数字摄影测量课程实习报告五篇范文

第一篇：数字摄影测量课程实习报告

灰度图像点特征提取

实习内容

本次实习包含了两个主要内容，一是用Moravec算子对一幅图像实现点特征提取的功能，二是利用基于相关系数的影像匹配实现两幅影像的同名点匹配。在此分为两个部分分别进行阐述。

一、Moravec算子提取特征点

1.1 实现原理

在以像素(c,r)为中心的w×w的影像窗口中，计算四个方向相邻像素灰度差的平方和：

IVc,r = min {V1, V2, V3, V4}

其中k = INT(w/2)。取其中最小者作为该像素(c,r)的兴趣值：

给定一经验阈值，将兴趣值大于该阈值的点（即兴趣值计算窗口的中心点）作为候选点。阈值的选择应以候选点中包括所需要的特征点而又不含过多的非特征点为原则。

在一定大小的窗口内（可不同于兴趣值计算窗口，例如5×5像元，7×7像元或9×9像元），将候选点中兴趣值不是最大者均去掉，仅留下一个兴趣值最大者，该像素即为一个特征点。1.2实现流程

1.3 实习成果

在实习中实现特征点提取后，分别对计算兴趣值的窗口尺寸（以下简称为w1），选取极值点的窗口尺寸（以下简称为w2）和经验阈值的数值进行变更，分析其特征点提取效果有什么变化。原始图像如下图1所示。

图1

w1设为7，w2设为9，经验阈值为1000的处理结果如下图2所示，共得到361个特征点。

图2

接下来分别对w1，w2和经验阈值的数值进行变更，分析其特征点提取效果。

（1）W1增加为11，w2为9，经验阈值为1000,的条件下，提取到620个特征点，如下图3所示。

图3

（2）W1为7，w2增加为15，经验阈值为1000,的条件下，提取到247个特征点，如下图4所示。

图4

（3）W1为7，w2为9，经验阈值增加为1500,的条件下，提取到184个特征点，如下图5所示。

图5

1.4 结果分析

由Moravec算子提取特征点的结果可见，算法能够实现图像的特征点提取，且提取效果较好。

对比图2与图3可知，仅更改w1值的大小，会使图像兴趣值整体增大或减小，进而影响特征点数目。

对比图2与图4可知，仅更改w2值的大小，会改变特征点的密集程度。增大w2，则提取极值点作为特征点的范围更大，特征点分布更加均匀。

对比图2与图5可知，仅更改经验阈值的大小，能够用更高条件对兴趣值进行筛选，得到精度更高的特征点。

二、基于相关系数的影像匹配

2.1 实现原理

在左影像上提取出一定数量的特征点，然后利用相关系数法在右影像上寻找匹配点。

首先确定两幅影像间的偏移量，进而确定对每个特征点在右影像上的搜索区域。对于左影像上的每个特征点，均利用一定大小的窗口对右影像搜索区域进行遍历，选取相关系数值最大且大于设定的阈值的点作为该特征点对应的匹配点。

2.2实现流程

在实习中，共采用三种方法进行匹配。三种方法的区别在于获取偏移量的方式不同。此处流程图展示的是小组最初完成的匹配方法流程，通过寻找左影像特征点的最大相似度点进而确定偏移量。

由于在反复实验的过程中发现这种方法适用于偏移方向单一的影像，对老师所给的u0367panLeft和u0369panRight这样存在变形的影像对匹配效果较差。因而又不断改进衍生出利用模板匹配获取偏移量法和直接输入偏移量法两种方法。在结果分析中对这三种方法进行比较。

2.3 实习成果

（1）首先用只有水平偏移的两幅影像进行匹配，打开左右影像如下图6所示。

图6

对左影像进行Moravec算子提取特征点操作，在默认条件（W1为7，w2为9，经验阈值为1000）下，提取到361个特征点，如下图7所示。

图7 对左右影像进行匹配，在默认条件（目标窗口尺寸设为3，搜索窗口高度为6，宽度为8，相关系数阈值设为0.9）下，得到338个匹配点，如下图8所示。结果分析文件the relevant.txt建在匹配图片文件夹下。由于左右两幅影像仅存在水平偏移（由u0369panRight裁剪得到），相关系数均为1.0，如图9所示。

