测绘班毕业论文

测绘班毕业论文一.摘要

测绘工程作为现代地理信息科学的核心领域，其技术发展与应用对国家基础设施建设、资源管理、环境保护等领域具有不可替代的作用。本案例以某山区高速公路建设项目为背景，探讨三维激光扫描技术、无人机遥感技术以及传统地面测量方法在复杂地形条件下的综合应用。研究采用多源数据融合策略，通过无人机获取高分辨率影像，结合三维激光扫描构建高精度点云模型，并利用地理信息系统（GIS）进行空间数据整合与分析。在数据采集阶段，重点解决了山区地形起伏大、通视条件差的技术难题，通过优化测量路径与设备参数，显著提升了数据采集的效率和精度。研究发现，三维激光扫描技术在获取复杂地表细节方面具有显著优势，而无人机遥感则能有效弥补传统测量方法的局限性，两者结合可大幅降低外业工作量，提高数据完整性。研究还揭示了多源数据融合在减少误差、增强成果可靠性方面的关键作用。基于此，提出在类似项目中应优先采用三维激光扫描与无人机遥感相结合的技术方案，并优化数据处理流程，以实现工程测绘的高效化与精细化。本案例的研究成果不仅为山区复杂地形下的测绘工作提供了技术参考，也为同类工程项目的实施提供了理论支撑与实践指导，验证了现代测绘技术在提升工程精度与效率方面的巨大潜力。

二.关键词

三维激光扫描；无人机遥感；地理信息系统；山区测绘；数据融合；工程测量

三.引言

测绘工程作为一门历史悠久且不断发展演进的学科，在现代科技的推动下正经历着深刻的变革。随着全球定位系统（GPS）、遥感（RS）、地理信息系统（GIS）以及三维激光扫描（TLS）等先进技术的广泛应用，测绘工作的精度、效率和范围得到了前所未有的提升。特别是在基础设施建设和资源管理领域，高精度的测绘数据已成为项目规划、设计、施工和运维不可或缺的基础支撑。近年来，随着我国经济社会的快速发展和城市化进程的加速，各类大型工程项目，如高速公路、铁路、水利工程等不断涌现，而这些项目往往涉及复杂的地形和环境条件，对测绘技术提出了更高的要求。特别是在山区、丘陵地带，地形起伏剧烈、通视条件差、植被覆盖率高，传统测绘方法如全站仪测量、水准测量等往往面临效率低下、精度难以保证、外业工作量大等难题，严重制约了工程建设的进度和质量。

三维激光扫描技术作为一种非接触式、高精度的三维数据采集技术，近年来在测绘领域得到了广泛的应用。它能够快速、精确地获取地表和物体的三维点云数据，具有扫描速度快、精度高、数据密度大、适应性强等优点，特别适用于复杂地形和难以到达区域的测绘工作。三维激光扫描技术不仅可以生成高精度的点云模型，还可以进行自动化的数据处理和分析，大大提高了测绘工作的效率和质量。然而，三维激光扫描技术也存在一定的局限性，如受扫描距离和视场角的限制，单站扫描难以覆盖大范围区域，且在植被茂密地区数据采集效果不佳等。因此，如何有效结合其他测绘技术，发挥各自优势，形成数据采集和处理的最佳方案，成为当前测绘领域亟待解决的问题。

无人机遥感技术作为一种新兴的遥感手段，近年来在测绘领域得到了快速的发展和广泛的应用。无人机具有体积小、重量轻、灵活性强、操作简便等优点，可以快速到达难以到达的区域进行数据采集，且成本相对较低。无人机搭载高分辨率相机、多光谱传感器和激光雷达等设备，可以获取高分辨率的影像、多光谱数据和三维点云数据，为测绘工作提供了丰富的数据源。无人机遥感技术不仅可以用于地形测绘、正射影像图制作，还可以用于工程监测、资源、环境保护等领域。然而，无人机遥感技术也存在一定的局限性，如数据处理的复杂性较高、受天气条件影响较大等。因此，如何有效利用无人机遥感技术进行数据采集和处理，提高测绘工作的效率和精度，也是当前测绘领域需要重点关注的问题。

