量测随机误差（精选3篇）
量测随机误差 篇1
0 引言
在进行涉及多个控制中心的全网统一计算时,由于量测数据没有时标,可能存在来自不同控制中心的量测断面采样时刻不一致问题,其表现为控制中心间重叠建模区域的同一测点有不同的量测值,这些不同量测值表明了来自不同控制中心的量测数据存在着断面时差。这种断面时差需要区别于同一控制中心的数据采集与监控(SCADA)系统由于采样时延所带来的各个测点之间的量测时差,后者具有随机性,而控制中心间可能存在的这种断面时差,则更有规律可循,可通过一些技术手段加以修正。
分布式状态估计[1,2,3]作为一种涉及多控制中心的一体化计算方法,也必须要面对可能出现的控制中心间量测断面时差问题。尤其在分布式能量管理系统(EMS)应用初期,作为实验系统,不能干扰各控制中心原有独立EMS的正常运行,无法直接访问各控制中心的前置系统,其计算所需断面更可能来自于各个控制中心独立计算模式下周期性启动状态估计的当前断面,由于缺少统一的标准和对时启动机制,断面时差问题可能更为严重。
目前,针对控制中心量测断面时差修正的文章还比较少见,但对于SCADA系统量测时延问题,已有文献做了相关研究,文献[4]分析了量测时延对状态估计精度的影响,并依据量测数据时延均匀分布模型提出了处理方法。文献[5]提出了两种新的预测模型,分别是winters季节自回归模型和自回归移动平均模型。文献[6]假定量测数据遵循特定的分布,并提出了随机扩展卡尔曼滤波算法。文献[7]中根据不同的量测时延,引入相应的时差补偿因子,利用连续两个数据断面的量测数据变化量和时差补偿因子来修正延时的量测,以处理量测时延问题。
本文针对分布式状态估计可能遇到的不同控制中心量测断面时差问题,基于多控制中心分布式并行计算系统的子系统主从机制,提出了基于边界重叠节点双值量测预估—校正的外网量测数据修正方法。该方法应用于分布式状态估计计算之前,作为一种增加整个分布式计算系统鲁棒性而采用的数据异常处理方法,只在检测到来自不同控制中心的量测断面存在时差时启动计算。
1 算法原理概述
该算法主要利用存在断面时差时,不同控制中心重叠建模区域的相同测点具有不同量测值这一特点,预估出两控制中心实际断面时差,以发起计算的控制中心为主子系统,将预估出的断面时差发送给其他从子系统即参与计算的相邻控制中心,相邻从子系统根据断面时差对量测数据进行校正,使该数据层面参与分布式状态估计的所有控制中心量测断面处于同一时刻下,为分布式状态估计作数据准备。
以两个控制中心(子系统1、子系统2)互联为例,简要说明预估校正算法基本原理。不失一般性,本文作如下假设:假设子系统1为发起分布式计算的主子系统;参与分布式计算的两子系统各自的集中式状态估计采样周期分别为H1和H2;H1和H2可能相同也可能不同;同一断面中的所有测点采样时刻一致;系统采样周期较短,量测变化趋势一致。需要说明的是,任一子系统都可发起计算作为主子系统。
图1为系统采样时差图,其中横轴为时间轴,表示各子系统获取电网数据后周期性进行集中式状态估计的时刻,纵轴表示各子系统。时刻t1(i)及其之前的量测断面表示已存入数据库的历史断面,时刻t1(i)之后的量测断面表示未采集断面。用Ⅰ表示时间区间[t1(i),t2(j)],Ⅱ表示区间[t2(j),t1(i+1)]。M21表示子系统2在t2(j-3)时刻的量测断面。
如图1所示,当主子系统1在ts时刻发起分布式计算时,需从子系统2提供t1(i)时刻的外网量测。而由图1可清晰看出,从子系统2提供的外网量测实际是t2(j-1)时刻量测断面M23。将存在时间差ΔT12=Δt12的两子系统量测进行全网分布式状态估计,无疑将会影响计算结果的准确性。EMS进行状态估计时获取的量测无时标,因此不可能简单地通过t1(i)-t2(j-1)求取断面时差。
