вещи: она масштабирует координаты на $f$ и переводит их так, чтобы координаты не относились к центру камеры, а имели систему координат, расположенную в верхнем левом углу изображения. Это естественный способ индексации позиций пикселей в цифровом изображении.

Параметры $c_x, c_y$ называются координатами главной точки , так как их также можно интерпретировать как координаты изображения основной точки , где оптическая ось пересекает плоскость изображения. Для m камер разумно предположить, что $c_x, c_y$ находятся точно в центре изображения. Однако объектив может быть не идеально отцентрирован с датчиком изображения, особенно в недорогих камерах, например, в смартфонах. А в специализированных камерах и объективах, таких как объективы Шаймпфлюга или внеосевые проекционные объективы, оптическая ось намеренно не пересекает центр изображения. В этих ситуациях $c_x, c_y$ необходимо определить из калибровки.

Параметр $f$ — это фокусное расстояние, которое зависит от объектива камеры и используемого сенсора. Большое/длинное фокусное расстояние масштабируется большим числом и может интерпретироваться как большой «зум», в то время как макрообъектив будет иметь маленькое/короткое фокусное расстояние. По единицам $f$ обязательно должны быть совместимы с единицами $q$ и $Q$. Следовательно, если 3d точки $Q$ заданы в метрах, а $q$ — в пикселях (или px), то $f$ имеет единицы $px/m$. Обратите внимание, что в практических приложениях $Q$ чаще всего выражается в $m$ или $mm$, а $q$ почти всегда выражается в $px$. Однако важно помнить о положении источника.

Расширение модели обскуры

В результате экспериментов и для размещения камер и объективов, которые недостаточно хорошо описаны с помощью простой модели обскуры, общее расширение имеет следующие параметры:

$$q = \ begin{bmatrix} f_x & \alpha f_x & c_x \\ 0 & f_y & c_y \\ 0 & 0 & 1 \end{bmatrix} \cdot Q$$

Точная формулировка немного отличается от автора к автору. Однако важно отметить, что, вводя $f_x$ и $f_y$ вместо одного общего $f$, мы позволяем камере масштабироваться по-разному в направлениях $x$ и $y$. Отношение $f_x/f_y$ иногда называют соотношение сторон . Это может быть связано с неквадратными пикселями (которые встречаются в некоторых стандартах оцифровки аналоговых камер, например 480i или 576i) или с некоторыми экзотическими анизотропными объективами камер. В зависимости от качества калибруемой камеры включение $f_x$ и $f_y$ может быть оправдано. К счастью, оба параметра могут быть определены очень надежно и неоднократно при калибровке камеры, и поэтому калибровка для обоих обычно не причиняет большого вреда.

$\alpha$ с другой стороны у моделей перекос в камере, что редко оправдывается на практике в современных устройствах. Это позволяет оси x и y датчика не быть идеально перпендикулярными. Этот параметр следует исключить из модели камеры и калибровки почти во всех современных приложениях, если только нет веских причин для его включения, поскольку в противном случае калибровка становится менее надежной.

Искажение объектива

Модель с точечным отверстием идеально подходит только для камеры с бесконечно малым входным зрачком (или апертурой). На практике таких камер, конечно же, не существует, так как они не пропускают свет. Следовательно, обычно требуется система линз, чтобы сфокусировать входящие лучи на датчик изображения. При этом вводится некоторая степень искажения объектива . Обычно это гораздо более выражено в широкоугольных макрообъективах (иногда называемых объективами «рыбий глаз»), чем в объективах с большим фокусным расстоянием, потому что труднее создать широкоугольные объективы с низким уровнем искажений, даже если производители делают все возможное, чтобы этого избежать. .

Эффекты радиального искажения

Одна группа эффектов искажения объектива имеет радиальную симметрию, что означает, что на заданном расстоянии от главной точки величина искажения постоянна. Когда линза искажается внутрь, это называется бочкообразной дисторсией . Напротив, когда он деформируется наружу, это называется подушкообразным искажением . Смесь обоих называется искажение руля .