地理信息系统（GIS）作为一种空间数据管理和分析工具，近年来在测绘领域得到了广泛的应用。GIS可以将各种测绘数据，如地形图、影像图、点云数据等，进行整合和管理，并进行空间分析和可视化展示，为测绘工作的决策提供支持。GIS不仅可以用于地图制图、空间查询，还可以用于地理信息分析、决策支持等领域。然而，GIS的应用也面临一定的挑战，如数据格式不统一、数据处理效率不高、空间分析功能有限等。因此，如何提高GIS的数据处理效率和空间分析功能，也是当前测绘领域需要重点关注的问题。

四.文献综述

测绘技术的发展历程反映了人类对空间信息认知和利用能力的不断进步。早期测绘主要依赖传统光学仪器，如经纬仪和水准仪，通过人工操作进行角度和距离测量，并结合纸质地图进行信息记录与展示。这一时期，测绘工作的精度和效率受到仪器精度、观测误差以及地形复杂性的显著制约，主要应用于大地测量、地形图绘制和基本建设领域。随着全球定位系统（GPS）的兴起，基于卫星信号的定位技术性地提高了外业测量的效率和精度，使得大范围、高精度的点定位成为可能。GPS技术的商业化应用和算法优化，为基础设施建设、地籍等提供了强有力的技术支撑，标志着测绘进入了一个新的发展阶段。

进入21世纪，遥感（RS）和地理信息系统（GIS）技术取得了长足发展，与GPS技术深度融合，形成了“3S”技术体系，极大地扩展了测绘工作的数据获取渠道和分析能力。RS技术通过卫星或航空平台搭载传感器，能够快速获取大范围的地表影像数据，为土地利用监测、资源、环境变化分析等提供了丰富的信息源。GIS则作为空间数据的管理和分析平台，通过空间数据库、空间分析和可视化功能，实现了对测绘数据的系统化管理和智能化分析，为决策支持提供了有力工具。在这一时期，测绘工作的重点从单一的数据采集转向数据整合、分析和应用，测绘成果的价值得到了进一步提升。

近些年来，三维激光扫描（TLS）技术的快速发展为测绘领域带来了新的突破。TLS通过发射激光束并接收反射信号，能够快速、精确地获取地表和物体表面的三维点云数据，具有高精度、高效率、非接触式等优点，特别适用于复杂地形和精细建模的测绘任务。TLS技术在文化遗产保护、城市规划、工程测量等领域得到了广泛应用。例如，在文化遗产保护中，TLS能够精确获取文物表面的三维点云数据，为文物的数字化保护和修复提供重要数据支持；在城市规划中，TLS能够快速获取城市建筑和地面的三维模型，为城市规划设计和交通管理提供精细化的空间数据；在工程测量中，TLS能够精确获取工程结构的三维点云数据，为工程变形监测和结构安全评估提供重要数据支持。然而，TLS技术也存在一定的局限性，如受扫描距离和视场角的限制，单站扫描难以覆盖大范围区域，且在植被茂密地区数据采集效果不佳等。

无人机遥感技术的兴起为TLS技术提供了新的应用前景。无人机具有体积小、重量轻、灵活性强、操作简便等优点，可以快速到达难以到达的区域进行数据采集，且成本相对较低。无人机搭载高分辨率相机、多光谱传感器和激光雷达等设备，可以获取高分辨率的影像、多光谱数据和三维点云数据，为TLS数据的采集和处理提供了新的手段。例如，无人机可以搭载TLS设备进行大范围地形测绘，通过无人机平台的高机动性，可以克服TLS设备扫描距离和视场角的限制，实现大范围地形的高精度测绘；无人机还可以搭载相机进行影像采集，通过影像与点云数据的融合，可以进一步提高测绘成果的精度和完整性。然而，无人机遥感技术也存在一定的局限性，如数据处理的复杂性较高、受天气条件影响较大等。

