CN110398208A - 基于摄影全站仪系统的大数据变形监测方法 - Google Patents
基于摄影全站仪系统的大数据变形监测方法 Download PDFInfo
- Publication number
- CN110398208A CN110398208A CN201910665964.0A CN201910665964A CN110398208A CN 110398208 A CN110398208 A CN 110398208A CN 201910665964 A CN201910665964 A CN 201910665964A CN 110398208 A CN110398208 A CN 110398208A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- total station
- measuring apparatus
- point
- monitoring method
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
Abstract
本发明公开了基于摄影全站仪系统的大数据变形监测方法,位置参数解算步骤:量化相机中心与全站仪中心之间存在的相对位置关系,通过共线条件方程式解算初始外方位元素;相机检校步骤;影像采集步骤;外方位元素计算步骤:通过初始外方位元素和摄像时全站仪的水平角、垂直角计算相片的外方位元素之后生成三维点云模型;坐标提取步骤:三维点云模型中的每个点都有坐标,提取出特征点位的坐标数据;变形分析步骤:将使用控制点改正模型中其他点位的坐标归化到物方坐标系下,实现对目标对象的变形监测。本发明操作简单、适用范围广、成本较低且测量时不需要提前布设控制点,可以满足很多测量工作,实现无接触测量的同时大大提高了测量效率。
Description
技术领域
本发明涉及一种基于摄影全站仪系统的大数据变形监测方法。
背景技术
基于普通数码相机的摄影全站仪系统是一种将近景摄影测量和传统点位测量结合在一起的一种新的测量方式。随着普通数码相机制造技术的不断提高,其分辨率和稳定性也取得了长足的发展,在近景摄影测量中的应用也越来越广泛。同时,经过几十年的发展,近景摄影测量的理论与实践也逐渐变得更加完善,专业的摄影测量软件也被越来越多的开发出来,其能够实现的功能也越来越丰富。正是得益于这些软件的发展,普通数码相机可以通过检校得到其应用于测量工作之前必须已知的基本信息和内方位元素等参数。近年来,全站仪的发展可谓是日新月异,目前已经是主要的测量仪器之一,经过几十年的发展其精度也达到了非常高的水平。全站仪在单个点位测量方面的优势和普通数码相机在数字近景摄影测量在测量区域范围三维数据快速获取方面的优势正好互补,将它们连接起来形成一个整体应用于测量工作,就可以将它们的优势相互结合,又弥补了相互之间的不足,形成一种新的测量方式实现无接触测量。还有,计算机软件技术的快速发展,出现了一大批测绘专业软件,大大提高了测量效率。其中,专业摄影测量软件PhotoModler Scanner可以实现对非量测型普通数码相机进行检校,将普通数码相机应用于测量工作,还可以通过像对构建目标对象的三维点云模型,通过大数据实现变形监测。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于摄影全站仪系统的大数据变形监测方法。
本发明的目的是通过以下技术方案来实现的:
基于摄影全站仪系统的大数据变形监测方法,监测方法依赖于数码相机和高精度全站仪组成的摄影全站仪系统,具体包括:
位置参数解算步骤:确定相机中心与全站仪中心的这个固定的相对位置,量化相机中心与全站仪中心之间存在的相对位置关系,通过共线条件方程式解算初始外方位元素;
相机检校步骤:通过检校靶纸对所用的数码相机进行检校;
影像采集步骤:通过相机进行影像采集;
外方位元素计算步骤:通过初始外方位元素和摄像时全站仪的水平角、垂直角计算相片的外方位元素;
生成点云模型步骤:使用摄影测量软件建立目标物三维模型,生成三维点云模型;
坐标提取步骤:三维点云模型中的每个点都有坐标,提取出特征点位的坐标数据;
变形分析步骤:使用控制点改正模型中其他点位的坐标,将这些点坐标归化到物方坐标系下,实现对目标对象的变形监测。
