孟庭偉
(南京市測(cè)繪勘察研究院股份有限公司,江蘇 南京 210019)
坐標(biāo)轉(zhuǎn)換廣泛應(yīng)用于測(cè)量行業(yè)中,其實(shí)質(zhì)是利用公共點(diǎn)的兩套坐標(biāo)及非公共點(diǎn)的第一套坐標(biāo)值推估第二套坐標(biāo)值。三維基準(zhǔn)轉(zhuǎn)換通常采用7參數(shù)(3個(gè)平移參數(shù),3個(gè)旋轉(zhuǎn)參數(shù),1個(gè)尺度因子)進(jìn)行坐標(biāo)轉(zhuǎn)換,先用公共點(diǎn)坐標(biāo)解算轉(zhuǎn)換參數(shù),再利用轉(zhuǎn)換參數(shù)轉(zhuǎn)換非公共點(diǎn)坐標(biāo)。
空間直角坐標(biāo)轉(zhuǎn)換的模型與方法眾多,常用的三維基準(zhǔn)轉(zhuǎn)換模型有Bursa模型、Molodensky模型、武測(cè)模型等,其中,Bursa模型適用于大范圍(>1002km)、小角度(3°以內(nèi))的坐標(biāo)轉(zhuǎn)換,對(duì)于小范圍區(qū)域,公共點(diǎn)間隔較小,平移參數(shù)與旋轉(zhuǎn)參數(shù)具有復(fù)共線性,導(dǎo)致法方程矩陣病態(tài),從而導(dǎo)致解算的平移參數(shù)值與旋轉(zhuǎn)參數(shù)值有較大的誤差[1,2]。坐標(biāo)重心化減小了參與計(jì)算的坐標(biāo)數(shù)值,有效地弱化平移參數(shù)與旋轉(zhuǎn)參數(shù)的強(qiáng)相關(guān)性,降低了法方程矩陣的嚴(yán)重病態(tài)性,增強(qiáng)了數(shù)值計(jì)算的可靠性[3]。Tikhonow提出的正則化方法是解算病態(tài)方程的有效方法,小范圍公共點(diǎn)主要引起平移參數(shù)的解不穩(wěn)定,對(duì)平移參數(shù)進(jìn)行正則化處理,提高外圍點(diǎn)坐標(biāo)的轉(zhuǎn)換精度[4]。對(duì)于大旋轉(zhuǎn)角的坐標(biāo)轉(zhuǎn)換已有大量研究,游為等直接從三維直接坐標(biāo)轉(zhuǎn)換的非線性模型出發(fā),采用基于同倫連續(xù)思想的Li-Yorke算法最優(yōu)解7個(gè)轉(zhuǎn)換參數(shù),該方法雖然適用于大旋轉(zhuǎn)角轉(zhuǎn)換,但計(jì)算過(guò)程比較復(fù)雜[5]。本文提出顧及病態(tài)的融合解算坐標(biāo)轉(zhuǎn)換模型,有效地解決了Bursa坐標(biāo)轉(zhuǎn)換模型病態(tài)性問(wèn)題,通過(guò)算例分析驗(yàn)證該算法適用于任意旋轉(zhuǎn)角度的空間直角坐標(biāo)轉(zhuǎn)換。
空間直角坐標(biāo)轉(zhuǎn)換模型:
(1)
(2)
式中,∈x、∈y、∈z為空間直角坐標(biāo)變化的三個(gè)旋轉(zhuǎn)角,由于三個(gè)坐標(biāo)系的旋轉(zhuǎn)角度小,故取cos∈x=cos∈y=cos∈z=1,sin∈x=∈x,sin∈y=∈y,sin∈z=∈z同時(shí)忽略二階以上的微小量。
根據(jù)最小二乘原理,利用多個(gè)公共點(diǎn)信息進(jìn)行平差解算轉(zhuǎn)換參數(shù)。
(3)
其線性方程為:
AX=L
(4)
