一、基于GPS/INS姿态测量与定位的航空摄影测量精度分析（论文文献综述）
雍晟晖[1]（2021）在《激光扫描式大空间测量场动态测量定位技术研究》文中提出在大尺寸装备制造体系中,大型构件或子装配体的生产装配精度控制技术是整个装备制造过程的关键之一,而在生产装配流程的精度控制中,数字化测量技术是核心。随着大型装备制造技术发展,许多工程应用中需要现场实时监控部件的空间位姿完成多点对接任务,或者需要对部件实施从设计、生产到尺寸检验的全周期精度跟踪,而激光跟踪仪逐渐无法满足多点实时定位与并行测量的任务需求,因此基于前方交会测量场部署的分布式测量系统得以快速发展。课题组前期研究的精密激光定位系统（Accurate Laser Positioning System,ALPS）是针对大尺寸空间测量定位难题研发的一种分布式坐标测量系统,其具备测量精度稳定、多靶并行定位、实时姿态解算等优秀特性,在航空航天、船舶制造、工业自动化等领域具有广泛应用前景。当前,ALPS系统在静态场景的测量误差可达±0.2mm,而在动态场景下的误差极不稳定,需要引入其它技术辅助解决动态测量精度问题。本文在ALPS静态测量模型的基础上,借助捷联的惯性测量单元（Inertial Measurement Unit,IMU）的量测模型,研究一种多传感器融合的动态测量定位技术,解决自主导航、盲区推估、高频数据刷新问题,拓展了 ALPS在动态测量定位任务中的功能。本文主要从ALPS动态误差补偿、IMU位姿测量原理、融合系统标定与定位方法、融合系统硬件平台设计、标定与定位性能验证等方面对ALPS动态测量定位技术进行了研究与讨论。课题主要完成的工作如下:1.在分析ALPS在动态测量定位中误差产生过程的基础上,探究了 ALPS测量系统动态测量的误差形成机理;阐述了 IMU的测量误差机理,研究了将IMU测量数据和APLS定位数据相融合的误差补偿方法。2.针对ALPS和IMU融合的测量系统,利用MATLAB工具软件建立ALPS与IMU的数据模型,研究在实际场景下使用扩展卡尔曼滤波理论进行量测数据融合的方法,并利用数据仿真验证了基于松耦合的数据融合理论。3.基于实际IMU的物理器件性能参数,建立了惯性导航系统（Inertial Navigation System,INS）与ALPS测量系统的坐标系统一过程的物理模型与MATLAB数据仿真模型,探讨了基于空间旋转轴线约束的融合系统动态测量方法,并仿真实验验证了系统动态测量算法的正确性。4.基于Xilinx Zynq 7000平台前端设计了高性能嵌入式数据采集处理器,探究了ALPS单帧数据快速解算方法,将相关驱动算法固化进前端处理设备中,将ALPS系统自身的数据输出频率提升到35Hz,为IMU数据融合修正过程提供基础。5.根据扩展卡尔曼滤波数据融合方法,基于融合测量处理前端设备设计了标定实验与直线轨迹拟合实验。实验结果表明,本文设计的系统标定方法最终三轴标定误差分别为±（0.382°,0.537°,0.463°）,直线轨迹拟合误差在±2.388mm以内,验证了 IMU量测数据融合进ALPS系统提高整体动态测量能力的可行性,使ALPS/IMU融合系统可在慢速AGV导航等场景需求中展开应用。
赵兵[2]（2020）在《基于机载多源遥感数据的地物目标定位与分类技术研究》文中研究指明地物目标的高精度、自动化定位及分类技术在3D数字城市构建,甚至在“智慧城市”、“智慧中国”建设中起到至关重要的作用,同时它是国家大力倡导和重点发展的学科领域,在抗震救灾、人员搜救、军事侦察等诸多领域都有着广泛的应用需求,本论文研究课题即在此背景下提出。传统方法中,实现定位通常采用人工测绘或（Global Position System,GPS）辅助航空摄影测量实现,但该方法需要布设地面控制点（Ground Control Point,GCP）,不仅费时费力,而且在人工无法到达区域难以实现。随着惯性导航技术和装备制造水平的飞速发展,机载定姿定位系统（Position and Orientation System,POS）应运而生,并逐步商业化,使得航空对地观测中布设少量的地控点或无需布设地控点进行目标定位,逐渐成为现实。不仅如此,作为当今航测与遥感中对地观测的新型传感器,机载激光扫描雷达（Lighting Detection and Ranging,LiDAR）的出现,有效弥补了数字航空相机只能捕获地物平面信息的不足,不仅可以提供地物高分辨率影像（强度图像或者高度图像）,同时能提供精确的距离信息,为航空摄影测量中地物三维空间信息的获取及处理提供了极大的方便。本论文紧跟国内外研究前沿,通过引入机载POS系统和机载LiDAR技术,以期实现对地物目标的自主定位和复杂背景下的城市目标自动分类。该课题试图探索提升机载POS系统本身输出精度的方法,针对基于机载POS的目标定位技术展开研究,利用全微分方法建立出定位误差的数学模型,并通过国际上广泛使用的某仿真软件（M软件）进行计算仿真分析。此外,本论文研究了融合航空光学影像和机载LiDAR三维点云数据的典型城市地面目标的分类问题,在LiDAR点云和光学影像配准的基础上,提出三步法（Three Steps,TS）用于LiDAR点云自动分割处理后,通过融合策略与航空影像中特征相结合,分类提取出四种不同类型的城市地面目标,该算法的分类精度理论上达到90%。总体来讲,本论文主要研究内容及创新点如下:1)提出了一种改进的平方根容积卡尔曼滤波算法针对机载POS系统内部的差分GPS（Differential GPS,DGPS）及惯性导航（Inertial Navigation System,INS）的联合滤波融合问题,提出一种基于自适应噪声估计器的平方根容积卡尔曼滤波算法。该算法利用容积卡尔曼滤波（Cubature Kalman Filter,CKF）,通过引入矩阵的正交三角QR分解和Cholesky分解因数的更新技术,直接传播并相应地更新状态协方差矩阵的平方根。该算法将自适应的噪声估计器和小波卡尔曼滤波结合,建立附加权值的量测噪声的协方差矩阵,因该矩阵通过INS和DGPS的实时观测值计算得出,保证了其计算值和实际系统基本一致。仿真实验结果表明,该算法具有较高的滤波精度和较强的鲁棒性。2)提出了一种基于BP神经网络的外方位元素的解算方法针对机载POS系统辅助航空摄影测量中传统坐标变换方法解算航摄影像外方位元素的不足,提出一种基于BP神经网络（BP Neural Network,BP-NN）航摄像片的外方位元素解算方法。将机载POS的输出值作为BP神经网络的输入,结合笛卡尔直角坐标变换,并采用M软件对BP网络进行训练和调整,构造出15-4-6型结构的三层神经网络。机载POS系统的惯性测量单元（Inertial Measurement Unit,IMU）及DGPS的输出经神经网络的每个神经元加权运算,求和结果反向传播,利用非线性激励函数作矩阵运算,最后在神经网络的输出层得到航摄像片的六个外方位元素值。仿真实验表明该算法具有良好的解算精度,可实现无GCP布设的航摄像片的外方位元素获取。3)提出了一种基于航空影像与机载LiDAR点云数据融合的目标分类算法针对3D城市建模中城市地面典型目标物的分类提取问题,通过融合航空光学影像与机载LiDAR点云数据,提出一种城市地面目标的分类算法,该算法包括图像与点云的预处理、LiDAR点云的滤波分割、图像与点云中关键特征信息的提取,以及目标物的自动分类三部分。通过该算法可高精度地获取四类城市目标信息并且给出相对充分的误差精度信息。具体而言,首先利用多向地面滤波算法（Multi-Directional Ground Filtering,MGF）对LiDAR点云数据分割,同时提取LiDAR点云和航摄影像的特征量,最后,利用改进的区域增长算法（Regional Increasing,RI）和多级分类器对已经分割好的LiDAR点云和航摄图像进行对应的城市地面目标物的分类。
