Validación de las prestaciones de geolocalización del procesador

Validación de las prestaciones de geolocalización del procesador

Teledetección: Humedales y Espacios Protegidos. XVI Congreso de la Asociación Española de Teledetección.
(Eds. J. Bustamante, R. Díaz-Delgado, D. Aragonés, I. Afán y D. García). pp. 277-278. Sevilla 21-23 octubre 2015
Validación de las prestaciones de geolocalización del procesador de Ingenio
Diana de Miguel(1), Alberto Pizarro(1), Máximo Fernández(2), Jorge Martín(2), Cristina de Negueruela(2),
Francisco Reina(3), Inés Fuente(3), Renaud Fraisse(4)
(1)
AirbusDS, Avda. de Aragón 404, 28022, Madrid (España),
Emails: [diana.demiguel - alberto.pizarro-rubio]@airbus.com
(2)
GMV Aerospace & Defence, C/Isaac Newton 11, 28760 Tres Cantos, Madrid (España),
Emails: [maxfernandez - jmfernandez – cnegueruela]@gmv.com
(3)
ESTEC, Keplerlaan 1, PO Box 299 NL-2200 AG Noordwijk, (Holanda),
Emails: [Francisco.Reina – Ines.Fuente]@esa.int
(4)
AirbusDS, 31 Rue des Cosmonautes, Z.I. du Palays, 31400 Toulouse (Francia), email : [email protected]
Resumen: SEOSAT/Ingenio es una misión óptica de alta resolución espacial orientada a ofrecer servicios sostenibles de
observación del territorio sobre España, Europa, Iberoamérica y países costeros del Magreb. El principal producto de
Ingenio son imágenes ortorectificadas de nivel 1C con una geolocalización mejor que un píxel (2,5 m RMS). El presente
artículo describe la validación del algoritmo implementado en el prototipo del procesador de tierra de Ingenio (GPP) que
permite esta excelente precisión. El algoritmo se basa en la mejora del conocimiento de la posición orbital y de la actitud
de observación mediante un proceso automático de detección y correlación de puntos de control y posterior ajuste
geométrico. Su validación se ha realizado siguiendo un procedimiento incremental. Inicialmente, se ha comprobado el
correcto comportamiento del procesador de imagen en condiciones ideales usando un modelo afín bidimensional.
Posteriormente, se ha procedido a simular condiciones dinámicas reales, comprobando la corrección de estas desviaciones
no lineales. Finalmente, se ha validado la robustez del algoritmo frente a cambios en las condiciones de observación y
características de los sensores usando diferentes ortoimágenes de referencia obtenidas del Plan Nacional de Ortofotografía
Aérea (PNOA) y del Plan Nacional de Observación del Territorio (PNOT, fuente de imágenes SPOT5).
Palabras clave: SEOSAT, Ingenio, geolocalización, validación, actitud, automático, orto-rectificación.
Validation of Ingenio’s geolocation performances derived from the Ground Processor Prototype
Abstract: SEOSAT/Ingenio is a high-resolution optical mission for Earth Observation services over Spain, Europe, South
America and coastal countries in North Africa. Ingenio’s main products are L1c orthorectified images with a higher
geolocation accuracy than one panchromatic pixel (2.5 m RMS). This paper describes the validation on the geolocation
algorithm implemented in the Ground Processor Prototype (GPP) to allow this excellent accuracy. This algorithm is
based on the improvement in the knowledge of the orbital position and observation attitude parameters by means of
automatic detection and correlation of ground control points (GCPs) and their use in further geometrical adjustment.
Validation was through an incremental process: first, the correct behaviour of the algorithm under ideal boundary
conditions was verified by comparing the results with those from a bidimensional affine model. After that, the algorithm
was verified under simulated real dynamic conditions, thereby verifying input data is corrected for these non-linear
deformations. Finally, the robustness of the algorithm was checked against changes in observation conditions and sensor
characteristics by using different reference orthoimages obtained from the Spanish National Plan of Aerial Orhtophotography (PNOA) and the Spanish Plan for Territorial Observation (PNOT, source of SPOT5 images).
