基于总体最小二乘匹配的机载LiDAR点云航带平差方法

机载LiDAR技术在快速获取空间三维地理信息及其应用方面具有不可估量的前景,然而,机载LiDAR系统获得的相邻航带点云数据在重叠区存在"漂移"问题,需要采用航带平差的方法实现不同航带点云数据之间的"无缝"拼接。针对最小二乘航带平差方法中存在的某些不足,结合总体最小二乘与航带平差方法,将总体最小二乘应用于点云的平面拟合,从而提高了相邻航带匹配的精确性。采用实际飞行数据,设计实验方案对航带平差效果进行比较分析。     

机载LiDAR数据逐航带平差与航带区域网平差对比

机载LiDAR系统获取的点云数据在经过预处理解算后仍会残余部分系统误差,因此,在利用点云数据生成DEM等相关数字产品之前,必须检查并改正这部分系统误差。以此为主要目标,本文对机载LiDAR数据的逐航带平差与航带区域网平差展开研究,并以Microsoft Visual Studio 2008 C++为开发平台、基于实测数据对比了两者在完成多航带构成的测区平差时的精度,结果表明:机载LiDAR数据的航带区域网平差方法相较于LZD算法可有效降低逐航带平差导致的误差累积,精度更高。     

一种航带间点云高程差超限的校正方法

机载LiDAR技术是点云数据获取的主要技术手段,在飞行作业中受气象条件、飞机姿态、IMU累计误差、基站不均匀等客观因素的影响,会出现航带间点云高程差超限的问题。本文提出一种对航带间点云高程差超限的校正方法,对相邻航带进行整体平差,能有效消除或减小相邻航带重叠区域的高程差异。选择通辽摄区为试验区,对试验区点云数据高程差超限部分进行校正处理,并通过大量外业检查点对点云精度进行检测,最终验证了这一方法的可行性,可在其他项目中推广应用。     

机载LiDAR航带法区域网平差方法研究

机载LiDAR数据即使经过良好的检校仍可能呈现残余系统误差。由于残存系统误差和偶然误差的影响,测区各个航带间精度不一致且均存在变形,本文借鉴摄影测量区域网平差的思想,提出一种机载L iDAR区域网平差方法,以单航带作为基础,把几条航带或一个测区作为一个解算的整体,同时求得整个测区内全部激光点改正坐标,对航带网进行非线性变形改正。实验表明,使用本文提出的平差方法获取最终点云的精度优于经典航带平差方法获取的结果。     

机载LiDAR点云时间纹理信息航带重叠区消冗

机载LiDAR获取的完整测区点云数据中包含了丰富的信息,同时也伴随着大量冗余数据,本文提出基于机载LiDAR点云时间纹理信息的航带重叠区消冗方法。首先按点云时间信息划分航带,再按点云纹理信息提取航带边缘,接着提取高地物遮挡空洞,最后去除重叠区冗余数据。实验结果表明,该方法无需航线信息辅助,并能在保留遮挡空洞区域点云的同时,高效地去除航带重叠区中精度较低的点云。     

机载激光雷达航带平差实验研究——基于参数模型和地面控制点数据

机载激光雷达测量获取的地表点云数据在经过预处理解算后仍会残余部分航带性系统误差,因此,在利用点云数据生成DEM等相关数字产品之前,必须检查并改正这部分航带性系统误差.以此为主要目标,选择“十二参数模型”进行航带平差,总结航带平差的一般技术流程,并对航带平差过程中是否引入地面控制点的结果进行对比分析.结果表明,引入地面控制点进行航带平差,数据的内外部精度均得到有效改善.     

机载LiDAR航带拼接方法分析

随着机载LiDAR技术的发展,我国对高精度的数字产品的生产要求也在不断提高。机载LiDAR点云数据航带间拼接误差一直是影响数字产品的主要因素之一。因此,消除或减弱系统误差影响,提高数据精度具有重要理论意义和工程实用价值。本文对机载LiDAR点云航带拼接误差问题进行分析,以Leica ALS70机载点云数据为数据源,利用Graf Nav8.4软件、Leica Geosystems MFCPP软件、Micro StationV8软件及Terra Soild对某省机载LiDAR点云数据进行航带拼接方法的分析。本文首先利用检校场对点云数据系统误差进行了修正,航带间重叠区域高程偏差图初步分析,然后通过构架线对架次航线拼接进行了整体分析,最后利用区域内像控点资料对点云数据高程精度进行了改正。试验结果表明:该方法提高了点云数据拼接精度,在实际生产过程中提高了预处理的工作效率,提高数字产品的质量。     

机载LiDAR点云数据的航带高差研究探讨

针对机载LiDAR点云数据航带间高差较大问题,对有无构架线及POS解算精度不同两种情况进行分析。发现机载POS数据解算精度对点云数据航带间高差有较大影响,并得出减小点云数据高差的POS数据解算精度需要满足的条件。     

3维最小二乘表面匹配泛型数学模型及在机载LiDAR条带平差中的应用

以3维表面间共轭点欧氏距离之和最小为理论基础,提出一种泛型3维表面匹配数学模型,并推导其最小二乘平差理论模型,利用该模型进行机载LiDAR点云条带平差。针对真实机载LiDAR点云数据进行条带平差对比实验,结果表明本文所提出的表面匹配模型,不仅能准确估计出相邻重叠3维表面间的正形变换参数,较好地解决机载LiDAR点云条带间配准问题,而且能同时适用于多种同名点对应准则,是一种泛型的配准模型。     