俞家勇[3]（2020）在《移动测量系统异构数据高精度融合方法研究》文中进行了进一步梳理集成激光雷达、组合导航、相机等多种传感器的移动测量系统广泛应用于测绘、智能驾驶等多种行业当中。传感器的多元化很大程度上推动了移动测量技术的快速发展,但也为移动测量系统数据一体化处理带来了严峻的挑战,如何实现系统各传感器获取的异构数据高精度和有效融合是移动测量技术发展的所需要解决的关键问题。针对移动测量系统异构数据（3D激光点云、2D影像）高精度融合,论文分别从移动测量系统检校与异构数据融合两个关键部分开展相关研究,以移动测量系统原理为基础、系统传感器高精度检校算法为核心,通过异构数据的高精度融合建立移动测量一体化数据模式,实现系统中不同传感器获取的异构数据信息有效整合与共享。论文主要研究内容和创新点如下:（1）构建了一种基于多特征约束的移动测量系统视准轴误差自检校模型,解决单一特征约束模型适应性差以及检校过程自动化程度低等问题,增强了检校模型的鲁棒性。根据视准轴误差影响规律,从单一特征约束的检校模型入手,提出了基于参考面约束的视准轴误差检校模型以及基于球特征的视准轴误差检校模型,实验结果表明,单一特征约束检校模型虽然能有效求解出视准轴误差并获得较高的检校精度,但存在对集成不同类型激光雷达传感器的移动测量视准轴误差检校的普适性较差的问题。为提高检校模型的普适性、稳定性,同时结合特征自动化提取算法,构建了一种基于多特征约束的视准轴误差自检校模型,在构建检校模型时采用多种特征作为约束,同时引入排列方法进行约束方程匹配用于确保观测量对检校结果影响的等效性。通过集成不同精度传感器的四种移动测量系统对该检校模型进行验证。实验结果表明,方法能够有效消除视准轴误差,具有较好的适应性和可靠性。最后根据协方差传播定律,从理论层面验证了多特征约束模型的可靠性要优于单一特征约束的检校模型,精度更高、适应性更强;（2）提出了一种基于整体最小二乘的稳健相机内参数检校方法,并设计出一种检校装置用于克服图像（2D）-激光点云（3D）两种异构数据同名特征精提取问题。针对相机内参数检校方法中因参数过多易陷入局部最优解、观测值和系数阵中存在误差的情况,通过将直接线性变换法与空间后方交会法相结合,用于解决相机内参数线性化解算过程中容易陷入局部最优解的问题;通过构建整体最小二乘并在解算过程中利用像点位移残差标准差为阈值进行粗差剔除从而获得相机内参数的可靠估值。在相机内参数精检校的基础上,为实现移动测量一体化数据模式,以三维点云数据为基准,棱台装置为桥梁,将点云自动化以及图像识别算法相结合,实现图像（2D）-激光点云（3D）两种异构数据同名特征精提取,有效提高了相机外参数高精度检校。最后,以面阵相机与全景相机为对象进行外参数检校实验验证,结果表明相机外参数检校中误差优于1个像素;（3）提出了一种基于时间的序列化影像数据融合方法,通过邻域影像修补技术解决相机视场角不匹配导致真彩点云缺失问题,实现激光点云与影像数据高精度融合。根据移动测量系统时间同步机制,以影像触发的GNSS时间为基准,结合激光点云采集连续性以及影像采集间隔性的特点,通过时域分割方法实现激光点云与序列化影像快速高精度融合。以搭载面阵相机的无人机移动测量系统和搭载全景相机的车载移动测量系统为对象进行实验分析,结果表明提出的融合方法可行、精度可靠。在此基础上,针对相机传感器与激光雷达视场角不匹配问题,依托高精度相机外参数检校技术,设计了邻域影像修补方法,解决了因传感器视场角不匹配而造成的真彩点云信息缺失问题,有效提升了真彩点云信息的完备性;（4）建立了基于球坐标系下共线关系的全景立体量测模型,同时结合深度相机原理,提出了一种基于距离影像的单全景量测模型。在移动测量系统检校、高精度融合的基础上,针对全景影像量测问题,结合传统摄影测量立体量测理论,构建出基于球坐标系下共线关系的全景立体量测模型。通过实验分析,全景立体量测模型在15m范围内量测中误差为2.3cm。在此基础上,考虑到全景立体量测交互复杂性以及交会角对量测精度影响问题,结合深度相机原理以点云反向融合为支撑,提出了一种基于距离影像的单全景量测模型。该方法利用三维激光点云反向融合为影像数据提供距离信息,实现全景影像数据由2D向3D维度的升华。通过实验评估,单全景量测模型理论可行、方法可靠,量测中误差为3.8cm,完全能够满足测绘中全景量测需求,有效实现移动测量系统异构数据高精度双向融合与应用。
王旭博[4]（2020）在《移动测量系统中组合定位定姿技术的研究》文中提出随着科技的日新月异,以及人们对空间信息获取和更新需求的提高,传统的测绘方式已经不能满足人们对空间信息快速获取的需求。在这种情况下,一种新的测绘方式应运而生,“移动测量技术”凭借其信息获取速度快的优势,以及对地物属性获取的全面性和高精度性,逐步成为制图新技术的典型代表。移动测量系统中搭载多种传感器,比如,IMU、GPS、CCD相机、激光雷达等,而对各种传感器所获取的数据处理成为该技术的一个难点,其中移动测量技术中的定位定姿系统（POS）是获取高质量、高精度成图结果的关键,因此本文研究的主要问题就是如何利用GPS高精度载波相位观测值和IMU的观测值提高POS解算的精度。围绕这一问题,本文主要完成了如下研究工作:1、以GPS观测量为基础,研究了GPS信号的构成,对比分析了伪距观测量和载波相位观测量之间的特点,根据分析得出,在整周模糊度确定的情况下,以载波相位为观测量的定位精度远远高于以伪距为观测量的定位精度。以差分理论为基础,推导了载波相位的单差、双差和三差的公式,并对三种差分方式的优劣进行了对比,总结得出双差是稳定性和精度最理想的一种定位方式。2、对惯性器件的随机误差进行了研究,应用ALLAN方差对STIM300陀螺器件的随机误差做了定量分析,实验结果发现不同温度下陀螺随机误差值不同,且常温条件下得出的随机误差值和仪器出厂参数相当。考虑到实际应用中陀螺随机误差的动态特性,应用动态ALLAN方差对转动条件下光纤陀螺的随机误差动态变化进行分析。3、推导了地固系下惯导的力学编排公式以及惯导误差方程。构建了载波相位差分GPS和惯导的组合卡尔曼滤波方程。用机载实测数据进行了实验,得出在卫星数大于四颗的情况下紧组合精度稍优于松组合。4、分析推导了反向惯导算法和反向卡尔曼滤波算法,利用TFS平滑算法和RTS平滑算法对紧组合算法进行了平滑后处理实验,实验表明平滑对POS后处理精度提高具有很大的作用。本文在原有平滑的基础上提出了SRTS平滑算法,通过对比分析得出,不论在卫星失锁还是正常情况下,新的平滑方法都要稍优于传统的平滑方法。
