DAIANA VÁGULA

RELATÓRIO TÉCNICO
TP 07 – ORIENTAÇÃO SIMULTÂNEA E RESTITUIÇÃO DE UM PAR DE
IMAGENS NO LPS.

Presidente Prudente – SP
2021
 DAIANA VÁGULA

RELATÓRIO TÉCNICO
TP 07 – ORIENTAÇÃO SIMULTÂNEA E RESTITUIÇÃO DE UM PAR DE
IMAGENS NO LPS.

Relatório técnico realizado na disciplina de

Fotogrametria III do curso de Eng. Cartográfica e de
Agrimensura da Universidade Estadual Paulista -
UNESP.

Prof. Dr. Antônio M. Garcia Tommaselli.

Presidente Prudente – SP
2021
 LISTA DE TABELAS

Tabela 01 – Parâmetros de orientação exterior ............................................................ 09

Tabela 02 – Feições utilizada na restituição ................................................................. 25

 LISTA DE FIGURAS

Figura 01 – Parâmetros de orientação interior da câmara digital Haselblad ................ 08

Figura 02 – Localização dos pontos de controle .......................................................... 10

Figura 03 – Coordenadas de terreno dos pontos de controle ....................................... 11

Figura 04 – Medição das coordenadas na imagem ...................................................... 11

Figura 05 – Pontos de controle com as coordenadas no terreno e na fotografia ......... 12

Figura 06 – Propriedades da triangulação ................................................................... 13

Figura 07 – Sigma a posteriori .................................................................................... 13

Figura 08 – Área de cobertura das duas fotografias e a localização dos pontos ......... 14

Figura 09 – Identificação dos pontos .......................................................................... 14

Figura 10 – Acessando o Software PRO600 ............................................................... 15

Figura 11 – Arquivo semente “mm1000s.prj” ............................................................ 15

Figura 12 – Layer da quadra selecionado – Restituição ............................................. 17

Figura 13 – Layer da casa selecionado – Restituição ................................................. 17

Figura 14 – Layer da árvore selecionado – Restituição .............................................. 18

Figura 15 – Software PRO600 .................................................................................... 18

Figura 16 – Software MicroStation ............................................................................. 19

Figura 17 – Resultado do controle de qualidade – Aerotriangulação ......................... 20

Figura 18 – Coordenadas imagens (c,l) da fotografia 229 .......................................... 20

Figura 19 – Transformação afim – Imagem 229 ......................................................... 21

Figura 20 – Número de iterações e o desvio padrão estimado .................................... 21

Figura 21 – Desvio padrão estimado e a orientação exterior ajustada ........................ 22

Figura 22 – Estatística dos control points ................................................................... 22

Figura 23 – Resíduos da imagem – Pontos de controle .............................................. 23

Figura 24 – Estatísticas dos check points .................................................................... 23

Figura 25 – Coordenadas calculadas de todos os pontos ativos .................................. 24

Figura 26 – Desvio padrão estimado dos pontos ......................................................... 25

Figura 27 – Imagem restituída – software MicroStation ............................................. 26

 SUMÁRIO

1. INTRODUÇÃO ........................................................................................................ 7
2. OBJETIVO ................................................................................................................ 7
3. MATERIAIS E METODOLOGIA ........................................................................... 7
3.1 MATERIAIS ...................................................................................................... 7
3.2 METODOLOGIA .............................................................................................. 8
4. RESULTADOS E ANÁLISES ............................................................................... 19
5. CONCLUSÃO ........................................................................................................ 27
6. REFERÊNCIAS ...................................................................................................... 28
APÊNDICE A – Arquivo Report (Triangulação)........................................................... 29
 7

1. INTRODUÇÃO

Na fotogrametria aérea temos como objetivo determinar algumas informações

através de imagens fotogramétricas utilizando-se alguns equipamentos no processo
de anotação, medição e interpretação de fotografias, no qual temos a fotogrametria
analógica, a fotogrametria analítica e a fotogrametria digital.

Na fotogrametria digital temos como objetivo principal a reconstrução

automática do espaço tridimensional (espaço-objeto), a partir de imagens
bidimensionais (espaço-imagem).

