least-squares-adjustment:observation
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen angezeigt.
Beide Seiten der vorigen RevisionVorhergehende ÜberarbeitungNächste Überarbeitung | Vorhergehende Überarbeitung | ||
least-squares-adjustment:observation [2019/07/13 14:12] – [Richtung/Azimut] Michael Lösler | least-squares-adjustment:observation [2022/11/30 14:06] (aktuell) – Michael Lösler | ||
---|---|---|---|
Zeile 15: | Zeile 15: | ||
^ 2D-Punkt | ^ 2D-Punkt | ||
^ 3D-Punkt | ^ 3D-Punkt | ||
+ | ^ Lotabweichungen | ||
- | Das [[: | + | Das [[: |
- | JAG3D unterstützt eine integrierte, | + | < |
+ | {{: | ||
+ | < | ||
+ | </ | ||
+ | |||
+ | JAG3D unterstützt eine integrierte, | ||
+ | Abbildung {{ref> | ||
+ | |||
+ | Werden die Koordinatendifferenzen zwischen zwei Punkten mit | ||
$$ | $$ | ||
\begin{pmatrix} | \begin{pmatrix} | ||
- | \Delta y \\ | ||
\Delta x \\ | \Delta x \\ | ||
+ | \Delta y \\ | ||
\Delta z \\ | \Delta z \\ | ||
\end{pmatrix} = | \end{pmatrix} = | ||
\begin{pmatrix} | \begin{pmatrix} | ||
- | y_z - y_s \\ | ||
x_z - x_s \\ | x_z - x_s \\ | ||
+ | y_z - y_s \\ | ||
z_z - z_s \\ | z_z - z_s \\ | ||
\end{pmatrix} | \end{pmatrix} | ||
Zeile 37: | Zeile 46: | ||
$$ | $$ | ||
\begin{pmatrix} | \begin{pmatrix} | ||
- | \Delta v\\ | ||
\Delta u\\ | \Delta u\\ | ||
+ | \Delta v\\ | ||
\Delta w | \Delta w | ||
\end{pmatrix} = \mathbf{R}_s | \end{pmatrix} = \mathbf{R}_s | ||
\begin{pmatrix} | \begin{pmatrix} | ||
- | \Delta y\\ | ||
\Delta x\\ | \Delta x\\ | ||
+ | \Delta y\\ | ||
\Delta z | \Delta z | ||
\end{pmatrix} - | \end{pmatrix} - | ||
Zeile 49: | Zeile 58: | ||
0\\ | 0\\ | ||
0\\ | 0\\ | ||
- | h_s | + | ih |
- | \end{pmatrix} + \mathbf{R}_s\mathbf{R}^T_z | + | \end{pmatrix} + \mathbf{R}_s\mathbf{R}^{\mathrm{T}}_z |
\begin{pmatrix} | \begin{pmatrix} | ||
0\\ | 0\\ | ||
0\\ | 0\\ | ||
- | h_z | + | th |
\end{pmatrix} | \end{pmatrix} | ||
$$ | $$ | ||
Zeile 72: | Zeile 81: | ||
\end{pmatrix}$$ | \end{pmatrix}$$ | ||
- | worin $\zeta_y$ und $\zeta_x$ die Drehwinkel zur Beschreibung der Lotabweichungen | + | Hierin stellen |
+ | |||
+ | Das gemeinsame Datum kann durch einen Fundamentalpunkt (Principal Point) $\mathbf{P}_0$ definiert werden. | ||
+ | In diesem Fall sind für $\mathbf{P}_0$ die globalen geographischen Koordinaten $\lambda_0$ und $\phi_0$ vorzugeben, sodass die resultierende Ellipsoidnormale das lokale (tangentiale) Koordinatensystem in $\begin{pmatrix}x_0 & y_0 & z_0\end{pmatrix}^{\mathrm{T}}$ definiert, welches durch $N_0 + h_0$ ggf. noch entlang dieses Normalenvektors zu verschieben ist, siehe Abbildung {{ref> | ||
+ | |||
+ | Die $xyz$-Koordinaten in diesem Datum können durch die bekannte [[https:// | ||
+ | |||
+ | $$\begin{pmatrix}y_i \\ x_i \\ z_i\end{pmatrix} = | ||
+ | \begin{pmatrix} | ||
