CN106595574B - 基于测量机器人露天矿边坡监测高程数据的处理方法 - Google Patents
基于测量机器人露天矿边坡监测高程数据的处理方法 Download PDFInfo
- Publication number
- CN106595574B CN106595574B CN201611167804.6A CN201611167804A CN106595574B CN 106595574 B CN106595574 B CN 106595574B CN 201611167804 A CN201611167804 A CN 201611167804A CN 106595574 B CN106595574 B CN 106595574B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- point
- optical path
- measurement
- height
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提供一种基于测量机器人露天矿边坡监测高程数据的处理方法,该方法:获取测量机器人采集的露天矿边坡监测基础数据;建立测量机器人测距光径曲线距地面高差模型和测距光径上的大气竖直折光物理量梯度模型;获取测量机器人的仪器高和觇标高;根据测量基点到监测点的倾角、斜距和水平距离,以及测距光径曲线上的大气折光系数、测量机器人的仪器高、觇标高,计算大气折光修正后的监测基点到监测点的高差;根据测量机器人测得的监测基点的高度和大气折光修正后的监测基点到监测点的高差得到修正后的监测点的高程。利用该方法进行高程数据处理,可使高程数据精度有较大幅度的提高,提高了监测成果的可靠性,为露天矿边坡滑坡实时预警奠定基础。
Description
技术领域
本发明属于边坡工程变形监测技术领域,具体涉及一种基于测量机器人露天矿边坡监测高程数据的处理方法。
背景技术
露天矿经过长时间开采,其开采深度不断加深,边坡长度不断加长,很多矿山已处于深凹开采过程之中。因此,露天矿边坡滑坡事故时有发生,其给露天矿安全生产带来了极大威胁。为解决露天矿边坡安全问题,国内外学者多年来一直致力于边坡失稳分析及预测预报工作的研究。边坡监测数据作为边坡失稳分析及预测预报的重要数据源,其精度的高低决定了是否能对边坡失稳做出准确分析及预测预报的关键因素,但由于大气竖直折光因素的影响,致使基于高精度全站仪监测系统采集的高程数据精度一直无法达到边坡失稳分析及预测预报的要求,使其成为了边坡失稳准确分析及预测预报的瓶颈。因此,多年来国内外学者对边坡高程数据的处理方法及大气竖直折光系数的建模展开了相关研究工作。目前研究大气折光模型的主要方法有:①从大气折光的理论入手,按照E.K.webb给定的大气温度轮廓线提出分层计算大气折光系数的方法,对整个光线上的折射率均值通过积分求得:此法理论上适合各种测量环境,且理论精度较高。但是由于Kx是关于大气折光因素物理量的函数,具体环境下的折光因素物理量梯度模型难以建立,因此,基于大气折光理论模型建模到目前为止还未实现。②考虑温度梯度因素,根据实际地形建立“h-x”关系式,最后积分求出折光系数的估值,进行大气折光修正的方法。③直接测定折光角进行修正的方法,根据散射原理,在一般大气条件下色散角ε与折射角δ之间具有如下关系:如果知道散射角,因此无需知道气象元素即可确定折光角,从而进行折光修正,但这种方法应在试验阶段。④利用试验方法确定大气折光系数的影响。其中有代表性的方法有对向观测法,以偶数站高低棱镜对象观测高差闭合差为零来改正大气折光反演系数的方法。⑤在分析竖直折光系数与温度梯度的关系、大气结构及TTM模型基础上通过试验数据求大气折光系数的方法。
但就目前研究状况存在如下问题:①建模方法体现出理论与实践的脱离。②对各大气折光因素物理量随高度变化而变化的规律研究不够深入。③反演的大气折光系数模型没有适用匹配条件,因此缺乏实用性。鉴于上述原因,在露天矿环境下基于测量机器人的大气折光改正一般采用经验模型,但由于经验模型没有适用条件匹配,因此,由此获取三角高程的数据精度较差。