Keywords: SEOSAT, Ingenio, geolocation, validation, attitude, automatic, ortho-rectification
1.
INTRODUCCIÓN
SEOSAT/Ingenio es una misión óptica de alta
resolución orientada a ofrecer servicios sostenibles de
observación del territorio sobre España, Europa,
Iberoamérica y países costeros del Magreb. La carga útil
principal está diseñada para adquirir imágenes con una
anchura superior a 55 km y una resolución de 2,5 m para
la banda pancromática y 10 m para las multiespectrales.
La órbita es helio-síncrona, a una altura de 670 km, con
un periodo de revolución diario de 14+32/49 rev/día y
hora local en el nodo descendente (LTDN) a las 10:30.
http://ocs.ebd.csic.es/index.php/AET/2015/schedConf/presentations
Este periodo de revolución minimiza el ciclo de
repetición (49 días, objetivo <60 días) para, por un lado,
asegurar el ancho de barrido y el tamaño del píxel, y por
otro asegurar cobertura completa a nadir en el territorio
español y un tiempo de revisita global en condiciones de
emergencia (máximo ángulo de alabeo 33º) menor de 3
días, que dependen en mayor medida del ciclo de
repetición. La capacidad de toma y almacenamiento de
imágenes del satélite es de 2,5 millones de km2 al día,
con un tiempo de vida de 7 años, pudiendo ser ampliado
hasta 10.
La plataforma de SEOSAT/Ingenio, de estructura
hexagonal y una masa total de 830 kg, alberga los
277
equipos de aviónica, que están totalmente redundados,
con un Sistema de Control de Órbita y Actitud (AOCS)
estabilizado en 3 ejes.
La misión SEOSAT/Ingenio generará inicialmente
productos pancromáticos (PAN) y multiespectrales
(MS) en radiancias espectrales en el límite de la
atmósfera (TOA, del inglés Top Of Atmosphere): nivel
1b1 (radiancias TOA por detector, sin remuestreo), 1b2
(remuestreadas sobre el plano focal de un sensor único e
ideal por banda, denominado Sensor Ideal de
SEOSAT/Ingenio) y nivel 1c (imagen ortorectificada)
1.1. Prestaciones de geolocalización
El requisito de geolocalización para los productos de
nivel 1c de Ingenio está especificado a 2,5 m 2D-2σ (i.e.
un píxel pancromático).
La precisión en la geolocalización depende inicialmente
de la precisión en la estimación del apuntamiento, a lo
que contribuye la incertidumbre en la posición orbital,
del control de la actitud y de las deformaciones termomecánicas inducidas entre los telescopios y las cabezas
ópticas de los star trackers.
En ausencia de puntos de control, los requisitos
especifican una precisión mejor que 50 m 2σ sobre el
elipsoide de referencia. Como se describe en (De
Miguel, D. et al., 2013), los análisis prevén un valor de
26,5 m 2σ. EIPS incluye modelos representativos y
métodos de corrección para alcanzar este valor:
suavizado de los valores del GPS sobre un modelo
kepleriano, un filtrado temporal del ruido residual de la
actitud y un modelo del comportamiento termomecánico de la Carga Útil que reduce la incertidumbre
de apuntamiento entre cámaras.
Las prestaciones finales de geolocalización en los
productos para el usuario (L1c y L1b2) se mejoran
gracias a una búsqueda automática de puntos de control
en el terreno durante el post-procesado de las imágenes
por el GPP, seleccionando dichos puntos mediante
criterios de máxima correlación y distribución espacial
uniforme a lo largo de la trayectoria del satélite.
El mayor contribuyente en el error proviene del ruido
residual de la restitución no lineal de la actitud del
satélite, y requiere de un Modelo Digital del Terreno
(MDT) preciso y un máximo de 19 puntos de control de
alta precisión para su cumplimiento (ver Figura 1).
