高分辨率遥感影像数据一体化测图系统PixelGrid
无人机航空影像空三加密流程
无人机航空影像数据处理流程中国测绘科学研究院北京东方道迩信息技术有限责任公司目录1、无人机航空影像数据处理流程 (3)2、无人机航空影像数据要求 (4)3、无人机航空影像数据空三加密流程 (5)3.1畸变差校正 (5)3.2建立测区工程 (7)3.3.1工程目录及相机检校文件设置 (8)3.3.2设置航空影像数据 (10)3.3.3设置控制点数据 (14)3.3空三加密 (15)3.4.1数据预处理 (16)3.4.2航带初始点提取 (19)3.4.3自动相对定向及修改 (21)3.4.4自由网平差 (31)3.4.5控制点提取及区域网平差 (35)4、DEM与DOM制作 (37)4.1 DEM匹配及编辑修改 (37)4.1.1工程及格式转换 (37)4.1.2核线影像生成及DEM匹配 (40)4.1.3 DEM编辑修改 (46)4.2 DOM纠正及分幅 (52)4.3.1 DOM纠正及拼接 (52)4.3.2 DOM分幅 (60)1、无人机航空影像数据处理流程高分辨率遥感影像一体化测图系统PixelGrid作为卫星影像数据处理的能力和效率在生产过程中已经得到了很好的验证，其数据适用范围之广、处理效率之高在国内都是其它同类软件无法比拟的。
无人机航空摄影是一种新型的航空影像数据获取方式，由于无人机种类不同以及所搭配的相机不同，其获取数据的质量也不相同，PixelGrid针对国内测绘部分中低空领域普及的无人机航空拍摄数据，提供了高效快速的处理。
其无人机航空影像作业流程图如下：图1-1 无人机航空影像处理流程2、无人机航空影像数据要求对于无人机数据的处理需求必要的一些文件。
其中包括原始影像数据、相机检校文件、控制资料、航线结合表（航线索引图，包括飞行信息）等。
原始数据格式可以为JPG、BMP、TIF等；相机检校文件包括：相机像主点坐标、相机焦距、像元大小、径向畸变差系数（K1、K2）、切向畸变差系数（P1、P2）、CCD非正方形比例系数α、CCD非正交性的畸变系数β、像方坐标系等（其单位为像素或毫米）。
历史航片数据处理技术及方法探讨
历史航片数据处理技术及方法探讨徐卫民;陈香;王琳【摘要】由于年代久远、数据资料的遗失、控制点的难以获取以及影像的扫描质量问题，在历史航片数据制作过程中碰到了不少困难。
本文从历史航片的扫描，到后期数据整理、空三加密及正射影像图制作等关键环节进行探讨，并对处理后获取的数字正射影像成果精度进行分析，阐述了整个历史航片数据处理的流程。
%Because of the long history, the loss of data information, the difficult to obtain the control points and image scanning quality, there are many problems in the process of historical orthophoto generation. This paper expounds the workflow of historical orthophoto data processing,including image scanning, data neatening, three - dimensional triangula- tion and orthophoto generation, the result precision is also analyzed.【期刊名称】《城市勘测》【年(卷),期】2012(000)006【总页数】4页(P93-95,102)【关键词】历史航片;空三加密;正射影像【作者】徐卫民;陈香;王琳【作者单位】天津市测绘院,天津300381;天津市测绘院,天津300381;天津市测绘院,天津300381【正文语种】中文【中图分类】TP751.11 引言为了满足现代测绘成果管理的需要，充分发挥历史航片的科学价值，国家测绘地理信息局启动了“国家基础航空摄影资料数字化与建库”项目。