+ | y_0 \\ | ||
+ | x_0 \\ | ||
+ | z_0 | ||
+ | \end{pmatrix} | ||
+ | + | ||
+ | \begin{pmatrix} | ||
+ | -\sin\lambda_0 & \cos\lambda_0 | ||
+ | -\sin\phi_0\cos\lambda_0 & -\sin\phi_0\sin\lambda_0 & \cos\phi_0 \\ | ||
+ | | ||
+ | \end{pmatrix} | ||
+ | \begin{pmatrix} | ||
+ | X_i - X_0 \\ | ||
+ | Y_i - Y_0 \\ | ||
+ | Z_i - Z_0 | ||
+ | \end{pmatrix}$$ | ||
+ | |||
+ | < | ||
+ | {{: | ||
+ | < | ||
+ | </ | ||
+ | |||
+ | ermittelt werden. Hierin sind $\mathbf{P}^{\mathrm{T}}_i = \begin{pmatrix}X & Y & Z\end{pmatrix}$ die globalen (geozentrischen) Koordinaten und $\begin{pmatrix}x & y & z\end{pmatrix}^{\mathrm{T}}$ die korrespondierenden lokalen Koordinaten des $i$-ten Punktes $\mathbf{P}_i$. | ||
+ | Die beiden Winkel $\zeta_{x, | ||
+ | |||
+ | Wird ein lokales ellipsoidisches Koordinatensystem verwendet und zusätzlich $\zeta_{x, | ||
- | Das im folgenden aufgeführte stochastische Modell wird herangezogen, | ||
===== Terrestrische Beobachtungen ===== | ===== Terrestrische Beobachtungen ===== | ||
- | Im folgenden | + | Im Folgenden |
// | // | ||
Zeile 85: | Zeile 126: | ||
==== Nivellement ==== | ==== Nivellement ==== | ||
- | ^ Funktionales Modell | + | ^ Funktionales Modell |
^ Stochastisches Modell | $\sigma_{\delta h} = \sqrt{\sigma_a^2 + \sigma_b^2 d + (\sigma_c d)^2}$ | ^ Stochastisches Modell | $\sigma_{\delta h} = \sqrt{\sigma_a^2 + \sigma_b^2 d + (\sigma_c d)^2}$ | ||
^ Punktdimension | 1D, 3D | | ^ Punktdimension | 1D, 3D | | ||
^ Zusatzparameter | Maßstab $m$ | | ^ Zusatzparameter | Maßstab $m$ | | ||
+ | |||
+ | (Bemerkung: $w^*$ bezieht sich auf das lokale System des Zielpunktes) | ||
==== Richtung/ | ==== Richtung/ | ||
- | ^ Funktionales Modell | + | ^ Funktionales Modell |
^ Stochastisches Modell | $\sigma_t = \sqrt{\sigma_a^2 + \left(\frac{\sigma_b} {\sqrt d} \right)^2 + \left(\frac{\sigma_c} d \right)^2 } $ | | ^ Stochastisches Modell | $\sigma_t = \sqrt{\sigma_a^2 + \left(\frac{\sigma_b} {\sqrt d} \right)^2 + \left(\frac{\sigma_c} d \right)^2 } $ | | ||
^ Punktdimension | 2D, 3D | | ^ Punktdimension | 2D, 3D | | ||
Zeile 116: | Zeile 159: | ||
^ Punktdimension | 3D | | ^ Punktdimension | 3D | | ||
^ Zusatzparameter | Refraktionskoeffizient $k$ | | ^ Zusatzparameter | Refraktionskoeffizient $k$ | | ||
- | (Bemerkung: $R = 6371~\rm{km}$ entspricht dem mittleren | + | (Bemerkung: $R$ entspricht dem Erdradius |
===== GNSS-Basislinien ===== | ===== GNSS-Basislinien ===== | ||
- | Im Gegensatz zu den terrestrischen Beobachtungen, | + | Im Gegensatz zu den terrestrischen Beobachtungen, |
==== 1D-Basislinien ==== | ==== 1D-Basislinien ==== | ||
- | ^ Funktionales Modell | + | ^ Funktionales Modell |
^ Stochastisches Modell | $\sigma_{\delta z} = \sqrt{\sigma_a^2 + \sigma_b^2 d + \sigma_c^2 d^2}$ | | ^ Stochastisches Modell | $\sigma_{\delta z} = \sqrt{\sigma_a^2 + \sigma_b^2 d + \sigma_c^2 d^2}$ | | ||