O Leica Photogrammetry Suite - LPS, é um software que realiza inúmeros

procedimentos fotogramétricos digitais, no qual é composto um conjunto de
ferramentas que permitem a realização da aerotriangulação, a geração de MDT’s, a
produção de ortomosaicos e a extração de feições tridimensionais. Com o LPS
também é possível a realização da restituição fotogramétrica, onde trata-se da criação
de mapas baseado em fotografias aéreas, no qual neste caso utilizamos o software
PRO600 na realização da restituição fotogramétrica junto com o software
MicroStation.

2. OBJETIVO

O objetivo deste trabalho prático é realizar a orientação de um par de imagens

no LPS. Vamos descrever todas as etapas da orientação e restituição de um par de
imagens utilizando o software ERDAS IMAGINE.

3. MATERIAIS E METODOLOGIA

3.1 MATERIAIS

No decorrer deste trabalho prático utilizamos os seguintes materiais:

 Duas fotografias aéreas;
 Software ERDAS IMAGINE;
 Software PRO600;
 Software Notepad++;
 Software MicroStation.
 8

3.2 METODOLOGIA

Inicialmente foi utilizado o software ERDAS IMAGINE, onde clicando em

“Toolbox” abrimos o LPS IMAGINE Photogrammetry onde criamos um projeto
em formato blk, após isso escolhemos a câmara ideal, sendo então utilizada a
câmara digital Haselblad, onde foi disponibilizada pelo docente duas imagens
digitais de uma região do município de Presidente Prudente – SP, sequencialmente
abrimos a aba relacionada ao sistema de coordenadas horizontal e vertical, onde
escolhemos o sistema de projeção UTM, o fuso 22, o datum WGS84 e o
hemisfério sul, além de escolher ω, ϕ e Ҡ em graus e uma altura de vôo de 550 m
para a matriz de rotação.

Foram colocados parâmetros de OI contidos no certificado de calibração

para estabelecer a câmara Haselblad, onde a distância focal foi de 50.89 mm, as
coordenadas dos pontos principais foram de: X0 = 0.0022, Y0 = - 0.0008, e o valor
da distorção radial igual a: K0 = 0, K1 = -3.37355x10-07 e K2 = -1.01373x10-09.

Figura 01 – Parâmetros de orientação interior da câmara digital

Haselblad.

Fonte: Arquivo hassel.cam. Notepad++. O autor.

 9

Depois de inserir todas as informações dos parâmetros de OI da câmara

Haselblad, foi possível carregar as imagens 229 e 232 fornecidas pelo docente no
software, sendo elas disponibilizadas no formato TIFF, após isso, abrimos a aba
“Frame Editor” onde realizamos a associação de tipo da câmara, além de realizar
a OI para as duas imagens, onde para a OI é necessário informar apenas o tamanho
do pixel de 6 μm, e no caso da OE aproximada é necessário utilizar a triangulação,
sendo com base nos valores aproximados das coordenadas do CP e do ômega, phi
e kappa, onde podemos adotar pesos as informações para o qual neste contexto
utilizamos o unknown, que não contém injunção, isto é, o valor é apenas uma
aproximação inicial do ajustamento, desta forma, a seguir será apresentado os
parâmetros de OE das imagens 229 e 232.

Após isso, foi possível gerar a pirâmide das fotografias, onde refere-se a
uma fotografia re-amostrada com o intuito de aguçar o zoom e os procedimentos
automáticos de correção ou criação de um MDT.

Em seguida, determinamos a OE, onde utilizamos o modo manual em uma

tela com três nível de zoom, possibilitando a medição dos pontos de Grubber,
controle e check nas duas imagens homologamente.

Desta forma, em seguida, após a orientação do modelo, aplicamos o modo

automático na geração de mais Tie Point, tendo neste trabalho prático um total de
29 pontos, sendo 5 pontos de controle, 3 pontos de check e 21 Tie Point.

Com isso, em primeiro momento, realizamos a medição de apenas um

ponto de Grubber, sendo este do tipo Tie Point, onde nota-se as medidas de coluna
e linha obtidas por meio deste ponto. Além desse ponto, foi realizada a importação
das coordenadas dos pontos de controle e com a utilização do descritivo desses
pontos realizou-se as medições de mais alguns pontos descritos.
 10

Figura 02 – Localização dos pontos de controle.

Fonte: O docente.

A partir disso, gerou-se no programa uma tabela onde contém as

coordenadas de terreno dos pontos de controle, com isso, mediu-se as coordenadas
coluna e linha na fotografia, sendo inserido o status como ativo para estes pontos.

