CN110148218A - 一种大批量机载LiDAR点云数据整体优化的方法 - Google Patents
一种大批量机载LiDAR点云数据整体优化的方法 Download PDFInfo
- Publication number
- CN110148218A CN110148218A CN201711062434.4A CN201711062434A CN110148218A CN 110148218 A CN110148218 A CN 110148218A CN 201711062434 A CN201711062434 A CN 201711062434A CN 110148218 A CN110148218 A CN 110148218A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- error
- airborne
- adjustment
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 277
- 238000005457 optimization Methods 0.000 title claims abstract description 88
- 238000012937 correction Methods 0.000 claims abstract description 80
- 238000012545 processing Methods 0.000 claims abstract description 42
- 230000001404 mediated effect Effects 0.000 claims abstract description 37
- 238000007405 data analysis Methods 0.000 claims abstract description 24
- 230000000750 progressive effect Effects 0.000 claims abstract description 23
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 204
- 230000009467 reduction Effects 0.000 claims description 114
- 238000007689 inspection Methods 0.000 claims description 42
- 238000007726 management method Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 21
- 241001269238 Data Species 0.000 claims description 16
- 239000004567 concrete Substances 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 11
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 16
- 238000004898 kneading Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 7
- 239000000523 sample Substances 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 3
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 239000011150 reinforced concrete Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000013214 routine measurement Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G06F19/00—
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种大批量机载LiDAR点云数据整体优化的方法，涉及基础测绘和带状工程勘测设计领域，包括如下步骤：点云数据准备；点云数据精度检查；点云数据误差源分析；点云平差误差模型构建，逐步迭代解算优化区域内机载激光点云数据。本发明的优越性为：本发明遵循“分块平差、逐步优化”原则，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理。解决了多架次、大批量、大数据的机载点云数据的平差匹配，控制了数据质量、保证了后续点云数据制作的质量与精度。
Description
技术领域
本发明涉及数据采集及数据优化领域，特别涉及一种通过不同架次的机载LiDAR对点云数据进行采集，通过分析、构建模型等过程对采集后的点云数据进行整体优化的大批量机载LiDAR点云数据整体优化的方法。
背景技术
LIDAR(激光雷达)即LightDetectionAndRanging，大致分为机载和地面两大类，其中机载激光雷达是一种安装在飞机上的机载激光探测和测距系统，可以量测地面物体的三维坐标。机载LIDAR是一种主动式对地观测系统，是上世纪九十年代初首先由西方国家发展起来并投入商业化应用的一门新兴技术。它集成激光测距技术、计算机技术、惯性测量单元(IMU)/DGPS差分定位技术于一体，该技术在三维空间信息的实时获取方面产生了重大突破，为获取高时空分辨率地球空间信息提供了一种全新的技术手段。它具有自动化程度高、受天气影响小、数据生产周期短、精度高等特点。机载LIDAR传感器发射的激光脉冲能部分地穿透树林遮挡，直接获取高精度三维地表地形数据。机载LIDAR数据经过相关软件数据处理后，可以生成高精度的数字地面模型DTM、等高线图，具有传统摄影测量和地面常规测量技术无法取代的优越性，因此引起了测绘界的浓厚兴趣。机载激光雷达技术的商业化应用，使航测制图如生成DEM、等高线和地物要素的自动提取更加便捷，其地面数据通过软件处理很容易用于各种成果制作。
机载LIDAR技术在国外的发展和应用已有十几年的历史，但是我国在这方面的研究和应用还只是刚刚起步,其中利用航空激光扫描探测数据进行困难地区DEM、DOM、DLG数据产品生产是当今的研究热点之一。该技术在地形测绘、环境检测、三维城市建模等诸多领域具有广阔的发展前景和应用需求，目前已成为新型测绘技术的代表性技术。
针对不同的应用领域及成果要求，结合灵活的搭载方式，LiDAR技术可以广泛应用于基础测绘、道路工程、电力电网、水利、石油管线、海岸线及海岛礁、数字城市等领域，提供多尺度(1:500至1:10000)、高精度的空间数据成果。
大范围的机载LiDAR点云数据获取通常需要多个架次的飞行采集。由于空域、天气等各方面因素的影响，通常需较长的周期来获得多架次的飞行数据。各个架次的数据采集由多条点云条带组成。不同条带的点云由于时间、环境、温度等各种情况的不同，激光点云条带内部及接边重叠区域存在着匹配接边误差。该误差对后续的数据处理及应用影响较大。甚至会直接影响成果数据的最终精度。
影响机载激光雷达测量点云精度的误源很多，主要包括：GNSS定位误差x,y,z、GNSS/INS组合定姿误差heading,roll,pitch和激光测距的比率误差scale。GNSS定位误差参数，与众多误差源密切相关，在局部范围内具有一定的随机性。GNSS轨迹线关于姿态定位的角度误差，与航线飞行状态直接相关，具有同一航线内误差恒定、航线间存在变化的特点。激光测距仪缩放误差，与飞行时段测区的气温和气压外界观测条件相关，具有单架次内误差恒定、架次间存在变化的特点。
针对以上误差源导致的机载LiDAR点云存在的匹配接边误差，现提出了一种大批量机载激光LiDAR点云整体优化的方法。该方法通过机载点云误差源分析，构建误差模型，采用间接平差最小二乘的方法计算误差源数值。针对不同条件下的飞行数据进行精度的整体优化。其中充分考虑了影响机载LiDAR点云数据精度的误差源，并通过实例数据验证误差模型的正确性和可行性。
发明内容
本发明实施例提供一种大批量机载LiDAR点云数据整体优化的方法，本发明方法遵循“分块平差、逐步优化”原则，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理。针对架次间相邻条带的错位问题，采用单航线平差法处理，从而实现大范围测区的无缝拼接和精度优化。为保证点云平差达到最优状态，还需要对点云进行平差处理的迭代循环，通过设置一定精度的阈值终止循环，从而保证机载激光雷达测量点云数据精度。解决了多架次、大批量、大数据的机载点云数据的平差匹配，控制了数据质量、保证了后续点云数据制作的质量与精度。分步平差的方法还可以保证数据处理的进度，在全部飞行任务没有完全完成的情况下，进行局部平差，先处理部分数据，通过接边逐步优化来处理新添加的数据，提高了数据处理效率。
本发明实施例提供一种大批量机载LiDAR点云数据整体优化的方法，包括如下步骤：
机载点云数据准备：对机载点云数据进行工程化组织管理，并挂接航迹线信息；
机载点云数据精度检查：对工程化组织管理后的机载点云数据进行相对精度与绝对精度检查，确定机载点云数据的精度；
机载点云数据误差源分析：对机载点云数据进行误差源分析，确定当前区域内机载点云数据主要误差源；
激光点云平差误差模型构建：在机载激光点云误差源分析的基础上，构建相应的误差纠正模型，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据；
成果输出：输出经单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后的大范围测区内无缝拼接和精度优化后的机载点云数据。
一种大批量机载LiDAR点云数据整体优化的方法，其中对所述机载点云数据精度检查分为采用相对精度检查与绝对精度检查两种方式，其中：
相对精度检查：针对同一测区不同航带间、不同测区接边航带间同名区域点云进行匹配检查，确定超限区域；
绝对精度检查：利用高精度评价点确定机载点云数据绝对精度。
一种大批量机载LiDAR点云数据整体优化的方法，其中所述机载点云数据误差源分析具体包括对激光测距仪缩放误差分析、姿态定位角度误差分析、GNSS定位误差分析。
一种大批量机载LiDAR点云数据整体优化的方法，其中所述激光测距仪缩放误差分析：选取两条航带覆盖区域内的大型地上构造物，比对其在机载点云数据中的尺寸与地面控制测量成果，根据其结果确定是否存在激光测距仪缩放比例误差；
