FotoII-capI A5 PDF

1
CAPTULO I
1. Ajustamento de observaes aplicado na Fotogrametria

Devido s propriedades estocsticas das observaes (variabilidade das observaes), sua redundncia no compatvel com o modelo funcional que representa a realidade fsica. Por exemplo, considere um conjunto de n observaes coletadas por um operador humano: se o conjunto supracitado for dividido em 4 (quatro) subconjuntos; ao aplicar qualquer um deles, diferentes resultados sero apresentados, tendo em vista a variabilidade randmica das observaes. O Mtodo de estimao por Mnimos Quadrados (MMQ) tem como objetivo encontrar soluo nica para os parmetros a serem estimados atravs da minimizao da soma dos quadrados dos resduos, como segue:
min
(1.1)
Dentre os mtodos de ajustamento de observaes, os mais usados em aplicaes fotogramtricas so: o mtodo paramtrico para funes lineares e no lineares; o mtodo combinado; e a filtragem kalman. Aqui sero tratados os mtodos de ajustamento de observaes: paramtrico para funes lineares e no lineares; e combinado. 1.1. Mtodo paramtrico para funes no lineares
Fotogrametria I (1. edio 2009) Daniel Rodrigues dos Santos Departamento de Geomtica UFPR
ltima atualizao 2013
2
Admitindo que um conjunto de dados seja observado e suas varincias so de qualidades diferentes; pode-se ento realizar uma ponderao na Equao (1.1) associando um peso para cada um dos elementos do vetor dos resduos saber (DALMOLIN, 2002):
V . Tem-se ento a seguinte expresso, a
V T PV
Onde, P o peso das observaes e
min
V o vetor dos resduos.
(1.2)
O modelo funcional do mtodo paramtrico dado por:
La
Onde, La
F(X a )
(1.3)
Lb V vetor das observaes ajustadas, F o modelo X0 X o vetor dos
matemtico funcional (linear ou no linear), X a
parmetros ajustados, Lb o vetor das observaes, X 0 o vetor dos parmetros aproximados (somente para funes no lineares) e X o vetor das correes dos parmetros aproximados.
Com os elementos descritos acima, pode-se reescrever a Equao (1.2) da seguinte forma:
Lb
F(X 0
X)
(1.4)
3
Expandindo o termo Lb
F(X0
X ) pela srie de Taylor e
desprezando os termos maiores ou iguais a 2, tem-se:
Lb V
Fazendo L0
F(X0
X)
F(X0)
F (Xa X0
X0)
(1.5)
F(X0) e A
F tem-se: X0
X0 L0 Lb
(1.6)
A Xa
A partir da Equao (1.6) obtido o modelo matemtico linearizado do mtodo paramtrico, como segue:
V
Sendo X
AX
L0
L
Lb .
(1.7)
Xa
X0 e L
Substituindo a Equao (1.7) na equao (1.2), tem-se:
AX
L P AX
min
(1.8)
Minimizando a Equao (1.8), ou seja, derivando a Equao (1.8), obtm-se o vetor das correes aos parmetros, como segue:
T 1 T ( u An nP n n Au ) ( u An n P n n L1 )
(1.9)
4
N
Onde,
( AT PA)
eU
( AT PL )
(1.10)
N a matriz das equaes normais;

n o nmero de observaes; u nmero de parmetros ou incgnitas;
1/ 0 0 0 0 0
2 0
2 obs
2 obs
0 1/ 0 0 0 0
2 obs
2 0
1 Lb
2 0
0 0 0 0 .... 0 0 .... 0 0 1/ 0 0
0 0 0 0
2 n obs
0 0 0 0 0 1/
2 n obs
a varincia de unidade peso a priori; e a varincia das observaes.
A Matriz Varincia-Covarincia (MVC) dos parmetros ajustados (
X a ) dada por:
^ 2
Xa
^ 2
(N )
(1.11)
Sendo
a varincia de unidade peso a posteriori. A varincia de unidade
peso a posteriori calculada como segue:
^ 2 0
V T PV n u
(1.12)
A Matriz Varincia-Covarincia (MVC) das observaes ajustadas (
La ) dada por:
^ 2
La
AT
(1.13)
A linearizao do modelo matemtico funcional F realizada por meio de um processo iterativo, onde os parmetros aproximados so atualizados a cada iterao e o processo converge quando o vetor das correes se aproxima de zero ou quando for igual ou inferior a um valor de limiar pr-estabelecido. A seguir ser apresentado o mtodo paramtrico para funes no lineares com injuno de peso ou absoluta. 1.1.2. Mtodo Paramtrico para funes no lineares com injuno
de peso ou absoluta
Este mtodo descrito pela adio do modelo funcional apresentado por:
Lia
Onde,
G( X a )
(1.14)
Lia : vetor das novas observaes ajustadas relativas s injunes;
G : modelo matemtico funcional da injuno absoluta.

O modelo funcional linearizado do mtodo o que segue:
Vi
Sendo,
Ai X
Li
(1.15)
Vi : vetor dos resduos das injunes; G Ai ( X X ) matriz das derivadas parciais do modelo funcional X a o
das injunes; e
Li : vetor das observaes relativo s injunes.

