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
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。

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
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

比例尺与大小关系:

地形图采集方式
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。
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。
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。

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
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。
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。
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。
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.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。
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。
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。
常见DEM下载

一文读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 ...

  3. 超级干货 :一文读懂大数据计算框架与平台(升级版)

    1. 前言 计算机的基本工作就是处理数据,包括磁盘文件中的数据,通过网络传输的数据流或数据包,数据库中的结构化数据等.随着互联网.物联网等技术得到越来越广泛的应用,数据规模不断增加,TB.PB量级成为 ...

  4. 一文读懂大数据漏斗分析!

      下面我将为您介绍漏斗分析的概念,以及组织及其数据如何使用它来分析大数据集.希望能够帮到你们. 很多时候我们发现我们的业务数据看起来很不错,但最终的转换量却很低,这就说明业务转换率这里有问题.而在数 ...

  5. 阿里HBase超详实践总结 | 一文读懂大数据时代的结构化存储

    前言 时间回到2011年,Hadoop作为新生事物,在阿里巴巴已经玩得风生水起,上千台规模的"云梯"是当时国内名声显赫的计算平台. 这一年,Hadoop的好兄弟HBase由毕玄大师 ...

  6. 数据仓库ods层是啥意思_一文读懂大数据仓库建设

    文章标签: 数据仓库ods层是啥意思 版权 从传统数仓到大数据平台,MPP数据集市,Hadoop集群,还有混合架构数仓,一直在不断演进,但是万变不离其宗,大框架和方法论终归是那一套.所以本文就来分享数 ...

  7. 一文读懂“大语言模型”

    1.背景 本文基于谷歌云的官方视频:<Introduction to Large Language Models> ,使用 ChatGPT4 整理而成,希望对大家入门大语言模型有帮助. 本 ...

  8. 一文读懂大数据计算框架与平台

    1. 前言 计算机的基本工作就是处理数据,包括磁盘文件中的数据,通过网络传输的数据流或数据包,数据库中的结构化数据等.随着互联网.物联网等技术得到越来越广泛的应用,数据规模不断增加,TB.PB量级成为 ...

  9. 关于BI商业智能的“8大问”|一文读懂大数据BI

    这里不再阐述商业智能的概念了,关于BI,就从过往的了解,搜索以及知乎的一些问答,大家困惑的点主要集中于大数据与BI的关系,BI的一些技术问题,以及BI行业和个人职业前景的发展.这里归纳成8个问题点,每 ...

  10. 一文读懂大数据两大核心技术

    今天小编给大家先分享一下大数据的两大核心技术,知己知彼才能百战不殆,学习大数据技术也是一样的道理,要先有一个清晰的了解,才能确保自己全身心的投入学习. Hadoop是什么? Hadoop在2006年开 ...

最新文章

  1. 爬取30亿人脸被600家执法机构使用,这家公司揭美国数据隐私老底
  2. C++编写Config类读取配置文件
  3. Google 的 Java 编码规范,参考学习!
  4. 卸载LINUX自带的JDK——linux-jdk-java
  5. Leecode17. 电话号码的字母组合——Leecode大厂热题100道系列
  6. 软件之间的数据格式对接往往将_XRD数据格式的转换和TXT格式数据正确导入Jade的办法...
  7. 话里话外:流程图绘制初级:六大常见错误
  8. Long Path CodeForces - 407B(动态规划+思维+公式推导)
  9. 【Java数据结构与算法】第十一章 顺序存储二叉树、线索二叉树和堆
  10. maven scope范围
  11. 聊一聊Cookie(结合自己的学习方法分享一篇维基百科和一篇segmentfault(思否)好文)...
  12. java中同步关键字_Java中的同步关键字
  13. Android ActivityManager一些API介绍
  14. 惠州学院计算机学院陈东骏,教学情况简报第107期
  15. Windows XP下如何清理日志文件
  16. 【问题征集】向 iPod 之父、iPhone 联合设计者、Google Nest 创始人 Tony Fadell 提问啦
  17. Windows 用 CMD 打开 WAMP5 的MySQL数据库
  18. java 16 规定_java并发编程(十六)happen-before规则
  19. 记一次git pull 错误
  20. cork--快速,精确的线性布尔运算

热门文章

  1. 在Excel中用VBA制作俄罗斯方块游戏
  2. 商务统计_3 概率论基础 2
  3. 项目工作说明书(SOW)
  4. 电脑怎么用自带录音器录制系统的声音
  5. css font-family 字体及各大主流网站对比
  6. php字符串分割函数,PHP字符串分割函数explode,strtok,str_split的用法
  7. 【Python爬虫】懂车帝_车型库页面
  8. 商品进销存管理系统、ERP系统源码
  9. 用友T1-商贸宝库存商品明细账
  10. pandas之透视表