实际电网控制中心之间具有较大重叠建模区域,对于重叠区的测点,以图1为例,子系统1和子系统2分别提供M12与M23,每一重叠区测点具有由同一断面时差导致的量测差。预估—校正算法利用这一特点,根据重叠区各测点量测变化曲线,结合M12与M23中重叠区所有测点量测差值,预估出两系统实际断面时差ΔT12,再依据ΔT12对子系统2的量测数据进行校正。
在预估两系统实际断面时差ΔT12时,若子系统1在区间Ⅰ启动计算,其状态估计量测采样超前子系统2,此时可近似认为计算时子系统2提供的重叠区中各测点量测值落在子系统1区间[t1(i-1),t1(i)]的量测变化曲线上,并据此曲线和重叠区测点量测差值预估两系统时差;但当子系统1在区间Ⅱ启动计算时,其状态估计采样量测滞后于子系统2,子系统2提供的重叠区中各测点量测值落在子系统1区间[t1(i),t1(i+1)]的量测变化曲线上,此时子系统1的t1(i+1)时刻量测断面未知,需预测获得。故本文先判断启动时刻所在区间,来确定子系统1是否需要预测量测断面,进而确定预估算法中所使用的量测变化曲线,预估时差,最终校正子系统2量测。上述方法可推广至多个子系统互联的情况。
2 预估重叠区域量测时差
2.1 判断启动分布式计算时刻所在区间
假设有两个控制中心(子系统)互联,子系统1和子系统2之间的重叠建模区域为D,以D中任一测点Mdi为例:子系统1根据其最新采样的4个历史量测作回归直线L1d,如图2所示,并过点(t13,0)向横轴作垂线,求得与L1d的交点的纵坐标为Sd13′。
子系统2根据其最新采样的4个历史量测作回归直线L2d,如图3所示,并过点(t23,0)向横轴作垂线,求得与L2d交点纵坐标为Sd23′。针对子系统2中属于重叠区的每一测点均作上述计算,记重叠区所有测点求得的交点纵坐标的集合为Y。
启动计算后,子系统2将Y和最新采样断面M23中属于重叠区的量测断面M2发送给主子系统1。
对于重叠区测点Mdi,理论上直线L1d与L2d斜率几乎相等;因为时差的存在,L2d是由L1d平移得到。主子系统1可根据回归线斜率以及交点纵坐标Sd23′和Sd13′的大小判断启动计算时刻所在区间。假设直线L1d的斜率为K1d,直线L2d的斜率为K2d。
K1d>0且K2d>0时,若Sd23′≤Sd13′,启动时刻在区间Ⅰ,若Sd23′>Sd13′,启动时刻在区间Ⅱ。
K1d<0且K2d<0时,若Sd23′≥Sd13′,启动时刻在区间Ⅰ,若Sd23′<Sd13′,启动时刻在区间Ⅱ。
针对重叠区D中的每一个测点,重复上述判断过程,记判断结果为区间Ⅰ的测点个数为N1,区间Ⅱ的测点个数为N2;若N1≥N2,启动时刻在区间Ⅰ,若N1<N2,启动时刻在区间Ⅱ。
对于Mdi,记子系统2提供的计算时刻量测值为S23i,子系统1计算时刻的量测值为S13i,子系统1计算时刻上一周期采样量测值为S12i。
2.2 启动时刻位于区间Ⅰ
若启动时刻在区间Ⅰ,子系统1状态估计采样超前子系统2。本文近似认为重叠区中,符合S12i<S23i<S13i的测点量测值落在子系统1区间[t12,t13]的量测变化曲线上。
采样时刻间隔较短,本文使用两点间割线近似区间[t12,t13]上的量测变化曲线,求割线:
式中:b1i为直线与坐标纵轴的交点;K1i为斜率,求取方法如图4所示。
确定式(1)后,可确定各测点量测变化量与时间差之间的关系:
将上述各测点的量测差ΔSi代入其中,可求得相应采样时差Δti。
2.3 启动时刻位于区间Ⅱ
启动时刻在区间Ⅱ时,主子系统1状态估计采样滞后于子系统2,子系统1预测下一采样时刻量测值,利用预测量测断面和最新历史量测断面,求各测点量测变化曲线。
2.3.1 预测方法介绍
本文中采用winters模型、指数平滑法、线性外推法、灰色模型法、负荷求导法等几种超短期母线负荷预测方法分别进行预测,对应预测结果分别记为X1,X2,X3,X4,X5。