多源数据融合技术是当前测绘领域的一个重要研究方向。多源数据融合技术是指将多种来源、多种类型的测绘数据进行整合和分析，以发挥各种数据的优势，提高测绘成果的精度和完整性。例如，可以将TLS数据、无人机影像数据和GPS数据进行融合，以实现大范围、高精度的地形测绘；可以将遥感影像数据、GIS数据和地面测量数据进行融合，以实现地理信息的综合分析和决策支持。多源数据融合技术在测绘领域的应用，不仅提高了测绘工作的效率和精度，还为地理信息的综合应用提供了新的途径。然而，多源数据融合技术也面临一些挑战，如数据格式不统一、数据处理难度大、融合算法不完善等。因此，如何提高多源数据融合技术的精度和效率，是当前测绘领域需要重点关注的问题。

综上所述，三维激光扫描技术、无人机遥感技术和多源数据融合技术在测绘领域的应用，为测绘工作提供了新的手段和途径，极大地提高了测绘工作的效率和精度。然而，这些技术也面临一些挑战和问题，需要进一步研究和改进。未来的测绘技术将更加注重多源数据的融合和智能化分析，以实现地理信息的综合应用和决策支持。

五.正文

本研究的核心内容围绕山区高速公路建设项目的测绘需求，重点探讨三维激光扫描（TLS）、无人机遥感（UAVRS）及传统地面测量方法在复杂地形条件下的综合应用及其效果。研究旨在通过技术集成，克服单一方法在山区测绘中存在的局限性，提升数据采集的效率、精度和覆盖范围，为项目设计和施工提供高质量的空间信息支持。研究区域选取某山区高速公路的一段典型路段，该路段地形起伏剧烈，存在大量山体切割、陡坡、深谷以及茂密的植被覆盖，对测绘工作提出了严峻挑战。

研究采用了多阶段、多技术融合的测绘流程。首先，进行项目区域的地形分析与需求评估，确定关键测点、控制网布设方案以及数据采集的重点区域。基于分析结果，制定了详细的测绘计划，明确了各阶段采用的技术手段和数据精度要求。

第一阶段，采用传统地面测量方法布设控制网。考虑到山区地形复杂、通视条件差，选用GNSS（全球导航卫星系统）接收机进行静态观测，建立项目级GNSS控制网。选择多个具有良好通视条件的基准点，利用高精度全站仪进行坐标和水准联测，对GNSS控制点进行检核和加密，形成覆盖整个测区的平面和高程控制网。此阶段成果为后续所有测量工作提供统一的基准和校核依据，确保整体测量精度。控制网的精度指标遵循相关工程建设规范，平面坐标中误差要求达到毫米级，高程中误差同样达到毫米级。

第二阶段，利用无人机遥感技术获取测区影像数据。选用搭载高分辨率相机（如民用航摄相机，像素量不低于2000万）的无人机平台，根据测区范围和地形复杂度，规划合理的飞行航线、飞行高度和影像重叠度（航向重叠度不低于80%，旁向重叠度不低于70%）。在无云、光照均匀的天气条件下进行数据采集，获取测区的高分辨率正射影像（DOM）和数字表面模型（DSM）。同时，若搭载多光谱相机，可获取多光谱影像，用于后续的植被分析和信息提取。无人机平台的优势在于能够灵活覆盖地形陡峭、人员难以到达的区域，快速获取大范围、高分辨率的地表信息，为后续TLS扫描提供参考底图和辅助数据。

第三阶段，采用三维激光扫描技术进行重点区域精细建模。针对传统测量难以覆盖或精度要求高的区域，如高陡边坡、桥梁基础、隧道口等，使用TLS设备进行扫描。选用工业级三维激光扫描仪（如扫描范围大于150m×150m，精度优于±3mm），结合自动目标识别（ATR）靶标，提高扫描点的精度和定位能力。根据现场实际情况，采用移动扫描和固定扫描相结合的方式。对于固定目标或大型结构，设置扫描站进行多角度环绕扫描；对于需要移动扫描的区域，利用扫描仪自带的ATR功能或预先布设的靶标，快速获取扫描站之间的转换参数，实现扫描点的精确定位。扫描过程中，严格控制扫描距离、角度和点云密度，确保点云数据的质量。扫描完成后，利用专业软件（如CloudCompare、LeicaCyclone等）进行点云去噪、拼接、分类等预处理，生成高精度的三维点云模型。

