IPTA方法在地面沉降监测中的应用

干涉点目标分析(IPTA)技术是一种新兴的In SAR形变测量技术。它克服了常规雷达差分干涉测量(DIn SAR)受失相干因素和大气延迟影响较大的问题。介绍了IPTA方法及处理流程,并对参数迭代估计、基线精化等关键问题进行了阐述。对加利福尼亚州安大略市的39幅ENVISAT ASAR数据进行IPTA处理,提取了2005—2010年间的地面沉降信息并进行了形变分析。结果表明,该方法在大范围地面沉降监测中应用效果良好。     

粒子加速器工程控制网研究进展与展望

随着高能物理研究对粒子碰撞能量需求的不断增大,粒子加速器的规模愈加宏大,对工程控制网的设计、测量和维持提出了极大的挑战。为此,本文在归纳整理国内外研究现状的基础上,围绕加速器控制网结构及精度要求、几何参考框架选取、测量仪器与标志、网形与观测方案、观测值归算与平差等问题,凝练了大型粒子加速器精密控制网的关键技术,最后给出了巨型加速器工程高精度三维控制网建立技术的研究建议。     

基于俯仰轴相交和球拟合的天线旋转中心测量方法

针对传统天线旋转中心测量时,俯仰轴生成方式不严密对其精度和可靠性产生不利影响的问题,提出了俯仰轴相交和球拟合两种新的旋转中心测量方法。对不同方位下标志点绕俯仰轴的运动轨迹进行圆拟合,得到含有方位信息的俯仰轴,多条俯仰轴求交点作为旋转中心,称之为俯仰轴相交法,较传统方法可靠性更高。对标志点的运动轨迹进行球拟合,取所有球心的均值作为旋转中心,称之为球拟合法,避免了圆拟合及求交点的过程,方法更为严密。以3台φ3 m上行阵天线为实验对象,应用全站仪和工业摄影测量技术获取标志点在规划姿态下的坐标,采用两种新方法处理观测数据,均得到了内符合精度达亚毫米级的旋转中心。     

���ڹ��е�ƽ��ĵ���ƴ�Ӽ����о�

?????????е??????????????????????й????????????????????????????????|??????????????????????????????????????|?????????????????????????????????????????????????????????????????????????     

水轮机转轮现场测量系统可行性研究

介绍了主要由全站仪、数码像机及相应软件组成的水轮机转轮现场测量系统。在全站仪测定一定数量的3维控制点后，利用数码像机进行近景摄影测量，加密测绘水轮机转轮叶片。现场测量试验表明，该水轮机现场测量系统在测量方法、测量精度等主要方面是基本可行的。     

水轮机转轮现场测量系统可行性研究

介绍了主要由全站仪、数码像机及相应软件组成的水轮机转轮现场测量系统。在全站仪测定一定数量的 3维控制点后 ,利用数码像机进行近景摄影测量 ,加密测绘水轮机转轮叶片。现场测量试验表明 ,该水轮机现场测量系统在测量方法、测量精度等主要方面是基本可行的。     

“DMY-1”型断面仪数据通讯与程序实现

介绍了“DMY-1”型断面仪的数据采集，针对不同档次的数据采集器，介绍了如何用DOS和Windows语言开发数据采集软件。为解决类似问题提供一些帮助。     

变形监测网稳定点选取的平方型Msplit相似变换法

针对现有参考网稳定点选取方法在不稳定点数较多时正确性和稳健性不足的问题,通过引入平方型M_split相似变换,提出了一种稳健的稳定点选取方法,在不稳定点较多、甚至不稳定点数超过稳定点数的情况下仍然有效。具体思路是：在计算两期坐标的相似变换参数时,利用平方型M_split估计将参考点组一分为二,取点数多的一组为稳定点组并继续分裂,直至两个点组对应的相似变换参数无明显差异时停止,利用最终的稳定点组计算相似变换参数来开展变形分析。试验结果表明,当参考网中存在变形量较大的点或不稳定点总数接近甚至超过稳定点数时,本文方法与传统S变换和抗差S变换相比,稳定点的判断正确率最高,求得的变形量与模拟变形量相差最小,稳定点组对应的两期坐标差均方根最小,能够正确反映控制点的实际变形。     

电子经纬仪交会测量系统在大型天线精密安装测量中的应用

由于某卫星通信天线面积大、结构非圆对称,对测量精度要求高(测点精度要求为±0.3mm),决定采用大尺寸工业测量系统方法中的电子经纬仪测量系统。系统由3台T3000A电子经纬仪组成。控制网由6个9～16m高的测量墩构成。采用T3000A测角、TC2003测边,数据处理后边角网的点位精度在±0.3mm以内。3台仪器建立系统的尺度精度优于10-5。测量772点用时4h以内,交会精度优于0.3mm(RMS)。经过几次反复的调整,主面的表面精度优于0.5mm(RMS),满足了电气测试的要求。     

融合点、体素和对象特征的多基元点云分类

单一基元分类方法难以全面描述复杂的点云场景,采用多基元进行分类成为一种趋势,提出了一种融合点、体素和对象特征的点云分类方法。主要包括4个方面：① 分别确定各层面分类基元,点基元方面采用最优邻域方法,体素基元方面基于八叉树方法进行体素划分,对象基元方面使用改进的多要素分割方法进行点云分割;② 提取各基元分类特征,首先提取点基元分类特征并进行局部线性约束编码(Locality-constrained Linear Coding, LLC),然后以此为基础提取体素基元和对象基元的潜在狄利克雷分布特征(Latent Dirichlet Allocation, LDA)和最大池化特征(Max Pooling, MP);③ 降低分类特征维度,利用随机森林变量重要性算法对分类特征进行筛选与降维;④ 进行点云分类,使用随机森林算法实现点云分类。采用3种不同类型的点云数据进行试验,结果表明融合3种基元特征的分类精度相比于点基元分类分别提升了1.43%、7.02%和2.48%,分类特征降维可以有效降低特征冗余度,分类器分类时间减少约70%;通过与其他算法的对比,新算法分类精度更优,且适用于多种场景点云数据的分类。