刘飞[5]（2020）在《多传感器融合的高精度无缝定位模型与方法研究》文中研究表明室内外无缝定位信息是关系到国防安全、经济发展、社会民生的重要数据基础,发挥着重要的支撑作用,在国内外得到极大的重视和发展。然而,针对城市复杂环境以及室内等GNSS盲环境的高精度无缝定位技术仍然存在着定位模型与方法研究不足的情况。因此,本文围绕室内外无缝定位主题,开展了基于GNSS、UWB、INS和视觉等传感器融合的室内外定位模型、方法研究,形成了以下创新成果:（1）针对定位盲环境或者应急情况下存在定位基准缺失和破坏等问题,提出了一种基于UWB/GNSS技术的覆盖区域、现场和室内的三级室内外无缝定位基准构建方法,重点研究了基于UWB自组网定位基准构建方法,解决了GNSS室外定位基准向室内传递问题,实现了0.35m量级定位精度的UWB室内定位基站网络自动构建,可以保障定位盲环境且兼顾应急情况下的室内外定位基准需求。（2）针对高楼林立街道、立体交通、长距离隧道、树洞街道等复杂的城市环境对城市高精度、高连续和高可靠性导航定位的挑战,提出了一种零速约束的GNSS/INS/Odometer紧组合定位模型,通过GNSS抑制INS设备的误差漂移,利用INS辅助提高GNSS模糊度解算成功率,通过Odometer辅助解决GNSS长时间失锁时INS定位发散的问题,通过紧组合模型能够充分发挥三者互相补充的优势,实现在上述场景下高精度定位。结果表明除了长隧道环境在2分钟内,可以保持优于2米的定位精度外,其他场景基本可以实现0.1米的定位精度。（3）针对UWB测距受到室内非视距、多路径等影响测距和定位精度等情况,首先,研究了基于RBF神经网络算法的UWB测距误差改正模型,实现了UWB室内测距精度优于0.08m;研究分析了基于TOA原理的UWB定位模型,并在此基础上提出了基于改进抗差EKF的UWB室内定位模型,根据预测残差调整增益矩阵的大小,减弱或者消除了粗差对状态向量的影响。该方法平面定位中误差为0.13m,对比基于最小二乘和EKF算法,分别提高了88.98%和53.57%。（4）提出了一种UWB、PDR和地图融合高精度室内定位模型,可以通过UWB为PDR定位提供空间基准、抑制PDR定位精度发散;利用PDR提高UWB的定位频率、解决UWB信号覆盖差或者无覆盖区域的定位问题;且通过室内地图帮助抑制PDR航向角发散,以及定位结果发散等问题,相互取长补短,实现具备绝对定位基准、高频率、高精度室内定位。（5）针对非视距环境下UWB室内高精度定位问题,提出了一种基于CKF算法的UWB/INS融合定位模型,在室内非视距环境下定位,可以消除由于UWB信号受到遮挡而产生的多路径和非视距效应,而且可以增加定位结果的高频姿态信息。当IMU积分数据的误差增大时,通过UWB定位数据可以对INS定位结果进行约束。（6）针对单目视觉SLAM存在着尺度漂移、由于环境因素影响频繁初始化,导致定位不连续等问题,提出了一种顾及尺度因子的UWB/视觉融合定位模型,通过UWB与视觉的融合,可以充分发挥二者之间的互补特性,解决视觉初始化、尺度模糊和绝对空间基准等问题,提高UWB定位精度和定位频率以及减少基站的数量。该模型可以可靠地在纹理稀疏或者光线频繁变化室内环境实现0.2m量级的定位精度。（7）提出了一种编码图形辅助的单像室内定位模型,可以以单幅影像为基础,通过编码图形物方点、像方点和投影中心共线的原理,从该影像所覆盖范围内的编码图形的已知地面坐标和相应点的像坐标量测值出发,解算出摄像机在摄影时刻所处的位置。计算过程中涉及到的编码影像、编码图形、编码图形的像方和物方坐标均可以通过计算机自动识别和获取。另外,通过Tukey权因子模型,可以检测编码图形像方坐标存在的误差,并根据观测值残差大小调整参与计算的权重,进而减弱或者抑制观测值误差对定位结果的影响,实现优于0.1米量级定位精度。本文提出的理论模型和方法的可行性、可靠性和定位精度经过了试验验证,相关的模型和方法可以用于室内外行人、车辆等高精度定位。该论文有图110幅,表25个,参考文献163篇。
张绪棋[6]（2020）在《GNSS/INS对无人机测图精度的影响分析》文中提出随着时代的发展,传统的摄影测量已经无法满足国家的发展需要,进一步提高航空摄影测量的工作效率迫在眉睫。减少野外像控点的数量可以很大程度的提高航空摄影测量的效率,因此,减免野外像控点数量已经成为国内外学者在摄影测量领域中的主要研究内容。定位技术在近年来不断进步,GNSS/INS组合导航技术被应用于航空摄影测量中。GNSS/INS组合导航系统综合了GNSS技术与INS技术的优势,是一种定位精度更高且能输出载体姿态信息的定位技术,所提供的POS数据极大程度的简化了无人机测图的作业流程。研究以GNSS/INS系统辅助无人机测图为基础,通过将GNSS/INS应用于航测中,在同一测区内采用GNSS辅助空中三角测量、GNSS/INS辅助空中三角测量和GNSS/INS直接定向法测图分别进行正射影像图测绘,采用不同的像控点布设方案对比了GNSS与GNSS/INS在航摄中的差距,并通过对GNSS/INS直接定向法进行成图精度分析,验证了直接定向法的可行性。研究结果表明,GNSS/INS系统较GNSS系统在航测中成图精度更高,且GNSS/INS系统可以减少野外像控点数量。GNSS/INS直接定向法在平面、高程精度上均能达到测图规范要求,验证了通过校验场校正的GNSS/INS直接定向法在大比例尺无人机测图中完全免除野外像控点是完全可行的,但直接定向法,精度相对较低。因此,GNSS/INS系统在航测中的应用还需进一步完善。图39幅;表7个;参61篇。
