A inferência bayesiana e a detecção e localização automática de erros grosseiros em fototriangulação por feixes de raios

Abstract

Resumo: A foto triangulação por feixes de raios e um método fotogramétrico analítico para determinar as coordenadas de pontos do espaço-objeto e suas respectivas precisões, a partir de observações realizadas no espaço- imagem (fotografias). Este método, geralmente, envolve um grande numero de observações e parâmetros. Raramente, na pratica, as foto triangulações são realizadas sem que informações indesejáveis (erros grosseiros) perturbem a solução. É necessário, portanto, estabelecer um sistema para controlar automaticamente a qualidade da solução, que seja capaz de detectar e eliminar erros grosseiros. Apesar do adiantado estagio em que se encontra a detecção de erros grosseiros, a Sociedade Internacional de Fotogrametria e Sensoriamento Remoto recomenda a continuidade das pesquisas. A inferência bayesiana, aliada e técnica da filtragem progressiva, permite vislumbrar uma possibilidade para aumentar a eficiência e a confiabilidade da foto triangulação, melhorar a estimativa de parâmetros, proporcionar um controle efetivo das informações (observações), melhorar a detecção e eliminação de erros grosseiros e fortalecer a rigidez do bloco para aumentar a economia com relação a pontos-de-controle. Os objetivos desta tese são a verificação destas possibilidades. A metodologia para atingir os objetivos propostos consiste na simulação de uma rede de 25 pontos-objeto, a partir dos quais e gerado um bloco de fotografias aéreas. As foto coordenadas suo alteradas para conter erros randômicos e posteriormente ate dez erros grosseiros. O ajustamento de observações por mínimos quadrados, baseado no conceito da inferência bayesiana, e realizado. O método de Pope e usado para detectar e eliminar erros grosseiros. Os experimentos e respectivos resultados são apresentados, analisados e discutidos, de modo a permitir conclusões e recomendações.

Abstract: The bundle method is an analytical photogrammetric approach to determine coordinates of the object points and their precision, from observations made on image space (photos). Generally, this method involves a great number of observations and parameters. Rarely, in practice, the work is done without undesirable gross errors in the data, which disturb the solution. Therefore, it is necessary to set up automatic quality control of solution, which is able to detect and eliminate those blunders. In spite of the developed stage of gross error detection techniques, the International Society of Photogrammetry and Remote Sensing recommends to continue the researches. The Dayesian inference along with the step by-step technique allows to foresee a possibility to increase the efficiency and reliability of phototriangu1 ation, to improve the parameters estimation, and to provide an effective control of data. It also appears to improve the gross error detection and elimination, and strengthen the block, in order to increase the economy, with respect to control points. The objectives of this thesis are the verification of those possibilities. The used methodology to reach the proposed objectives consists on simulation of a 25 object points mesh, from which a block of aerial photos is generated. Ideal photocoordinates are computed, then they are changed to envoive random errors, and in a subsequent step up to ten gross errors are introduced to them. The least squares adjustment of observations, based on concept of Bayesian inference, is made. The Pope's method is used to detect and eliminate gross errors. The experiments and corresponding results are presented, analysed and discussed, in order to draw conclusions and recommendations.