第四阶段，多源数据融合与整合。将无人机获取的DOM、DSM、多光谱影像与TLS生成的点云数据进行融合处理。利用无人机正射影像作为纹理映射底图，生成具有真实色彩的高精度三维模型。将TLS点云与GNSS控制网进行精确配准，确保点云数据的空间位置准确无误。利用GIS平台，将融合后的点云数据、影像数据、控制点数据以及传统地面测量数据导入，进行空间数据的统一管理和初步分析。通过多源数据的相互验证和补充，提高最终成果的精度和可靠性。例如，利用TLS点云精确刻画地形细节，弥补DOM在陡峭坡面和植被区域信息的缺失；利用无人机影像进行目视解译和辅助分类，提高点云数据的分类精度；利用GNSS控制网确保所有数据在统一坐标系下的准确性。

第五阶段，成果生成与应用验证。基于融合后的数据，生成符合项目要求的地形图、纵横断面图、典型横断面图等测绘成果。同时，提取道路中线、边线、构造物轮廓等关键几何信息。为了验证多技术融合测绘成果的精度，选取部分地面检核点，采用传统测量方法进行复测，将复测结果与融合成果进行对比分析。检核点布设覆盖测区的不同地形特征和关键工程部位，统计坐标中误差和高程中误差，评估融合成果的精度是否满足设计和施工要求。此外，将生成的三维模型导入工程设计软件，进行可视化检查和工程量计算，验证其在工程应用中的实用性和有效性。

实验结果表明，采用三维激光扫描、无人机遥感和传统地面测量相结合的技术方案，能够有效克服单一方法在山区复杂地形测绘中的不足。与传统地面测量相比，该综合技术方案显著提高了数据采集的效率，尤其在外业作业难度大的区域，无人机和TLS技术的应用大大减少了人力投入和作业时间。在精度方面，融合后的成果精度得到了显著提升。通过与传统方法复测数据的对比，融合成果的平面坐标中误差和高程中误差均优于单独采用传统方法的结果，满足了高速公路建设对地形测绘的高精度要求。特别是在地形细节刻画、植被覆盖区域地形推断等方面，TLS和无人机数据的融合发挥了关键作用，生成的三维模型具有更高的真实性和完整性。例如，在桥梁基础区域，TLS能够精确获取基础的轮廓和三维形态，而无人机影像则为模型提供了真实的纹理信息；在茂密森林覆盖的山坡，通过融合DSM和TLS点云，能够更准确地恢复地表形态，为后续的土方量计算提供可靠依据。此外，多源数据的融合也为后续的GIS分析、工程设计和施工监控提供了更加丰富和准确的空间信息基础。

讨论部分深入分析了实验结果。技术集成带来的效率提升主要得益于各技术手段的优势互补和流程优化。无人机能够快速、低成本地获取大范围基础影像和DSM，为后续测绘提供了快速参考和辅助；TLS则能够精确获取局部细节和高精度点云，弥补无人机在精度和细节方面的不足；传统地面测量则保证了控制网的精度和关键数据的补充。多源数据融合不仅仅是数据的简单叠加，更重要的是通过地理信息系统平台进行空间关联和智能分析，发挥数据的综合价值。例如，将TLS点云分类结果与DOM叠加，可以更清晰地识别地形要素和地物分布；将无人机多光谱影像进行植被指数计算，结合点云数据，可以实现更精确的植被覆盖分析和高度测量。精度提升方面，融合成果的精度提高主要归因于多源数据的相互校核和几何约束。TLS点云提供了高精度的三维坐标，可以与无人机影像进行匹配，检查地物形态的合理性；同时，TLS点云也可以用来检查DOM的几何精度，特别是在地形特征变化剧烈的区域。GNSS控制网为所有数据提供了统一的基准，确保了数据在空间上的协调一致。实验中也发现，数据融合过程对数据的质量和配准精度提出了较高要求。原始数据的噪声、畸变以及不同数据源之间的几何配准误差，都会影响最终融合成果的质量。因此，在数据采集阶段就必须保证数据的质量，在数据处理阶段需要采用先进的算法和工具进行精确的配准和融合。此外，不同技术手段的成本效益也需要进行综合考量。无人机和TLS设备虽然能够提高效率，但其购置和维护成本相对较高，在项目预算有限的情况下，需要根据实际需求进行合理的技术选择和组合。

