Research Collection
Doctoral Thesis
Multiphoto geometrically constrained matching Author(s): Baltsavias, Emmanuel P. Publication Date: 1991 Permanent Link: https://doi.org/10.3929/ethz-a-000617558
Rights / License: In Copyright - Non-Commercial Use Permitted
This page was generated automatically upon download from the ETH Zurich Research Collection. For more information please consult the Terms of use.
ETH Library
17. Dez, 1991 DISS. ETH Nr. 9561
Multiphoto Geometrically Matching
Constrained
ABHANDLUNG Zur Erlangung des Titels
DOKTOR DER TECHNISCHEN WISSENSCHAFTEN
der
EIDGENÖSSISCHEN TECHNISCHEN HOCHSCHULE
ZÜRICH
vorgelegt von EMMANUEL P. BALTSAVIAS
Dipl. Ing., Metsovion
Nationale Technische Universität (Ethnikon
Polytechnion), Athen, Griechenland
Master of Science, Ohio State
geboren von
am
4.
September
University, Columbus, USA
1957
Griechenland
Angenommen
auf Antrag
von:
Prof. Dr. A. Gruen, Referent Prof. Dr. B. P. Wrobel, Korreferent
Zürich, 1991
IV
ABSTRACT
problems
One of the central
digital photogrammetry, Computer and
Correspondence is necessary for 2-D object detection, Classification and decades has been devoted
to
this
and 3-D measurements and very often
Although research
identification.
problem,
was to
examining the Performance
applicability of
and
images.
prerequisite for
more
than three
image
and reliable
Contents, does not exist yet. The
scene
in the above aspects
improve matching
a
for
fully automated, precise
a
matching method, able to adapt to different image and aim of this research
machine vision is
features in different
automatically finding corresponding
of
problem
the
in
a new
by developing
algorithm
called
and
Multiphoto
Geometrically Constrained Matching (MPGC). MPGC is
extension of Least
an
matching method establishing two
a
fit between small
image patches by
two new
(i) the exploitation of any
elements:
constrain the Solution and (ii) the simultaneous
accuracy and
of the
especially the
success rate
algorithm is formulated in
Observation
equations
that express the
geometric
and
a
use
research
are
systematic
the
The
errors,
assuming permits
Additionally, through the
of
determination of Z
a
over
images).
connection of
image
and
and
are
fixed in
not as
presented.
The
and those
related to each other
through
After
derive the
a
the
to
iterations. As
reference
images
before
flexibility
and
matching.
determination
are
and
algorithm.
the
treated
pyramid generation
based
are
as are
speed, radiometric to use a
Wallis
matching.
Since MPGC is based
knowledge
image pyramid
be
must
The Wallis filter has also
necessary for accurate
requires
a
can
(template) image),
geometric constraints
analysis of the required quality
approximations by
Different kerneis for the
analysed:
alternative, it is proposed
three aspects of the
theoretical
one
increase
an
high contrast being
placed on
object coordinates.
space, any number of were
sensors are
strict conditions. The radiometric parameters
equalisation of the images
has been
object
flexibility
nonlinear least Squares estimation, it
to
matching
object coordinates (match point position
For greater
been used to enhance contrast,
approximations.
being
Two measurement modes
fixed X, Y
applied during the
radiometric
Emphasis
the grey level
adjustment.
constraints that have been used in this
geometric
included in the mathematical model; instead
filter for
search), improve the
simultaneous determination of pixel and
a
weighted Observation equations
are
1-D
to
(more than two) of
combined least Squares
a
the two parts
object coordinates (match points
corrections
(conditional
information
that the interior and exterior orientation of the
simultaneously accommodated.
estimated in all
geometric
collinearity conditions extended by additional parameters modelling
known. Thus, MPGC
of X, Y, Z
known
of any number
equations formulating
geometric constraints,
unknown parameters.
priori
and reliability of matching. The mathematical model
terms
consist of the
common
method
a
These elements reduce the search space
images.
not
affine
an
area-based
an
parameter linear radiometric transformation. MPGC considerably improves LSM by
using
be
which is
Squares Matching (LSM),
of
on a
reasonably precise
of the
approximations,
a
(coarse-to-fine) approach is
compared, problems occuring
at
image borders
treated, geometric relations between pyramid levels
are
for the choice of
appropriate matching parameters in addition to
pyramid approach,
being
increases the convergence radius (in
at
each level
efficient way
an
practical
tests
are
image
approximate values,
up to 70
parallaxes
The
proposed.
