工程测绘专业毕业论文

工程测绘专业毕业论文一.摘要

本案例研究以某山区高速公路工程测绘项目为背景，探讨了复杂地形条件下工程测绘技术的应用与优化。项目区域地形起伏剧烈，植被覆盖率高，传统测绘方法难以满足精度与效率要求。研究采用多源数据融合技术，结合无人机航测、地面三维激光扫描和全球导航卫星系统（GNSS）进行数据采集，并利用地理信息系统（GIS）平台进行数据处理与分析。通过对比传统测量方法与现代技术在该项目中的应用效果，发现多源数据融合技术显著提高了数据采集的精度和效率，尤其在复杂地形区域的测量中表现出优异性能。研究结果表明，无人机航测与激光扫描技术的结合能够有效弥补传统测量方法的不足，为类似工程项目提供了一种高效、可靠的测绘方案。此外，研究还分析了不同数据源之间的融合方法及其对最终成果的影响，为工程测绘技术的优化提供了理论依据和实践参考。总体而言，本研究证实了现代工程测绘技术在复杂地形条件下的可行性和优越性，为相关工程实践提供了有价值的参考。

二.关键词

工程测绘；无人机航测；三维激光扫描；GNSS；数据融合；复杂地形

三.引言

工程测绘作为基础设施建设的前期关键环节，其精度与效率直接影响工程项目的质量、成本与进度。随着现代科技的飞速发展，工程测绘领域正经历着前所未有的变革。传统的测绘方法，如全站仪测量和光学水准测量，在处理复杂地形时往往面临效率低下、精度受限等问题。特别是在山区、丘陵地带或植被覆盖密集的区域，地形复杂、通视条件差、作业环境恶劣等因素严重制约了传统测绘技术的应用效果。这些地区往往需要大量的野外数据采集工作，不仅耗时费力，而且容易受到天气、地形等不可控因素的影响，导致测量数据存在较大的误差累积风险。因此，如何在这些复杂环境下实现高效、精确的工程测绘，成为亟待解决的重要问题。

近年来，随着无人机（UAV）技术的成熟和普及，无人机航测逐渐成为工程测绘领域的重要手段。无人机具有灵活机动、成本低廉、数据获取效率高等优势，能够在短时间内覆盖大范围区域，并获取高分辨率影像数据。此外，三维激光扫描（TLS）技术的应用也为工程测绘带来了新的突破。TLS能够快速获取地表及建筑物的高精度三维点云数据，为复杂地形的建模与分析提供了强有力的支持。同时，全球导航卫星系统（GNSS）技术的不断进步，使得实时动态（RTK）定位精度大幅提升，为工程测绘提供了高精度的空间基准。这些现代技术的融合应用，为解决传统测绘方法在复杂地形条件下的难题提供了新的思路和方法。

然而，在实际工程应用中，单一技术的局限性依然明显。例如，无人机航测虽然能够快速获取大范围影像，但在植被密集区域，影像分辨率和地面分辨率可能受到限制，难以满足精细建模的需求；三维激光扫描虽然能够获取高精度点云数据，但作业范围相对较小，且受地形限制较大。因此，如何有效融合多种数据源，发挥各自优势，形成协同效应，成为提高复杂地形工程测绘效率与精度的关键所在。多源数据融合技术通过整合不同传感器、不同平台获取的数据，可以弥补单一数据源的不足，提供更全面、更准确的地形信息，从而提升工程测绘的整体性能。

本研究以某山区高速公路工程测绘项目为实例，探讨了多源数据融合技术在复杂地形条件下的应用效果。该项目区域地形起伏剧烈，植被覆盖率高，传统测绘方法难以满足精度与效率要求。研究旨在通过对比分析无人机航测、地面三维激光扫描和GNSS技术在该项目中的应用效果，验证多源数据融合技术的可行性和优越性，并探索最优的数据融合方法。具体而言，本研究将重点关注以下几个方面：首先，分析不同数据源在复杂地形条件下的采集方法与精度表现；其次，探讨多源数据融合的具体技术路线，包括数据预处理、特征匹配、点云融合等关键步骤；最后，通过实际项目案例，评估融合数据的精度与效率，并提出优化建议。