1)winters预测模型[8]:
式中:为n+j时刻的量测预测值;为n时刻的量测平均值;为n时刻的平滑系数;为季节性因子S(本文将其作为周期性因子处理)在n+j时刻的修正值。
2)指数平滑法预测模型[9]:
式中:Xt为t时刻的实测值;Ft和Ft+1分别为t和t+1时刻的预测值;α为平滑系数。
3)线性外推法预测模型[10]:
式中:为n+1时刻预测值;S(n)为n时刻实际值。
4)灰色模型法预测模型[11]:
式中:λ0为原始序列;为累加生成序列;a和b为计算过程中的系数。
5)负荷求导法预测模型[12]:
式中:P(i+1)为i+1时刻的量测预测值;p(i)为i时刻的量测实际值;Δp(i)为负荷变化值。
2.3.2 各种预测方法的权重分配
为了提高预测精度,综合以上几种方法进行预测。根据各种方法的预测精确度,为其预测结果分配不同权重ωi,权重确定公式如下:
式中:H为5×5阶矩阵,是用5种方法分别求得预测值与测点实际值之间的协方差阵,具体求法参见文献[13]。
H矩阵的计算需要测点实际值,本文以包括计算时刻在内的5个连续历史断面作为样本,前4个断面作为已知,第5个断面作为预测断面的真实值,确定权重系数,并将此权重应用于本次预估计算。
2.3.3 求各测点量测变化曲线。
依上述计算得到测点Mdi的预测值为:
以此类推,可预测重叠区每一个测点下一采样时刻量测值Xi。
这里近似认为重叠区中符合S13i<S23i<Xi的测点量测值落在子系统1区间[t12,t13]右侧的量测变化曲线上。对于每一测点,如图5所示,求量测变化曲线:
式中:b2i为直线与坐标纵轴的交点。
将各测点量测差代入式(13),求出各测点采样时差Δti。
无论启动时刻位于区间Ⅰ还是区间Ⅱ,求得所有时差后,计算其中绝对值小于采样周期的时差平均值即为两系统断面时差ΔT12。
3 校正从子系统量测数据
子系统1将预估出的断面时差ΔT12发送给子系统2,子系统2根据断面时差校正量测值。
本文尝试了牛顿插值法、两点直线拟合,拟合子系统2量测变化曲线,经实际测试,效果均不够理想。其中牛顿插值法测试了80多组数据,校正后有平均31.6%的量测误差,未达到期望;两点直线拟合在子系统2采样滞后子系统1情况下,校正效果不明显。
经测试:两点直线拟合在子系统2采样超前子系统1情况下,校正效果明显。则ΔT12<0,即子系统2采样超前子系统1时,子系统2利用已获取历史量测断面中两个最近的断面,两点拟合直线近似代替量测变化曲线。当ΔT12≥0即子系统2采样滞后于子系统1时,进一步考虑了多个历史量测的影响,子系统2利用已获取历史量测断面中4个最近的断面,4点拟合直线近似代替量测变化曲线。
对于子系统2中每一个测点,确定量测变化曲线后,将t23+ΔT12代入其中,可求出修后量测值S^b。
主子系统1获取断面M13中属于重叠区的断面M1和子系统2断面M2后,计算重叠区所有测点在M1和M2中的量测差值,若量测平均差值在允许范围内,则不需要进行预估校正。算法的详细流程图见附图A图A1。
4 算例分析
4.1 测试环境
本文基于华北电力大学源网联合调度控制仿真系统[14]进行测试。EMS提供了实时库接口,可以获取实时数据。本文以两套EMS模拟实际中两系统。相应电网模型分别在各自EMS中建模。以范门1线、范门2线为联络线,将EMS中邢台电网实际设备模型拆分成两个具有重叠区的子系统,在两系统中模拟不同的状态估计计算时差,设置与实际电网中互联控制中心运行一致的实验环境进行测试。
实际中,在一些大的网局或省局,已经出现了由下级控制中心将各自量测断面上送通过模型拼接的方式实现全网统一计算。因为涉及很多控制中心,而量测数据又没有时标,此时也难免会出现量测断面不一致问题,表现就是重叠区域的量测值不同,本文算法同样适用于此种情况。
4.2 重叠区量测预估—校正效果分析