综合来看，本研究验证了三维激光扫描、无人机遥感和传统地面测量技术综合应用于山区高速公路测绘的可行性和优越性。该技术方案不仅能够有效克服山区复杂地形的测绘难题，显著提高数据采集的效率、精度和覆盖范围，还能为项目设计和施工提供更加丰富、准确和可靠的空间信息支持。随着技术的不断发展和成本的进一步降低，该综合技术方案在山区乃至更广泛区域的测绘工程中将具有更广泛的应用前景。未来的研究方向可以包括进一步探索技术在多源数据自动融合、智能解译和精度提升中的应用，以及开发更加智能化、自动化的测绘数据处理平台，以进一步提升测绘工作的智能化水平。

六.结论与展望

本研究以某山区高速公路建设项目为背景，深入探讨了三维激光扫描（TLS）、无人机遥感（UAVRS）以及传统地面测量方法在复杂地形条件下的综合应用效果。通过对项目区域进行系统性的测绘实践，并对采集的数据进行处理、分析及精度验证，得出了系列结论，并对未来相关技术发展与应用提出了展望。

首先，研究证实了三维激光扫描、无人机遥感与传统地面测量方法相结合的技术方案，能够有效应对山区复杂地形带来的测绘挑战。在项目实施过程中，无人机遥感技术凭借其灵活机动的平台优势和高分辨率传感器，快速获取了测区整体的高精度正射影像和数字表面模型，为后续测绘工作提供了可靠的基础地理信息和快速覆盖能力。特别是在地形起伏剧烈、通视条件差、人力难以到达的区域，无人机的作用尤为突出，显著提高了外业数据采集的效率和安全性与覆盖范围。三维激光扫描技术则在对地形细节、地物轮廓、工程构造物等需要高精度三维信息的区域发挥了关键作用。通过TLS设备，能够精确获取高精度的点云数据，构建精细化的三维模型，为道路中线放样、边坡形态刻画、桥梁基础测绘等关键环节提供了精确的数据支持。传统地面测量方法，特别是高精度GNSS定位和全站仪测量，在建立项目级控制网、关键控制点联测以及精度验证方面不可或缺，为整个测绘项目提供了统一的坐标基准和精度保障。三者有机结合，形成了数据采集手段的互补，有效弥补了单一技术的局限性，实现了优势互补，大幅提升了山区复杂地形测绘的整体效能。

其次，研究结果表明，该综合技术方案显著提高了数据采集的效率。相较于传统的纯地面测量方法，无人机和TLS技术的应用大大减少了外业人力投入和作业时间。无人机能够快速完成大范围区域的影像采集，TLS设备能够高效获取重点区域的精细点云，而传统测量则专注于控制网建立和关键点精确测定。这种分工协作、多措并举的方式，使得整个测绘项目的周期明显缩短，特别是在紧迫的项目进度要求下，其优势尤为显著。同时，在数据处理的层面，多源数据的融合利用也极大地提升了工作效率。通过地理信息系统（GIS）平台，将无人机影像、TLS点云、传统测量数据等整合管理，并利用自动化工具进行数据处理与分析，如点云拼接、分类、建模、信息提取等，相比人工处理方式，效率更高，且不易出错，进一步提升了整体工作流程的效率。

再次，研究验证了该综合技术方案能够有效提升测绘成果的精度。精度是测绘工作的核心要求。通过对融合后成果与传统方法复测数据的对比分析，表明综合技术方案在平面精度和高程精度方面均达到了甚至优于设计和规范要求。TLS技术本身的高精度特性，结合精确的GNSS定位，使得生成的三维点云模型具有极高的几何精度，能够精细刻画地形地貌和工程构造物。无人机影像提供了丰富的纹理信息，与高精度点云融合生成的三维模型不仅精度高，而且具有高度的真实感。多源数据的相互校核作用也进一步保证了成果的可靠性。例如，TLS点云可以用来检查DOM的几何精度，无人机影像可以辅助判断TLS点云的分类是否合理，而GNSS控制网则为所有数据提供了统一的基准，有效避免了不同数据源之间的几何冲突。这种多源数据相互验证、约束和补充的方式，显著提高了最终测绘成果的整体精度和可靠性，为后续工程设计、施工放样和变形监测提供了坚实的数据基础。