1.2. El Entorno de Simulación y Procesado de
Imagen de Ingenio (EIPS)
El Simulador de Prestaciones de Imagen de Ingenio
(EIPS, End to end Image Performances Simulator)
compuesto fundamentalmente por el SCPS (SpaceCraft
Performances Simulator) y el GPP (Ground Processor
Prototype) es un entorno desarrollado por el consorcio
entre GMV e INTA para simular y validar las
prestaciones radiométricas y geométricas de las
imágenes de Ingenio. Utilizando como entrada
ortoimágenes de referencia para la simulación, EIPS
aplica modelos totalmente representativos de
http://ocs.ebd.csic.es/index.php/AET/2015/schedConf/presentations
transferencia radiativa atmosférica (libRadtran), la
dinámica del satélite y las prestaciones de la Carga Útil
Principal sobre los datos brutos de imagen. Estos datos
brutos se procesan hasta niveles 1b (radiometría
calibrada) y 1c (imagen ortorectificada).
2.
MATERIAL Y MÉTODOS
2.1. Diseño de las pruebas
Para validar de manera independiente la simulación y
procesado de la geometría de las imágenes, tras la
validación de la simulación de la actitud realizada por
INTA y descrita en (De Miguel, E. et al., 2011), se ha
seguido un proceso incremental: primero se ha
verificado el correcto funcionamiento de EIPS en
condiciones ideales, a continuación se ha comprobado la
obtención de las prestaciones esperadas bajo
perturbaciones nominales y finalmente se han forzado
los algoritmos críticos mediante condiciones
radiométricas y/o geométricas más exigentes
(diferencias en condiciones de iluminación y de calidad
de la imagen de referencia).
Como datos de entrada a las simulaciones se han
utilizado el modelo de elevación MDT5 del Plan
Nacional de Ortofotografía Aérea (PNOA) y mosaicos
del mismo origen en los casos ideales y nominales, e
imágenes de SPOT5 del Plan Nacional de Observación
del Territorio (PNOT) para las pruebas de estrés.
Para validar EIPS en condiciones ideales se han
comparado sus resultados con los de un modelo de
transformación bidimensional afín descrito en (1),
compuesto por rotación (α), traslación (B1, B2) y
homotecia, donde se incluyen diferentes factores de
escala (λx, λy) en cada una de las dos direcciones
principales (representando los diferentes tamaños del
píxel en ambas direcciones, consecuencia de la
distorsión óptica) y la ausencia de una ortogonalidad
completa (β) debida a la no-perpendicularidad entre en
el eje sobre el cual se calcula la velocidad instantánea
del satélite y el sensor PAN:
 Xref   cos   sin   1  sin   x  X 1b1  B1 

  


    (1)
 Yref   sin  cos   0 cos   y  Y1b1   B2 
Se consideran fuentes de error en el modelo: a)
variaciones en el tamaño del píxel a lo largo de las
columnas (debido a la misma distorsión óptica), b)
variaciones en el ángulo de rotación entre ambos
sistemas de referencia (proyección de la órbita en la
latitud de la simulación) debida a la ley de control de
actitud en guiñada o yaw steering, y c) el MDT en sí
mismo (previo a la ortorectificación).
La variación en guiñada (b), necesaria para la
adquisición de imagen con sensores pushbroom, hace
que solo sea posible aplicar este modelo en áreas donde
esa variación sea despreciable y por tanto el ángulo entre
ambos sistemas de referencia aproximadamente
278
constante. Por ello se ha elegido una extensión
relativamente pequeña (< 2,5km, 1000 líneas PAN) en
la dirección de movimiento del satélite para la ejecución
del test. Aunque el uso de un MDT (c) en sí mismo no
es un error, sí lo es desde el punto de vista en que
representa un efecto no lineal que no puede ser
capturado por el modelo previamente a la
ortorectificación, actuando por tanto como ruido en la
interpretación de los resultados.
