坐标系转换--二维四参数大地坐标系转换模型变换关系理解

最新推荐文章于 2022-10-27 19:36:41 发布

▤∪◍

最新推荐文章于 2022-10-27 19:36:41 发布

阅读量936

点赞数

分类专栏：测绘基础数学基础 GIS学习文章标签：坐标系转换二维四参数大地坐标系转换模型

本文链接：https://blog.csdn.net/xys206006/article/details/127256084

版权

GIS学习同时被 3 个专栏收录

22 篇文章 0 订阅

订阅专栏

测绘基础

12 篇文章 2 订阅

订阅专栏

数学基础

11 篇文章 0 订阅

订阅专栏

二维四参数空间直角坐标系转换模型变换关系理解

$\tag{1} \begin{bmatrix} X_2 \\ Y_2 \end{bmatrix} = \begin{bmatrix} T_x \\ T_y \end{bmatrix} + (1+m) \begin{bmatrix} \cos{\alpha} & -\sin{\alpha} \\ \sin{\alpha} & \cos{\alpha} \end{bmatrix} \begin{bmatrix} X_1 \\ Y_1 \end{bmatrix}$

$式中：$
$X_1,Y_1：原坐标系下平面直角坐标系，单位为米(m)；$
$X_2,Y_2：2000国家大地坐标系下的平面直角坐标系，单位为米(m)；$
$T_x,T_y：平移参数，单位为米(m)；$
$\alpha：旋转参数，单位为弧度(rad)；$
$m ：尺度参数，无量纲。$

$(1) 式变换为：$
$\tag{2} \begin{bmatrix} X_2 \\ Y_2 \end{bmatrix} = \begin{bmatrix} T_x + (1+m)\cos{\alpha}X_1 - (1+m)\sin{\alpha}Y_1 \\ T_y + (1+m)\sin{\alpha}X_1 + (1+m)\cos{\alpha}Y_1 \end{bmatrix}$
$令$
$a_0=(1+m)\cos{\alpha}，$
$a_1=(1+m)\sin{\alpha}，$
$则 (2) 式变为：$
$\tag{3} \begin{bmatrix} X_2 \\ Y_2 \end{bmatrix} = \begin{bmatrix} T_x + a_0X_1 - a_1Y_1 \\ T_y + a_1X_1 + a_0Y_1 \end{bmatrix} = \begin{bmatrix} 1 & 0 & X_1 & -Y_1 \\ 0 & 1 & Y_1 & X_1 \end{bmatrix} \begin{bmatrix} T_x \\ T_y \\ a_0 \\ a_1 \end{bmatrix}$

$\because a_0^2 + a_1^2 = (1+m)^2$
$\therefore m = \sqrt{a_0^2 + a_1^2} - 1$
$\because \frac{a_1}{a_0} = \tan{\alpha}$
$\therefore \alpha=\arctan{\frac{a_1}{a_0}}$

基于最小二乘与多对同名点对计算参数

$设存在n对同名点对：(X_a,Y_a)_1 \rarr (X_b,X_b)_1，\cdots，(X_a,Y_a)_n \rarr (X_b,X_b)_n.$
$令$
$\theta =\begin{bmatrix} T_x \\ T_y \\ a_0 \\ a_1 \end{bmatrix}$
$v_i=(X_b,Y_b)^T_i，$
$P_i= \begin{bmatrix} 1 & 0 & X_a & -Y_a \\ 0 & 1 & Y_a & X_a \end{bmatrix}_i，$
$i=1,\cdots,n$

$根据式 (3) ，代入样本值得到方程组如下：$
$\begin{dcases} P_1\theta = v_1 \\ P_2\theta = v_2 \\ \vdots \\ P_n\theta = v_n \end{dcases}$
$则变换为矩阵方程为：$
$P\theta$
$\begin{bmatrix} P_1 \\ P_2 \\ \vdots \\ P_n \end{bmatrix}， v= \begin{bmatrix} v_1 \\ v_2 \\ \vdots \\ v_n \end{bmatrix}$

$P\theta无解，需要从P的列空间中找出最接近v的向量u（u可以理解为v在P的列空间中的投影，理解如下图所示：）$
在这里插入图片描述

$如上图所示，p是b在\begin{bmatrix} a_1 & a_2 \end{bmatrix} 列空间中的投影。$
$令e=v-u，最小二乘就是找到\parallel e \parallel^2最小的点，最小二乘就是指向量长度的最小平方。$

$由上可知， u 位于 P 的列空间中，即 u 是 P 的各列的线性组合：$
$\begin{bmatrix} C_1 & C_2 & \cdots & C_m \end{bmatrix}$
$u=C_1\tilde{\theta_1} + C_2\tilde{\theta_2} + \cdots + C_m\tilde{\theta_m}$
$即P\tilde{\theta}=u有解。$

$e=v-u=v-P\tilde{\theta}$
$e 正交于 P 的列空间，存在：$
$\perp C_1,e \perp C_2,\cdots,e \perp C_m$

$由向量点积关系式可得：$

$\Rarr \begin{dcases} C_1^T(v-P\tilde{\theta})=0 \\ C_2^T(v-P\tilde{\theta})=0 \\ \vdots \\ C_m^T(v-P\tilde{\theta})=0 \end{dcases}$

$\Rarr \begin{bmatrix} C_1^T \\ C_2^T \\ C_3^T \\ \vdots \\ C_m^T \end{bmatrix} (v-P\tilde{\theta})= \begin{bmatrix} 0 \\ 0 \\ 0 \\ \vdots \\ 0 \end{bmatrix}$

$\because P= \begin{bmatrix} C_1 & C_2 & \cdots & C_m \end{bmatrix}$
$\therefore P^T = \begin{bmatrix} C_1^T \\ C_2^T \\ \vdots \\ C_m^T \end{bmatrix}$