张松浩[7]（2020）在《基于PPK技术的无人机测绘精度分析研究》文中提出低空无人机测绘具有工作效率高、测量精度高、工作周期短、运营成本低、人员需要少和灵活性高的特点。有效地补充了航空遥感以及空间遥感在摄影测量中的不足。近年来,无人机低空航测已广泛应用于国家重大工程建设当中。在现代化新农村建设等方面也有广泛应用。不仅如此,低空无人机航测在数字城市建设和基础测绘等方面展现出广阔的应用前景。基于后差分技术的无人机在低空无人机测绘方面体现出减少像控点布设的独特优势。试验基于后差分技术（Post Processing Kinetic）的无人机,在像控点数量不同时,对同一测区得到的数字产品进行精度对比分析。通过扩大试验测区面积,在生成产品满足成图比例尺的测图精度要求时,所得的像控点数量。对试验测区进行分类,按面积约两平方公里、约四平方公里、约七平方公里分成三个试验测区。在同一测区下,产品满足成图比例尺精度要求时,所得像控点的数量。基于PPK技术的无人机测绘在面积不同情况下,布设合理数目的像控点既能保证测图精度又能降低成本提高工作效率。在同一测区下,平面点位中误差更容易满足误差要求,高程点位中误差若要满足精度要求则需要增加像控点。增加像控点后,平面中误差改变较小,高程中误差改变较大,提取的高程值越接近真实的高程。通过实地数值与提取数值对比的数据考证,得到了基于PPK技术的无人机测绘精度相应结论,表明了基于PPK技术无人机的适用性可行性。可为基于PPK技术无人机像控点布设及数据处理提供一定的依据与参考,提高测量工作效率。图34幅；表18个；参68篇。
何佳男[8]（2019）在《贴近摄影测量及其关键技术研究》文中研究指明随着社会的发展和技术的进步,人类对观测世界并获取感兴趣对象的精细化地理空间信息提出越来越多的要求。摄影测量与其他技术手段相比,具有低成本、数据处理方便、高精度、非接触、直接带有纹理信息的优势。为了获取目标场景的高分辨率、高质量影像,现有方法一般通过倾斜摄影测量或地面近景摄影测量进行数据采集。但由于这两种方法的固有特点,它们在对非常规地面（如滑坡、大坝、高边坡等）或者人工物体表面（如建筑物立面、高大古建筑、地标建筑等）等目标进行精细化数据获取的应用中仍有不足。无人机技术在近几十年的快速发展,为摄影测量提供了新的数据获取手段。无人机技术与传统航空或低空摄影测量、近景摄影测量以及倾斜摄影测量方法的结合得到越来越多的关注和研究。但它们在对非常规地面或人工物体表面进行精细数据采集时仍然面临效率和数据质量两方面的问题。因此本文从精细化三维重建和信息提取的需求出发,提出贴近摄影测量的方法:充分利用无人机平台在数据获取方面的优势,实现对这些目标亚厘米甚至毫米级别分辨率影像的高效自动化采集,并进行高精度空中三角测量处理,为其精细化重建奠定基础。本文的主要研究工作如下:（1）提出了贴近摄影测量的方法,并阐述其概念与含义。贴近摄影测量的研究背景是对目标精细化三维重建和信息提取的需求,它充分利用无人机平台在数据获取方面的优势,具有贴合目标表面飞行、自动朝向目标表面拍摄的特点,其核心是“从无到有”、“由粗到细”的精细化影像数据自动采集策略。它可以实现非常规地面或者人工物体表面高分辨率影像的高效自动化采集,以及高精度空中三角测量处理,为这些目标的精细化重建奠定基础。（2）对初始场景信息引导下的贴近航迹规划方法进行了研究。贴近航迹规划包括计算无人机对目标拍摄时的位置和摄影姿态,是无人机安全进行贴近数据采集的前提。根据贴近摄影测量对象的特点,本文将其划分为规则和非规则目标,然后分别研究了合适的贴近航迹规划方法。同时,还针对各类目标研究了交向贴近航迹的规划方法,以提高贴近摄影测量在深度方向的精度。通过该方法可以实现无人机对目标自动、高效地贴近拍摄,保证数据获取的效率和质量。（3）研究了贴近摄影数据的空中三角测量方法。该方法充分挖掘空间关系约束条件的作用,实现对贴近摄影数据的高精度空中三角测量处理。首先根据影像的GPS坐标判断拍摄目标的类型,自适应地确定基于空间距离约束分组的距离阈值,对影像进行分组,避免穷举匹配;然后利用空间覆盖约束条件进一步去除重叠区域较小或狭窄的匹配对,并在组内构建自由网;最后通过最小二乘方法对各组方位元素进行综合,并以此为初值进行整体的GPS辅助的自检校光束法平差。三组典型目标的贴近摄影测量数据被用来验证本文方法,结果表明,本方法可以有效地对贴近摄影数据进行处理,恢复其高精度的位置姿态参数。（4）对贴近摄影测量的精度进行分析与评价。首先,对本文使用的数据获取平台RTK无人机的无控定位精度进行了实验分析,结果表明,RTK无人机有较高的绝对定位精度,能对贴近摄影中不方便布设控制点的目标提供精度保障。同时,本文还对贴近摄影测量的交向拍摄问题进行了实验与分析,实验结果证明了本文交向贴近航迹规划中安置角计算方法的正确性。最后,通过两组数据对贴近摄影测量的相对精度进行分析,发现使用普通的无人机也可以保证较高的相对精度。（5）结合实际应用,对贴近摄影测量在地质调查、灾害应急、水利工程、文物古建筑保护以及建筑物精细化三维重建等领域的实际应用价值和意义进行说明。
石硕崇[9]（2019）在《海岛组合测绘技术研究》文中研究表明海岛测绘是近年来海洋研究的热点问题。为满足我国海洋开发对海岛基础地理信息的需求,船载水陆一体测量系统成为了海岛测绘中新兴的空间探测技术,其集成多波束测深仪、三维激光扫描仪、定位定姿系统等多传感器,同步走航式获取海岛水上水下空间数据,弥补了传统海岛测量技术的不足,基本实现了水陆地形的无缝拼接测量。本文船载和航空摄影数据来源于2016年数据,机载LiDAR数据来源于2018年实验数据。该船载系统现行设计是在采集设置选择无高程来源时,则需验潮,而船载实验时选择了无高程来源,且未验潮。国内外对船载水陆一体测量系统研究仅十年左右,时间较短且实验成本较高,系统的研究现处于不断探索完善阶段。主要存在的问题为:（1）在成果上,海岛陆部空间信息获取尚存在测区信息获取不完整的突出问题;（2）在无法登岛验潮和无法获得有效的潮位数据情况下,一体化信息中的高程数据则存在空白问题,需要尝试从紧组合解算的POS数据提取潮位信息;（3）不同环境的测线布设、施测环节和数据处理在行业内尚存在不规范的情况,加之精度控制不佳,这些都将影响点位的最终坐标归算,产生错位、波浪状误差等。即使国外研制的系统仍存在诸多问题需要不断探索改进,因此深入研究该系统及其联合其它新兴的多传感器集成测量系统,优势互补,形成完整的海岛组合测量方案具有重要的研究意义和参考价值。为此,本文研究以自然资源部第一海洋研究所引进的船载水陆一体测量系统为主体,结合新兴的海岛航空遥感技术（航空摄影技术和旋翼无人机载LiDAR测量技术）进行海岛组合测绘,探究能否实现海岛的完整测绘。本文的主要工作和创新如下:（1）POS解算是基于PPK技术,针对已有浮标潮位测量实验数据,先验证了近远距离PPK解算提取潮位的精度;之后对POS数据进行了精度评定,考虑实时涌浪和延迟涌浪因素,采用卡尔曼滤波算法和滑动平均算法滤去噪声和高频信息,成功将POS信息中提取的潮位作为高程来源进行应用,为系统功能模块的改进提供了重要参考。（2）完成船载数据、无人机摄影数据和机载LiDAR数据处理与分析,利用三种组合测量系统进行水上水下无缝地形测量,基本实现了海岛测量盲区的全覆盖组合测绘。（3）总结了船载系统的误差来源,系统性对各系统进行了精度评定和适用性分析,采用ICP算法对三种组合测量系统数据进行了数据配准融合。