^ Punktdimension | 1D, 3D | | ^ Punktdimension | 1D, 3D | | ||
Zeile 132: | Zeile 175: | ||
==== 2D-Basislinien ==== | ==== 2D-Basislinien ==== | ||
- | ^ Funktionales Modell | + | ^ Funktionales Modell |
- | ^ Stochastisches Modell | $\mathbf{C_b} = \begin{pmatrix} \sigma_{\delta | + | ^ Stochastisches Modell | $\mathbf{C_b} = \begin{pmatrix} \sigma_{\delta |
^ Punktdimension | ^ Punktdimension | ||
^ Zusatzparameter | Maßstab $m$, Drehwinkel in Matrix $\mathbf{R}$ | ^ Zusatzparameter | Maßstab $m$, Drehwinkel in Matrix $\mathbf{R}$ | ||
Zeile 139: | Zeile 182: | ||
==== 3D-Basislinien ==== | ==== 3D-Basislinien ==== | ||
- | ^ Funktionales Modell | + | ^ Funktionales Modell |
- | ^ Stochastisches Modell | $\mathbf{C_b} = \begin{pmatrix} \sigma_{\delta | + | ^ Stochastisches Modell | $\mathbf{C_b} = \begin{pmatrix} \sigma_{\delta |
^ Punktdimension | 3D | | ^ Punktdimension | 3D | | ||
^ Zusatzparameter | Maßstab $m$, 3 Drehwinkel in Matrix $\mathbf{R}$ | ^ Zusatzparameter | Maßstab $m$, 3 Drehwinkel in Matrix $\mathbf{R}$ | ||
Zeile 158: | Zeile 201: | ||
==== 2D-Punkt ==== | ==== 2D-Punkt ==== | ||
- | ^ Funktionales Modell | + | ^ Funktionales Modell |
- | ^ Stochastisches Modell | $\mathbf{C_P} = \begin{pmatrix} \sigma_y^2 & 0 \\ 0 & \sigma_x^2 \end{pmatrix}$ | + | ^ Stochastisches Modell | $\mathbf{C_P} = \begin{pmatrix} \sigma_x^2 & 0 \\ 0 & \sigma_y^2 \end{pmatrix}$ |
^ Punktdimension | 2D | | ^ Punktdimension | 2D | | ||
Zeile 165: | Zeile 208: | ||
==== 3D-Punkt ==== | ==== 3D-Punkt ==== | ||
- | ^ Funktionales Modell | + | ^ Funktionales Modell |
- | ^ Stochastisches Modell | $\mathbf{C_P} = \begin{pmatrix} \sigma_y^2 & 0 & 0 \\ 0 & \sigma_x^2 & 0 \\ 0 & 0 & \sigma_z^2 \end{pmatrix}$ | + | ^ Stochastisches Modell | $\mathbf{C_P} = \begin{pmatrix} \sigma_x^2 & 0 & 0 \\ 0 & \sigma_y^2 & 0 \\ 0 & 0 & \sigma_z^2 \end{pmatrix}$ |
^ Punktdimension | 3D | | ^ Punktdimension | 3D | | ||
+ | |||
+ | ===== Lotabweichung bzw. Stehachsrestneigung ===== | ||
+ | |||
+ | Bei räumlichen Präzisionsnetzen oder Netzen mit großer Ausdehnung ist die Annahme von parallelen Lotrichtungen für alle (Stand-)Punkte häufig nicht zutreffend. Hier empfiehlt es sich, zusätzliche Parameter zur Kompensation der Lotabweichung bzw. Stehachsrestneigung ins Ausgleichungsmodell zu integrieren. Neben der Berücksichtigung von klassischen terrestrischen Instrumenten wie bspw. Tachymetern können durch die integrierte, | ||
+ | |||
+ | ^ Funktionales Modell | ||
+ | ^ Stochastisches Modell | $\mathbf{C_\zeta} = \begin{pmatrix} \sigma_{\zeta_x}^2 & 0 \\ 0 & \sigma_{\zeta_y}^2 \end{pmatrix}$ |
least-squares-adjustment/observation.1563019976.txt.gz · Zuletzt geändert: 2019/07/13 14:12 von Michael Lösler