在一些实施例中，可W使用该组接合点（例如如通过稠密化细化的或者没有通过 稠密化进行细化的）执行集束调整W生成用于重新校准多传感器相机(例如图2的集束调 整）的经更新的偏屯、信息。在112处，方法结束。
[0022] 通过图1B的示例性方法120图示了促进多传感器相机的重新校准的实施例。在 122处，方法开始。在124处，获得由多传感器相机的一个或多个传感器捕获的一组图像。 在126处，可W基于多传感器相机的最低点空中Ξ角测量来估计3D点(例如3D接合点)(例 如来自最低点空中Ξ角测量的3D接合点可W用于标识具有类似视角的图像和/或可W重 新投影到可潜在地"看到"或描绘3D接合点的倾斜图像中）。例如，可W基于场景中的点和 场景之上的相机位置(例如在空气中）来估计3D点。在128处，3D点可W重新投影到该组 图像内的第一图像(例如由倾斜传感器捕获的倾斜图像）中W获得第一图像内的3D点的对 应坐标。例如，可W从3D点向第一图像中建立阵列W获得x/y坐标。
[0023] 在130处，可W使用图像匹配技术基于对应坐标来生成第一观察结果。第一观察 结果可W指示最低点视野的3D接合点在对应坐标处描绘于第一图像内，诸如倾斜图像内。 在示例中，可W利用标准最小平方图像匹配技术获得第一观察结果。第一观察结果可W用 于促进多传感器相机的重新校准。在一些实施例中，可W基于一组3D点向该组图像内的相 应图像中的重新投影而生成一组观察结果。该组观察结果可W用于促进多传感器相机的重 新校准。在一些实施例中，集束调整可W使用该组观察结果来执行W生成用于重新校准多 传感器相机(例如图2的集束调整）的经更新的偏屯、信息。在132处，方法结束。
[0024] 通过图1C的示例性方法140图示了促进多传感器相机的重新校准的实施例。在 142处，方法开始。在144处，可W获得由多传感器相机的第一传感器捕获的第一组图像(例 如由最低点传感器捕获的最低点图像)。在146处，可W获得由多传感器相机的第二传感器 捕获的第二组图像(例如由倾斜传感器捕获的倾斜图像)。在148处，使用基于第一组图像 (例如一个或多个最低点图像)的稠密图像匹配技术和/或与第一组图像相关联的空中Ξ角 测量(例如最低点空中Ξ角测量）来构造数字表面模型（DSM)。DSM可W表示由第一传感器 所捕获的一个或多个图像描绘的场景的多维表面(例如基于深度信息)。在150处，使用第 一组图像纹理化DSMW创建纹理化DSM。例如，来自第一组图像的纹理信息(例如像素颜色 值）可W被指派给DSM的点(例如重叠贡献可W混合；看不见的部分可W进行内绘；等等)。
[0025] 在152处，可W使用与多传感器相机的一个或多个倾斜传感器相关联的相机姿势 多样性（manifold)来从纹理化DSM生成一组合成擅染图像。例如，纹理化DSM可W表示场 景的多维表面。相机姿势多样性可W表示从其可W生成合成擅染图像的纹理化DSM的各种 透视图。在154处，可W基于使用图像匹配技术对照第二组图像(例如一个或多个倾斜图像） 评估该组合成擅染图像来生成一组接合点。该组接合点可W用于促进多传感器相机的重新 校准。在一些实施例中，可W使用该组接合点执行集束调整W生成用于重新校准多传感器 相机(例如图2的集束调整）的经更新的偏屯、信息。在156处，方法结束。
[0026] 通过图2的示例性方法200图示了促进多传感器相机的重新校准的实施例。在一 些实施例中，可W执行集束调整技术W基于与多传感器相机(例如图1A-1C)内的一个或多 个传感器相关联的一组接合点(例如或者一组观察结果）来细化最低点空中Ξ角测量。例 如，预先存在的最低点空中Ξ角测量可W用于计算多传感器相机内的一个或多个倾斜传感 器的外部取向（例如可W从相关联的最低点图像的外部取向和偏屯、转换来计算倾斜传感器 的外部取向）。在一些实施例中，可W利用最小平方优化方法，其可W缓解平方重新投影误 差(例如均方误差（MSE))之和。例如，与传感器定位和/或取向相关联的异常信息可W基 于柯西（Cauchy)误差函数而被标识和/或移除：
其中（e)是所观察到的误差，并且（S)是控制鲁棒成 本函数的形状并确定误差的衰减幅度的正比例因子。在示例中，比例因子的估计可W在倾 斜图像测量的重新投影误差上执行。鲁棒成本函数允许生成与最低点图像和倾斜图像相关 联的图像测量的空中Ξ角测量的生成，W便使用投影数据重新校准多传感器相机。