本研究的意义主要体现在理论层面和实践层面。在理论层面，本研究通过多源数据融合技术的应用，丰富了工程测绘领域的理论体系，为复杂地形条件下的测绘技术优化提供了新的视角和方法。在实践层面，研究成果可为类似工程项目提供参考，帮助测绘人员选择合适的技术组合，提高数据采集的精度和效率，降低工程成本，缩短项目周期。同时，本研究还有助于推动现代测绘技术在基础设施建设的广泛应用，促进相关行业的数字化转型与智能化升级。

通过对上述问题的深入研究，本研究期望能够为复杂地形条件下的工程测绘提供一套科学、高效的技术方案，推动工程测绘领域的持续创新与发展。在接下来的章节中，将详细阐述研究方法、技术路线、实验结果与分析，并对研究成果进行总结与展望。

四.文献综述

工程测绘技术的发展历程反映了人类对空间信息认知与利用能力的不断深化。早期工程测绘主要依赖传统的光学仪器，如经纬仪、水准仪等，通过人工观测和记录来完成地形图绘制和工程放样。这一时期，测绘工作的效率和质量很大程度上受到观测者技术水平、仪器精度以及自然环境条件的限制。随着全球导航卫星系统（GNSS）的兴起，特别是全球定位系统（GPS）的商用化，工程测绘进入了一个全新的时代。GNSS技术能够提供高精度的三维坐标测量，极大地提高了测绘工作的效率和精度，尤其是在开阔地带和城市环境中。然而，GNSS信号在复杂地形条件下（如山区、城市峡谷）的接收质量会受到遮挡和干扰，导致定位精度下降，这促使研究者探索辅助定位技术和多平台数据融合方法。

无人机（UAV）技术的快速发展为工程测绘领域带来了性的变化。相比传统航空测量，无人机具有成本低、灵活性强、数据获取效率高等优势。研究表明，无人机航测系统能够在短时间内获取大范围、高分辨率的地表影像，并通过图像处理技术生成数字高程模型（DEM）和数字表面模型（DSM）。多项研究表明，在相对平坦或轻度起伏的地形中，无人机航测生成的DEM精度可以接近或达到传统地面测量方法的水准。然而，在植被覆盖度高、地形复杂的山区，无人机航测的精度会受到一定影响，主要原因是植被遮挡导致地面分辨率下降，以及地形起伏引起的影像变形。为了克服这一问题，研究者们开始尝试将无人机航测与其他技术相结合，例如与地面三维激光扫描（TLS）技术融合，以获取更精确的地形数据。

三维激光扫描技术作为近年来工程测绘领域的重要进展，能够直接获取地表及建筑物表面的高精度三维点云数据。研究表明，TLS技术具有高精度、高密度、高效率等优势，能够在短时间内获取大量点云数据，并生成高细节度的三维模型。在复杂地形条件下，TLS技术能够有效克服传统光学测量方法的局限性，尤其是在植被覆盖区域，TLS可以直接获取植被下方地面的点云数据，从而提高整体测绘的完整性。然而，TLS技术的应用也面临一些挑战，如作业范围相对较小、受地形限制较大、数据后处理复杂等。为了扩大TLS技术的应用范围，研究者们开始探索将其与GNSS技术、无人机航测技术等相结合，形成多源数据融合的测绘方案。

多源数据融合技术是指将来自不同传感器、不同平台、不同时间的数据进行整合与融合，以获取更全面、更准确的空间信息。在工程测绘领域，多源数据融合技术的应用已经取得了一定的研究成果。研究表明，通过融合无人机航测影像、TLS点云数据和GNSS定位数据，可以有效地提高复杂地形条件下工程测绘的精度和效率。例如，某研究通过将无人机航测影像与TLS点云数据进行融合，成功构建了高精度的数字高程模型，其精度比单一使用无人机航测或TLS技术提高了20%以上。另一项研究则通过融合GNSS定位数据与TLS点云数据，实现了复杂建筑物的高精度三维建模，其精度达到了厘米级。这些研究表明，多源数据融合技术具有显著的优越性，能够有效弥补单一技术的局限性，提高工程测绘的整体性能。

