平差测量
欧阳罢笔
早睡早起身体好
展开
-
如何理解附有参数的条件平差
在之前我们讨论了条件平差,但在有时我们无法列出足够的无关的条件方程,这时我们就需要添加参数,于是就有了附有参数的条件方程附有参数的条件平差也可看作是一种间接平差和条件平差的混合模型。增加条件方程是“降维”,它可以把复杂的问题变得简单;添加参数是“升维”,它可以把问题变得理论上可分的概率更大。两者并不矛盾,而且相辅相成。我们中学初等几何中常用的添加辅助线、辅助面的方法其实就是附加参数以增加条件方程...原创 2019-02-13 23:30:15 · 3901 阅读 · 1 评论 -
如何理解极条件
在准备写附有参数的条件平差时,又遇到了当年没搞懂的老问题,怎么列极条件。所有的资料都是直接就列出来了,但是对我们这种渣渣一点也不友好,没有搞懂怎么列的。经过反复观察终于搞清楚了,特记录一下以免以后忘记比如这个图形,我们连接了AB做辅助线,设∠BAD\angle BAD∠BAD为XXX,现在我们要列极条件首先我们先看这个红色的三角形,根据正弦定理,我们可以知道有如下的公式asinA=bsin...原创 2019-02-13 14:09:10 · 5458 阅读 · 2 评论 -
如何理解条件平差
为什么要平差,我们知道是因为我们测量的数据(在有多余观测的条件下)产生了矛盾。比如我们测一个三角形,如果只测了两个角,我们知道第三个角一定是180度减前两个角的和。但是如果我们测了三个角,但三个角加起来不等于180度,那就说明测得有误差,我们就需要用一些手段进行平差,消除这些误差平差最主要的两种是间接平差和条件平差,它们的区别可以参考这里,间接平差使用的比条件平差多得多。简单的说条件平差就是以公...原创 2019-02-12 17:48:46 · 8424 阅读 · 1 评论 -
如何理解附有限制条件的间接平差
在间接平差中我们,我们由正规方程使平差准则VTPV=min,也就像线性回归中我们使用梯度下降找到了J的最小值,这些问题都可以简单看成在下面的图形中找到最低点,无论是正规方程还是梯度下降,都是力求导数趋近于零,此时对应的点就是最低点而在附有限制条件的间接平差中,我们可以理解为依然要找到这个图形的最低点,只不过我们必须要某个条件中,比如图中的平面。这时平面和曲面有一条交线,我们就需要在这条交线上寻...原创 2019-02-11 15:56:26 · 5393 阅读 · 0 评论 -
如何理解间接平差
对于线性回归问题,我们说明了利用梯度下降和正规方程进行处理的原理,其中最重要的就是最小二乘的原理,而在测绘科学中,测量平差的法方程就对应着线性回归的正规方程。平差利用最小二乘,却也有自己的不同,下面我们通过一道水准网间接平差例题来理解间接平差,间接平差就是在一个平差问题中,独立参数个数等于必要观测数t时,将每个观测值表达成这t个参数的函数,组成观测方程的平差方法如题如果没有学过平差,我们很...原创 2019-02-10 14:54:28 · 13635 阅读 · 7 评论 -
如何理解正规方程
在理解线性回归时,我们提到了使用梯度下降来求解最小二乘问题,但在线性回归中,还有一种不需要迭代的方法来求解最小二乘问题,这就是正规方程。这是基于矩阵求导来及计算的还是上次的数据x = [[1, 1, 1, 1, 1], [1, 2, 3, 4, 5]]y = [4.8, 7.2, 8.8, 11.2, 12.8]plt.scatter(x[1], y)plt.xlim(0,6)plt....原创 2019-02-09 18:34:32 · 1927 阅读 · 1 评论 -
如何理解线性回归
第一次使用线性回归时,一直无法想象电脑是怎么找到这条最佳的拟合直线的。知道看过了机器学习我想才对此有了一点点理解回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。一元线性回归只包括一个x和一个y,可以用一条直线来近似表达他们之间的关系比如我们在python中制造一个数据,数据按照y=2*x+3设计,每一个x对应的y的值上下波动0.2x = [1, 2, 3, 4, ...原创 2019-02-08 11:50:42 · 1650 阅读 · 0 评论 -
求解等式条件极值——简单理解拉格朗日乘数法
在测量平差中,我们知道平差的准则是VTPT=minV^TPT=minVTPT=min,间接平差中,我们的目标依然是VTPT=minV^TPT=minVTPT=min,但在附有限制条件的间接平差中,我们的目标却是VTPV+2KsT(Cx^−Wx)=minV^TPV+2K_s^T(C\hat{x}−W_x)=minVTPV+2KsT(Cx^−Wx)=min。那么这个后面加上的2KsT(Cx^−Wx...原创 2019-03-07 22:09:13 · 5833 阅读 · 0 评论