CN114964152B - 一种基于多维特征的实时水准测量点号匹配方法 - Google Patents

Abstract

本发明公开了一种基于多维特征的实时水准测量点号匹配方法，解决了目前沉降监测依赖人工，存在效率低、易出错的问题，其技术方案要点是利用测点已知的高程和位置信息逐点建立多维特征矩阵，实时水准测量采集的测点高程数据和视距数据建立的多维特征向量，通过先验分布函数计算实时水准测量采集的测点和数据库中已知测点的之间的相似度，取相似度最高的为匹配点号，从而实现了实时水准测量点号自动匹配，本发明的一种基于多维特征的实时水准测量点号匹配方法，能实现实时水准测量点号自动匹配，更加高效、准确。

Description

一种基于多维特征的实时水准测量点号匹配方法

技术领域

本发明涉及工程沉降监测技术，特别涉及一种基于多维特征的实时水准测量点号匹配方法。

背景技术

沉降监测是建筑工程在施工、运营期间的重要工作内容和安全保障。目前，几何水准测量工程沉降监测的主要方法，其通过测量各个沉降监测点的高差，结合已知高程点计算得到监测点的高程，进而可以计算沉降量。通常一个工程监测项目的沉降监测点数量繁多，在实际水准测量外业实施过程中，需要水准观测人员人工输入监测点的点号。数据采集的质量和效率严重依赖于观测人员，人员操作的熟悉程度不够、责任心欠缺或现场点破坏等均会造成很大问题。在实际工程中，容易出现一些点号错漏的情况而导致外业测量需要重复工作也影响沉降监测的及时性和建筑工程在施工或运营期间的安全。

发明内容

本发明的目的是提供一种基于多维特征的实时水准测量点号匹配方法，能实现实时水准测量点号自动匹配，效率更高、更准确。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于多维特征的实时水准测量点号匹配方法，包括有以下步骤：

S1、初始化处理，录入起算点点号，观测高程sh₁，视距sd₁；初始化实时水准测量采集的测点集rSet＝{sname→(sh_i,sd_i,i)|i＝ 1..}并加入起算点；从数据库拉取已知测点数据并建立已知点集合 kSet＝{kname→P_j|j＝1..n}对于第j个监测点P_j二维坐标和高程信息(x_j y_j h_j)；

S2、通过同名点号求取实时水准测量采集的测点集rSet和数据库已知测点kSet之间的同名点集inSet＝{iname→ (sh_k,sd_k,i_k,x_k,y_k,h_k)|k＝1..m}；

S3、实时水准观测获取测点的观测高程值sh_c，视距值sd_c，当前测量点集包含p个点；

S4、建立已知监测点和交集点的建立距离特征矩阵和高差特征矩阵；

S5、计算实时水准测量获取的测点和第j个已知测点距离ds_j和高程特征相似度hs_j；

S6、分别将每个测点的距离特征和高程特征相似度通过先验分布函数归一化并相加作为最终相似度，取相似度最大值为匹配点号；

S7、重复步骤S3至S6，直至整个项目水准测量完成。

综上所述，本发明具有以下有益效果：

通过利用测点已知的高程和位置信息逐点建立多维特征矩阵，实时水准测量采集的测点高程数据和视距数据建立的多维特征向量，再通过先验分布函数计算实时水准测量采集的测点和数据库中已知测点的之间的相似度，取相似度最高的为匹配点号，从而实现了实时水准测量点号自动匹配，能减少对人工的依赖，进而可避免人工造成的误差，整体自动、高效、准确。

具体实施方式

以下本发明作进一步详细说明。

根据一个或多个实施例，公开了一种基于多维特征的实时水准测量点号匹配方法，包括有以下步骤：

S1、初始化：录入起算点点号，观测高程sh₁，视距sd₁。初始化实时水准测量采集的测点集rSet＝{sname→(sh_i,sd_i,i)|i＝1..}并加入起算点。从数据库拉取已知测点数据并建立已知点集合kSet＝ {kname→P_j|j＝1..n}对于第j个监测点P_j二维坐标和高程信息(x_j y_j h_j)。

S2、通过同名点号求取实时水准测量采集的测点集rSet和数据库已知测点kSet之间的同名点集

inSet＝{iname→(sh_k，sd_k，i_k，x_k，y_k，h_k)|k＝1..m}。

S3、实时水准观测获取测点的观测高程值sh_c，视距值sd_c，当前测量点集包含p个点。

S4、建立已知测点kSet和交集点inSet的建立距离特征矩阵TDM 和高差特征矩阵：

其中

其中Δh_jk＝h_j-h_k(j＝1...m，k＝1...n)。

S5、实时水准测量获取的测点和第j个已知测点距离ds_j和高程特征相似度hs_j计算如下，

其中

S6、分别将每个测点的距离特征和高程特征相似度通过先验分布函数归一化并相加作为最终相似度，取相似度最大值为匹配点号。

其中距离特征归一化函数为

其中λ＝1.5-3.3

高程特征归一化函数其中c1＝1.02～1.1,c2＝530.1～550.3,c3 ＝-0.0012～-0.0035

将数据库已知测量点集中第j_min个点的点号及测量高程和视距加入到实时测量点集rSet。

S7、重复步骤S3-S6，直至整个项目水准测量完成。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (1)

1.一种基于多维特征的实时水准测量点号匹配方法，其特征是，包括有以下步骤：

S1、初始化处理，录入起算点点号，观测高程sh₁，视距sd₁；初始化实时水准测量采集的测点集rSet＝(shame→(sh_i，sd_i，i)|i＝1..k}并加入起算点；从数据库拉取已知测点数据并建立己知点集合kSet＝(kname→P_j|j＝1..n}对于第j个监测点P_j二维坐标和高程信息(x_j，y_j，h_j)；

S2、通过同名点号求取实时水准测量采集的测点集rSet和数据库已知测点kSet之间的同名点集inSet＝{iname→(sh_k，sd_k，i_k，x_k，y_k，h_k)|k＝1..m}；

S3、实时水准观测获取测点的观测高程值sh_c，视距值sd_c，当前测量点集包含p个点；

S4、建立已知监测点和交集点的建立距离特征矩阵和高差特征矩阵；

S5、计算实时水准测量获取的测点和第j个已知测点距离ds_j和高程特征相似度hs_j；

S6、分别将每个测点的距离特征和高程特征相似度通过先验分布函数归一化并相加作为最终相似度，取相似度最大值为匹配点号；

S7、重复步骤S3至S6，直至整个项目水准测量完成；

已知监测点和交集点的建立距离特征矩阵和高差特征矩阵具体为：

距离特征矩阵TDM，其中

高差特征矩阵THM，其中Δh_jk＝h_j-h_k(j＝1…m，k＝1…n)；

步骤S5的计算具体为：

其中

步骤S6具体为：

其中距离特征归一化函数为：

其中λ＝1.5-3.3；

高程特征归一化函数：

其中：

c1＝1.02～1.1，c2＝530.1～550.3，c3＝-0.0012～-0.0035；

将数据库已知测量点集中第j_min个点的点号及测量高程和视距加入到实时测量点集rSet。