然而，尽管多源数据融合技术在工程测绘领域已经取得了一定的进展，但仍存在一些研究空白和争议点。首先，不同数据源之间的融合方法仍需进一步研究。目前，常用的数据融合方法包括像素级融合、特征级融合和决策级融合，但每种方法都有其优缺点和适用场景。例如，像素级融合能够保留丰富的细节信息，但计算量较大；特征级融合计算效率高，但可能丢失部分细节信息；决策级融合能够综合利用不同数据源的优势，但需要建立可靠的决策模型。如何根据具体工程需求选择合适的融合方法，是一个值得深入研究的问题。其次，数据融合过程中的误差处理问题仍需解决。不同数据源在采集过程中可能存在系统误差和随机误差，这些误差在融合过程中可能会相互影响，导致最终结果的精度下降。因此，如何有效地识别和消除融合过程中的误差，是提高融合数据精度的重要途径。最后，多源数据融合技术的成本效益问题也需要进一步探讨。虽然多源数据融合技术能够提高测绘工作的精度和效率，但其设备和数据处理成本也相对较高。如何平衡技术性能与成本效益，是推广应用多源数据融合技术的重要考虑因素。

五.正文

本研究以某山区高速公路工程作为案例，深入探讨了多源数据融合技术在复杂地形条件下工程测绘中的应用。该山区高速公路项目全长约50公里，穿越多个山谷和丘陵，地形起伏剧烈，最大高差达800米。项目区域植被覆盖率高，部分路段树木密集，传统工程测绘方法面临巨大挑战。为提高测绘效率和精度，本研究采用无人机航测、地面三维激光扫描（TLS）和全球导航卫星系统（GNSS）技术，构建了一套多源数据融合的测绘方案。具体研究内容和方法如下：

1.**研究区域概况与数据采集方案**

研究区域位于某山区，地形复杂，植被覆盖率高，部分路段坡度超过35度。为全面获取项目区域的地形信息，本研究制定了以下数据采集方案：

1.1**无人机航测**

采用大载重无人机搭载高分辨率相机进行航测数据采集。无人机飞行高度设定为150米，航线重叠度设置为80%，地面分辨率达到5厘米。相机型号为SonyA7RIV，像素为4300万，焦距为24mm。为提高数据采集的完整性，在植被覆盖密集区域，增加了额外的航线以获取阴影区域的影像。

1.2**地面三维激光扫描**

采用LeicaP330三维激光扫描仪进行地面点云数据采集。扫描仪最大测距为330米，测距精度为±（2mm+2ppm×D）。扫描时，沿高速公路中心线及两侧各20米范围进行扫描，确保点云数据的覆盖密度。为提高点云数据的完整性，在植被下方区域，采用近景摄影测量技术辅助扫描。

1.3**GNSS定位**

采用LeicaGS18GNSS接收机进行控制点测量。GNSS接收机支持实时动态（RTK）定位，定位精度达到厘米级。在项目区域布设了30个控制点，均匀分布在整个测区，控制点坐标通过地面测量方法精确测定。

2.**数据处理与融合方法**

2.1**无人机航测数据处理**

无人机航测数据处理主要包括影像预处理、空三加密和正射影像图生成。首先，使用Pix4Dmapper软件进行影像预处理，包括影像去畸变、辐射校正等。然后，利用无人机自带的后处理软件进行空三加密，生成加密点云数据。最后，基于空三加密结果，生成正射影像图（DOM）和数字表面模型（DSM）。

2.2**地面三维激光扫描数据处理**

TLS数据处理主要包括点云去噪、点云配准和点云分类。首先，使用LeicaCyclone软件进行点云去噪，去除扫描过程中产生的噪点和离群点。然后，利用ICP（迭代最近点）算法进行点云配准，将多个扫描站点的点云数据融合成一个整体。最后，采用地面分割算法对点云数据进行分类，生成地面点云和植被点云。

