特徵物為基礎的
特徵物為基礎的
LIDAR
LIDAR
點雲資料
點雲資料
結合關係模式
結合關係模式
學生
學生
:
:
莊子毅
莊子毅
指導教授
指導教授
:
:
趙鍵哲
趙鍵哲
摘要
摘要
流程圖
流程圖
非線性結合關係模式
非線性結合關係模式
實驗分析
實驗分析
線性結合關係模式
線性結合關係模式
實驗
實驗
結論
結論
目錄
目錄
流程圖
流程圖
Next page please
非線性結合關係模式
非線性結合關係模式
非線性結合關係模式
實驗分析
實驗分析
實驗配置
實驗配置
建立座標系一的各空間直線段端點座標資料建立座標系一的各空間直線段端點座標資料 將各座標利用設定的七個轉換參數真值轉換到座標系二將各座標利用設定的七個轉換參數真值轉換到座標系二 利用轉換後座標系二之中的各個空間直線段計算方向向量利用轉換後座標系二之中的各個空間直線段計算方向向量 對端點座標分別加上一倍及兩倍的方向向量使原本直線段延長對端點座標分別加上一倍及兩倍的方向向量使原本直線段延長 則得到兩座標系中的共軛空間直線段作為實驗的模擬觀測量 則得到兩座標系中的共軛空間直線段作為實驗的模擬觀測量
誤差的給定
誤差的給定
先前利用先前利用 matlabmatlab 內建的內建的 randnrandn 函式來建立隨機誤差函式來建立隨機誤差
該函式有其缺點,當觀測量數量也就是取樣數目不多時,無法達該函式有其缺點,當觀測量數量也就是取樣數目不多時,無法達 到理想的隨機誤差可能會包含較大的錯誤 到理想的隨機誤差可能會包含較大的錯誤 改採另一個內建的函式,改採另一個內建的函式, wgnwgn 來建立合理的隨機誤差,其產生的來建立合理的隨機誤差,其產生的 誤差一樣符合高斯分佈的特性。 誤差一樣符合高斯分佈的特性。
實驗分析
實驗分析
實驗分析
實驗分析
實驗一實驗一 利用兩條空間直線段進行解算利用兩條空間直線段進行解算
8+12 obs.> 7+12 unknow parameters8+12 obs.> 7+12 unknow parameters
redundant number : 1redundant number : 1
-4 -3 -2 -1 0 1 2 3 4 x 10-3 0 0.5 1 1.5 2 2.5 3 1 2 3 4 5 6 7 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1x 10 -6 1 2 3 4 5 6 7 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6x 10 -6
實驗分析
實驗分析
實驗二實驗二 利用五條空間直線段進行解算利用五條空間直線段進行解算
20+30 obs.> 7+30 unknow parameters20+30 obs.> 7+30 unknow parameters
redundant number : 13redundant number : 13
-8 -6 -4 -2 0 2 4 6 x 10-3 0 0.5 1 1.5 2 2.5 3 3.5 4 1 2 3 4 5 6 7 -4 -2 0 2 4 6 8 10x 10 -4 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7 8x 10 -5
實驗分析
實驗分析
實驗三實驗三 利用十條空間直線段進行解算利用十條空間直線段進行解算
40+60 obs.> 7+60 unknow parameters40+60 obs.> 7+60 unknow parameters
redundant number : 33redundant number : 33
-8 -6 -4 -2 0 2 4 6 x 10-3 0 0.5 1 1.5 2 2.5 3 3.5 4 1 2 3 4 5 6 7 -0.5 0 0.5 1 1.5 2 2.5 3 3.5 4x 10 -7 1 2 3 4 5 6 7 0 0.5 1 1.5 2 2.5 3x 10 -6
實驗分析
實驗分析
實驗四實驗四 利用二十條空間直線段進行解算利用二十條空間直線段進行解算
80+120 obs.> 7+120 unknow parameters80+120 obs.> 7+120 unknow parameters
redundant number : 73redundant number : 73
-8 -6 -4 -2 0 2 4 6 8 0 0.5 1 1.5 2 2.5 3 3.5 4 1 2 3 4 5 6 7 -7 -6 -5 -4 -3 -2 -1 0 1 2x 10 -7 1 2 3 4 5 6 7 0 0.5 1 1.5 2 2.5 3 3.5 4x 10 -7