更多技术干货学习:https://blog.csdn.net/TuxinyunGIS/article/details/106256125


大比例尺地形图作为城市基础地理信息的重要来源,被广泛应用于多个领域。

无人机航测与传统测绘对比

比例尺基本概念

2.1 比例尺概念 地形图上一段直线长度与地面上相应线段的实际水平长度之比,称为地形图的比例尺。

2.2 比例尺分类:

大比例尺图:1:500、1:1000 、1:2000 、1:5000 、1:1万

中比例尺图:1:2.5万、 1:5万、 1:10万

小比例尺图:I:20万、1:50万、I:100万

2.3 比例尺精度:

人用肉眼能分辨的最小距离一般为0.1mm,所以把图上0.1mm所表示的实地水平距离称为比例尺精度,即0.1mmXM

M为比例尺分母

2.4 比例尺与大小关系:

地形图采集方式

3.1无人机低空航摄与RTK相结合方式

针对测量区域面积大、区域内地物不复杂、四周宽敞的情况,利用无人机低空航摄与RTK测量组合测量方式能够降低野外工作量,提高作业生产效率。

无人机低空航摄与RTK组合测量方式的作业流程控制如图1所,传统的航摄作业流程采用先布设像控点再进行空三加密的方式,这种做法工作周期较长,无法体现出无人机航摄的先期性,因此可对基于无人机的航摄传统作业方法进行改进,存对测区进行外业实地测量前,利用自由网平差方法对无人机航摄影像进行空三加密,获取自由坐标系下的DOM与DEM数据, 基于此 DOM数据在数字化测图软件中绘制该区域线化图,再利用RTK碎步测量采集特征点后转换成指定坐标系,该种方法的精度取决于自由网平差过程中连接点的匹配精度。为提高连接点匹配精度,一方面在航飞线路设计时采用垂直构架航线,实现影像的全方位高重叠度,有效解决了同名连接点的误匹配;另一方面在影像数据内加密时利用先进的计算机视觉与摄影测量相结合的算法,对多度重叠点进行多方向的前方交会,解决连接点的有效匹配,在此基础上根据匹配情况采用一定量的人工干预,从而提高数据的内业平差精度。

3.2 RTK与全站仪相结合测量的方式

部分测区分布在建筑物复杂密集的市区中心,以兰州市为例,由于周围建筑物高大密集,采用无人机航摄方法获取的 DOM数据将被高楼遮严重,效果不好。而由于卫星信号遮挡严重,仅利用RTK碎步测量也无法完成测量任务。

RTK与全站仪组合测量的方式是利用RTK在测区内宽敞地区布置一些全站仪测量所需的控制点,全站仪测量的起算数据就是以这些控制点数据为准。这种改进全站仪的测量方式,省去了传统布设导线控制网的过程,能够大大缩短作业时间。该种测量方式的精度大部分取决于起算控制点RTK测量的精度,RTK测量能达到厘米级别的精度,以南方S82T仪器 为例 ,其平面精度 ±1c m + 1ppm,高程 精度 ±2cm + 1ppm,在测量过程中利用多台仪器多次测量同一个点位并互相比对后,得出控制点最佳坐标值,实际实测过程中全站仪测量利用 1秒级精度仪器,保证了测量结果能够达到较高的精度。

3.3 改进RTK测量方式

针对测区区域面积较小、建筑面积不密集、卫星信号较好的情况,可采用 RTK碎步测量的方法独立作业。

传统RTK测量是利用测量点序号编号,并在野外现地绘制草图,该种办法至少需要两个人员配合,效率一般,尤其是内业成图过程中,如果野外测量草图绘制凌乱, 将大大影响内业成图效率。改进RTK测量方式是将测量的碎步点编成个人习惯的缩写代码,省去了野外绘制草图的过程,在内业成图时,能使采集的碎步点能够清晰的描绘出一幅电子草图,具有很高的效率, 促进来了内外业作业一体化。图 3列出了某绿化带和房屋的编码,以绿化带为例,在利用 R T K碎步采集的时候,编码以缩写字母依照顺序进行,并在有弧度的点位标明 ( 如 ld4y ) ,在测量房屋建筑时,往往房屋拐角是RTK电台与GPS信号盲区,可通过隔点测量的方式进行,并标明隔点位置 ( 如 F4G表示距上一点隔一个点位,F6G2表示距上一点隔两个点位) 。采用如上编码方式,不仅省去了野外绘制草图的过程,提高了外业测量的效率,降低了野外人力物力的投入,同时缩短了内业作图的时间。

3.4 RTK与图纸资料相结合的方式

部分测区存有己测绘过的高精度大比例尺地形图纸质资料,针对这种情况,可利用 R T K与图纸资料相结合的方式,将扫描栅格图像纠正后矢量化,再利用RTK测量特征点,求解转换参数后转换到指定坐标系下,并利用RTK测量对变化区域修测。

为减少图像纠正的误差,将扫描的图纸划分成若干个小块,再对这些局部区域进行精纠正,改正局部畸变。通常采用地形图上的方格网作为最小局部纠正区域,通过人工交互精确确定方格网四个角点的图像坐标和高斯平面坐标值,确定双线性变换模型多项式系数,利用该模型实现图像纠正。具体作业流程如图4所示。

检查精度的常见方式

4.1 RTK与图纸资料相结合的方式

大比例尺地形图修补测常见精度问题有平面中误差超限、平面检测粗差超限、高程中误差超限、高程检测粗差超限、间距中误差超限、间距检测粗差超限等。

4.1.1平面中误差超限

检查方法是先采集明显地物点的坐标值;再根据图上坐标与采集的坐标差值,计算点位中误差。若坐标分量差值中存在系统误差,则中误差很可能超限。其原因及处理办法为:

  1)外业采集时采用的坐标系与成图坐标系不一致;检查坐标系的一致性。

  2)外业采集时图根控制点存在系统误差或粗差;检测图根控制点,确保外业采集点的准确性。

  3)内业成图时,空三加密存在误差或粗差导致立体模型扭曲、变形;平面、高程中误差可能同时超限。此时,应检查像控点成果的正确性[1]、空三加密成果的可靠性[2]、建模过程中相对定向与绝对定向的准确性[3]。此环节出问题需重新建模,并重新采集模型范围内的数据。

  4)内业采集时,超描(超出像控点控制范围)测图也会产生系统误差,导致平面中误差超限。该情况出现在模型外围,应变换模型检查,重测超描部分。

  5)随机误差中,分割不当、取舍不合理、观测没

  照准、线(面)状地物连线错误、独立地物与附近点混淆,屋檐改正精度不够,都会引起粗差率超限或平面中误差超限。

  4.1.2 平面检测粗差超限

《测绘成果质量检查与验收》规定[4] :粗差率≤ 5%[5] 表明,测图过程中允许存在粗差,但当粗差率> 5% 时应查明原因并进行修正。粗差产生的原因,除了系统误差(平面中误差超限),主要有分割不当、遗漏、变化、屋檐改正错误等。检测相邻地物的间距,可查出此类错误。

  1)分割不当,主要是由于航摄影像遮挡、阴影等产生的错层房屋投影变形导致的分割错漏;可通过巡视、全野外数据采集进行检查、修改。

  2)房檐改正不准确,大比例尺测图要求进行房檐改正。房檐改正一般要求以滴水线为基准,现在建筑物大多看不清滴水线,房檐改正仅凭作业人员经验判断,错误较多。

  4.1.3 高程中误差超限

1)检测采用的图根控制点存在系统误差或粗差、仪器高量取错误都可能导致高程中误差超限。此类检测点误差具有系统性,即误差大小相似、符号一致,应重新核查。另外,内业测图人员的工作习惯(有人习惯切浮、有人习惯切沉)也会产生系统误差[6],从而导致高程中误差超限,此时应换人重测。

  2)立体模型扭曲、变形。其表现为在局部小范围内(一个立体模型中心部位)出现高程值异常,存在向模型中心递增(递减)趋势,且平面中误差较大;此时应考虑重新建模、测图。

  3)地物、地貌发生变化。测图周期内,道路翻修、场地平整等都会引起高程中误差超限,此类误差具有集中性、区域性,粗差集中在某一条路上或某一区域内;应及时更新、进行修补测。

