Lampiran ​ C

he
lal
of

(J

ce

Linearization of Photogrammetric
Condition Equations
Cl NONLINEAR CONDITIONS 423
C.2EQUATIONS 423

LINEARIZATION OF THE PROYECTIVITYC.3 LINEARIZATIO OF THE COLLINEARITY EQUATIO S 424LINEARIZATION OF THE

COPLANARITY

C.4EQUATION 428

CS LINEARIZATION OF THE SKALE PERSAMAAN RESTRAINT 429

C.6 LINEARIZATION MENGGUNAKAN DIFERENTIASI NUMERIK 431

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

C.2 LINEARIZA TION OF THE P PERSAMAAN ROJEKTIVITAS

Persamaan proyektifitas, yang dikembangkan dalam Bagian 4.1 dan juga diberikan oleh Persamaan. A-7l ​a d​ apat ditulis dalam
bentuk fungsional sebagai

(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​ ​dF​1
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:

ill ​= ​-1, iI2 ​= ​O, i21 ​= ​O, in ​= -1.

Untuk 20 elemen lainnya, hubungan berikut berlaku untuk diferensiasi parsial sehubungan
dengan siapa pun dari 10 variabel, ditandai dengan ​p:

​ (​ 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 - ​

. _ u​: 'IF​' 2 _ ​I​( ​S J

​ ​{} _ S​{}​XI​{}
125 - ~ - "'7J ​0 - ​{x, - ----- ;;
uao ​tt
. _ UF, _ ​I {} _ ​X
' I {}

,:JI7 -​ - - - (X, - 0
​ )-
~ 0 ​u
ual t​ t

C.3 LINEARIZASI PERSAMAAN COLLINEARITAS

Meskipun kondisi collinearity mengambil bentuk yang berbeda, yang diberikan oleh Persamaan
 4-24 paling sering digunakan, dan akan dipertimbangkan di sini sebagai contoh Persamaan 4-24
dapat ditulis ulang menjadi

F, ​= ​(x - xo) ​+​f ~ =

​ ​0
(C-8)
​ ​0 ​
= ​(y - ​Yo) ​+​f- =
F​2 ​ W​V

C.3 Linearisasi Persamaan Kolinearitas ​425

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

2xl 2x99xI​f​ (C-9)

2 ​x I​ ​

v ​+ ​B ~
4)
di mana

v ​= ​[v​x ​vJ ​T ​= ​residu koordinat gambar

5)
B ​= ​matriks turunan parsial dari keduanya fungsi di Persamaan. C-8 sehubungan
dengan masing-masing dari enam elemen orientasi eksterior dan tiga koordinat
titik objek
>.
~ = ​vektor sembilan koreksi pada pendekatan untuk parameter
a
a
U​ W​
= [​ -Ff] ​= [- ​(x - xo) - ​f​ /​ ] °​
f -​ F​ ​ o) - jV / W
- (y - Y
2​
1'-

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.

Oleh karena itu,

aM ​= ​M ' ​= ​M M "" aM
1-
aw ​' u ​K 'Paw

but
7)

-s ~ nw co ~ w)
; s
 - cosw - SInW

o​o 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 ​

426 ​Apendiks C Linierisasi Persamaan Kondisi Fotogrametri ​di ​mana

aM ​[-Sin ¢ ​a ​-cos ¢ J ​_ </> = ​aaa

'(J ¢ cos ¢ ​sebuah -​ sin ¢

COS ¢ ​a - ​dosa ¢ J ​[0 -​ ​saya]

= ​ ​saya ​ 0
​ 0 ​a
[dosa
​ ​Saya
¢ ​cos ¢ ​aa
Oleh karena itu

tapi

[0 ​-1] ​[0 ​SiNW -COSWj

aaa ​M​w ​= ​aaa
1 ​aa ​1 ​aa

I ​aa ​J [ ​a ​sin ​w - c​ os Wj
= ​a c​ o ~ ​UI. ' ​sin ​w - s​ in ​w a​ a
[

Oleh karena itu

a - ​SIn ​w cOS'W cOSw ​aa ​a ​sinw -COSWj

M', p = ​ - ​sin ​w a​ a
​ M
(C-II)​
cosw ​aa​ ​[

Atau, ​M; P ​dapat diturunkan sebagai berikut:

M '​ </>

_ [- sin ¢ ​a - ​cos ¢ J ​- M​ aaa ​M​w​ ​cos ¢ ​a - ​sin ¢

K​

[​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

C.3 Linearisasi dari collinearity Persamaan ​427

tapi

dM​ [-SinK CO ~ K ​OJ

K​

- = - ​COS ​K - ​Sin ​K ​0
dK 0​ 00

[​0 I OJ ​= -​ IOOM​ K

o ​0 0
Karenanya

Dari Persamaan. 4-21,

M '​K [​​ 0 I OJ ​-I 0 0 M ​ ​0 0
​ ​o
(C-13) ​(C-14)

(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.

d ​[UJ d​ [​ X - X​Lj [​ 0 0 ​O ~ [X - X​L

{}
-V=
​ ~ ​Y - Y​L ​= ​MO 0​ 0 1 ​Y - YL​ ​dW W ​ - Z 0 -1 0 Z - Z ​LL
​ ​dW Z
J

= ​MO [Z ~ ​ zJ
Y​L -​ ~
(C-IS)

(C-16) ​(C-17)

Unsur-unsur dari ​B ​matrikssekarang dapat dievaluasi menggunakan hubungan yang mirip dengan persamaan di
Persamaan. C-7, atau,

dF​1 _ f​ (dU U dWJ ​d ​dF​2 _​ f​ (dV V dW]

(C-18)
dP - W dp - W dP a​ n ​dP - W dP - W dP​

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 ​b​24
​ '.' ​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

Nilai ​dV / dw ​dan ​dW / dw ​diperoleh dari Persamaan C-IS sebagai

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
b​24dalam..
​ ​ apat diperoleh cara serupa, yang dibiarkan sebagai
​ emua unsur-unsur lain dari ​B d
S
 latihan bagi siswa

C.4 LINEARIZASI PERSAMAAN

KOPLANARITAS Kondisi koplanaritas diberikan dalam bentuk detelminant oleh Persamaan 4-48.
Diferensiasi determinan dikembangkan pada Bagian ​A .6.S d​ ari Lampiran A untuk kolom. Dengan
mempertimbangkan baris, turunan parsial dari determinan orde tiga sehubungan dengan parameter
​ an ​R​3​adalah ketiganya baris penentu ​D, ​lalu
p ​sama dengan jumlah tiga determinan. Jika ​R I​ ' ​R2​ ,​ d

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

B= ​ ​matriks dari turunan parsial ​F s​ ehubungan dengan limatertentu yang

parameterdipilih, yang bergantung pada jenis orientasi relatif
Ll ​= ​koreksi ke lima parameter yang ditentukan
b​ oleh b​
x​ z
f ​= - ​FO =​ - ​U ​I ​VI w​ I
U2 V2 W2

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

di mana turunan parsial yang ditunjukkan dapat dievaluasi sebagai

CS Linearisasi dari Persamaan Pengekangan Skala ​429

dan karenanya
()

an ​= ​u ) v​ I WI
(mllh ​(ml2h (mn) 2

Unsur-unsur lain dari ​A ​dapat dievaluasi dengan cara yang sama.

Unsur-unsur ​B ​bergantung pada apakah orientasi relatif bergantung atau tidak bergantung. Orientasi relatif
independen menyelesaikan lima dari enam elemen rotasi dari keduanya pho.tographs, misalnya: ​WI '¢ I' ​KI' ¢ ​ 2'
dan K​ 2' ​untuk orientasi relatif tergantung, parameter satu foto dan satu komponen dasar (biasanya ​b​x) ​adalah
tetap, meninggalkan lima parameter yang harus dipecahkan untuk: ​oleh, bz, ​w2 ' ¢ ​ 2'M
​ 2' K ​ engambil kasus
terakhir sebagai contoh, elemen ​B a​ kan menjadi
o ​I 0 ()
UI VI ​W, ​= ​_I ~~: ~ ​\ 0
U2 V2 w2

​ I ​WI
UI V

dU2 dV2 dW: ~

DW2 DW2 DW2

​ =
bJ4 ​ ​ F / d ¢ 2 d​ an b​ls =
d ​ F / dK2 d​ ievaluasi mirip dengan ​b13
​ d ​ [X.
​ t​ ives Deriva parsial di ​b13
​ ​yang diberikan oleh

