一、IMU/DGPS supported photogrammetry in China（论文文献综述）
张跃[1]（2020）在《基于RANSAC-TLS的机载LiDAR精度评定关键技术研究》文中指出近年来,机载Li DAR测量技术在城市建模、交通规划、林业监测等方面得到广泛的应用,其数据获取的精度能否达到应用要求是业内人员关注的重点问题,因此建立可靠的精度评定模型、优化精度评定的方法,对于提高机载Li DAR评定的精度十分必要。对此,很多学者提出各种无控制、无检校场的方式来对机载雷达进行精度评定,然而这些大多都是停留在理论阶段,且需要大量的后期处理工作,实现难度大。在实际生产应用当中,通过布设控制标靶来进行检校飞行评定仍然是最直接的方式。由于激光雷达点云具有不规则的离散型,所以在利用标靶点云进行评定时还是会受到离散粗差点的影响,从而无法通过靶标点云准确的拟合靶心坐标。基于此,本文在检校场控制标靶的基础上采用多种优化算法对精度评定的计算过程进行优化,论文主要研究内容如下:1、首先对机载Li DAR精度评定的研究现状进行了归纳和总结,分析了其不足,并给出本文实现机载Li DAR精度评定的优化方法与技术路线,在此基础上分别对机载Li DAR对地定位的原理和误差来源做了一个系统介绍,为后续的精度评定提供研究基础。然后通过模拟实验参数数据对各个误差源的影响大小进行分析,在此基础上,根据机载Li DAR系统的误差参数实现了其仿真精度的计算。2、提出利用RANSAC（随机采样一致性）算法结合TLS（整体最小二乘）的拟合法来对标靶点云平面进行拟合。通过RANSAC算法设定阈值进行迭代计算,剔除符合度较小的局外点（outliers）来降低粗差点的影响,结合TLS算法综合考虑激光脚点X、Y、Z三个方向误差的影响,对符合精度要求的局内点（inliers）进行平面拟合,然后利用拟合得到的平面信息应用最小边缘点圆拟合的方法来对标靶中心点位坐标进行拟合计算,从而实现对精度评定过程的优化,达到提高评定精度准确性的目的。3、设计并进行外业检校飞行实验,通过选取标定场范围内的4块标靶点云数据进行拟合计算,依次采用RANSAC、TLS和最小边缘点圆拟合三种算法来优化精度评定过程,实现了对国产机载Li DAR系统的精度评定。评定结果显示:应用本文评定方法的评定结果与仿真精度和标定设计精度之间互差均在厘米位,文中评定方法简单可行。
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》文中提出地物目标的高精度、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。
李旭洋[3]（2020）在《多平台三维激光扫描系统大比例尺测图应用研究》文中提出随着社会的发展和科学技术的进步,大面积、大比例尺地形图测绘项目,采用全野外作业模式进行全站仪测量、水准测量、GNSS-RTK测量,已经日益凸显出人员劳动强度大、生产效率低的劣势。三维激光扫描系统的发展和应用为测绘地理信息领域提供了一种新的数据获取方式,为解决上述问题提供了一个新的工作思路,是测绘领域的再一次技术革新。三维激光扫描系统依靠免接触、快速的立体扫描模式,能够精确地获取点位的三维空间坐标信息。三维激光扫描系统可以搭载在多种平台上使用,目前已经使用的有地面三维激光扫描系统、机载激光扫描雷达系统以及车载三维激光扫描系统。不同搭载平台的三维激光扫描系统在测绘领域中的应用各有其特点和优劣势,但大比例尺地形图成果具有地物要素表示丰富、精度要求高的特点,采用一种三维激光扫描系统进行作业往往不能有效完成大面积大比例尺地形图测绘任务,为此,有必要开展多平台三维激光扫描系统大比例尺测图应用的研究。本文研究了国内外相关资料,阐述了多种大比例尺测图原理并进行了具体测图方法的比较和归纳,总结出三维激光扫描系统在大比例尺地形图测绘项目中的作业优势。通过分析比较三种平台的三维激光扫描系统作业的原理与方法,总结了三种平台三维激光扫描系统的适用范围和技术特征,提出了一套基于多平台三维激光扫描系统的大比例尺测图技术方案,制定了详细地工作流程,论述了作业方法及质量评定标准。最后,本文以上海市1:1000比例尺地形图测绘项目为例,对所提方案进行了实践验证与结果分析。结果表明,采用本文所述的多平台三维激光扫描系统作业流程测绘大比例尺地形图,可以大幅度提高大比例尺测图项目内外业成图效率和产品质量。本文通过对综合多平台三维激光扫描系统进行大比例尺地形图测绘方案的研究,认为与传统的全野外大比例尺地形图测绘方法相比,具有明确的技术优势和应用潜力。此外,还提出了进一步改进和发展的方向。
李团[4]（2019）在《单频多模GNSS/INS/视觉紧组合高精度位姿估计方法研究》文中研究说明随着自动驾驶、机器人和无人机等技术的兴起,城市等复杂GNSS（Global Navigation Satellite System）环境下的高精度定位定姿需求不断增长。GNSS/INS（Inertial Navigation System）组合导航能够提供连续、可靠和完备的高精度导航参数,是应用最广的组合导航技术之一。然而,在GNSS复杂环境下,基于低成本MEMS-IMU（Micro-ElectroMechanical-Systems Inertial Measurement Unit）的GNSS/INS组合导航在GNSS信号中断期间导航误差将迅速积累,这无疑降低了系统的可用性。基于相机的视觉导航具有精度高、自主无源等优点,视觉/INS组合可极大降低INS导航误差。但是,视觉/INS组合无法提供全球框架下的导航信息且误差会随距离累积。因此,将GNSS、INS和视觉进行深度信息融合可实现优势互补,获得更优的导航性能。同时,多系统GNSS的快速部署将显着改善GNSS在复杂环境下的定位精度、可用性等。然而,目前相关研究均基于GPS（Global Positioning System）RTK（Real-Time Kinematic）解算的位置与视觉/INS进行融合,无法利用视觉/INS信息辅助GPS RTK解算,而在复杂GNSS环境下单独的GPS RTK定位可用性非常低,这严重阻碍了组合系统性能的提升及其应用。针对GNSS复杂环境下的低成本高精度定位定姿需求以及当前相关研究的不足,本文开展了单频多系统GNSS（GPS、BDS和GLONASS）RTK/INS/视觉紧组合技术研究,提出了RTK/INS紧组合抗差算法以及INS相对位置约束辅助模糊度固定的新算法模型,构建了多系统RTK/INS/视觉紧组合滤波模型,并通过多组车载实测数据对紧组合算法在复杂GNSS环境下的模糊度固定、定位、测速和定姿等方面的性能进行了全面评估与分析。本文的主要研究工作和贡献如下:1.为了增强单频RTK在复杂动态环境下的高精度定位性能,提出了一套单频多系统GNSS RTK/INS紧组合算法模型。