所述姿态定位角度误差分析：选取有多条航线覆盖且分布有典型地物的区域作为特征区域，分析特征区域内同名地物匹配误差，确定姿态定位角度误差来源；
所述GNSS定位误差分析：综合GNSS差分解算过程数据及机载激光点云数据同名地上构造物或相同地形区域的匹配情况，确定GNSS定位误差在地理空间坐标系中的变化情况。
一种大批量机载LiDAR点云数据整体优化的方法，其中所述姿态定位角度误差分析具体包括heading角误差分析、roll角误差分析、pitch角误差分析，具体分析过程为：其中：heading表示航向角，roll表示侧滚角，pitch表示俯仰角；
所述heading角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域边缘位置选取地上特征构造物，根据其匹配情况确定heading角误差；
所述roll角误差分析：在机载点云覆盖区域内选取相交航带，在其公共区域边缘位置选取平直地表，根据其边缘高程匹配情况确定roll角误差；
所述pitch角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域中心位置选取地上特征构造物，根据其立面匹配情况确定Pitch角误差。
一种大批量机载LiDAR点云数据整体优化的方法，其中所述GNSS定位误差分析具体包括GNSS解算过程误差分析、GNSS解算结果误差分析，具体分析过程为：其中：GNSS为Global Navigation Satellite System简称表示全球导航定位卫星系统；
所述GNSS解算过程误差分析：根据GNSS解算过程中卡尔曼滤波正算结果与反算结果的差值、机载激光点云对应航迹线平面误差及高程误差确定GNSS解算过程误差；
所述GNSS解算结果误差分析：在工程化组织管理后的机载激光点云数据中选取典型区域，根据该区域内同名地上构造物或相同地形区域内的匹配情况确定GNSS解算结果误差。
一种大批量机载LiDAR点云数据整体优化的方法，其中所述激光点云平差误差模型构建具体步骤为：
1)Scale误差改正模型构建：单架次数据通过架次内计算Scale参数的方法，采用单架次平差法，在同一架次内建立关于Scale的虚拟观测方程：
通过以上模型，迭代解算每个架次的Scale修正值；
其中：
Scale：表示激光测距的比率误差；
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
dS：表示不同架次间Scale改正数；
2)姿态角误差改正模型构建：多架次数据平差融合，架次接边部分存在匹配误差时，通过架次接边的条带进行匹配误差调整；针对heading、roll、pitch参数，采用单航线平差法，在航线间重叠区建立关于heading、roll、pitch的虚拟观测方程：
通过以上模型，迭代解算每条航带的heading、roll、pitch值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云条带对应航迹线航向角改正量；
表示点云条带对应航迹线侧滚角改正量；
表示点云条带对应航迹线航偏角改正量；
3)GNSS误差改正模型构建：针对局部区域数据匹配误差，采用局部平差法，针对x,y,z参数，以样本区段为基础分割数据建立局部分析区，在局部分析区内建立关于x,y,z的虚拟观测方程：
通过以上模型，迭代解算局部区域的x,y,z改正值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向的改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向的改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向的改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云数据x方向改正量；
表示点云数据y方向改正量；
表示点云数据z方向改正量；
4)点云高程波动匹配：对经单航线平差、单架次平差、局部平差的机载激光点云数据点云数据根据相邻条带间同名点云存在的参与高程偏差，采用波动捏合的方法优化点云匹配精度；
5)点云数据绝对精度优化：在外业采集控制点的基础上，对经单航线平差、单架次平差、局部平差、残差捏合的机载激光点云数据通过构建拟合三角网的方式建立绝对精度改正模型，对点云数据进行绝对精度的优化。
一种大批量机载LiDAR点云数据整体优化的方法，所述激光点云平差误差模型的构建是依据机载点云数据误差源分析出当前区域内机载点云数据主要误差源的分析结果通过构建相应的误差纠正模型，进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据。
一种大批量机载LiDAR点云数据整体优化的方法，其中所述比例尺范围在1:500至1:10000之间。
由此可见：
本发明实施例中的大批量机载LiDAR点云数据整体优化的方法：
遵循“分块平差、逐步优化”原则，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理。针对架次间相邻条带的错位问题，采用单航线平差法处理，从而实现大范围测区的无缝拼接和精度优化。为保证点云平差达到最优状态，还需要对点云进行平差处理的迭代循环，通过设置一定精度的阈值终止循环，从而保证机载激光雷达测量点云数据精度。解决了多架次、大批量、大数据的机载点云数据的平差匹配，控制了数据质量、保证了后续点云数据制作的质量与精度。分步平差的方法还可以保证数据处理的进度，在全部飞行任务没有完全完成的情况下，进行局部平差，先处理部分数据，通过接边逐步优化来处理新添加的数据，提高了数据处理进度。
附图说明
图1为本发明的实施例1提供的大批量机载LiDAR点云数据整体优化的方法的整体流程示意图；
图2为本发明的实施例2提供的大批量机载LiDAR点云数据整体优化的方法的整体流程示意图；
图3为本发明的实施例3提供的大批量机载LiDAR点云数据整体优化的方法的整体流程示意图；
图4为本发明的实施例4提供的大批量机载LiDAR点云数据整体优化的方法的整体流程示意图；
图5为本发明的实施例5提供的大批量机载LiDAR点云数据整体优化的方法的整体流程示意图；
图6为本发明的实施例6提供的大批量机载LiDAR点云数据整体优化的方法的整体流程示意图；
图7为本发明的实施例7提供的大批量机载LiDAR点云数据整体优化的方法的整体流程示意图；
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合附图以及具体实施例来详细说明本发明，在此本发明的示意性实施例以及说明用来解释本发明，但并不作为对本发明的限定。
实施例1：
图1为本实施例提供的大批量机载LiDAR点云数据整体优化的方法的流程示意图，如图所示，该方法包括如下步骤：
机载点云数据准备：对机载点云数据进行工程化组织管理，并挂接航迹线信息；
机载点云数据精度检查：对工程化组织管理后的机载点云数据进行相对精度与绝对精度检查，确定机载点云数据的精度；
机载点云数据误差源分析：对机载点云数据进行误差源分析，确定当前区域内机载点云数据主要误差源；
激光点云平差误差模型构建：在机载激光点云误差源分析的基础上，构建相应的误差纠正模型，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据；
成果输出：输出经单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后的大范围测区内无缝拼接和精度优化后的机载点云数据。
在具体实施过程中对所述机载点云数据精度检查分为采用相对精度检查与绝对精度检查两种方式，其中：
相对精度检查：针对同一测区不同航带间、不同测区接边航带间同名区域点云进行匹配检查，确定超限区域；
绝对精度检查：利用高精度评价点确定机载点云数据绝对精度。
在具体实施过程中所述机载点云数据误差源分析具体包括对激光测距仪缩放误差分析、姿态定位角度误差分析、GNSS定位误差分析。
在具体实施过程中所述激光测距仪缩放误差分析：选取两条航带覆盖区域内的大型地上构造物，比对其在机载点云数据中的尺寸与地面控制测量成果，根据其结果确定是否存在激光测距仪缩放比例误差；
在具体实施过程中所述激光点云平差误差模型构建具体步骤为：
1)Scale误差改正模型构建：单架次数据通过架次内计算Scale参数的方法，采用单架次平差法，在同一架次内建立关于Scale的虚拟观测方程：
通过以上模型，迭代解算每个架次的Scale修正值；
其中：
Scale：表示激光测距的比率误差；
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
dS：表示不同架次间Scale改正数；
所述姿态定位角度误差分析：选取有多条航线覆盖且分布有典型地物的区域作为特征区域，分析特征区域内同名地物匹配误差，确定姿态定位角度误差来源；
在具体实施过程中所述姿态定位角度误差分析具体包括heading角误差分析、roll角误差分析、pitch角误差分析，具体分析过程为：其中：heading表示航向角，roll表示侧滚角，pitch表示俯仰角；
所述heading角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域边缘位置选取地上特征构造物，根据其匹配情况确定heading角误差；
所述roll角误差分析：在机载点云覆盖区域内选取相交航带，在其公共区域边缘位置选取平直地表，根据其边缘高程匹配情况确定roll角误差；
所述pitch角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域中心位置选取地上特征构造物，根据其立面匹配情况确定Pitch角误差。
在具体实施过程中姿态角误差改正模型构建：多架次数据平差融合，架次接边部分存在匹配误差时，通过架次接边的条带进行匹配误差调整；针对heading、roll、pitch参数，采用单航线平差法，在航线间重叠区建立关于heading、roll、pitch的虚拟观测方程：
通过以上模型，迭代解算每条航带的heading、roll、pitch值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云条带对应航迹线航向角改正量；
表示点云条带对应航迹线侧滚角改正量；
表示点云条带对应航迹线航偏角改正量；