摄影测量学的应用
水利建设的各个环节中摄影测量的应用：
地质勘探
水文计算
选择坝址
根据地形图进行规划设计
经济调查等工作
彩色的点云
DEM
DOM
摄影测量在虚拟校园建模中的应用
摄影测量数据处理
数据准备 影像定向处理 影像匹配编辑 4D数据生成
a)自动创建建筑物
b)人工创建建筑物
d)粘贴纹理后的三维景观模型
c)叠加DEM后的建筑物模型
三维景观模型的建立
数据的输入 建筑物模型的创建 DEM数据的叠加 建筑物合地表纹理的粘贴
迅速发展的应用领域
地质 农业
林业 水利 海洋
矿产 交通 国土
工程 勘察
气象
应急 救灾
环境 保护
测绘 金融 城市
学术 研究
三维景观图 数字线划图
北京亚运村 北京城市景观
北京亚运村
正射影像生成
地籍调查
北京亚运村 各种比例尺的地形图、专题图、特种地图
北京亚运村 正射影像地图、景观图，建立各种地面数据库
其他应用
摄影测量还提供地理 信息系统和土地信息 系统所需要的基础数 据，生物医学，公安 侦破，古文物、古建 筑三维制作，建筑物
DOM ( 数字正射影像图，Digital Orthophoto Map )
数字正射影像图（Digital Orthophoto Map简称DOM）:是利用数字高程模 型对扫描处理的数字化的航空相片 / 遥感相片（单色 / 彩色），经逐象元进行 纠正，再按影像镶嵌，根据图幅范围剪裁生成的影像数据。一般带有公里格网、 图廓内 / 外整饰和注记的平面图。
UCX相机
无人机低空遥感系统
遥感影像数据获取
遥感影像数据处理
高分辨率遥感影像数据一体化测图系统PixelGrid
高分辨率遥感影像数据一体化测图系统PixelGrid1. 系统概述高分辨率遥感影像数据一体化测图系统PixelGrid是一种集成为了遥感影像数据处理和测图功能的系统。
该系统具备高效、精确、自动化的特点，可广泛应用于地理信息系统、城市规划、土地利用分析等领域。
2. 系统组成PixelGrid系统由以下几个主要组成部份构成：- 遥感影像数据获取模块：通过卫星、无人机等遥感技术获取高分辨率影像数据，包括多光谱、高光谱、合成孔径雷达等数据。
- 影像预处理模块：对获取的遥感影像数据进行预处理，包括辐射校正、几何校正、影像配准等，以提高数据的质量和准确性。
- 特征提取模块：通过图象处理算法，提取影像中的地物特征，如建造物、道路、水体等，以便后续的测图分析。
- 数据融合模块：将不同类型的遥感影像数据进行融合，以提高数据的综合分析能力。
- 测图分析模块：基于提取的特征数据，进行测图分析，包括地物分类、面积测算、形状提取等。
- 结果可视化模块：将分析结果以图形化的方式展示，包括地图、统计图表等，便于用户直观地了解测图结果。
3. 系统特点PixelGrid系统具有以下几个特点：- 高分辨率：系统支持处理高分辨率的遥感影像数据，能够捕捉到更细节的地物特征。
- 自动化：系统采用自动化处理流程，减少人工干预，提高处理效率。
- 精确性：系统采用精确的校正和配准算法，保证数据的准确性。
- 多源数据融合：系统支持多种遥感影像数据的融合，提高数据的综合分析能力。
- 可视化展示：系统提供多种结果展示方式，便于用户直观地了解测图结果。
4. 应用场景PixelGrid系统可广泛应用于以下领域：- 地理信息系统：通过对遥感影像数据进行处理和分析，生成地理信息数据，为地理信息系统提供数据支持。