首先,建立了多系统RTK定位的数学模型;然后,阐述了附加模糊度参数和独立解算模糊度参数的两种RTK/INS紧组合数学模型和INS辅助模糊度固定方法;同时,针对GNSS观测粗差问题,提出了基于滤波新息的两步抗差RTK/INS紧组合算法模型;最后,通过两组车载测试数据对RTK/INS紧组合算法的性能进行了全面评估与分析。结果表明,在开阔天空环境下进行短基线定位时,单频多系统GNSS RTK在模糊度固定和定位精度方面具有显着优势,其中单频多系统GNSS RTK/INS在35°或40°的截止高度角下的单历元模糊度固定率超过99%,而且水平和高程动态定位精度均为厘米级;在城市等复杂环境下进行短基线定位时,GNSS粗差观测值会降低模糊度固定率与可靠性,本文提出的基于滤波新息的两步抗差紧组合算法有效提高了紧组合的模糊度固定率,同时单频多系统GNSS RTK/INS紧组合能显着改善GNSS RTK在复杂环境下的定位精度和可用性,在模糊度固定和定位性能方面甚至优于双频多系统GNSS RTK,这充分体现了单频多系统GNSS与低成本MEMS惯导进行紧组合的巨大优势。2.针对传统惯导绝对位置约束辅助模糊度固定方法在系统有偏状态下无法正确固定模糊度的难题,创新性地提出了惯导相对位置约束辅助模糊度固定的新算法模型。首先,根据IMU预积分理论给出了INS相对位置增量的计算公式,并指出INS相对位置增量只需通过IMU观测值以及载体初始速度和姿态即可确定,而不需要求解中间状态的绝对导航参数;然后,给出了INS相对位置测量值辅助模糊度固定的原理公式,并指出该方法的本质为将动态定位转化为准静态定位;同时,为了使得该方法能有效用于模糊度固定,提出了一种INS相对位置增量辅助周跳探测的方法,该周跳探测方法在组合系统位置状态有偏差时仍能有效探测周跳;最后,通过实测车载数据对所提出的算法的有效性和性能进行了验证和评估。实验结果表明,INS相对位置增量辅助周跳探测方法可以有效探测1周的小周跳（数据间隔为1 s）;在RTK/INS紧组合绝对位置有偏的情况下INS仍能提供高精度的相对位置测量值,因此INS相对位置增量仍能用于辅助模糊度固定;对于开阔环境下采集的单频GPS+BDS数据,新算法模型能获得与传统INS绝对位置约束辅助的模糊度解算模型相当的模糊度固定性能。3.为了解决基于低成本MEMS-IMU的GNSS/INS组合导航在GNSS信号中断期间导航误差快速漂移的问题,研究了基于已知特征点和基于多状态约束的两种视觉/INS紧组合滤波模型。对多状态约束的视觉/INS紧组合滤波模型与最小二乘估计的等价性进行了证明,指出了量测方程两边同时左乘特征点坐标对应的系数矩阵的零空间矩阵的合理性。最后,阐述了将视觉/INS与RTK/INS紧组合滤波模型统一为RTK/INS/视觉紧组合滤波模型的方法,且设计了仿真实验对两种视觉/INS紧组合滤波模型进行了验证和分析。结果表明,基于已知特征点的视觉/INS紧组合算法可以获得无误差漂移的位姿估计结果,且航向精度相对于GNSS/INS组合导航得到明显提高;基于多状态约束的视觉/INS紧组合算法能极大地减小INS的位置和航向漂移,这将有效弥补GNSS/INS组合导航在航向可观性弱的条件下航向角快速发散的缺陷。4.自主设计和搭建了含有GNSS、IMU和单目相机的硬件验证平台,完成了传感器之间的时间和空间同步,在此基础上开展了GNSS复杂环境下的实测车载测试,并对单频多系统GNSS RTK/INS紧组合与RTK/INS/视觉紧组合在定位、测速和定姿等方面的性能进行了评估和对比分析。实验结果表明,多系统GNSS和视觉均显着地提高了单GPS RTK/INS紧组合在复杂GNSS环境下的厘米级定位可用性。在测速方面,RTK/INS/视觉紧组合的速度误差没有漂移,可以提供高精度速度信息。在定姿方面,RTK/INS/视觉紧组合可以完全维持横滚角、俯仰角的精度并且有效地降低航向角的误差漂移速度进而提高其估计精度。由此可见,单频多模GNSS RTK/INS/视觉紧组合技术可作为GNSS复杂环境下的低成本高精度定位、测速和定姿的一种有效解决方案。综上所述,本文对单频多模GNSS RTK/INS/视觉紧组合技术进行了深入研究,构建了完整的RTK/INS/视觉紧组合滤波模型,并通过多组实测车载实验对提出的算法模型进行了全面验证和分析。本文的研究成果将有效促进复杂GNSS环境下的低成本高精度定位定姿技术的研究、产业应用和发展。
马炳武[5]（2018）在《国产机载LiDAR在滩涂测绘中的应用》文中提出机载LiDAR技术作为一种更加高效的测绘手段被引入来完成滩涂测绘工作。随着经济的快速增长,滩涂资源作为重要的后备土地资源有着不可估量的开发价值,我国东部地区有着大面积的滩涂区域,分布集中而且占据着重要的区位优势,农牧渔业综合产业还存在着巨大的潜力去开发。为了满足经济发展的需求,迫切需要掌握和开发滩涂资源,实时监控海岸带状资源开发现状和海岸线的变迁状况。因此,机载LiDAR技术精度高、作业周期短、产品成果多样等特点成为滩涂测绘的首选。经过几十年的发展,成熟可靠的机载LiDAR技术逐渐被测绘部门引进,在获取高精度三维信息的同时可快速提取出滩涂特征地物,极大的降低了在人力物力方面的开支,面对大面积的滩涂测量工作节约时间成本,提高工作效率。目前国产机载LiDAR的发展趋于成熟,北京四维远见公司的SW-LiDAR设备在国产设备行列中属于比较成熟稳定的,同时如南方测绘公司等一些公司也在致力于研究发展自主研发的国产LiDAR系统。在设计在相对航高为2000m左右的情况下,运用国产SW-LiDAR设备进行点云数据采集时,点云航向和旁向间距可以控制在2m之内,高程精度可达厘米级。本文主要结合国产SW-LiDAR设备在山东省东营市项目中的应用进行分析,主要研究内容如下:（1）对国产SW-LiDAR系统进行详细介绍。包括SWDC数字航空摄影仪的介绍以及搭载相机的参数、AP-3500激光扫描仪的工作原理和各项性能参数、高精度位置姿态测量系统POS 2010的工作原理以及组合导航的优势和SW-LiDAR系统四面塔镜的扫描方式以及测量原理的分析。（2）结合项目详细介绍了外业飞行的工作流程。包括航线设计的原则和实际工作需要注意的事项、各项飞行参数的计算过程和原理、设备安装在飞行平台后产生偏心分量的原理以及如何测定和计算偏心分量和外业飞行的作业标准以及质量控制的要求。对整个数据获取的过程给出了详细介绍。（3）依据项目获取的数据对数据预处理的过程做出了详细总结。包括POS数据的处理过程并给出了精度报告、影像数据处理的流程介绍、检校场的设计原则及主要参数的计算、针对设备集成产生的三个安置角误差的检校原理及过程的重点分析介绍和点云滤波分类方法的介绍。（4）结合LKDACM模型和Otsu的SAR图像海岸线提取方法将InSAR技术和LiDAR技术在海岸线的应用方面做出了比较分析,再次印证了机载LiDAR在技术层面的优势。本文重点介绍了机载SW-LiDAR在潮间带滩涂测绘中外业数据采集的详细过程、数据预处理的主要流程和主要特征地物的提取方法。对数据后处理的介绍有所欠缺,没有对DEM和DOM等数字产品的制作过程给出具体介绍,但是从得到的数据质量分析经过后续的加工处理是可以实现比例尺为的1:10000的测区地形图,平面精度误差控制在±1.00m,高程精度为±0.25m的数字产品。在此基础上结合GIS技术可以实现三维可视化海岸线滩涂管理平台,实时监测海岸带滩涂的开发利用情况。机载LiDAR技术凭借不可替代的优势被海洋测绘领域所认可和普及,体现出越来越重要的价值。