为解决露天矿边坡监测三角高程测不准的关键问题,经过近两年的深入研究,利用露天矿现场氢气球放飞试验,科学建立了露天矿环境下的大气竖直折光梯度模型,以大气折光理论模型为基础,科学建立露天矿环境下的大气竖直折光系数模型,并以多条线路的国家一等水准高差为基准对模型进行了修正,从而获取了可靠的露天矿环境下大气竖直折光系数模型。同时利用多个监测点的高程数据对该模型进行了验证,验证结果表明,利用上述方法可有效提高基于测量机器人监测三角高程数据的精度。该方法能对露天矿山边坡失稳预测、预报提供可靠的数据源。对推动我国边坡监测技术发展、防止高大边坡地质灾害发生、保证矿山安全生产,具有重要的理论与实际意义。
发明内容
针对现有技术的不足,本发明提出一种基于测量机器人露天矿边坡监测高程数据的处理方法。
本发明的技术方案是:
一种基于测量机器人露天矿边坡监测高程数据的处理方法,包括以下步骤:
步骤1:获取测量机器人采集的露天矿边坡监测基础数据,包括:测量基点到监测点的天顶距和斜距,并根据监测基础数据得到测量基点到监测点的倾角和平距;
步骤2:建立测量机器人测距光径曲线距地面高差模型;
步骤2.1:根据测量基点与监测点的高程及两点间的平距,建立测距光径曲线高程数值模型:
步骤2.2:将测距光径曲线沿铅垂面投影到地面,其投影线即为交痕曲线,根据交痕曲线的位置及采场地形图建立交痕曲线高程数值模型;
步骤2.3:根据测距光径曲线高程数值模型和交痕曲线高程数值模型建立测距光径曲线距地面高差的数值模型;
步骤3:建立露天矿当前环境下的测距光径上的大气竖直折光物理量梯度模型;
步骤3.1:在露天矿选取多个实验点,在不同季节、不同气象条件和不同环境下,从矿坑底部至矿坑上空以固定距离间隔测量影响因素物理量,即温度数据、湿度数据和气压数据;
所述在露天矿选取多个实验点,在不同季节、不同气象条件和不同环境,从矿坑底部至矿坑上空以固定距离间隔测量的温度数据、湿度数据和气压数据具体通过氢气球携带温湿度记录器进行测量。
步骤3.2:根据采集的不同季节、不同气象条件和不同环境下以固定距离间隔测量的温度数据、湿度数据和气压数据建立测距光径曲线上的大气折光系数模型;
步骤4:获取测量机器人的仪器高和觇标高;
步骤4.1:通过水准仪瞄准测量机器人横轴中心点,再移动水准仪瞄准设立在水准点上的水准尺,获取水准尺上的读数,即为测量机器人的高度i;
步骤4.2:通过水准仪瞄准棱镜中心,再移动水准仪瞄准设立在水准点上的水准尺,获取水准尺上的读数,即为觇标高v;
步骤5:根据测量基点到监测点的倾角、斜距和水平距离,以及测距光径曲线上的大气折光系数、测量机器人的仪器高、觇标高,计算大气折光修正后的监测基点到监测点的高差;
所述计算大气折光修正后的监测基点到监测点的高差的公式如下所示:
ΔhAB=s×sinα+i-v+f1+f2;
其中,ΔhAB为大气折光修正后的监测基点到监测点的高差,D为测量基点到监测点的水平距离,s为测量基点到监测点的斜距,α为测量基点到监测点的倾角,R为地球半径,K平为测距光径曲线上的大气折光系数;
步骤6:根据测量机器人测得的监测基点A点的高度HA和大气折光修正后的监测基点到监测点的高差得到修正后的监测点B的高程。
所述测距光径曲线上的大气折光系数模型如下所示:
其中,K平为测距光径曲线上的大气折光系数,为气压梯度,为温度梯度,为水汽压梯度,Rd为干燥空气的比气体常数,e为空气的水蒸气分压力,Tv为虚温,P为大气压强,T为绝对温度,RH为相对湿度,Δh为测量影响因素物理量的矿坑上空至矿坑底部的高度差,RH2为测量的最高点的相对湿度,RH1为测量的地面的相对湿度,a、b为拟合的参数,R为地球半径,s为监测基站到监测点的斜距,l为监测基站到测距光径上的点的距离,Tl=T1+h×dT/dh为测距光径曲线上点的温度,h为测距光径曲线距近地面处的高度,T1为近地面处温度,Pl=P1+h×dP/dh为测距光径曲线上点的气压,P1为近地面处气压,el=e1+h×de/dh为测距光径曲线上点的水汽压,e1为近地面处水汽压,A=1.2378847×10-5K-2、B=-1.9121316x10-2K-1、C=33.93711047、D=-6.3431645×103K。
本发明的有益效果:
本发明提出一种基于测量机器人露天矿边坡监测高程数据的处理方法,利用该方法可建立露天矿环境下基于测量机器人的大气竖直折光修正模型,为进行基于测量机器人的高程数据处理奠定基础;利用该方法进行高程数据处理,可使高程数据精度有较大幅度的提高,同时也提高了监测成果的可靠性,为露天矿边坡滑坡实时预警奠定基础;同时该方法也为其它相似环境的建模和基于测量机器人三角高程数据的处理方法提供参考。
