he
lal
of
(J
ce
Linearization of Photogrammetric
Condition Equations
Cl NONLINEAR CONDITIONS 423
C.2EQUATIONS 423
C.4EQUATION 428
ct KONDISI NONLINEAR
Keempat persamaan kondisi yang digunakan dalam fotogrametri - projektifitas, kolinearitas,
koplanaritas, dan persamaan batasan skala - adalah nonlinier dalam variabel yang terlibat. Solusi langsung dari persamaan tersebut
cukup tidak praktis , terutama bila digunakan bersama dengan estimasi kuadrat terkecil untuk kasus redundan. Akibatnya, semua
persamaan
biasanya dilinierisasi dengan menerapkan perluasan deret Taylor seperti yang dibahas secara de tail di Bagian A.6 dari Lampiran
A. Linearisasi masing-masing dari empat fotogrametri
kondisi dikembangkan dalam bagian terpisah dari Lampiran ini
(CI)
Karena penunjukan variabel yang merupakan pengamatan (sebagai lawan dari parameter
) tergantung pada aplikasi spesifik, Persamaan. Cl akan dilinierisasi dalam bentuk yang paling umum dengan mempertimbangkan
semua 12 variabel yang terlibat. Karena itu. menerapkan Persamaan. A-81b
gIves
f
J~=
~ X12 I ~, I ~ XI(C-2)
423
424 Lampiran C Linierisasi Persamaan Kondisi ---- ...
Fotogrametri dy, dY2 dX, dX2 dao dC2
di mana
dF dF dF dF dF dF
I I I I I I
---- ...
dy, dY2 dx, dX2 dao d Cl
J
(C-3)
(C-4) (CS)
..
dF dF dF dF
2 2 2 2 dFl dF1
2 X 12
Superskrip 0 m
enyiratkan bahwa variabel dievaluasi pada nilai perkiraannya. Dalam hal
penyesuaian kuadrat terkecil dibuat untuk memenuhiproyektifitas, matriks J dan L 1
persamaandalam Persamaan. C-2 akan dipartisi untuk mencerminkan pengukuran yang diketahui
sebelum penyesuaian diterapkan. Misalnya, jika keempat koordinat Y I' dan X 2 dianggap
I ' h, X
sebagai pengukuran, pembagian akan seperti yang ditunjukkan oleh garis putus-putus vertikal
dalam Persamaan. C-3 dan C-4. Dalam hal ini, persamaan akan berbentuk
A v + B L 1 = f 2X44Xl2X88X2 2Xl (C-6)
di mana A dan B adalah submatrices dari J , dan v adalah vektor dari empat residual. Kuadrat
terkecil kemudian diterapkan ke Persamaan. C-6 seperti yang dijelaskan dalam Lampiran B.
<:
Evaluasi unsur-unsur J j elas merupakan latihan dalam diferensiasi parsial.
",.
Empat elemen pertama sangat mudah diperoleh:
( dS -! .- dt J
2
dF, = 1( dr - ~ dtJ dan dF = 1 (C-7)
dp t dp t dP d p t dp t dP
Beberapa elemen adalah diberikan di sini sebagai contoh, dan sisanya dibiarkan sebagai latihan
untuk siswa.
- dF] _ I ( r J o
r a, - {ao
JI3- dXI -
,:JI7 - - - - (X, - 0
)-
~ 0 u
ual t t
Kasus yang paling umum adalah di mana gambar berkoordinasi Ates xy dandianggap
observasi atau pengukuran, elemen orientasi interior xo, Yo, dan f d ianggap diketahui (tanpa
kesalahan) dari kalibrasi, dan variabel sisanya dianggap parameter yang tidak diketahui. Akibatnya,
bentuk persamaan linierisasi. C-8 adalah
3)
diberikan oleh
v + B ~
4)
di mana
Unsur-unsur dari B matriksakan tergantung pada bagaimana orientasi matriks M adalah con
n
emerlukan diferensiasi M.
dibangun. Selanjutnya, turunan parsial di B m
5)
Oleh karena itu, pertama-tama kita akan memilih satu himpunan dari tiga parameter untuk
membangun M, kemudian menunjukkan bagaimana M terdiferensiasi sebagian terhadap
masing-masing parameter.
st
Pertimbangkan sebagai contoh urutan w ~ <P ~ K (lihat Bagian AA), di mana
n.