董平[6]（2017）在《无人机影像像控点自动布设方案的研究》文中研究说明无人机航摄技术是继传统的航空摄影之后出现的一种新的数字测绘航空摄影技术,相对于传统航空摄影测量,无人机航摄具有起降灵活、受天气影响小、成本低的特点。目前,运用低空数码遥感影像技术生产的正射影像图（DOM）可满足1:5 000、1:2 000和1:1 000等比例尺的精度要求,并在农村土地确权项目中发挥了重要作用。POS系统,又称为IMU/DGPS系统,可以在传感器成像过程中实时测量其位置和姿态,获取影像的外方位元素,但是由于无人机机身较轻,飞行姿态不够稳定,导致其POS数据不够精确,故使用无人机航摄生产DOM产品时需要大量的像片控制点（以下简称像控点）来提升其空三加密精度。根据成图精度的不同,像控点需要按照规范的网型布设在相应的航片之间——均匀而稳健的像控网型是保证空三加密的精度的必要条件。为了能够更好的发挥无人机影像数据在农村土地确权项目中的作用,本文做了以下几方面的研究:（1）分析了无人机影像数据的误差来源,了解如何利用软件进行影像的畸变校正,并系统地研究了无人机空中三角测量的方法及数据处理的流程;（2）通过深入研究像控点布设的原则、要求及相关布点方案,总结传统手动布设像控点存在的缺陷与不足,融合各种布点方案及传统操作方法对像控点的布设方式进行改进,提高像控点布设的效率;（3）在Visual Studio2010的平台上,运用C++语言对改进的像控布设方式进行实现,并对两个测区的布设情况进行对比分析。该程序主要是根据设定的像控密度及像控旁向航线间隔数,在POS数据数据的辅助下,自动设计网型,生成“像控分布略图”,并基于共线方程匹配出像控分布网上的每个节点在航片上的对应的像点位置,生成标定有“像控可选范围”的航片图。它具有参数设定简单、布设像控网型规范、构网及匹配效率高等特点,具有很高的实用价值。
胡科林[7]（2016）在《基于轻小型无人机的低空摄影测量方法研究》文中指出我国城镇化快速推进,地表地物不断更新,同时自然、人为灾害的频发,使得迫切需要一种小范围大比例尺的快速测图方法。随着这些年来轻小型无人机技术的突飞猛进,其低成本及其低航高等多种优点,也使其可以作为一种低空遥感平台,被应用于摄影测量之中。另一方面,二十一世纪后全球定位系统和惯性导航单元的技术不断地进步,GPS和IMU组合而成的POS系统越来越普遍的被应用于摄影测量和遥感之中,该系统在空三解算中减少甚至不需要地面控制点,大大降低外业的工作量,提升航测效率,因此GPS/IMU辅助摄影测量也成为摄影测量学的一大进展。随着近些年GPS和IMU单元成本降低、尺寸减小以及精度的提高,将GPS/IMU的组合系统应用于无人机辅助摄影测量是摄影测量发展的一大趋势,对摄影测量的发展具有重大意义。本文的研究工作和相关结论包括:1.系统的阐述了GPS/IMU辅助摄影测量所涉及GPS定位、IMU测姿态角的相关原理以及GPS/IMU系统的组合方式和数据融合方法。并对传统空中三角测量、GPS/IMU辅助摄影测量、直接定向法的原理和数学模型进行了分析,并针对轻小型无人机低空摄影测量的特点,给出了适用范围。2.详细分析了轻小型无人机GPS/IMU辅助摄影测量的误差来源,重点介绍了轻小型无人机GPS/IMU辅助摄影测量工作中的关键流程,形成了一套完整的轻小型无人机摄影测量工作流程,并设计了一套适用于轻小型无人机平台的GPS/IMU组合系统。3.通过实地的数据获取和处理,研究了传统空中三角测量、GPS/IMU辅助摄影测量和直接定向法在轻小型无人机平台上的应用效果,验证了轻小型无人机平台的低空遥感测量方法可以满足大比例尺地形图的精度要求,用GPS/IMU辅助摄影测量方法,可以有效地提升成图精度,且可减少地面控制点的数量。
魏笑辰[8]（2016）在《移动测量系统的多传感器数据融合与定姿技术》文中研究说明如何快速、全面地采集人们需要的地理信息,特别是高精度、高分辨率的三维地理信息,如何对地理信息进行及时、动态和自主更新,成为信息化测绘社会化服务的首要问题。另一方面,随着城市信息化进程加快,人们对大规模城市三维场景的复杂程度与模型特征细节提出了越来越高的要求。然而,传统的技术手段很难满足人们对于地理信息快速获取的需求,因此迫切需要更高效、先进的测绘装备和技术手段进行补充。空间信息的快速获取与处理变成了亟待解决的关键问题。而移动测量系统的诞生,为人们提供了一种崭新的获取物体空间数据的方式。本文所研究的iScan车载三维系统也是移动测量系统中的一种,即移动测图系统,指的是移动平台的多传感器融合,通过多种传感器自动采集各种三维连续的地理空间数据,并对采集的这些数据进行数据融合、加工处理、信息提取,以满足各种工程应用的需要。本文在详细分析车载三维激光扫描系统各组成部分、工作原理、工作流程及关键技术的基础上,提出了多传感器同步控制,实现了车载三维激光扫描系统的时间同步控制。依据空间配准原理和方法,实现了三维激光扫描仪、GPS、IMU及CCD相机之间的数据融合,实现了车载三维激光扫描系统多传感器的空间配准,探讨了车载移动测量系统标定及建设场地的选取,实施了系统中对地面和建筑物立面数据的点云精度验证试验。依据POS集成技术,建立了基于控制点的改进POS集成系统精度的平差技术,研究姿态测量原理及姿态角的确定,分析姿态测量影响因素。对卡尔曼滤波方法进行详细描述,建立适合的系统状态方程和观测方程,并进行了卡尔曼滤波试验,对系统进行滤波计算,分析姿态角的估计及估计误差。