在具体实施过程中所述GNSS定位误差分析：综合GNSS差分解算过程数据及机载激光点云数据同名地上构造物或相同地形区域的匹配情况，确定GNSS定位误差在地理空间坐标系中的变化情况。
在具体实施过程中所述GNSS定位误差分析具体包括GNSS解算过程误差分析、GNSS解算结果误差分析，具体分析过程为：其中：GNSS为Global Navigation Satellite System简称表示全球导航定位卫星系统；
所述GNSS解算过程误差分析：根据GNSS解算过程中卡尔曼滤波正算结果与反算结果的差值、机载激光点云对应航迹线平面误差及高程误差确定GNSS解算过程误差；
所述GNSS解算结果误差分析：在工程化组织管理后的机载激光点云数据中选取典型区域，根据该区域内同名地上构造物或相同地形区域内的匹配情况确定GNSS解算结果误差。
在具体实施过程中GNSS误差改正模型构建：针对局部区域数据匹配误差，采用局部平差法，针对x,y,z参数，以样本区段为基础分割数据建立局部分析区，在局部分析区内建立关于x,y,z的虚拟观测方程：
通过以上模型，迭代解算局部区域的x,y,z改正值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向的改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向的改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向的改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云数据x方向改正量；
表示点云数据y方向改正量；
表示点云数据z方向改正量；
在具体实施过程中点云高程波动匹配：对经单航线平差、单架次平差、局部平差的机载激光点云数据点云数据根据相邻条带间同名点云存在的参与高程偏差，采用波动捏合的方法优化点云匹配精度；
在具体实施过程中点云数据绝对精度优化：在外业采集控制点的基础上，对经单航线平差、单架次平差、局部平差、残差捏合的机载激光点云数据通过构建拟合三角网的方式建立绝对精度改正模型，对点云数据进行绝对精度的优化。
在具体实施过程中所述激光点云平差误差模型的构建是依据机载点云数据误差源分析出当前区域内机载点云数据主要误差源的分析结果通过构建相应的误差纠正模型，进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据。
在具体实施过程中所述成图比例尺为1:500。
下面以一个更具体的一个细节方面的例子来对上述内容加以说明。
图1为本实施例提供的大批量机载LiDAR点云数据整体优化的方法的流程示意图。
对测区200平方公里范围的已采集的激光点云进行处理，测区共计19条航线，总计飞行2个架次，点云密度大于每平方20个点。对机载点云数据准备，进行工程化组织管理，并挂接航迹线信息；对准备好的机载激光点云数据进行相对精度与绝对精度的检查；检查完成后分析机载点云的误差源，确定误差范围区域及误差大小；对机载激光点云误差构建误差模型，进行迭代处理满足精度要求后，对激光点云数据残差捏合及绝对精度改正输出优化后的激光点云数据。
如图1所示，该方法包括如下步骤：
机载点云数据准备：对机载点云数据进行工程化组织管理，并挂接航迹线信息；
在具体实施例中：首先将轨迹线按照航飞条带切割并编码。对机载点云数据分块处理进行工程化组织管理，点云按照500米边长的方型图框分块，并按照航飞条带编码对每个分块的点云数据赋航带信息值。最后通过自动滤波对点云数据进行地面点分类。
机载点云数据精度检查：对工程化组织管理后的机载点云数据进行相对精度与绝对精度检查，确定机载点云数据的精度。
在具体实施例中：点云数据的相对精度检查主要是检查相邻航带间的同名地物、地貌的匹配情况，并记录误差超限的位置及误差值。相对精度检查完成后进行绝对精度检查。绝对精度检查是通过地面测量特征点位获取精度评价的已知点，然后对点云进行精度评价，获取机载激光点云的绝对精度值。
机载点云数据误差源分析：对机载点云数据进行误差源分析，确定当前区域内机载点云数据主要误差源；
激光点云平差误差模型构建：在机载激光点云误差源分析的基础上，构建相应的误差纠正模型，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据；主要通过误差源分析来确定构建以上平差模型的种类。
成果输出：输出经单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后的大范围测区内无缝拼接和精度优化后的机载点云数据。
在具体实施例中：提取单条航线上的机载激光点云数据，并经过单航线平差处理。
在具体实施例中：提取单个架次的机载激光点云数据，并经过单架次平差处理。
在具体实施例中：提取局部误差超限的激光点云区域，对机载激光点云数据经过局部平差处理。
在具体实施例中：对全部的机载激光点云数据经过航带间点云残差捏合处理。
在具体实施例中：对全部的机载激光点云数据经过绝对精度改正。
最后输出经过以上平差处理后的激光点云数据，多次处理，直到满足1:500比例尺精度要求为止。
在具体实施过程中对所述机载点云数据精度检查分为采用相对精度检查与绝对精度检查两种方式，其中：
相对精度检查：针对同一测区不同航带间、不同测区接边航带间同名区域点云进行匹配检查，确定超限区域；记录超限区域的范围及误差大小。
绝对精度检查：利用高精度评价点确定机载点云数据绝对精度。
在具体实施过程中所述机载点云数据误差源分析具体包括对激光测距仪缩放误差分析、姿态定位角度误差分析、GNSS定位误差分析。
在具体实施过程中所述激光测距仪缩放误差分析：选取两条航带覆盖区域内的大型地上构造物，比对其在机载点云数据中的尺寸与地面控制测量成果，根据其结果确定是否存在激光测距仪缩放比例误差；本次选择了测区内长100米、宽50米、高10米的大型厂房，提取该厂房的点云数据，从中量取厂房的长度与宽度，与地面控制点比较后距离差值为1.5米。超出了误差范围，经判断该区域存在Scale误差，需要采用单架次平差法。
在具体实施过程中所述激光点云平差误差模型构建具体步骤为：
1)Scale误差改正模型构建：单架次数据通过架次内计算Scale参数的方法，采用单架次平差法，在同一架次内建立关于Scale的虚拟观测方程：
通过以上模型，迭代解算每个架次的Scale修正值；
其中：
Scale：表示激光测距的比率误差；
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
dS：表示不同架次间Scale改正数；
所述姿态定位角度误差分析：选取有多条航线覆盖且分布有典型地物的区域作为特征区域，分析特征区域内同名地物匹配误差，确定姿态定位角度误差来源；
在具体实施过程中所述姿态定位角度误差分析具体包括heading角误差分析、roll角误差分析、pitch角误差分析，具体分析过程为：其中：heading表示航向角，roll表示侧滚角，pitch表示俯仰角；
所述heading角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域边缘位置选取地上特征构造物，根据其匹配情况确定heading角误差；选取测区范围内建筑物密集区域，查看重叠区域建筑点云，建筑物点云存在在飞行方向与垂直于飞行方向均有偏差，差值超过两倍的点云间距，经判断该区域存在heading角误差。
所述roll角误差分析：在机载点云覆盖区域内选取相交航带，在其公共区域边缘位置选取平直地表，根据其边缘高程匹配情况确定roll角误差；选取航线重叠区域点云，横切点云查看两条点云的高程差值，该差值超过设计要求精度即可判断存在roll角误差。
所述pitch角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域中心位置选取地上特征构造物，根据其立面匹配情况确定Pitch角误差。选取垂直于航线方向的尖顶房屋，在航线正下方切剖面，在飞行方向两条点云如果存在位移并超过了两倍的点间距，经判断该区域存在pitch角误差。
在具体实施过程中姿态角误差改正模型构建：多架次数据平差融合，架次接边部分存在匹配误差时，通过架次接边的条带进行匹配误差调整；针对heading、roll、pitch参数，采用单航线平差法，在航线间重叠区建立关于heading、roll、pitch的虚拟观测方程：
通过以上模型，迭代解算每条航带的heading、roll、pitch值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云条带对应航迹线航向角改正量；
表示点云条带对应航迹线侧滚角改正量；
表示点云条带对应航迹线航偏角改正量；
在具体实施过程中所述GNSS定位误差分析：综合GNSS差分解算过程数据及机载激光点云数据同名地上构造物或相同地形区域的匹配情况，确定GNSS定位误差在地理空间坐标系中的变化情况。
在具体实施过程中所述GNSS定位误差分析具体包括GNSS解算过程误差分析、GNSS解算结果误差分析，具体分析过程为：其中：GNSS为Global Navigation Satellite System简称表示全球导航定位卫星系统；
所述GNSS解算过程误差分析：根据GNSS解算过程中卡尔曼滤波正算结果与反算结果的差值、机载激光点云对应航迹线平面误差及高程误差确定GNSS解算过程误差；本次通过后差分解算软件显示，第八条航线15公里处正算结果与反算结果差值大于20厘米，超出了设计要求。
所述GNSS解算结果误差分析：在工程化组织管理后的机载激光点云数据中选取典型区域，根据该区域内同名地上构造物或相同地形区域内的匹配情况确定GNSS解算结果误差。本次查看第八条航线15公里处点云，与第九条航线该处点云误差加大，超出了两倍的点间距，经判断该区域存在GNSS误差。
在具体实施过程中GNSS误差改正模型构建：针对局部区域数据匹配误差，采用局部平差法，针对x,y,z参数，以样本区段为基础分割数据建立局部分析区，在局部分析区内建立关于x,y,z的虚拟观测方程：
通过以上模型，迭代解算局部区域的x,y,z改正值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向的改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向的改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向的改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云数据x方向改正量；