Бочкообразная дисторсия (слева), подушкообразная дисторсия (в центре) и дисторсия в виде усов (справа). (с) Викимедиа. Пользователь WolfWings. 96) \cdot q .$$

В этой модели используются три параметра $(k_1, k_2, k_5)$. Они представляют собой полиномиальные коэффициенты, допускающие наличие плавно изменяющегося искажения, которое может быть строго отрицательным (бочкообразное искажение), строго положительным (подушкообразное искажение) или обоими (усиное искажение). Обратите внимание, что необходимо включать только четные полиномиальные порядки, поскольку область определения функции всегда положительна ($ r \in [0; r _ {\ text {max}}] $).

Эффекты тангенциального искажения

92) + 2 k_4 x y \end{bmatrix} \cdot q .$$

Сочетание приведенной выше радиальной модели и тангенциальной модели иногда называют моделью Plumb Bob или моделью Brown-Conrady .

Для объективов и камер хорошего качества зачастую нет необходимости включать в модель камеры параметры тангенциальной дисторсии. Так же, как координаты центральной точки и параметры радиального искажения, обычно требуется большое количество хорошо распределенных калибровочных изображений для точного определения этих параметров с хорошей воспроизводимостью. Таким образом, часто лучше не включать их, особенно если камера и объектив достаточного качества.

 

 

Приложение: Об однородных координатах

Обычный способ представления точек в трехмерном пространстве или на двумерной плоскости состоит в использовании 3-векторов и 2-векторов соответственно. Однако для некоторых целей очень полезно использовать вместо них однородные координаты, когда вводится дополнительная координата.

Например, точка двумерного изображения может быть обозначена как $q_{\text{inhom}}=[u,v]$. В однородных координатах мы пишем $q_{\text{hom}}=s \cdot [u,v,1]$ и имеем $s$ в качестве параметра произвольной шкалы. Любой выбор $s$ представляет одну и ту же двумерную точку. Однако мы не можем допустить, чтобы $s$ равнялось 0 или бесконечности.

Теперь представьте преобразование координат, состоящее из масштабирования с коэффициентом $\alpha$ и переноса с помощью вектора $[t_x, t_y]$. Его можно применить к $q_{\text{inhom}}$ следующим образом:

$$\hat{q}_{\text{inhom}} = \begin{bmatrix} u \\ v \end{bmatrix} = \begin{bmatrix} \alpha & 0 \\ 0 & \alpha \end{bmatrix} q_{\text{inhom}} + \begin{bmatrix} t_x \\ t_y \end{bmatrix}$$

Это делает работают хорошо, однако преобразование не является линейным (оно не может быть выражено как одно матрично-векторное произведение). Однако для многих производных это значительно упростило бы математику, если бы это преобразование действительно можно было выразить как единую операцию матрица-вектор. С однородной версией $q$ мы можем сделать следующее:

$$ \hat{q}_{\text{hom}} = s \begin{bmatrix} u \\ v \\ 1 \end{bmatrix} = \begin{bmatrix} \alpha & 0 & t_x \\ 0 & \alpha & t_y \\ 0 & 0 & 1 \end{bmatrix} q_{\text{hom}}$$

То есть: теперь преобразование (в данном случае проекция) выражается как линейное преобразование. Чтобы преобразовать $\hat{q}_{\text{hom}}$ в $\hat{q}_{\text{inhom}}$, что мы можем легко интерпретировать, мы просто делим на первые два компонента $\hat{q} _{\text{inhom}}$ с третьим (который является произвольным масштабным коэффициентом $s$).

Этот прием позволяет упростить многие формулировки геометрии. Кроме того, существует полезная интерпретация однородных 2D-координат: мы знаем, что любая точка на изображении с камеры соответствует некоторой точке на определенной линии в 3D-пространстве. Однородные координаты для 2d-линии в точности являются параметризацией этой линии в пространстве. Варьируя $s$, мы движемся вдоль этой линии. Установив $s = 1$, мы пересекаем плоскость изображения и получаем 2d координаты точки, которые нас обычно интересуют.

Однородные координаты обладают и другими замечательными свойствами. В Википедии есть отличный обзор.

 

Ссылки

[1]: Калибровка камеры ближнего действия, DC Brown, Photogrammetric Engineering, стр.