La validación en condiciones nominales ha consistido en
simular todas las perturbaciones sobre la dinámica de la
adquisición y corregir las mismas mediante puntos de
control sobre diferentes imágenes.
3.
escala) y arrojan unos valores de error N-S (RMS)
1,05E-6º = 11,7 cm y error E-O (RMS) 1,4E-6º = 15,7
cm, cumpliendo el requisito de 0,1 píxeles (25 cm)
3.2. Resultados sobre escenarios nominales
Los escenarios nominales incluyen incertidumbres y
perturbaciones de acuerdo a los análisis de AOCS: 7 días
de propagación de la órbita con un modelo completo de
perturbaciones, incertidumbre en las medidas de GPS,
errores en el control de actitud real, en la estimación de
la misma por los star trackers y en el filtrado de las
medidas volcadas a tierra. Se incluyen también el error
en posición de los puntos de control y los derivados del
MDT.
RESULTADOS
3.1. Resultados sobre escenarios ideales
En condiciones ideales se ha comprobado que la
simulación de la adquisición de la imagen y su
procesado hasta nivel 1b acumula un error RMS no
superior 0,1 píxeles PAN. El resultado se considera
extensible a nivel 1c puesto que la única diferencia es un
remuestreo a una proyección Mercator.
La consonancia con el modelo bidimensional afín se ha
evaluado sobre puntos extraídos automáticamente en 3
escenarios ideales y ajustados a dicho modelo mediante
mínimos cuadrados en imágenes sobre el embalse de
Cazalegas, el término municipal de Cartagena y el de
Villacañas (mosaicos PNOA). Se han extraído puntos de
7, 3 y 2 regiones de muestra respectivamente, de un
tamaño aproximado de ~ 2 km x 15 km. La simulación
sobre Cazalegas se ha realizado con y sin MDT para
evaluar el efecto del mismo sobre el modelo sobre 4
regiones de las mismas dimensiones (ver Tabla 1).
Tabla 1. Resultados promedio de la validación (RMSE
promedio en píxeles) sobre casos de prueba en
condiciones ideales (requisito: RMSE < 0,1 píxel)
Simulación
Cazalegas (sin DTM)
Cazalegas (con DTM)
Cartagena (con DTM)
Villacañas (con DTM)
Error N-S
0,07
0,17
0,17
0,12
Error E-O
0,05
0,15
0,25
0,08
En el caso de las 3 simulaciones con MDT se observa
variación entre diferentes regiones de una misma
imagen debido a la heterogeneidad del terreno (ej.: en el
caso de Cartagena el error en N-S oscila entre regiones
entre 0,47 y 0,08 píxeles). Sin MDT, los datos se ajustan
a la hipótesis del modelo bidimensional afín.
Se comprueba por tanto que EIPS acumula un error
dentro del margen requerido y que el MDT actúa como
un ruido en el método de verificación a nivel 1b1. Para
demostrar esta última afirmación se han vuelto a repetir
los cálculos en geometría 1c (tras ortorectificar). En este
caso los resultados son coherentes con una
trasformación afín trivial (sin rotación ni cambio de
http://ocs.ebd.csic.es/index.php/AET/2015/schedConf/presentations
Figura 1. Error simulado en el conocimiento de la
actitud (alabeo) (azul), ajustado por el GPP (rojo) y
evaluado sobre puntos “control” (verde)
Los tres escenarios mencionados se ejecutaron de nuevo
incluyendo dichas perturbaciones y se buscaron puntos
de enlace tanto en mosaicos PNOA como en imágenes
pancromáticas de SPOT5. Los resultados estuvieron en
línea con los esperados en los análisis en los escenarios
de Cazalegas y Cartagena, aunque se observaron
desviaciones locales sobre la imagen de Villacañas,
donde se detectó una presencia superior a la esperada de
falsos positivos en los puntos de enlace como se muestra
en el pico de imagen inferior en la Figura 2.
Aunque de manera estadística los resultados están
dentro de las prestaciones esperadas, su análisis
detallado reveló la necesidad de robustecer el algoritmo
de búsqueda de puntos de enlace y evitar falsos
positivos en áreas con bordes (zonas que presentaban
una alta correlación en una dirección determinada). Por
ello se incluyó un mecanismo de selección de puntos de
enlace que solo acepta aquellos candidatos en los que la
correlación entre los parches de imagen (extraídos de la
imagen de referencia y de la simulada) a) es mejor, en el
pico de correlación, que un valor umbral y b) es peor, a
X píxeles del pico, que otro valor umbral en alguna de
las dos direcciones principales de la imagen.
279
40
30
20
10
0
39,02
20
15
10
5
0
39,41
39,22
39,42
Figura 4. Potencial falso positivo en ambas imágenes
(referencia vs. Ingenio) y superficie de correlación; en
rojo los puntos donde la correlación excede el umbral
4.
39,61
39,81
Figura 2. Mejora en el error de geolocalización
mediante la corrección del perfil de actitud (en azul/
rojo los errores antes/después de la corrección)
Arriba, perfiles correctos obtenidos sobre Cazalegas;
abajo, perfiles sobre imagen Villacañas, con un pico
debido a la selección errónea de falsos positivos.
Los valores utilizados sobre imágenes PNOA/SPOT5
son, respectivamente, 0,95/0,9 para la correlación en
pico y 0,8/0,75 para correlación en las alas a una
distancia de 4 píxeles del pico. El tamaño de la ventana
de búsqueda se estableció en 30 píxeles PAN (tamaño
del punto de control), y el de la ventana de correlación
fina (a nivel sub-píxel) en el pico se estableció en 10
píxeles. Estos valores no están optimizados y las pruebas
más recientes arrojan mejores resultados con 40 y 35
píxeles para tamaño de punto y ventana de correlación
fina (sub-píxel) respectivamente. En las Figuras 3 y 4 se
muestra un punto aceptado y uno rechazado por el nuevo
filtro (en la Figura 4 la correlación en la dirección
perpendicular a la trayectoria del satélite supera el valor
umbral)
CONCLUSIONES
La geolocalización del prototipo de procesador de
imagen de Ingenio se ha validado de manera
independiente comparando sus resultados con los de un
modelo de transformación afín bidimensional para el
caso ideal sin perturbaciones. La simulación de efectos
dinámicos reales confirma que los resultados están,
globalmente, dentro de las especificaciones, aunque el
algoritmo de selección de puntos de control se ha
corregido para evitar la detección de falsos positivos. El
nuevo algoritmo ha superado satisfactoriamente la
validación a nivel numérico. En la primera mitad de
2015 se espera concluir la validación en su conjunto.
5.
AGRADECIMIENTOS
Nuestro agradecimiento a los miembros del IMAG
(Ingenio Mission Advisory Group) y en particular al
Instituto Nacional de Técnica Aeroespacial (INTA), a la
Universidad de Valencia (UV) y al Instituto Geográfico
Nacional (IGN) por el suministro de imágenes para las
pruebas y por sus valiosos consejos.
6.
BIBLOGRAFÍA
De Miguel, D., Pizarro, A., Fraisse, R., Dhérété, P.,
Ortín, M.T., 2013. El satélite Ingenio: Prestaciones
del sistema. Misiones de observación de la Tierra.
XV Congreso de la Asociación Española de
Teledetección.
De Miguel, E., Valenzuela, R., Bernardino, T., Pizarro,
A., De Miguel, D., Robles, C., 2011. Validación de
algoritmos científicos para el GPP de
SEOSAT/Ingenio. Teledetección: bosques y cambio
climático. XIV Congreso de la Asociación Española
de Teledetección. Ed. Carmen Recondo y Enrique
Pendás Molina
Figura 3. Punto de control en ambas imágenes
(referencia vs. Ingenio) y superficie de correlación
http://ocs.ebd.csic.es/index.php/AET/2015/schedConf/presentations
280