表示点云数据y方向改正量；
表示点云数据z方向改正量；
在具体实施过程中点云高程波动匹配：对经单航线平差、单架次平差、局部平差的机载激光点云数据点云数据根据相邻条带间同名点云存在的参与高程偏差，采用波动捏合的方法优化点云匹配精度；经过工程化管理的点云区块，全部地面点云数据经过了高程波动匹配分析，最后采用高程波动的方法匹配点云数据，优化了点云匹配精度。
在具体实施过程中点云数据绝对精度优化：在外业采集控制点的基础上，对经单航线平差、单架次平差、局部平差、残差捏合的机载激光点云数据通过构建拟合三角网的方式建立绝对精度改正模型，对点云数据进行绝对精度的优化。本次使用了在测区均匀分布的20个控制点，通过点云与控制点的高差构建拟合三角网，并建立对点云数据的精度改正模型，对每个点云分块进行绝对精度的优化。
在具体实施过程中所述激光点云平差误差模型的构建是依据机载点云数据误差源分析出当前区域内机载点云数据主要误差源的分析结果通过构建相应的误差纠正模型，进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据。
本次实施例中飞行条件一般，对点云的精度要求较高，点云数据经过了单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正，最终生成了高精度的激光点云成果。
实施例2：
图2为本实施例提供的大批量机载LiDAR点云数据整体优化的方法的流程示意图，如图所示，该方法包括如下步骤：
机载点云数据准备：对机载点云数据进行工程化组织管理，并挂接航迹线信息；
机载点云数据精度检查：对工程化组织管理后的机载点云数据进行相对精度与绝对精度检查，确定机载点云数据的精度；
机载点云数据误差源分析：对机载点云数据进行误差源分析，确定当前区域内机载点云数据主要误差源；
激光点云平差误差模型构建：在机载激光点云误差源分析的基础上，构建相应的误差纠正模型，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据；
成果输出：输出经单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后的大范围测区内无缝拼接和精度优化后的机载点云数据。
在具体实施过程中对所述机载点云数据精度检查分为采用相对精度检查与绝对精度检查两种方式，其中：
相对精度检查：针对同一测区不同航带间、不同测区接边航带间同名区域点云进行匹配检查，确定超限区域；
绝对精度检查：利用高精度评价点确定机载点云数据绝对精度。
在具体实施过程中所述机载点云数据误差源分析具体包括对激光测距仪缩放误差分析、姿态定位角度误差分析。
在具体实施过程中所述激光测距仪缩放误差分析：选取两条航带覆盖区域内的大型地上构造物，比对其在机载点云数据中的尺寸与地面控制测量成果，根据其结果确定是否存在激光测距仪缩放比例误差；
在具体实施过程中所述激光点云平差误差模型构建具体步骤为：
1)Scale误差改正模型构建：单架次数据通过架次内计算Scale参数的方法，采用单架次平差法，在同一架次内建立关于Scale的虚拟观测方程：
通过以上模型，迭代解算每个架次的Scale修正值；
其中：
Scale：表示激光测距的比率误差；
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
dS：表示不同架次间Scale改正数；
所述姿态定位角度误差分析：选取有多条航线覆盖且分布有典型地物的区域作为特征区域，分析特征区域内同名地物匹配误差，确定姿态定位角度误差来源；
在具体实施过程中所述姿态定位角度误差分析具体包括heading角误差分析、roll角误差分析、pitch角误差分析，具体分析过程为：其中：heading表示航向角，roll表示侧滚角，pitch表示俯仰角；
所述heading角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域边缘位置选取地上特征构造物，根据其匹配情况确定heading角误差；
所述roll角误差分析：在机载点云覆盖区域内选取相交航带，在其公共区域边缘位置选取平直地表，根据其边缘高程匹配情况确定roll角误差；
所述pitch角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域中心位置选取地上特征构造物，根据其立面匹配情况确定Pitch角误差。
在具体实施过程中姿态角误差改正模型构建：多架次数据平差融合，架次接边部分存在匹配误差时，通过架次接边的条带进行匹配误差调整；针对heading、roll、pitch参数，采用单航线平差法，在航线间重叠区建立关于heading、roll、pitch的虚拟观测方程：
通过以上模型，迭代解算每条航带的heading、roll、pitch值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云条带对应航迹线航向角改正量；
表示点云条带对应航迹线侧滚角改正量；
表示点云条带对应航迹线航偏角改正量；
在具体实施过程中点云高程波动匹配：对经单航线平差、单架次平差、局部平差的机载激光点云数据点云数据根据相邻条带间同名点云存在的参与高程偏差，采用波动捏合的方法优化点云匹配精度；
在具体实施过程中点云数据绝对精度优化：在外业采集控制点的基础上，对经单航线平差、单架次平差、局部平差、残差捏合的机载激光点云数据通过构建拟合三角网的方式建立绝对精度改正模型，对点云数据进行绝对精度的优化。
在具体实施过程中所述激光点云平差误差模型的构建是依据机载点云数据误差源分析出当前区域内机载点云数据主要误差源的分析结果通过构建相应的误差纠正模型，进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据。
在具体实施过程中所述成图比例尺为1:2000。
本实施例的技术构思与实施1技术构思基本相同，相同部分在此不加以赘述。
下面以一个具体案例进行说明：
图2为本实施例提供的大批量机载LiDAR点云数据整体优化的方法的流程示意图。
对测区120平方公里范围的已采集的激光点云进行处理，测区共计13条航线，总计飞行1个架次，点云密度大于每平方4个点。对机载点云数据准备，进行工程化组织管理，并挂接航迹线信息；对准备好的机载激光点云数据进行相对精度与绝对精度的检查；检查完成后分析机载点云的误差源，确定误差范围区域及误差大小；对机载激光点云误差构建误差模型，进行迭代处理满足精度要求后，对激光点云数据残差捏合及绝对精度改正输出优化后的激光点云数据。
如图2所示，该方法包括如下步骤：
机载点云数据准备：对机载点云数据进行工程化组织管理，并挂接航迹线信息；
机载点云数据精度检查：对工程化组织管理后的机载点云数据进行相对精度与绝对精度检查，确定机载点云数据的精度；
机载点云数据误差源分析：对机载点云数据进行误差源分析，确定当前区域内机载点云数据主要误差源；
激光点云平差误差模型构建：在机载激光点云误差源分析的基础上，构建相应的误差纠正模型，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据；
成果输出：输出经单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后的大范围测区内无缝拼接和精度优化后的机载点云数据。
在具体实施过程中对所述机载点云数据精度检查分为采用相对精度检查与绝对精度检查两种方式，其中：
相对精度检查：针对同一测区不同航带间、不同测区接边航带间同名区域点云进行匹配检查，确定超限区域；
绝对精度检查：利用高精度评价点确定机载点云数据绝对精度。
在具体实施例中：点云数据的相对精度检查主要是检查相邻航带间的同名地物、地貌的匹配情况，并记录误差超限的位置及误差值。相对精度检查完成后进行绝对精度检查。绝对精度检查是通过地面测量特征点位获取精度评价的已知点，然后对点云进行精度评价，获取机载激光点云的绝对精度值。
在具体实施过程中所述机载点云数据误差源分析具体包括对激光测距仪缩放误差分析、姿态定位角度误差分析。
在具体实施过程中所述激光测距仪缩放误差分析：选取两条航带覆盖区域内的大型地上构造物，比对其在机载点云数据中的尺寸与地面控制测量成果，根据其结果确定是否存在激光测距仪缩放比例误差；本次选择了测区内长150米、宽15米的大型钢筋混凝土桥梁，提取该桥梁的点云数据，从中量取桥梁的长度，与地面控制点比较后长度差值为2.0米。超出了误差范围，经判断该区域存在Scale误差，需要采用单架次平差法。
在具体实施过程中所述激光点云平差误差模型构建具体步骤为：
1)Scale误差改正模型构建：单架次数据通过架次内计算Scale参数的方法，采用单架次平差法，在同一架次内建立关于Scale的虚拟观测方程：
通过以上模型，迭代解算每个架次的Scale修正值；
其中：
Scale：表示激光测距的比率误差；
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
dS：表示不同架次间Scale改正数；
所述姿态定位角度误差分析：选取有多条航线覆盖且分布有典型地物的区域作为特征区域，分析特征区域内同名地物匹配误差，确定姿态定位角度误差来源；
在具体实施过程中所述姿态定位角度误差分析具体包括heading角误差分析、roll角误差分析、pitch角误差分析，具体分析过程为：其中：heading表示航向角，roll表示侧滚角，pitch表示俯仰角；
所述heading角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域边缘位置选取地上特征构造物，根据其匹配情况确定heading角误差；
所述roll角误差分析：在机载点云覆盖区域内选取相交航带，在其公共区域边缘位置选取平直地表，根据其边缘高程匹配情况确定roll角误差；
所述pitch角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域中心位置选取地上特征构造物，根据其立面匹配情况确定Pitch角误差。
本次针对测区内的尖顶房屋及100米以上的平直道路，建筑物点云存在在飞行方向与垂直于飞行方向均有偏差，差值超过两倍的点云间距，经判断该区域存在heading角误差。
横切道路点云查看两条点云的高程差值，该差值超过设计要求精度即可判断存在roll角误差。选取垂直于航线方向的尖顶房屋，在航线正下方切剖面，在飞行方向两条点云如果存在位移并超过了两倍的点间距，经判断该区域存在pitch角误差。