田水根[10]（2019）在《轻小型POS关键技术及其在无人机遥感中的应用》文中研究指明无人机遥感测量系统由飞行平台、POS系统（Position and Orientation System）和遥感载荷三大部分组成。而以轻小型无人机为飞行平台的航测系统具有成本低廉、适应性强、影像分辨率高、机动灵活、环境要求低、便于携带和运输等显着优点,可被广泛应用于三维城市建模、区域规划、精准农业、电力巡检、环境监测等方面。其中定位与测姿系统是由差分GNSS高精度定位系统与惯性导航系统（Inertial Navigation System,INS）集成,为基于直接地理参考的航空遥感提供位置和姿态基准,是获取高质量遥感成像的关键。为了适应轻小型无人机有效荷载小、续航能力弱、低成本化等特点,在轻小型POS系统中通常选用高性能、重量轻、体积小、成本低的微机电系统（Microelectro-mechanical System,MEMS）惯性传感器。通过低精度、低成本GNSS/MEMS INS组合获取高精度POS数据应用于无人机遥感测量,对地理测绘的发展具有重大意义。本文对轻小型POS关键技术及其在无人机遥感中的应用进行了研究和实验分析,具体如下:1.阐述了POS辅助无人机遥感系统的基本原理,并对POS系统辅助航空摄影与激光雷达扫描测量原理进行了理论分析。从基本理论分析了POS辅助航空遥感系统中涉及的相关坐标系互相转换矩阵,以及遥感作业技术流程与注意要点。2.概述了DGNSS定位、INS定位的基本原理与组合方式,基于高阶卡尔曼平滑滤波算法,使用GNSS载波相位观测量双差差分解算获得飞行平台的位置和速度,和IMU采集的观测数据进行松耦合解算,并利用三向平滑滤波改进算法,进一步提升位置和姿态的解算精度。3.对无人机遥感系统误差源及其对成图精度影响进行理论分析。分析探讨卡尔曼滤波初始参数对POS定位测姿精度影响,以及其最终导致成图误差影响。分别对影像遥感和机载雷达的成图结果进行精度分析,从而验证该POS系统的有效性以及可行性。
二、基于GPS/INS姿态测量与定位的航空摄影测量精度分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于GPS/INS姿态测量与定位的航空摄影测量精度分析（论文提纲范文）
（1）激光扫描式大空间测量场动态测量定位技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究意义 |
| 1.3 大尺寸动态测量定位技术发展现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 背景现状分析 |
| 1.4 研究内容框架 |
| 2 大空间测量场动态测量定位原理与误差分析 |
| 2.1 ALPS测量定位原理 |
| 2.2 ALPS动态测量误差机理分析 |
| 2.2.1 单站激光扇面异步导致的特征角误差 |
| 2.2.2 多站时间基准异步导致的特征角误差 |
| 2.3 IMU惯性测量单元原理与选型 |
| 2.3.1 IMU测量原理 |
| 2.3.2 IMU器件现状与选型 |
| 2.4 IMU应用在地理坐标系下的力学编排 |
| 2.4.1 角速度补偿方程 |
| 2.4.2 加速度补偿方程 |
| 2.4.3 四元数姿态方程 |
| 2.4.4 速度、位置方程 |
| 本章小结 |
| 3 ALPS/IMU融合系统的标定技术与定位方法研究 |
| 3.1 ALPS/IMU融合系统的动态测量定位原理 |
| 3.2 ALPS单帧数据快速解算方法 |
| 3.3 ALPS/IMU融合测量的标定技术 |
| 3.3.1 IMU初始参考选取 |
| 3.3.2 融合系统坐标系统一 |
| 3.4 基于离散卡尔曼滤波的数据融合方法 |
| 3.4.1 卡尔曼滤波器原理 |
| 3.4.2 融合滤波系统设计 |
| 3.5 标定与融合定位仿真 |
| 3.5.1 标定模型仿真 |
| 3.5.2 轨迹拟合仿真 |
| 本章小结 |
| 4 基于ZYNQ的动态定位数据处理硬件平台设计 |
| 4.1 基于ZYNQ的数据处理硬件电路板卡设计 |
| 4.1.1 Zynq-7000 So C体系结构简介 |
| 4.1.2 硬件平台框架设计 |
| 4.1.3 IP集成与配置 |
| 4.1.4 硬件设计综合与实现 |
| 4.2 驱动软件设计 |
| 4.2.1 光电脉冲数据接口设计 |
| 4.2.2 BRAM缓存数据与单帧处理 |
| 4.3 电源管理单元设计 |
| 4.3.1 Zynq主控电源设计 |
| 4.3.2 光电接收器供电设计 |
| 4.3.3 外部设备电源设计 |
| 4.4 结构设计 |
| 本章小结 |
| 5 ALPS/IMU动态测量定位系统性能验证实验 |
| 5.1 ALPS测量系统部署与初始化 |
| 5.2 ALPS单帧解算精度与速度性能验证实验 |
| 5.3 ALPS/IMU融合系统标定实验 |
| 5.3.1 ALPS/IMU融合系统标定靶标板搭建 |
| 5.3.2 实验结果分析 |
| 5.4 融合系统动态测量轨迹拟合实验 |
| 5.4.1 单轴运动平台的搭建 |
| 5.4.2 轨迹跟踪结果误差评定 |
| 本章小结 |
| 6 结论与展望 |
| 6.1 课题结论 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间主要研究成果 |
（2）基于机载多源遥感数据的地物目标定位与分类技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词目录 |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外发展及研究现状 |
| 1.2.1 航空遥感的数字化发展及现状 |
| 1.2.2 机载POS系统发展及现状 |
| 1.2.3 直接对地目标定位技术发展及现状 |
| 1.2.4 城市目标分类技术发展及现状 |
| 1.3 本文主要研究内容和结构 |
| 第2章 基于A-SRCKF的机载POS输出精度提升 |
| 2.1 POS系统工作原理 |
| 2.2 POS系统精度提升算法 |
| 2.2.1 算法设计 |
| 2.2.2 实验与结果分析 |
| 2.3 机载稳定平台精度提升 |
| 2.3.1 稳定平台控制方法 |
| 2.3.2 实验与结果分析 |
| 2.4 本章小结 |
| 第3章 基于机载POS的直接对地目标定位 |
| 3.1 直接目标定位DG技术 |
| 3.2 目标定位精度的数学模型建立 |
| 3.2.1 定位系统各种误差源 |
| 3.2.2 外方位元素转换与获取 |
| 3.2.3 DG理论精度模型 |
| 3.3 实验与结果分析 |
| 3.4 本章小结 |
| 第4章 基于MGF和 MCS的典型城市地物目标分类 |
| 4.1 LiDAR原理及数据处理 |
| 4.1.1 LiDAR工作原理 |
| 4.1.2 LiDAR数据分析与处理 |
| 4.2 基于MGF和 MCS的城市目标分类 |
| 4.2.1 机载LiDAR点云与影像配准 |
