RTK测量技术在基础控制测量的应用与体会

本文结合某测区GPS静态测量和GPS—RTK代替一级导线的对比,对提高GPS—RTK定位的精度、可靠性进行分析,认为只要采取一定的措施,GPS—RTK技术代替一级导线测量时能够满足点位精度和可靠性要求。     

气孔玄武岩古高程计:原理、方法及应用

古高程可以重建高山地区(尤其是高原)的隆升历史,可以更好地约束造山带的地球动力学过程.气孔玄武岩古高程计是通过熔岩流顶部和底部标准气孔体积比计算出古大气压,进而计算古高程的方法.该方法的研究对象是厚度为1～5m的且具有简单侵住历史的玄武质熔岩.高原隆升之前、期间和后期喷发的熔岩均可应用该方法.尽管该方法已经趋于成熟,但是国内还没有任何报道.对其基本原理、研究方法与应用做了详细的综述,并探讨了该方法在青藏高原和中国东部高原应用的潜力.     

北部湾地区不同相对密度的海砂力学特性分析

为探究相对密度和有效围压对饱和海砂力学特性的影响,利用GDS动态三轴试验仪,对广西北部湾地区海砂开展了一系列固结排水三轴剪切试验,分析了相对密度、有效围压对饱和海砂强度特征、体变特征、割线模量以及摩擦角的影响规律。结果表明：随着围压的减小或相对密度的增大,试样体积应变不断增大,而相对密度或有效围压的增加均会提高试样的峰值强度,有效围压与峰值强度之间呈现良好的线性增长关系。随着围压的减小或相对密度的增大,应力相对软化系数、剪胀系数均不断增大,且有效围压与应力相对软化系数、剪胀系数分别呈线性和半对数线性相关。割线模量随轴向应变的增加整体呈衰减趋势,各试验工况下轴向应变为5%时试样的割线模量相比于轴向应变0.164%衰减了80%~90%。饱和海砂的峰值摩擦角随相对密度的增加而增大,随有效围压的增大而减小,相对密度D_r为50%时有效围压σ_c为50 kPa对应的峰值摩擦角是σ_c为200 kPa的1.098倍。     

AprilTag图像识别应用于高差传递测量方法研究

为促进计算机视觉及智能机器人技术等在传统高差测量中的应用,本文提出一种非接触式的应用AprilTag图像识别技术的高差传递测量方法。首先以Robomaster EP机器人作为高差测量平台,分别在已知点和待测点位放置AprilTag标签,机器人相机分别识别两侧AprilTag标签并进行相对位姿解算,得到两侧标签中心相对于机器人相机中心的三维坐标差。然后发挥机器人相机旋转中心的高差传递作用,计算得到待测点相对于已知点的高差。通过多组试验分别研究机器人相机的俯仰角α、航向角β的变化对高差传递测量精度的影响。试验结果表明,当机器人相机的俯仰角α∈(-2.9°,3.9°]时,或航向角β∈[-5.5°,1°]时,AprilTag图像识别的综合误差E<0.4,识别效果较好,两点间高差误差p_x小于5 mm,高差传递测量的精度可达毫米级。试验结果表明,使用计算机视觉及智能机器人等技术进行高差测量具有一定可行性,为未来测绘行业研发新型智能测量机器人提供一定理论依据和技术探索。     

基于深度BP/ELMAN神经网络的山区GNSS高程转换精度分析

将GNSS测量的大地高以较高精度转换为工程所需的正常高具有重要的实用价值。本文利用GSVS2017项目高精度的GNSS水准数据,分析了深度BP/ELMAN神经网络、广义回归神经网络(GRNN)、径向基函数神经网络(RBFNN)、支持向量机回归(SVR)、二次曲线拟合和曲面拟合等方法用于GNSS高程转换的精度。试验结果表明：(1)在训练点间距为50、30、15、10、5 km时,采用隐含层激励函数为ReLU的深度BP/ELMAN神经网络,其精度比GRNN、RBFNN、SVR、二次曲线拟合和曲面拟合方法高;(2)利用隐含层激励函数为ReLU的深度BP/ELMAN神经网络进行GNSS高程转换,5种训练点间距均可使90%以上检核点间的高差满足四等水准测量精度,75%以上满足三等水准测量精度要求,训练点间距为5 km时,55%以上的高差可达到二等水准测量精度要求。     

