稳健估计下的坐标系统转换总体最小二乘算法

针对传统的应用最小二乘法建立高斯-马尔科夫(G-M)模型实现坐标系统转换的方法导致转换模型参数精度低下的问题,该文提出一种基于总体最小二乘算法的坐标系统转换方法。考虑到粗差会导致控制点坐标精度差异较大,因此根据稳健估计理论进行迭代定权,在总体最小二乘算法下建立G-M模型,以便求解转换模型参数,并通过算例比较不同算法的转换精度。实验结果表明:基于稳健估计的总体最小二乘抗差算法实现的空间坐标转换精度高于传统方法的转换精度。     

基于非线性最小二乘的坐标转换及精度分析

在GPS应用中经常涉及到坐标系转换的问题。利用七参数线性模型进行坐标转换是目前常用的坐标转换方法,但是当旋转角较大时,利用七参数线性模型转换会存在较大的模型误差。本文提出七参数模型的非线性最小二乘求解方法,结合模拟坐标数据比较了非线性最小二乘与传统迭代法的求解精度。结果表明：在旋转角较大的情况下,利用非线性最小二乘方法求解坐标转换参数精度比迭代法有明显提高。     

坐标转换四参数解算的整体最小二乘新方法

在平面四参数坐标转换模型中,观测向量和误差方程系数矩阵中部分元素都存在误差。提出一种使用整体最小二乘迭代法求解坐标转换四参数的新方法,只改正系数矩阵中含误差的元素,同时使系数矩阵中不同位置的相同元素具有相同改正数,理论上更严谨。设计了平面四参数模型坐标转换实验数据,通过与经典最小二乘、整体最小二乘、混合整体最小二乘3种方法结果对比,验证了新方法的可行性且解算结果更优。     

加权总体最小二乘在重心化Bursa模型中的应用

研究了基于加权总体最小二乘的重心化布尔沙模型的坐标转换算法,针对坐标转换中原始坐标和目标坐标均存在误差的问题,根据误差的影响程度不同而给予不同的权值,利用加权总体最小二乘方法求解转换参数。坐标重心化的方法可以解决布尔沙模型在局部地区容易出现病态的问题,将两种方法结合可以很好地提高坐标转换的精度,通过实例验证了该方法的优越性。     

坐标转换Partial-EIV总体最小二乘方法

在测量数据处理过程中,针对系数矩阵中同时存在随机元素和固定元素的情况,Xu等通过将随机元素分离使EIV模型推广到Partial-EIV模型,并给出基于Partial-EIV模型的总体最小二乘(TLS)算法。文中介绍该算法,并将其应用在平面及空间的坐标转换中,通过与最小二乘(LS)、总体最小二乘(TLS)及加权总体最小二乘(WTLS)方法的比较和分析,验证该算法有效性。     

不同加权总体最小二乘算法在坐标转换中的应用与分析

介绍了三种求解变量含误差模型的加权总体最小二乘算法,分别为Xu算法、Fang算法和Zhou算法。由实测数据与模拟数据,将这三种算法应用于坐标转换模型,通过模型参数的求解,分析三种算法的区别与联系。     

总体最小二乘拟合问题求解方法的比较研究

目前对总体最小二乘求解方法的研究,出现了奇异值分解的总体最小二乘法、顾及自变量和因变量误差的总体最小二乘法及正交总体最小二乘法.在模型推导的基础上,本文对3种总体最小二乘法在直线和平面拟合中求解的参数及其精度进行了分析,通过与最小二乘法的比较表明,总体最小二乘法得到的拟合结果更加稳健,且以正交总体最小二乘法的拟合结果为最优.     

