- •Часть 2
- •Предисловие
- •Глава 9. Методы цифровой фотограмметрии
- •1. Понятие о цифровом изображении
- •2. Характеристики цифрового изображения
- •3. Фотометрические и геометрические преобразования
- •4. Источники цифровых изображений
- •5. Стереоскопические наблюдения и измерения
- •6. Автоматическая идентификация точек
- •7. Фотограмметрическая обработка
- •1 . Внутреннее ориентирование снимков
- •2. Выбор точек и построение
- •3. Построение и уравнивание фототриангуляционной сети
- •8. Цифровая модель рельефа и ее построение
- •1. Способы представления цифровой модели рельефа
- •2. Фотограмметрическая технология построения цифровой модели рельефа
- •9. Ортотрансформирование снимков
- •2. Наблюдение и измерение цифровых изображений
- •3.Внутреннее ориентирование снимка в системе координат цифрового изображения
- •4. Создания цифровых трансформированных изображений.
- •5. Создание цифровых фотопланов.
- •6. Оценка точности цифровых трансформированных
- •10. Современные цифровые фотограмметрические
- •Контрольные вопросы
- •Глава 10. Методы инерциальной и спутниковой навигации
- •1. Координатные системы, используемые в инерциальной и спутниковой навигации
- •2. Инерциальные навигационные системы
- •1. Общие принципы инерциальной навигации
- •2. Базовые элементы инерциальных навигационных приборов
- •3. Инерциальные измерительные блоки
- •4. Обработка инерциальных данных
- •3. Спутниковые навигационные системы
- •1. Действующие и разрабатываемые снс
- •2. Основные компоненты снс
- •Орбитальная группировка
- •Наземный сегмент
- •Аппаратура пользователя
- •Дифференциальная подсистема (дпс)
- •3. Навигационные сигналы gps, глонасс и Galileo
- •Счет времени
- •Координатное обеспечение
- •Навигационные сигналы
- •4. Содержание и точность спутниковых измерений
- •5. Постоянно действующие и временные базовые станции
- •4. Интеграция инерциальных и спутниковых систем
- •1. Достоинства и недостатки навигационных систем
- •2. Фильтр Калмана
- •3. Элементы модели интеграции инс и снс
- •5. Опыт эксплуатации интегрированных навигационных систем при изысканиях
- •Контрольные вопросы
- •Глава 11. Метод аэрогеодезических работ
- •На основе
- •Воздушной лазерной локации
- •И цифровой аэрофотосъёмки
- •1. Принципиальные отличия и сфера применения метода
- •Этапы технологии выполнения
- •Лазерно-локационные и аэрофотосъемочные работы, выполняемые в ходе полевого обследования
- •1. Установка и наладка оборудования на борту
- •2. Геодезическое обеспечение аэросъемочных работ.
- •3. Производство измерений на борту
- •4. Контроль отсутствия пропусков в данных и требуемой
- •5. Вычисление траекторий и определение точности
- •6. Обработка комплексных данных лазерного сканирования.
- •7. Тематическая обработка
- •8. Обработка цифровых фотоснимков
- •3. Программный комплекс altexis
- •4. Основные возможности воздушных сканеров altm
- •Основные технические параметры
- •Общие параметры
- •Перечень программного обеспечения Программное обеспечение Назначение
- •Инструментальные средства лазерной локации
- •6. Лазерное сканирование и цифровая
- •Контрольные вопросы
- •Глава 12. Системы наземного мобильного лазерного сканирования
- •Особенности и преимущества наземных
- •2. Состав и отличие наземных мобильных
- •Системы мобильного картографирования от Topcon
- •Контрольные вопросы
- •Глава 13. Геоинформационное обеспечение территории города
- •1. Создание единого поля координатно-временной
- •2. Аэрофотосъемка со спутниковой навигацией и лазерным сканированием городской территории.
- •3. Создание планово-картографического материала
- •Концепция 3Dimage xyzrgb
- •Контрольные вопросы
- •Глава 14. Беспилотники – перспективное
- •2. Комплекс по производству цифровой аэрофотосъемки
- •Блок-схема технологии создания цифровых топографических планов по материалам афс и влс
- •Библиографический список
- •Глава 9. Методы цифровой фотограмметрии…………….....4
- •Глава 10. Методы инерциальной и
- •Глава 11. Метод аэрогеодезических работ на
- •Глава 12. Системы наземного мобильного
- •Глава 13. Геоинформационное обеспечение
- •Глава 14. Беспилотники – перспективное средство
- •Приложение № 1 Блок-схема технологического процесса создания
2. Фильтр Калмана
В 40-х годах прошлого столетия Норбертом Винером был предложен алгоритм, позволяющий выделить скалярный сигнал из шума с постоянными статистическими характеристиками, иначе говоря, обработать результаты измерений, содержащих погрешности. В 1960-м году этот алгоритм был усовершенствован Рудольфом Калманом и распространен на обработку в реальном времени данных, полученных динамическими системами с изменяющимися статистическими характеристиками (например, навигационными системами, работающими с использованием различных физических принципов). В настоящее время этот фильтр используется при решении задач геодезии, геологии, океанографии, гидродинамики и др.