G representado pelo modelo matemtico dado por G 1 . Admitindo que no a b , a matriz das derivadas parciais : Ai b i existe corelao entre L e L ento a soluo da correo aos parmetros
Como por meio do mtodo paramtrico para funes no lineares com injuno absoluta dado como segue:
X
Onde,
1/
T ( u An nP n n Au
i u u
T P ) 1 ( u An nP n n L1
i u uu
P L1 )
(1.16)
2 par
0 1/ 0 0 0 0
2 par
0 0 1/ 0 0 0
2 par
0 0 0
0 0 0
0 0 0 0 0
2 par
Pi
2 0
0 0 0 0 0
... 0 0 ... 0 0 1/
7
P i a matriz dos pesos das injunes calculada em funo da
confiabilidade atribuda aos parmetros aproximados;
2 par
a varincia dos parmetros aproximados; e
Li
G( X a ) X 0 X a .
A MVC dos parmetros ajustados calculada pela expresso que segue:
Xa
^ 2 0
^ 2 0
(N
Ni)
(1.17)
(V T PV ) (ViT P iVi ) n ni u
(1.18)
Onde n i o nmero de injunes aplicadas ao modelo. A seguir ser apresentado o mtodo paramtrico para funes lineares. 1.1.3. Mtodo paramtrico para funes lineares
No caso de funes matemticas lineares L a Equao X segue:
Lb , pois L0
0e
T 1 T ( u An nP n n Au ) ( u An n P n n L1 ) reescrita na forma como
T T (u An P A ) 1 (u An P L ) n nn u n n n b1
(1.19)
8
Nos casos em que a varincia das observaes possuem o mesmo peso, isto , a mesma varincia, tem-se que: P pesos igual a identidade.
I ; ou seja, a matriz dos
1.2. Mtodo combinando de ajustamento de observaes
De acordo com Mikhail e Ackerman (1976) o mtodo combinado aplicado em modelos funcionais que combinam observaes e parmetros. Os modelos funcionais aplicados a este mtodo so formados por equaes implcitas do tipo:
F ( X a , La )
(1.20)
O nmero de equaes de condies (c) a soma dos graus de liberdade (r) e o nmero de parmetros incgnitos (u), expresso por (MIKHAIL e ACKERMAN, 1976):
c
Onde, r
r u
(1.21)
n n0 , n0 o nmero mnimo de parmetros no modelo, n o
nmero total de observaes. A Equao (1.20) deve atender as seguintes condies, a saber:
n
n0
(1.22) (1.23)
0 u
O modelo linearizado correspondente ao mtodo combinado de ajustamento de observaes obtido atravs da linearizao da equao (1.19) utilizando a expanso em srie de Taylor. Tomando-se apenas os dois primeiros termos da srie, tem-se:
AX
Sendo,
BV W
(1.24)
F La
X 0 , Lb
matriz das derivadas parciais do modelo funcional
em relao as observaes; W F ( Lb , X 0 ) : vetor das correes. Assim sendo tem-se a seguinte soluo para as equaes normais, a saber:
AT ( BPB T ) 1 A AT ( BPB T ) 1W
(1.25)
O vetor das observaes inseridas menos o vetor das observaes ajustadas denominado de vetor resduo dado por:
P 1B T ( BPB T ) 1 ( AX
W)
(1.26)
10
No caso de modelos no lineares, iteraes so requeridas. Assim para a i-sima interao expanso em srie de Taylor:
Ai X i
Sendo,
BiVi Wi
(1.27)
A B
Wi
F Xi , Li ; Xa F Xi , Li ; La Bi ( Lb Li ) F ( X i , Li ) .
A soluo para as equaes normais dada por:
Xi
Ai ( Bi PBi ) 1 Ai
Ai ( Bi PBi ) 1Wi
(1.28)
Sendo admitido para a primeira iterao X
X o e Li
Lb Para
)
as demais iteraes os parmetros ajustados da iterao anterior (
sero usados na prxima iterao como parmetros aproximados (GEMAEL, 1994). As observaes ajustadas da iterao anterior sero usadas na montagem das matrizes ajustados obtido por: , e . O vetor dos parmetros
X ia
X ia 1
Xi
(1.29)
O vetor das observaes ajustadas obtido por:

Fotogrametria I (1. edio 2009) Daniel Rodrigues dos Santos Departamento de Geomtica UFPR ltima atualizao 2013
11
La i
Sendo Vi
T
Lb Vi
(1.30)
P 1 ( Bi PBi ) 1 Ai X i Wi .
O ajustamento converge, quando os resduos e os parmetros tendem a estabilizar e, portanto, as correes dos parmetros tendem a zero. Segundo Mikhail e Ackerman (1976) os graus de liberdade ( )
calculado pela equao:
n u
(1.31) ) dada por:
Assim sendo, a MVC dos parmetros ajustados (

^ 2 0
( AT ( BPB T ) 1 A
(1.32)
Como a realidade fsica demasiadamente complexa impossvel desenvolver um modelo matemtico que a represente de forma fidedigna. Ao assumir que o modelo matemtico adequado a um suposto problema, deve ser verificada a consistncia entre as observaes e o modelo matemtico, para que seja indicada a presena de erros grosseiros.
1.3. Controle de qualidade
O controle de qualidade se resume na verificao da consistncia entre as observaes e o modelo matemtico, bem como identificar a
12
presena de erros grosseiros no modelados para que os mesmos sejam eliminados (TEUNISSEN, 1998). O controle de qualidade est vinculado execuo de testes estatsticos, onde uma determinada condio, denominada hiptese nula (
H 0 ), estabelecida para os parmetros a serem examinados. Os testes

estatsticos so baseados em testes de hipteses. O teste de hiptese pode ser entendido como uma regra de deciso para aceitar ou rejeitar uma suposio, que pode ser verdadeira ou falsa, quanto ao valor de um parmetro populacional para uma dada probabilidade. Devido dificuldade de se examinar a populao inteira, utiliza-se uma amostra aleatria. Com isto, formula-se a denominada hiptese nula ( H 0 ) para os parmetros a serem testados. A rejeio de H 0 significa a aceitao de uma hiptese alternativa (
H a ), que advm da insuficincia de evidncias para rejeitar H 0 . Sendo