855-866, Vol. 37, № 8, 1971. 100144

Сводка

Оценивает модель внешней камеры и модель внутренней камеры по заголовку EXIF ​​необработанного изображения и уточняет модели камер. Затем модель применяется к набору данных мозаики с возможностью использования созданной инструментом цифровой модели поверхности высокого разрешения (DSM) для достижения лучшего ортотрансформирования.

Это особенно полезно для изображений БПЛА и БПЛА, в которых модели внешней и внутренней камеры являются грубыми или неопределенными.

Применение

  • Типичный рабочий процесс может включать в себя запуск инструмента «Вычислить модель камеры» дважды: один раз с установленным параметром «Оценить модель камеры» и указанием значения параметра «Таблица контрольных точек вывода», а второй раз с установленным параметром «Уточнить модель камеры» и использованием выходных данных. из первого прогона в качестве значения параметра Входная таблица связующих точек. Цель этого рабочего процесса — сначала быстро оценить модель камеры, а затем создать более точную модель камеры.

  • Если для параметра «Точность определения местоположения GPS» установлено значение «Очень высокая точность GPS», параметры ориентации изображения будут скорректированы, а измерения GPS останутся фиксированными. Кроме того, при выборе этого параметра наземные опорные точки (GCP) не требуются. Опорные точки будут отмечены как контрольные точки при уравнивании.

Параметры

Метка Пояснение Тип данных

Входной набор данных мозаики

Набор данных мозаики, на основе которого будет построена и рассчитана модель камеры.

Хотя это и не обязательно, рекомендуется сначала запустить инструмент Применить блочное уравнивание для входного набора данных мозаики.

Набор данных мозаики; Слой мозаики

Выходной DSM

(дополнительно)

Набор растровых данных DSM, сгенерированный из скорректированных изображений в наборе данных мозаики. Если установлен флажок «Применить уравнивание», этот ЦМР заменит ЦМР в геометрической функции для достижения лучшего ортотрансформирования.

Набор растровых данных

Точность местоположения GPS

(дополнительно)

Указывает уровень точности входных изображений. Инструмент выполнит поиск изображений по соседству, чтобы вычислить совпадающие точки и автоматически применит стратегию корректировки на основе уровня точности.

  • Высокая точность GPS — точность GPS составляет от 0 до 10 метров, и инструмент использует максимум изображения 4 на 3.
  • Средняя точность GPS — точность GPS составляет от 10 до 20 метров, и инструмент использует максимум изображения размером 4 на 6.
  • Низкая точность GPS — точность GPS составляет от 20 до 50 метров, и инструмент использует максимум 4 на 12 изображений.
  • Очень низкая точность GPS — точность GPS составляет более 50 метров, а инструмент использует не более 4 на 20 изображений.
  • Очень высокая точность GPS — изображения были получены с помощью высокоточных дифференциальных GPS, таких как RTK или PPK. Эта опция зафиксирует положение изображения во время уравнивания блоков.
Строка

Оценочная модель камеры

(Необязательно)

Указывает, будет ли модель камеры оцениваться путем вычисления корректировки на основе восьмикратного исходного разрешения набора данных мозаики. Вычисление корректировки на этом уровне будет быстрее, но менее точным.

  • Отмечено — будет оценена модель камеры. Это значение по умолчанию.
  • Не отмечено — модель камеры оцениваться не будет.
Булево значение

Уточнить модель камеры

(Необязательно)

Указывает, будет ли модель камеры уточняться путем вычисления корректировки с разрешением набора данных мозаики. Вычисление корректировки на этом уровне даст наиболее точный результат.

  • Отмечено — модель камеры будет уточнена путем вычисления настройки исходного разрешения. Это значение по умолчанию.
  • Не отмечено — модель камеры уточняться не будет. Этот вариант будет быстрее, поэтому это хороший вариант, когда вычисления не нужно выполнять в исходном разрешении.
Логический

Применить корректировку

(Необязательно)

Указывает, будет ли применено скорректированное преобразование к набору данных мозаики.

  • Отмечено — рассчитанная корректировка будет применена к входному набору данных мозаики. Это значение по умолчанию.
  • Не отмечено — рассчитанная корректировка не будет применяться к входному набору данных мозаики.
Логический

Максимальная невязка

(Необязательно)

Максимальное остаточное значение, позволяющее сохранить вычисленную контрольную точку в качестве действительной контрольной точки. Значение по умолчанию — 5.