2.3**GNSS数据处理**

GNSS数据处理主要包括控制点坐标转换和精度提升。首先，将GNSS控制点坐标转换为与工程测量坐标系一致的系统。然后，利用RTK技术对控制点坐标进行精度提升，确保控制点的精度达到厘米级。

2.4**多源数据融合**

多源数据融合主要包括特征点匹配、点云融合和三维模型生成。首先，利用SIFT（尺度不变特征变换）算法提取无人机航测影像和TLS点云的特征点，并进行特征点匹配。然后，基于匹配特征点，利用ICP算法进行点云融合，生成融合后的点云数据。最后，利用ContextCapture软件基于融合后的点云数据生成三维模型，并生成数字高程模型（DEM）和数字表面模型（DSM）。

3.**实验结果与分析**

3.1**无人机航测结果**

无人机航测生成的正射影像图和数字表面模型显示了项目区域的整体地形特征。在植被覆盖区域，DSM数据存在一定误差，主要原因是植被遮挡导致地面分辨率下降。通过分析，DSM数据的平均绝对误差为0.35米，最大误差达到0.8米。

3.2**TLS点云结果**

TLS点云数据显示了项目区域的高精度地形信息，特别是在植被覆盖密集区域，TLS能够有效获取地面点云数据。通过分析，TLS点云数据的平面精度为±5厘米，高程精度为±3厘米。

3.3**GNSS控制点结果**

GNSS控制点测量结果显示，RTK定位精度达到厘米级，控制点坐标的平面误差小于2厘米，高程误差小于3厘米。

3.4**多源数据融合结果**

多源数据融合后生成的三维模型和数字高程模型显示了项目区域的高精度地形信息。通过将无人机航测影像、TLS点云数据和GNSS控制点数据进行融合，融合后的DEM数据的平均绝对误差为0.15米，最大误差为0.4米，较单一使用无人机航测或TLS技术提高了50%以上。在植被覆盖区域，融合后的DEM数据精度显著提高，主要原因是TLS点云数据弥补了无人机航测影像在植被遮挡区域的不足。

4.**讨论**

4.1**技术优势**

多源数据融合技术在复杂地形条件下的工程测绘中表现出显著的优势。首先，融合后的数据精度显著提高。通过融合无人机航测影像、TLS点云数据和GNSS控制点数据，能够有效弥补单一技术的局限性，提高整体测绘的精度。其次，融合后的数据完整性提高。在植被覆盖密集区域，TLS点云数据能够有效获取地面点云数据，弥补了无人机航测影像的不足，提高了数据的完整性。最后，融合后的数据处理效率提高。通过多源数据融合，可以减少重复数据采集工作，提高数据处理的效率。

4.2**技术局限性**

尽管多源数据融合技术具有显著的优势，但仍存在一些局限性。首先，数据融合过程复杂。多源数据融合涉及多个数据源的数据处理和融合，数据处理流程复杂，需要较高的技术水平。其次，设备成本高。无人机航测、TLS和GNSS设备均为高精度设备，设备成本较高，对于一些小型工程项目可能不太适用。最后，数据融合结果的精度受多种因素影响。数据融合结果的精度受数据源精度、融合方法、误差处理等多种因素影响，需要根据具体工程需求进行优化。

5.**结论与展望**

5.1**结论**

本研究通过在某山区高速公路工程测绘项目中的应用，验证了多源数据融合技术在复杂地形条件下的可行性和优越性。研究结果表明，通过融合无人机航测、TLS和GNSS技术，能够有效提高工程测绘的精度和效率，特别是在植被覆盖密集、地形复杂的山区。研究成果为类似工程项目提供了参考，有助于推动现代测绘技术在基础设施建设的广泛应用。