assim, ao se acatar o resultado de um teste de hipteses, cometem-se dois tipos de erros: o erro e o erro , no qual o erro do tipo , tambm
denominado de nvel de significncia, a probabilidade de se rejeitar uma hiptese que na realidade verdadeira. O erro do tipo , a probabilidade
de se aceitar uma hiptese que na realidade falsa (TIBERIUS, 1998). Geralmente a etapa de deteco de erros a etapa mais importante no controle de qualidade. Nesta etapa testa-se a hiptese H 0 contra H a , com a finalidade de verificar a consistncia entre o modelo matemtico e as observaes.
13
O processo de estimao tambm fornece o vetor dos resduos das observaes que possuem uma mistura de todos os tipos de erros. Os erros sistemticos so passveis de modelagem, enquanto os erros aleatrios so de natureza desconhecida e os erros grosseiros, geralmente, requerem o uso de tcnicas de deteco e eliminao aplicada aos resduos provenientes do processo de estimao. Por isso, os resduos das observaes ajustadas no processo de estimao devem ser analisados estatisticamente e o processo mais adequado o uso de alguma tcnica de controle de qualidade das observaes. As tcnicas mais comumente utilizadas para anlise de dados paramtricos so: Qui-Quadrado; t-Student; data-snooping, mtodo danishing, entre outras. Algumas das bibliografias mais utilizadas na rea so: Baarda (1968); Mikhail e Ackermann (1976); Gemael (1994); Teunissen (1998); Dalmolin (2000). Aqui, sero tratadas as tcnicas QuiQuadrado e data-snooping.
1.3.1. Teste Qui-Quadrado
Segundo Gemael (1994), o teste estatstico Qui-quadrado ( amostral calculado por:
2 a
02
2
Onde,
o qui-quadrado amostral,
(1.33) a varincia da observao de ).
peso unitrio a priori e
o grau de liberdade no ajustamento (
14
A estatstica Qui-quadrado populacional obtida em funo de
e do
nvel de significncia ( ), atravs de uma tabela de dupla entrada (bimodal). Deste modo os parmetros ajustados so rejeitados nos testes estatsticos ao nvel de confiana se no cumprir com a condio imposta por:
2 a
2 (r, )
(1.34)
Onde,
o qui-quadrado tabelado (ver tabelas estatsticas).
Se as observaes forem rejeitadas neste teste, existem erros grosseiros a serem analisadas ou retiradas do processo de ajustamento. A seguir ser apresentada a tcnica de deteco de erros grosseiros e outliers conhecida como data-snooping.
1.3.2. Teste data-snooping
Esta tcnica muito utilizada em processos de estimao cujo conjunto de observaes pode ser tratado de forma dinmica. O teste para deteco pode ser realizado a partir de uma anlise dos resduos, que por estarem em funo das observaes. A estatstica a ser utilizada para testar H 0 contra H a dado por (BAARDA, 1968):
15
rn
rn
(1.35)
Onde, rn o resduo predito das observaes, resduos preditos e
rn
o desvio-padro dos
S a estatstica denominada correo normalizada. As
estatsticas apresentadas possuem distribuio normal padro, isto ,
S~N
/2
(0,1) , e trata localmente as observaes. Se a primeira hiptese
verdadeira, no existem erros nas observaes. Ento, as observaes no contm erros quando a estatstica estiverem situadas no intervalo:
S , a um nvel de significncia
/2
/2
(1.36)
/2
extrada da curva normal padro. Caso algum erro seja
detectado e identificado, as observaes so descartadas do processo e o vetor dos parmetros calculados no atualizado.
1.4. Projeto fotogramtrico Para a execuo de um projeto fotogramtrico, usualmente, seguido um fluxograma de etapas. Atualmente, com o uso de cmaras digitais de pequeno, mdio e grande formato. O fluxograma dividido em duas partes, ou seja, um fluxo de etapas baseado no uso de cmaras mtricas convencionais e baseado em uso de cmaras digitais. A Figura 1.1 apresenta o fluxograma para a execuo de um projeto fotogramtrico.
16
FIGURA 1.1. Fluxograma para um projeto fotogramtrico.
(Adaptado de Santos et al. 2000)
17
O sucesso na execuo de qualquer projeto fotogramtrico depende da qualidade do planejamento de voo elaborado. Por isso, geralmente, o planejamento de voo executado pelo engenheiro de maior experincia e o fator de maior importncia est relacionado com o tipo de produto que dever ser gerado pelo processo fotogramtrico, cuja imposio geralmente feita pelo usurio. Neste caso necessrio decidir a escala da fotografia e a preciso dos produtos que sero derivados. No caso de cmeras digitais deve-se decidir pelo GSD (Ground Sample Distance) que dever atender as especificaes do projeto. Por exemplo, um usurio de cartografia exigiu um produto cartogrfico (otofotocarta, por exemplo) na escala 1:2000. Desta forma, podero ser adquiridas fotografias na escala at 1:8000, tendo em vista que o fator de reduo de 4 vezes. Neste caso, se pode gerar ortofotos digitais na escala 1:2000. Como descrito anteriormente, uma misso fotogramtrica deve ser cuidadosamente planejada e rigorosamente executada de acordo com o plano de voo. O plano de voo consiste de um mapa de voo (Figura 1.2) e as devidas especificaes, tais como, altura e altitude de voo, autonomia e velocidade da aeronave, tempo de exposio das fotografias etc.