本文在两系统时差为10,15,20,30,50,-15,-20,-30s等情况下,进行了200多组测试。算法部分测试结果如表1所示。
表1为两子系统独立计算周期相同的情况。从中可清晰地看到预估断面时差与实际系统断面时差相对误差较小。部分测试结果相对误差较大,如周期30s,时差10s,这是由于计算周期较短,但绝对误差在允许范围内,可接受。另外算法最终目的是校正外网量测,准确性应以校正后效果为主。统计所有测试结果预估时差的平均相对误差为1.31%。
针对两系统独立计算周期不相同的情况,本文分别测试了表2中的情况,部分测试结果见附录A表A1。两子系统独立计算周期不同时,经过多组测试,预估部分的平均相对误差为1.67%,符合精度要求。
附录A表A2是重叠区中范门1线、范门2线以及石门站和羊范站等部分量测校正效果。可以看出羊范站范门1线有功功率值、无功功率值、羊范站范门2线有功功率值、石门站范门2线有功功率值等量测校正后量测相对误差明显变小,量测值更加接近真值。而110kV母线电压幅值波动很小,在实际计算中这种量测变化几乎不会影响计算结果,校正后仍然符合精度要求。
4.3 子系统2全网数据校正效果分析
分布式状态估计中假定子系统1为主系统,对子系统2全网数据进行校正。测试得,子系统2全网数据平均32.02%的测点无需校正,67.9%的测点校正效果变好,0.08%的测点校正效果变差。表3为两个子系统独立计算周期相同时,部分校正效果统计。
附录A表A3给出了两个子系统独立计算周期不相同时的校正效果统计。从表3、附录A表A3可以看出,校正后,量测明显更接近主子系统计算时刻断面。
图6为某一次分布式状态估计中,校正前后子系统2全网量测校正效果对比图,可看出,蓝线对应各测点量测相对误差明显变小。每个量测断面中含有2 235个测点,统计得校正前绝对误差均值为0.003 854,方差为0.049 755;校正后绝对误差均值为0.002 894,方差为0.029 152。校正后的子系统2量测与计算时刻量测值更为接近,起到了改善外部系统量测的效果。
5 结语
基于不同控制中心(子系统)分布式并行计算系统的主从机制,本文提出了基于预估—校正的外网量测采样误差修正方法,该方法应用于分布式状态估计之前,利用相邻子系统的EMS在边界区域重叠建模,且重叠建模区域的相同测点在不同控制中心(子系统)中具有不同量测值的特点,预估断面时差,再依据断面时差,对参与计算的外网各控制中心的量测数据进行整体调整,使该数据层面参与分布式状态估计的所有子系统量测断面处于同一时刻下,旨在为其作数据准备,提高主子系统分布式状态估计的准确性。
附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。
摘要：针对分布式状态估计全网一体化计算时,由于不同控制中心提供的量测断面间可能有时差而导致外网估计误差的问题,基于不同控制中心分布式并行计算系统的主从机制,提出了预估—校正的外网量测采样误差修正方法。该方法应用于分布式状态估计计算之前,利用相邻控制中心重叠建模区域的相同测点在分布式状态估计时可能具有不同量测值这一特点,首先预估出两控制中心量测断面时差,再根据此时差校正外网控制中心量测,以保证发起计算的控制中心(主子系统)状态估计的正确性。以邢台电网数据为例,验证了该方法的正确性和有效性。
关键词：预估,校正,外网量测,采样误差修正,量测断面时差,主从机制,母线负荷预测
量测随机误差 篇2
为解决雷测数据中的.随机误差分离问题,本文建立了雷测数据自由节点B样条非线性最小二乘表示的数学模型,介绍了确定样条节点数的方法,将弹道参数的求解问题分解为线性最小二乘的参数估计问题和非线性优化的求解问题,并通过求解最优节点和弹道参数实现了测量数据野值点的剔除、重构和随机误差分离.工程实践表明,该方法简化了数据处理过程,有效地提高了雷达准实时数据处理的精度.