张亮[9]（2015）在《地面复杂环境下移动三维测量精度改善方法研究》文中指出基于多传感器集成的移动三维测量系统（Mobile Mapping Systems, MMS）是测绘遥感领域一种新兴的、综合的、高效灵活的空间信息获取手段。MMS以现代传感器技术、计算机技术、模式识别技术和平差理论为支撑,能同时高效获取包括载体轨迹、全景影像和激光三维点云等多类空间数据,并通过对海量空间数据的自动智能化处理和深度挖掘,建立被测对象的高精度三维模型,构建数字化互联网化地图,从而满足面向用户、面向事件和面向管理等不同层次上的位置服务需求。无论对哪类MMS而言,如何消除误差以提高数据精度一直是MMS理论研究和工程应用中的基础问题之一。与传统的测量手段不同,MMS集成了多个不同种类的传感器,采用动态测量模式,其误差来源和误差特征更为复杂。MMS误差既来源于传感器本身的测量误差,也来源于多源数据融合时的时空同步误差,误差特征是各种传感器误差以及多源数据融合时误差的综合表现。对MMS误差的处理,需要考虑到各类误差的随机性、趋势性以及环境相关性。因此,MMS误差处理需要在MMS误差分配模型的基础上根据各误差源的不同特性分别处理。总体而言,MMS的误差来自于三个方面：定位定姿误差、载荷（激光扫描仪、相机）测量误差以及载荷与定位定姿系统（POS-Positioning And Orienta-tion System）之间的同步（时间同步和空间同步）误差。载荷经过校正后（如相机内参数检校,激光测距误差改正）,载荷误差一般可视为量级较小的随机噪声。同步参数误差在很多文献和研究中被视为系统误差,可以通过专门的标定手段加以修正,如自检校方法,基于控制点检校方法等。而定位定姿误差最为复杂,与环境密切相关,其在某些情况下将是MMS误差的主要来源。移动测量中采用的POS一般由全球导航卫星系统（GNSS-Global Navigation Satellite System）和惯性导航系统（INS- Inertial Navigation System）组合而成,为MMS及其所搭载的各种任务载荷提供位置、速度和姿态基准。POS的长期绝对精度主要依赖于GNSS, 而GNSS精度主要受测量环境的影响。复杂现实测量环境对POS精度的影响给MMS应用带来了三方面的挑战：首先,在GNSS信号良好的环境下,如天空中或遮挡物较少的高速公路,MMS用于动态连续水准测量时,如何消除POS大地高测量误差和当地大地水准面模型误差以改善正高测量精度,满足工程精度要求；其次,在GNSS信号较差的环境下,如高楼林立的城区和多路径效应严重的水域,POS的绝对位置精度将会大幅下降至分米级乃至米级,此时如何提高POS的绝对位置精度以满足高精度移动测量的精度要求；最后,在无GNSS信号的环境下,如室内区域和地下空间,若单纯依靠INS推算,定位定姿误差将会随时间快速累积,短时间内误差将增长至测量的容忍上限,导致MMS失效,此时如何限制INS误差发散以保持MMS较高的长期绝对精度?针对上述三个问题,本论文将围绕地面复杂环境下移动三维测量精度改善方法展开研究,在深入分析MMS误差模型、POS数据处理及其误差特征的基础上,分别提出基于滑动最小二乘配置的GNSS/INS动态水准测量精度改善方法,基于最小二乘配置的MLS精度改善方法和基于激光扫描（LiDAR-Light Detection And Ranging）/惯性测量单元（IMU-Inertial Measurement Unit）/里程计紧组合的地下空间移动测量系统高精度定位定姿算法,攻克GNSS/INS组合定位定姿系统误差建模以及地下空间高精度定位定姿定姿两个关键问题,突破因环境对POS影响导致的MMS应用制约。并利用车载MMS、船载MMS、地铁综合检测小车等不同类型的MMS在高速公路、城郊区域、城市区域、水域以及地下隧道等多种不同场景下采集的多套实验数据对本文提出的方法进行实验验证。通过本文的研究,突破上述三个难题,为改善MMS在工程应用中的精度提供理论和实验支撑。
李志杰[10]（2013）在《国产机载LiDAR技术及其在电力巡线中的应用》文中研究指明随着机载LiDAR技术的不断成熟,在机载LiDAR硬件设备方面,欧美等发达国家的研究已经取得了大量成果并形成了商业化产品。国内对于机载LiDAR技术的研究起步较晚,而且研究领域多为数据处理方面。机载LiDAR系统的硬件研究制作在国内才刚刚起步,现有技术基础薄弱。由于技术政策等原因,国内之前一直没有高精度的INS系统以及性能可靠的激光测距装置,所以一直没有成熟机载LiDAR系统出现。近几年,在国家重点项目的支持下,中国测绘科学研究院联合多家单位成功研制了第一套国产机载LiDAR系统。本文对该系统的主要研究如下：（1）简要阐述了国产机载LiDAR系统集成的主要理论依据。惯性导航原理、差分GPS原理和组合导航原理是该系统重要理论。根据集成原理和要实现的功能目标,选择合适的单机。（2）机载LiDAR系统最终得到的是点云数据,而点云计算过程实际是完成一系列坐标转换过程。结合仪器的结构特性、坐标系定义、角度定义,根据国产机载LiDAR的集成方式,推导计算点云的坐标转换公式,建立了数学模型。（3）主要介绍了激光扫描仪和SWDC单镜头数字航测相机的单机检校原理和方法。论述了POS与相机集成检校的原理和方法,也论述了POS和激光扫描仪集成检校的原理和方法,并通过试验得出了结果、验证了方法的合理性。（4）根据机载激光LiDAR原理,相机、POS和激光扫描仪三者的空间关系应该固定,考虑众多因素进行系统集成。经过多次试验,得到了较为理想的集成方式。单机之间借助线路进行通信,单机和工控机之间也要相互通信,本文简要说明了线路连接情况和系统控制原理。（5）在系统集成的基础上、进行了多次航飞。从踏勘、规划、飞行三个方面总结了航飞的操作流程和注意事项。处理获取的航飞数据,得到DEM、DOM、DSM、DLG、三维模型等产品。处理后的点云和影像数据反映了采集瞬间的输电线路走廊的三维空间情况,包括走廊地形、地物和线路设施空间信息。
二、IMU/DGPS supported photogrammetry in China（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、IMU/DGPS supported photogrammetry in China（论文提纲范文）
（1）基于RANSAC-TLS的机载LiDAR精度评定关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.4 本文研究内容和技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第2章 机载LiDAR系统定位原理 |
| 2.1 系统的组成 |
| 2.1.1 遥感平台 |
| 2.1.2 激光扫描仪 |
| 2.1.3 POS系统 |
| 2.2 定位原理 |
| 2.2.1 机载LiDAR坐标系的定义 |
| 2.2.2 机载LiDAR坐标系统及转换 |
| 2.3 机载LiDAR点云数据 |
| 2.3.1 点云数据组成 |
| 2.3.2 点云数据特点 |
| 2.4 本章小结 |
| 第3章 系统误差来源与模拟实验分析 |
| 3.1 系统误差来源 |
| 3.1.1 量测误差 |
| 3.1.2 硬件安置误差 |
| 3.1.3 数据处理误差 |
| 3.2 系统误差影响及实验分析 |
| 3.2.1 测距误差影响分析 |
| 3.2.2 扫描角误差影响分析 |
| 3.2.3 姿态角误差影响分析 |
| 3.2.4 安置角误差影响分析 |
| 3.2.5 差分GPS误差影响分析 |
| 3.2.6 机载LiDAR系统整体定位精度分析 |
| 3.3 本章小结 |