| 4.2.2 基于MGF和 MCS的目标分类 |
| 4.3 仿真实验与结果分析 |
| 4.3.1 数据源简述 |
| 4.3.2 配准实验及结果分析 |
| 4.3.3 目标分类实验及结果分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 主要工作总结 |
| 5.2 存在问题及研究计划 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）移动测量系统异构数据高精度融合方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 2 移动测量系统 |
| 2.1 移动测量系统组成 |
| 2.2 移动测量系统坐标系 |
| 2.3 移动测量系统定位原理 |
| 2.4 坐标转换模型 |
| 2.5 本章小结 |
| 3 移动测量系统扫描仪视准轴误差检校 |
| 3.1 误差分析与理论精度 |
| 3.2 基于参考面约束的视准轴误差检校模型 |
| 3.3 基于球特征约束的视准轴误差自检校模型 |
| 3.4 基于多特征约束的视准轴误差自检校模型 |
| 3.5 基于协方差传播定律的检校模型精度分析 |
| 3.6 本章小结 |
| 4 移动测量系统相机检校 |
| 4.1 相机内参数检校 |
| 4.2 移动测量系统面阵相机外方位检校 |
| 4.3 移动测量系统全景相机外方位检校 |
| 4.4 本章小结 |
| 5 移动测量系统异构数据融合 |
| 5.1 基于面阵相机的序列化影像融合 |
| 5.2 基于全景相机的序列化影像融合 |
| 5.3 本章小结 |
| 6 移动测量系统全景影像量测 |
| 6.1 全景影像立体量测模型 |
| 6.2 基于距离影像的全景量测模型 |
| 6.3 本章小结 |
| 7 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（4）移动测量系统中组合定位定姿技术的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题的依据和意义 |
| 1.2 MMS及其导航定位技术的发展和现状 |
| 1.2.1 MMS的发展和现状 |
| 1.2.2 组合系统的发展和现状 |
| 1.3 论文的主要研究内容 |
| 第二章 高精度动态差分GPS数据处理模型 |
| 2.1 GPS观测量及其观测误差 |
| 2.1.1 GPS观测量 |
| 2.1.2 GPS观测误差及处理方法 |
| 2.2 GPS动态定位方法 |
| 2.2.1 单差定位模型 |
| 2.2.2 双差定位模型 |
| 2.2.3 三差定位模型 |
| 2.3 GPS定位随机模型 |
| 2.4 本章小结 |
| 第三章 SINS基础理论和导航算法 |
| 3.1 常用坐标系及其转换 |
| 3.1.1 常用坐标系定义 |
| 3.1.2 坐标系变换 |
| 3.2 捷联惯导的导航方程 |
| 3.2.1 姿态更新 |
| 3.2.2 速度更新 |
| 3.2.3 位置更新 |
| 3.3 捷联惯导及误差模型 |
| 3.3.1 姿态误差 |
| 3.3.2 速度误差 |
| 3.3.3 位置误差 |
| 3.4 IMU误差 |
| 3.5 SINS系统噪声 |
| 3.6 陀螺器件测试与分析 |
| 3.6.1 随机误差 |
| 3.6.2 ALLAN方差的基本原理 |
| 3.6.3 动态ALLAN方差 |
| 3.6.4 ALLAN方差对陀螺数据的分析 |
| 3.6.5 DAVAR对陀螺数据的分析 |
| 3.7 本章小结 |
| 第四章 组合系统的设计与算法 |
| 4.1 组合系统中的卡尔曼滤波算法 |
| 4.1.1 卡尔曼滤波的原理 |
| 4.1.2 误差反馈方式 |
| 4.1.3 误差校正算法 |
| 4.2 组合系统的状态方程 |
| 4.3 组合系统的量测方程 |
| 4.3.1 松组合量测方程 |
| 4.3.2 紧组合量测方程 |
| 4.4 滤波初始化 |
| 4.5 杆臂误差的补偿 |
| 4.6 实验分析 |
| 4.6.1 松组合实验 |
| 4.6.2 紧组合实验 |
| 4.6.3 紧组合和松组合的比较分析 |
| 4.7 本章小结 |
| 第五章 组合后处理算法研究 |
| 5.1 逆向导航算法 |
| 5.2 逆向滤波算法 |
| 5.3 平滑算法 |
| 5.3.1 TFS平滑算法 |
| 5.3.2 RTS平滑算法 |
| 5.3.3 SRTS平滑算法 |
| 5.4 实测数据的分析 |
| 5.4.1 TFS平滑算法 |
| 5.4.2 RTS平滑算法 |
| 5.4.3 SRTS平滑算法 |
| 5.4.4 不同平滑算法的比较 |
| 5.5 卫星失锁情况下平滑算法测试 |
| 5.5.1 TFS平滑算法 |
| 5.5.2 RTS平滑算法 |
| 5.5.3 SRTS平滑算法 |
| 5.5.4 不同平滑算法的比较 |
| 5.6 本章小结 |
| 结论和展望 |
| 参考文献 |
| 致谢 |
（5）多传感器融合的高精度无缝定位模型与方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文的组织结构 |
| 2 室内外无缝定位理论模型研究 |
| 2.1 最小二乘估计 |
| 2.2 线性Kalman滤波模型 |
| 2.3 非线性Kalman滤波模型 |
| 2.4 常用坐标系统 |
| 2.5 实验分析 |
| 2.6 本章小结 |
| 3 UWB/GNSS室内外无缝定位基准构建方法研究 |
| 3.1 室内外无缝定位基准构建方法 |
| 3.2 UWB自组网室内定位基准构建方法 |
| 3.3 实验分析 |
| 3.4 本章小结 |
| 4 GNSS/INS/Odometer紧组合室外定位模型研究 |
| 4.1 GNSS/INS紧组合定位模型 |
| 4.2 动态零速约束模型 |
| 4.3 INS/里程计组合导航模型 |
| 4.4 实验分析 |
| 4.5 本章小结 |
| 5 基于改进抗差EKF的 UWB室内定位模型研究 |
| 5.1 UWB室内TOA定位原理 |
| 5.2 基于RBF神经网络的UWB测距误差改正模型 |
| 5.3 改进的抗差EKF UWB定位模型 |
| 5.4 实验分析 |
| 5.5 本章小结 |
| 6 基于UWB/PDR/地图融合的室内定位模型研究 |
| 6.1 基于Tukey因子最小二乘UWB定位模型 |
| 6.2 PDR定位模型 |
| 6.3 UWB/PDR/地图融合定位模型 |
| 6.4 实验分析 |
| 6.5 本章小结 |
| 7 基于CKF的 UWB/INS非视距室内定位模型研究 |
| 7.1 状态方程 |