Nas figuras 03, 04 e 05 a seguir, serão mostradas como foi realizada a

medição de um dos pontos de controle, sendo este o ponto 11, onde no software
conseguimos localizar o pixel central do ponto através dos três níveis de zoom,
como já mencionado anteriormente.
 11

Figura 03 – Coordenadas de terreno dos pontos de controle.

Fonte: O autor.

Figura 04 – Medição das coordenadas na imagem.

Fonte: O autor.
 12

Figura 05 – Pontos de controle com as coordenadas no terreno e na

fotografia.

Fonte: O autor.

Depois de realizar todas as medições dos control points, realizamos as

medições dos pontos fotogramétricos em detalhes sobre alguns alvos do terreno
no qual é bem visível em ambas as fotografias, além de realizar as medições dos
pontos de check, onde estes possuem as coordenadas de terreno, porém não foram
ajustados, diante disso, pode-se utiliza-los na verificação da acurácia do projeto.

Clicando-se no ícone que tem uma mão sobre o triângulo, podemos gerar
as propriedades da triangulação, como podemos ver na figura 06, onde contém as
iterações, o critério de convergência e a precisão.

Clicando em “point” tem-se a precisão das coordenadas imagem (c,l) como

sendo um terço do pixel, no qual adota-se como ponderado todas as coordenadas
de controle, com pesos de cinco centímetros para a geração do desvio padrão, logo
em seguida foi possível calcular o ajustamento clicando em “run”.
 13

Figura 06 – Propriedades da triangulação.

Fonte: O autor.

Depois de clicar no botão “run” abriu-se uma nova tela, onde notamos a
presença do valor de sigma a posteriori (0,2571) e o valor dos resíduos dos pontos
de controle e dos check points. Nota-se, a priori, que o sigma a posteriori obteve
um resultado considerável, onde pudemos gerar o arquivo report, no qual será
apresentado e explicado em resultados e analises.

Figura 07 – Sigma a posteriori.

Fonte: O autor.
 14

Desta forma, com a realização da triangulação, obtemos uma exibição da

área comum entre as duas imagens, no qual se localiza os pontos, além de definir
por meio de uma representação geométrica quais são de controle e de passagem,
onde cada um dos pontos estão identificados com o seu ID.

Figura 08 – Área de cobertura das duas fotografias e a localização dos

pontos.

Fonte: O autor.

A partir disso, nota-se a identificação dos 29 pontos medidos nas imagens,

no qual 3 pontos são de check, 5 pontos de controle e 21 pontos de passagem.

Figura 09 – Identificação dos pontos.

Fonte: O autor.
 15

Após o término destes procedimentos temos a triangulação, no qual

podemos dar início aos procedimentos da restituição.

No software ERDAS IMAGINE Photogrammetry conseguimos utilizar um

gerenciador de projetos, onde refere-se ao software PRO600, no qual possibilitou
a interface com o software MicroStation.

Figura 10 – Acessando o Software PRO600.

Fonte: O autor.

Desta forma, ao abrir ambos os softwares, tivemos que criar um novo

projeto, este com a extensão “.prj”, no qual foi necessário selecionar o arquivo
semente denominado de “mm1000s.prj”.

Figura 11 – Arquivo semente “mm1000s.prj”.

Fonte: O autor.
 16

Sequencialmente criou-se um novo projeto no formato .dgn, no qual foi

possível visualizar os parâmetros empregados no projeto, onde neste caso
utilizamos uma escala de 1:1000 e um intervalo de 1000, permitindo assim um
certo controle no deslocamento do sensor.

No software MicroStation é tida uma visualização na escala de 1:500, além

de mostrar outras informações, como os parâmetros utilizados para realizar a
digitalização dos caminhos e curvas e as tolerâncias.

Após isso, abrimos um arquivo no formato .dgn, onde através dele

realizamos a convergência entre o projeto do software PRO600 com o Software
MicroStation, podendo assim dar início ao processo de restituição.

Não tivemos escolha a não ser realizar este trabalho de forma remota no
qual utilizamos um mouse e um monitor, diante disso, tivemos que configurar o
mouse clicando em “edit” na aba “device” onde selecionamos a opção “system
mouse” e em “propriedades” alteramos a velocidade em que o cursor movimenta-
se nas coordenadas do terreno, adotando no X, Y e Z um valor de 0,005.

Depois disso, demos início ao procedimento de restituição, no qual o

software do LPS realizava a correção da paralaxe em uma certa região entre as
imagens com base nos comandos que adotamos na configuração do mouse, após
isso, escolhemos um “layer” na biblioteca do Software MicroStation, com base
nas especificações do cliente, ou, caso contrário, onde não haja especificações do
cliente, vamos adotar as normas do INDE para se caso for um mapeamento de
escala até 1:1000, sendo assim, com base nisso, foram restituídas as feições, no
qual, após finalizar esta etapa, exportamos os layers para o banco de dados.
 17

Figura 12 – Layer da quadra selecionado - Restituição.

Fonte: O autor.

Figura 13 – Layer da casa selecionado - Restituição.

Fonte: O autor.
 18

Figura 14 – Layer da árvore selecionado – Restituição.

Fonte: O autor.

A seguir, iremos apresentar a visualização da feição tanto no software

PRO600 quanto no software MicroStation.

Figura 15 – Software PRO600.

Fonte: O autor.
 19

Figura 16 – Software MicroStation.

Fonte: O autor.

Desta forma, como ocorreram algumas dificuldades para a realização da

restituição devido ao modo remoto, foram restituídas poucas feições, sendo elas:
árvores, casas e quadras.

4. RESULTADOS E ANÁLISES

Todos os resultados obtidos no decorrer deste trabalho prático serão

apresentados no decorrer deste tópico, incluindo todos os relatórios gerado no
decorrer dos procedimentos, juntamente com o resultado da imagem restituída no
software MicroStation.

A partir da triangulação, gerou-se um arquivo “report”, no qual pode-se ver

com mais detalhamento no APÊNDICE A, nele conseguimos ver os resultados do
modelo orientado, mas, antes de sua existência foi possível analisar o resultado do
controle de qualidade da aerotriangulação, onde conseguimos obter o valor da raiz do
erro quadrático médio como sendo 0.2571 metros, no qual é um resultados aceitável,
e também conseguimos analisar onde se encontra o maior valor de RMSE, que no
caso dos pontos de controle é na coordenada Y, e nos pontos de check na coordenada
Z, como mostrado na figura 17.
 20

Figura 17 – Resultado do controle de qualidade - Aerotriangulação.

Fonte: O autor.

Abrindo o arquivo, nota-se primeiramente as coordenadas imagens (coluna e

linha) que foram obtidas através da medição de cada uma das fotografias.

Figura 18 – Coordenadas imagens (c,l) da fotografia 229.

Fonte: O autor.
 21

Desta maneira, foi informada a transformação afim, mas, com esses valores
não se realiza a transformação afim, porém são calculados por meio dos valores
disponibilizados no início pelo operador.

Figura 19 – Transformação afim – Imagem 229.

Fonte: O autor.

Após isso, informou-se o número total de iterações, onde neste caso tivemos
duas iterações, e, apresenta-se também o desvio padrão estimado.

Figura 20 – Número de iterações e o desvio padrão estimado.

Fonte: O autor.

Em seguida, temos a OE ajustada, ou seja, os parâmetros de ambas as

fotografias ajustadas, onde serão obtidas as coordenadas do CP, e também o ômega,
phi e kappa, no qual é válido lembrar que o valor não é mais zero, e também o desvio
padrão estimado, onde calculou-se a MVC que foi dada por meio do sigma a posteriori
vezes a matriz normal, com isso, o desvio padrão estimado refere-se a precisão dos
parâmetros ajustados, além dos parâmetros de OI que não sofreram nenhum tipo de
modificação.
 22

Figura 21 – Desvio padrão estimado e a orientação exterior ajustada.

Fonte: O autor.

Além disso, encontra-se também a estatística dos pontos de controle, as

discrepâncias entre os valores verdadeiros e as coordenadas ajustadas, bem como o
desvio padrão.

Figura 22 – Estatística dos control points.

Fonte: O autor.

Com base na imagem anterior nota-se que o maior desvio padrão dos erros se
encontra nas coordenadas Y com aproximadamente cinco centímetros, seguido da
coordenada X com aproximadamente quatro centímetros.
 23

Figura 23 – Resíduos da imagem – Pontos de controle.

Fonte: O autor.

Após isso, vamos apresentar as estatísticas dos pontos de check, no qual é o

ponto mais importante considerando que apenas por meio deles conseguimos alcançar a
acurácia do trabalho. Para se obter esses valores foi necessário realizar a diferença entre
os valores que foram calculados por meio da fotogrametria e os valores verdadeiros no
terreno obtido por meio do GPS, no qual os resultados foram comparados com os padrões
na orientação do modelo, isto é, realizando a verificação para ver se atendeu ou não as
especificações.

Figura 24 – Estatísticas dos check points.

Fonte: O autor.
 24

Com base nisso, percebe-se que a acurácia alcançada nos check points foram
por volta de um no eixo X, doze no eixo Y e dezesseis no eixo Z, onde é necessário
analisar se podemos ou não adotar estes valores por meio das especificações
estabelecida.

A seguir, iremos apresentar as coordenadas calculadas de todos os pontos.

Figura 25 – Coordenadas calculadas de todos os pontos ativos.

Fonte: O autor.

Além disso, foi obtido também o desvio padrão dos 29 pontos mostrados
anteriormente, sendo estes estimado por meio da MVC, no qual é de suma importância
conhecer estes valores para certificar-se com qual precisão estão sendo estimadas as
coordenadas.
 25

Figura 26 – Desvio padrão estimado dos pontos.

Fonte: O autor.

A partir disso, para atestar que a acurácia dos pontos estão dentro do esperado
é preciso realizar o controle de qualidade dos check points, no qual de acordo com as
especificações da PEC vamos poder dizer se é possível aceitar este produto ou não.

Desta forma, em seguida, vamos apresentar algumas informações referente as

feições que foram restituídas neste trabalho, sendo especificados todos os layers de
cada uma das feições, onde selecionamos através do catálogo da biblioteca no
software MicroStation.

Tabela 02 – Feições utilizada na restituição.

Feição Biblioteca Cor

Árvore DECIDUOUS TREE Verde
Casa HOUSE, FILLED Amarelo
Quadra Quadra Branco
Fonte: O autor.
 26

Após a finalização deste processo foi possível obter o produto final da

restituição, onde encontra-se as feições abertas e fechadas realizadas durante o
procedimento (figura 27), no qual foram descritas na tabela 02.

Figura 27 – Imagem restituída – software MicroStation.

Fonte: O autor.

Desta forma, depois de todos estes procedimentos ainda seria necessário

realizar o processo de edição no modelo digital do terreno criado antes da geração do
produto final, onde possamos fazer a correção de algumas irregularidades.
 27

5. CONCLUSÃO

Portanto, pode-se concluir que este trabalho prático nos proporcionou muito
aprendizado, possibilitando aplicar todos os conceitos vistos durantes as aulas na
disciplina de fotogrametria III do curso de Engenharia Cartográfica e de Agrimensura.

Com a restituição conseguimos analisar a acurácia e precisão de todo o

produto, além de visualizar os erros acumulados no decorrer do trabalho, com isso,
podemos notar a importância da engenharia em projetos. Lembrando que todos os
serviços desenvolvidos devem seguir à risca as normas técnicas, atendendo a todas as
especificações.
 28

6. REFERÊNCIAS

TOMMASELLI, Antônio M. G. Notas de aula. FOTOGRAMETRIA III. FCT

Unesp de Presidente Prudente, SP. Julho, 2021.

HASEGAWA, J. K. Fotogrametria Digital: Roteiro de uso do módulo LPS do

ERDAS. Notas de aula do Curso de Engenharia Cartográfica, departamento de
cartografia, FCT – UNESP de Presidente Prudente, 2015.
 29

APÊNDICE A – Arquivo Report (Triangulação)

The Triangulation Report With IMAGINE Photogrammetry

The output image x, y units: pixels

The output angle unit: degrees
The output ground X, Y, Z units: meters

The Input Image Coordinates

image ID = 1
Point ID x y
1 6370.085 8284.009
4 6074.787 5233.888
11 3689.376 444.696
1009 6662.105 1916.777
1074 3043.964 8451.933
3 5037.452 7082.207
9 4570.347 2979.446
6 2658.020 4618.470
13 6335.354 4490.671
15 5304.225 506.439
18 3321.529 292.268
19 3442.745 7947.025
20 6129.809 8115.002
1075 4363.282 56.335
1076 3623.967 1550.395
1077 4962.146 1919.891
1078 5197.298 1584.658
1079 5710.724 1907.942
1080 4087.464 3531.376
1081 4931.975 3435.876
 30

1082 4401.932 3579.749

1083 3695.658 5455.954
1085 3589.977 7131.597
1086 4146.587 7000.883
1087 5063.712 7111.239
1088 2689.419 7332.861
1089 5762.296 7271.322
1090 4849.818 8835.083
5 5082.923 5154.975

Affine coefficients from file (pixels) to film (millimeters)

A0 A1 A2 B0 B1 B2
-20.1210 0.006000 0.000000 26.8650 0.000000 -0.006000

image ID = 2
Point ID x y
1 3837.994 8193.819
4 3462.291 5177.887
11 1023.557 477.948
1009 4014.590 1879.960
1074 443.901 8474.743
3 2452.344 7043.526
9 1927.322 2978.610
6 23.070 4658.584
13 3696.697 4434.418
15 2640.308 509.671
18 655.529 332.422
19 825.678 7956.973
20 3576.572 8034.505
1075 1713.278 80.450
1076 966.971 1578.392
1077 2303.461 1918.161
 31

1078 2541.873 1581.054

1079 3060.760 1890.573
1080 1442.474 3539.123
1081 2266.186 3423.627
1082 1763.795 3578.793
1083 1057.626 5465.091
1085 991.627 7138.901
1086 1537.450 6990.917
1087 2479.582 7072.062
1088 87.152 7368.604
1089 3178.102 7208.783
1090 2304.374 8793.944
5 2463.995 5126.919

Affine coefficients from file (pixels) to film (millimeters)

A0 A1 A2 B0 B1 B2
-20.1210 0.006000 -0.000000 26.8650 0.000000 -0.006000

THE OUTPUT OF SELF-CALIBRATING BUNDLE BLOCK

ADJUSTMENT

the no. of iteration =1 the standard error = 0.2572

the maximal correction of the object points = 0.18784

the no. of iteration =2 the standard error = 0.2571

the maximal correction of the object points = 0.00019

The exterior orientation parameters

image ID Xs Ys Zs OMEGA PHI KAPPA
1 457985.1726 7553596.7096 963.9558 1.8921 1.7977 1.6744
 32

2 458140.0657 7553597.1713 963.7360 2.0417 0.6432 0.1600

The accuracy of the exterior orientation parameters

image ID mXs mYs mZs mOMEGA mPHI mKAPPA
1 0.1976 0.1435 0.0566 0.0132 0.0203 0.0050
2 0.2083 0.1403 0.0567 0.0130 0.0216 0.0049

The interior orientation parameters of photos

image ID f(mm) xo(mm) yo(mm)
1 50.8900 0.0022 -0.0008
2 50.8900 0.0022 -0.0008

The residuals of the check points

Point ID rX rY rZ
3 -0.0037 -0.0564 -0.1725
5 -0.0144 -0.1187 -0.1447
9 -0.0219 0.1733 0.1879

aX aY aZ
-0.0133 -0.0006 -0.0431
mX mY mZ
0.0153 0.1256 0.1693
CE90 LE90
0.1763 0.3215

The image residuals of measured check points

Point Image Vx Vy
3 1 0.549 -0.211
3 2 -0.258 -0.121
 33

Point Image Vx Vy
5 1 0.675 -1.783
5 2 -0.025 -1.792

Point Image Vx Vy
9 1 -0.057 3.311
9 2 0.844 3.352

Mean error of 6 image points: ax=0.288, ay=0.000

RMSE of 6 image points: mx=0.507, my=2.185

The residuals of the control points

Point ID rX rY rZ
1 0.0484 -0.0203 0.0079
4 0.0371 -0.0348 0.0250
11 -0.0598 0.0187 0.0228
1009 0.0052 -0.0452 -0.0356
1074 -0.0309 0.0816 -0.0201

aX aY aZ
0.0000 -0.0000 -0.0000
mX mY mZ
0.0407 0.0462 0.0240
CE90 LE90
0.1042 0.0441

The difference of intersected and measured control points

Point ID rX rY rZ
1 0.0602 -0.0380 -0.0325
4 0.0292 -0.0343 0.1001
11 -0.0625 0.0110 0.0414
1009 0.0258 -0.0164 -0.1309
 34

1074 -0.0267 0.1025 0.0135

aX aY aZ
0.0052 0.0050 -0.0017
mX mY mZ
0.0442 0.0520 0.0776
CE90 LE90
0.1153 0.1425

The image residuals of intersected GCP

Point Image Vx Vy
1 1 0.010 -0.245
1 2 -0.001 0.247

Point Image Vx Vy
4 1 -0.001 0.046
4 2 0.000 -0.046

Point Image Vx Vy
11 1 -0.002 0.132
11 2 -0.001 -0.133

Point Image Vx Vy
1009 1 -0.000 0.007
1009 2 -0.000 -0.007

Point Image Vx Vy
1074 1 -0.007 0.169
1074 2 0.001 -0.169

Mean error of 10 image points: ax=-0.000, ay=0.000

 35

RMSE of 10 image points: mx=0.004, my=0.147

The coordinates of object points

Point ID X Y Z Overlap
1 458165.4434 7553380.3313 416.3044 2
4 458141.0365 7553571.9304 423.4901 2
11 457982.0439 7553875.5316 425.4010 2
1009 458176.4472 7553786.2698 416.7654 2
1074 457957.1371 7553370.9576 439.6399 2
3 458078.0839 7553455.2875 427.8008 2
5 458078.0264 7553575.1144 428.1026 2
9 458042.6500 7553711.8095 427.0795 2
6 457925.2045 7553604.1110 434.1423 2
13 458155.7745 7553619.1595 425.5683 2
15 458086.5831 7553875.4293 420.8124 2
18 457957.9850 7553885.1129 425.6589 2
19 457980.5538 7553402.8820 440.9120 2
20 458148.7345 7553392.0735 421.1925 2
1075 458025.2350 7553905.3716 418.9117 2
1076 457979.9434 7553802.4264 427.2862 2
1077 458065.9821 7553780.7635 425.7050 2
1078 458080.8832 7553803.7284 423.0408 2
1079 458114.4546 7553784.0761 421.1634 2
1080 458012.8547 7553675.3139 430.5822 2
1081 458065.3296 7553682.3853 432.6795 2
1082 458032.8639 7553673.0845 428.5454 2
1083 457991.6138 7553554.1536 436.4178 2
1085 457988.1031 7553450.4647 433.9215 2
1086 458022.1506 7553460.0050 434.7879 2
1087 458079.7836 7553453.4952 427.6193 2
1088 457932.9401 7553436.7322 436.4973 2
1089 458123.5438 7553444.8504 426.0435 2
 36

1090 458069.3796 7553346.5683 426.2393 2

The total object points = 29

The accuracy of object points

Point ID mX mY mZ mP Overlap
1 0.0278 0.0296 0.0367 0.0547 2
4 0.0211 0.0251 0.0358 0.0486 2
11 0.0310 0.0332 0.0377 0.0590 2
1009 0.0268 0.0288 0.0368 0.0538 2
1074 0.0299 0.0309 0.0377 0.0573 2
3 0.0251 0.0356 0.0921 0.1018 2
5 0.0226 0.0276 0.0894 0.0962 2
9 0.0249 0.0342 0.0938 0.1029 2
6 0.0350 0.0316 0.1035 0.1138 2
13 0.0275 0.0280 0.0927 0.1006 2
15 0.0319 0.0596 0.1058 0.1256 2
18 0.0400 0.0629 0.1139 0.1362 2
19 0.0329 0.0438 0.0985 0.1127 2
20 0.0316 0.0447 0.0991 0.1132 2
1075 0.0346 0.0667 0.1106 0.1337 2
1076 0.0332 0.0470 0.1040 0.1189 2
1077 0.0270 0.0427 0.0973 0.1096 2
1078 0.0280 0.0462 0.0993 0.1130 2
1079 0.0283 0.0430 0.0988 0.1114 2
1080 0.0259 0.0318 0.0935 0.1021 2
1081 0.0241 0.0319 0.0908 0.0992 2
1082 0.0244 0.0311 0.0925 0.1006 2
1083 0.0274 0.0303 0.0927 0.1013 2
1085 0.0298 0.0374 0.0965 0.1077 2
1086 0.0268 0.0359 0.0928 0.1031 2
1087 0.0251 0.0358 0.0922 0.1020 2
1088 0.0371 0.0404 0.1057 0.1191 2
 37

1089 0.0274 0.0368 0.0935 0.1041 2

1090 0.0298 0.0523 0.0990 0.1158 2

amX amY amZ

0.0289 0.0388 0.0873

The residuals of image points

Point Image Vx Vy
1 1 0.034 -0.272
1 2 -0.158 0.219

Point Image Vx Vy
4 1 -0.221 -0.007
4 2 0.123 -0.093

Point Image Vx Vy
11 1 0.042 0.161
11 2 0.125 -0.105

Point Image Vx Vy
1009 1 0.201 -0.055
1009 2 -0.219 -0.071

Point Image Vx Vy
1074 1 -0.050 0.275
1074 2 0.121 -0.061

Point Image Vx Vy
3 1 0.002 -0.054
3 2 -0.000 0.054
 38

Point Image Vx Vy
5 1 -0.000 0.000
5 2 0.000 -0.001

Point Image Vx Vy
9 1 0.001 -0.031
9 2 0.000 0.031

Point Image Vx Vy
6 1 -0.001 0.035
6 2 0.000 -0.035

Point Image Vx Vy
13 1 0.001 -0.042
13 2 0.000 0.042

Point Image Vx Vy
15 1 0.001 -0.103
15 2 0.000 0.104

Point Image Vx Vy
18 1 0.002 -0.194
18 2 0.001 0.195

Point Image Vx Vy
19 1 0.001 -0.016
19 2 -0.000 0.016

Point Image Vx Vy
20 1 -0.002 0.050
20 2 0.000 -0.050
 39

Point Image Vx Vy
1075 1 -0.003 0.257
1075 2 -0.001 -0.259

Point Image Vx Vy
1076 1 -0.001 0.068
1076 2 -0.000 -0.069

Point Image Vx Vy
1077 1 0.000 -0.023
1077 2 0.000 0.023

Point Image Vx Vy
1078 1 -0.001 0.084
1078 2 -0.000 -0.084

Point Image Vx Vy
1079 1 0.003 -0.174
1079 2 0.001 0.175

Point Image Vx Vy
1080 1 -0.005 0.203
1080 2 -0.000 -0.204

Point Image Vx Vy
1081 1 -0.000 0.009
1081 2 -0.000 -0.009

Point Image Vx Vy
1082 1 0.005 -0.215
1082 2 0.000 0.217
 40

Point Image Vx Vy
1083 1 0.003 -0.097
1083 2 -0.000 0.097

Point Image Vx Vy
1085 1 0.001 -0.036
1085 2 -0.000 0.036

Point Image Vx Vy
1086 1 0.000 -0.007
1086 2 -0.000 0.007

Point Image Vx Vy
1087 1 -0.007 0.196
1087 2 0.001 -0.197

Point Image Vx Vy
1088 1 0.002 -0.061
1088 2 -0.000 0.061

Point Image Vx Vy
1089 1 -0.006 0.160
1089 2 0.000 -0.162

Point Image Vx Vy
1090 1 0.005 -0.119
1090 2 -0.001 0.119

Total mean error of 58 image points: ax=-0.000, ay=0.000

Total RMSE of 58 image points: mx=0.061, my=0.128
 41

The image residuals of the control points

The image ID = 1
Point ID Vx Vy
1 0.034 -0.272
4 -0.221 -0.007
11 0.042 0.161
1009 0.201 -0.055
1074 -0.050 0.275
RMSE of 5 points: mx=0.137, my=0.189

The image ID = 2
Point ID Vx Vy
1 -0.158 0.219
4 0.123 -0.093
11 0.125 -0.105
1009 -0.219 -0.071
1074 0.121 -0.061
RMSE of 5 points: mx=0.154, my=0.123

Total number of all control image points = 10

Total rmsex = 0.146, rmsey = 0.160

The image residuals of the check points

The image ID = 1
Point ID Vx Vy
3 0.002 -0.054
5 -0.000 0.000
9 0.001 -0.031
 42

RMSE of 3 points: mx=0.001, my=0.036

The image ID = 2
Point ID Vx Vy
3 -0.000 0.054
5 0.000 -0.001
9 0.000 0.031
RMSE of 3 points: mx=0.000, my=0.036

Total number of all check image points = 6

Total rmsex = 0.001, rmsey = 0.036