作为优选方式,位置参数解算步骤中,将数码相机和高精度全站仪通过固定构件连接起来形成刚体,确定相机中心与全站仪中心的这个固定的相对位置,将这个固定参数将作为已知值代入后续的坐标转换计算。通过制作的检校块架设此摄影全站仪系统在初始方向上进行水平摄影,记录坐标,然后计算得到了这个固定的相对位置参数。
作为优选方式,相机中心与全站仪中心之间存在固定的相对位置关系,这个相对位置关系可以用六个参数来表示,六个参数包括三个直线参数和三个角元素,三个直线参数表示相机中心与全站仪中心之间的空间位置偏移,三个角元素表示全站仪视准轴与相机主光轴之间的角度参数。
作为优选方式,在相机检校步骤中,还通过专业摄影测量软件PhotoModlerScanner对所用的数码相机进行检校。
作为优选方式,假设(X,Y,Z)T是物方点坐标,用齐次形式表示为(X,Y,Z,1)T对应的像点坐标为(x,y)T,其齐次形式为(x,y,1)T;那么两者的关系可以表示为:
其中,α,β表示x,y轴上的缩放系数,i表示由两坐标轴不垂直引起的一个变量,(x0,y0)表示像主点在像平面中的坐标;ri表示旋转矩阵R的第i列,i取1、2或3,t表示物方坐标系原点在像空间坐标系(以投影中心为原点)中的坐标,其表达式为t=-R[Xs Ys Ys],s实际上为每个点的缩放系数,并且s=[r31 r32 r33 t3][X Y Z 1]T;
把标定模板从三维简化到两维,并且对物方点坐标做中心化,则Z=0,上式可简化为:
假设H=A[r1 r2 t]=[h1 h2 h3],根据旋转矩阵的特性,r1 Tr2=0,r1 Tr1=r2 Tr2可以得到:
h1 TA-TA-1h2=0
h1 TA-TA-1h1=h2 TA-TA-1h2
因为B是一个对称矩阵,代入上式可得:3张相片联立求解可以得到b的各元素值;然后再根据各元素间的关系求得内参数矩阵的各元素值。
作为优选方式,当x,y这两个系数很小时,把A矩阵简化为:
简化内参数矩阵模型A后,成果式可简化为:
令b=x0 2+y0 2+f2并化简,则得到:
(h11h23+h13h21)x0+(h12h23+h13h22)y0-h13h23b-(h11h21+h12h22)=0
2(h21h23-h11h13)x0+2(h12h23-h12h13)y0-(h23 2-h13 2)b-(h21 2+h22 2-h11 2-h12 2)=0
求解线性方程组之后,可以得到x0、y0、b,再由b=x0 2+y0 2+f2可得到f。
作为优选方式,为了方便,每张影像采用一个缩放系数,所以在每张影像中s不随点的改变而改变。
作为优选方式,在影像采集步骤中,将摄影全站仪系统应用于外业测量,得到目标对象各个方向上的有重叠度的相片。
作为优选方式,外方位元素计算步骤中,通过摄影得到相片的外方位元素可以由两个部分组成,一部分是相机中心在全站仪坐标系下的三个直线偏移参数XS,YS,ZS和全站仪望远镜对准初始方向且水平状态时像空间坐标系与全站仪坐标系之间的三个角度参数φ,ω,k,这六个参数(三个直线偏移参数和三个角度参数)就是数码相机中心相对于全站仪中心的固定姿态偏移;另一部分是全站仪视准轴旋转后的水平角α和垂直角β,以及导线点(全站仪中心,导线点和全站仪中心的平面坐标是一样的,只是高程不一样)坐标。
作为优选方式,通过全站仪坐标系解算像空间坐标系与地面坐标系之间的参数关系,这三个坐标系统是:像空间坐标系(S-xyz)、全站仪坐标系(S-XTYTZT)和地面坐标系(S-XGYGZG),将共线条件方程式引入固定相对位置参数后对外方位元素进行分解,共线条件方程式转化为以下形式:
其中:
式中,Mα,Mβ表示全站仪的水平角α和垂直角β所对应的旋转矩阵;XG,YG,ZG是物方点的地面坐标;△XG,△YG,△ZG是导线点的地面坐标;XT,YT,ZT是物方点在全站仪坐标系下的坐标;XS,YS,ZS,φ,ω,k是相机姿态偏移参数;是由φ,ω,k构成的旋转矩阵。
本发明的有益效果是:
(1)将相机和高精度全站仪结合在一起形成的摄影全站仪系统直接应用于测量工作,同时,结合了摄影测量与高精度全站仪点位测量特点的摄影全站仪系统有着很大的应用前景。其操作简单、适用范围广、成本较低且测量时不需要提前布设控制点,可以满足很多测量工作。(2)使用专业摄影测量软件对所测建筑物进行建模处理,生成三维点云与建筑物的模型,并使用控制点改正模型中其他点位的坐标,将这些点坐标归化到物方坐标系下,实现对目标对象的变形监测。通过实验证明,此方法满足建筑变形规范要求,实现无接触测量的同时大大提高了测量效率。