面向对象的车载LiDAR点云滤波方法

针对经典的机载LiDAR点云数据滤波方法不适用于车载LiDAR点云数据滤波的问题,该文提出了一种基于点云分割的不规则三角网渐进加密滤波方法。首先,剔除粗差;然后,进行点云分割;最后,以分割对象为基本判别单元,迭代地进行地面对象的识别。采用两个场景的车载LiDAR点云进行滤波实验。实验结果表明,本文滤波方法的总误差明显小于经典的不规则三角网渐进加密滤波方法。     

基于罗德里格矩阵的三维坐标转换方法

采用罗德里格矩阵公式,在不考虑尺度因子的情况下,建立了基于罗德里格矩阵的六参数坐标转换模型,推导了高精度参数初值计算方法,最小二乘迭代法平差公式。通过实测数据验证,通过实测数据计算,表明该算法具有精度高、稳定性强、适用性广等优点。     

基于单位四元数的无初值依赖空间后方交会

为解决基于欧拉角的传统空间后方交会算法对初值强烈依赖的问题,提出一种利用四元数描述姿态的解算方法。本算法采用单位四元数描述旋转矩阵,然后对严格的共线条件方程进行线性化,并按照带有约束条件的间接平差进行迭代解算。试验表明本算法的可靠性和稳定性不依赖于像片位置和姿态的初值,并具有迭代次数少和解算时间短等优点。     

轨道约束的资源三号标准景影像区域网平差

考虑到同轨道拍摄的长条带卫星影像具有相同的误差分布特性,针对资源三号的标准景影像产品,提出了基于轨道约束的卫星影像区域网平差方法。首先,根据同轨相邻影像的偏移量计算轨道影像坐标系下的像点坐标;其次,通过同轨每景影像的RFM重新生成轨道影像的RFM,同时生成补偿格网;然后,根据基于像方仿射变换的RFM对轨道影像进行区域网平差;最后,利用求得的轨道影像的仿射变换参数重新计算原始单景影像的仿射变换参数。利用不同地区资源三号测绘卫星影像数据的试验表明,基于轨道约束的卫星影像区域网平差（以下简称轨道平差）在稀疏控制条件下,其精度明显好于单景影像平差的精度。在6控情况下,太行山试验区达到平面2.504m高程3.117m,在渭南试验区达到了平面4.061m高程2.895m。试验结果证明了轨道平差的有效性和可行性。     

GPU并行区域网平差

为了进一步解决大数据量带来的平差效率低下的问题,引入GPU并行计算技术,同时使用预条件共轭梯度法以及不精确牛顿解法求解区域网平差过程中的法方程,构建了适用于GPU并行计算的全新的区域网平差技术流程。本文方法避免了存储法方程系数矩阵,而是在需要的时候实时的计算该矩阵,使得本文算法相较于传统的算法所需的计算机内存空间大幅减少(仅需要存储平差原始数据即可),平差计算速度明显提升,同时计算精度与传统方法相当。初步试验证明,本文的方法在普通电脑上仅需要约1.5min即可完成对4500张影像、近900万像点数据的平差计算,且计算精度达到子像素级。     

An analysis of movement patterns between zones using taxi GPS data

The discovery of zones and people's movement patterns supports a better understanding of modern cities and enables a more comprehensive strategy for urban planning. This article proposes a modified method based on previous research to simultaneously discover people's zones and movement patterns, called movement patterns between functional zones (MPFZ). The method attempts to take full advantage of taxi GPS data to identify MPFZs by merging the movement traces satisfying the merging conditions. Considering movement directions, movement numbers and the adjacent constraints that consist of spatial relationship and attribute features, the merging conditions limit the movement traces to be merged. The new MPFZs are discovered by an iteration process and are measured by the following three evaluation indices: v‐value, a‐value and c‐value, which represent coverage, accuracy and their trade‐off. Using a real‐world taxi dataset of Beijing, 24 new MPFZs are discovered, which have higher v‐, a‐ and c‐values than the unmerged MPFZs. The results of the real‐world dataset experiment show that the proposed approach is effective and efficient. The proposed method can also be applied to other types of transportation data and regions by adjusting the dataset utilized and controlling the iteration process.     

伪距单点定位两域联合平差解的等价性分析

针线性观测模型观测值域联合平差解和平差值域联合平差解完全等价,但实际中联合平差的观测模型多为非线性模型,参数估计时常常需要进行线性化处理,存在线性化引起的模型误差,该误差对两域平差解的等价性影响值得探讨.以伪距单点定位(SPP)为例,论文推导了其平差值域联合平差求解公式,分析了两域联合平差不能完全等价的原因,并用实例进行了数值对比.研究表明：在配置相同的情况下,不同全球卫星导航系统(GNSS)组合SPP的两域平差位置解在毫米量级上数值相同,就SPP应用而言,两域平差解可认为相同.论文内容对于一些GNSS其他应用也具有一定的参考意义.     

An accurate non-iterative algorithm for computing the length of the position vector to a subsatellite point

The radial distance (length of a position vector) from the geocenter to the geoid as defined by the spherical harmonic potential coefficients is needed e.g. in the process of adjusting satellite altimeter data. The geocentric latitude and longitude associated with this distance are assumed known—in this case derived from satellite altimetry. Typically, the radial distance can be computed to a desired accuracy in an iterative process. Even if a crude initial value is adopted, a sub-meter accuracy is achieved on the second iteration, while the third iteration yields a sub-millimeter accuracy. If the best possible initial value is taken, such as the radial distance to the mean earth ellipsoid, the iterative process may be accelerated by one iteration. But even then two iterations will be needed in most cases. However, an algorithm has been designed that yields excellent results, characterized by a sub-centimeter accuracy, already from the first iteration. It results in important computer savings, considering that in real data reductions of satellite altimetry, the radial distance needs to be computed at thousands of locations.