图8

图9

（2）用具有斜向偏移关系的两幅影像进行匹配。影像打开如下图10所示。

图10 在默认条件下对左右影像进行特征点提取，得到350个特征点，影像匹配后得到260个匹配点，如下图11所示。

图11 在实习中发现，对于由同一幅图像裁剪得到的水平偏移和斜向偏移的两组影像对，算法同名点匹配的效果都非常好。但是对于偏移程度相对不均匀的影像则效果很差，如老师给出的u0367panLeft和u0369panRight两幅影像，在默认条件下对两幅影像进行特征点提取，得到1812个特征点，同样在默认条件下进行影像匹配，得到369个匹配点，得到的效果如下图12所示。观察可知得到的同名点几乎是不匹配的。

图12 为了改进匹配的效果，我对匹配算法中计算偏移量的部分进行了一定的修改。在此次实习中，仅考虑了对左影像提取特征点后对右影像进行匹配的策略，还有一种方法是对左右影像都提取特征点后对两个特征点集进行匹配，由于时间有限并未实现。

在实习中用到的匹配算法中原是利用左影像特征点对右影像进行遍历寻找最佳匹配点，进而确定两幅影像的偏移量。在已知u0367panLeft影像内容包含在u0369panRight影像内的前提下，我将此部分算法改为将左影像作为一个模板，利用相关系数算法将其整体匹配进右影像内，进而确定偏移量。在默认数值条件下，利用整体影像匹配进行匹配同名点得到628个匹配点，其结果如下图13所示。匹配产生的结果分析文件如下图14所示。

因此我设置了第三种匹配方法：直接输入两幅影像的偏移量进行同名点匹配。由于在实习中所用的偏移量是第二种方法，即影像整体匹配得到的偏移量，所以匹配效果与图13相同，产生的结果分析文件亦与图14相同。

图13

图14

2.4 结果分析

（1）对于寻找最大相似性点获取偏移量法，它只需用左影像特征点对右影像进行遍历，寻找到最大相似性点且大于0.97时即可认为找到最佳匹配点，进而利用其在右影像中的位置确定偏移量。该方法计算量小，速度较快，针对偏移方向单一的影像效果非常好（在实习中通过裁剪u0369panRight得到水平偏移和斜向偏移的两组影像对）。但是对于偏移方向非单一的影像则匹配效果很差。

（2）对于利用模板匹配获取偏移量法，它以左影像大小为窗口尺寸对右影像进行遍历，寻找最大相关系数以将左影像整体匹配进右影像内容中。这种方法适用于对同名点的偏移方向非单一的影像对进行匹配。其匹配结果对少量细节会产生一定程度的移位，但大体上较为准确。

这种方法虽然匹配效果会变好很多，但是计算量很大，耗时非常久。而且由于时间紧迫，在实习中只实现了针对左影像完全包含在右影像内容内的条件下的匹配，因而虽然效果较好但太不实用。

对于摄影得到的立体像对，其偏移量往往不是单一的一个方向，而是包含了各种误差与形变。个人认为若能够在匹配之前对影像进行几何纠正，则匹配的精度会有进一步提高。

（3）对于直接输入偏移量法，它免去了计算偏移量的步骤，速度会快很多。这种方法要求在进行匹配之前利用软件或别的一些方法量测出两幅影像的偏移量。

第二篇：数字摄影测量实习报告

数字摄影测量实习报告书

学 号：20111000684 班级序号： 113112-05 姓 名： 舒 超 指导老师： 宋 妍 成 绩：

中国地质大学（武汉）信息工程学院遥感科学技术系

2014年6月

目录

实习一：Moravec算子点特征提取........................................................................................3 1.1 实习目的：....................................................................................................................3 1.2 实习原理：....................................................................................................................3 1.3 实习步骤以及代码分析：............................................................................................3 1.4 结果分析：....................................................................................................................7 实习二：边缘提取算法...........................................................................................................9 2.1 实习目的：....................................................................................................................9 2.2 实习原理：....................................................................................................................9 2.3 实习步骤以及代码：....................................................................................................9 2.4 结果分析：..................................................................................................................11 实习总结.................................................................................................................................12

实习一：Moravec算子点特征提取

1.1 实习目的：

用程序设计语言（VisualC++或者C语言）编写一个完整的提取点特征的程序，通过对提供的图像数据进行特征点提取，输出提取出的点特征坐标。本实验的目的在于让学生深入理解Moravec算子原理。通过上机调试程序加强动手能力的培养，通过对实验结果的分析，增强学生综合运用所学知识解决实际问题的能力。