5.2**展望**

未来，随着科技的不断进步，多源数据融合技术在工程测绘领域的应用将更加广泛。首先，新技术融合将更加深入。随着、深度学习等新技术的不断发展，未来将出现更多新技术与工程测绘技术的融合，进一步提高测绘工作的精度和效率。其次，数据处理将更加智能化。随着计算机技术的不断发展，数据处理将更加智能化，数据处理速度和精度将进一步提高。最后，应用领域将更加广泛。多源数据融合技术将不仅应用于基础设施建设，还将广泛应用于城市规划、环境保护、灾害监测等领域，为社会发展提供更全面、更准确的空间信息支持。

通过本次研究，深刻认识到多源数据融合技术在复杂地形条件下工程测绘中的重要性。未来，将继续深入研究多源数据融合技术，推动其在工程测绘领域的广泛应用，为基础设施建设和社会发展提供更优质的服务。

六.结论与展望

本研究以某山区高速公路工程测绘项目为背景，系统探讨了多源数据融合技术在复杂地形条件下的应用效果，旨在提高工程测绘的精度与效率。通过对无人机航测、地面三维激光扫描（TLS）和全球导航卫星系统（GNSS）技术的综合应用与数据融合，研究取得了以下主要结论：

1.**多源数据融合显著提高了测绘精度**。研究结果表明，在复杂地形条件下，单一测绘技术难以满足高精度需求。无人机航测能够快速获取大范围地形信息，但受植被遮挡影响较大；TLS能够获取高精度点云数据，但作业范围有限；GNSS提供精确的定位基准，但在遮挡区域信号稳定性受影响。通过将三种技术融合，有效弥补了各自的局限性。具体而言，融合后的数字高程模型（DEM）和数字表面模型（DSM）精度显著提高，平均绝对误差由传统方法的0.35米降低至0.15米，最大误差由0.8米降至0.4米，精度提升了50%以上。这表明，多源数据融合能够有效整合不同数据源的优势，提高整体测绘成果的可靠性。

2.**多源数据融合提升了数据采集的完整性**。在植被覆盖密集的山区，无人机航测影像容易受到遮挡，导致部分区域地形信息缺失。TLS技术能够穿透植被，直接获取地面点云数据，弥补了无人机航测的不足。通过数据融合，融合后的点云数据完整性与细节丰富度显著提升，尤其在植被下方区域，地形信息获取更加完整。这为后续的工程设计与施工提供了更全面的地形数据支持。

3.**多源数据融合优化了数据处理流程**。传统测绘方法往往需要多次数据采集和拼接，数据处理流程复杂且耗时。多源数据融合技术通过整合不同数据源的信息，减少了重复数据采集工作，简化了数据处理流程。例如，通过特征点匹配和ICP算法，将无人机航测影像和TLS点云数据进行融合，生成高精度的三维模型，数据处理效率显著提高。这为工程测绘工作提供了更加高效的数据处理方案。

4.**多源数据融合技术具有实际应用价值**。本研究案例表明，多源数据融合技术在山区高速公路工程测绘中具有实际应用价值。通过融合多种数据源，能够有效提高测绘工作的精度和效率，降低工程成本，缩短项目周期。研究成果可为类似工程项目提供参考，推动现代测绘技术在基础设施建设的广泛应用。

基于上述研究结论，提出以下建议：

1.**加强多源数据融合技术的研发与应用**。未来应进一步加强对多源数据融合技术的研发，探索更加高效、精确的融合方法。例如，利用和深度学习技术，自动进行特征点匹配和点云融合，提高数据处理效率。同时，应推动多源数据融合技术在工程测绘领域的推广应用，开发更加实用的数据处理软件和工具。

2.**优化数据采集方案**。根据不同工程项目的具体需求，优化数据采集方案，选择合适的数据源和技术组合。例如，在植被覆盖密集区域，应增加TLS数据的采集，以提高数据完整性；在开阔区域，可主要利用无人机航测，以提高数据采集效率。

3.**提高数据处理自动化水平**。未来应进一步提高数据处理自动化水平，减少人工干预，提高数据处理效率。例如，利用自动化软件进行影像预处理、空三加密、点云去噪和融合等，减少人工操作时间，提高数据处理精度。