附图说明
图1为本发明的工作流程图;
图2为相机与全站仪的固定相对位置关系的六个参数示意图;
图3为全站仪坐标系解算像空间坐标系与地面坐标系之间的参数关系图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
如图1所示,基于摄影全站仪系统的大数据变形监测方法,监测方法依赖于数码相机和高精度全站仪组成的摄影全站仪系统,具体包括:
位置参数解算步骤:确定相机中心与全站仪中心的这个固定的相对位置,量化相机中心与全站仪中心之间存在的相对位置关系,通过共线条件方程式解算初始外方位元素;共线条件方程式在解算相机中心与全站仪中心之间的6个相对位置参数时使用,解算出来参数后,方程就没有未知参数了,就可以一直用于两个坐标系(像空间坐标系与地面坐标系)之间的坐标转换;
共线条件方程式是像平面坐标系转化到地面坐标系的转换式,里面的参数可以通过3对相片上和地面的同名点已知坐标求出,然后相片上所有的其他点位都可以通过这个公式将坐标转化成地面坐标系下的坐标(相片上的点位坐标可以直接用摄影测量软件量测),用于工程变形监测。意义在于只需要拍照就可以实现大量的点位坐标测量,进行监测。
相机检校步骤:通过检校靶纸对所用的数码相机进行检校;
影像采集步骤:通过相机进行影像采集;
外方位元素计算步骤:通过初始外方位元素和摄像时全站仪的水平角、垂直角计算相片的外方位元素;
生成点云模型步骤:使用PhotoModler Scanner摄影测量软件建立目标物三维模型,生成三维点云模型;
坐标提取步骤:三维点云模型中的每个点都有坐标,提取出特征点位的坐标数据;
变形分析步骤:使用控制点改正模型中其他点位的坐标,将这些点坐标归化到物方坐标系下,实现对目标对象的变形监测。
在一个优选实施例中,位置参数解算步骤中,将数码相机和高精度全站仪通过固定构件连接起来形成刚体,确定相机中心与全站仪中心的这个固定的相对位置,将这个固定参数(固定参数就是三个直线偏移参数XS,YS,ZS和三个角度参数φ,ω,k)将作为已知值代入后续的坐标转换计算。通过制作的检校块架设此摄影全站仪系统在初始方向上进行水平摄影,记录坐标,然后计算得到了这个固定的相对位置参数。
在一个优选实施例中,如图2所示,相机中心与全站仪中心之间存在固定的相对位置关系,这个相对位置关系可以用六个参数来表示,六个参数包括三个直线参数和三个角元素,三个直线参数表示相机中心与全站仪中心之间的空间位置偏移,三个角元素表示全站仪视准轴与相机主光轴之间的角度参数。
在一个优选实施例中,在相机检校步骤中,还通过专业摄影测量软件PhotoModlerScanner对所用的数码相机进行检校。通过相机的检校,得到相机的型号、像片的像幅和相应精度、镜头畸变参数、像主点的坐标、像主距的数值。
在一个优选实施例中,假设(X,Y,Z)T是物方点坐标,用齐次形式表示为(X,Y,Z,1)T对应的像点坐标为(x,y)T,其齐次形式为(x,y,1)T;那么两者的关系可以表示为:
其中,α,β表示x,y轴上的缩放系数,i表示由两坐标轴不垂直引起的一个变量,(x0,y0)表示像主点在像平面中的坐标;ri表示旋转矩阵R的第i列,i取1、2或3,t表示物方坐标系原点在像空间坐标系(以投影中心为原点)中的坐标,其表达式为t=-R[Xs Ys Ys],s实际上为每个点的缩放系数,并且s=[r31 r32 r33 t3][X Y Z 1]T;r代指比例参数。
把标定模板从三维简化到两维,并且对物方点坐标做中心化,则Z=0,上式可简化为:
假设H=A[r1 r2 t]=[h1 h2 h3],根据旋转矩阵的特性,r1 Tr2=0,r1 Tr1=r2 Tr2可以得到:
h1 TA-TA-1h2=0
h1 TA-TA-1h1=h2 TA-TA-1h2
因为B是一个对称矩阵,代入上式可得:3张相片联立求解可以得到b的各元素值;然后再根据各元素间的关系求得内参数矩阵的各元素值。
在一个优选实施例中,当x,y这两个系数很小时,把A矩阵简化为:
简化内参数矩阵模型A后,成果式可简化为:
令b=x0 2+y0 2+f2并化简,则得到:
(h11h23+h13h21)x0+(h12h23+h13h22)y0-h13h23b-(h11h21+h12h22)=0
