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。     

基于多台电子经纬仪/全站仪的工业测量系统

介绍了基于多台电子经纬仪 全站仪的工业测量系统MetroIn的系统设计思想、系统的主要数学原理、系统的构成与功能 ,测试表明 :该系统最高精度可达± 0 .0 5mm。在大型闸门的安装与检测中 ,MetroIn已成功地得到了应用。     

基于核面约束的近景摄影测量影像人工标志点匹配方法

提出了一种基于已知点和核面约束的近景摄影测量人工标志点分组匹配算法。首先利用定向棒点和编码标志点等已知点对所有像片进行分组;然后按三张一组进行组合,并计算各组合的几何质量;最后选择几何质量最好的部分像片进行组合,按核面约束进行匹配。实验证明,该算法匹配100余张像片1、0 000余像点的速度约为5 s,像点匹配率高于95%,误匹配率低于0.1‰,满足近景摄影测量的要求。     

陀螺定向中子午线收敛角的计算方法与精度分析

介绍子午线收敛角的概念和计算方法,导出简化算法并分析其精度,当测站位于投影带边缘时简化算法将对坐标方位角计算产生较大影响。在陀螺经纬仪的定向作业中,实际需要的是已知边起点与待定边起点间子午线收敛角的变化,经过分析和算例验证,当已知边与待定边间距在50km内时,简化公式完全可以满足高精度陀螺经纬仪定向的需要。最后通过实例说明子午线收敛角的计算过程。     

TSOA/AOA混合定位GDOP性能分析

椭圆-角度混合定位是一种基于信号到达时间之和与到达角的新型定位技术,又称为TSOA/AOA定位。基于椭圆性质提出新的定位数学模型,由误差传播定律推导GDOP的计算公式,并通过仿真分析GDOP的分布规律,给出相应的结论。     

基于双相机的动态测量技术研究

针对振动条件下工件变形检测问题,介绍了一种利用固定基线双相机进行动态测量的方法,对其中涉及的关键技术进行了研究。利用10参数相机畸变模型补偿系统误差,其精度优于0.03像素。采用人工标志点作为测量点,利用数字图像处理技术提取像点坐标,并利用核线约束条件实现其自动匹配。通过空间前方交会计算测量点坐标,静态下重复测量精度优于0.06mm。实验证明,该方法能有效满足工业制造中的工件变形动态测量要求。     

顾及像素比例因子的DLT进行普通数字相机的标定

引入像素与长度单位之间的比例因子,详细推导以像素为单位的像平面坐标与空间坐标的DLT模型.对模型进一步进行改进,在模型中增加了畸变改正,最终得到了较为理想和实用的DLT模型.最后,通过对实际图像进行实验和与经纬仪测量系统的结果分析,验证算法的正确性.     

点云拼接中标志自动匹配方法

基于人工标志的公共点法是中远程地面三维激光扫描仪常用的点云拼接方法。目前,该方法还是手动或半自动,人工交互较多。本文对公共点自动拼接中的标志匹配进行了研究,提出一种基于欧式变换不变量的匹配方法。该方法不需借助编码等其他辅助手段,匹配效率高,非常适合扫描标志的匹配。     

一种基于高度差异的点云数据分类方法

LiDAR点云数据存在数据量大、不易识别、不易处理的问题,为了解决上述问题,需要对点云数据进行分类处理。针对点云分类方法存在精度不高、处理过程复杂等难题,本文提出了一种基于高度差值的二次导数的建筑物、植被的点云分类方法,能够高效、准确地将各类点云分离。利用该方法分离点云数据,首先通过Terra Solid软件对原始LiDAR点云数据进行初步处理,去除噪点并提取出地表点云,然后利用规则建筑和不规则植被高度差异上的二次导数不同,提取出可能是建筑物或植被的点,并利用高斯偏差估计模型为建筑物、植被点的分类提供阈值,最后利用断点统计模型将建筑物、植被点云补充完整。为证明这种方法的可行性和有效性,使用Autzen_Stadium地区的LiDAR点云数据进行点云分类试验,结果表明,该方法具有可行性好、分类效果好、处理自动化等优势。     

面向点云退化的隧道环境的无人车激光SLAM方法

基于激光同时定位与地图构建(simultaneous localization and mapping,SLAM)技术,不仅能够实现车辆在未知环境下的实时定位,还能高效地获取环境的三维地理空间信息,近年来受到了无人驾驶领域的广泛关注.在几何结构匮乏的隧道中,仅依赖几何信息无法配准点云,因此传统激光SLAM方法难以在隧道中应用.为解决这一问题,本文在L OAM的基础上,提出一种点云强度信息增强的改进激光SLAM技术.首先,改进特征提取方法,提出基于点云柱面投影图的自适应特征提取方法,从单帧点云中提取直线、平面、地面和反射强度特征;其次,针对点云的几何特征配准在隧道中的退化问题,提出一种基于强度特征和强度地图的配准优化方法,自适应提取环境中的强度特征并根据强度特征的配准对车辆位姿进一步修正.试验结果表明,该方法较LOAM和HDL-Graph-SLAM具有更好的稳健性,能够在缺乏几何特征但强度特征丰富的隧道内实现稳定的定位和地图构建,定位精度提升了一个数量级.