在具体实施过程中姿态角误差改正模型构建：多架次数据平差融合，架次接边部分存在匹配误差时，通过架次接边的条带进行匹配误差调整；针对heading、roll、pitch参数，采用单航线平差法，在航线间重叠区建立关于heading、roll、pitch的虚拟观测方程：
通过以上模型，迭代解算每条航带的heading、roll、pitch值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云条带对应航迹线航向角改正量；
表示点云条带对应航迹线侧滚角改正量；
表示点云条带对应航迹线航偏角改正量；
在具体实施过程中点云高程波动匹配：对经单航线平差、单架次平差、局部平差的机载激光点云数据点云数据根据相邻条带间同名点云存在的参与高程偏差，采用波动捏合的方法优化点云匹配精度；
在具体实施过程中点云数据绝对精度优化：在外业采集控制点的基础上，对经单航线平差、单架次平差、局部平差、残差捏合的机载激光点云数据通过构建拟合三角网的方式建立绝对精度改正模型，对点云数据进行绝对精度的优化。
在具体实施过程中所述激光点云平差误差模型的构建是依据机载点云数据误差源分析出当前区域内机载点云数据主要误差源的分析结果通过构建相应的误差纠正模型，进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据。
本次实施例中点云数据逐步经过了单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后，最终生成了高精度的激光点云成果。
实施例3
图3为本实施例提供的大批量机载LiDAR点云数据整体优化的方法的流程示意图，如图所示，该方法包括如下步骤：
机载点云数据准备：对机载点云数据进行工程化组织管理，并挂接航迹线信息；
机载点云数据精度检查：对工程化组织管理后的机载点云数据进行相对精度与绝对精度检查，确定机载点云数据的精度；
机载点云数据误差源分析：对机载点云数据进行误差源分析，确定当前区域内机载点云数据主要误差源；
激光点云平差误差模型构建：在机载激光点云误差源分析的基础上，构建相应的误差纠正模型，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据；
成果输出：输出经单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后的大范围测区内无缝拼接和精度优化后的机载点云数据。
在具体实施过程中对所述机载点云数据精度检查分为采用相对精度检查与绝对精度检查两种方式，其中：
相对精度检查：针对同一测区不同航带间、不同测区接边航带间同名区域点云进行匹配检查，确定超限区域；
绝对精度检查：利用高精度评价点确定机载点云数据绝对精度。
在具体实施过程中所述机载点云数据误差源分析具体包括对激光测距仪缩放误差分析、GNSS定位误差分析。
在具体实施过程中所述激光测距仪缩放误差分析：选取两条航带覆盖区域内的大型地上构造物，比对其在机载点云数据中的尺寸与地面控制测量成果，根据其结果确定是否存在激光测距仪缩放比例误差；
在具体实施过程中所述激光点云平差误差模型构建具体步骤为：
1)Scale误差改正模型构建：单架次数据通过架次内计算Scale参数的方法，采用单架次平差法，在同一架次内建立关于Scale的虚拟观测方程：
通过以上模型，迭代解算每个架次的Scale修正值；
其中：
Scale：表示激光测距的比率误差；
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
dS：表示不同架次间Scale改正数；
在具体实施过程中所述GNSS定位误差分析：综合GNSS差分解算过程数据及机载激光点云数据同名地上构造物或相同地形区域的匹配情况，确定GNSS定位误差在地理空间坐标系中的变化情况。
在具体实施过程中所述GNSS定位误差分析具体包括GNSS解算过程误差分析、GNSS解算结果误差分析，具体分析过程为：其中：GNSS为Global Navigation Satellite System简称表示全球导航定位卫星系统；
所述GNSS解算过程误差分析：根据GNSS解算过程中卡尔曼滤波正算结果与反算结果的差值、机载激光点云对应航迹线平面误差及高程误差确定GNSS解算过程误差；
所述GNSS解算结果误差分析：在工程化组织管理后的机载激光点云数据中选取典型区域，根据该区域内同名地上构造物或相同地形区域内的匹配情况确定GNSS解算结果误差。
在具体实施过程中GNSS误差改正模型构建：针对局部区域数据匹配误差，采用局部平差法，针对x,y,z参数，以样本区段为基础分割数据建立局部分析区，在局部分析区内建立关于x,y,z的虚拟观测方程：
通过以上模型，迭代解算局部区域的x,y,z改正值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向的改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向的改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向的改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云数据x方向改正量；
表示点云数据y方向改正量；
表示点云数据z方向改正量；
在具体实施过程中点云高程波动匹配：对经单航线平差、单架次平差、局部平差的机载激光点云数据点云数据根据相邻条带间同名点云存在的参与高程偏差，采用波动捏合的方法优化点云匹配精度；
在具体实施过程中点云数据绝对精度优化：在外业采集控制点的基础上，对经单航线平差、单架次平差、局部平差、残差捏合的机载激光点云数据通过构建拟合三角网的方式建立绝对精度改正模型，对点云数据进行绝对精度的优化。
在具体实施过程中所述激光点云平差误差模型的构建是依据机载点云数据误差源分析出当前区域内机载点云数据主要误差源的分析结果通过构建相应的误差纠正模型，进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据。
在具体实施过程中所述成图比例尺为1:1000。
本实施例的技术构思与实施1技术构思基本相同，相同部分在此不加以赘述。
实施例4
图4为本实施例提供的大批量机载LiDAR点云数据整体优化的方法的流程示意图，如图所示，该方法包括如下步骤：
机载点云数据准备：对机载点云数据进行工程化组织管理，并挂接航迹线信息；
机载点云数据精度检查：对工程化组织管理后的机载点云数据进行相对精度与绝对精度检查，确定机载点云数据的精度；
机载点云数据误差源分析：对机载点云数据进行误差源分析，确定当前区域内机载点云数据主要误差源；
激光点云平差误差模型构建：在机载激光点云误差源分析的基础上，构建相应的误差纠正模型，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据；
成果输出：输出经单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后的大范围测区内无缝拼接和精度优化后的机载点云数据。
在具体实施过程中对所述机载点云数据精度检查分为采用相对精度检查与绝对精度检查两种方式，其中：
相对精度检查：针对同一测区不同航带间、不同测区接边航带间同名区域点云进行匹配检查，确定超限区域；
绝对精度检查：利用高精度评价点确定机载点云数据绝对精度。
在具体实施过程中所述机载点云数据误差源分析具体包括对姿态定位角度误差分析、GNSS定位误差分析。
所述姿态定位角度误差分析：选取有多条航线覆盖且分布有典型地物的区域作为特征区域，分析特征区域内同名地物匹配误差，确定姿态定位角度误差来源；
在具体实施过程中所述姿态定位角度误差分析具体包括heading角误差分析、roll角误差分析、pitch角误差分析，具体分析过程为：其中：heading表示航向角，roll表示侧滚角，pitch表示俯仰角；
所述heading角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域边缘位置选取地上特征构造物，根据其匹配情况确定heading角误差；
所述roll角误差分析：在机载点云覆盖区域内选取相交航带，在其公共区域边缘位置选取平直地表，根据其边缘高程匹配情况确定roll角误差；
所述pitch角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域中心位置选取地上特征构造物，根据其立面匹配情况确定Pitch角误差。
在具体实施过程中姿态角误差改正模型构建：多架次数据平差融合，架次接边部分存在匹配误差时，通过架次接边的条带进行匹配误差调整；针对heading、roll、pitch参数，采用单航线平差法，在航线间重叠区建立关于heading、roll、pitch的虚拟观测方程：
通过以上模型，迭代解算每条航带的heading、roll、pitch值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云条带对应航迹线航向角改正量；
表示点云条带对应航迹线侧滚角改正量；
表示点云条带对应航迹线航偏角改正量；
在具体实施过程中所述GNSS定位误差分析：综合GNSS差分解算过程数据及机载激光点云数据同名地上构造物或相同地形区域的匹配情况，确定GNSS定位误差在地理空间坐标系中的变化情况。
在具体实施过程中所述GNSS定位误差分析具体包括GNSS解算过程误差分析、GNSS解算结果误差分析，具体分析过程为：其中：GNSS为Global Navigation Satellite System简称表示全球导航定位卫星系统；
所述GNSS解算过程误差分析：根据GNSS解算过程中卡尔曼滤波正算结果与反算结果的差值、机载激光点云对应航迹线平面误差及高程误差确定GNSS解算过程误差；
所述GNSS解算结果误差分析：在工程化组织管理后的机载激光点云数据中选取典型区域，根据该区域内同名地上构造物或相同地形区域内的匹配情况确定GNSS解算结果误差。
在具体实施过程中GNSS误差改正模型构建：针对局部区域数据匹配误差，采用局部平差法，针对x,y,z参数，以样本区段为基础分割数据建立局部分析区，在局部分析区内建立关于x,y,z的虚拟观测方程：
通过以上模型，迭代解算局部区域的x,y,z改正值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向的改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向的改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向的改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云数据x方向改正量；