附图说明
图1为本发明具体实施方式中基于测量机器人露天矿边坡监测高程数据的处理方法的流程图;
图2为本发明具体实施方式中测距光径曲线高程数值模型建立的示意图;
图3为本发明具体实施方式中交痕曲线高程数值模型建立的示意图;
图4为本发明具体实施方式中测距光径曲线距地面高差的数值模型建立的示意图;
图5为本发明具体实施方式中测量机器人的高度i的示意图;
图6为本发明具体实施方式中觇标高v的示意图。
具体实施方式
下面结合附图对本发明具体实施方式加以详细的说明。
一种基于测量机器人露天矿边坡监测高程数据的处理方法,如图1所示,包括以下步骤:
步骤1:获取测量机器人采集的露天矿边坡监测基础数据,包括:测量基点到监测点的天顶距和斜距,并根据监测基础数据得到测量基点到监测点的倾角和平距。
本实施方式中,以某露天铁矿采场边坡监测为例,该边坡为岩质边坡。对某周期监测点B的基础监测数据如表1所示,以此来验证本发明的实用性。
表1监测点B的基础监测数据
根据表1中获取的测量机器人采集的露天矿边坡监测基础数据可知,天顶距均值为:107.54403,可得倾角α=-17.54403度,斜距均值为S=780.70411米,平距为D=744.23748米。
步骤2:建立测量机器人测距光径曲线距地面高差模型。
步骤2.1:根据测量基点与监测点的高程及两点间的平距,建立测距光径曲线高程数值模型,如图2所示。
本实施方式中,建立的测距光径曲线高程数值模型如式(1)所示:
其中,为距离测量基点距离为l处的测距光径距大地水准面的高度,F1(l)为测距光径曲线函数。
步骤2.2:将测距光径曲线沿铅垂面投影到地面,其投影线即为交痕曲线,根据交痕曲线的位置及采场地形图建立交痕曲线高程数值模型。
本实施方式中,监测基点A的高程为500米,即HA=500米,根据采场地形图,做监测基点A至监测点B的剖面图,同时对剖面线上各点进行曲线拟合,如图3所示,建立的交痕曲线高程数值模型如式(2)所示:
建立的交痕曲线高程数值模型如式(2)所示:
其中,为距离测量基点距离为l处的交痕曲线距大地水准面的高度,F2(l)为交痕曲线函数。
曲线拟合的决定系数为0.98,置信区间95%以上,拟合精度较高。
步骤2.3:根据测距光径曲线高程数值模型和交痕曲线高程数值模型建立测距光径曲线距地面高差的数值模型,如图4所示。
本实施方式中,根据测距光径曲线高程数值模型和交痕曲线高程数值模型建立测距光径曲线距地面高差的数值模型如式(3)所示:
其中,fΔh(l)为距离测量基点距离为l处测距光径曲线距地面高差。
步骤3:建立露天矿当前环境下的测距光径上的大气竖直折光物理量梯度模型;
步骤3.1:在露天矿选取多个实验点,在不同季节、不同气象条件和不同环境下,从矿坑底部至矿坑上空以固定距离间隔测量影响因素物理量,即温度数据、湿度数据和气压数据。
本实施方式中,在露天矿选取多个实验点,在不同季节、不同气象条件和不同环境,从矿坑底部至矿坑上空以固定距离为10米的间隔测量的温度数据、湿度数据和气压数据具体通过氢气球携带罗桌尼克HL-BR2-D温湿度记录器进行测量。利用数理统计分析的方法研究各因素随季节和高度不同的变化规律,为准确建立各显著性影响因素物理量的梯度模型打下基础。
步骤3.2:根据采集的不同季节、不同气象条件和不同环境下以固定距离间隔测量的温度数据、湿度数据和气压数据建立测距光径曲线上的大气折光系数模型。
根据现场氢气球升空实验,我们以10米为一个步长,采集了1.5~201.5米的气压数据,根据实验数据建立的气压梯度模型和气静力学方程推导气压梯度模型及其相近,所以数据处理采用气压梯度理论模型。根据大气静力学方程推导气压梯度模型如式(4)所示:
其中,Rd=2.87×10-6尔格/克度,为干燥空气的比气体常数,e为空气的水蒸气分压力,Tv=(1+0.378e/P)为虚温,P为大气压强,T为绝对温度。
根据采集的1.5~201.5米的温度数据,根据数据分布特征可知,温度随高度变化成非线性关系,因此,可采用最小二乘法二次多项式曲线拟合方法建立温度随高度变化的数学模型。温度随高度变化的数学模型的如式(5)所示:
T=ah2-bh+c (5)
其中,a、b、c为拟合的参数,对上式进行求导,可得式(6)如下:
根据采集的1.5~201.5米的相对湿度数据,根据数据分布特征可知,地表1.5至200米高空湿度变化不大,而且规律不很明显,加之其对折射率的影响很小,因此,可采用简单方法建模,其模型如式(7)所示:
其中,Δh为测量影响因素物理量的矿坑上空至矿坑底部的高度差,RH2为测量的最高点的相对湿度,RH1为测量的地面的相对湿度,
水汽压梯度模型如式(8)所示:
其中,A=1.2378847×10-5K-2、B=-1.9121316x10-2K-1、C=33.93711047、D=-6.3431645×103K。
所以得到测距光径曲线上的大气折光系数模型如式(9)所示:
其中,K平为测距光径曲线上的大气折光系数,本实施方式中,得到的测距光径曲线上的大气折光系数K平=0.1623,RH为相对湿度,R=6371393(米)为地球半径,s为监测基站到监测点的斜距,l为监测基站到测距光径上的点的距离,Tl=T1+Δh×dT/dh为测距光径曲线上点的温度,T1为近地面处温度,Pl=P1+h×dP/dh为测距光径曲线上点的气压,P1为近地面处气压,el=e1+h×de/dh为测距光径曲线上点的水汽压,h=1.5为测距光径曲线距近地面处的高差,e1为近地面处水汽压。
步骤4:获取测量机器人的仪器高和觇标高。
步骤4.1:通过水准仪瞄准测量机器人横轴中心点,再移动水准仪瞄准设立在水准点上的水准尺,获取水准尺上的读数,即为测量机器人的高度i,如图5所示。
本实施方式中,利用徕卡DNA03电子水准仪和数码水准尺,获得的测量机器人的高度为i=1.45027。
步骤4.2:通过水准仪瞄准棱镜中心,再移动水准仪瞄准设立在水准点上的水准尺,获取水准尺上的读数,即为觇标高v,如图6所示,棱镜高度即觇标高。
本实施方式中,获得的觇标高v=1.35426。
步骤5:根据测量基点到监测点的倾角、斜距和水平距离,以及测距光径曲线上的大气折光系数、测量机器人的仪器高、觇标高,计算大气折光修正后的监测基点到监测点的高差。
本实施方式中,计算大气折光修正后的监测基点到监测点的高差的公式如式(10)所示:
ΔhAB=s×sinα+i-v+f1+f2 (10)
其中,D为测量基点到监测点的水平距离,ΔhAB为大气折光修正后的监测基点到监测点的高差,S为测量基点到监测点的斜距,α为测量基点到监测点的倾角。
步骤6:根据测量机器人测得的监测基点A点的高度HA和大气折光修正后的监测基点到监测点的高差得到修正后的监测点B的高程。
本实施方式中,修正后的监测点B高程如式(11)所示:
HB=HA+ΔhAB=235.29794 (11)
本实施方式中,利用徕卡DNA03电子水准仪,按国家一等水准测量规范要求对监测基点K与监测点A的高差进行的水准联测,水准路线长度为3.54公里,闭合差为1.8毫米,满足国家一等水准测量规范要求。同时利用水准仪微升器测量了仪器高和觇标高。监测基点仪器横轴至监测点棱镜中心之间高差按的计算公式如式(12)所示:
其中,ΔhKA水准为通过国家一等水准所测监测基点与监测点高差,为监测基点附近水准点至监测点附近水准点的水准测量高差。
通过对多个监测点(距离小于1000米)高程数据的精度评定结果表明,对高程数据不采用大气折光改正,监测点高程数据精度在±3.2毫米至±5.8毫米,采用大气折光改正,监测点高程数据精度在±0.8毫米至±2.3毫米。通过上述三角高程修正方法,可有效的修正监测点的高程数据精度,目前测量机器人(TM50)ATR测距最长可达到3000米,如果不进行气象改正,高程数据精度仅为厘米精度,其不能满足《工程测量规范》对岩质滑坡监测的数据精度要求(±3毫米)。因此,对于基于测量机器人露天矿边坡监测的高程数据进行大气折光改正是提高高程监测数据精度的有效方法,其对露天矿边坡失稳的准确分析及预测预报具有十分重要的现实意义。
Claims (3)
1.一种基于测量机器人露天矿边坡监测高程数据的处理方法,其特征在于,包括以下步骤:
步骤1:获取测量机器人采集的露天矿边坡监测基础数据,包括:测量基点到监测点的天顶距和斜距,并根据监测基础数据得到测量基点到监测点的倾角和平距;
步骤2:建立测量机器人测距光径曲线距地面高差模型;
