[发明专利]一种靶标测头的平差优化算法

权利要求书

1.一种靶标测头平差优化算法，其特征在于：首先建立空间向量与其在CCD成像之间的关系，然后构建条件平差模型计算平差值，最后对该平差值进行验证；其中，构建条件平差模型的过程中，在确定了观测数之后，假定初始的各个参数的权值均为1，在此假定条件下计算平差值，如果最终的平差值未通过验证，则重新调整各个参数的权值重新计算直至通过验证；空间向量与其在CCD成像之间的关系为：

其中，是有效焦距，f_R是右相机的实际焦距，d_oef是主点与BAO_R平面的距离，d是向量的模长，θ₁是测头A与CCD摄像机光心o连线与向量的夹角，d_T是两个相机光心O_LO_R之间的距离，α是向量与CCD摄像机光轴的夹角，β是右相机光轴与两个相机光心连线的夹角，Δu为CCD像面中所成像的实际大小。

2.根据权利要求1所述的一种靶标测头平差优化算法，其特征在于：构建条件平差模型计算平差值的具体方法包括以下步骤：

(1)以空间向量与其在CCD成像之间的关系为条件式；

(2)对步骤(1)的条件式进行线性化；

(3)确定权阵：在初始权阵P中，假定各个参数的权值均为1；

(4)确定改正数向量V：

(5)确定闭合差W：W＝A·(Δu,θ₁,d)^T，其中，f＝Δu为f_R、d、θ₁、d_T、α、β的函数；

(6)确定随机模型并计算平差值。

3.根据权利要求2所述的一种靶标测头平差优化算法，其特征在于：在确定闭合差以后首先计算出改正数向量的一个初值，然后再确定随机模型计算平差值，计算改正数向量的方法包括以下步骤：

(A)将条件式改写为：

(B)构造联系数法方程：

(B1)利用拉格朗日条件极值构造乘系数向量K：

Φ＝V^TPV-2K^T(AV-W)，Φ是根据拉格朗日条件极值构造的公式，P初始权阵，各个参数的权值均为1；

其中，

AV-W＝0

条件式为：V＝P^-1A^TK，

AV-W＝0

含K的改正数向量为：V＝P^-1A^TK

则，法方程为：AP^-1A^TK-W＝0；

(B2)令联系数法方程系数N为：N＝AP^-1A^T，

则乘系数向量K为：

K＝N^-1W

(B3)利用以下公式计算改正数向量：

V＝P^-1A^TK。

4.根据权利要求2或3所述的一种靶标测头平差优化算法，其特征在于：所述步骤(6)的具体步骤包括以下：

(6.1)将步骤(1)条件式中的所有观测值均用参数形式表示，具体如下：

令：则闭合差为：改正数向量为：

求解参数改正数向量x：x＝(B^TPB)^-1B^TPl，为t行1列的初始参数向量，为t行1列的参数改正数向量，x＝(B^TPB)^-1B^TPl，

则参数的修正值为：X为参数向量，

观测值的修正值为：L是观测值向量，