- 城市规划：通过对遥感影像数据进行测图分析，获取城市的地物分布、土地利用情况等信息，为城市规划提供决策依据。
- 土地利用分析：通过对遥感影像数据进行特征提取和测图分析，了解土地利用情况，为土地资源管理和决策提供支持。
高分辨率遥感影像可视化处理方法改进概述
高分辨率遥感影像可视化处理方法改进概述遥感技术在地理信息系统和环境监测等领域起着重要作用。
高分辨率遥感影像提供了丰富的信息，但其处理和可视化过程面临许多挑战。
为了改善高分辨率遥感影像的可视化效果，研究人员们持续努力，提出了许多改进方法。
本文将概述一些常用的方法和技术，以帮助读者更好地了解高分辨率遥感影像的可视化处理。
在高分辨率遥感影像的可视化处理中，最常见的方法是基于通道增强的技术。
通过优化通道的权重和增强对比度，可以明显改善图像的视觉效果。
通道增强方法包括直方图均衡化、线性拉伸、自适应直方图均衡化等。
这些方法能够增强图像的细节和对比度，使影像中的特征更加清晰可见。
除了通道增强方法，一种更高级的方法是基于图像融合的技术。
图像融合是将多个不同模态的遥感影像融合为一个有信息丰富性和更好可视化效果的影像。
常见的图像融合方法包括主成分分析融合、小波变换融合和多尺度融合等。
这些方法能够充分利用多种类型的遥感影像信息，提高图像的分辨率和空间细节。
此外，图像增强和降噪也是高分辨率遥感影像可视化处理中的重要环节。
图像增强通过图像灰度拉伸、对比度增强和色彩平衡等方法改善图像的视觉效果。
降噪技术则可以通过滤波和去除干扰物等方法减少图像中的噪点和杂乱信息。
这些方法能够提高图像的质量，使重要的地物和特征更加明显和易于识别。
在高分辨率遥感影像可视化处理中，还可以应用一些机器学习算法和人工智能技术。
例如，卷积神经网络（CNN）在图像分类和目标检测方面具有优势。
通过训练合适的CNN模型，可以将高分辨率遥感影像分类为不同的地物类别，从而更好地理解和利用影像信息。
此外，生成对抗网络（GAN）等技术也可以用于生成逼真的合成影像，以增强图像的可视化效果。
除了以上提到的方法，高分辨率遥感影像可视化处理中还存在许多其他改进方法。
例如，多角度观测技术、多光谱融合技术和图像分割技术等，都可以在特定应用领域中发挥重要作用。
这些方法的不断改进和创新将进一步推动高分辨率遥感影像的可视化处理前进。
基于PixelGrid的无人机影像DEM精度评价
成果 的精度 有直 接影 响 。 空 三加 密简 要如 下 ： （ １ ） 建 立 测 区工 程 文 件 ， 并 参 考 航线 列 表 内容 ， 及相 关 参 数 如 相 机参 数 、 航拍 比例 尺 等参 数 ， 以实 现 畸 变 校正 完 成 的航 片影像 的 自动 内定 向。 （ ２ ） 确定航 带 的起 始点偏 移 量， 并进行整个测区 自 动匹配。 （ ３ ） 剔除多余的像点 ， 交 互 编辑 相关 连接 点 ， 以实 现 区域 平 差解算 。 （ ４ ） 完成 空 三 加密 ， 输 出空 三成果 。
２ ． ２ 影像数 据 预 处理
在 实 际应 用 中 ， 无人 机航 拍挂 载 的相 机一 般 为非 量测 相 机 ， 航摄 影像 存 在无法 避免 的边缘 畸变 。畸变 改 变 了实际测 量 物 的地 面位 置 ， 需 要 对 畸变 图像进 行 畸变预处理 ， 之后方 可进行空 ｊ加密 。 此 外还需 对影像 进行 格 式 的转 换 ， 并按 照飞行 方 向将 相 片进行 适 当旋 转 以实现 纠偏 。 实 际作 业时数 据预处理 工作 时 ， 利用相 机检校参数 ， Ｐ ｉ ｘ ｅ ｌ Ｇ ｒ ｉ ｄ软 件 可 实 现对 无 人 机 航 片 进 行 畸变 差校 正 ， 批 处理 获得 无 主点偏 移及 畸变 的航拍 影像。
图 １ 无 人机 航 空影 像 ＤＥ Ｍ 生 成 流 程