表示点云数据y方向改正量；
表示点云数据z方向改正量；
在具体实施过程中点云高程波动匹配：对经单航线平差、单架次平差、局部平差的机载激光点云数据点云数据根据相邻条带间同名点云存在的参与高程偏差，采用波动捏合的方法优化点云匹配精度；
在具体实施过程中点云数据绝对精度优化：在外业采集控制点的基础上，对经单航线平差、单架次平差、局部平差、残差捏合的机载激光点云数据通过构建拟合三角网的方式建立绝对精度改正模型，对点云数据进行绝对精度的优化。
在具体实施过程中所述激光点云平差误差模型的构建是依据机载点云数据误差源分析出当前区域内机载点云数据主要误差源的分析结果通过构建相应的误差纠正模型，进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据。
在具体实施过程中所述成图比例尺为1:300。
本实施例的技术构思与实施1技术构思基本相同，相同部分在此不加以赘述。
实施例5
图5为本实施例提供的大批量机载LiDAR点云数据整体优化的方法的流程示意图，如图所示，该方法包括如下步骤：
机载点云数据准备：对机载点云数据进行工程化组织管理，并挂接航迹线信息；
机载点云数据精度检查：对工程化组织管理后的机载点云数据进行相对精度与绝对精度检查，确定机载点云数据的精度；
机载点云数据误差源分析：对机载点云数据进行误差源分析，确定当前区域内机载点云数据主要误差源；
激光点云平差误差模型构建：在机载激光点云误差源分析的基础上，构建相应的误差纠正模型，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据；
成果输出：输出经单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后的大范围测区内无缝拼接和精度优化后的机载点云数据。
在具体实施过程中对所述机载点云数据精度检查分为采用相对精度检查与绝对精度检查两种方式，其中：
相对精度检查：针对同一测区不同航带间、不同测区接边航带间同名区域点云进行匹配检查，确定超限区域；
绝对精度检查：利用高精度评价点确定机载点云数据绝对精度。
在具体实施过程中所述机载点云数据误差源分析具体对激光测距仪缩放误差分析。
在具体实施过程中所述激光测距仪缩放误差分析：选取两条航带覆盖区域内的大型地上构造物，比对其在机载点云数据中的尺寸与地面控制测量成果，根据其结果确定是否存在激光测距仪缩放比例误差；
在具体实施过程中所述激光点云平差误差模型构建具体步骤为：
1)Scale误差改正模型构建：单架次数据通过架次内计算Scale参数的方法，采用单架次平差法，在同一架次内建立关于Scale的虚拟观测方程：
通过以上模型，迭代解算每个架次的Scale修正值；
其中：
Scale：表示激光测距的比率误差；
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
dS：表示不同架次间Scale改正数；
在具体实施过程中点云高程波动匹配：对经单航线平差、单架次平差、局部平差的机载激光点云数据点云数据根据相邻条带间同名点云存在的参与高程偏差，采用波动捏合的方法优化点云匹配精度；
在具体实施过程中点云数据绝对精度优化：在外业采集控制点的基础上，对经单航线平差、单架次平差、局部平差、残差捏合的机载激光点云数据通过构建拟合三角网的方式建立绝对精度改正模型，对点云数据进行绝对精度的优化。
在具体实施过程中所述激光点云平差误差模型的构建是依据机载点云数据误差源分析出当前区域内机载点云数据主要误差源的分析结果通过构建相应的误差纠正模型，进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据。
在具体实施过程中所述比例成图比例尺为1:1000。
本实施例的技术构思与实施1技术构思基本相同，相同部分在此不加以赘述。
实施例6：
图6为本实施例提供的大批量机载LiDAR点云数据整体优化的方法的流程示意图，如图所示，该方法包括如下步骤：
机载点云数据准备：对机载点云数据进行工程化组织管理，并挂接航迹线信息；
机载点云数据精度检查：对工程化组织管理后的机载点云数据进行相对精度与绝对精度检查，确定机载点云数据的精度；
机载点云数据误差源分析：对机载点云数据进行误差源分析，确定当前区域内机载点云数据主要误差源；
激光点云平差误差模型构建：在机载激光点云误差源分析的基础上，构建相应的误差纠正模型，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据；
成果输出：输出经单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后的大范围测区内无缝拼接和精度优化后的机载点云数据。
在具体实施过程中对所述机载点云数据精度检查分为采用相对精度检查与绝对精度检查两种方式，其中：
相对精度检查：针对同一测区不同航带间、不同测区接边航带间同名区域点云进行匹配检查，确定超限区域；
绝对精度检查：利用高精度评价点确定机载点云数据绝对精度。
在具体实施过程中所述机载点云数据误差源分析具体姿态定位角度误差分析。
所述姿态定位角度误差分析：选取有多条航线覆盖且分布有典型地物的区域作为特征区域，分析特征区域内同名地物匹配误差，确定姿态定位角度误差来源；
在具体实施过程中所述姿态定位角度误差分析具体包括heading角误差分析、roll角误差分析、pitch角误差分析，具体分析过程为：其中：heading表示航向角，roll表示侧滚角，pitch表示俯仰角；
所述heading角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域边缘位置选取地上特征构造物，根据其匹配情况确定heading角误差；
所述roll角误差分析：在机载点云覆盖区域内选取相交航带，在其公共区域边缘位置选取平直地表，根据其边缘高程匹配情况确定roll角误差；
所述pitch角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域中心位置选取地上特征构造物，根据其立面匹配情况确定Pitch角误差。
在具体实施过程中姿态角误差改正模型构建：多架次数据平差融合，架次接边部分存在匹配误差时，通过架次接边的条带进行匹配误差调整；针对heading、roll、pitch参数，采用单航线平差法，在航线间重叠区建立关于heading、roll、pitch的虚拟观测方程：
通过以上模型，迭代解算每条航带的heading、roll、pitch值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云条带对应航迹线航向角改正量；
表示点云条带对应航迹线侧滚角改正量；
表示点云条带对应航迹线航偏角改正量；
在具体实施过程中点云高程波动匹配：对经单航线平差、单架次平差、局部平差的机载激光点云数据点云数据根据相邻条带间同名点云存在的参与高程偏差，采用波动捏合的方法优化点云匹配精度；
在具体实施过程中点云数据绝对精度优化：在外业采集控制点的基础上，对经单航线平差、单架次平差、局部平差、残差捏合的机载激光点云数据通过构建拟合三角网的方式建立绝对精度改正模型，对点云数据进行绝对精度的优化。
在具体实施过程中所述激光点云平差误差模型的构建是依据机载点云数据误差源分析出当前区域内机载点云数据主要误差源的分析结果通过构建相应的误差纠正模型，进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据。
在具体实施过程中所述比例成图比例尺为1:10000。
本实施例的技术构思与实施1技术构思基本相同，相同部分在此不加以赘述。
实施例7：
图7为本实施例提供的大批量机载LiDAR点云数据整体优化的方法的流程示意图，如图所示，该方法包括如下步骤：
机载点云数据准备：对机载点云数据进行工程化组织管理，并挂接航迹线信息；
机载点云数据精度检查：对工程化组织管理后的机载点云数据进行相对精度与绝对精度检查，确定机载点云数据的精度；
机载点云数据误差源分析：对机载点云数据进行误差源分析，确定当前区域内机载点云数据主要误差源；
激光点云平差误差模型构建：在机载激光点云误差源分析的基础上，构建相应的误差纠正模型，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据；
成果输出：输出经单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后的大范围测区内无缝拼接和精度优化后的机载点云数据。
在具体实施过程中对所述机载点云数据精度检查分为采用相对精度检查与绝对精度检查两种方式，其中：
相对精度检查：针对同一测区不同航带间、不同测区接边航带间同名区域点云进行匹配检查，确定超限区域；
绝对精度检查：利用高精度评价点确定机载点云数据绝对精度。
在具体实施过程中所述机载点云数据误差源分析具体对GNSS定位误差分析。
在具体实施过程中所述GNSS定位误差分析：综合GNSS差分解算过程数据及机载激光点云数据同名地上构造物或相同地形区域的匹配情况，确定GNSS定位误差在地理空间坐标系中的变化情况。
在具体实施过程中所述GNSS定位误差分析具体包括GNSS解算过程误差分析、GNSS解算结果误差分析，具体分析过程为：其中：GNSS为Global Navigation Satellite System简称表示全球导航定位卫星系统；
所述GNSS解算过程误差分析：根据GNSS解算过程中卡尔曼滤波正算结果与反算结果的差值、机载激光点云对应航迹线平面误差及高程误差确定GNSS解算过程误差；
所述GNSS解算结果误差分析：在工程化组织管理后的机载激光点云数据中选取典型区域，根据该区域内同名地上构造物或相同地形区域内的匹配情况确定GNSS解算结果误差。
在具体实施过程中GNSS误差改正模型构建：针对局部区域数据匹配误差，采用局部平差法，针对x,y,z参数，以样本区段为基础分割数据建立局部分析区，在局部分析区内建立关于x,y,z的虚拟观测方程：