1.2 实习原理：

Moravec角点检测算法是最早的角点检测算法之一。该算法将角点定义为具有低“自相关性”的点。算法会检测图像的每一个像素，将像素周边的一个邻域作为一个patch，并检测这个patch和周围其他patch的相关性。这种相关性通过两个patch间的平方差之和(SSD)来衡量，SSD值越小则相似性越高。

如果像素位于平滑图像区域内，周围的patch都会非常相似。如果像素在边缘上，则周围的patch在与边缘正交的方向上会有很大差异，在与边缘平行的方向上则较为相似。而如果像素是各个方向上都有变化的特征点，则周围所有的patch都不会很相似。

Moravec会计算每个像素patch和周围patch的SSD最小值作为强度值，取局部强度最大的点作为特征点。

1.3 实习步骤以及代码分析：

步骤流程图如下：

程序实现以及相关关键代码：

voidCMy2010302590183cylView::OnMoravec()//读取图像以及相关算法 { //TODO:Addyourcommandhandlercodehere CMmoravecDlgdlg;dlg.DoModal();CMy2010302590183cylDoc*pDoc=GetDocument();LPSTRm_pDIB=(LPSTR)::GlobalLock((HGLOBAL)pDoc->hdib);//得到句柄内存起始地址存放位图数据hdib句柄变量存放BMP位图 ::GlobalUnlock((HGLOBAL)pDoc->hdib);LPBITMAPINFOm_pBMP;//指向BITMAPINFO结构的指针

m_pBMP=(LPBITMAPINFO)::GlobalLock(pDoc->hdib);//获取指向BITMAPINFO结构的指针

::GlobalUnlock((HGLOBAL)pDoc->hdib);intBitCount=m_pBMP->bmiHeader.biBitCount;DWORDWidth=::DIBWidth(m_pDIB);//获取位图宽 DWORDHeight=::DIBHeight(m_pDIB);//获取位图高

LPBYTElpData=(LPBYTE)::FindDIBBits(m_pDIB);//定义字符指针变量,原位图指针

intWidthBytes=WIDTHBYTES(Width*BitCount);//获取字节 DWORDpixelCount=WidthBytes*Height;

intck1=dlg.c1;intck2=dlg.c2;doubleyz=dlg.m_yuzhi;DWORDr,c;INTh;double*xx=newdouble[Width*Height];intk;k=INT(ck1/2);for(r=ck1/2;r

for(c=ck1/2;c

{

doublemin,v[4]={0.0};

for(h=0;h<=ck1-1;h++)

{

v[0]+=pow((double)(*((BYTE*)(lpData+r*WidthBytes+(c-k+h)))-*((BYTE*)(lpData+(r)*WidthBytes+(c-k+1+h)))),2);//0°方向

v[1]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c+k-h)))-*((BYTE*)(lpData+(r-k+h+1)*WidthBytes+(c+k-h-1)))),2);//45°方向

v[2]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c)))-*((BYTE*)(lpData+(r-k+1+h)*WidthBytes+(c)))),2);//90°方向

v[3]+=pow((double)(*((BYTE*)(lpData+(r-k+h)*WidthBytes+(c-k+h)))-*((BYTE*)(lpData+(r-k+1+h)*WidthBytes+(c-k+h+1)))),2);//135°方向

}

min=min(min(min(v[0],v[1]),v[2]),v[3]);//求出v1,v2,v3,v4中的最小值

if(min>yz)

xx[r*Width+c]=min;

} bool*bMatrix=newbool[Width*Height];memset(bMatrix,0,Width*Height*sizeof(bool));DWORDx,y;doublemax2;boolb=false;inttempX(0),tempY(0);for(x=ck2/2;x

for(y=ck2/2;y

{

max2=0;

for(DWORDm=(x-ck2/2);m<(x+ck2/2);m++)

{

for(DWORDn=(y-ck2/2);n<(y+ck2/2);n++)

if(xx[m*Width+n]>max2)

{

max2=xx[m*Width+n];

tempY=m;

tempX=n;

b=true;

}

}

if(b)

{ bMatrix[tempY*Width+tempX]=1;}

} }

intsum=0;//特征点总数

for(DWORDi=0;i

for(DWORDj=0;j

{

if(bMatrix[i*Width+j])

{

*((BYTE*)(lpData+i*WidthBytes+j))=0;

*((BYTE*)(lpData+i*WidthBytes+j+1))=0;