  4.1.4 高程检测粗差超限

 1)全野外采集时,棱镜高、RTK 杆高变化没有及时更改可能导致少数点的高程值粗差超限。这类误差具有随机性,应检查测量方法是否正确[7]。

  2)内业测图未切准模型也会使高程值粗差超限。

  4.1.5 间距中误差与间距检测粗差超限

  1)平面点采集精度和屋檐改正精度决定了间距误差的大小。间距中误差超限,应对接近限差的间距进行复查;必要时应对超过中误差的间距误差全部复核。

  2)间距检测粗差超限,原因与平面粗差超限类似,处理方法也相似。同时,采集精度不高也会引起粗差超限,此时可考虑在误差范围内采用各改一半的方法进行修改。

4.2 精度问题处理方法

航空摄影测量大比例尺地形图测绘的数学精度不容易控制,误差主要来源是外业调绘屋檐改正部分,仅凭作业人员的经验,有太多不确定的人为因素。因此,减少屋檐改正误差,就能较容易地控制大比例尺地形图精度。根据多个测区生产经验,本文提出以下避免调绘数学精度出错的方法:

  1)开始调绘前,对内业数据进行外业抽样检查,确保内业生产数据符合外业调绘精度要求,减少错、漏。

  2)内业采集时,一般要求采集建筑物的外围形状,为了便于外业精度检核,对于女儿墙和内业数据采集可看见的墙角必须采集,并单独存放在一个规定数据层。内业编辑时,对调绘的数据进行检核,可大批量减少外业调绘错误。

  3)利用相邻不需进行屋檐改正的地物的相对关系进行屋檐改正,如城郊民宅房屋门面一般都是整齐划一的,可以没有屋檐改正的房屋和围墙数据为基准确定门面的屋檐改正,不仅方便快捷,而且准确度高。

  4)单位和工厂中大型建筑的屋檐改正特别困难,可以充分利用内业采集数据准确的独立地物、内部道路边线、花坛、围墙、电杆、相邻建筑物的边线的相对距离来进行屋檐改正。

  5)低矮建筑物没有滴水线的屋檐改正,可运用手持测距仪垂直放置在地面照准屋檐,通过手持测距仪的移动确定滴水线位置。

  6)建筑物的分割,有屋檐改正的必须进行地面实地量测。

  7)建筑物附近没有其他条件时,测量建筑物长宽,对屋檐改正后的数据进行检核,若精度超限,只能采用全站仪野外实测。

  8)影像遮挡、内业无法定位的地物(井盖、消防栓等)及局部更新,可采用交会法或全野外测图的方法进行修补测。

常见使用规范

表1 地物点相对邻近控制点的点位与间距中误差

表 2 地形图基本等高距(单位:m)

表 3 等高线插求点的高程中误差

表 4 地形图高程精度要求(单位:m)

举例说明:

以1:1000成图比例尺的丘陵为例,查表可知基本等高距为1.0m,地形图高程精度要求为1/2等高距,则可以计算出高程精度需满足1.0m*1/2 = 0.5m精度

表 5 地面分辨率

表 6 基本定向点残差、检查点误差最大限值

表 7 航测成图地物点相对邻近控制点的点位与间距中误差(单位:m)

表 8 地物点平面精度要求

表 9 地形图基本等高距(单位:m)

※括号内数值表示可选基本等高距,一幅图内不得采用两种以上基本等高距

表 10 等高线插求点的高程中误差

表 11 地形图高程精度要求(单位:m)

举例说明:

以1:1000成图比例尺的丘陵为例,查表可知基本等高距为1.0m,地形图高程精度要求为1/2等高距,则可以计算出高程精度需满足1.0m*1/2 = 0.5m精度

表 12 高程中误差

※1:500地形图平地、丘陵宜采用平高全野外控制布点,1:1000、1:2000地形图平地可采用全野外控制布点。未加括号的等高距是优先采用的,括号内是可选等高距及对应的中误差要求。

-END-

一文搞懂大比例尺地形图测绘相关推荐

  1. netflow报文格式与数据处理流程分析_RTK、三维激光扫描、无人机倾斜摄影在大比例尺地形图测绘的对比分析...

    [摘 要] 本文研究RTK.三维激光扫描和无人机三种地形图测绘的方法.RTK采用传统单点测图的方法,三维激光扫描采用三维点云测绘图的方法,无人机采用三维实景模型测图的方法.研究结果表明:大场景的地形图 ...

  2. 一文搞懂大数据开发,大数据开发体系详解

    前言 不知道大家有没有过在搜索引擎搜索过旅游的关键字,不久就可能收到机票的推销的经验.如今是大数据的时代,数据的价值越来越重要.数据即资产,想必大家都听说过.最近公司的项目中也用到了一些大数据的技术, ...