derive
to
derived and criteria
are
pixels
have been
handled), convergence rate and computational speed, and can be exploited for a better quality
self-adaptivity of the algorithm.
control and
been achieved, in
cases, for errors in the
some
optimally these approximate values
determinable. The
image edges
vertical
parameters
in all
can
be
of selected
pyramid
points is fulfüled.
levels
They
that the selection of
are
Methods
are
are
but
pixels,
which should be
in the reference
considered good lie
by
a
The
operator's
is reduced and the
required
the existence of the selected a
on
direction selective
derivatives.
"noisy" pixels
to ensure
points
derived
intensity
MPGC is
proposed. Thus,
10-20
good match points
levels. Points which
the first and/or the second
adapted so
to
of the surface but also well
points
consists of choosing
pyramid
of up
convergence has
accurate.
is the choice of
constraint line.
geometric
using
interest Operator
pixel
be characteristic
must
them in all
the
to
should be 1
proposed strategy
matching
and
density
points
These
measured.
approximate values
for surface measurement
question
A critical
image pyramid,
Without the
points
combination of area-based and
feature-based, especially edge-based, matching. The third
detection of gross contents
errors
object
and
precision, tests to
of the
major aspect
investigations
and the automatic
check the
determinability
and the
blunder detection
involves
accuracy studies,
test
image patch
size to the
referring
0.2
general
1 um, for
-
surfaces 10
performed tests,
the
-
are
different
image
express the achieved
cases
The percentage of blunders
15 p.m.
depending
of undetected Wunders
was
to
the
problems
distortions in
1%
error rate
like
content
and
of accuracy and
0.05
-
of
whereby was
matching
the
natural
the
precision
points
The
ray based
on a
and the amount of
generally
similar
was even
content
and
was
to
human Operator.
for
good
10
um.
In
the accuracy of manual the manual
from 5%
-
one.
25% of the
surface. The percentage
MPGC
as
being
correct, thus
Further, it is shown how MPGC
multiple Solutions, occlusions,
comparison to other algorithms.
typically
higher than
object
points accepted by
was
2-3 (im, and for natural
pixel spacing
accuracy
image
3% of the a
surface.
The achieved accuracy
pixels.
good
or
accuracy
on
object
object point
automatically detected by MPGC varied
total number of points,
comparable
-
signalised
the
signal
and ways of
presented. The theoretical precision of the shifts, in the
is 0.01
matching
measurements; in certain
reduce
to
adapted to the processed image. Many practical
are
comparison
to a
good targets, typically
planar targets the
algorithm
measures to
each individual
checking
detected and undetected Wunders,
on
of the
significance of the shaping parameters,
combination of criteria, whose thresholds
points
evaluation of the results, the
methods for the automatic detection of Wunders and Observation errors, different
the
of
adaptation
This aspect includes
surfaces.
automatically adapting
case
quality
is the
can
discontinuities and radiometric
VI
Finally,
methods for the reduction of oscillations and
computational aspects
are
treated. Different
applications
divergence problems
and tests
are
presented.
and
vn
ZUSAMMENFASSUNG
digitalen Photogrammetrie, der Computer
Eines der zentralen Probleme in der Machine Vision ist die automatische
notwendig und
ist sehr oft
Objekten. Obwohl
von
Voraussetzung
sich die
gibt
Problem befaßt,
Bildzuordnung
neuen
in
Messung
Detektion, Klassifizierung und Identifikation
dreißig
seit bereits mehr als
Jahren mit diesem
zuverlässige
genaue und
sich unterschiedlichen Bild- und Szeneninhalten anpassen
Forschungsarbeit
Anwendbarkeit eines
zur
Forschung
verbessern durch
zu
und dreidimensionalen
heute keine vollautomatische,
es
Bildzuordnungs-Methode, die kann. Das Ziel dieser
Bestimmung korrespondierender Merkmale
Korrespondenz ist für zwei-
unterschiedlichen Bildern. Die
und
ist
in
es
bezug auf die oben genannten Aspekten
Entwicklung dem
Algorithmus,
und
Untersuchung
Leistung
von
die
und
Multiphoto Geometrically Constrained
Matching (MPGC). MPGC ist eine
Erweiterung
der Korrelation nach der Methode der kleinsten
Quadrate
(Least Squares Matching, LSM). Das LSM ist eine flächengestützte Matching-Methode, die eine
zwischen kleinen Bildausschnitten mittels einer affinen
Anpassung
geometrischen
Transformation und einer linearen, radiometrischen Transformation mit 2 Parametern erzielt. Das MPGC verbessert das LSM durch
Ausnutzung
von
a
einzuschränken und
priori (ii)
bekannter
der simultanen
Elemente reduzieren den Suchraum besonderen die
des
Algorithmus
sind. Die in dieser
aus
Parameter
zur
Objektkoordinaten. die
für
einer
von
geometrischen Bedingungen
Beobachtungsgleichungen mathematische Model
zur
nicht als strenge
sind die
um
erweiterten
des Sensors als von
Pixel-
von
Bildern
möglich.
