[發明專利]測量系統的系統誤差自檢校方法、裝置、設備和介質

有效

• 申請號: 202010840205.6
• 申請日: 2020-08-18
• 公開（公告）號: CN112199814B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 周騰飛;程效軍;張子健
• 申請（專利權）人: 同濟大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F17/15;G01B11/24
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 周涌賀

本發明提供的一種所述測量系統的系統誤差自檢校方法、裝置、設備及計算機存儲介質，所述方法包括構建基于Gauss?Helmert并顧及隨機誤差的系統誤差自檢校模型，獲取該模型中未知參數向量的初始值和隨機誤差向量的初始值，以及同名點的觀測值，采用非線性最小二乘理論及牛頓?高斯方法對所述未知參數向量和所述隨機誤差向量迭代求解，獲得滿足預設收斂條件的所述未知參數向量的最終解算值，從而獲取測量系統的系統誤差參數，有效提高了測量系統中的系統誤差參數的解算精度；此外，本發明所述方法還可以通過方差分量估計方法，實現在先驗信息錯誤或先驗信息未知情況下的驗后估計，有效確保系統誤差參數的求解精度。

技術領域

本發明涉及一種測量系統的校準方法，具體是一種基于Gauss-Helmert模型并顧及隨機誤差信息的測量系統的系統誤差自檢校方法、裝置、設備及介質。

背景技術

地面三維激光掃描(Terrestrial Laser Scanner，TLS)技術，作為一種快速、精確獲取物體空間信息的測量技術，已經廣泛地應用于多個領域。然而，在利用TLS技術采集點云數據的過程中，由于受到儀器自身精度、外部環境、掃描目標等諸多因素的影響，會導致點云坐標信息中疊加測量系統的系統誤差和測量的隨機誤差，使獲得的點云坐標和目標點的實際坐標不一致。因此，為了保證點云坐標的觀測精度，需要對點云坐標的觀測值進行檢校。

自檢校方法是目前廣泛運用的一種TLS檢校方法，將把可能存在的系統誤差，作為待定參數參與整體平差運算之中，以實現系統誤差的求解。相比于傳統的檢校方法，可以大大降低對測量環境和操作員要求。目前，常用的基于點的自校準方法在函數模型構建時，尚未考慮隨機誤差信息；因此，利用這類函數模型進行TLS自檢校時，難以避免觀測值中的隨機誤差對于系統誤差參數解算精度的影響，導致系統誤差與真實誤差不對應，因此無法確保參數求解的精度。

發明內容

鑒于以上現有技術中存在的缺點，本發明的目的在于提供一種測量系統的系統誤差自檢校方法、裝置、設備及計算機存儲介質，用于解決現有的測量系統的系統誤差自檢校過程中所存在的，觀測值中的隨機誤差對系統誤差參數解算精度的影響，使得系統誤差與真實誤差不對應，無法確保參數求解的精度等問題。

為實現上述目的及其他相關目的，本發明首先提供一種測量系統的系統誤差自檢校方法，所述方法包括：

構建基于Gauss-Helmert并顧及隨機誤差的第一系統誤差自檢校模型，并確定所述第一系統誤差自檢校模型的未知參數向量和隨機誤差向量；基于所述第一系統誤差自檢校模型，確定與對應的目標函數；其中，所述未知參數向量包括外部轉換參數和檢校參數；獲取所述未知參數向量的初始值，所述隨機誤差變量的初始值，以及獲取同名點的原始觀測值；基于所述未知參數向量的初始值、所述隨機誤差向量的初始值和所述原始觀測值，采用非線性最小二乘的牛頓-高斯方法，對所述第一系統誤差自檢校模型進行所述未知參數向量和所述隨機誤差向量的迭代解算，以獲取滿足預設收斂條件的所述未知參數向量的最終解算值；所述未知參數向量的最終解算值中包括所述測量系統的系統誤差值。

于本發明的一實施例中，所述測量系統的系統誤差自檢校方法，還包括：于所述基于所述未知參數向量的初始值、所述隨機誤差向量的初始值和所述原始觀測值，采用非線性最小二乘的牛頓-高斯方法，對所述第一系統誤差自檢校模型進行所述未知參數向量和所述隨機誤差向量的迭代解算過程中，采用方差分量估計方法對所述迭代解算過程進行優化，獲得優化后的，且滿足預設收斂條件的所述未知參數的解算值。

于本發明的一實施例中，所述構建基于Gauss-Helmert并顧及隨機誤差信息的系統模型，包括：確定隨機誤差向量；基于所述隨機誤差向量，構建所述第一系統誤差自檢校模型，為觀測點的參考坐標關于該觀測點原始觀測坐標、旋轉參數、檢校誤差參數和隨機誤差向量的函數模型。