通过以上模型，迭代解算局部区域的x,y,z改正值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向的改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向的改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向的改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云数据x方向改正量；
表示点云数据y方向改正量；
表示点云数据z方向改正量；
在具体实施过程中点云高程波动匹配：对经单航线平差、单架次平差、局部平差的机载激光点云数据点云数据根据相邻条带间同名点云存在的参与高程偏差，采用波动捏合的方法优化点云匹配精度；
在具体实施过程中点云数据绝对精度优化：在外业采集控制点的基础上，对经单航线平差、单架次平差、局部平差、残差捏合的机载激光点云数据通过构建拟合三角网的方式建立绝对精度改正模型，对点云数据进行绝对精度的优化。
在具体实施过程中所述激光点云平差误差模型的构建是依据机载点云数据误差源分析出当前区域内机载点云数据主要误差源的分析结果通过构建相应的误差纠正模型，进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据。
在具体实施过程中所述比例成图比例尺为1:1500。
本实施例的技术构思与实施1技术构思基本相同，相同部分在此不加以赘述。
由此可见：
本发明实施例中的大批量机载LiDAR点云数据整体优化的方法：遵循“分块平差、逐步优化”原则，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理。针对架次间相邻条带的错位问题，采用单航线平差法处理，从而实现大范围测区的无缝拼接和精度优化。为保证点云平差达到最优状态，还需要对点云进行平差处理的迭代循环，通过设置一定精度的阈值终止循环，从而保证机载激光雷达测量点云数据精度。解决了多架次、大批量、大数据的机载点云数据的平差匹配，控制了数据质量、保证了后续点云数据制作的质量与精度。分步平差的方法还可以保证数据处理的进度，在全部飞行任务没有完全完成的情况下，进行局部平差，先处理部分数据，通过接边逐步优化来处理新添加的数据，提高了数据处理进度。
虽然通过实施例描绘了本发明实施例，本领域普通技术人员知道，本发明有许多变形和变化而不脱离本发明的精神，希望所附的权利要求包括这些变形和变化而不脱离本发明的精神。
Claims (9)
1.一种大批量机载LiDAR点云数据整体优化的方法，其特征在于，该方法包括如下步骤：
机载点云数据准备：对机载点云数据进行工程化组织管理，并挂接航迹线信息；
机载点云数据精度检查：对工程化组织管理后的机载点云数据进行相对精度与绝对精度检查，确定机载点云数据的精度；
机载点云数据误差源分析：对机载点云数据进行误差源分析，确定当前区域内机载点云数据主要误差源；
激光点云平差误差模型构建：在机载激光点云误差源分析的基础上，构建相应的误差纠正模型，按照单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正的先后顺序采用分级、逐步的平差思路进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据；
成果输出：输出经单航线平差、单架次平差、局部平差法、残差捏合、绝对精度改正后的大范围测区内无缝拼接和精度优化后的机载点云数据。
2.根据权利要求1所述的一种大批量机载LiDAR点云数据整体优化的方法，其特征在于，所述激光点云平差误差模型的构建是依据机载点云数据误差源分析出当前区域内机载点云数据主要误差源的分析结果通过构建相应的误差纠正模型，进行点云的分阶段平差处理，逐步迭代解算优化区域内机载激光点云数据。
3.根据权利要求1所述的一种大批量机载LiDAR点云数据整体优化的方法，其特征在于，对所述机载点云数据精度检查分为采用相对精度检查与绝对精度检查两种方式，其中：
所述相对精度检查：针对同一测区不同航带间、不同测区接边航带间同名区域点云进行匹配检查，确定超限区域；
所述绝对精度检查：利用高精度评价点确定机载点云数据绝对精度。
4.根据权利要求1所述的一种大批量机载LiDAR点云数据整体优化的方法，其特征在于：所述机载点云数据误差源分析具体包括对激光测距仪缩放误差分析、姿态定位角度误差分析、GNSS定位误差分析。
5.根据权利要求1、4所述的一种大批量机载LiDAR点云数据整体优化的方法，其特征在于：
所述激光测距仪缩放误差分析：选取两条航带覆盖区域内的大型地上构造物，比对其在机载点云数据中的尺寸与地面控制测量成果，根据其结果确定是否存在激光测距仪缩放比例误差；
所述姿态定位角度误差分析：选取有多条航线覆盖且分布有典型地物的区域作为特征区域，分析特征区域内同名地物匹配误差，确定姿态定位角度误差来源；
所述GNSS定位误差分析：综合GNSS差分解算过程数据及机载激光点云数据同名地上构造物或相同地形区域的匹配情况，确定GNSS定位误差在地理空间坐标系中的变化情况。
6.根据权利要求1、4、5所述的一种大批量机载LiDAR点云数据整体优化的方法，其特征在于：所述姿态定位角度误差分析具体包括heading角误差分析、roll角误差分析、pitch角误差分析，具体分析过程为：其中：heading表示航向角，roll表示侧滚角，pitch表示俯仰角；
所述heading角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域边缘位置选取地上特征构造物，根据其匹配情况确定heading角误差；
所述roll角误差分析：在机载点云覆盖区域内选取相交航带，在其公共区域边缘位置选取平直地表，根据其边缘高程匹配情况确定roll角误差；
所述pitch角误差分析：在机载点云覆盖区域内选取相邻航带，在其公共区域中心位置选取地上特征构造物，根据其立面匹配情况确定Pitch角误差。
7.根据权利要求1、4、5所述的一种大批量机载LiDAR点云数据整体优化的方法，其特征在于：所述GNSS定位误差分析具体包括GNSS解算过程误差分析、GNSS解算结果误差分析，具体分析过程为：其中：GNSS为Global Navigation Satellite System简称表示全球导航定位卫星系统；
所述GNSS解算过程误差分析：根据GNSS解算过程中卡尔曼滤波正算结果与反算结果的差值、机载激光点云对应航迹线平面误差及高程误差确定GNSS解算过程误差；
所述GNSS解算结果误差分析：在工程化组织管理后的机载激光点云数据中选取典型区域，根据该区域内同名地上构造物或相同地形区域内的匹配情况确定GNSS解算结果误差。
8.根据权利要求1-7所述的一种大批量机载LiDAR点云数据整体优化的方法，其特征在于，所述激光点云平差误差模型构建具体步骤为：
1)Scale误差改正模型构建：单架次数据通过架次内计算Scale参数的方法，采用单架次平差法，在同一架次内建立关于Scale的虚拟观测方程：
通过以上模型，迭代解算每个架次的Scale修正值；
其中：
Scale：表示激光测距的比率误差；
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
dS：表示不同架次间Scale改正数；
2)姿态角误差改正模型构建：多架次数据平差融合，架次接边部分存在匹配误差时，通过架次接边的条带进行匹配误差调整；针对heading、roll、pitch参数，采用单航线平差法，在航线间重叠区建立关于heading、roll、pitch的虚拟观测方程：
通过以上模型，迭代解算每条航带的heading、roll、pitch值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云条带对应航迹线航向角改正量；
表示点云条带对应航迹线侧滚角改正量；
表示点云条带对应航迹线航偏角改正量；
3)GNSS误差改正模型构建：针对局部区域数据匹配误差，采用局部平差法，针对x,y,z参数，以样本区段为基础分割数据建立局部分析区，在局部分析区内建立关于x,y,z的虚拟观测方程：
通过以上模型，迭代解算局部区域的x,y,z改正值；
其中：
dX：表示不同条带同名点云数据在地理空间坐标中X方向的改正量；
dY：表示不同条带同名点云数据在地理空间坐标中y方向的改正量；
dZ：表示不同条带同名点云数据在地理空间坐标中z方向的改正量；
Tx：表示某条带点云数据在地理空间坐标中X方向的差值；
Ty：表示某条带点云数据在地理空间坐标中Y方向的差值；
Tz：表示某条带点云数据在地理空间坐标中Z方向的差值；
表示点云数据x方向改正量；
表示点云数据y方向改正量；
表示点云数据z方向改正量；
4)点云高程波动匹配：对经单航线平差、单架次平差、局部平差的机载激光点云数据点云数据根据相邻条带间同名点云存在的参与高程偏差，采用波动捏合的方法优化点云匹配精度；
5)点云数据绝对精度优化：在外业采集控制点的基础上，对经单航线平差、单架次平差、局部平差、残差捏合的机载激光点云数据通过构建拟合三角网的方式建立绝对精度改正模型，对点云数据进行绝对精度的优化。
9.根据权利要求1-8所述的一种大批量机载LiDAR点云数据整体优化的方法，其特征在于，所述成图比例尺范围在1:500至1:10000之间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711062434.4A CN110148218B (zh) | 2017-11-02 | 2017-11-02 | 一种大批量机载LiDAR点云数据整体优化的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711062434.4A CN110148218B (zh) | 2017-11-02 | 2017-11-02 | 一种大批量机载LiDAR点云数据整体优化的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110148218A true CN110148218A (zh) | 2019-08-20 |
| CN110148218B CN110148218B (zh) | 2023-05-12 |
Family
ID=67588035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711062434.4A Active CN110148218B (zh) | 2017-11-02 | 2017-11-02 | 一种大批量机载LiDAR点云数据整体优化的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110148218B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117214908A (zh) * | 2023-10-10 | 2023-12-12 | 深圳市宇讯通光电有限公司 | 一种基于智能裁缆机械的定位控制方法及系统 |