18
FIGURA 1.2. Mapa de voo.
Vale ressaltar que, atualmente, devido tecnologia GPS no existe necessidade do uso de mapas de voo, uma vez que todo projeto executado de forma automtica. 1.4.1 Sobreposio longitudinal e lateral
A cobertura fotogramtrica de uma rea realizada por meio de fotografias verticais obtidas ao longo de diversas faixas ou linhas de voo com uma srie de fotografias com sobreposio longitudinal (bloco fotogramtrico). Cada fotografia possui uma sobreposio em relao sua sucessiva fotografia. A Figura 1.3 mostra a sobreposio longitudinal.
19
FIGURA 1.3. (a) Sobreposio longitudinal. (b) Faixa fotogramtrica.
(a)
(b)
Usualmente, o recobrimento longitudinal entre duas fotografias entre 60% e 65% (Fig. 1.3a) para fotografias tomadas com cmara mtricas convencionais e de 80% para fotografias tomadas com cmara digitais de pequeno formato. A razo para tais nmeros se deve rigidez geomtrica que deve ser estabelecida em funo da distncia focal e o tamanho do quadro focal da cmara. Uma sequencia de fotografias tomadas na direo
20
de voo forma uma faixa fotogramtrica (Fig. 1.3b). A sobreposio longitudinal consiste em permitir uma cobertura do terreno de dois pontos de vista diferentes, permitindo a produo de estereopares para a observao e medio estereoscpica, construo de mosaicos (Fig. 1.3b, ilustrao direita), e gerao de apoio fotogramtrico derivados do processo de fototriangulao de imagens. FIGURA 1.4. (a) Sobreposio lateral. (b) Ilustrao visual.
(a)
(b)
A sobreposio lateral requerida para prevenir falhas entre faixas fotogramtricas consecutivas, como resultado da deriva, inclinaes, variao na altura de voo da aeronave e na variao do terreno. No caso do recobrimento lateral entre fotografias adjacentes (alocadas em faixas fotogramtricas consecutivas, ver Fig. 1.4a) deve-se considerar um recobrimento entre 30% e 40%. Uma vantagem do uso da sobreposio lateral eliminar a necessidade de uso das bordas extremas das fotografias, cuja qualidade geomtrica influenciada pela distoro radial da lente e pela caracterstica da propriedade perspectiva da fotografia. A Figura 1.4 mostra a sobreposio lateral entre as fotografias.
21
1.4.2 Escala vertical de uma fotografia
A escala a razo de uma distncia medida em um mapa e sua correspondente no terreno. A escala de um mapa geralmente expressa como uma frao, com numerador e denominador na mesma unidade. Isto mostra que uma escala no possui dimenso e quanto maior seu denominador menor a escala. A Figura 1.5 ilustra uma seo transversal tomada por meio de uma fotografia area vertical com a estao de exposio posicionada no Centro Perspectiva da cmara (CP). A distncia entre o Datum e a estao de exposio denominada altitude de voo ( hV ) e a distncia entre a superfcie fsica (S.F.) e a estao de exposio denominada altura de voo H V .
FIGURA 1.5. (a) Escala de uma fotografia vertical. (b) GSD para aplicaes com cmaras digitais.
(a)
(b)
22
Onde, o o ponto principal da fotografia, m o tamanho fsico do pixel no CCD, M o tamanho do pixel no terreno tambm conhecido como GSD (em ingls, Ground Sample Distance) e f a distncia focal da cmara. O terreno se apresenta plano, porm possui uma altitude mdia da regio em relao ao Datum, representado por
h . A distncia entre CP e o
ab . Mas, AB
plano da fotografia CPo denominada distncia focal da cmara ( f ). A escala da fotografia ( E f ) expressa pela razo das distncias pela semelhana de tringulos CPab CPAB tem-se que:
Ef
f hV h
(1.37)
A escala do produto final geralmente especificada pelo contratante (usurio) do projeto e o fotogrametrista dever se encarregar em definir uma escala da fotografia, cujo menor objeto de interesse para o projeto possa ser identificado no produto final compilado. Por isso, este fator variante de acordo com as especificaes do projeto e depende da experincia do engenheiro responsvel pela execuo do projeto. No caso de voos executados com cmaras digitais o conceito exposto acima deve ser reformulado. Por exemplo, o conceito de escala no pode ser mais usado e o mesmo substitudo por GSD. O GSD representa o tamanho real de um determinado pixel no terreno. Quanto menor o valor do GSD melhor a resoluo espacial da imagem, ou seja, melhor ser a definio geomtrica dos objetos presentes na cena.
23
Considerando a geometria apresentada na Figura 1.5b pela semelhana de tringulos CPab CPAB tem-se a equao que determina o valor do GSD, dado por:
mH v f
(1.38)
Como pode ser percebido na Equao (1.38), o GSD (M) funo da altura de voo, da distncia focal da cmara e do tamanho fsico do pixel no CCD. Outro fator de importncia considerao o tipo de equipamento a ser utilizado para a execuo do projeto e que influencia na determinao da escala da fotografia. 1.4.3 Escolha dos equipamentos
de extrema importncia a escolha dos equipamentos adequados para realizar o recobrimento areo, bem como executar o produto final. Para um recobrimento areo necessrio sugerir uma aeronave que tenha velocidade de cruzeiro, capacidade de peso e estabilidade adequada. Dependendo do trabalho a ser realizado, at mesmo um ultra-leve (Figura 1.6b) ou um aeromodelo (Figura 1.6c) podem ser propostas. A Figura 1.6 mostra alguns exemplos de aeronaves a serem selecionados para um vo fotogramtrico.
24
FIGURA 1.6. (a) Cessna 210 bimotor. (b) Ultra-leve. (c) Aeromodelo.
(a)
(b)
(c)
No entanto, o que definir o tipo de aeronave a ser utilizada a cmara a ser empregada para a aquisio das imagens. A cmara pode ser mtrica convencional (Fig. 1.7a), cmara digital de pequeno formato (de 6-15 MegaPixels, Fig. 1.7b), mdio formato (em torno de 15-40 MegaPixels, Fig. 1.7c) ou grande formato (superior 40 MegaPixels, Fig. 1.7d). A Figura 1.7 mostra os tipos de cmaras supracitados. FIGURA 1.7. (a) Cmara mtrica convencional. Cmaras digitais: (b) Sony CyberShot. (c) Canon S5 Pro. (d) Intergraph DMC e Leica ADS40.
(a)
(b)
(c)
(d)
Quando uma cmara mtrica convencional ou cmaras digitais de grande formato so selecionadas para a execuo do projeto fotogramtrico no restam dvidas que a melhor aeronave a ilustrada na Figura 1.6a.
25
Definido os parmetros mais crticos para o planejamento de voo necessrio estudar a regio de recobrimento, calcular a fotobase e aerobase, a distncia entre as faixas, o nmero de faixas por fotografias, o nmero de faixas fotogramtricas e o nmero total de fotografias para o recobrimento areo.
1.4.3 Regio de recobrimento
A variao de escala da fotografia ou entre fotografias, ou GSD causada pela variao da movimentao do terreno, pela variao da altura de voo, ou ambas as variaes. Como exemplo, considere duas fotografias adquiridas sobre um terreno com elevao mdia de 120 m em relao ao Datum, com altitudes variando entre 50 e 180 m. Dada a distncia focal da cmara de 152 mm e uma altitude de voo de 500 m, qual seria a escala mdia da fotografia? Soluo: Para uma altitude mdia de 50 m, tem-se:
Ef
0.152m (500 50)m
A escala da fotografia 1:2960.
Para uma altitude mdia de 180 m, tem-se:
Ef
0.152m (500 180)m
A escala da fotografia 1:2105.
Sendo assim, a escala mdia da fotografia 1:2500.
26
Como descrito anteriormente, a variao de escala da fotografia ou entre fotografias causada pela variao da movimentao do terreno, pela variao da altura de voo ou ambas as variaes. No caso de variao de escala causada por movimentao do terreno a Figura 1.8 mostra uma situao onde a aeronave sobrevoa uma regio com altura de voo constante e o terreno varia da esquerda para a direita, dois efeitos so visveis. Isto , a sobreposio longitudinal diminui conforme a movimentao do terreno aumenta (Fig. 1.8a) e ocorre reduo da rea de recobrimento e da sobreposio lateral, conforme a altitude do terreno aumenta (Fig. 1.8b).
FIGURA 1.8. Variao de escala devido movimentao do terreno. (a) reduo da sobreposio longitudinal. (b) reduo da rea de recobrimento.
(a)
27
(b) A soluo para os problemas apresentados variar a altura de voo da aeronave ou a distncia focal da cmara. Porm, estes fatores devem ser considerados no momento da elaborao do planejamento de voo, por isso, de extrema importncia o estudo da rea de recobrimento. Outro fator importante que deve ser considerado a preciso dos produtos que devero ser obtidos com o processo fotogramtrico, como por exemplo, as curvas de nvel, a ortofotocarta etc. No momento da tomada das fotografias os componentes de rotao da cmara nas direes em x (denominado de aeronave-, Fig. 1.9a) e y (denominado de -movimento de asa da -movimento de nariz da
aeronave-, Fig. 1.9b) provocam inclinaes na aeronave e por isso devem ser considerados no planejamento de voo. Quando a aeronave sofre o movimento em movimento em a sobreposio longitudinal ser afetada e quando ocorre o a sobreposio lateral sofrer distores.
FIGURA 1.9. (a) Movimento em . (b) Movimento em .
(a)
(b)
28
O movimento de deriva da aeronave (Fig. 1.10) provocado pelas fortes rajadas de vento e da impossibilidade do piloto de vo manter a aeronave em linha reta, provocando falhas no recobrimento fotogramtrico.
FIGURA 1.10. Deriva (movimento em ).
A deriva o ngulo formado entre a direo de vo e o alinhamento da aeronave no momento de deriva. A seguir sero apresentadas as formulaes para os devidos clculos da elaborao do plano de vo.
1.4.4 Clculo da altura de voo
Ao fixar a sobreposio longitudinal e lateral pode ser calculada a altura de voo que ser estabelecida para a tomada das fotografias. Para isto necessrio considerar a preciso dos equipamentos que sero utilizados para a compilao do produto final. Geralmente, quanto melhor a preciso requerida menor a altura de voo, entretanto, maior ser a quantidade de fotografias a serem adquiridas para o recobrimento completo do terreno. Portanto, desde que a acurcia vertical do produto o fator limitante no
29
processo fotogramtrico, a altura de voo funo do intervalo entre as curvas de nvel que devem ser geradas. A relao expressa por um fator de preciso denominado
FatorC do equipamento fotogramtrico, a saber:

FatorC HV V
(1.39)
Onde,
V o intervalo entre as curvas de nvel.
1.4.5 Clculo da Aerobase ( B ) e fotobase ( b )
A Aerobase e a fotobase so elementos a serem determinados para o clculo da distncia entre cada estao de exposio da cmara. A Aerobase a distncia entre cada estao de exposio medida no terreno (Fig. 1.11b) e a fotobase a distncia entre dois centros fiduciais, medida na fotografia (Fig. 1.11a). FIGURA 1.11. (a) Fotobase. (b) Aerobase.
(a)
(b)
30
Para calcular ambos elementos faz-se:
b
Onde,
(1 SL) * TFx
(1.40)
SL : a sobreposio longitudinal fixada para a elaborao do

planejamento de voo; e
TFx : a dimenso da fotografia no eixo x.
b B B
f HV b HV f
(1.41)
(1.42)
Determinada a aerobase deve ser calculado o intervalo de exposio entre cada fotografia, como segue:
i_e
Onde,
B v
(1.43)
i _ e : o intervalo de exposio entre cada fotografia; e

v : velocidade de cruzeiro da aeronave.
31
1.4.6 Clculo da distncia entre faixas ( W ) Para o recobrimento completo de uma rea a ser mapeada necessrio estabelecer faixas fotogramtricas. O clculo da distncia entre as faixas necessrio para posicionar a aeronave na execuo do planejamento de vo com a devida sobreposio lateral fixada no plano de vo. A Figura 1.12 mostra um esquema da distncia entre as faixas fotogramtricas.
FIGURA 1.12. Distncia entre faixas fotogramtricas.
Para calcular a distncia entre as faixas deve-se realizar os seguintes clculos, a saber:
w (1 Sa) * TFy
Onde,
(1.44)
32
Sa : a sobreposio lateral fixada para a elaborao do planejamento de

vo;
w : medida entre dois centro fiduciais em fotografias pertencentes faixas

fotogramtricas adjacentes;
TFy : a dimenso da fotografia no eixo y;
w W W
f HV w HV f
(1.45)
(1.46)
1.4.7 Nmero de faixas fotogramtricas ( Nf ) e do nmero total de fotografias ( Tf )
Para calcular o nmero de faixas fotogramtricas necessrio para recobrir completamente a regio de interesse, basta considerar a largura do terreno a ser mapeado ( Lr ) e a distncia entre as faixas fotogramtricas, calculada anteriormente.
Nf
Lr W
(1.47)
Para calcular o nmero total de fotografias necessria para recobrir completamente o terreno, basta considerar os seguintes elementos, a saber:
33
N
Onde,
Cr B
(1.48)
N : o nmero de fotografias por faixa fotogramtrica; Cr : comprimento do terreno a ser mapeado;
Tf
N * Nf
(1.49)
Desta forma, so determinados os elementos mais importantes para elaborar um plano de vo adequado para o recobrimento areo. Aps os devidos clculos, um fator importante a ser considerado o planejamento do apoio de campo a ser realizado para os processos de orientao fotogramtrica (resseo espacial, fototriangulao entre outros). Alm do planejamento de vo deve ser planejado tambm o apoio de campo (levantamento geodsico de pontos de apoio para processos fotogramtricos), estimativa de custo e tempo de execuo do projeto, entre outros.
1.4.8 Planejamento do apoio de campo
O planejamento do apoio de campo consiste em determinar pontos tridimensionais sobre a superfcie fsica por meio de mtodos de levantamento direto. Existem dois tipos de pontos de apoio, isto : pontos
34
naturais; e pontos artificiais. Os pontos naturais so aqueles pontos fotoidentificveis cuja identificao est em cruzamentos de vias, cantos de culturas e de edificaes, entre outros (crculo branco, Figura 1.13a). Os pontos de apoio artificiais so figuras geomtricas implantadas na superfcie fsica (Figura 1.13b), de forma que os mesmos sejam fotoidentificveis. Esses pontos so implantados, geralmente, com dimetros de 3 5 vezes o tamanho de um pixel no terreno.
FIGURA 1.13. Apoio de campo. (a) Pontos naturais. (b) Pontos artificiais.
(a)
(b)
35
A partir do apoio de campo se define o sistema referencial no espaoobjeto a ser adotado no projeto fotogramtrico, assim como fornecido subsdios para os processos de orientao fotogramtrica. Diversos produtos so obtidos a partir de um projeto fotogramtrico, tais como: fotografias ou imagens digitais; foto ndice; mosaicos; ortofotos; ortofotocartas; mapas e cartas topogrficas digitais ou vetoriais; base de dados para SIG; Modelos Digitais de Terreno; mapas cadastrais etc.
36
ANEXO A DEFINIES ESTATSTICAS
37
As definies e termos apresentados a seguir devero ser entendidos para discusses do MMQ. As observaes so valores observados diretamente (ou medidos) que contm erros randmicos e, por isso, no fornecem soluo nica ao problema. O valor verdadeiro o valor teoricamente exato de uma medida. Entretanto, valores verdadeiros, nunca podem ser determinados. No importa o cuidado dispensado para medir uma observao, erros randmicos sempre estaro presentes, devido a natureza probabilstica das observaes. O erro ou discrepncia a diferena entre qualquer quantidade de medida e o valor adotado como verdadeiro ou de referncia, para aquela medida. Desde que o valor verdadeiro de uma quantidade de medida nunca pode ser determinado (como descrito anteriormente), os erros tambm so indeterminado; portanto, eles so quantidades estritamente tericas. Os erros devem ser estimados comparando-se medidas ou valores calculados com aqueles obtidos por mtodos independentes ou de melhor preciso. Por exemplo, foi calculada uma distncia (d1) por meio de tcnica fotogramtrica; para encontrar o erro determinado no clculo da distncia basta calcular a diferena entre d1 e a mesma distncia (d2) determinada por tcnica de levantamento topogrfico ou geodsico de preciso. A mdia de uma medida ( x ) corresponde a um valor que representa uma quantidade de medida realizada diretamente ou
38
independentemente n vezes com observaes de mesmo peso ou desvio padro. A mdia de uma medida por ser determinado por:
x n
(A1)
Os resduos so a diferena entre qualquer quantidade de medida e o valor verdadeiro para aquela quantidade de medida. Os resduos so valores tratados no ajustamento de observaes, desde que os erros so indeterminados. Muitas vezes erros e resduos so tratados como termos similares, mas existe uma diferena terica entre eles. Graus de liberdade ou redundncia ( gl ) representam o nmero de observaes redundantes, ou seja, observaes que excedem o nmero necessrio para solucionar um problema pelo MMQ. Observaes redundantes revelam discrepncias nos valores observados e tornam possvel a prtica do MMQ para soluo nica e mais provvel. O peso o valor relativo de uma observao comparada com qualquer outra observao. No ajustamento de observao so atribudos pesos para as observaes de acordo com a sua preciso do valor medido. Isto , uma observao medida com alta qualidade (preciso) dever apresentar um valor de peso maior que medidas de baixa qualidade de observao. Caso seja utilizado o mesmo equipamento para realizar um conjunto de medidas dever ser atribudo o mesmo peso para todas as observaes. Desvio padro uma quantidade usada para expressar a preciso
39
de um grupo de medidas. O desvio padro tambm pode ser chamado de erro mdio quadrtico, embora no seja totalmente adequado. Uma expresso para calcular o desvio padro de um conjunto de observaes de mesmo peso a que segue:
v2 n 1
(A2)
Considere a Tabela A1 dada abaixo. Os dez valores apresentados na coluna (a) foram medidas por meio de tcnicas fotogramtricas, onde cada valor foi medido usando o mesmo instrumento. Sendo assim, assumido o mesmo peso para cada uma das medidas. Tabela A1 Valores medidos, resduos e o quadrado dos resduos (FONTE: Wolf e Dewitt, 2000). Valores medidos (mm) 105,27 105,26 105,29 105,29 105,30 105,27 105,26 105,28 105,28 105,25 -0,005 -0,015 0,015 0,015 0,025 -0,005 -0,015 0,005 0,005 -0,025 Resduos (mm) Quadrado dos resduos (mm2) 0,000025 0,000225 0,000225 0,000225 0,000625 0,000025 0,00025 0,000025 0,000025 0,000625
40
1052,75 0,00 0,00225
Da tabela acima o desvio padro calculado como segue:
0,00225 10 1
0,016mm
Aqui sero apresentados alguns problemas algbricos simples para a soluo com aplicao do MMQ paramtrico para funes lineares e no lineares. Problema 1 Dado o modelo matemtico da equao paramtrica da reta, a saber:
ax b
(A3)
Considere que 2 pontos de coordenadas cartesianas foram observados n vezes, e para cada observao foram atribudas varincias de diferentes qualidades. O mtodo de estimao a ser considerado depende exclusivamente de quatro requisitos bsicos, a saber: 1) Quem so as observaes ou medidas e quais os parmetros a serem determinados? 2) O modelo matemtico ( F ) explcito ou implcito? 3) F linear ou no linear? 4) Existe deficincia de posto na matriz das equaes normais ( N )?
41
Baseado nesta seqncia de indagaes e o modelo matemtico apresentado na Equao (A1), vamos responder as questes levantadas para melhor elucidao do leitor em relao ao processo a ser desenvolvido. Em primeiro lugar, as medidas observadas so as coordenadas x e y, sendo x uma observao fixa ao longo da linha reta e y uma observao varivel. Os parmetros a serem determinados so os coeficientes angular (a) e linear (b) da linha reta. O modelo matemtico ( F ) explcito, pois as observaes (y) esto em funo dos parmetros (a e b), alm de ser linear. Uma dica importante para descobrir como determinar se F linear ou no linear: basta derivar o modelo matemtico em funo dos parmetros e verificar se na formao algbrica da matriz A est adicionado algum parmetro. Caso isto acontea, F no linear; caso contrrio F linear. Como sabemos que a equao paramtrica da reta linear e fornece uma linha reta, outra dica interessante analisar se F possui as mesmas caractersticas que a equao paramtrica da reta. Neste caso o mtodo de ajustamento de observaes a ser adotado o mtodo paramtrico para funes lineares. Ainda necessrio verificar se na matriz das equaes normais
existe deficincia de posto. A anlise do problema baseada na existncia ou inexistncia da dependncia linear entre as linhas da matriz
N . Por
exemplo, ao montar o sistema de equaes normais verifique se as mesmas so linearmente dependentes, ou seja, existe uma linha que
42
combinao linear das demais? Caso exista: esta linha na matriz combinao linear de quantas outras linhas? De acordo com a definio de dependncia linear, a mesma no se efetua em funo das seguintes operaes, a saber: Troca de linhas (ou colunas)entre si; Multiplicao de uma linha (ou coluna) por um fator significativo; Adio a uma linha (ou coluna) de outra linha (ou coluna) multiplicada por um fator significativo.
Na Fotogrametria, usualmente, a ltima operao bastante usual, atravs da prtica da aplicao de injunes. Considerando que o modelo matemtico linear e 10 medidas foram observadas (n) e 2 incgnitas (u) a serem determinadas, tem-se:
43
n n
Lb1 L01
y1 , y 2 , y3 , y 4 , y5 , y6 , y7 , y8 , y9 , y10 0 1
2 y1
1
nP n 2 0 2 y2
... 1
2 y10
Au
F1 a F2 a ... F 10 a
F1 b F2 a ... F 10 b
x1 x2 ... x
10
1 1 ... 1
Basta agora calcular o vetor correo dos parmetros X e ter-se- o vetor dos parmetros ajustados, uma vez que X 0
0 , para modelos
funcionais lineares. Pode-se tambm calcular a MVC das observaes e dos parmetros e analisar estatisticamente ambas as informaes. Problema 2 Dado o modelo matemtico da equao normal da reta, a saber:
x cos( )
ysen( )
(A4)
Considere que 2 pontos de coordenadas cartesianas foram

44
observadas n vezes, e para cada observao foram atribudas varincias de diferentes qualidades. 1) Quem so as observaes ou medidas e quais os parmetros a serem determinados? 2) O modelo matemtico ( F ) explcito ou implcito? 3) F linear ou no linear? 4) Existe deficincia de posto na matriz das equaes normais ( N )? Baseado na seqncia de indagaes apresentadas acima tem-se que: as medidas observadas so as coordenadas x e y; os parmetros a serem determinados so os coeficientes implcito e no linear. Neste caso o mtodo de ajustamento de observaes a ser adotado o mtodo combinado com ou sem injuno. Considerando que o modelo matemtico no linear, 10 medidas foram observadas ( n) e existem 2 incgnitas (u) a serem determinadas, tem-se: e ; o modelo matemtico ( F )
45
X0
n n 0
0 T
aproximados
T
Lb1 L01
x1 , y1 ; x2 , y 2 ; x3 , y3 ; x4 , y 4 ; x5 , y5 ; x6 , y6 ; x7 , y7 ;...; x10 , y10 ; 0 1

2 x1
1
2 y1 n
Pn
2 0
... 1
2 x10
1
2 y10
F1 F2
n
F1 F2 ... F 10 F1 y F2 y ... F 10 y
Au ... F 10 F1 x F2 x ... F 10 x
B2
Problema 3 - Prtico O seguinte exemplo apresentado para ilustrar uma aplicao

46
prtica do MMQ em fotogrametria (WOLF e DEWITT, 2000). O exemplo tambm mostra o mtodo de determinao dos coeficientes do polinmio da curva de distoro radial simtrica para uma cmara mtrica convencional. Considere os dados de calibrao de uma cmara mtrica convencional apresentados na Tabela A2. Calcule os coeficientes do polinmio que modela a curva de distoro radial simtrica do sistema de lentes. Tabela A2 Distncia radial e distores das lentes (FONTE: Wolf e Dewitt, 2000). Distncia radial r (mm) 20,170 41,051 63,460 88,454 107,276 128,555 Distoro radial das lentes
r (mm)
0,004 0,007 0,007 0,001 -0,003 -0,004
Para a soluo do problema proposto deve ser encontrado o modelo matemtico que melhor represente a realidade fsica. Neste caso, o modelo polinomial da forma que segue a funo apropriada para a distoro radial simtrica das lentes, a saber:
k1r k2 r 3 k3r 5 k4 r 7
(A5)
47
Na Equao (A5), existem quatro incgnitas, ou seja, k1 , k 2 , k3 , k 4 que descrevem os coeficientes de distoro das lentes. Ento, no mnimo quatro observaes so necessrias para aplicar o MMQ. Do processo de calibrao, as distores so determinadas por seis distncias radiais (ver Tabela A2); sendo assim, seis equaes podem ser escritas, e os coeficientes podem ser determinados pelo MMQ. Baseado nos dados de calibrao, as seguintes equaes de observao devem ser escritas (note que a as distncias radiais foram convertidas para metros):
0,020170 0,020170 3 r obs1 k1 ... r obs6 k1 0,004 0,007
6
0,020170 5 0,041051
5
0,020170 7 0,0410517 0,063460 7 0,088454 7 0,107276 7 0,1285557
... ... ...
A4
r obs1 k4 ... r obs6 k4
0,041051 0,041051
0,063460 0,063460 3 0,088454 0,088454 0,107276 0,107276 3 0,128555 0,1285553

3
0,063460 5 0,088454 0,107276 5 0,1285555

5
Lb1
0,007 0,001 0,003 0,004 I
Resolvendo o sistema de equaes X
( AT PA) 1 AT PLb tem-se:
48
k1 k2 k3 k4 0,229581 35,8926 1018,26 12105,00

FotoII-capI A5 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

FotoII-capI A5 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

1

1. Ajustamento de observaes aplicado na Fotogrametria

ltima atualizao 2013

V . Tem-se ento a seguinte expresso, a

O modelo funcional do mtodo paramtrico dado por:

Lb V vetor das observaes ajustadas, F o modelo X0 X o vetor dos

matemtico funcional (linear ou no linear), X a

ltima atualizao 2013

X ) pela srie de Taylor e

desprezando os termos maiores ou iguais a 2, tem-se:

Substituindo a Equao (1.7) na equao (1.2), tem-se:

ltima atualizao 2013

N a matriz das equaes normais;

a varincia de unidade peso a priori; e a varincia das observaes.

A Matriz Varincia-Covarincia (MVC) dos parmetros ajustados (

a varincia de unidade peso a posteriori. A varincia de unidade

peso a posteriori calculada como segue:

ltima atualizao 2013

A Matriz Varincia-Covarincia (MVC) das observaes ajustadas (

Este mtodo descrito pela adio do modelo funcional apresentado por:

Lia : vetor das novas observaes ajustadas relativas s injunes;

ltima atualizao 2013

G : modelo matemtico funcional da injuno absoluta.

Li : vetor das observaes relativo s injunes.

ltima atualizao 2013

a varincia dos parmetros aproximados; e

A MVC dos parmetros ajustados calculada pela expresso que segue:

No caso de funes matemticas lineares L a Equao X segue:

T 1 T ( u An nP n n Au ) ( u An n P n n L1 ) reescrita na forma como

ltima atualizao 2013

I ; ou seja, a matriz dos

1.2. Mtodo combinando de ajustamento de observaes

n n0 , n0 o nmero mnimo de parmetros no modelo, n o

matriz das derivadas parciais do modelo funcional

ltima atualizao 2013

A soluo para as equaes normais dada por:

Sendo admitido para a primeira iterao X

as demais iteraes os parmetros ajustados da iterao anterior (

O vetor das observaes ajustadas obtido por:

calculado pela equao:

(1.31) ) dada por:

Assim sendo, a MVC dos parmetros ajustados (

1.3. Controle de qualidade

H 0 ), estabelecida para os parmetros a serem examinados. Os testes

H a ), que advm da insuficincia de evidncias para rejeitar H 0 . Sendo

ltima atualizao 2013

1.3.1. Teste Qui-Quadrado

Segundo Gemael (1994), o teste estatstico Qui-quadrado ( amostral calculado por:

(1.33) a varincia da observao de ).

peso unitrio a priori e

o grau de liberdade no ajustamento (

ltima atualizao 2013

A estatstica Qui-quadrado populacional obtida em funo de

o qui-quadrado tabelado (ver tabelas estatsticas).

1.3.2. Teste data-snooping

ltima atualizao 2013

Onde, rn o resduo predito das observaes, resduos preditos e

S a estatstica denominada correo normalizada. As

estatsticas apresentadas possuem distribuio normal padro, isto ,

(0,1) , e trata localmente as observaes. Se a primeira hiptese

extrada da curva normal padro. Caso algum erro seja

(Adaptado de Santos et al. 2000)

ltima atualizao 2013