aM = M ' = M M "" aM
1-
aw ' u K 'Paw
but
7)
-s ~ nw co ~ w)
; s
- cosw - SInW
oo OJ
1
-10
atau
000;
Then. M ~ = MOO I
co ~ w si ~ wJ [~
(C-IO)
., T - sinw cosw 0
[
o -10
Selanjutnya,
aM = M: I. =
M aMd> M (jep
(jep W
4 ' K
tapi
I aa J [ a sin w - c os Wj
= a c o ~ UI. ' sin w - s in w a a
[
M', p = - sin w a a
M
(C-II)
cosw aa [
[00-1]
aaa M </> Mw 1 aa
=M K
0 a - COSK
= aa s inK M </> Mw
atau
Akhirnya,
M '<b
[1 aa
J
(C-12)
M
aM = MK M",
M'= a
aK K a
K
'+' w
tapi
- = - COS K - Sin K 0
dK 0 00
[0 I OJ = - IOOM K
o 0 0
Karenanya
(tersirat dalam
Ini mungkin sebagian dibedakan sehubungan dengan salah satu dari sembilan variabel w, <p, K
M), Xv Y
X, Y,dan Z. As Misalnya, satu dari setiap set tiga dievaluasi di sini, dan sisanya ditinggalkan
v Zv
sebagai latihan untuk siswa.
= MO [Z ~ zJ
YL - ~
(C-IS)
(C-16) (C-17)
Unsur-unsur dari B matrikssekarang dapat dievaluasi menggunakan hubungan yang mirip dengan persamaan di
Persamaan. C-7, atau,
Turunan parsial dari U, V, Win Eq. C-18 akan diperoleh dari hubungan yang serupa dengan yang ada di
Persamaan. C-IS s ampai C-17. Asumsikan bahwa urutan variabel adalah Xv Yv Z , Y, Z, elemen b24
'.' Cu. <p. K . X
dari B, misalnya, akan menjadi
b? 4 = aF2 = L
(av _ vawJ "
- aw w" aw waw(C-19)
428 Lampiran C Linierisasi Fotogrametri Persamaan Kondisi
dV IJ (2
"( YY)"
2) IJ +
dw = m22 - L / L
1/23dW =
m f n"(Y - Y) IJ
" ( 2 - 2)0 +
dw 3 2 L 3 3 L
yang kemudian diganti menjadi Persamaan C-19 untuk menghasilkan bentuk akhir dari elemen
b24dalam..
apat diperoleh cara serupa, yang dibiarkan sebagai
emua unsur-unsur lain dari B d
S
latihan bagi siswa
dD
(C-20)
dp
Persamaan C-20 dapat diterapkan ke Eg. 4-48 untuk mengevaluasi semua turunan parsial yang
diperlukan untuk linierisasinya. Karena dalam banyak kasus kondisi koplanaritas digunakan untuk
orientasi relatif, biasanya terdapat empat koordinat citra pengamatan X
I 'YI' x
andan Y2
2, d
parameterkiri. Oleh karena itu, bentuk persamaan linierisasi. 4-48 adalah
f
Ix44XIIX55XI I x I(C-21)
A v + B L l
"di
mana
"
. 'h
A [dF IdxI dF IdYl dF Idx2 dF IdY2]
ektor dari empat residual pengamatan
v = v
Setiap elemen A t erdiri dari hanya satu determinan, karena setiap koordinat gambar muncul hanya
dalam satu baris. Misalnya
b b
x oleh z
u
dF l VI WI
a) 3 =
-=
dX2 dU2 dV2 dW2
dX2 dX2 dX2
dan karenanya
()
an = u ) v I WI
(mllh (ml2h (mn) 2
I WI
UI V
=
bJ4 F / d ¢ 2 d an bls =
d F / dK2 d ievaluasi mirip dengan b13
d [X.
t ives Deriva parsial di b13
yang diberikan oleh
f J 2 a I a W
2J
atau
Unsurunsur
Persamaan batasan skala diturunkan dalam Bagian 4.5.5 dan diberikan oleh Persamaan. 4-72.-
vektor a I ' a
2, d
an a ldan d2, dalam
: l d iberikan oleh Persamaan. 4-60, 4-61, dan 4-62. Dua vektor tambahan, d
busur persamaan kondisi diberikan oleh
430 Lampiran C Linierisasi Persamaan Kondisi Fotogrametri
Untuk memudahkan, kami menulis ulang Persamaan 4-72 dalam bentuk singkatnya:
(C-23)
Ditunjuk oleh p salah satu variabel, turunan parsial dari F t erhadap p a dalah
(C-24) di
mana CJR / fJp, i = 1,2,3 , 4, dapat dievaluasi menggunakan diferensiasi Sisa-determi, yang dikembangkan
dalam Bagian A.6.5 dalam Lampiran A.