作 者简 介 ： 冉 艳艳 （ １ ９ ８ ９ 一 ） ， 女， 河南 焦作 ， 硕士 ； 研 究方 向 ： 测绘 工程 。
一
６０ —
第 ３期 ２ ０ １ ７年 １ 月
江 苏科 技信 息 ・ 技 术探 讨
Ｎ ｏ ． ３
Ｊ ａ ｎ ｕ ａ ｒ ｙ ， ２ ０ １ ７
高分辨率遥感影像数据一体化测图系统PixelGrid
高分辨率遥感影像数据一体化测图系统PixelGrid北京四维空间数码科技有限公司一、概况介绍高分辨率遥感影像数据一体化测图系统PixelGrid（以下简称“PixelGrid”）是由中国测绘科学研究院自主研发的“十一五”重大科技成果，获得2009年度国家测绘科技进步一等奖。
为将这一重大科技成果实现产业化，2008年开始，由中国测绘科学研究院参股单位北京四维空间数码科技有限公司进行成果转化和产品化，并开展销售。
该软件是我国西部1:5万地形图空白区测图工程以及第二次全国土地调查工程的主力软件，被誉为国产的“像素工厂”。
PixelGrid以其先进的摄影测量算法、集群分布式并行处理技术、强大的自动化业务化处理能力、高效可靠的作业调度管理方法、友好灵活的用户界面和操作方式，全面实现了对卫星影像数据、航空影像数据以及低空无人机影像数据的快速自动处理，可以完成遥感影像从空中三角测量到各种比例尺的DEM/DSM、DOM等测绘产品的生产任务。
PixelGrid软件主界面。
二、主要特点PixelGrid系统以现代摄影测量与遥感科学技术理论为基础，融合计算机技术和网络通讯技术，采用基于RFM通用成像模型的大范围遥感影像稀少或无控制区域网平差、基于旋转/缩放不变性特征多影像匹配的高精度航空影像自动空三、基于多基线/多重特征的高精度DEM/DSM自动提取、等高线数据半自动采集及网络分布式编辑、基于地理信息数据库等多源控制信息的高效影像地图制作、基于松散耦合并行服务中间件的集群分布式并行计算等一系列核心关键技术，是中国测绘科学研究院研制的一款类似“像素工厂”（ISTAR PixelFactoryTM）的新一代多源航空航天遥感数据一体化高效能处理系统。
同现有的国内外系统比较，PixelGrid系统的特点主要表现在：1、PixelGrid系统中使用的关键算法和技术已经基本成熟，较国外同类系统更适合于国内测绘遥感生产单位。
经多家测绘生产单位使用后结果表明：系统技术先进，运行稳定可靠；在四川汶川地震、青海玉树地震、舟曲泥石流和云南盈江地震等应急影像快速处理中发挥了较大作用，在接到数据后的6-8小时内可完成摄影区域DEM/DOM的制作。
PIXELGRID系统
我公司在中国测绘科学研究院在PixelGrid系统上定制开发无人机处理模 块。 PixelGrid系统以其先进的摄影测量、并行分布式处理等技术，强大的自 动化业务化处理能力，高效可靠的作业调度管理方法，友好、灵活的用户 界面和操作方式，全面实现了卫星影像和航空影像（包括低空无人机影像 数据）的快速处理，可以完成遥感影像从空中三角测量到各种比例尺的 DLG、 DEM/DSM、DOM等测绘产品的生产任务。
CCD相机应用
4000万像素 CCD相机
2100万像素Canon相机
CCD相机： CCD传感器比CMOS传感器的成像质量好，又能获取大幅面的影像， 既在一定程度上减少了外业像控工作量，又减少了航飞量，从而大 大的减少了工作量。
1：1000比例尺DLG制作
福建闽侯县青口镇2010年4月29日下午13 点30分，经过2个架次的飞行，航拍工作顺利 完成。现场检视无人机航拍的青口镇整个测 区的750个航片，细节十分清晰、色彩均匀饱 满。为福建省闽侯县青口镇紧急测绘供图保 障项目提供航拍数据。 本项目采用CCD相机拍摄，经航测外业工 作，航测内业顺利测制满足精度的1：1000比 例尺DLG（数字线划图）。