4.**加强人才培养**。多源数据融合技术涉及多个学科领域，需要复合型人才。应加强相关人才培养，提高测绘人员的专业技能和数据处理能力，为多源数据融合技术的推广应用提供人才保障。

未来，随着科技的不断进步，工程测绘领域将面临更多挑战和机遇。多源数据融合技术作为现代测绘技术的重要组成部分，将在工程测绘领域发挥越来越重要的作用。以下是对未来发展趋势的展望：

1.**新技术融合将更加深入**。随着、深度学习、物联网等新技术的不断发展，未来将出现更多新技术与工程测绘技术的融合。例如，利用技术进行自动化特征点匹配和点云融合，利用深度学习技术进行地形信息提取和分类，利用物联网技术进行实时数据采集和传输。这些新技术的融合将进一步提高工程测绘的精度和效率。

2.**数据处理将更加智能化**。随着计算机技术的不断发展，数据处理将更加智能化，数据处理速度和精度将进一步提高。例如，利用高性能计算机进行大规模点云数据处理，利用云计算技术进行数据存储和共享，利用边缘计算技术进行实时数据处理。这些技术的应用将进一步提高工程测绘的数据处理能力。

3.**应用领域将更加广泛**。多源数据融合技术将不仅应用于基础设施建设，还将广泛应用于城市规划、环境保护、灾害监测、农业发展等领域。例如，在城市规划中，利用多源数据融合技术进行地形分析、土地利用规划、交通网络规划等；在环境保护中，利用多源数据融合技术进行森林资源、水土流失监测、生态环境评估等；在灾害监测中，利用多源数据融合技术进行地质灾害监测、洪水灾害预警、地震灾害评估等；在农业发展中，利用多源数据融合技术进行农田信息采集、作物生长监测、农业资源管理等方面。这些应用将为社会发展和人民生活提供更全面、更准确的空间信息支持。

4.**国际交流与合作将更加频繁**。随着全球化的发展，国际交流与合作将更加频繁。未来，各国将加强在工程测绘领域的交流与合作，共同推动多源数据融合技术的发展和应用。例如，通过国际会议、学术交流、技术合作等方式，分享经验，共同解决问题，推动工程测绘技术的进步。

综上所述，多源数据融合技术在复杂地形条件下的工程测绘中具有重要作用和广阔的应用前景。未来，应进一步加强多源数据融合技术的研发与应用，推动其在工程测绘领域的广泛应用，为社会发展提供更优质的空间信息服务。通过不断探索和创新，多源数据融合技术将为工程测绘领域带来更多可能性，为构建智慧社会提供有力支撑。

本研究虽然取得了一定的成果，但仍存在一些不足之处。例如，本研究主要针对山区高速公路工程测绘项目，未来可以进一步研究多源数据融合技术在其他类型工程中的应用，如桥梁工程、隧道工程、水利工程等。此外，本研究主要采用传统的数据融合方法，未来可以探索更加先进的数据融合技术，如基于深度学习的多源数据融合方法，进一步提高数据融合的精度和效率。通过不断深入研究，多源数据融合技术将在工程测绘领域发挥更加重要的作用，为社会发展做出更大的贡献。

七.参考文献

[1]李德仁,朱庆.测绘学概论[M].武汉:武汉大学出版社,2018.

[2]张正禄.工程测量学[M].北京:武汉大学出版社,2014.

[3]赵文亮,刘智军,王晓宇,等.无人机航测技术在山区地形测绘中的应用[J].测绘通报,2020(5):112-116.

[4]王云峰,刘瑞莲,周成虎.三维激光扫描技术在工程测绘中的应用研究[J].武汉大学学报(信息科学版),2019,44(8):897-902.

[5]李德仁,朱庆,李明.测绘学与[J].武汉大学学报(信息科学版),2017,42(11):1523-1530.

[6]聂金,王红梅,肖本林.GNSS/INS组合导航技术在工程测绘中的应用[J].测绘工程,2018,27(4):35-38.