*((BYTE*)(lpData+i*WidthBytes+j-1))=0;

*((BYTE*)(lpData+(i+1)*WidthBytes+j))=0;

*((BYTE*)(lpData+(i-1)*WidthBytes+j))=0;

*((BYTE*)(lpData+i*WidthBytes+j+2))=0;

*((BYTE*)(lpData+i*WidthBytes+j-2))=0;

*((BYTE*)(lpData+(i+2)*WidthBytes+j))=0;

*((BYTE*)(lpData+(i-2)*WidthBytes+j))=0;

sum++;

}

} if(sum<4000)

{

CStringstrInfo;

strInfo.Format(“特征点数%dn”,sum);

MessageBox(strInfo,“提示”,MB_OK);

}

else

{

CStringstrInfo;

strInfo.Format(“特征点数较多，请设置合理参数”);

MessageBox(strInfo,“提示”,MB_OK);

}

Invalidate();} 1.4 结果分析：

按照提示，对老师所给数据进行分析，当窗口大小设置为5*5,，阈值设置为5000的时候，对右核线影像进行分析，得到特征点43个，同时图像分析，得出如下结果：

调整阈值和窗口大小，程序能够正常运行，且经过测试，结果精确度有较好的保证。

实习二：边缘提取算法

2.1 实习目的：

熟悉Matlab环境下的编程，熟悉边缘提取算法。

2.2 实习原理：

Sobel算子实现思路如下：对输入图像分别使用水平和垂直模板做卷积计算，对得到的两个处理结果求平方和，该平方和与阈值的平方比较。只有当某点的两种卷积的平方大于阈值的平方，且水平占优（水平模板卷积结果大于垂直模板卷积的结果，且该点的卷积平方大于其左右两点的卷积平方和）或者垂直占优（垂直模板卷积的结果大于水平模板卷积的结果，且该点的卷积平方和大于其上下两点的卷积平方和）时，该点的输出结果为255，否则为0。输出的结果为二值图像。第一行和最后一行本来就是图像边界，不包括可用信息，因此相应的输出为0，按照这个思路课题编写了相应的Sobel算子实现程序

2.3 实习步骤以及代码：

2.4 结果分析：

原图像 sobel边缘提取

实习总结

本次实习过程中，根据自身实际情况，我选择使用vc环境下的编程完成实习，而没有采用Matlab环境下的编程。在实习过程中，我熟悉了sobel算法以及Moravec算子，在程序调试的过程中，我认识到任何算法都有其局限性，比如说本次实习过程中，sobel算子的边缘提取就将许多的噪音提取了出来，导致边缘特征提取的不准确性。本次实习让我认识到了编程能力的重要性，学会编写基本的代码来实现基本的算法，能让我们摆脱软件已有算法的束缚，更多的按照需要来实现一些步骤。

总体来说，本次实习还是很成功的，让我认识到，在以后的学习生活中,我认识到,应该把理论和实践结合起来,多锻炼自己的动手能力,好好把握住每一次实习的机会.

第三篇：数字摄影测量实习报告

实习报 告

实习名称： 班 姓 级: 名: 数字摄影测量实习09 测绘一班 刘胜 实验室 x5504 实习地点：

实习指导教师: 龚涛 实习时间： XX.9XX.10 西南交大地学学院

： 一 lps 简述

lps 工程管理器是一个基于 windows 的综合数字摄影测量软件包，可 以对来 自不同类型的航空遥感相机及卫星传感器的图像进行快速和精确地 三角测量和 正射校正，与传统的三角测量和正射校正相比，可以极大的减少费用 和时间可 以处理各种各样的图像数据，诸如来自不同的摄影相机、不同的卫星 传感器、不同的航空 gps 数据等，处理过程涉及很多不同类型的几何模型。

二、数字摄影测量处理过程 1 创建 lps 工程文件 2 向 lps 工程加载图像 3 刺点 自动量测图像同名点 5 执行航空三角测量 dtm+等高线 dtm+等高线 6 图像正摄校正处理 处理前 处理后 控制点坐标

三、lps 数字摄影测量系统的应用 leica photogrammetry suitelps 是徕卡公司最新推出的数字摄影测量及遥 感处理软件系列。lps 为影像处理及摄影测量提供了高精度及高效能的生产工 具、它可以处理各种航天(最常用的包括卫星影像 quickbird、ikonos、spot5 及 landsat 等等)及航空(扫描航片、ads40 数字影像)的各类传感器影像定向 及空三加密，处理各种数字影像格式，黑/白、彩色、多光谱及高光谱等各类数