1：1000比例尺DOM制作
全国首家1：1000大比例尺DLG制作 通过省质检站验收
1:100余人的专业无人机数据生产队伍，在 处理无人机数据方面具有丰富经验。近2年时 间共处理超过4万平方公里无人机数据。
• • • •
公司介绍 我公司无人机特色技术 航测案例 地理信息应急监测车
我公司无人机特色技术
• • • • • • • • CCD相机的研制与应用 高原机的研制与应用 弹射伞降技术的研制与应用 起落架的研制与应用 双GPS技术与三轴云台技术的研制与应用 差分GPS技术的研制与应用 小型无人机研制与应用 车顶弹射研制与应用
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
高分辨率遥感影像数据一体化测图系统PixelGrid北京四维空间数码科技有限公司一、概况介绍高分辨率遥感影像数据一体化测图系统PixelGrid（以下简称“PixelGrid”）是由中国测绘科学研究院自主研发的“十一五”重大科技成果，获得2009年度国家测绘科技进步一等奖。
为将这一重大科技成果实现产业化，2008年开始，由中国测绘科学研究院参股单位北京四维空间数码科技有限公司进行成果转化和产品化，并开展销售。
该软件是我国西部1:5万地形图空白区测图工程以及第二次全国土地调查工程的主力软件，被誉为国产的“像素工厂”。
PixelGrid以其先进的摄影测量算法、集群分布式并行处理技术、强大的自动化业务化处理能力、高效可靠的作业调度管理方法、友好灵活的用户界面和操作方式，全面实现了对卫星影像数据、航空影像数据以及低空无人机影像数据的快速自动处理，可以完成遥感影像从空中三角测量到各种比例尺的DEM/DSM、DOM等测绘产品的生产任务。
PixelGrid软件主界面。
二、主要特点PixelGrid系统以现代摄影测量与遥感科学技术理论为基础，融合计算机技术和网络通讯技术，采用基于RFM通用成像模型的大范围遥感影像稀少或无控制区域网平差、基于旋转/缩放不变性特征多影像匹配的高精度航空影像自动空三、基于多基线/多重特征的高精度DEM/DSM自动提取、等高线数据半自动采集及网络分布式编辑、基于地理信息数据库等多源控制信息的高效影像地图制作、基于松散耦合并行服务中间件的集群分布式并行计算等一系列核心关键技术，是中国测绘科学研究院研制的一款类似“像素工厂”（ISTAR PixelFactoryTM）的新一代多源航空航天遥感数据一体化高效能处理系统。
同现有的国内外系统比较，PixelGrid系统的特点主要表现在：1、PixelGrid系统中使用的关键算法和技术已经基本成熟，较国外同类系统更适合于国内测绘遥感生产单位。
经多家测绘生产单位使用后结果表明：系统技术先进，运行稳定可靠；在四川汶川地震、青海玉树地震、舟曲泥石流和云南盈江地震等应急影像快速处理中发挥了较大作用，在接到数据后的6-8小时内可完成摄影区域DEM/DOM的制作。
2、与同类国外商用遥感软件相比，有较高的性价比PixelGrid系统可同时支持单机多核CPU/GPU多线程模式和基于高速局域网的多核CPU/GPU 集群分布式并行运算，系统的中低配置可以最大限度的利用生产单位已有的计算机和局域网资源，若采用高性能集群计算机（刀片机），软件运行性能则更高。
PixelGrid系统基本形成了类似并超越以“像素工厂”（ISTAR PixelFactoryTM）为代表的新一代多源对地观测数据一体化高效能处理系统。
从市场价格看，PixelGrid系统全套模块售价低于同类国外商用遥感软件，但具有较高的性价比。
3、基于已有DOM和DEM的自动、高精度配准技术与国外同类系统相比，PixelGrid系统具有独特的航空航天遥感影像与已有DOM和DEM的自动、高精度配准技术，可实现航空影像和高分辨率卫星影像区域网平差过程中控制点的自动提取，实现了大范围高分辨率遥感影像的快速精准定位和高效高精度的影像地图制作及更新的功能，4、多数据源支持PixelGrid系统首次采用统一的RFM传感器成像几何模型对包括高分辨率卫星影像、传统航片和新型数字航空影像在内的航空航天数据，以统一的数据处理算法及作业流程进行测图，用户界面更加简练和易于操作；另外，采用统一的RFM传感器成像几何模型也易于对软件系统进行快速升级和维护。
具体如下：▲卫星影像数据：包括目前主流的所有高分辨率卫星影像，如QuickBird/WorldView-I、IKONOS、SPOT1-4、SPOT-5 HRS/HRG、IRS-P5、OrbView、ALOS/PRISM等，并支持大数据量影像的批量处理。
▲航空影像数据：包括传统扫描航空影像数据和新型数字航空影像，如RC30、UltraCam系列、SWDC、DMC等主流光学传感器数据。
▲低空无人机影像数据。
5、卫星影像数据稀少控制点区域网平差PixelGrid系统首次研发和采用大范围区域稀少或无地面控制卫星影像区域网平差技术，有效解决了大测区区域网平差过程中需要考虑的地球曲率改正和跨投影带问题；卫星影像稀少控制点平差。
实际生产表明，在西部1:50000测图工程中，只需每14-20幅地形图布设一组控制点即可满足测图控制的要求，这无疑大大减轻了外业控制的工作量，另外，采用无控制条件下自由网平差或单侧进行控制的方案，也使得边境地区和境外地形图测绘成为可能。
6、自动、高效的航空影像区域网平差技术▲针对DGPS/IMU辅助的航空影像数据可采用DGPS/IMU辅助区域网平差，通过DGPS/IMU 传感器自主定位系统直接量测影像的外方位元素，直接完成影像的定向。
仅需在使用DGPS/IMU 之前通过合理设置的检校场或少量的地面控制点，解算DGPS/IMU系统的偏移/漂移分量、IMU与成像系统之间的校准误差、GPS/IMU/成像系统之间的侧臂改正参数以及内定向参数，由此建立像方和物方之间的严格几何关系。
下图为利用PixelGrid软件DGPS/IMU辅助空三的方式进行全自动连接点量测所获得的结果（已进行了自动粗差剔除），剩余连接点最大像点残差为8.8μm，自动提取的连接点分布均匀，且73%以上为大于4度重叠的点。
▲针对无DGPS/IMU辅助的低空无人机数据，可进行相机畸变差改正，然后采用基于尺度/旋转不变特征和多基线影像匹配技术进行全自动连接点选取及配准，最后利用PAT-BTM / BingoTM进行自动稳健的粗差定位及剔除，完成区域网平差利用PixelGrid软件自动空三模块所提取的一个10度重叠连接点。
航空影像区域网平差。
7、无人机影像空中三角测量技术▲高效完成非量测型相机影像畸变差改正，同时完成影像旋转，输出影像幅面不变，主点偏移量X0、Y0分别改正为0、0（针对低空飞行器小像幅影像）▲针对低空飞行器影像重叠度不够规则、像幅较小、像片数量多、倾角过大且倾斜方向没有规律等特点，采取了基于尺度/旋转不变特征和多基线影像匹配技术的全自动连接点选取及配准基于尺度/旋转不变特征和多基线影像匹配技术的全自动连接点选取及配准(倾斜摄影影像)。
8、基于多基线、多重匹配特征的自动匹配技术PixelGrid系统首次提出并研发了独特的基于多基线、多重匹配特征的自动匹配技术，采用由粗到细（Coarse-to-fine）的多级影像匹配策略，综合集成多种成熟的、性能互补的影像匹配算法，在匹配算法的各个子模块之间进行质量控制、自动进行匹配粗差定位和剔除，充分利用高分辨率遥感影像所提供的新特点（高信噪比，高反差的影像，高地面覆盖重叠率等），获取成像区域的高精度DEM，有效解决了复杂地形条件下DEM/DSM的全自动提取。
PixelGrid自动匹配流程。
下图为0.2米地面分辨率的UltraCamD数字航空影像（城市中心区域，4条航带，80%航向重叠率，60%旁向重叠率）自动提取的1.0米间隔DSM彩色晕渲图。
自动提取的DEM中近60%的点成功的匹配到6张以上航片，这样不仅可以充分利用高重叠率影像带来的益处，提高影像匹配的成功率和可靠性，同时也保证了匹配结果的高程精度。
由于在匹配过程中自动提取并匹配了大量特征线，因此DSM详尽的反映了城乡区域的细微地貌和人工建筑物结构。
另外，以自动提取的高精度DEM/DSM为基础，采用独特的等高线数据自适应滤波/光滑关键技术进行测图区域等高线数据的半自动提取，大大减轻了内业数据采集的工作量。
下图为由IRS-P5自动提取的DEM数据生成的等高线数据，可以看出，该等高线数据经过一定人工编辑即可满足1：50000制图的要求。
9、高效(准实时)正射影像生成及自动镶嵌该技术有如下特点：▲基于GPU并行运算的极大/大量影像数据快速漫游技术▲基于GPU并行运算的准实时正射影像生成(加速比12.0) ▲基于自动影像匹配的正射影像高精度配准及拼接技术图形处理器并行运算。
▲基于动态规划算法的正射影像拼接线提取通常的拼接线。
自适应正射影像拼接线(躲避房屋,树木等)。
10、基于集群计算机系统的并行分布式计算目前遥感数据处理业务普遍存在数据量大、项目周期紧等特点，针对这些特点，PixelGrid 系统支持基于高速网络的多核CPU/GPU集群分布式并行化处理，实现了基于松散耦合并行服务中间件的分布式并行计算，可以把局域网中互联的所有工作站（包括PC机和高性能集群计算机）通过软件的方式进行通信和协作，以一定的任务调度策略共同完成影像数据的分布式处理，大大提高遥感数据的处理能力，实现影像数据处理的快速化以及自动化。
该架构模式优点：▲中间件可以屏蔽网络中参与处理的计算机平台的异构，从而可以透明地使用这些计算平台。
▲增加或删除计算节点而无需修改现有系统，可直接在系统操作界面上进行，从而提高系统的可扩展性。
▲不同的实现但符合接口和协议规范的服务可以在系统中使用，因此具有比较好的开放性。
PixelGrid软件任务调度基本结构。
PixelGrid任务分配/调度界面。
该软件进行任务调度有如下特点：▲自动处理节点监测：定时从处理节点获取节点的负载信息，然后生成报告给任务调度模块，以便负载均衡式地调度任务▲任务调度：通过人机界面接收任务，然后按照性能检测模块的报告，按照负载均衡的方式将待处理的任务发送到相应的处理节点上，然后通知任务监控模块，对任务处理的进展进行实时监控▲任务监控：接收在处理节点上运行任务的信息，并通过人机界面让操作员实时了解任务进展，并接收远端处理完的成果数据，并在本机上储存该数据集群计算系统基本硬件架构。
基于集群计算机系统的并行分布式计算不但可以大大提高遥感数据的处理能力，减少人员的工作量，并且可以最大限度的利用生产单位已有的计算机和局域网资源，完成影像数据的参数计算、影像预处理、自动相对定向、核线影像生成、高精度影像匹配和正射影像纠正等作业工序的高度自动化处理。
下图为运行于8节点普通PC机集群系统上的高分辨率（0.1米）UCD航空影像数字表面模型生成情况。
DSM由36景UCD数码航空影像生成，运行于PC工作站时共耗时74小时，但在8节点PC机集群系统中运行则仅需要3.7小时。
11、灵活的集成接口系统采用模块化体系结构，能方便的提供接口或集成第三方的软件模块/插件，例如VirtoZo、MapMatrix、DPGrid、JX-4等系统的地物要素采集软件等。
可实现其它系统生成的空三工程向PixelGrid系统的转换，例如JX-4、VirtoZo、Inpho、InterGraph系统的空三成果向PixelGrid系统的转换，以便用PixelGrid系统完成后续DEM、DOM的制作。