بهینه سازی مدل ریاضی فوریه به کمک الگوریتم ژنتیک جهت مدل سازی رفتار خطای هندسی در دوربین های رقومی هوایی، مطالعه موردی: دوربین رقومی UltraCam

اهمیت و جایگاه اطلاعات مکان مرجع در کلیه امور عمرانی و تحقیقاتی بر کسی پوشیده نیست. از میان روش های تهیه و تولید اطلاعات مکانی، روش فتوگرامتری بواسطه سرعت، صرفه اقتصادی و از همه مهمتر، عدم نیاز به حضور مستقیم عوامل انسانی در محل، از جایگاه منحصر به فردی برخوردار می باشد.در روش فتوگرامتری، دوربین های مستقر بر سکوهای هوایی، بعنوان ابزار اصلی تامین داده های ورودی و اولین حلقه عملیاتی نقشی کلیدی در میزان موفقیت و دستاوردهای سایر مراحل ایفا می کنند. امروزه پیشرفت تکنولوژیک منجر به ارایه دوربین های رقومی با کیفیت بسیار بالایی شده است که این دوربین ها نویدبخش تهیه اطلاعات مکانی مورد نیاز به روش فتوگرامتری با دقت، سرعت و بهره وری بالا می باشند.با توجه به ظهور دوربین های رقومی جدید و تنوع در ساخت و تکنولوژی بکار رفته در این نوع از دوربین ها ضرورت کالیبراسیون آنها به عنوان یک نیاز اولیه شناخته می شود. با توجه به هزینه های بالا و مشکلات اجرایی در انجام کالیبراسیون آزمایشگاهی، استفاده از معادلات خودکالیبراسیون به عنوان یکی از راه حل های مفید در این زمینه شناخته می شود. برای این منظور در مقاله حاضر، استفاده از معادلات فوریه با ترم های بهینه حاصل از الگوریتم ژنتیک پیشنهاد شده و بر روی داده های شبیه سازی شده مورد ارزیابی و مقایسه با مدل های پیشین قرار گرفته است. براساس نتایج حاصل، این مدل قادر است تا اعوجاجات چندگانه را با حداقل وابستگی مدلسازی نماید. دقت ارایه شده برای مدلسازی اعوجاجات چندگانه در تصاویر شبیه سازی شده دوربین رقومی ultra camدر مقایسه با سایر پارامترهای اضافه بهبود در دقت مدلسازی در حدود 30 درصد و با کمترین وابستگی را نشان می دهد.