| 第4章 RANSAC-TLS拟合方法与精度仿真 |
| 4.1 精度评定方法流程 |
| 4.1.1 标靶点云提取 |
| 4.1.2 RANSAC法提取局内点 |
| 4.1.3 RANSAC-TLS拟合标靶点云平面 |
| 4.1.4 靶心定位算法 |
| 4.2 精度评定模型及仿真计算 |
| 4.2.1 Burman检校模型求安置关系 |
| 4.2.2 机载LiDAR精度评定模型 |
| 4.2.3 机载LiDAR精度仿真计算 |
| 4.3 标定方案设计 |
| 4.3.1 标定场的分布方案 |
| 4.3.2 数据采集方案 |
| 4.4 本章小结 |
| 第5章 精度评定实验与结果分析 |
| 5.1 数据来源 |
| 5.2 评定实验流程 |
| 5.2.1 标靶点云局内点提取 |
| 5.2.2 标靶点云平面拟合实验结果 |
| 5.2.3 靶心拟合实验及结果 |
| 5.3 精度评定及结果分析 |
| 5.3.1 精度评定 |
| 5.3.2 评定结果分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 不足与展望 |
| 参考文献 |
| 申请学位期间的研究成果及发表的学术论文 |
| 致谢 |
（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）多平台三维激光扫描系统大比例尺测图应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 国内外激光LIDAR技术的研究现状 |
| 1.3 国内激光LIDAR技术在大比例尺测图中的应用现状 |
| 1.4 本文主要研究内容 |
| 第二章 大比例尺测图原理与方法 |
| 2.1 全野外数字测图 |
| 2.2 航空摄影测量技术 |
| 2.2.1 数字摄影测量技术 |
| 2.2.2 无人机倾斜摄影测量技术 |
| 2.3 三维激光扫描系统 |
| 2.4 常用大比例尺测图方法对比 |
| 第三章 三种平台三维激光扫描系统测图原理与方法 |
| 3.1 地面三维激光扫描系统测图的原理与方法 |
| 3.1.1 地面三维激光扫描系统的组成 |
| 3.1.2 地面三维激光扫描系统的工作原理 |
| 3.1.3 地面三维激光扫描系统测图外业数据采集 |
| 3.1.4 地面三维激光扫描系统测图内业数据处理 |
| 3.2 机载三维激光扫描系统测图的原理与方法 |
| 3.2.1 机载三维激光扫描系统的组成 |
| 3.2.2 机载三维激光扫描系统的工作原理 |
| 3.2.3 机载三维激光扫描系统外业数据采集 |
| 3.2.4 机载三维激光扫描系统内业数据处理 |
| 3.3 车载三维激光扫描系统测图的原理与方法 |
| 3.3.1 车载三维激光扫描系统的组成 |
| 3.3.2 车载三维激光扫描系统的工作原理 |
| 3.3.3 车载三维激光扫描系统的外业数据采集 |
| 3.3.4 车载三维激光扫描系统的内业数据处理 |
| 3.4 各平台三维激光扫描系统测图综合对比 |
| 第四章 多平台三维激光扫描系统大比例尺测图方案设计与实现 |
| 4.1 多平台三维激光扫描系统大比例尺测图流程设计 |
| 4.2 多平台三维激光扫描系统大比例尺测图方案实现 |
| 4.2.1 多平台三维激光扫描系统 |
| 4.2.2 多平台三维激光扫描系统大比例尺测图的实现 |
| 4.3 多平台三维激光扫描系统大比例尺测图成果质量检查与评定 |
| 第五章 工程应用与分析 |
| 5.1 项目概况 |
| 5.2 多平台三维激光扫描系统数据采集 |
| 5.2.1 直升机机载三维激光扫描系统数据采集 |
| 5.2.2 车载三维激光扫描系统数据采集 |
| 5.3 多平台三维激光扫描系统数据处理与分析 |
| 5.3.1 直升机机载三维激光扫描系统数据处理 |
| 5.3.2 车载三维激光扫描系统数据处理 |
| 5.3.3 补漏区采集与数据处理 |
| 5.4 多平台三维激光扫描系统点云数据大比例尺成图 |
| 5.5 多平台三维激光扫描系统数据大比例尺成图质量评定 |
| 5.6 多平台三维激光扫描系统与传统大比例尺数字测图的比对分析 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
（4）单频多模GNSS/INS/视觉紧组合高精度位姿估计方法研究（论文提纲范文）
| 缩略词 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 相关技术研究现状 |
| 1.2.1 GNSS精密相对定位技术研究现状 |
| 1.2.2 GNSS/INS组合导航技术研究现状 |
| 1.2.3 视觉/INS组合导航技术研究现状 |
| 1.2.4 GNSS/INS/视觉组合导航技术研究现状 |
| 1.3 研究目标与研究内容 |
| 1.4 论文章节安排 |
| 2 GNSS/INS/视觉融合数学基础 |
| 2.1 引言 |
| 2.2 常用坐标系 |
| 2.3 姿态参数化 |
| 2.4 GNSS定位基础 |
| 2.4.1 GNSS观测量 |
| 2.4.2 GNSS误差处理方法 |
| 2.5 惯性导航基础 |
| 2.5.1 惯性传感器误差建模 |
| 2.5.2 捷联惯导机械编排 |
| 2.5.3 捷联惯导误差方程 |
| 2.6 视觉导航基础 |
| 2.6.1 针孔相机模型 |
| 2.6.2 相机标定 |
| 2.6.3 特征点三角化 |
| 2.7 最优估计方法 |
| 2.7.1 最小二乘 |
| 2.7.2 卡尔曼滤波 |
| 2.7.3 最优平滑 |
| 2.8 GNSS/INS松组合数学模型 |
| 2.8.1 系统误差状态模型 |
| 2.8.2 GNSS位置观测模型 |
| 2.8.3 GNSS速度观测模型 |
| 2.9 本章小结 |
| 3 单频多模RTK/INS紧组合滤波模型 |
| 3.1 引言 |
| 3.2 多模GNSS融合定位时空基准 |
| 3.2.1 时间系统 |
| 3.2.2 坐标系统 |
| 3.3 单频多模RTK数学模型 |
| 3.3.1 函数模型 |
| 3.3.2 随机模型 |
| 3.4 RTK/INS紧组合数学模型 |
| 3.4.1 附加模糊度参数的RTK/INS紧组合 |
| 3.4.2 独立解算模糊度的RTK/INS紧组合 |
| 3.5 RTK/INS紧组合抗差模型 |
| 3.6 RTK/INS紧组合算法框架 |
| 3.7 RTK/INS紧组合算法验证与性能评估 |
| 3.7.1 开阔天空环境 |
| 3.7.2 城市复杂环境 |
| 3.8 本章小结 |
| 4 惯导相对约束辅助模糊度固定模型 |
| 4.1 引言 |
| 4.2 IMU预积分测量值 |