字影像。lps 的应用还包括矢量数据采集、数字地模生成、正射影像镶嵌及遥感 处理，它是第一套集遥感与摄影测量在单一工作平台的软件系列。lps 制作 dom 的全过程如下： lps 数字摄影测量系统制作 dom 具体制作过程如下： 首先创建工程文件，选择相机类型，设置投影参数，输入相片参数，创建相 机参数，导入外方为元素;其次数据处理，内定向，人工选择一个点后，自动完 成内定向。建立金字塔影像，加载控制点文件，并在图上刺出相应的点!一般说 来，选择 6 个均匀分布的点作为控制点，其他的设为检查点。同名点自动匹配，三角测量，直接进行空三解算，再接着生成 tin 数据;最后制作正摄影像，正 射影像拼接。拼接结束后，一般还要对影像进行匀光，消除接边缝隙等操作!1)、创建 lps 工程文件 2)、向 lps 工程加载图像 3)、定义数码相机几何模型 4)、自动量测图像同名点、执行航空三角测量 5)6)、图像正射校正处理

四、实习基本情况 1)、erdas imagine 9.2 遥感图像处理系统和数字摄影工作站上操作 2)、实习时间：第二教学周到第五教学周、上机时间：周一下午第二讲课 3：50-6：15 3)4)、上机地点：x5504 地理信息系

统实验室 由于我们在航空摄影测量时采用的是 canno d450 数码相机，所以在图像处 理的时候稍不同于摄影图像。而且，因为在课程设计的前期阶段，由于测控制点 的小组还没有完成控制点的量测和刺点工作，还有编程小组也还没有编程计算出 像片的内方位元素和外方位元素，所以我们 lps 图像处理小组暂时也还不能用 我们的实验数据进行处理。所以我们目前只是用 erdas imagine 自带的练习数据进行练习，然后将练习数据相片的信息给编程小组的成员检验他们的程序是 否正确。并且在整个课程设计的过程中，我们图像处理小组要根据使用练习数据 得到的信息指导整个小组的工作。

五、实习体会

经过一个月的实习对我来讲收获是非常大的，也产生了非常多的体会。内业数据处理是一种重复性的劳动，需要耐心，仔细，这样才能做好!通过实习，对以后的工作有了一定感性的认识，基本清楚了将来的工作内容，认识到现在应 该充分利用空余时间，多接触专业软件，方便以后工作。这次实习给我最大的体 会是测绘产品的生产是一项非常繁琐而细致的工作，作为一名测绘工作者，不仅 应该有娴熟的操作技能，而且应该有着负责而平和的心态，立志于将毕身精力献 给国家的测绘事业。我觉得要想成为一名优秀的测绘工作者，不仅要把测绘当成 一门学科来学习，更要把它当成一种技能来熟悉掌握。同时本次实习对我本人的 动手能力也有很大提高。本次实习还让我第一次感受了测绘部门的生产环境，这 对我也是一种激励，它促使我以后要更加认真地学习专业知识，掌握各种技能。要想在任何一个行业里面有所作为的话都必须付出辛勤的劳动和汗水。只有能过 努力学习才能成为一名好的测绘工作者。一份耕耘一分收获!，这应该成为我 们今后工作的座右铭。大学即将要结束了，我们也将步入新的人生岗位中在此，对在本次实习当中对我们进行细致辅导的老师表示极大的感谢和敬意，是你们耐 心的教诲和和善的态度让我们亲身感受并学会了摄影测量的过程，这对我们以后 的工作以及人生将会产生深远的影响。总而言之，这次实习对我学习数字摄影测量有很大帮助，可以说对我以后 工作也有很大帮助，这次实习在一次次失败后经过总结与坚持后成功的，可谓累 并快乐着，让我记忆深刻，对外受益匪浅。希望以后能进行更多类似方面的实习。

第四篇：摄影测量课程实习报告

《摄影测量基础》实习报告

班级：

姓名：

学号：

成绩：

评语：

目录

一、模型定向..........................31、影像内定向.......................32、相对定向...........................33、绝对定向...........................44、小结............................5

二、数字产品生产.........................51、数字线划图（DLG）.......................52、数字高程模型（DEM）..........................63、数字正射影像（DOM）..........................6