联合LoFTR与自适应IRLS的立体测绘卫星高程误差检查

立体测绘卫星产品精度受多种因素的影响,采用一定的技术手段对立体像对接边的平面高程误差进行准确和全面的量测,不仅可以有效保障测绘产品的生产质量,还有助于检查影像内部可能存在的畸变和异常。本文提出了一种立体测绘卫星高程接边误差检查方法,首先通过LoFTR算法对具有重叠的异轨立体卫星像对进行特征匹配后获取大量的高精度匹配点;然后找出能够分别在两个像对上进行前方交会的匹配点,并计算这一位置的高程接边误差;最后通过自适应迭代再加权最小二乘法(IRLS)方法对单一区域中的匹配点对应的高程接边差的平均值进行稳定性估计,剔除检查结果中的异常值,得到可信结果。通过国产资源三号立体像对和高分七号立体像对的试验,证明了该方法达到的精度水平足以满足立体测绘卫星高程误差检查的精度需求,并验证了该方法的有效性。     

基于图像全站仪的天文大地垂线偏差测量及其精度分析EI北大核心CSCD

高精度天文大地垂线偏差在地球重力场模型精化、区域大地水准面模型验证等领域具有重要的应用。目前,数字天顶仪是最为常用的天文大地垂线测量仪器,但存在结构复杂、体积庞大、设备笨重、价格昂贵、运输不便等缺点。本文提出了一种利用图像全站仪实现高精度、全自动垂线偏差测量的方法。简要介绍了垂线偏差测量的基本原理和数据处理方法,并利用Leica公司生产的TS60图像全站仪,在河南郑州和陕西泾阳进行了为期1 a共计23个夜间的野外试验。结果表明,观测时间为12 min时,垂线偏差的内符合测量精度达到0.18″~0.23″;观测时间增加到96 min时,内符合精度提升至0.13″~0.19″,外符合精度优于0.2″。与数字天顶仪相比,图像全站仪兼具了测量精度和效率,甚至具备单人观测的条件,因此具有广阔的推广应用前景。     

利用单向多普勒确定“天问一号”轨道

“天问一号”任务中,单向多普勒轨道确定在我国深空探测任务中得到首次实际应用。本文提出了基于单向多普勒的“天问一号”轨道确定方法。首先对单向多普勒进行观测建模和误差理论分析,然后利用“天问一号”中继轨道段的单向多普勒进行定轨计算,最后使用定轨结果与基准轨道的星历进行比较及重叠弧段轨道比较两种方法,分析仅利用单向多普勒的定轨精度,验证了单向多普勒的定轨能力。分析表明,星载频率源的不稳定和太阳相位闪烁噪声是影响单向多普勒测速精度的主要误差源,“天问一号”中继轨道段,仅利用单向多普勒数据可以实现优于1 km的定轨精度,这为未来我国更遥远的深空探测任务实施提供了重要技术存储。     

SSA-BP神经网络在无人机点云孔洞修补的应用

为了解决无人机点云数据中的孔洞修补问题,本文提出了基于麻雀搜索算法（SSA）优化BP神经网络的无人机点云孔洞修补方法。首先利用麻雀搜索算法对传统的BP神经网络进行初始权重与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法（SSA-BP）运用于无人机点云数据中孔洞的修补。为了验证算法的可行性,将SSA-BP神经网络与传统的BP神经网络、最小二乘支持向量机（LSSVM）两组算法进行精度比较。试验结果表明：SSA-BP神经网络算法的修补精度高于另外两组对比算法,且SSA优化后的BP神经网络稳定性更强,在复杂地形孔洞的修补中仍具有较好的修补效果。     

利用均方误差相对变化规律确定正则化参数及其在PolInSAR测量反演中的应用EI北大核心CSCD

正则化方法是大地测量解算病态问题的常用方法,而正则化参数是影响正则化方法解算结果的关键参数。以均方误差最小为准则选取正则化参数,具有较充分的理论依据,可有效实现模型参数估值精度的提升。但是,均方误差计算过程中需要未知参数的真值,在实际情形中只能通过参数估值替代真值估算均方误差,难以获得可靠准确的均方误差值,限制了正则化参数的有效性。鉴于此,本文分析了正则化参数变化引起的方差与偏差变化规律,提出了一种均方误差相对变化值确定方法。依据不同正则化参数下模型参数真值不变原则,计算不同正则化参数下的方差与偏差相对变化量,从而消除参数真值对均方误差估计的影响。本文首先利用不同正则化参数计算两相邻正则化参数间的方差与标准差相对变化量;然后计算两正则化参数间模型参数估值变化量,通过差分运算分析得到两相邻正则化参数下的偏差相对变化量;最后综合标准差变化与偏差变化关系,得到均方误差最大降幅的正则化参数。通过PolInSAR植被高测量试验对本文方法的可行性进行了验证。试验表明,本文方法可有效改善正则化法模型参数估计精度。两个PolInSAR测量试验模型参数反演精度均得到了提高,合理验证了本文方法的可行性与有效性。