| 4.3 INS相对位置辅助模糊度解算原理 |
| 4.4 INS预测的相位增量辅助周跳探测 |
| 4.5 实验分析与验证 |
| 4.5.1 车载测试描述 |
| 4.5.2 INS预测的相位增量辅助周跳探测性能分析 |
| 4.5.3 INS相对位置增量特点分析 |
| 4.5.4 INS相对位置约束辅助模糊度固定性能分析 |
| 4.6 本章小结 |
| 5 单频多模RTK/INS/视觉紧组合滤波模型 |
| 5.1 引言 |
| 5.2 基于已知特征点的绝对定位滤波模型 |
| 5.2.1 状态模型 |
| 5.2.2 观测模型 |
| 5.3 基于多状态约束的相对定位滤波模型 |
| 5.3.1 状态模型 |
| 5.3.2 观测模型 |
| 5.3.3 最小二乘等价性的证明 |
| 5.4 RTK/INS与视觉/INS紧组合模型的统一 |
| 5.4.1 状态模型 |
| 5.4.2 观测模型 |
| 5.4.3 算法框架 |
| 5.5 仿真实验验证与分析 |
| 5.5.1 GNSS/INS/视觉仿真数据 |
| 5.5.2 GNSS/INS松组合 |
| 5.5.3 基于已知特征点的视觉/INS紧组合 |
| 5.5.4 基于多状态约束的视觉/INS紧组合 |
| 5.6 本章小结 |
| 6 单频多模RTK/INS/视觉紧组合性能测试与分析 |
| 6.1 引言 |
| 6.2 实验平台搭建 |
| 6.3 传感器的时空同步 |
| 6.3.1 时间同步 |
| 6.3.2 空间同步(杆臂和安装角标定) |
| 6.4 测试描述与数据处理方案 |
| 6.4.1 车载测试描述 |
| 6.4.2 数据处理方案 |
| 6.5 实验验证与性能分析 |
| 6.5.1 卫星可见性分析 |
| 6.5.2 定位性能分析 |
| 6.5.3 测速性能分析 |
| 6.5.4 定姿性能分析 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 工作总结与创新点 |
| 7.2 研究展望 |
| 参考文献 |
| 攻博期间的主要科研成果 |
| 致谢 |
（5）国产机载LiDAR在滩涂测绘中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.1.1 研究背景和意义 |
| 1.2 国内外LiDAR技术研究现状 |
| 1.2.1 国外LiDAR技术发展现状 |
| 1.2.2 国内LiDAR技术发展现状 |
| 1.3 机载LiDAR技术优缺点 |
| 1.3.1 机载LiDAR技术优点 |
| 1.3.2 机载LiDAR技术缺点 |
| 1.4 机载LiDAR技术在潮间带滩涂研究现状 |
| 1.4.1 潮间带的定义 |
| 1.4.2 潮间带滩涂研究现状 |
| 1.5 高精度轻小型航空遥感系统集成 |
| 1.6 论文组织结构 |
| 第二章 机载SW-Li DAR系统简介 |
| 2.1 机载SW-LiDAR系统简介 |
| 2.1.1 SWDC数字航空摄影仪简介 |
| 2.1.2 机载AP-3500 激光扫描仪 |
| 2.1.3 高精度位置姿态测量系统 |
| 2.1.4 GPS接收机及航空天线 |
| 2.2 机载SW-LiDAR系统测量原理 |
| 2.2.1 SW-Li DAR对地定位构像方程 |
| 2.2.2 SW-LiDAR的扫描方式 |
| 第三章 基于SW-Li DAR设备的数据获取 |
| 3.1 项目概况 |
| 3.1.1 飞行平台 |
| 3.1.2 LiDAR数据采集处理流程 |
| 3.2 测区航线设计 |
| 3.2.1 测区飞行参数 |
| 3.2.2 偏心分量的测定 |
| 3.3 航摄准备 |
| 3.3.1 设备测试 |
| 3.3.2 基站架设和地面配合 |
| 3.4 航摄质量要求 |
| 第四章 数据预处理和安置角检校分析 |
| 4.1 POS数据的处理 |
| 4.2 影像数据的处理 |
| 4.3 点云数据的预处理 |
| 4.3.1 检校场设计 |
| 4.3.2 安置角检校 |
| 4.3.3 检校场安置角检校结果分析 |
| 4.4 点云的滤波分类 |
| 4.4.1 自动滤波分类 |
| 4.4.2 手动滤波分类 |
| 第五章 LiDAR与 InSAR在滩涂应用的比较 |
| 5.1 SW-LiDAR在东营的应用分析 |
| 5.1.1 水体提取方法 |
| 5.1.2 植被提取方法 |
| 5.1.3 土壤提取方法 |
| 5.2 辽东半岛SAR图像的应用分析 |
| 5.2.1 实验与结果 |
| 5.2.2 结果分析 |
| 5.3 LiDAR与 InSAR的对比分析 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）无人机影像像控点自动布设方案的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究状况 |
| 1.2.1 无人机低空摄影测量系统研究状况 |
| 1.2.2 像控点布设研究状况 |
| 1.3 本文研究的主要内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 论文章节安排 |
| 第2章 无人机低空航摄技术理论体系 |
| 2.1 无人机低空航摄系统组成 |
| 2.1.1 飞行平台 |
| 2.1.2 飞行控制系统 |
| 2.1.3 地面监控系统 |
| 2.1.4 航摄系统 |
| 2.1.5 数据传输系统 |
| 2.1.6 发射回收系统 |
| 2.2 无人机低空航摄系统特点 |
| 2.3 影像处理常用的坐标系统 |
| 2.3.1 像平面坐标系 |
| 2.3.2 像空间坐标系 |
| 2.3.3 像空间辅助坐标系 |
| 2.3.4 地面测量坐标系 |
| 2.3.5 地面摄影测量坐标系 |
| 2.4 共线条件方程的建立 |
| 第3章 解析空中三角测量 |
| 3.1 空中三角测量概述 |
| 3.2 空中三角测量方法 |
| 3.2.1 航带法空中三角测量 |
| 3.2.2 独立模型法空中三角测量 |
| 3.2.3 光束法区域网空中三角测量 |
| 3.2.4 三种方法的对比分析 |
| 3.3 无人机影像快速空三加密研究 |
| 第4章 像控点的自动布设 |
| 4.1 像控点布设的一般原则和要求 |
| 4.1.1 像控点布设的一般原则 |
| 4.1.2 像控点布设的位置要求 |
| 4.2 像控点的布点方案 |
| 4.2.1 航带网法布点方案(六点法、八点法、五点法) |
| 4.2.2 区域网布点方案 |
| 4.2.3 其他布点方案 |
| 4.3 传统手动像控点的布设 |
| 4.4 像控点自动布设的实现 |
| 4.4.1 程序设计流程图 |