XYZ-Objektkoordinaten (fester größeren
Bedingungen
Flexibilität werden
sondern als
gewichtete
behandelt. Die radiometrischen Parameter werden nicht in das
einbezogen.
Stattdessen werden
Als Alternative dazu wird
radiometrischen
verknüpft
Bestimmung von Z bei festen XY-Objektkoordinaten (die
Verarbeitungsgeschwindigkeit während angebracht
für
des Bildraumes mit dem
Anzahl
Position des Match-Punktes wird in allen Bildern ermittelt). Zur die
Die
jenen
und
gleichzeitige Bestimmung
beliebigen
Bestimmung
Fehler
Orientierung
Verbindung
im
Das mathematische Model
systematischer
Zusätzlich ist durch die
Match-Punkt im Referenzbild) und
Bilder. Diese
unbekannte Parameter
wobei die innere und äußere
die
der
Lösungsraum
geometrischen Bedingungen
Modellierung
analysiert:
den
Grauwert-Matching
gemeinsame
benutzten
gleichzeitige Verwendung
Zwei Messmodi wurden
um
(i)
Quadrate Ausgleichung formuliert.
Gleichungen
welche über
Forschungsarbeit
Elementen:
Suche), verbessern die Genauigkeit und
1-D
bekannt vorausgesetzt werden. Das MPGC erlaubt die
Objektraum
neuen
Nutzung beliebig vieler (mehr als zwei)
(bedingte
bestehen
Kollinearitätsbedingungen, und
zwei
Information
geometrischer
ist als kombinierte kleinste
geometrischen Bedingungen,
zusätzliche
von
Erfolgsrate und die Zuverlässigkeit des Matching.
Beobachtungsgleichungen die
Nutzung
Angleichung
vor
zur
Erhöhung der Flexibiltät und der
der Iterationen radiometrische Korrekturen
dem
Matching die Verwendung des Wallis-Filters
der Bilder vorgeschlagen. Der Wallis-Filter kann auch
zur
vni
hoher Kontrast ist für genaues
Erhöhung des Kontrastes benutzt werden;
Matching
notwendig.
Aspekte
Auf drei
Algorithmus
des
auf einer nicht linearen kleinste
Quadrate Ausgleichung,
Nach einer theoretischen
verlangt.
wird eine Methode
wurde besonderes Gewicht
Ableitung von Näherungswerten vorgestellt,
zur
("coarse-to-fine" Verfahren) basiert.
Bildpyramiden
werden
Relationen zwischen
Matching
Pyramidenstufen jeder
Bildpyramiden vergrößert kann
zur
besseren
werden. Ohne
Verschiedene
70
zu
den
werden
abgeleitet,
Stufe werden
Filter
die auf
Kriterien
zur
Die
vorgeschlagen.
QualititätskontroUe und Selbstadaption
Frage
zur
in
repräsentieren.