  3. 一文搞懂RNN(循环神经网络)

    基础篇|一文搞懂RNN(循环神经网络) https://mp.weixin.qq.com/s/va1gmavl2ZESgnM7biORQg 神经网络基础 神经网络可以当做是能够拟合任意函数的黑盒子,只 ...

  4. 一文读懂大数据平台——写给大数据开发初学者的话!

     一文读懂大数据平台--写给大数据开发初学者的话! 文|miao君 导读: 第一章:初识Hadoop 第二章:更高效的WordCount 第三章:把别处的数据搞到Hadoop上 第四章:把Hado ...

  5. 一文搞懂HMM(隐马尔可夫模型)-Viterbi algorithm

    ***一文搞懂HMM(隐马尔可夫模型)*** 简单来说,熵是表示物质系统状态的一种度量,用它老表征系统的无序程度.熵越大,系统越无序,意味着系统结构和运动的不确定和无规则:反之,,熵越小,系统越有序, ...

  6. 一文搞懂AWS EC2, IGW, RT, NAT, SG 基础篇下

    B站实操视频更新 跟着拉面学习AWS--EC2, IGW, RT, NAT, SG 简介 长文多图预警,看结论可以直接拖到"总结"部分 本文承接上一篇文章介绍以下 AWS 基础概念 ...

  7. 一文搞懂 Cocos Creator 3.0 坐标转换原理

    一文搞懂 Cocos Creator 3.0 坐标转换原理 屏幕坐标 UI 触点坐标 UI 多分辨率适配方案 UI 触点获取 不同坐标之间的转换 屏幕坐标与 3D 节点世界坐标互转 3D 节点之间的坐 ...

  8. 一文搞懂Qt中的颜色渐变(QGradient Class)

    一文搞懂Qt中的颜色渐变(QGradient Class) 1, 快速开始! Qt中与颜色渐变有关的类是QGradient 其中它又有三个子类:QLinearGradient.QRadialGradi ...

  9. 《一文搞懂NMS发展历程》Soft-NMS、Weighted NMS、IoU-Net、Softer-NMS、Adaptive NMS、DIoU-NMS

    <一文搞懂NMS发展历程>Soft-NMS.Weighted NMS.IoU-Net.Softer-NMS.Adaptive NMS.DIoU-NMS 文章目录 <一文搞懂NMS发展 ...

  10. 一文搞懂k近邻(k-NN)算法(一)

    原文链接 一文搞懂k近邻(k-NN)算法(一) 前几天和德川一起在学习会上讲解了k-NN算法,这里进行总结一下,力争用最 通俗的语言讲解以便更多同学的理解. 本文目录如下: 1.k近邻算法的基本概念, ...

最新文章

  1. 菜鸟配置SAMBA服务之4
  2. 内核配置中 ramdisk 大小修改
  3. 2022年大厂面试八股文上线!
  4. Linux系统中的函数
  5. python封装举例_Python面向对象封装操作案例详解
  6. 【模板】分散层叠算法(P6466)
  7. 干掉MySQL:他们的MySQL分库分表架构,搞得太棒了!
  8. OpenResty之ngx.ssl
  9. 程序员面向软件开发时,如何成功?
  10. python 基础 - 4.15 re模块
  11. qt和arcgis for qt在地图上做测距(画线和显示距离,单位km)
  12. php怎么eclipse打开,PHPEclipse的安装和使用
  13. 每天,每周,每月每隔cron表达式
  14. C# 程序开机自动启动
  15. 安装oh my zsh后出现的目录权限问题
  16. 《毒液2》上线,豆瓣评分6.1-附繁体中字预告片
  17. python读取txt文件中的数字_python从txt文件读取数据
  18. 微信新升级?这2个功能是你们期盼的吗?
  19. 文字识别(一)--传统方案综述
  20. Xcode中使用自定义字体

热门文章

  1. 谈谈那些基础但不简单的股票数据
  2. 基于YOLOv5的银行卡卡号识别(一)
  3. 生物与环境 —— 生命的力量
  4. SAP成本核算中的作业价格计算过程实例
  5. BigDATA面试题
  6. 您必须拥有这台计算机上的终端服务器用户访问权限的解决方案
  7. 刘德华中国巡回演唱会2007
  8. 从羽泉演唱会大数据看在线演出前景
  9. 常规的Git管理流程
  10. Flickr 网站架构分析(转)