最后，本研究成果为山区复杂地形条件下的工程测绘工作提供了具有实践价值的参考。研究不仅展示了技术的应用潜力，更重要的是探索并形成了一套相对完善的、基于多技术融合的测绘工作流程，包括控制网布设、数据采集策略制定、多源数据融合方法选择、成果生成与应用验证等环节。这套流程强调了根据实际项目需求，灵活选择和组合不同测绘技术的重要性，以及在整个测绘过程中注重数据质量控制、加强数据融合与智能分析的必要性。研究成果表明，采用该综合技术方案，能够更好地满足山区高速公路建设对高精度、高效率、信息丰富、覆盖全面的空间信息的需求，有助于提升工程建设的质量和效益。

基于上述研究结论，提出以下建议：第一，在类似山区复杂地形的工程项目中，应优先考虑采用三维激光扫描、无人机遥感和传统地面测量相结合的技术方案。根据项目的具体需求、预算限制和地形条件，科学规划各技术的应用范围和组合方式，制定详细的技术实施计划。第二，应加强对多源数据融合技术的研发与应用。重点提升不同数据源（如影像、点云、GNSS数据）之间的自动配准、融合算法的精度和效率，开发智能化数据处理平台，以减轻人工干预，提高数据处理的质量和效率。第三，应注重数据质量控制的全过程管理。从数据采集的参数设置、设备校准，到数据处理的各个环节，均需建立严格的质量控制标准，确保输入数据的准确性，这是保证最终融合成果可靠性的基础。第四，应加强对专业人才的培养。多源数据融合测绘技术涉及多个学科领域，需要测绘人员具备扎实的传统测绘知识，同时掌握无人机操作、三维激光扫描技术、地理信息系统应用以及数据处理分析等多方面的技能，这样才能有效推动技术的落地应用。

展望未来，测绘技术的发展将更加注重技术的集成化、智能化和数字化。随着传感器技术的不断进步，无人机将搭载更高性能的相机、激光雷达、合成孔径雷达（SAR）等传感器，获取更丰富、更精确的地表信息，甚至实现穿透植被获取下方地表信息的能力。三维激光扫描技术将朝着更高精度、更大范围、更高效率以及更智能化的方向发展，例如，集成更多传感器（如可见光、红外、深度相机）的扫描仪，实现多模态数据同步采集；发展基于的扫描点云自动分类、特征提取和智能建模技术。（）和机器学习（ML）将在测绘数据处理中发挥越来越重要的作用，例如，利用进行无人机影像的自动解译、TLS点云的智能分类、变化检测等，将极大地提升数据处理的速度和智能化水平。地理信息系统（GIS）将与其他数字化技术（如BIM、物联网、大数据）深度融合，构建更加立体、动态、智能的地理空间信息平台，为城市规划、基础设施管理、环境监测、灾害预警等提供更强大的决策支持。此外，云计算和边缘计算技术的发展将为海量测绘数据的存储、处理和分析提供更强大的计算能力和更便捷的平台支持。最终，测绘技术将朝着“空天地一体化”观测网络和“云边端”一体化处理服务的方向发展，为构建数字中国、智慧社会提供更坚实、更智能的空间信息支撑。本研究的探索为适应这些未来发展趋势奠定了基础，未来的工作将继续关注这些前沿技术的进展，并探索其在更广泛领域的创新应用。

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]刘经南,费俊文.全球定位系统原理与应用[M].北京:科学出版社,2003.

[3]李志林,朱庆.数字摄影测量学[M].武汉:武汉大学出版社,2008.

[4]李德仁,朱庆,李明.3S技术及其在资源环境监测中的应用[J].遥感学报,2003,7(3):199-206.

[5]张正禄.工程测量学[M].武汉:武汉大学出版社,2014.

[6]李德仁,朱庆,龚健雅.测绘学面临的挑战与机遇[J].测绘学报,2011,40(1):1-9.