由于坐標(biāo)轉(zhuǎn)換中各觀測(cè)值相互獨(dú)立,故可設(shè)權(quán)陣P=I,根據(jù)最小二乘原理得:
X=(ATPA)-1ATPL
(5)
V=AX-L
(6)
其單位權(quán)中誤差為:
(7)
式中,n為公共點(diǎn)的個(gè)數(shù)。
由于已知公共點(diǎn)坐標(biāo)含有粗差,觀測(cè)向量誤差對(duì)解向量誤差的影響與法方程系數(shù)陣的條件數(shù)成正比,當(dāng)法方程系數(shù)陣的條件數(shù)Cond(ATPA)=‖ATPA‖‖(ATPA)-1‖(≥1000)很大時(shí),很小的觀測(cè)誤差引起解得的未知參數(shù)向量有很大的誤差,轉(zhuǎn)換參數(shù)精度低,導(dǎo)致轉(zhuǎn)換模型病態(tài),經(jīng)坐標(biāo)轉(zhuǎn)換的目標(biāo)坐標(biāo)誤差較大。因此,將原始坐標(biāo)系與目標(biāo)坐標(biāo)系中的坐標(biāo)值分別進(jìn)行重心化,使得參與計(jì)算的數(shù)值變小,其坐標(biāo)系的原點(diǎn)平移到點(diǎn)集的重心,法方程矩陣為對(duì)角陣,弱化平移參數(shù)與旋轉(zhuǎn)參數(shù)之間的復(fù)共線性,降低法方程的病態(tài)性。
(8)
式中,(Xi重,Yi重,Zi重)為坐標(biāo)系i(i=1,2)公共點(diǎn)的重心坐標(biāo),利用重心坐標(biāo)求出各個(gè)公共點(diǎn)的重心坐標(biāo)(XZij,YZij,ZZij)。
(9)
通過(guò)坐標(biāo)重心化得到兩組新的公共點(diǎn)坐標(biāo),使得參與計(jì)算的數(shù)值變小,將兩組新的坐標(biāo)值帶入到式(6),組成新的誤差方程。
坐標(biāo)重心化弱化了平移參數(shù)與旋轉(zhuǎn)參數(shù)的復(fù)共線性,但并沒(méi)有完全解決轉(zhuǎn)換模型的病態(tài)問(wèn)題,法方程系數(shù)陣ATPA的條件數(shù)仍很大,為了得到更加穩(wěn)定的解,采用Tikhonov正則化處理思想,引入正則化參數(shù),以式(10)取得極小值為準(zhǔn)則:
(10)
式中,Φα為Tikhonov光滑函數(shù),α為正則化參數(shù),‖·‖為向量的二范數(shù),將式(5)中系數(shù)矩陣疊加正則化參數(shù)α,滿足條件α>0,式(10)存在唯一的極小值,其相應(yīng)的解為:
Xα=(ATPA+αIn)-1ATPL
式中,In為n階單位陣,若已知正則化參數(shù)α,則可解算未知參數(shù)的正則化估值Xα。由于正則化解是有偏的,用均方誤差評(píng)定精度,其偏差△Xα與均方誤差MSE(Xα)為:
(11)
均方誤差由觀測(cè)誤差引起的估值誤差和正則化引起的估值誤差兩部分組成,合理的正則化參數(shù)平衡這兩類誤差,使兩類誤差值之和最小。因此,正則化參數(shù)不僅與系數(shù)矩陣A有關(guān),而且與觀測(cè)值的精度有關(guān)。
(12)
只對(duì)平移參數(shù)進(jìn)行正則化處理,引入正則化矩陣R,其相應(yīng)的計(jì)算公式為:
Xα=(ATPA+αR)-1ATPL
(13)
(14)
求解正則化參數(shù)的準(zhǔn)則是均方誤差最小,即均方誤差的跡取極小值:
Trance(MSE(Xα))=min
(15)
采用L-曲線法確定α值。