| 7.2 观测方程 |
| 7.3 INS导航方程 |
| 7.4 实验分析 |
| 7.5 本章小结 |
| 8 顾及尺度因子的UWB/视觉融合室内定位模型研究 |
| 8.1 视觉成像原理 |
| 8.2 单目ORB-SLAM定位模型 |
| 8.3 UWB/视觉融合定位模型 |
| 8.4 实验分析 |
| 8.5 本章小结 |
| 9 编码图形辅助的单像室内定位模型研究 |
| 9.1 编码图形定位 |
| 9.2 单像室内定位模型 |
| 9.3 实验分析 |
| 9.4 本章小结 |
| 10 结论与展望 |
| 10.1 结论 |
| 10.2 创新点 |
| 10.3 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（6）GNSS/INS对无人机测图精度的影响分析（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究进展 |
| 1.2.1 GNSS/INS系统国内外研究现状 |
| 1.2.2 航空摄影测量国内外发展现状 |
| 1.3 研究目的与意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究内容和技术路线 |
| 第2章 航空摄影测量理论基础 |
| 2.1 摄影测量的发展及理论 |
| 2.1.1 航摄中常用到的坐标系 |
| 2.1.2 航摄中坐标系之间的转换 |
| 2.1.3 共线条件方程 |
| 2.2 空中三角测量 |
| 2.2.1 立体像对相对定向 |
| 2.2.2 立体模型绝对定向 |
| 2.3 数字影像匹配 |
| 2.3.1 数字影像重采样 |
| 2.3.2 基于灰度的数字影像相关 |
| 第3章 GNSS/INS系统在航摄中的应用 |
| 3.1 GNSS/INS系统概述 |
| 3.1.1 GNSS/INS系统的组成 |
| 3.1.2 GNSS/INS组合系统理论基础 |
| 3.2 GNSS/INS系统辅助航空摄影测量方法 |
| 3.2.1 GNSS/INS直接定向法 |
| 3.2.2 GNSS/INS辅助空中三角测量 |
| 3.3 校验场与像控点的布设 |
| 3.3.1 校验场的布设方案 |
| 3.3.2 像控点布设方案 |
| 第4章 研究方案及结果分析 |
| 4.1 测区及航拍方案介绍 |
| 4.2 POS数据的获取及处理 |
| 4.3 野外像控点及校验场的布设 |
| 4.4 成图精度对比及分析 |
| 4.4.1 GNSS与 GNSS/INS辅助空三成图精度对比 |
| 4.4.2 GNSS/INS直接定向法成图精度评定 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 企业导师简介 |
| 作者简介 |
| 学位论文数据集 |
（7）基于PPK技术的无人机测绘精度分析研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第2章 垂直摄影测量技术理论分析 |
| 2.1 低空无人机垂直摄影测量 |
| 2.1.1 低空摄影测量常用坐标系 |
| 2.1.2 建立数学模型 |
| 2.2 基于PPK技术无人机区域网生成 |
| 2.2.1 空中三角测量 |
| 2.2.2 相对定向 |
| 2.2.3 连接模型 |
| 2.2.4 平差解算 |
| 2.3 试验无人机主要系统组成 |
| 2.3.1 INS惯性导航系统 |
| 2.3.2 GNSS导航系统 |
| 第3章 试验无人机航测影响因素分析 |
| 3.1 航高 |
| 3.1.1 相对航高 |
| 3.1.2 确定航高 |
| 3.2 比例尺 |
| 3.2.1 摄影比例尺 |
| 3.2.2 成图比例尺 |
| 3.3 像点位移 |
| 3.4 像片重叠度 |
| 3.4.1 航向重叠 |
| 3.4.2 旁向重叠 |
| 3.5 像片旋角 |
| 第4章 基于PPK技术无人机测绘 |
| 4.1 无人机平台 |
| 4.2 测区概况 |
| 4.3 试验方案及精度评定 |
| 4.4 试验测区一 |
| 4.4.1 测区一无像控点 |
| 4.4.2 布设三个像控点 |
| 4.4.3 布设四个像控点 |
| 4.5 试验测区二 |
| 4.5.1 小于五像控点精度误差对比 |
| 4.5.2 增设第五像控点 |
| 4.6 试验测区三 |
| 4.6.1 小于六像控点精度误差对比 |
| 4.6.2 增设第六像控点 |
| 4.6.3 增设第七像控点 |
| 4.7 本章小结 |
| 第5章 产品生成及精准度保证 |
| 5.1 点值提取 |
| 5.1.1 多义线节点提取 |
| 5.1.2 多义线等距等分提取 |
| 5.2 点位精度对比 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 导师简介 |
| 企业指导教师 |
| 作者简介 |
| 学位论文数据集 |
（8）贴近摄影测量及其关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状及趋势 |
| 1.2.1 影像数据的获取方法 |
| 1.2.2 无人机的发展和分类 |
| 1.2.3 无人机摄影航迹规划 |
| 1.2.4 空中三角测量技术 |
| 1.3 研究目标和内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 本文组织与安排 |
| 第2章 贴近摄影测量的概念与含义 |
| 2.1 贴近摄影测量的背景 |
| 2.2 贴近摄影测量的定义 |
| 2.3 贴近摄影测量的关键技术 |
| 2.4 贴近摄影测量的数据获取平台 |
| 2.4.1 定位系统 |
| 2.4.2 相机传感器 |
| 2.4.3 云台 |
| 2.5 本章小结 |
| 第3章 初始场景信息引导的贴近航迹规划 |
| 3.1 航迹规划中的参数定义 |
| 3.2 规则目标的贴近航迹规划 |
| 3.2.1 初始场景信息获取 |
| 3.2.2 立面 |
| 3.2.3 坡体 |
| 3.2.4 柱体 |
| 3.2.5 建筑物整体 |
| 3.3 不规则目标的贴近航迹规划 |
| 3.3.1 坐标转换 |
| 3.3.2 航迹规划区域提取 |
| 3.4 交向贴近航迹规划 |
| 3.4.1 立面交向贴近航迹规划 |
| 3.4.2 坡体交向贴近航迹规划 |
| 3.4.3 柱体及建筑物的交向贴近航迹规划 |
| 3.5 本章小结 |
| 第4章 贴近摄影测量的空中三角测量方法 |
| 4.1 概述 |
| 4.2 基于ETM的连接点匹配 |
| 4.2.1 匹配预处理 |
| 4.2.2 种子点对和特征点提取 |
| 4.2.3 ETM匹配 |