[0027] 在202处，方法开始。在204处，一组接合点内的相应接合点(例如，或者一组观察 结果内的观察结果）可W使用多传感器相机的初始校准信息(例如对应于姿势信息的最低 点空中Ξ角测量和/或与最低点传感器相关联的3D点）迭代地评估W计算用于该组接合 点的估计的统计误差分布。例如，重新投影误差(例如在创建该组接合点或观察结果期间将 3D点投影到图像上时发生的误差）可W源自分辨率、焦距、固有参数中的差异，或者多传感 器相机内的图像传感器之间的其它因素。
[0028]在206处，可W基于估计的统计误差分布生成一组权重。例如，该组权重可W用于 移除或贬抑不然可能导致错误的偏屯、信息的异常信息。在208处，该组权重可W使用非线 性优化方法/过程应用于该组接合点（例如，或者观察结果）W生成经更新的偏屯、信息(例 如，诸如倾斜传感器之类的传感器关于最低点视野的相对取向和/或位置信息)。多传感器 相机可W基于经更新的偏屯、信息而重新校准(例如实时地，比如在包括多传感器相机的飞 机的飞行任务期间)。在210处，方法结束。
[0029] 图3图示了用于促进多传感器相机的重新校准的系统300的示例。系统300可W 包括被配置成检测与多传感器相机相关联的像304的图像标识组件302。例如，像304可W 包括由多传感器相机内的最低点传感器捕获的一组最低点图像、由多传感器相机内的第一 倾斜传感器捕获的第一组倾斜图像、由多传感器相机内的第二倾斜传感器捕获的第二组倾 斜图像和/或其它图像。可W标识来自空中Ξ角测量的接合点306(例如，与最低点传感器 相关联的最低点接合点)。接合点306可W用于近似由像描绘的场景的表面(例如，如由空 中图像所描绘的城市的表面模型)。在一些实施例中，可W标识用于最低点图像的位置和/ 或取向信息。在一些实施例中，可W标识预定义的坐标系统内的地理参考信息。
[0030] 系统300可W包括捜索匹配组件308,其被配置成标识像304内的一个或多个图像 之间的一组图像匹配对310。例如，第一图像匹配对可W标识第一图像与第二图像(例如第 一图像和第二图像可W均描绘公园）之间的对应区域(例如重叠区域)。捜索匹配组件308 可W被配置成在该组图像匹配对310上执行成对图像匹配W生成一组接合点312 (例如物 理3D点和相关联的2D图像测量，诸如倾斜图像内的3D点的x/y坐标)。例如，捜索匹配组 件308可W基于第一图像、第二图像和第Ξ图像中的公园而标识接合点。接合点可W与可 能包括至少一些接合点306的其它接合点一起分组，W生成该组接合点312。
[0031] 系统300可W包括集束调整组件314。集束调整组件314可W被配置成使用多传 感器相机的初始校准信息迭代地评估该组接合点312内的相应接合点，W计算用于该组接 合点312的估计的统计误差分布。集束调整组件314可W被配置成基于估计的统计误差分 布生成一组权重。集束调整组件314可W使用非线性优化方法/过程将该组权重应用于该 组接合点312(例如，W移除由于多传感器相机内的传感器的固有相机参数中的差异所致的 异常和/或其它有错误数据)，例如W生成经更新的偏屯、信息316。经更新的偏屯、信息316 可W表示诸如倾斜传感器之类的传感器关于最低点视野的相对取向和/或位置信息。在一 些实施例中，系统300包括被配置成生成一组观察结果354的稠密化组件352,该组观察结 果354可W由集束调整组件314使用W细化用于生成经更新的偏屯、信息316的该组接合点 312。系统300可W包括被配置成使用经更新的偏屯、信息316重新校准多传感器相机的重 新校准组件318。
[0032] 图4图示了用于促进多传感器相机的重新校准的系统400的示例。系统400可W 包括被配置成检测与多传感器相机相关联的像404的图像标识组件402。例如，像404可W 包括由多传感器相机内的一个或多个倾斜传感器所捕获的倾斜图像。在一些实施例中，可 W标识最低点空中Ξ角测量406 (例如，与最低点传感器相关联的最低点接合点)。
[0033] 系统400可W包括稠密化组件408。稠密化组件408可W被配置成基于最低点空 中Ξ角测量406来估计3D点410。3D点可W重新投影到一个或多个图像中，诸如像40