Ableitungen
Interest
1 Pixel genau sein.
ist die Wahl der
Die
zur
Auswahl
vorgeschlagen. Somit
merkmalgestütztem, Der dritte
Suche nach
vor
Aspekt groben
von
Operator kann
besteht
aus
der
der
Untersuchung
Signifikanz der Maßstäbe Fehler
in
bezug
auf
prüft jeden
Schwellwerte dem
zu
ist die
Objektoberflächen. Methoden
Scherungen,
von
von
zur
Dieser
aufgrund
theoretischer und
aufgedeckten groben Fehlern,
verrauschten Pixeln
flächengestütztem
und
werden
im Falle guter Ziele
des
Aspekt
Ergebnisse, die
der
Algorithmus
Prüfung
Wege
zur
auf
beinhaltet Masse
automatischen Detektion
zur
und
Adaption
zur
grober Fehler
der Bestimmbarkeit und
automatischen
Signalinhalt und Objektoberfläche.
Bildstrahl
von
qualitative Auswertung
Der Test
einer Kombination
verarbeitenden Bild angepasst sind. Viele
auf Vergleiche
Verschiebungen liegt
die Wahl
basierendem, Matching.
verschiedene Tests
und der
Die Punkte werden mit
Verteilungsdichte auszuwählen angepasst
Fehlern und die automatische
Beobachtungsfehler,
Bildfenstergröße
um
zur
Punkten, die in allen Pyramidenstufen vorkommen,
allem auf Kanten
Beurteilung der erreichten Genauigkeit,
nicht
die die
der die erste und/oder zweite
ist MPGC eine Kombination
unterschiedliche Bildinhalte und
bezogen
Messpunkte,
vorgeschlagene Strategie
Operator abgeleitet,
der Grauwerte nutzt. Der
werden. Methoden
grober
der
betrug
Diese Punkte müssen sowohl charakteristische Punkte der
reduzieren und Punkte mit einer erforderlichen
und
Tests
von
Als gut werden solche Punkte betrachtet welche auf Kanten senkrecht
richtungsselektiven
werden
Verwendung
sogar für 10 bis 20 Pixel
Linie(n) der geometrischen Bedingungen (z.B. Kernstrahlen) liegen.
zu
geeigneter
guter Matching-Punkte im Referenzbild und dem Matching in allen
Pyramidenstufen. einem
Wahl
Algorithmus ausgenutzt
des
einigen Fällen
Oberflächenvermessung
Oberfläche als auch gut bestimmbar sein.
Auswahl
von
Pixel), die Konvergenzrate und die Rechengeschwindigkeit, und
Näherungswertfehler erreicht, jedoch sollten optimale Näherungswerte Oberfläche
Bildpyramiden
Generierung
zur
Konvergenzradius (in praktischen
Bildpyramide wurde Konvergenz
Eine kritische
Näherungswerte
verglichen, Probleme an Bildrändem werden behandelt, geometrische
Parameter auf
Konvergenzradius bis
die relativ genaue
benötigten Qualität der Näherungswerte,
der
Analyse
Das MPGC basiert
gelegt.
von
Anpassung
zur
der
Aufdeckung
Kriterien, deren
praktische Untersuchungen,
empirischer Genauigkeit und aufgedeckten
dargestellt.
Die theoretische
typischerweise
Genauigkeit
bei 0.01 bis 0.05 Pixel.
zu
der
Die
IX
Genauigkeit beträgt für gute ebene
Ziele 0.2 bis 1 um, für
und für natürliche Punkte auf Oberflächen
Punkte 2 bis 3
um
um, wobei die
Sensorelementgrösse typischerweise 10
Tests
war
Matching-Genauigkeit
die
Messungen.
Die
vom
in
Messpunkte,
aufgedeckter grober
akzeptierten Punkte, vergleichbar radiometrische
Störungen,
Schließlich
wird
Divergenzproblemen Anwendungen
im
eine
betrug
der eines
durchgeführten ausgeführten
Fehler variieren
von
5% bis
1% bis 3% der
Operateurs.
vom
MPGC als korrekt
Weiterhin wird
gezeigt
wie das
Lösungen, Verdeckungen, Diskontinuitäten
Vergleich
zu
Methode
vorgestellt.
In den
bis 15
Abhängigkeit vom Bildinhalt und Objektoberfläche.
anderen zur
und rechentechnische
und Tests
allgemeiner Form 10
betrug.
gefundenen groben
Fehler
MPGC Probleme, wie mehrfache
um
oder gute natürliche
ähnlich oder besser als bei manuell
MPGC automatisch
25% der totalen Anzahl Die Rate nicht
signalisierte
Algorithmen,
Verminderung Aspekte
und
reduzieren kann. von
Oszillationen
und
behandelt und unterschiedliche