平面坐标转换模型的病态性分析与正则化算法

应用数学模型实现坐标系统的转换,转换的精度是人们关注的问题。针对平面坐标转换模型参数间的相关性可能导致的法方程系数矩阵的病态性,该文在非线性平面坐标转换模型的基础上,推导并得出线性转换模型。通过算例对线性转换模型参数的相关性、模型的病态性、及其正则化方法进行分析。结果表明法方程系数矩阵呈病态性,但病态性不是由于模型参数的相关性引起;应用参数的正则化解转换控制点的坐标,其转换精度高于最小二乘解。     

平面坐标转换模型的病态性分析与正则化算法北大核心CSCD

应用数学模型实现坐标系统的转换,转换的精度是人们关注的问题。针对平面坐标转换模型参数间的相关性可能导致的法方程系数矩阵的病态性,该文在非线性平面坐标转换模型的基础上,推导并得出线性转换模型。通过算例对线性转换模型参数的相关性、模型的病态性、及其正则化方法进行分析。结果表明法方程系数矩阵呈病态性,但病态性不是由于模型参数的相关性引起;应用参数的正则化解转换控制点的坐标,其转换精度高于最小二乘解。     

基于Moore-Penrose广义逆及立体矩阵的可分离非线性最小二乘解算方法

针对测绘领域中函数模型为非线性函数的线性组合的特殊结构,本文提出了基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法。该方法首先利用变量投影算法消除可分离非线性模型中的线性参数,将包含两类参数的原非线性优化问题转化为仅含有非线性参数的最小二乘问题。然后,基于Moore-Penrose广义逆矩阵的微分和立体矩阵理论计算最小二乘目标函数的一阶导数,进而采用非线性优化的LM方法求解非线性参数的最优估值。最后,根据最小二乘方法求解线性参数的最优估值。通过指数函数模型拟合和机载LiDAR全波形参数求解试验与传统参数不分离优化方法进行对比,结果表明,基于Moore-Penrose广义逆和立体矩阵的可分离非线性最小二乘解算方法对待求参数初值依赖性低,同时避免了迭代过程中线性参数导致的病态问题,算法稳定性好,为测绘领域中可分离非线性最小二乘问题的解算提供了一种思路,也拓展了可分离非线性最小二乘方法的应用。     

稳健估计下转换参数系数矩阵定向改正的整体最小二乘

不同空间坐标系在进行坐标转换过程中,利用整体最小二乘(TLS)构建高斯-马尔科夫(Gauss-Markov)模型求解布尔莎-沃尔夫(Bursa-Wolf)七参数模型时,存在已知控制点含有粗差、模型系数阵固定常数参与残差改正的问题。通过对系数矩阵中含误差参数进行改正,并结合稳健估计的方法,对TLS进行迭代定权,解决了已知控制点粗差会对参数计算精度产生影响的问题,同时使得系数矩阵中非常数项得到精确的残差改正。本文通过实验数据证明,此方法可行并且解算精度更优。     

总体最小二乘方法在空间后方交会中的应用

在空间后方交会的解算过程中,利用共线条件方程式列出误差方程后,针对地面控制点以及像点坐标均存在误差这一特点,引入总体最小二乘(total least squares,TLS)的方法,对系数矩阵A以及观测向量b同时进行改正,计算像片的6个外方位元素,建立更加合理的计算模型,可获得精度更高、更稳定的解。     

多变量稳健总体最小二乘平差方法

分析指出了在总体最小二乘解下,含有多列独立变量的(以下简称为多变量)变量含误差(errors-invariables,EIV)模型,其各列变量的改正数受对应的参数估值与观测向量先验精度的联合影响,参数估值与观测向量先验精度的乘积越大,则该列变量的改正数越大。因此,现有稳健总体最小二乘方法采用同一个单位权中误差对多变量EIV模型进行降权处理时,会优先对模型中的某一列变量进行降权处理,从而造成平差结果不合理甚至错误,称之为虚假稳健估计现象。鉴于此,提出了多变量稳健总体最小二乘平差方法,并导出了相应的参数估计与精度评定公式。该方法对含有粗差的多变量EIV模型的各列独立变量分别进行降权处理,从而避免虚假稳健估计现象的发生。仿真算例结果表明,当观测值含有粗差时,该方法能够有效避免虚假稳健估计现象的发生,并能够定位出粗差所对应的误差方程;相较于总体最小二乘和稳健最小二乘方法,该方法的参数估计结果更接近真值。     

LS和TLS在平面坐标转换中的应用

在超定线性方程Ax=b的解算中,最小二乘(LS)只考虑观测向量b的误差,而总体最小二乘(TLS)则同时顾及观测向量b和系数矩阵A均含误差的情况。本文以六参数模型在平面坐标转换中的应用为例,分别采用LS和TLS进行模型参数的求解。结果表明,2种方法所求参数并无显著差异,但是总体最小二乘更好地改善了坐标转换的内部精度,是一种更为合理的计算方法。     

基于EIV模型的稳健估计

EIV（error-in-variables）模型同时考虑观测向量和系数矩阵的误差,自提出以来便得到广泛应用。目前针对EIV模型的整体最小二乘解法（TLS）假设观测值仅含有偶然误差,当观测值存在粗差时其解并不是最优的。文中通过选定合适的权函数,结合加权整体最小二乘迭代算法,导出基于EIV模型的稳健整体最小二乘迭代解法（RTLS）。线性拟合实验表明,文中方法能对粗差进行定位,且估计量受粗差影响较小,具有稳健性。     

基于RANSAC的坐标系转换抗差算法研究

空间坐标转换在大地测量、工程测量等领域应用广泛.在利用公共点求解坐标转换参数时,针对公共点中混有多粗差点的情形,给出了基于罗德里格矩阵的坐标系转换模型,并在此基础上提出了基于随机抽样一致性(RANSAC)算法粗差剔除的坐标系转换抗差估计.最后利用仿真数据对该算法进行了验证,同时将该抗差算法与基于IGG3方案的最小二乘抗差估计算法进行了比较.算例结果表明,在20个仿真公共点数据中(仿真多组数据),当粗差点个数超过公共点总数的3/10时,基于IGG3方案的最小二乘抗差算法失效,而基于RANSAC的抗差算法在粗差点个数达到公共点总数的1/2时,依然能保证坐标转换的精度.该抗差算法将RANSAC算法的思想应用到坐标系转换上,有效地剔除了公共点中混有的大量粗差点.     

模型的高精度抗差坐标转换算法研究

针对经典空间直角坐标转换没有考虑公共点坐标精度对求解坐标转换参数的影响,提出了一种基于稳健抗差估计理论的空间直角坐标转换方法,该方法采用IGGIII模型对精度较低或误差过大的公共点重新定权,逐渐降低其在求解坐标转换参数中的作用,进而获得可靠的坐标转换参数。最后利用编制的算法程序对某工程实例中的公共点坐标数据进行计算,结合设计的两个方案对比分析表明本文提出的方法实用、有效,可以达到高精度坐标转换的目的,在实际测量生产中具有一定的推广价值。      

On symmetrical three-dimensional datum conversion

A 3-D similarity transformation is frequently used to convert GPS-WGS84-based coordinates to those in a local datum using a set of control points with coordinate values in both systems. In this application, the Gauss-Markov (GM) model is often employed to represent the problem, and a least-squares approach is used to compute the parameters within the mathematical model. However, the Gauss–Markov model considers the source coordinates in the data matrix (A) as fixed or error-free; this is an imprecise assumption since these coordinates are also measured quantities and include random errors. The errors-in-variables (EIV) model assumes that all the variables in the mathematical model are contaminated by random errors. This model may be solved using the relatively new total least-squares (TLS) estimation technique, introduced in 1980 by Golub and Van Loan. In this paper, the similarity transformation problem is analyzed with respect to the EIV model, and a novel algorithm is described to obtain the transformation parameters. It is proved that even with the EIV model, a closed form Procrustes approach can be employed to obtain the rotation matrix and translation parameters. The transformation scale may be calculated by solving the proper quadratic equation. A numerical example and a practical case study are presented to test this new algorithm and compare the EIV and the GM models.