| 4.2.4 粗差剔除 |
| 4.3 贴近摄影测量光束法平差 |
| 4.3.1 距离约束的影像分组 |
| 4.3.2 组内自由网构建 |
| 4.3.3 组内空间相似变换 |
| 4.3.4 整体的GPS辅助的自检校光束法平差 |
| 4.4 实验与分析 |
| 4.4.1 实验数据 |
| 4.4.2 空间距离约束分组的有效性 |
| 4.4.3 空间覆盖约束的有效性 |
| 4.4.4 完整性、精度与效率 |
| 4.5 本章小结 |
| 第5章 贴近摄影测量的精度控制与评价 |
| 5.1 RTK无人机无控定位精度 |
| 5.1.1 控制点验证 |
| 5.1.2 内部控制验证 |
| 5.2 交向摄影对贴近摄影测量的影响 |
| 5.3 贴近摄影测量的相对精度 |
| 5.4 本章小结 |
| 第6章 贴近摄影测量的应用 |
| 6.1 地质调查 |
| 6.1.1 箭穿洞 |
| 6.1.2 三峡巫山段 |
| 6.2 灾害应急 |
| 6.3 水利工程 |
| 6.4 文物、古建筑保护 |
| 6.5 建筑物精细三维重建 |
| 第7章 总结与展望 |
| 7.1 工作总结 |
| 7.2 主要贡献与创新 |
| 7.3 进一步工作与展望 |
| 参考文献 |
| 攻读博士学位期间发表的科研成果 |
| 致谢 |
（9）海岛组合测绘技术研究（论文提纲范文）
| 摘要 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.3 研究内容与技术路线 |
| 1.4 论文组织安排 |
| 2 组合测量系统 |
| 2.1 系统组成及工作原理 |
| 2.2 时间同步原理与分析 |
| 2.3 GNSS/INS组合导航原理 |
| 2.4 空间配准 |
| 3 海岛组合测绘 |
| 3.1 实验概况 |
| 3.2 船载POS解算与潮位提取 |
| 3.3 船载激光数据处理 |
| 3.4 多波束测深数据处理 |
| 3.5 无人机摄影测量分析 |
| 3.6 机载LiDAR数据处理 |
| 3.7 基于ICP算法的多传感器数据融合 |
| 4 多传感器综合误差与精度分析 |
| 4.1 船载系统误差来源分析 |
| 4.2 船载水陆一体测量系统精度评定 |
| 4.3 航空摄影测量系统精度评定 |
| 4.4 机载LiDAR测量系统精度评定 |
| 4.5 组合测量系统适用性分析 |
| 5 结论与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间主要成果 |
| 学位论文数据集 |
（10）轻小型POS关键技术及其在无人机遥感中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 POS系统发展与研究现状 |
| 1.2.1 POS系统发展 |
| 1.2.2 国外研究现状 |
| 1.2.3 国内研究现状 |
| 1.3 论文研究目的及章节安排 |
| 1.3.1 研究目的 |
| 1.3.2 章节安排 |
| 第2章 POS辅助无人机航空遥感系统组成与测量 |
| 2.1 系统组成 |
| 2.1.1 飞行平台 |
| 2.1.2 POS组合 |
| 2.1.3 遥感载荷 |
| 2.1.4 惯性稳定平台 |
| 2.2 POS系统组合原理与相关技术 |
| 2.2.1 载波相位差分 |
| 2.2.2 INS导航定位 |
| 2.3 POS辅助无人机遥感测量 |
| 2.3.1 POS辅助航空摄影测量原理 |
| 2.3.2 机载LiDAR对地定位原理 |
| 2.4 本章小结 |
| 第3章 机载POS系统关键技术 |
| 3.1 常用坐标系 |
| 3.1.1 地心惯性坐标系(i系) |
| 3.1.2 地心地固坐标系(e系) |
| 3.1.3 地理坐标系(L系) |
| 3.1.4 载体坐标系(b系) |
| 3.2 惯性导航解算技术 |
| 3.2.1 姿态矩阵解算 |
| 3.2.2 姿态角解算 |
| 3.2.3 位置和速度状态方程 |
| 3.2.4 “失准角”状态方程 |
| 3.2.5 惯性仪表误差方程 |
| 3.3 GNSS/INS组合POS技术 |
| 3.3.1 状态方程 |
| 3.3.2 量测方程 |
| 3.3.3 基于三向平滑的POS事后处理算法 |
| 3.3.4 三向滤波与单向滤波对比分析 |
| 3.4 卡尔曼滤波参数调置 |
| 3.4.1 参数分析 |
| 3.4.2 初始协方差 |
| 3.4.3 过程噪声协方差 |
| 3.5 本章小结 |
| 第4章 轻小型POS在无人机遥感中应用分析 |
| 4.1 系统误差分析 |
| 4.1.1 偏心分量 |
| 4.1.2 偏心角 |
| 4.1.3 测姿误差 |
| 4.1.4 时间同步误差 |
| 4.2 影像遥感实验 |
| 4.2.1 试验概述 |
| 4.2.2 技术要求与实施方案 |
| 4.2.3 数据处理与精度分析 |
| 4.2.4 实验小结 |
| 4.3 机载LiDAR实验 |
| 4.3.1 试验概述 |
| 4.3.2 数据采集与处理 |
| 4.3.3 精度分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文的工作总结 |
| 5.2 下一步的展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
四、基于GPS/INS姿态测量与定位的航空摄影测量精度分析（论文参考文献）
- [1]激光扫描式大空间测量场动态测量定位技术研究[D]. 雍晟晖. 西安理工大学, 2021(01)
- [2]基于机载多源遥感数据的地物目标定位与分类技术研究[D]. 赵兵. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020(06)
- [3]移动测量系统异构数据高精度融合方法研究[D]. 俞家勇. 山东科技大学, 2020(06)
- [4]移动测量系统中组合定位定姿技术的研究[D]. 王旭博. 长安大学, 2020(06)
- [5]多传感器融合的高精度无缝定位模型与方法研究[D]. 刘飞. 中国矿业大学, 2020(01)
- [6]GNSS/INS对无人机测图精度的影响分析[D]. 张绪棋. 华北理工大学, 2020(02)
- [7]基于PPK技术的无人机测绘精度分析研究[D]. 张松浩. 华北理工大学, 2020(02)
- [8]贴近摄影测量及其关键技术研究[D]. 何佳男. 武汉大学, 2019(02)
- [9]海岛组合测绘技术研究[D]. 石硕崇. 山东科技大学, 2019(05)
- [10]轻小型POS关键技术及其在无人机遥感中的应用[D]. 田水根. 重庆邮电大学, 2019(02)