DMT [X-Xoj (​ [00 ​0JJT -Xoj

​ f 0​ ~ Saya ​y - ​) ' 0
= ​dW​2​Y - Yo ​= M
2​ -f ​2 ​a ​1 0 ​-f 2​

I ~~​~ l] (M {[~​= ​~~ lJ​ = [~ ~ ​~ 11​[~~ r ​lo ​ I ​a -

f J​ 2​ ​a ​I ​a W
​ 2J
atau

Akibatnya, bentuk akhir dari ​b​ elemen akan

n​
b​
x oleh
​ bl​ ​"
b​ = ​UI VI \\ ',
n​
a - ​w ~ \ ',
Dengan cara yang sangat mirip siswa dapat memperoleh dua elemen yang tersisa, ​bJ4
​ dan
​ ​bls' ​- '
C.5 ​LINEARIZASI PERSAMAAN RESTRAINT SKALA
. ​.

Unsurunsur
Persamaan batasan skala diturunkan dalam Bagian 4.5.5 dan diberikan oleh Persamaan. 4-72.- ​
vektor a​ ​I ' ​a​
2​, d
​ an a ​ ​l​dan ​d​2,​ ​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

​ h, ​atau foto) koordinat dalam tiga foto yang terlibat. Total

Pengamatannya adalah ​(x, ​Y) I ' ​(x, ​Yh, d​ an ​(x, y
parameter yang mungkin adalah ​(. \ 0 '. \' 0 '/; ​XL' ​Y ", Z ​ >, ​K) I 2, 'di ​mana subskrip 1,2, dan 3 menunjukkan
​ L; ​CU, 4
tiga set sembilan parameter, masing-masing set berkaitan dengan satu foto. Oleh karena itu, bentuk paling
umum dari persamaan pembatasan skala linierisasi adalah
A v​ ​+ ​B ~
f​
IX66xI Ix2727xl ​ I ​x ​I​(C-22)

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)

​ atriks dipartisi oleh foto, atau

The ​B m

B ​= ​[BI​ ​B ') B3​ ​J ​I x 27 I x 9 I ​X ​9 I ​X ​9

(C. -26)

Sebagai contoh, ​B ​I ​berisi turunan parsial dari ​F ​sehubungan dengan elemen orientasi interior dan eksterior dari
foto pertama, atau

(C-27)

Sebagai contoh, elemen pertama ​A ​adalah

dengan

(mll) 1 ​( mI2) 1 (ml3) 1

b, y ​
dlx ​
​ b, x​ a1x
IJ​
d ​ ​
​ ly + al​ ​y ​dlz​ bIz alz
[(mll) 1 ​a2y - (​ m​
[(m​I2) 1 ​a2z - ​(m​I​3) J ​a 2​ \, ​I [​ (ml3) 1 ​a2x - (​ mll) 1 ​a2 ~ ​I ​ I​2) 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 -​(117​12) ​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

iklan itu ​dan ​_I ​=

aXI
dan itu

Sebagai contoh lain, elemen keempat dari ​B I​ ​adalah

dlx​ -1
​

dlv ​ a
d​l':​ ​ a
atau

d​1.​"j
d] z

Siswa dapat mengembangkan elemen lain menggunakan alat bantu dan menerapkan aturan yang telah diberikan
sebelumnya Lampiran,

C.6 LINEARIZA TION MENGGUNAKAN DIFERENTIASI NUMERIK

Pendekatan lain untuk linierisasi adalah dengan menggunakan diferensiasi numerik alih-alih secara analitis
menurunkan turunan parsial dan kemudian mengevaluasi nilai numeriknya dengan mengganti nilai perkiraan
untuk variabel yang tidak diketahui. Perbedaan antara kedua pendekatan ditunjukkan oleh fungsi berikut dari
variabel tunggal yang tidak diketahui:
F (x) ​= ​x2​

dF
- = 2x ​
dxadalah
​ turunan analitik
(C-28)

Jadi, untuk nilai perkiraan ​XO​ =

​
​10 untuk ​x, n​ ilai numerik dari ​dF / dx ​adalah 20. Nilai numerik dari turunan
tersebut dapat dievaluasi langsung menggunakan berikut ini ap proximation
dF _ F (x " + ​ x) - F (x")
​ o
​ x
dx ​= o

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 (x​o, 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 EO​r​) =
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

CJF​ F] (x, ​10 °, ​XL ​+ ​oX​

1​ ​ 1​ ​(x, 1
L,​ ​EO ~) - F ​ 0 °, ​Xf., ​EO ~)
CJX​ - oX​
L​ L

​ ​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.