CN119414410A 基于优化算法的复杂地形环境下高精度不动产测绘方法 （佛山市测绘地理信息研究院有限公司）

司道季华五路55号万科金融中心B座22-基于优化算法的复杂地形环境下高精度不本发明公开了基于优化算法的复杂地形环2S2、对采集的多源数据进行预处理，包括数据S6、将处理后的多源数据与生成的三维地形模型S7、对生成的地理信息模型进行误差分析与2.根据权利要求1所述的基于优化算法的复杂地形环境下高精度不动产测绘方法，其S12、通过LiDAR传感器发射激光束并接收回波S14、利用基于拓扑保持的自适应数据同步算法，将Li3.根据权利要求1所述的基于优化算法的复杂地形环境下高精度不动产测绘方法，其S32、将提取的三维点云数据按照地理坐标进行网格化处理，生成初步的高程数据模3,4.根据权利要求1所述的基于优化算法的复杂地形环境下高精度不动产测绘方法，其,地形曲率ĸ;S45、将优化得到的最优路径Popt投影到三维数5.根据权利要求1所述的基于优化算法的复杂地形环境下高精度不动产测绘方法，其,通过构建高维空间中的非线性映射函数F，将不同数据源的特征空间映射到统一的高维特4S64、将经过高维非线性动态优化融合处理的地理信息模型Mfused结合地理坐标信息,6.根据权利要求1所述的基于优化算法的复杂地形环境下高精度不动产测绘方法，其,层神经网络逐层拟合残差值ri，每一层回归模型的目标是最小化当前层的残差值r",更新聂7.根据权利要求1所述的基于优化算法的复杂地形环境下高精度不动产测绘方法，其聂聂i))为边界判定函数；ij)]}；5聂6测绘的精度和效率虽有所提高，但现有技术在应对复杂地形环境下的高精度测绘需求时，[0007]本发明的一个目的在于提出基于优化算法的复杂地形环境下高精度不动产测绘78率θ和地形曲率ĸ;[0050]S64、将经过高维非线性动态优化融合处理的地理信息模型Mfu9过多层神经网络逐层拟合残差值ri，每一层回归模型的目标是最小化当前层的残差值",[0056]i(,y)=zia(x,y)+,⃞(,y):[0067]S83、引入拓扑敏感边界优化算法，对初始不动产边界Binit进行进一步的精确调ij)]}；i字高程模型在复杂地形中的表现更加精细和准确。使用了高维非线性动态优化融合算法。该算法通过构建高维空间中的非线性映射函数，将来自不同传感器的数据特征进行融合，[0078]图1为本发明提出的基于优化算法的复杂地形环境下高精度不动产测绘方法的流[0080]图3为本发明中高维非线性动态优化融合算法和深度残差回归算法的联合示意率θ和地形曲率ĸ;[0124]S64、将经过高维非线性动态优化融合处理的地理信息模型Mfu过多层神经网络逐层拟合残差值ri，每一层回归模型的目标是最小化当前层的残差值r"，[0141]S83、引入拓扑敏感边界优化算法，对初始不动产边界Binit进行进一步的精确调ij)]}；i平方公里，使用无人机搭载的LiDAR传感器和地面GNSS接收机同步采集数据。在这一过程用本发明的方法，插值后的高程模型与实测数据的误差平均降低了15尤其是在高坡度据同步误差减少了40反映出本发明在多源数据融合过程中有效提高了数据的一致性和测数据的平均误差减少了16.7特别是在地形起伏较大的区域，模型的精度得到了显著规划的效率和精度。相比传统方法，路径规划时间缩短了30而路径覆盖率则提高了差回归算法的应用，使得融合后的地理信息模型误差减少了40系统误差修正后的模型少了50地形特征标注的精度提高了1