羅德里格矩陣由反對(duì)稱矩陣構(gòu)建,引入一個(gè)具有3個(gè)獨(dú)立元素的反對(duì)稱矩陣S。
(16)
則R=(I+S)(I-S)-1為正交矩陣,其中I為3階單位矩陣。
(17)
利用羅德里格矩陣解算旋轉(zhuǎn)參數(shù),尺度參數(shù)可通過(guò)兩個(gè)公共點(diǎn)在不同坐標(biāo)系下的歐式距離之比得到,當(dāng)含有的公共點(diǎn)個(gè)數(shù)較多時(shí),可分別求取各點(diǎn)距離之比,取其均值作為尺度因子。
(18)
選取兩個(gè)公共點(diǎn)帶入式(1)作差,消去平移參數(shù)。
(19)
由于R為反對(duì)稱矩陣,根據(jù)R與羅德里格矩陣S的關(guān)系,可得:
(20)
將兩套坐標(biāo)系下的公共點(diǎn)3帶入到式(1),與公共點(diǎn)1代入式(1)的結(jié)果作差,將結(jié)果與式(20)聯(lián)立。
(21)
式中,X2ji=X2j-X2i,Y2ji=Y2j-Y2i,Z2ji=Z2j-Z2i,X1ji=X1j-X1i,Y1ji=Y1j-Y1i,Z1ji=Z1j-Z1i,X2ki=X2k-X2i,Y2ki=Y2k-Y2i,Z2ki=Z2k-Z2i,運(yùn)用最小二乘原理得到反對(duì)稱矩陣參數(shù)a、b、c。
將引入正則化參數(shù)解算的平移參數(shù),羅德里格矩陣解算的旋轉(zhuǎn)參數(shù)與尺度因子帶入式(1),解算非公共點(diǎn)在目標(biāo)坐標(biāo)系下的坐標(biāo)。
根據(jù)旋轉(zhuǎn)角的大小不同,將實(shí)驗(yàn)數(shù)據(jù)分為兩組,小旋轉(zhuǎn)角的公共點(diǎn)坐標(biāo)作為一組數(shù)據(jù),大旋轉(zhuǎn)角的公共點(diǎn)坐標(biāo)作為另一組數(shù)據(jù),兩組數(shù)據(jù)如表1和表3所示。分別選取表1與表3中的點(diǎn)1、2、3作為解算旋轉(zhuǎn)參數(shù)的公共點(diǎn),分別用Bursa模型、坐標(biāo)重心化模型與融合解算模型解算轉(zhuǎn)換參數(shù),點(diǎn)4、5的原始坐標(biāo)數(shù)據(jù)利用所得轉(zhuǎn)換參數(shù)解算目標(biāo)數(shù)據(jù),驗(yàn)證三種模型的轉(zhuǎn)換精度如表2與表4所示。
小旋轉(zhuǎn)角的原始坐標(biāo)與目標(biāo)坐標(biāo) 表1
中誤差精度對(duì)比分析 表2
大旋轉(zhuǎn)角的原始坐標(biāo)與目標(biāo)坐標(biāo) 表3
中誤差精度對(duì)比分析 表4
本文分別利用小旋轉(zhuǎn)角與大旋轉(zhuǎn)角數(shù)據(jù)進(jìn)行算例分析,由于平移參數(shù)與旋轉(zhuǎn)參數(shù)之間存在復(fù)共線性,顧及病態(tài)的融合解算坐標(biāo)轉(zhuǎn)換模型首先進(jìn)行坐標(biāo)重心化轉(zhuǎn)換模型減小了參與計(jì)算的數(shù)值,有效弱化了參數(shù)之間的強(qiáng)相關(guān)性,分兩步解算平移參數(shù)、旋轉(zhuǎn)參數(shù)及尺度因子,改善了Bursa模型的病態(tài)性,羅德里格矩陣無(wú)須對(duì)旋轉(zhuǎn)參數(shù)進(jìn)行線性化,具有高的轉(zhuǎn)換精度,適用于任意范圍與角度的空間直角坐標(biāo)轉(zhuǎn)換。