unsur-unsur dari A matriksadalah
(C-25)
Sebagai contoh, B I berisi turunan parsial dari F sehubungan dengan elemen orientasi interior dan eksterior dari
foto pertama, atau
(C-27)
dengan
b, y
dlx
b, x a1x
IJ
d
ly + al y dlz bIz alz
[(mll) 1 a2y - ( m
[(mI2) 1 a2z - (mI3) J a 2 \, I [ (ml3) 1 a2x - ( mll) 1 a2 ~ I I2) 1 Q2x I
aR
2_
C.6 Linearisasi Menggunakan Diferensiasi Numerik 431
0 117
(mil) I d
lx " o) x [(mdI
° 2x 2: ( 13) 1 ° 21'1 ° 2x "
(117 1) 1 ° 2: 1 117
aXI -(11712) I d ° 2y
1y + ° ly [(mn) 1 G2x 1 ° 2 " (117] 3) I d
lz z [(mI2) 1 G21 ' ( 12») 02x 1 ° 2 :
G2z G]
mencatat
dlx -1
dlv a
dl': a
atau
d1."j
d] z
Siswa dapat mengembangkan elemen lain menggunakan alat bantu dan menerapkan aturan yang telah diberikan
sebelumnya Lampiran,
dF
- = 2x
dxadalah
turunan analitik
(C-28)
dimana x " adalah seperti sebelumnya nilai perkiraan untuk x d an ox adalah interval kecil di nilai x. Semakin
kecil nilai ox. Semakin dekat aproksimatiolnya dengan turunan angka yang dievaluasi secara analitik, Untuk
contoh sederhana kita, misalkan ox = 0,00 I, maka:
dF = (10 + 0,001) 2 - (~ = Or20,001
dx 0,001
432 Lampiran C Linearisasi Persamaan Kondisi Fotogrametri
Pendekatan yang sama dapat diterapkan pada salah satu persamaan kompleks yang digunakan dalam tata bahasa
foto, dengan memperluasnya ke turunan parsial dengan cara berikut. Misalkan fungsinya, katakanlah, tiga
variabel, atau F (x, y, z ). Kemudian
lI II lI
CJF _ F (x + o x, Y , ZII) - F (x , ) '11, ~ II)
dX - ox
lI
y, ZII) - F (xo , yo, ~ II) d
CJF _ F (x , yo + o \ - - oy
d: - o z
z) - F (xo, yo, Z II)
CJF _ F (xu , y o, Z II + o
(C-29)
di mana XII, yll, dan ~ II adalah pendekatan untuk variabel yang tidak diketahui dan ox, oy, dan o ~ a dalah yang
sesuai peningkatan numerik kecil. Sebagai ilustrasi, mari kita perhatikan persamaan collinearity, dan turunan
parsial sehubungan dengan X L ' Pertama kita tulis pasangan persamaan collinearity dalam bentuk fungsional
berikut:
0, Xv EOr) =
F (x, 1
1 a
0, Xv EOr ) = a di
F2 ( y, 1
mana xy d anadalah nilai numerik pengukuran citra, 10 adalah elemen orientasi interior, dan EOr adalah lima
, 4>, K. K
elemen ori entasi eksterior yang tersisa. YL , Zv w emudian
oX
CJF ~ _ F ~ (y, 100, XL +
O ~) - F2
L, E 0 °, Xf., EO ~)
(y, 1
CJX - oX
L L
di mana superskrip 0 mewakili nilai perkiraan untuk parameter yang tidak diketahui , dan oX L adalah kenaikan
kecil numerik yang sesuai di Xv k atakanlah 0,01 m
. Semua turunan parsial angka lainnya dari persamaan ini,
dan dalam hal ini persamaan kondisi lainnya, betapapun rumitnya, dapat dievaluasi dengan cara yang sama.
Satu-satunya masalah kritis adalah pilihan kenaikan numerik kecil dalam nilai parameter di bawah
pertimbangan. Ini harus dipilih cukup kecil untuk meminimalkan efek
perkiraan, namun tidak terlalu kecil untuk menyebabkan luapan numerik, seperti yang dijelaskan di awal bagian
ini.