Сущность алгоритма, лежащего в основе фильтра Калмана, заключается в следующем.
Известно, что динамическую систему с изменяющимися во времени статистическими параметрами характеризуют некоторые элементы ее поведения (параметры) по состоянию на момент времени k, в частности [51]:
вектор оценки состоянияxk, представляющий собой некоторый набор величин (например, координат Xk, Yk, Zk, проекций скорости на координатные оси VX, VY, VZ и пр.), которые не могут быть измерены непосредственно и подлежат определению;
вектор измеренийzk некоторых выходных сигналов (например, ускорения, углов наклона и пр.) системы, которые связаны с ее состоянием, содержат ошибки (шумы)Rk и могут быть измерены с заданной точностью;
вектор инструментальных ошибокRk, полученный на основе линейной модели связи элементов вектора измерений с переменными вектора состояния системы;
ковариационная матрица ошибок Pk, – мера точности оцениваемых (определяемых) параметров вектора состоянияxk, диагональные элементы которой представляют собой дисперсии этих элементов, а недиагональные характеризуют связь между парами этих элементов;
матрица наблюдений Hk характеризует динамику изменения состояния системы. Элементы этой матрицы представляет собой дифференциалы функций, определяющих соответствующие модели измерений, по параметрам состояния;
матрица возмущений Qk, которая учитывает влияние на систему внешних источников;
фундаментальная матрица Fk, элементы которой описывают динамику состояния системы и определяются путем численного интегрирования уравнения ее движения;
начальные значения вектора оценки состоянияx0 и ковариационной матрицы ошибок P0 на момент инициализации системы.
Задачей алгоритма является построение оптимальной оценки состояния системы на основе вектора измерений, содержащего погрешности, причем условием оптимальности оценки состояния является минимум ее средней квадратической ошибки.
В каждом цикле вычислений работу каждого шага фильтра Калмана можно разделить на два этапа (рис. 10.18):
этап прогноза, на котором вычисляются элементы вектора состояния динамический системы и ковариационной матрицы по их значениям в предыдущем цикле или по данным, полученным при инициализации;
этап корректировки, на котором осуществляется обновление вектора состояния и ковариационной матрицы с учетом результатов выполненных измерений и вычисленного значения коэффициента усиления (Kalman-Gain).
На каждом этапов выделяется две ветви вычислений, одна из которых связана с уточнением состояния системы, а вторая – с уточнением ковариационной матрицы. В обоих случаях используются обданные только текущего и предыдущего циклов, что исключает необходимость хранения всего массива накопленных данных.
Обработанные в текущем цикле измерения используются для уточнения начальных условий, для чего вычисляются веса поправок к ним на основе ковариационных матриц оценки состояния и измерений. Причем, для уточнения ковариационной матрицы не требуется ни конкретных значений оценок состояния системы, ни измерений, а лишь только величины, характеризующие их погрешности (рис. 10.18).
Следствием этого является уменьшение неопределенности элементов вектора оценки состояния системыxk, являющихся выходными данными фильтра Калмана на каждом цикле, после чего осуществляется подготовка к поступлению нового вектора измерений. При уточнении ковариационной матрицы ошибок Pk вектора оценки состоянияxk учитывается возможность искажения модели поведения системы некоторым случайным процессом. Статистические параметры этого процесса задаются элементами матрицы возмущений Qk.
Поскольку в процессе вычислений изменяется степень неопределенности оценки состояния системы и элементы ковариационной матрицы ошибок, то фильтр Калмана можно рассматривать как алгоритм с переменными весами. При неизменном состоянии системы алгоритм фильтра Калмана даст те же результаты, что и классический метод наименьших квадратов, в котором в качестве весовой используется матрица, обратная ковариационной.
Таким образом, фильтр Калмана является инструментом, позволяющим построить оптимальные оценки системных переменных на основе математической модели системы и по результатам выполненных измерений. Его важнейшими достоинствами является рекуррентная природа, проявляющаяся при работе в реальном времени, и возможность априорной оценки точности получаемых результатов средствами самого алгоритма.
Алгоритм фильтра Калмана сегодня является основным средством обработки измерений в навигационных системах, использующих спутниковый метод определений. При этом, располагая характеристиками погрешностей обоих систем, фильтр Калмана сводит к минимуму их влияние на выходные навигационные данные [53].