2(h21h23-h11h13)x0+2(h12h23-h12h13)y0-(h23 2-h13 2)b-(h21 2+h22 2-h11 2-h12 2)=0
求解线性方程组之后,可以得到x0、y0、b,再由b=x0 2+y0 2+f2可得到f。
在一个优选实施例中,为了方便,每张影像采用一个缩放系数,所以在每张影像中s不随点的改变而改变。
在一个优选实施例中,在影像采集步骤中,将摄影全站仪系统应用于外业测量,得到目标对象各个方向上的有重叠度的相片。
在一个优选实施例中,外方位元素计算步骤中,通过摄影得到相片的外方位元素可以由两个部分组成,一部分是相机中心在全站仪坐标系下的三个直线偏移参数XS,YS,ZS和全站仪望远镜对准初始方向且水平状态时像空间坐标系与全站仪坐标系之间的三个角度参数φ,ω,k,这六个参数(三个直线偏移参数和三个角度参数)就是数码相机中心相对于全站仪中心的固定姿态偏移;另一部分是全站仪视准轴旋转后的水平角α和垂直角β,以及导线点(全站仪中心,导线点和全站仪中心的平面坐标是一样的,只是高程不一样)坐标。
在一个优选实施例中,如图3所示,通过全站仪坐标系解算像空间坐标系与地面坐标系之间的参数关系,这三个坐标系统是:像空间坐标系(S-xyz)、全站仪坐标系(S-XTYTZT)和地面坐标系(S-XGYGZG),将共线条件方程式引入固定相对位置参数后对外方位元素进行分解,共线条件方程式转化为以下形式:
其中:
式中,Mα,Mβ表示全站仪的水平角α和垂直角β所对应的旋转矩阵;XG,YG,ZG是物方点的地面坐标;△XG,△YG,△ZG是导线点的地面坐标;XT,YT,ZT是物方点在全站仪坐标系下的坐标;XS,YS,ZS,φ,ω,k是相机姿态偏移参数;是由φ,ω,k构成的旋转矩阵。
在一个优选实施例中,本发明通过MATLAB编制一个坐标计算系统,并使用此坐标计算系统进行坐标数据的计算。
在一个优选实施例中,在变形分析步骤中,通过多期数据对比可得到目标对象各个部位的变形数据,使用回归分析等数学模型实现对目标对象变形规律及趋势分析。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,应当指出的是,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.基于摄影全站仪系统的大数据变形监测方法,其特征在于,监测方法依赖于数码相机和高精度全站仪组成的摄影全站仪系统,具体包括:
位置参数解算步骤:确定相机中心与全站仪中心的这个固定的相对位置,量化相机中心与全站仪中心之间存在的相对位置关系,通过共线条件方程式解算初始外方位元素;
相机检校步骤:通过检校靶纸对所用的数码相机进行检校;
影像采集步骤:通过相机进行影像采集;
外方位元素计算步骤:通过初始外方位元素和摄像时全站仪的水平角、垂直角计算相片的外方位元素;
生成点云模型步骤:使用摄影测量软件建立目标物三维模型,生成三维点云模型;
坐标提取步骤:三维点云模型中的每个点都有坐标,提取出特征点位的坐标数据;
变形分析步骤:使用控制点改正模型中其他点位的坐标,将这些点坐标归化到物方坐标系下,实现对目标对象的变形监测。
2.根据权利要求1所述的基于摄影全站仪系统的大数据变形监测方法,其特征在于:位置参数解算步骤中,将数码相机和高精度全站仪通过固定构件连接起来形成刚体,确定相机中心与全站仪中心的这个固定的相对位置,架设此摄影全站仪系统在初始方向上进行水平摄影,记录坐标,然后计算得到了这个固定的相对位置参数。
3.根据权利要求1或2所述的基于摄影全站仪系统的大数据变形监测方法,其特征在于:相机中心与全站仪中心之间存在固定的相对位置关系,这个相对位置关系可以用六个参数来表示,六个参数包括三个直线参数和三个角元素,三个直线参数表示相机中心与全站仪中心之间的空间位置偏移,三个角元素表示全站仪视准轴与相机主光轴之间的角度参数。
4.根据权利要求1所述的基于摄影全站仪系统的大数据变形监测方法,其特征在于:在相机检校步骤中,还通过专业摄影测量软件PhotoModler Scanner对所用的数码相机进行检校。
5.根据权利要求4所述的基于摄影全站仪系统的大数据变形监测方法,其特征在于:假设(X,Y,Z)T是物方点坐标,用齐次形式表示为(X,Y,Z,1)T对应的像点坐标为(x,y)T,其齐次形式为(x,y,1)T;那么两者的关系可以表示为:
其中,α,β表示x,y轴上的缩放系数,i表示由两坐标轴不垂直引起的一个变量,(x0,y0)表示像主点在像平面中的坐标;ri表示旋转矩阵R的第i列,i取1、2或3,t表示物方坐标系原点在像空间坐标系中的坐标,其表达式为t=-R[Xs Ys Ys],s实际上为每个点的缩放系数,并且s=[r31 r32 r33 t3][X Y Z 1]T;
把标定模板从三维简化到两维,并且对物方点坐标做中心化,则Z=0,上式可简化为:
假设H=A[r1 r2 t]=[h1 h2 h3],根据旋转矩阵的特性,r1 Tr2=0,r1 Tr1=r2 Tr2可以得到:
h1 TA-TA-1h2=0
h1 TA-TA-1h1=h2 TA-TA-1h2
因为B是一个对称矩阵,代入上式可得:3张相片联立求解可以得到b的各元素值;然后再根据各元素间的关系求得内参数矩阵的各元素值。
6.根据权利要求5所述的基于摄影全站仪系统的大数据变形监测方法,其特征在于:当x,y这两个系数很小时,把A矩阵简化为:
简化内参数矩阵模型A后,成果式可简化为:
令b=x0 2+y0 2+f2并化简,则得到:
(h11h23+h13h21)x0+(h12h23+h13h22)y0-h13h23b-(h11h21+h12h22)=0
2(h21h23-h11h13)x0+2(h12h23-h12h13)y0-(h23 2-h13 2)b-(h21 2+h22 2-h11 2-h12 2)=0
求解线性方程组之后,可以得到x0、y0、b,再由b=x0 2+y0 2+f2可得到f。
7.根据权利要求5所述的基于摄影全站仪系统的大数据变形监测方法,其特征在于:为了方便,每张影像采用一个缩放系数,所以在每张影像中s不随点的改变而改变。
8.根据权利要求1所述的基于摄影全站仪系统的大数据变形监测方法,其特征在于:在影像采集步骤中,将摄影全站仪系统应用于外业测量,得到目标对象各个方向上的有重叠度的相片。
9.根据权利要求1所述的基于摄影全站仪系统的大数据变形监测方法,其特征在于:外方位元素计算步骤中,通过摄影得到相片的外方位元素可以由两个部分组成,一部分是相机中心在全站仪坐标系下的三个直线偏移参数XS,YS,ZS和全站仪望远镜对准初始方向且水平状态时像空间坐标系与全站仪坐标系之间的三个角度参数φ,ω,k,这六个参数就是数码相机中心相对于全站仪中心的固定姿态偏移;另一部分是全站仪视准轴旋转后的水平角α和垂直角β,以及导线点坐标。
10.根据权利要求9所述的基于摄影全站仪系统的大数据变形监测方法,其特征在于:通过全站仪坐标系解算像空间坐标系与地面坐标系之间的参数关系,这三个坐标系统是:像空间坐标系(S-xyz)、全站仪坐标系(S-XTYTZT)和地面坐标系(S-XGYGZG),将共线条件方程式引入固定相对位置参数后对外方位元素进行分解,共线条件方程式转化为以下形式:
其中:
式中,Mα,Mβ表示全站仪的水平角α和垂直角β所对应的旋转矩阵;XG,YG,ZG是物方点的地面坐标;△XG,△YG,△ZG是导线点的地面坐标;XT,YT,ZT是物方点在全站仪坐标系下的坐标;XS,YS,ZS,φ,ω,k是相机姿态偏移参数;是由φ,ω,k构成的旋转矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910665964.0A CN110398208A (zh) | 2019-07-23 | 2019-07-23 | 基于摄影全站仪系统的大数据变形监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910665964.0A CN110398208A (zh) | 2019-07-23 | 2019-07-23 | 基于摄影全站仪系统的大数据变形监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110398208A true CN110398208A (zh) | 2019-11-01 |
Family