| 4.4.2 程序的界面设计 |
| 4.4.3 程序的具体实现步骤 |
| 4.5 实验与分析 |
| 4.5.1 数据预处理 |
| 4.5.2 空中三角测量 |
| 4.5.3 像控点布设 |
| 4.5.4 对比分析 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录A: 攻读硕士学位期间发表论文 |
| 附录B: 攻读学位期间的主要科研工作 |
（7）基于轻小型无人机的低空摄影测量方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景和意义 |
| 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 |
| 1.2.3 存在问题 |
| 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 研究内容与论文结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文结构 |
| 第2章 摄影测量方法及硬件组成 |
| 2.1 无人机低空摄影测量方法 |
| 2.1.1 传统空中三角测量 |
| 2.1.2 GPS/IMU辅助空中三角测量法 |
| 2.1.3 直接定向法 |
| 2.2 轻小型无人机平台 |
| 2.3 GPS/IMU组合系统 |
| 2.3.1 GPS基本原理 |
| 2.3.2 惯性导航系统基本原理 |
| 2.3.3 GPS/IMU系统组合方式 |
| 第3章 无人机低空摄影测量方法流程和关键技术 |
| 3.1 轻小型无人机低空摄影测量工作流程 |
| 3.1.1 前期准备 |
| 3.1.2 非量测相机检校 |
| 3.1.3 航线布设 |
| 3.1.4 控制点布设 |
| 3.1.5 航摄及数据获取 |
| 3.1.6 数据质量 |
| 3.2 基于轻小型无人机平台的GPS/IMU组合系统设计 |
| 3.2.1 GNSS卫星导航接收机 |
| 3.2.2 惯性导航系统 |
| 3.2.3 GPS/IMU组合系统 |
| 3.3 GPS/IMU辅助摄影测量误差来源 |
| 3.3.1 GPS单元定位精度影响 |
| 3.3.2 IMU单元测角精度影响 |
| 3.3.3 GPS/IMU系统集成误差 |
| 3.4 GPS/IMU辅助摄影测量精度比较 |
| 第4章 轻小型无人机摄影测量方法验证和比较 |
| 4.1 传统空中三角测量 |
| 4.1.1 实验目的 |
| 4.1.2 实验区概况 |
| 4.1.3 航飞设备及准备工作 |
| 4.1.4 航线与地面控制点布设方案 |
| 4.1.5 数据处理及成果分析 |
| 4.2 GPS/IMU辅助空中三角测量 |
| 4.2.1 实验目的 |
| 4.2.2 实验区概况 |
| 4.2.3 航飞设备及准备工作 |
| 4.2.4 航线与地面控制点布设方案 |
| 4.2.5 数据处理及精度分析 |
| 4.3 实验总结 |
| 第5章 总结与展望 |
| 5.1 研究总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（8）移动测量系统的多传感器数据融合与定姿技术（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数据融合 |
| 1.2.2 GPS测姿技术 |
| 1.2.3 定姿技术 |
| 1.2.4 GPS/INS组合系统定姿技术 |
| 1.2.5 GPS、低成本IMU定姿技术 |
| 1.3 本文研究的主要内容和组织结构 |
| 1.4 小结 |
| 第二章 移动测量系统的介绍 |
| 2.1 车载三维激光扫描系统的组成 |
| 2.2 移动测量车系统的工作原理 |
| 2.3 车载三维激光扫描系统的关键技术 |
| 2.3.1 多传感器时间同步控制技术 |
| 2.3.2 车载动态高精度定位定姿技术 |
| 2.3.3 多传感器数据融合技术 |
| 2.4 系统的工作流程 |
| 2.5 小结 |
| 第三章 车载三维激光扫描系统的多传感器数据融合 |
| 3.1 布尔莎模型的理论介绍 |
| 3.2 原始点云数据与WGS84直角坐标系之间的转换 |
| 3.2.1 原始点云数据与定位数据的融合 |
| 3.2.2 定位数据与定姿数据的融合 |
| 3.2.3 定姿数据与WGS84的融合 |
| 3.3 点云与全景影像的数据融合 |
| 3.4 车载移动测量系统的标定及建设场地 |
| 3.5 数据融合后的点云精度验证 |
| 3.6 小结 |
| 第四章 移动测量系统的定姿技术 |
| 4.1 GPS定位技术 |
| 4.1.1 码伪距测量的观测方程 |
| 4.1.2 载波相位测量的观测方程 |
| 4.1.3 GPS定位方式 |
| 4.2 IMU定姿技术 |
| 4.2.1 姿态角的确定 |
| 4.2.2 IMU误差来源 |
| 4.2.3 误差模型 |
| 4.3 GPS/IMU组合导航定位定姿 |
| 4.3.1 POS集成技术 |
| 4.3.2 基于控制点的改进POS集成系统精度的平差技术 |
| 4.4 卡尔曼滤波理论 |
| 4.4.1 离散型卡尔曼滤波 |
| 4.4.2 连续型卡尔曼滤波 |
| 4.5 GPS/IMU组合导航数据处理 |
| 4.6 小结 |
| 第五章 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录 (攻读硕士学位期间发表的论文情况及参与课题) |
（9）地面复杂环境下移动三维测量精度改善方法研究（论文提纲范文）
| 论文创新点 |
| 摘要 |
| Abstract |
| 目录 |
| 缩写列表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 移动三维测量系统概述 |
| 1.1.2 移动三维测量系统应用挑战 |
| 1.2 论文组织结构 |
| 第二章 定位定姿方法概述 |
| 2.1 坐标系统 |
| 2.2 全球导航卫星系统 |
| 2.3 惯性导航系统 |
| 2.3.1 惯性导航系统概述及国内外发展现状 |
| 2.3.2 捷联式惯导计算 |
| 2.3.3 捷联式惯导误差模型 |
| 2.4 GNSS/INS组合定位定姿系统 |
| 2.4.1 GNSS/INS松组合 |
| 2.4.2 GNSS/INS紧组合 |
| 2.4.3 GNSS/INS超紧组合 |
| 2.4.4 GNSS/INS组合POS误差特性分析 |
| 2.4.5 POS软硬件发展现状 |
| 2.5 其他定位定姿技术 |
| 2.5.1 即时定位和测图 |
| 2.5.2 UWB定位 |
| 2.5.3 RFID定位 |