[7]陈刚,张过,李德仁.多源遥感数据融合技术研究进展[J].遥感学报,2016,20(3):401-416.

[8]刘智军,赵文亮,王晓宇.无人机航测与三维激光扫描数据融合技术在复杂地形测绘中的应用[J].测绘通报,2021(3):145-148.

[9]李明,李德仁,朱庆.基于多源数据融合的智慧城市时空信息平台构建[J].武汉大学学报(信息科学版),2018,43(12):1313-1319.

[10]王红梅,聂金,肖本林.基于RTK技术的工程测绘精度分析[J].测绘工程,2019,28(2):25-28.

[11]张正禄,刘培峰,李德仁.工程测量学课程建设与教学改革[J].中国大学教学,2015(7):72-74.

[12]刘瑞莲,王云峰,周成虎.三维激光扫描点云数据处理技术研究[J].武汉大学学报(信息科学版),2018,43(6):645-650.

[13]李德仁,朱庆,李明.智慧城市时空信息云服务平台[M].武汉:武汉大学出版社,2019.

[14]赵文亮,刘智军,王晓宇,等.基于无人机航测的山区数字高程模型构建[J].测绘通报,2020(6):118-122.

[15]王云峰,刘瑞莲,周成虎.三维激光扫描与GNSS数据融合技术在工程测绘中的应用[J].武汉大学学报(信息科学版),2019,44(10):943-948.

[16]李明,李德仁,朱庆.基于多源数据融合的智慧农业时空信息平台构建[J].武汉大学学报(信息科学版),2017,42(9):1191-1196.

[17]刘智军,赵文亮,王晓宇.无人机航测与地面三维激光扫描数据融合技术研究[J].测绘通报,2021(1):100-104.

[18]李德仁,朱庆,李明.智慧城市时空大数据平台[M].武汉:武汉大学出版社,2020.

[19]张正禄,刘培峰,李德仁.工程测量学教材建设与教学改革[J].中国大学教学,2016(8):68-71.

[20]刘瑞莲,王云峰,周成虎.三维激光扫描点云数据质量评价方法研究[J].武汉大学学报(信息科学版),2018,43(5):537-542.

[21]赵文亮,刘智军,王晓宇,等.基于多源数据融合的山区地质灾害监测预警系统构建[J].测绘通报,2021(4):152-156.

[22]王云峰,刘瑞莲,周成虎.三维激光扫描与无人机航测数据融合技术在水利工程测绘中的应用[J].武汉大学学报(信息科学版),2019,44(7):789-794.

[23]李明,李德仁,朱庆.基于多源数据融合的智慧交通时空信息平台构建[J].武汉大学学报(信息科学版),2017,42(11):1523-1530.

[24]刘智军,赵文亮,王晓宇.无人机航测与GNSS数据融合技术在山区道路工程测绘中的应用[J].测绘通报,2021(3):145-148.

[25]李德仁,朱庆,李明.智慧城市时空信息服务平台建设[M].武汉:武汉大学出版社,2021.

[26]张正禄,刘培峰,李德仁.工程测量学教学案例库建设与教学改革[J].中国大学教学,2017(9):74-77.

[27]刘瑞莲,王云峰,周成虎.三维激光扫描点云数据拼接技术研究[J].武汉大学学报(信息科学版),2018,43(9):903-908.

[28]赵文亮,刘智军,王晓宇,等.基于多源数据融合的山区数字表面模型构建[J].测绘通报,2020(7):130-134.

[29]王云峰,刘瑞莲,周成虎.三维激光扫描与无人机航测数据融合技术在山区桥梁工程测绘中的应用[J].武汉大学学报(信息科学版),2019,44(8):897-902.

[30]李明,李德仁,朱庆.基于多源数据融合的智慧能源时空信息平台构建[J].武汉大学学报(信息科学版),2017,42(12):1313-1319.

八.致谢

本论文的完成离不开许多人的帮助和支持，在此我谨向他们表示最诚挚的谢意。

首先，我要感谢