ID=68324859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910665964.0A Pending CN110398208A (zh) | 2019-07-23 | 2019-07-23 | 基于摄影全站仪系统的大数据变形监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110398208A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110986888A (zh) * | 2019-12-17 | 2020-04-10 | 中煤航测遥感集团有限公司 | 一种航空摄影一体化方法 |
CN111854622A (zh) * | 2020-06-09 | 2020-10-30 | 西安交通大学第二附属医院 | 一种大视场光学动态变形测量方法 |
CN113112415A (zh) * | 2021-03-10 | 2021-07-13 | 中铁第四勘察设计院集团有限公司 | 一种全站仪影像测量的靶标自动识别方法和装置 |
CN113405528A (zh) * | 2021-06-18 | 2021-09-17 | 天津市勘察设计院集团有限公司 | 全站仪辅助的球机姿态测量与整平方法及装置 |
CN114046779A (zh) * | 2021-11-24 | 2022-02-15 | 散裂中子源科学中心 | 基于测站和控制点间附加大尺度约束的视觉测量平差方法 |
CN115200555A (zh) * | 2022-09-19 | 2022-10-18 | 中国科学院长春光学精密机械与物理研究所 | 一种动态摄影测量内外方位元素标定方法及装置 |
CN115388769A (zh) * | 2022-08-17 | 2022-11-25 | 成都飞机工业(集团)有限责任公司 | 一种工装状态实时监测方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205352388U (zh) * | 2016-01-29 | 2016-06-29 | 重庆交通大学 | 摄影全站仪系统 |
JP2018031618A (ja) * | 2016-08-23 | 2018-03-01 | 株式会社トプコン | 測量機の通信処理システムおよび不具合処理方法 |
CN109341701A (zh) * | 2018-12-06 | 2019-02-15 | 上海圭目机器人有限公司 | 基于激光跟踪全站仪的地面机器人航向角实时获取方法 |
CN109540094A (zh) * | 2018-12-27 | 2019-03-29 | 天津市勘察院 | 一种基于摄影全站仪的建筑物无接触式沉降监测方法 |
-
2019
- 2019-07-23 CN CN201910665964.0A patent/CN110398208A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205352388U (zh) * | 2016-01-29 | 2016-06-29 | 重庆交通大学 | 摄影全站仪系统 |
JP2018031618A (ja) * | 2016-08-23 | 2018-03-01 | 株式会社トプコン | 測量機の通信処理システムおよび不具合処理方法 |
CN109341701A (zh) * | 2018-12-06 | 2019-02-15 | 上海圭目机器人有限公司 | 基于激光跟踪全站仪的地面机器人航向角实时获取方法 |
CN109540094A (zh) * | 2018-12-27 | 2019-03-29 | 天津市勘察院 | 一种基于摄影全站仪的建筑物无接触式沉降监测方法 |
Non-Patent Citations (1)
Title |
---|
何应鹏: "基于摄影全站仪的精度分析与误差改正研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110986888A (zh) * | 2019-12-17 | 2020-04-10 | 中煤航测遥感集团有限公司 | 一种航空摄影一体化方法 |
CN111854622A (zh) * | 2020-06-09 | 2020-10-30 | 西安交通大学第二附属医院 | 一种大视场光学动态变形测量方法 |
CN111854622B (zh) * | 2020-06-09 | 2022-02-15 | 西安交通大学第二附属医院 | 一种大视场光学动态变形测量方法 |