| 第三章 GNSS/INS动态水准测量精度改善 |
| 3.1 大地水准面模型与GNSS水准改正方法 |
| 3.2 基于滑动最小二乘配置的GNSS/INS动态水准的精度改善模型 |
| 3.2.1 最小二乘配置原理 |
| 3.2.2 GNSS/INS动态水准误差的最小二乘配置修正模型 |
| 3.2.3 滑动最小二乘配置模型 |
| 3.2.4 协方差函数 |
| 3.3 实验与分析 |
| 3.3.1 实验Ⅰ：D_ε的影响 |
| 3.3.2 实验Ⅱ：SLSC,LSC以及SLSF改正效果比较 |
| 3.3.3 实验Ⅲ：不同加密点间隔下SLSC模型改正效果比较 |
| 3.4 本章讨论 |
| 3.5 本章小结 |
| 第四章 GNSS信号不稳定环境下MLS精度改善方法 |
| 4.1 MLS精度改善方法 |
| 4.2 基于最小二乘配置的POS精度改善方法 |
| 4.2.1 MLS坐标系统定义 |
| 4.2.2 MLS误差模型 |
| 4.2.3 POS误差特性分析 |
| 4.2.4 POS误差改正的最小二乘配置模型 |
| 4.2.5 空间同步参数误差标定的最小二乘配置模型 |
| 4.2.6 协方差函数 |
| 4.3 实验与分析 |
| 4.3.1 基于LSC的POS精度改善方法验证 |
| 4.3.2 基于LSC模型的标定方法验证 |
| 4.4 本章小结 |
| 第五章 地下空间高精度定位定姿方法及其在地铁检测中的应用 |
| 5.1 地下空间定位定姿方法 |
| 5.2 LiDAR/IMU/里程计紧组合滤波和平滑模型 |
| 5.2.1 IMU/里程计组合模型 |
| 5.2.2 LiDAR/IMU/里程计组合模型 |
| 5.2.3 平滑算法 |
| 5.3 实验与分析 |
| 5.3.1 IMU/里程计算法精度验证 |
| 5.3.2 LiDAR/IMU/里程计组合精度 |
| 5.3.3 地铁轨道几何参数检测 |
| 5.4 本章小结 |
| 第六章 总结与研究展望 |
| 6.1 总结 |
| 6.2 研究展望 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
（10）国产机载LiDAR技术及其在电力巡线中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 插图和附表清单 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外LIDAR技术发展现状 |
| 1.2.1 国外LiDAR技术发展现状 |
| 1.2.2 国内LiDAR技术发展现状 |
| 1.3 LIDAR技术优缺点 |
| 1.4 论文组织结构 |
| 第二章 国产LIDAR系统 |
| 2.1 国产LIDAR系统简介 |
| 2.1.1 AirLidar-1000机载激光扫描测量仪 |
| 2.1.2 国产POS2010小型化位置姿态测量装置 |
| 2.1.3 天宝5700GPS接收机 |
| 2.1.4 SWDC单镜头数字航测相机 |
| 2.1.5 软件 |
| 2.2 国产LIDAR系统原理 |
| 2.2.1 惯性导航 |
| 2.2.2 差分GPS |
| 2.2.3 组合导航 |
| 2.2.4 坐标系定义 |
| 2.3 国产LIDAR数学模型 |
| 2.3.1 激光瞬时光束坐标系→激光扫描参考坐标系(L) |
| 2.3.2 激光扫描参考坐标系(L)→载体坐标系(b) |
| 2.3.3 载体坐标系(b)→导航坐标系(当地切平面坐标系n) |
| 2.3.4 导航坐标系(n)→地心地固坐标系(e) |
| 2.3.5 地心地固坐标系(e)→平面坐标系 |
| 2.4 国产LIDAR系统检校 |
| 2.4.1 AirLidar-1000机载激光扫描测量仪单机检校 |
| 2.4.2 SWDC单镜头数字航测相机的检校 |
| 2.4.3 POS与相机集成系统检校原理与方法 |
| 2.4.4 POS与激光扫描测量仪集成系统检校原理与方法 |
| 2.5 国产LIDAR集成 |
| 2.5.1 集成方案 |
| 2.5.2 线路连接 |
| 2.5.3 系统控制 |
| 第三章 SW-LIDAR航摄飞行 |
| 3.1 踏勘 |
| 3.1.1 了解测区概况 |
| 3.1.2 检校场选择与布设 |
| 3.2 规划 |
| 3.2.1 影像设计基本依据 |
| 3.2.2 影像所需参数计算公式 |
| 3.2.3 AirLidar-1000机载激光扫描测量仪参数设置 |
| 3.3 飞行 |
| 3.3.1 设备地面测试 |
| 3.3.2 飞行质量要求 |
| 第四章 SW-LIDAR数据处理 |
| 4.1 组合导航处理 |
| 4.2 点云数据预处理 |
| 4.3 数据检查 |
| 4.3.1 组合导航数据质量检查 |
| 4.3.2 影像数据检查 |
| 4.4 影像数据预处理 |
| 4.5 制作DEM、DOM |
| 4.5.1 制作DEM |
| 4.5.2 制作DOM |
| 第五章 SW-LIDAR在电力巡线的应用 |
| 5.1 总体思路概述 |
| 5.2 具体应用思路 |
| 5.3 点云处理 |
| 第六章 结论与展望 |
| 6.1 论文结论 |
| 6.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 附录A |
| 附录B |
四、IMU/DGPS supported photogrammetry in China（论文参考文献）
- [1]基于RANSAC-TLS的机载LiDAR精度评定关键技术研究[D]. 张跃. 桂林理工大学, 2020(07)
- [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]多平台三维激光扫描系统大比例尺测图应用研究[D]. 李旭洋. 长安大学, 2020(06)
- [4]单频多模GNSS/INS/视觉紧组合高精度位姿估计方法研究[D]. 李团. 武汉大学, 2019(06)
- [5]国产机载LiDAR在滩涂测绘中的应用[D]. 马炳武. 昆明理工大学, 2018(01)
- [6]无人机影像像控点自动布设方案的研究[D]. 董平. 昆明理工大学, 2017(01)
- [7]基于轻小型无人机的低空摄影测量方法研究[D]. 胡科林. 中国地质大学(北京), 2016(05)
- [8]移动测量系统的多传感器数据融合与定姿技术[D]. 魏笑辰. 昆明理工大学, 2016(02)
- [9]地面复杂环境下移动三维测量精度改善方法研究[D]. 张亮. 武汉大学, 2015(07)
- [10]国产机载LiDAR技术及其在电力巡线中的应用[D]. 李志杰. 昆明理工大学, 2013(07)