[发明专利]测量系统的系统误差自检校方法、装置、设备和介质

说明书

本发明提供的一种所述测量系统的系统误差自检校方法、装置、设备及计算机存储介质，所述方法包括构建基于Gauss‑Helmert并顾及随机误差的系统误差自检校模型，获取该模型中未知参数向量的初始值和随机误差向量的初始值，以及同名点的观测值，采用非线性最小二乘理论及牛顿‑高斯方法对所述未知参数向量和所述随机误差向量迭代求解，获得满足预设收敛条件的所述未知参数向量的最终解算值，从而获取测量系统的系统误差参数，有效提高了测量系统中的系统误差参数的解算精度；此外，本发明所述方法还可以通过方差分量估计方法，实现在先验信息错误或先验信息未知情况下的验后估计，有效确保系统误差参数的求解精度。

技术领域

本发明涉及一种测量系统的校准方法，具体是一种基于Gauss-Helmert模型并顾及随机误差信息的测量系统的系统误差自检校方法、装置、设备及介质。

背景技术

地面三维激光扫描(Terrestrial Laser Scanner，TLS)技术，作为一种快速、精确获取物体空间信息的测量技术，已经广泛地应用于多个领域。然而，在利用TLS技术采集点云数据的过程中，由于受到仪器自身精度、外部环境、扫描目标等诸多因素的影响，会导致点云坐标信息中叠加测量系统的系统误差和测量的随机误差，使获得的点云坐标和目标点的实际坐标不一致。因此，为了保证点云坐标的观测精度，需要对点云坐标的观测值进行检校。

自检校方法是目前广泛运用的一种TLS检校方法，将把可能存在的系统误差，作为待定参数参与整体平差运算之中，以实现系统误差的求解。相比于传统的检校方法，可以大大降低对测量环境和操作员要求。目前，常用的基于点的自校准方法在函数模型构建时，尚未考虑随机误差信息；因此，利用这类函数模型进行TLS自检校时，难以避免观测值中的随机误差对于系统误差参数解算精度的影响，导致系统误差与真实误差不对应，因此无法确保参数求解的精度。

发明内容

鉴于以上现有技术中存在的缺点，本发明的目的在于提供一种测量系统的系统误差自检校方法、装置、设备及计算机存储介质，用于解决现有的测量系统的系统误差自检校过程中所存在的，观测值中的随机误差对系统误差参数解算精度的影响，使得系统误差与真实误差不对应，无法确保参数求解的精度等问题。

为实现上述目的及其他相关目的，本发明首先提供一种测量系统的系统误差自检校方法，所述方法包括：

构建基于Gauss-Helmert并顾及随机误差的第一系统误差自检校模型，并确定所述第一系统误差自检校模型的未知参数向量和随机误差向量；基于所述第一系统误差自检校模型，确定与对应的目标函数；其中，所述未知参数向量包括外部转换参数和检校参数；获取所述未知参数向量的初始值，所述随机误差变量的初始值，以及获取同名点的原始观测值；基于所述未知参数向量的初始值、所述随机误差向量的初始值和所述原始观测值，采用非线性最小二乘的牛顿-高斯方法，对所述第一系统误差自检校模型进行所述未知参数向量和所述随机误差向量的迭代解算，以获取满足预设收敛条件的所述未知参数向量的最终解算值；所述未知参数向量的最终解算值中包括所述测量系统的系统误差值。

于本发明的一实施例中，所述测量系统的系统误差自检校方法，还包括：于所述基于所述未知参数向量的初始值、所述随机误差向量的初始值和所述原始观测值，采用非线性最小二乘的牛顿-高斯方法，对所述第一系统误差自检校模型进行所述未知参数向量和所述随机误差向量的迭代解算过程中，采用方差分量估计方法对所述迭代解算过程进行优化，获得优化后的，且满足预设收敛条件的所述未知参数的解算值。

于本发明的一实施例中，所述构建基于Gauss-Helmert并顾及随机误差信息的系统模型，包括：确定随机误差向量；基于所述随机误差向量，构建所述第一系统误差自检校模型，为观测点的参考坐标关于该观测点原始观测坐标、旋转参数、检校误差参数和随机误差向量的函数模型。