CN113112415A (zh) * | 2021-03-10 | 2021-07-13 | 中铁第四勘察设计院集团有限公司 | 一种全站仪影像测量的靶标自动识别方法和装置 |
CN113405528A (zh) * | 2021-06-18 | 2021-09-17 | 天津市勘察设计院集团有限公司 | 全站仪辅助的球机姿态测量与整平方法及装置 |
CN113405528B (zh) * | 2021-06-18 | 2023-02-24 | 天津市勘察设计院集团有限公司 | 全站仪辅助的球机姿态测量与整平方法及装置 |
CN114046779A (zh) * | 2021-11-24 | 2022-02-15 | 散裂中子源科学中心 | 基于测站和控制点间附加大尺度约束的视觉测量平差方法 |
CN114046779B (zh) * | 2021-11-24 | 2023-10-03 | 散裂中子源科学中心 | 基于测站和控制点间附加大尺度约束的视觉测量平差方法 |
CN115388769A (zh) * | 2022-08-17 | 2022-11-25 | 成都飞机工业(集团)有限责任公司 | 一种工装状态实时监测方法、装置、设备及介质 |
CN115200555A (zh) * | 2022-09-19 | 2022-10-18 | 中国科学院长春光学精密机械与物理研究所 | 一种动态摄影测量内外方位元素标定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110398208A (zh) | 基于摄影全站仪系统的大数据变形监测方法 | |
CN110057295B (zh) | 一种免像控的单目视觉平面距离测量方法 | |
CN101858755B (zh) | 一种星敏感器的标定方法 | |
CN104964673B (zh) | 一种可定位定姿的近景摄影测量系统和测量方法 | |
CN105424058B (zh) | 基于摄影测量技术的数码相机投影中心位置精确标定方法 | |
CN105716542B (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
CN107144241B (zh) | 一种基于景深补偿的双目视觉高精度测量方法 | |
CN109655079B (zh) | 星敏感器测量坐标系到棱镜坐标系测量方法 | |
CN109163657A (zh) | 一种基于双目视觉三维重建的圆形目标位姿检测方法 | |
CN103278138A (zh) | 一种复杂结构薄部件三维位置及姿态的测量方法 | |
CN110736447B (zh) | 一种集成式图像采集设备竖直方向水平位置检校方法 | |
CN108489398A (zh) | 一种广角场景下激光加单目视觉测量三维坐标的方法 | |
CN103644895B (zh) | 一种数码相机配合量测工具的古建筑测绘方法 | |
CN106403838A (zh) | 一种手持式线结构光视觉三维扫描仪的现场标定方法 | |
CN109900205A (zh) | 一种高精度的单线激光器和光学相机的快速标定方法 | |
CN109887041A (zh) | 一种机械臂控制数字相机摄影中心位置和姿态的方法 | |
CN106643735A (zh) | 一种室内定位方法、装置和移动终端 | |
CN108154535A (zh) | 基于平行光管的摄像机标定方法 | |
CN109099888A (zh) | 一种位姿测量方法、设备及存储介质 | |
CN112985259B (zh) | 基于多目视觉的目标定位方法及系统 | |
CN109990801B (zh) | 基于铅垂线的水平仪装配误差标定方法 | |
CN110108203A (zh) | 一种基于摄影测量技术的丝线位置测量方法及系统 | |
CN106225671B (zh) | 一种大型浮空器囊体体积测量装置的现场校准方法 | |
CN112116665A (zh) | 一种结构光传感器标定方法 | |
CN113177987B (zh) | 一种视觉跟踪测量系统外场全局标定方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191101 |