作 者：张广兴 吴振军 作者单位：92941部队,辽宁,葫芦岛,125000 刊 名：飞行器测控学报 ISTIC英文刊名：JOURNAL OF SPACECRAFT TT&C TECHNOLOGY 年，卷(期)：2009 28(5) 分类号：V557 关键词：准实时数据处理 自由节点 最小二乘拟合 随机误差 野值★ 测斜测读方法有那些？
★ 应用于飞机健康管理的数据挖掘方法研究
★ 研究方法怎么写
★ 压力检测仪表常用的测压方法是什么？
★ sybaseiq1.6下数据load方法
★ 飞行计划冲突预探测算法研究
★ 利用海洋磁力梯度数据重建总场的方法研究
★ 高职数据统计课程设计研究论文
★ 大数据时代管理会计研究论文
量测随机误差 篇3
关键词：近景摄影测量,非量测镜头,误差分析,光束法平差
0 引言
汽车、航空、船舶、模具、风电等机械制造行业的产品具有曲面形状复杂、空间结构尺寸大等特点, 传统的接触式测量仪 (CMM) 对测量的环境、温度和测量范围有严格要求, 常常无法满足此类产品的检测需求, 摄影测量学的飞速发展, 解决了此类产品的测量难题。特别是20世纪80年代中期针对工业产品的摄影测量技术取得了突破性进展[1], 测量的精度、准确度大幅度提高, 有的甚至可以达到1∶5×105的测量精度[2,3], 完全符合机械加工、装配的精度要求。由于此类测量主要针对工业产品, 属于非接触式测量并且测量范围一般小于100m, 故统称此类测量为工业近景摄影测量。工业近景摄影测量具有测量操作简单、环境适应性强、检测速度快、测量精度高等特点, 在大型机械产品的开发、检测中应用十分广泛。
工业近景摄影系统主要包括摄影机、软件、计算机、人工标识、比例尺等。测量精度主要取决于相机系统 (含镜头) 和比例尺的尺寸稳定性。传统摄影测量系统多使用量测型摄像机, 具有内方位元素已知、机械结构稳固、光学性能好等特点, 如GIS公司的V-STAR系统使用的INCA3量测型数码相机, 能够保证测量精度。对于非量测型摄影机 (如普通消费级单反相机) , 由于不需要专门定制生产, 因而价格便宜、便于携带, 文献[4]对其机械结构的稳定性及其对摄影测量精度的影响进行了深入的研究, 对非量测型相机机身的选择以及专用镜头的连接方式进行了实验对比, 得出经过改进的摄影系统可以满足工业近景摄影需求的结论。
目前工业近景摄影测量系统已经普遍使用非量测型摄像机即普通单反数码相机 (DSLR) 作为基本硬件, 例如德国GOM公司的TRITOP系统标配机身为NIKON D300S或CANON 5D MARK II, AICON 3D的DPA系统使用的是NI-KON D3X, 西安交通大学研制的XJUDP系统使用的是NIKON D80。为保证测量时主距的稳定性, 其镜头均为定焦镜头。德国GOM公司的镜头为专门定制的24mm工业定焦镜头, 配备有专门的光圈锁止装置, 镜头不具备自动对焦功能。目前国外对近景摄影系统精度的研究都以固定的系统为基础 (即固定相机机身、固定镜头型号) , 没有涉及针对固定机身搭配不同镜头的精度对比。本文以国内最为普遍的GOM公司TRITOP系统为基础, 通过在同一机身 (NIKON D300S) 上更换不同焦距 (50mm、35mm、24mm) 的NIKKOR普通定焦镜头, 根据德国工程师协会/德国电气工程师协会编制的工业近景摄影标准 (VDI/VED2634Part I) 提供的推荐检测方法进行检测, 并将检测结果与GOM自带的24mm工业定焦镜头进行误差对比。其目的是通过对比, 得出定量数据, 以此判断使用普通非定制的定焦镜头是否符合行业测量要求, 进而判断廉价的摄影测量解决方案是否可行。
1 基于非量测相机近景摄影的关键技术
工业近景摄影系统如图1所示, 24mm工业定焦镜头如图2所示。