Двойной

Начальное разрешение связующих точек

(дополнительно)

Коэффициент разрешения, при котором связующие точки будут генерироваться при оценке модели камеры. Значение по умолчанию — 8, что означает восьмикратное разрешение исходного пикселя.

Для изображений с незначительной дифференциацией элементов, таких как сельскохозяйственные поля, можно использовать более низкое значение, например 2.

Двойной

Таблица выходных контрольных точек

(дополнительно)

Дополнительный класс объектов контрольных точек.

Класс функций

Таблица выходных решений

(дополнительно)

Дополнительная таблица решений для настройки. Таблица решений содержит среднеквадратичное значение (RMS) ошибки уравнивания и матрицу решения.

Таблица

Выходная таблица точек решения

(дополнительно)

Необязательный класс объектов точки решения. Точки решения — это окончательные контрольные точки, используемые для создания решения для уравнивания.

Класс объектов

Выходной маршрут полета

(Необязательно)

Необязательный класс объектов линии маршрута полета.

Класс функций

Максимальная площадь перекрытия

(дополнительно)

Процент перекрытия между двумя изображениями, чтобы считать их дубликатами.

Например, если значение равно 0,9, это означает, что если изображение на 90 процентов закрыто другим изображением, оно будет считаться дубликатом и удалено.

Двойной

Минимальное покрытие контрольной точки

(дополнительно)

Процент, указывающий покрытие контрольной точки на изображении. Если покрытие меньше минимального процента, изображение не будет обработано и удалено. Значение по умолчанию — 0,05, что составляет 5 процентов.

Двойной

Удалить изображения вне полосы

(Необязательно)

Указывает, будут ли изображения автоматически удаляться, если они находятся слишком далеко от полосы полета.

  • Не отмечено — изображения не будут удалены. Это значение по умолчанию.
  • Отмечено — изображения, расположенные слишком далеко от полетной полосы, будут удалены.
Логический

Таблица входных связующих точек

(необязательно)

Таблица связующих точек, используемая для расчета модели камеры. Если таблица связующих точек не указана, инструмент вычислит собственные связующие точки и оценит модель камеры.

Класс характеристик

Дополнительные опции

(дополнительно)

Дополнительные опции для механизма регулировки. Эти параметры используются только сторонними механизмами настройки.

Таблица значений

Производный вывод

Метка Пояснение Тип данных
Модель выходной камеры

Модель выходной камеры.

Набор данных мозаики; Слой мозаики
 arcpy.management.ComputeCameraModel(in_mosaic_dataset, {out_dsm}, {gps_accuracy}, {оценка}, {уточнить}, {apply_adjustment}, {maximum_residual}, {initial_tiepoint_resolution}, {out_control_points}, {out_solution_table} {out_solution_point_table}, {out_flight_path}, {maximum_overlap}, {minimum_coverage}, {remove}, {in_control_points}, {options}) 
Имя Объяснение Тип данных

in_mosaic_dataset

Модель мозаики и рассчитанный набор данных камеры будут построены.

Хотя это и не обязательно, рекомендуется сначала запустить инструмент Применить блочное уравнивание для входного набора данных мозаики.

Набор данных мозаики; Слой мозаики

out_dsm

(дополнительно)

Набор растровых данных DSM, сгенерированный из скорректированных изображений в наборе данных мозаики. Если для параметра apply_adjustment установлено значение APPLY, этот DSM заменит ЦМР в геометрической функции для достижения лучшего ортотрансформирования.

Набор растровых данных

gps_accuracy

(Необязательно)

Указывает уровень точности входных изображений. Инструмент выполнит поиск изображений по соседству, чтобы вычислить совпадающие точки и автоматически применит стратегию корректировки на основе уровня точности.

  • HIGH — точность GPS составляет от 0 до 10 метров, и инструмент использует максимум изображения 4 на 3.
  • СРЕДНЯЯ — точность GPS составляет от 10 до 20 метров, и инструмент использует максимум изображения размером 4 на 6.
  • LOW — Точность GPS составляет от 20 до 50 метров, и инструмент использует максимум 4 на 12 изображений.
  • VERY_LOW — точность GPS составляет более 50 метров, и инструмент использует не более 4 на 20 изображений.
  • VERY_HIGH — изображение было получено с помощью высокоточного дифференциального GPS, такого как RTK или PPK. Эта опция зафиксирует положение изображения во время уравнивания блоков.
Строка

оценка

(Необязательно)

Указывает, будет ли модель камеры оцениваться путем вычисления корректировки на основе восьмикратного исходного разрешения набора данных мозаики. Вычисление корректировки на этом уровне будет быстрее, но менее точным.