步骤2.1:根据测量基点与监测点的高程及两点间的平距,建立测距光径曲线高程数值模型:
步骤2.2:将测距光径曲线沿铅垂面投影到地面,其投影线即为交痕曲线,根据交痕曲线的位置及采场地形图建立交痕曲线高程数值模型;
步骤2.3:根据测距光径曲线高程数值模型和交痕曲线高程数值模型建立测距光径曲线距地面高差的数值模型;
步骤3:建立露天矿当前环境下的测距光径上的大气竖直折光物理量梯度模型;
步骤3.1:在露天矿选取多个实验点,在不同环境下,从矿坑底部至矿坑上空以固定距离间隔测量影响因素物理量,即温度数据、湿度数据和气压数据;
步骤3.2:根据采集的不同环境下以固定距离间隔测量的温度数据、湿度数据和气压数据建立测距光径曲线上的大气折光系数模型;
步骤4:获取测量机器人的仪器高和觇标高;
步骤4.1:通过水准仪瞄准测量机器人横轴中心点,再移动水准仪瞄准设立在水准点上的水准尺,获取水准尺上的读数,即为测量机器人的高度i;
步骤4.2:通过水准仪瞄准棱镜中心,再移动水准仪瞄准设立在水准点上的水准尺,获取水准尺上的读数,即为觇标高v;
步骤5:根据测量基点到监测点的倾角、斜距和水平距离,以及测距光径曲线上的大气折光系数、测量机器人的仪器高、觇标高,计算大气折光修正后的监测基点到监测点的高差;
所述计算大气折光修正后的监测基点到监测点的高差的公式如下所示:
ΔhAB=s×sin α+i-v+f1+f2;
其中,ΔhAB为大气折光修正后的监测基点到监测点的高差,D为测量基点到监测点的水平距离,s为测量基点到监测点的斜距,α为测量基点到监测点的倾角,R为地球半径,K平为测距光径曲线上的大气折光系数;
步骤6:根据测量机器人测得的监测基点A点的高度HA和大气折光修正后的监测基点到监测点的高差得到修正后的监测点B的高程。
2.根据权利要求1所述的基于测量机器人露天矿边坡监测高程数据的处理方法,其特征在于,所述在露天矿选取多个实验点,在不同环境下,从矿坑底部至矿坑上空以固定距离间隔测量的温度数据、湿度数据和气压数据具体通过氢气球携带温湿度记录器进行测量。
3.根据权利要求1所述的基于测量机器人露天矿边坡监测高程数据的处理方法,其特征在于,所述测距光径曲线上的大气折光系数模型如下所示:
其中,K平为测距光径曲线上的大气折光系数,为气压梯度,为温度梯度,为水汽压梯度,Rd为干燥空气的比气体常数,e为空气的水蒸气分压力,Tv为虚温,P为大气压强,T为绝对温度,RH为相对湿度,Δh为测量影响因素物理量的矿坑上空全矿坑底部的高度差,RH2为测量的最高点的相对湿度,RH1为测量的地面的相对湿度,a、b为拟合的参数,R为地球半径,s为监测基站到监测点的斜距,l为监测基站到测距光径上的点的距离,Tl=T1+h×dT/dh为测距光径曲线上点的温度,h为测距光径曲线距近地面处的高度,T1为近地面处温度,Pl=P1+h×dP/dh为测距光径曲线上点的气压,P1为近地面处气压,el=e1+h×de/dh为测距光径曲线上点的水汽压,e1为近地面处水汽压,A=1.2378847×10-5K-2、B=-1.9121316x10-2K-1、C=33.93711047、D=-6.3431645×103K。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611167804.6A CN106595574B (zh) | 2016-12-16 | 2016-12-16 | 基于测量机器人露天矿边坡监测高程数据的处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611167804.6A CN106595574B (zh) | 2016-12-16 | 2016-12-16 | 基于测量机器人露天矿边坡监测高程数据的处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106595574A CN106595574A (zh) | 2017-04-26 |
CN106595574B true CN106595574B (zh) | 2019-05-28 |
Family