工业近景摄影测量是现代摄影测量学的一个重要分支, 主要用途是通过摄影的方式获取工业产品的空间外形尺寸, 符合中心透视投影成像原理, 即物点、像点、光心三点共线的基础之上得到的共线方程。但实际上由于物点、像点、光心存在镜头畸变导致成像像点和理想像点存在像差, 故成像并不完全符合共线方程。研究表明影响测量误差的主要因素是光学畸变也就是镜头畸变, 因而光学畸变的补偿算法也是摄影测量学研究的热点。考虑到像差对测量结果的影响, 修正后的共线方程为
式中, x、y为像点坐标, X、Y、Z为物方点坐标;XS、YS、ZS为摄影中心的坐标;x0、y0、Δx、Δy为误差修正系数;ai、bi、ci (i=1, 2, 3) 为像空间坐标系相对于物空间坐标系的方向余弦。
近景摄影测量的首要问题是确定相片的内外方位元素。对于非量测摄像机, 其内方位元素是不确定的, 需通过数码相机标定的方式得到内方位参数[5]。根据著名的8参数法 (即主距f, 像主点坐标 (x0, y0) , 镜像畸变K1、K2、K3, 离中畸变系数p1、p2) 以及改进后的10参数法, 通过相机自标定光束法平差, 能够得到精确的内方位元素解。
径向畸变为
其中, r为距离像主点的径向距离。
离中畸变为
通过相机自标定, 能够确定以上8个或10个参数, 并在测量中对其进行修正补偿即可完成相机内方位参数的精确定义, 由于10参数法具有更高的精度和稳定性, 因而被广泛应用[6]。标定后的相机在拍摄相片时需利用空间交会测量原理, 对同名点进行至少三个不同方向拍照, 每张相片至少需要4个公共编码点, 以此来确定相片的外方位元素, 经过光束法平差解算, 实现不同方位像片的精确定位[7], 如图3所示。
为方便实现同名点相片定位, 在测量过程中要依靠人工定义的标识来完成, 这种人工标识通常称为编码点, 如图4所示。在一个项目的测量过程中, 编码点的编码是唯一确定的。以编码点为定位依据, 能够还原相片的空间位置, 并经过光束法平差求解非编码点的精确值。由于人工标识具有极高的测量精度, 故在大型工件的测量和结构光密集点云的采集 (图5) 中获得广泛应用。
2 检测依据[8]
VDI/VDE2634Part I提供了评估逐点探测式光学三维测量成像系统的准确性的检测方法, 是世界上公认的工业近景摄影系统的检测标准。其检测以长度测量误差 (LME) 为依据, 在图6所示2m×2m×1.5m (推荐尺寸) 框架上布置7个检测样本, 通过计算样本上的离散点绝对坐标来获取两点间的测量值。其误差ΔL即为两点间的测量值lm与标准值lk之差:
允许的三维长度测量误差的极值E记为品质参数长度测量误差, 如图7所示, 其计算公式为
其中, A、K、B为常量, L为样本长度。系数A、B的确定根据行业不同而有所差异, 可以由产品制造者定义。
3 实验及验证
以GOM公司TRITOP系统为计算工具, 使用NIKON D300S机身在同一软件 (TRITOP V6.3-6) 的解算下, 观察不同焦距的定焦镜头对测量精度的影响。NIKON D300S及各镜头参数如表1所示。
在TRITOP中使用10参数法进行相机内方位元素求解。
根据VDI/VDE推荐的方法自制精度检测框架 (图8) , 并在其上布置5个经过校验的标识点, 各标识点之间的距离作为测量真值lk。分别使用NIKKOR 24mm、35mm、50mm以及经过德国ZEISS测量公司校验的24mm工业定焦镜头对框架进行交向拍照 (图9) , 每种镜头对框架进行7次拍摄, 经过TRITOP软件计算, 可以得到每个样本的测量值lm。
VDI/VDE2634Part I提供的长度误差公式为式 (5) 。由式 (6) 可知, 实际测量的结果符合式 (6) 。由于GOM公司提供的硬件系统对摄像镜头进行了相应的锁定, 使其在拍摄过程中内方位元素保持稳定, 故其品质参数优于其他镜头测量的结果。设EGOM、ENIK分别为使用GOM镜头和NIKKOR镜头得到的品质参数长度测量误差, 则有
通过测量得到使用不同镜头的测量数据, 经整理得到表2。从表2中可以看出GOM 24mm相对于真值最大标准差为0.075mm, 最大极差为0.217mm;NIKKOR镜头最大标准差为0.125mm, 最大极差为0.323mm。