三、实习总结..........................7

一、模型定向

1、影像内定向

恢复相片对的内定向元素称为内定向。内方位元素即为确定物镜后节点和相片面相对位置的数据。（包括像主点在相框坐标系中的坐标x0，y0和相片主距f。）

内定向的目的是建立图像坐标与框标坐标之间的转化关系。将图像坐标转换到框标坐标系下，为以后的相对定向和绝对定向做准备。

在VirtuoZo NT系统软件中的处理步骤如下：

1打开VirtuoZo NT系统，执行命令：[文件] →[打开测区]，使用默认目○

录下并在主目录下新建一个测区并命名为“cehui08”。并设置影像参数如下：

加密点文件：“cehui08.pas”，控制点文件：“cehui08.ctl”，相机参数文件：“cehui08.cmr：，比例尺改为1：15000。

2引入影像（影像由教师提供），设置像素大小为0.045um，添加并处理。○

3设置相机参数。点击[添加行]，输入先前建立的相机参数文件：○

“cehui08.cmr”，此项操作实现了输入8个框标的框标坐标系下的坐标的功能。

4执行命令[打开测区]，新建一个测区：156-155（选择左影像：156，右○

影像：155）。

5执行命令[处理]→[模型定向]→[内定向]，在窗口中调整白色十字丝的○

位置，当白色十字丝位于红圈中心位置时，点击“接受”，并保存退出。另外一张做相同处理。

至此内定向结束。

2、相对定向

相对定向的目的是调整立体像对的两张像片的相对位置关系，使同名光线对对相交，从而建立被摄目标的立体模型，该模型确定了左右两张像片的相对位置及姿态关系。

模拟法相对定向时，利用投影器的运动使同名射线对对相交来恢复核面，投影器上的各个小螺旋的微小改变，相当于恢复了五个相对定向元素。而解析法相对定向恢复核面，需要从共面条件式出发解求出五个相对定向元素，才能建立地面立体模型。

相对定向完成的标志是模型点在统一的辅助坐标系中坐标UVW的求出。在软件中的处理步骤：

在上步“内定向”的结果的基础上，在影像中右击，在快捷菜单中选择 “自动相对定向”，VirtuoZo NT软件将自动进行相对定向，相对定向会产生很多同命像点，并显示模型点在统一的辅助坐标系中坐标UVW。

3、绝对定向

解析绝对定向即利用物方控制点，以解析计算方法解求（相对定向后建立的）自由模型的绝对定向元素的过程。绝对定向元素是描述立体像对在摄影瞬间的绝对位置和姿态的参数。

绝对定向目的是将相对定向得到的自由模型进行缩放、旋转和平移（即空间相似变换），使其达到绝对位置（即纳入测图坐标系），简单说就是求七个绝对定向元素。相对定向仅仅是恢复了摄影时像片之间的相对位置，所建立的立体模型是一个以相对定向中的选定的像空间辅助坐标系为基准的模型。绝对定向的实质是把相对定向后的模型点在像空间辅助坐标系中的坐标经过三维空间相似变换得到模型点的地面摄影测量坐标系下的坐标（X，Y，Z），再经过逆变换，得到最终的大地测量坐标，从而完成了绝对定向过程。

在绝对定向公式中含有七个据对定向元素，即：模型比例尺的缩放系数λ；两坐标轴系的三个旋转角Φ、Ω、Κ；坐标原点的平移量Xs、Ys、Zs。解析法绝对定向，就是利用已知的地面控制点，从绝对定向的关系式出发，解求上面七个绝对定向元素。

在VirtuoZo NT软件中的处理步骤如下：

①在上步“相对定向”的结果的基础上，首先在两幅图像中选择地面控制点。执行命令[设置]→[地面控制点]，在对话框中输入控制点坐标文件“cehui08.ctl”，在影像中选择四个控制点，输入各个点的点号及坐标。

②在图像中右击，选择[绝对定向]→[普通方式]。

至此使用VirtuoZo NT软件进行内定向、绝对定向以及相对定向的操作步骤基本完成，显示地面控制点的坐标。

4、小结

影像的内定向、相对定向和绝对定向是重建立体模型的三大步骤，只要恢复以上三步就可以利用已有的影像进行立体测图。内定向就是恢复像片对的内方位元素，即确定摄影机主距及框标坐标。恢复影像的外方位元素包括两步：相对定向和绝对定向。相对定向就是恢复了像对的相对位置，通过绝对定向进一步确定模型的大小和空间方位。

二、数字产品生产

1、数字线划图（DLG）

数字线划地图(Digital Lin Graphic，DLG)是与现有线划基本一致的各地图要素的矢量数据集，且保存各要素间的空间关系和相关的属性信息。

在数字测图中，最为常见的产品就是数字线划图，外业测绘最终成果一般是DLG。DLG较全面地描述地表现象，目视效果与同比例尺一致但色彩更为丰富。DLG满足各种空间分析要求,可随机地进行数据选取和显示,与其他信息叠加,可进行空间分析、决策。其中部分地形核心要素可作为数字正射影像地形图中的线划地形要素。

数字线划地图(DLG)是一种更为方便的放大、漫游、查询、检查、量测、叠加地图。其数据量小，便于分层，能快速的生成专题地图，所以也称作矢量专题信息DTI（Digital Thematic Information）。数字线划地图(DLG)的技术特征为：地图地理内容、分幅、投影、精度、坐标系统与同比例尺地形图一致。图形输出为矢量格式，任意缩放均不变形。

制作方法： 数字摄影测量、三维跟踪立体测图。在实验中采用的数字摄影测量软件VintuoZo系统的教学版。

实验时使用VintuoZo系统进行数字化测图的基本操作步骤如下：

1在主菜单中，执行命令[测图]→[IGS数字化测图]。在IGS窗口中，执○

行命令 [文件]→[新建XYZ]，输入文件名：“cehui082”，点击“保存”。

2执行命令[装载]→[立体模型]，加载制作DEM时生成的立体模型。○

3执行命令[文件]→[设置模型边界]，此操作可消除电脑发出的“滴滴”○

声音。

4执行命令[窗口]→[横行排列]。此时在电脑窗口中将显示两个对话框，○

左边为立体模型，右边为矢量窗口。

5开始数字化测图。内业测图人员须判断影像中是什么地物。立体模型中○

各点的坐标均为三维坐标，垂直于显示器面的是第三维坐标，对应于点的高程坐标。选择地物地貌对应的类型图标在左窗口中描画地图，相应的矢量图形（DLG）会在右边的矢量窗口中显示出来。

2、数字高程模型（DEM）

数字高程模型就是用一系列地面点的平面坐标X、Y及该点的地面高程Z或属性组成的数据阵列。地面点按照一定的格网形式排列，点的平面坐标X、Y可由起始原点推算而无需记录，地面形态只用点的高程Z来表示，这种数据阵列称为数字地面高程模型（DEM）。

建立DEM的过程就是，首先按照一定的数据采集方法，在测区内采集一定数量的离散点的平面位置和高程，这些点称为控制点。以这些控制点为网络框架，用某种数字模型拟合，内插出大量的高程点，以便获取符合要求的DEM。

实验时使用VintuoZo系统建立DEM的基本操作步骤如下：

1打开一个测区。执行命令[文件]→[打开测区]，选择测区文件“cehui08”○

添加进去。接着，执行命令[文件] →[打开模型]，打开模型文件“cehui08.mdl”。

2执行命令[处理]→[核线重采样]，生成核线影像。○

3执行命令[产品]→[生成DEM]→[DEM生成]。○

4执行命令[显示]→[立体显示]→[透视显示]，可显示生成的DEM影像。○

3、数字正射影像（DOM）

数字正射影像图是以航摄像片或遥感影像为基础经扫描处理并经逐像元进行辐射改正、微分改正和镶嵌，按地形图范围剪裁成的影像数据，并将地形要素的信息以符号、线划、注记、公里格网、图廓整饰等形式添加到该影像平面上，形成的以栅格数据形式存储的影像数据库。

在本实验中，采用全数字摄影测量方法来实现。首先对数字影像进行内定向、相对定向、绝对定向后，形成DEM，按反解法做单元数字微分纠正，将单片正射

影像进行镶嵌，最后按图廓线裁剪得到一幅数字正射影像图，并进行地名、公里格网和图廓整饰等。经过修改后，绘制形成DOM存盘。

三、实习总结

通过本次课程实习，我学会了如何使用摄影测量软件进行测图，初步接触并了解了VirtuoZo NT系统的特点，掌握全数字摄影测量系统的基本功能；了解数字摄影测量的工作流程，对数字摄影测量工作流程有个整体概念，掌握主要地图产品的制作流程。