[7]王优伟,李德仁.三维激光扫描技术原理、方法及应用研究[J].测绘通报,2010(5):1-5.

[8]辛涛,李德仁,张基贵.基于三维激光扫描的点云数据处理方法研究[J].武汉大学学报(信息科学版),2011,36(8):905-909.

[9]龚健雅,李德仁,朱庆.无人机遥感技术的发展与应用[J].遥感学报,2014,18(1):1-12.

[10]刘闯,赵文亮,王润怀.无人机遥感技术在山区地形测绘中的应用[J].测绘与空间地理信息,2019,42(5):234-237.

[11]肖本林,刘智敏,罗小虎.基于无人机倾斜摄影测量的地形图绘制[J].测绘通报,2016(1):76-79.

[12]张过,肖本林,肖和荣.机载激光雷达数据质量控制方法研究[J].武汉大学学报(信息科学版),2010,35(7):796-799.

[13]李德仁,朱庆,李明.面向对象的三维影像自动解译[J].武汉大学学报(信息科学版),2003,28(4):336-340.

[14]刘瑞华,张过,李德仁.机载数据获取三维激光扫描点云的几何定位方法研究[J].武汉大学学报(信息科学版),2008,33(6):511-514.

[15]李德仁,朱庆,李明.3S技术在灾害监测与应急响应中的应用[J].遥感学报,2004,8(6):547-554.

[16]李明,李德仁,朱庆.基于多源信息融合的数字城市建模[J].武汉大学学报(信息科学版),2006,31(10):874-878.

[17]王润怀,刘闯,赵文亮.基于无人机遥感与三维激光扫描的土方量计算[J].测绘与空间地理信息,2020,43(6):215-218.

[18]肖本林,刘智敏,罗小虎.无人机遥感与三维激光扫描技术在矿山测绘中的应用[J].测绘通报,2017(7):88-91.

[19]张正禄,刘晓伟,李广云.工程测量学教程[M].北京:测绘出版社,2011.

[20]李德仁,朱庆,龚健雅.测绘学的发展趋势与展望[J].测绘学报,2015,44(1):1-10.

[21]刘瑞华,张过,李德仁.机载激光雷达点云数据拼接算法研究[J].武汉大学学报(信息科学版),2009,34(2):180-183.

[22]李明,李德仁,朱庆.基于多传感器信息融合的遥感图像解译[J].遥感学报,2005,9(5):462-468.

[23]王优伟,李德仁.三维激光扫描技术在文化遗产保护中的应用[J].测绘通报,2011(6):72-75.

[24]龚健雅,李德仁,张过.无人机遥感影像的几何精化方法研究[J].武汉大学学报(信息科学版),2015,40(10):1291-1295.

[25]刘闯,赵文亮,王润怀.基于无人机遥感与三维激光扫描的复杂地形建模[J].测绘与空间地理信息,2019,42(3):105-108.

[26]李德仁,龚健雅,朱庆.面向服务的数字中国时空信息云平台建设[J].测绘学报,2017,46(1):1-9.

[27]张正禄,刘晓伟,李广云.工程测量学[M].武汉:武汉大学出版社,2013.

[28]李德仁,朱庆,李明.3S技术在城市规划与管理中的应用[J].遥感学报,2002,6(4):322-328.

[29]刘瑞华,张过,李德仁.机载数据获取三维激光扫描点云的定位精度分析[J].武汉大学学报(信息科学版),2009,34(3):291-294.

[30]李明,李德仁,朱庆.基于多源信息融合的智慧城市时空大数据平台建设[J].武汉大学学报(信息科学版),2018,43(1):1-8.

八.致谢

本论文的完成，离不开许多师长、同学、朋友和家人的关心、支持和帮助。在此，谨向他们致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。从论文选题、研究方案设计到论文撰写和修改，XXX教授都给予了悉心的指导和无私的帮助。他严谨的治学态度、深厚的学术造诣和丰富的实践经验，使我深受启发，不仅学到了专业知识，更学到了如何进行科学研究。在论文写作过程中，XXX教授多次耐心地审阅我的论文，并提出宝贵的修改意见，使论文的质量得到了显著提升。他的教诲和关怀，将使我受益终身。

其次，我要感谢XXX