为检测GOM 24mm与NIKKOR 24mm、35mm、50mm系统的偏差及稳定性, 考虑到每组平均值与真值相差较小, 以表2中的真值为横坐标, 以各系统的标准差和极差为纵坐标得到图10, 可以看出三组使用NIKKOR镜头的测量系统数值变化的趋势和GOM 24mm系统一致, 且尺寸一致性较高, 鲁棒性好, 单位偏差较小。
mm
将某款汽车外表面随机粘贴编码点和非编码点, 并提供两根经过校验的比例尺作为光束法平差尺寸依据, 如图11所示。使用GOM 24mm、NIKKOR 24mm、35mm、50mm四种镜头对同一汽车外表面进行摄影测量, TRITOP计算后得到图12所示的点群。
分别将使用NIKKOR 24mm、35mm、50mm定焦镜头测量的结果与使用GOM 24mm镜头测量的结果进行整体对比 (可使用Geomagic qualify或GOM公司ATOS扫描测量软件) , 采用最佳拟合方法得到其极差, 见表3。从表3可以看出使用普通NIKKOR定焦镜头与使用GOM定制的工业镜头相比, 在实际工程测量中极差并不大, 最大极差为0.074mm, 说明使用非定制NI-KKOR定焦镜头拍摄的结果和定制镜头拍摄的结果重合度高, 稳定性高。
mm
4 结语
本文在NIKON D300S机身上分别使用24mm、35mm、50mm普通定焦镜头进行近景摄影测量, 使用VDI/VDE 2634PART I推荐的方法进行测试, 结果表明使用非定制镜头进行的测量虽然标准差和极差均高于定制镜头, 但由于偏差较小 (标准差σ≤0.125 mm、极差R≤0.323mm) , 对于普通机械测量而言使用非定制镜头完全能够满足测量要求。最后以汽车外表面为例, 现场实验结果表明, 普通定焦镜头完全能够满足测量要求, 证明该廉价摄影测量方案可行。
参考文献
[1]Fraser C S, Brown D C.Industrial Photogrammetry New Developments and Recent Applications[J].The Photogrammetric Record, 1986, 12 (68) :197-216.
[2]Luhmann T.Close Range Photogrammetry for Industrial Applications[J].ISPRS Journal of Photogrammetry and Remote Sensing.2010, 65 (6) :558-569.
[3]Luhmann T.Close Range Photogrammetry Principles, Techniques and Applications[M].London:Whittles Publishing, 2011.
[4]Rieke-Zapp D, Tecklenburg W, Peipe J, et al.Evaluation of the Geometric Stability and the Accuracy Potential of Digital Cameras-Comparing Mechanical Stabilisation Versus Parameterization[J].ISPRS Journal of Photogrammetry and Remote Sensing, 2009, 64:248-258.
[5]于起峰, 尚洋.摄像测量学原理与应用研究[M].北京:科学出版社, 2009.
[6]Fraser C S.Digital Camera Self-calibration[J].ISPRS Journal of Photogrammetry and Remote Sensing, 1997, 52 (4) :149-159.
[7]Hadem.Bundle Adjustment in Industrial Photogrammetry[J].Photogrammetria, 1981, 37:45-60.