| CN117332102A (zh) * | 2023-11-30 | 2024-01-02 | 陕西建一建设有限公司 | 一种基于bim的建筑数据优化存储方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101294799A (zh) * | 2007-04-26 | 2008-10-29 | 同济大学 | 一种地籍宗地面积数据的处理方法 |
| CN101335431A (zh) * | 2008-07-27 | 2008-12-31 | 广西电力工业勘察设计研究院 | 基于机载激光雷达数据的架空送电线路优化选线方法 |
| EP2339481A1 (en) * | 2009-12-03 | 2011-06-29 | National Digital Research Centre | Enablement of three-dimensional hosting, indexing, analysing and querying structure for spatial systems |
| CN102147250A (zh) * | 2010-09-13 | 2011-08-10 | 天津市星际空间地理信息工程有限公司 | 一种数字线划图测图方法 |
| CN102629390A (zh) * | 2012-02-23 | 2012-08-08 | 中国测绘科学研究院 | 海量机载LiDAR点云Delaunay三角网并行构建方法和装置 |
| CN103106339A (zh) * | 2013-01-21 | 2013-05-15 | 武汉大学 | 同步航空影像辅助的机载激光点云误差改正方法 |
| US20140268290A1 (en) * | 2013-03-15 | 2014-09-18 | Digital Signal Corporation | System and method for increasing coherence length in lidar systems |
| CN105844995A (zh) * | 2016-05-20 | 2016-08-10 | 中铁第勘察设计院集团有限公司 | 基于车载LiDAR技术的铁路线路运营维护测量方法 |
| CN106597417A (zh) * | 2017-01-10 | 2017-04-26 | 北京航天计量测试技术研究所 | 一种远距离扫描激光雷达测量误差的修正方法 |
-
2017
- 2017-11-02 CN CN201711062434.4A patent/CN110148218B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101294799A (zh) * | 2007-04-26 | 2008-10-29 | 同济大学 | 一种地籍宗地面积数据的处理方法 |
| CN101335431A (zh) * | 2008-07-27 | 2008-12-31 | 广西电力工业勘察设计研究院 | 基于机载激光雷达数据的架空送电线路优化选线方法 |
| EP2339481A1 (en) * | 2009-12-03 | 2011-06-29 | National Digital Research Centre | Enablement of three-dimensional hosting, indexing, analysing and querying structure for spatial systems |
| CN102147250A (zh) * | 2010-09-13 | 2011-08-10 | 天津市星际空间地理信息工程有限公司 | 一种数字线划图测图方法 |
| CN102629390A (zh) * | 2012-02-23 | 2012-08-08 | 中国测绘科学研究院 | 海量机载LiDAR点云Delaunay三角网并行构建方法和装置 |
| CN103106339A (zh) * | 2013-01-21 | 2013-05-15 | 武汉大学 | 同步航空影像辅助的机载激光点云误差改正方法 |
| US20140268290A1 (en) * | 2013-03-15 | 2014-09-18 | Digital Signal Corporation | System and method for increasing coherence length in lidar systems |
| CN105844995A (zh) * | 2016-05-20 | 2016-08-10 | 中铁第勘察设计院集团有限公司 | 基于车载LiDAR技术的铁路线路运营维护测量方法 |
| CN106597417A (zh) * | 2017-01-10 | 2017-04-26 | 北京航天计量测试技术研究所 | 一种远距离扫描激光雷达测量误差的修正方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张卫正等: "基于机载LiDAR数据的林木冠层投影面积与体积测量", 《农业机械学报》 * |
| 贾蓉等: "基于机载LiDAR点云数据的复杂城市区域数字地面模型提取", 《遥感信息》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117214908A (zh) * | 2023-10-10 | 2023-12-12 | 深圳市宇讯通光电有限公司 | 一种基于智能裁缆机械的定位控制方法及系统 |
| CN117214908B (zh) * | 2023-10-10 | 2024-05-10 | 深圳市宇讯通光电有限公司 | 一种基于智能裁缆机械的定位控制方法及系统 |
| CN117332102A (zh) * | 2023-11-30 | 2024-01-02 | 陕西建一建设有限公司 | 一种基于bim的建筑数据优化存储方法 |
| CN117332102B (zh) * | 2023-11-30 | 2024-02-06 | 陕西建一建设有限公司 | 一种基于bim的建筑数据优化存储方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110148218B (zh) | 2023-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111724477B (zh) | 一种多源数据融合构建多层次三维地形模型方法 | |
| CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
| CN104637370B (zh) | 一种摄影测量与遥感综合教学的方法及系统 | |
| CN102074047B (zh) | 一种高精细城市三维建模方法 | |
| CN104075691B (zh) | 地面激光扫描仪测量地形的方法 | |
| CN102147250B (zh) | 一种数字线划图测图方法 | |
| CN101241011B (zh) | 激光雷达平台上高精度定位、定姿的装置和方法 | |
| CN106990401B (zh) | 基于全波形机载激光雷达数据二类高程误差修正方法 | |
| CN109238240A (zh) | 一种顾及地形的无人机倾斜摄影方法及其摄影系统 | |
| CN103217688B (zh) | 一种基于不规则三角网机载激光雷达点云平差计算方法 | |
| CN106774410A (zh) | 无人机自动巡检方法和装置 | |
| CN104931022A (zh) | 基于星载激光测高数据的卫星影像立体区域网平差方法 | |
| CN106291512A (zh) | 一种阵列推扫式激光雷达测距非均匀性校正的方法 | |
| CN103940410B (zh) | 一种超高倍放大成图的数字航空摄影测量方法 | |
| CN110046563B (zh) | 一种基于无人机点云的输电线路断面高程修正方法 | |
| CN112146627B (zh) | 在无特征表面上使用投影图案的飞行器成像系统 | |
| CN111854699A (zh) | 一种基于无人机航测河道崩岸过程的监测方法 | |
| CN112833861A (zh) | 一种基于倾斜摄影大比例尺地形图的测绘方法和测绘系统 | |
| CN115439469B (zh) | 基于无人机的建筑缺陷检测方法、装置及电子设备 | |
| CN107255446B (zh) | 一种矮化密植果树冠层三维地图构建系统和方法 | |
| CN110095108B (zh) | 一种基于bim无人机测绘装置及测绘方法 | |
| CN110148218A (zh) | 一种大批量机载LiDAR点云数据整体优化的方法 | |
| CN111006645A (zh) | 基于运动与结构重建的无人机测绘方法 | |
| CN112098926B (zh) | 一种利用无人机平台的智能测角训练样本生成方法 | |
| CN105372671A (zh) | 一种基于无人机的电力线三维重建系统 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190820 Assignee: Tianjin survey and Design Institute Group Co.,Ltd. Assignor: STARGIS (TIANJIN) TECHNOLOGY DEVELOPMENT Co.,Ltd. Contract record no.: X2023980054666 Denomination of invention: A method for overall optimization of large-scale airborne LiDAR point cloud data Granted publication date: 20230512 License type: Common license|Cross license Record date: 20231228 |