  • ESTIMATE — Модель камеры будет оцениваться. Это значение по умолчанию.
  • NO_ESTIMATE — модель камеры оцениваться не будет.
Булево значение

уточнить

(необязательно)

Указывает, будет ли модель камеры уточняться путем вычисления корректировки при разрешении набора данных мозаики. Вычисление корректировки на этом уровне даст наиболее точный результат.

  • УТОЧНИТЬ — Модель камеры будет уточнена путем вычисления настройки исходного разрешения. Это значение по умолчанию.
  • NO_REFINE — модель камеры уточняться не будет. Этот вариант будет быстрее, поэтому это хороший вариант, когда вычисления не нужно выполнять в исходном разрешении.
Логический

apply_adjustment

(Необязательно)

Указывает, будет ли применено скорректированное преобразование к набору данных мозаики.

  • ПРИМЕНИТЬ — рассчитанная корректировка будет применена к входному набору данных мозаики. Это значение по умолчанию.
  • NO_APPLY — рассчитанная корректировка не будет применяться к входному набору данных мозаики.
Логический

максимум_остаток

(необязательно)

Максимальное остаточное значение, позволяющее сохранить вычисленную контрольную точку в качестве действительной контрольной точки. Значение по умолчанию — 5.

Двойной

initial_tiepoint_resolution

(Необязательно)

Коэффициент разрешения, при котором будут генерироваться связующие точки при оценке модели камеры. Значение по умолчанию — 8, что означает восьмикратное разрешение исходного пикселя.

Для изображений с незначительной дифференциацией элементов, таких как сельскохозяйственные поля, можно использовать более низкое значение, например 2.

Двойной

out_control_points

(Необязательно)

Необязательный класс объектов контрольных точек.

Класс функций

out_solution_table

(дополнительно)

Необязательная таблица решения для уравнивания. Таблица решений содержит среднеквадратичное значение (RMS) ошибки уравнивания и матрицу решения.

Стол

out_solution_point_table

(Необязательно)

Необязательный класс объектов точки решения. Точки решения — это окончательные контрольные точки, используемые для создания решения для уравнивания.

Класс объектов

out_flight_path

(Необязательно)

Необязательный класс объектов линии траектории полета.

Класс объектов

максимальное_перекрытие

(необязательно)

Процент перекрытия между двумя изображениями, чтобы считать их дубликатами.

Например, если значение равно 0,9, это означает, что если изображение на 90 процентов закрыто другим изображением, оно будет считаться дубликатом и удалено.

Двойной

Minimum_coverage

(Необязательно)

Процент, указывающий покрытие контрольной точки на изображении. Если покрытие меньше минимального процента, изображение не будет обработано и удалено. Значение по умолчанию — 0,05, что составляет 5 процентов.

Double

remove

(дополнительно)

Указывает, будут ли изображения автоматически удаляться, если они находятся слишком далеко от полосы полета.

  • NO_REMOVE — изображения не будут удалены. Это значение по умолчанию.
  • REMOVE — изображения, расположенные слишком далеко от полетной полосы, будут удалены.
Логический

in_control_points

(Необязательно)

Таблица связующих точек, используемая для расчета модели камеры. Если таблица связующих точек не указана, инструмент вычислит собственные связующие точки и оценит модель камеры.

Класс характеристик

опции

[опции,…]

(дополнительно)

Дополнительные опции для механизма настройки. Эти параметры используются только сторонними механизмами настройки.

Таблица значений

Производный вывод

Имя Объяснение Тип данных
out_mosaic_dataset

Модель выходной камеры

Набор данных мозаики; Слой мозаики

Пример кода

Пример ComputeCameraModel 1 (окно Python)

Это пример Python для функции ComputeCameraModel.

Модель фотоаппарата: Модель фотоаппарата

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Пролистать наверх