三維基準(zhǔn)轉(zhuǎn)換中經(jīng)典的線(xiàn)性Bursa-Wolf模型僅僅適用于旋轉(zhuǎn)角較小的情況,隨著測(cè)量技術(shù)的發(fā)展,例如在攝影測(cè)量以及三維激光掃描方面,影像匹配和點(diǎn)云配準(zhǔn)的本質(zhì)就是確定任意旋轉(zhuǎn)角下,尤其是大旋轉(zhuǎn)角時(shí)三維基準(zhǔn)轉(zhuǎn)換的參數(shù)。以小旋轉(zhuǎn)角為例,在Bursa-Wolf模型的誤差方程的系數(shù)矩陣中,一部分是由公共點(diǎn)的源坐標(biāo)構(gòu)成,而源坐標(biāo)即使經(jīng)過(guò)平差處理,還是會(huì)含有隨機(jī)誤差或受到隨機(jī)誤差的影響,這與經(jīng)典最小二乘(Least Squares, LS)的前提假設(shè)不相符。兼顧觀(guān)測(cè)向量和系數(shù)矩陣中的隨機(jī)誤差,對(duì)其進(jìn)行整體考慮以及全面分析的方法稱(chēng)之為整體最小二乘(Total Least Squares, TLS)。因此,本文任意旋轉(zhuǎn)角下的三維基準(zhǔn)轉(zhuǎn)換的整體最小二乘法為研究對(duì)象,主要研究?jī)?nèi)容如下： 基于經(jīng)典LS的Gauss-Markov模型,研究了三維基準(zhǔn)轉(zhuǎn)換的線(xiàn)性模型和非線(xiàn)性模型,并通過(guò)仿真實(shí)驗(yàn)加以驗(yàn)證,實(shí)驗(yàn)結(jié)果表明：旋轉(zhuǎn)角較小時(shí),線(xiàn)性模型與非線(xiàn)性模型的解算精度基本一致；在旋轉(zhuǎn)角較大時(shí),線(xiàn)性模型的解算結(jié)果嚴(yán)重失真,非線(xiàn)性模型的解算結(jié)果較好。 針對(duì)經(jīng)典LS未顧及到系數(shù)矩陣中含有隨機(jī)誤差或受到隨機(jī)誤差的影響,引入了兼顧觀(guān)...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 研究現(xiàn)狀
    1.3 研究?jī)?nèi)容與技術(shù)路線(xiàn)
2 基于最小二乘的三維基準(zhǔn)轉(zhuǎn)換模型
    2.1 經(jīng)典最小二乘平差原理
    2.2 三維基準(zhǔn)轉(zhuǎn)換模型
    2.3 三維基準(zhǔn)轉(zhuǎn)換的線(xiàn)性模型
    2.4 三維基準(zhǔn)轉(zhuǎn)換的非線(xiàn)性線(xiàn)性模型
        2.4.1 非線(xiàn)性十三參數(shù)模型
        2.4.2 非線(xiàn)性七參數(shù)模型
    2.5 仿真實(shí)驗(yàn)
        2.5.1 實(shí)驗(yàn)一(小旋轉(zhuǎn)角)
        2.5.2 實(shí)驗(yàn)二(大旋轉(zhuǎn)角)
    2.6 本章小結(jié)
3 加權(quán)整體最小二乘的基本原理及算法
    3.1 EIV模型與整體最小二乘基本原理
    3.2 基于非線(xiàn)性拉格朗日函數(shù)的WTLS迭代解法
    3.3 基于Newton-Gauss的WTLS迭代算法
    3.4 算例分析
    3.5 本章小結(jié)
4 三維基準(zhǔn)轉(zhuǎn)換的加權(quán)整體最小二乘法
    4.1 加權(quán)整體最小二乘的通用模型
    4.2 基于Newton-Gauss加權(quán)整體最小二乘的正交約束模型
        4.2.1 解法一
        4.2.2 解法二
        4.2.3 迭代算法
    4.3 算例分析
        4.3.1 實(shí)驗(yàn)一
        4.3.2 實(shí)驗(yàn)二
    4.4 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)歷



本文編號(hào)：3865467