ID=58600554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611167804.6A Active CN106595574B (zh) | 2016-12-16 | 2016-12-16 | 基于测量机器人露天矿边坡监测高程数据的处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106595574B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107727061B (zh) * | 2017-09-27 | 2021-03-09 | 武汉霸云创新科技有限公司 | 一种自主气象改正的光电测距系统及方法 |
CN108492263B (zh) * | 2018-03-07 | 2022-02-18 | 鞍钢集团矿业有限公司 | 一种镜头径向畸变校正方法 |
CN109271605B (zh) * | 2018-10-12 | 2021-07-27 | 中国科学院地理科学与资源研究所 | 高空间分辨率遥感地表温度数据计算方法与装置 |
CN109443296A (zh) * | 2018-11-05 | 2019-03-08 | 郑州煤机液压电控有限公司 | 基于角度积分的采煤工作面起伏曲线测量方法 |
CN110500991A (zh) * | 2019-06-03 | 2019-11-26 | 国网山西省电力公司太原供电公司 | 导线地距气球悬达带电测量尺 |
CN110455257A (zh) * | 2019-08-16 | 2019-11-15 | 中国电建集团成都勘测设计研究院有限公司 | 大气垂直折光系数检测方法、高程测量系统及方法 |
CN112556643B (zh) * | 2020-11-30 | 2022-06-24 | 中铁大桥局集团第二工程有限公司 | 一种用于水中墩沉降观测的高程测量方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0543954A4 (en) * | 1990-08-17 | 1993-08-04 | Spatial Positioning Systems, Inc. | Spatial positioning system |
CN102636155A (zh) * | 2012-04-28 | 2012-08-15 | 天津二十冶建设有限公司 | 一种提高水准测量精度的两台仪器同时测量方法 |
CN103399362A (zh) * | 2013-07-23 | 2013-11-20 | 河海大学 | 一种基于三角高程网的大气折光系数反演方法 |
CN105043342A (zh) * | 2015-07-03 | 2015-11-11 | 中国电建集团西北勘测设计研究院有限公司 | 单向精密测距三角高程测量方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110199257A1 (en) * | 2010-02-18 | 2011-08-18 | David Lundgren | Method and system for updating altitude information for a location by using terrain model information to prime altitude sensors |
-
2016
- 2016-12-16 CN CN201611167804.6A patent/CN106595574B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0543954A4 (en) * | 1990-08-17 | 1993-08-04 | Spatial Positioning Systems, Inc. | Spatial positioning system |
CN102636155A (zh) * | 2012-04-28 | 2012-08-15 | 天津二十冶建设有限公司 | 一种提高水准测量精度的两台仪器同时测量方法 |
CN103399362A (zh) * | 2013-07-23 | 2013-11-20 | 河海大学 | 一种基于三角高程网的大气折光系数反演方法 |