这次实习不仅是对动手能力的一次提升，更是对理论知识的一次综合性的巩固。虽然数字摄影测量大多数工作都是由计算机自动完成，我们只需要点击有关的按钮，但是这也要建立在学好理论知识的基础上。我认为理论知识是实践的前提，我们只有把理论知识学好，才能更好的促进实践。只有在理论和实践这两个过程中相互作用，我们才能更好的掌握理论知识，提高自己的动手能力。

我个人觉得在实习过程中细心是非常必要的，例如在选择同名像点（控制点）时，不仔细就有可能出现错误。所以我认为养成一个细心严谨的态度是非常必要的，这将减少一些不必要的错误和损失。

第五篇：摄影测量实习报告

摄影测量实习报告

一、引言：

数字摄影测量是基于测量的基本原理，通过对所获取的数字/数字化影像进行处理自动（半自动）提取被摄对象用数字方式表达的几何与物理信息，从而获得各种形式的数字产品和目视化产品，摄影测量实习报告。数字摄影测量实习实在学完《数字摄影测量学》课程之后，进行数字摄影测量操作基本技能强化的一个重要实践环节。

二、实验目的和要求：

1、了解数字摄影测量生产流程

2、掌握立体像对定向建模型过程

3、掌握数字摄影测量测图方法

三、实验内容

使用JX4G全数字摄影测量软件，按照相应的规范和规程，进行地理信息数据采集，完成全数字测图实习。利用JX4G数字化成图软件测绘地形图，具体内容包括：像对内定向、像对相对定向、像点坐标测量、匹配生成核线、数字地面模型（DEM）、编辑修改等高线、地形图测图。

四、实验步骤

1、建模1—1 新建工程

启动Geoway软件，点击“文件”→“新建工程”，在弹出的对话框中新建名为2196的工程，并指定新建工程的存储路径在D盘的名为0933的文件夹中。

a)点击“工程管理”菜单，弹出其下拉菜单；

b)选择“创建工程目录”项，出现输入对话框如图22：

图22 航片创建工程

c)在输入对话框中，输入新建的工程目录名称2196；然后点击“浏览”，选择所建立的目录的保存路径；

d)点击“确定”，完成建立工程目录，则在所建立的工程目录下生成21*.ini文件——该文件记录有关工程目录的配置信息，实习报告《摄影测量实习报告》。

a)单击“工程管理”菜单，弹出其下拉菜单；

b)选择“选择工程目录”项，出现选择路径窗口如图23：

图23 航片选择工程

c)在选择路径窗口中，选择所需的目录文件夹；

d)点击“确定”，完成工程目录选择。

输入相机信息时，点击“工程管理”→“输入文件”→“输入相机文件”，弹出相机信息输入窗口如图24：

图24 航片相机信息输入

相机信息要依据相机自身的有关报告输入。

在“焦距”栏输入相机焦距，单位为毫米。

鼠标左键双击列表框内部，在激活的文本条内输入框标坐标x和y值。

根据校正记录读取的变形值，设置透镜变形参数，用与框标相同的方法输入。

相机列表栏中，点击“新建”按钮创建新的相机文件；

点击“确认”按钮则在该相机文件中保存了当前对话框中的全部信息。

在“工程管理”菜单的“输入文件”子菜单项中

点击选择“输入文件”→“输入控制点文件”，弹出控制点输入窗口如图26：

图26 航片控制点输入

在该窗口中输入控制点坐标：点号XYZ。

设置航空影像立体模型建立所需的影像信息，点击“输入文件”→“设置影像路径”，设置航空影像放置目录。操作如下所述。

对于各单模型建立作业时，在创建像对之前需要设置影像放置目录。在工程目录下，要求用来建立像对的影像文件必须放在同一个目录下；然后，通过如下步骤进行影像目录设置：

a)选择“输入文件”→“设置影像路径”，弹出设置路径窗口，如图28：

图28 航片设置影像路径

b)在该窗口中，只能通过单击“浏览”，在弹出的选择路径窗口选择影像放置路径；

c)点击“确定”，完成影像目录设置，系统会记录该信息到当前操作的工程目录的ini文件中。

在“工程管理”菜单子项中，创建新像对。单击选择菜单“像对”→“建立新像对”，弹出输入像对信息对话框如图29：

图29 输入像对对话框

在像对信息对话框中，选择像片、建立像对，并进行像对有关的设置。