用MATLAB编写一个完整的双像空间前方交会精确平差程序，通过对提供的试验数据进行计算，输出地面点的三维坐标。

在MATLAB中编写双像空间前方交会精确平差程序通常涉及以下步骤：

1. **导入数据**：
首先，你需要读取包含影像信息（如像片中心坐标、内方位元素等）和对应控制点的二维像片坐标数据。可以使用`read`函数或专用工具箱读取，如`geotiffread`。

[img1, img2] = read('image1.tif', 'image2.tif'); % 读取两幅图像
controlPoints = csvread('control_points.csv'); % 读取控制点数据

2. **建立模型**：
定义一个结构体或矩阵来存储像片的几何参数和控制点的投影坐标。假设每个控制点有三个像片对应的x,y坐标。

structure = struct('center1', img1.center, ... % 像片中心
                   'center2', img2.center,
                   'focalLength', [img1.focalLength, img2.focalLength],
                   'principalPoint', [img1.principalPoint, img2.principalPoint], ... % 主点
                   'controlPoints', controlPoints);

3. **误差模型**：
设定平差的目标函数，通常是基于成对像片上控制点像素坐标的差异，这里可以用平方和的形式表示。

errorFunction = @(params) sum((params.controlPoints(:,2:end) - double(img1(projIndices1,params), img2(projIndices2,params))) .^ 2);

4. **求解优化问题**：
使用MATLAB的优化工具箱，比如`lsqnonlin`，对参数进行最小化求解。`projIndices`是一个二元索引数组，用于从像片中提取对应控制点的像素坐标。

initialGuess = zeros(size(structure.controlPoints,1), structure.numImages); % 初始猜测值
solution = lsqnonlin(errorFunction, initialGuess, [], [], [], structure);

5. **结果输出**：
解得的最优参数就是控制点在各个像片上的准确坐标，可以转换为三维坐标。

[~, ~, u1, v1, u2, v2] = projectPoints(solution, ... % 投影到像面上
                            structure.focalLength, ... 
                            structure.principalPoint, ... 
                            structure.rotation, ... 
                            structure.translation);

% 根据u和v以及已知的像距，通过三视图公式计算三维坐标
worldCoordinates = triangulate(u1, v1, u2, v2, ... % 三角测量
                                img1.distances, ... 
                                img2.distances);

完成以上步骤后，`worldCoordinates`变量将存储处理后的三维控制点坐标。注意，这个例子简化了实际过程，例如未考虑畸变校正、大气折射等影响，也假设了像片间的相对旋转和平移可以用简单的旋转和平移向量表示。在实际应用中，可能需要更复杂的模型和算法。