CN105043342A (zh) * | 2015-07-03 | 2015-11-11 | 中国电建集团西北勘测设计研究院有限公司 | 单向精密测距三角高程测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106595574A (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106595574B (zh) | 基于测量机器人露天矿边坡监测高程数据的处理方法 | |
CN203744915U (zh) | 大坝坝体监测系统 | |
CN103499340B (zh) | 一种实现大高差高程竖直传递的测量装置及测量方法 | |
CN104316024A (zh) | 一种监测多点沉降的极简串联像机链测量方法与系统 | |
CN103884520B (zh) | 一种月面地形地貌模拟器制造方法 | |
CN111608731B (zh) | 一种盾构隧道安全状态监测预警装置及其监测预警方法 | |
CN101526516A (zh) | 利用超导重力连续观测确定大气水汽垂直分布的方法 | |
FU et al. | Discrepancies between free air gravity anomalies from EGM2008 and the ones from dense gravity/GPS observations at west Sichuan Basin | |
CN108680268A (zh) | 一种基于探空数据的区域加权平均温度的Bevis模型改进方法 | |
CN114046770A (zh) | 一种海上沉降观测测量方法 | |
CN205449052U (zh) | 一种激光测量建筑物倾斜角的装置 | |
CN108343448A (zh) | 一种隧道任意断面姿态确定的方法 | |
Zhao et al. | A study of landslide deformation fields with a digital correlation method | |
CN112035540A (zh) | 一种复杂地形太阳能资源测量方法 | |
CN113899344B (zh) | 一种考虑温度效应的长大隧道高精度沉降监测系统及方法 | |
CN107764477A (zh) | 一种风压传感器的标定方法与系统 | |
CN111368452B (zh) | 一种基于平漂球探空数据构建温度廓线的方法 | |
Wei et al. | High-Precision Trigonometric Leveling Based on Correction with Atmospheric Refraction Coefficient Model | |
Lewis et al. | Observations of cross‐ridge flows across steep terrain | |
Xia et al. | Establishing a high-precision ZHD model of China using 8 years of radiosonde data | |
Vaněček et al. | Testing the accuracy of measured values in continuous long-term geodetic monitoring | |
Whaley | The derivation of plume dispersion parameters from measured three-dimensional data | |
CN108241049A (zh) | 一种多成因地面塌陷状况的模拟监测系统及其使用方法 | |
Zhou et al. | Study on accuracy measure of trigonometric leveling | |
Breznikar et al. | Atmospheric effects in geodetic levelling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |