測設最常用的傳統方法有哪些

A. 測設點位的四種方法是,測設點位的基本方法有

1.直角坐標法：適用於矩形布置的場地，計算簡便、精度可靠，但安置儀器次數多、效率低。
2.極坐標法：適用各種形狀，安置一次儀器可測設多個點位，但計算工作量大。
3.角度交會法：適用距離較長，但計算工作量大，交會角在30度到120度為好。
4.距離交會法：適用場地平整，交會距離不宜超過鋼尺長度的區域，故局限性大，適用范圍小。
5.方向交會法：用於建築物點平面位置的測設。

B. 傳統大地測量都有哪些測量方法

通過精密角度測量、距離測量、水準測量確定地球及地面的形狀與位置；通過重力測量確定地球形狀與重力場；最重要的是通過以上結論、地球橢球面計算與投影變換確定地球幾何模型。

C. 目標跟蹤檢測演算法（一）——傳統方法

姓名：劉帆；學號：20021210609；學院：電子工程學院

https://blog.csdn.net/qq_34919792/article/details/89893214

【嵌牛導讀】目標跟蹤演算法研究難點與挑戰在於實際復雜的應用環境 、背景相似干擾、光照條件的變化、遮擋等外界因素以及目標姿態變化，外觀變形，尺度變化、平面外旋轉、平面內旋轉、出視野、快速運動和運動模糊等。而且當目標跟蹤演算法投入實際應用時，不可避免的一個問題——實時性問題也是非常的重要。正是有了這些問題，才使得演算法研究充滿著難點和挑戰。

【嵌牛鼻子】目標跟蹤演算法，傳統演算法

【嵌牛提問】利用目標跟蹤檢測演算法要達到何目的?第一階段的單目標追蹤演算法包括什麼?具體步驟有哪些?它們有何特點?

【嵌牛正文】

第一階段

目標跟蹤分為兩個部分，一個是對指定目標尋找可以跟蹤的特徵，常用的有顏色，輪廓，特徵點，軌跡等，另一個是對目標特徵進行跟蹤。

1、靜態背景

1）背景差： 對背景的光照變化、雜訊干擾以及周期性運動等進行建模。通過當前幀減去背景圖來捕獲運動物體的過程。

2）幀差： 由於場景中的目標在運動，目標的影像在不同圖像幀中的位置不同。該類演算法對時間上連續的兩幀或三幀圖像進行差分運算，不同幀對應的像素點相減，判斷灰度差的絕對值，當絕對值超過一定閾值時，即可判斷為運動目標，從而實現目標的檢測功能。

與二幀差分法不同的是，三幀差分法（交並運算）去除了重影現象，可以檢測出較為完整的物體。幀間差分法的原理簡單，計算量小，能夠快速檢測出場景中的運動目標。但幀間差分法檢測的目標不完整，內部含有「空洞」，這是因為運動目標在相鄰幀之間的位置變化緩慢，目標內部在不同幀圖像中相重疊的部分很難檢測出來。幀間差分法通常不單獨用在目標檢測中，往往與其它的檢測演算法結合使用。

3）Codebook

演算法為圖像中每一個像素點建立一個碼本，每個碼本可以包括多個碼元（對應閾值范圍），在學習階段，對當前像素點進行匹配，如果該像素值在某個碼元的學習閾值內，也就是說與之前出現過的某種歷史情況偏離不大，則認為該像素點符合背景特徵，需要更新對應點的學習閾值和檢測閾值。

如果新來的像素值與每個碼元都不匹配，則可能是由於動態背景導致，這種情況下，我們需要為其建立一個新的碼元。每個像素點通過對應多個碼元，來適應復雜的動態背景。

在應用時，每隔一段時間選擇K幀通過更新演算法建立CodeBook背景模型，並且刪除超過一段時間未使用的碼元。

4）GMM

混合高斯模型（Gaussian of Micture Models，GMM）是較常用的背景去除方法之一（其他的還有均值法、中值法、滑動平均濾波等）。

首先我們需要了解單核高斯濾波的演算法步驟：

混合高斯建模GMM（Gaussian Mixture Model）作為單核高斯背景建模的擴展，是目前使用最廣泛的一種方法，GMM將背景模型描述為多個分布，每個像素的R、G、B三個通道像素值的變化分別由一個混合高斯模型分布來刻畫，符合其中一個分布模型的像素即為背景像素。作為最常用的一種背景建模方法，GMM有很多改進版本，比如利用紋理復雜度來更新差分閾值，通過像素變化的劇烈程度來動態調整學習率等。

5）ViBe（2011）

ViBe演算法主要特點是隨機背景更新策略，這和GMM有很大不同。其步驟和GMM類似。具體的思想就是為每個像素點存儲了一個樣本集，樣本集中采樣值就是該像素點過去的像素值和其鄰居點的像素值，然後將每一個新的像素值和樣本集進行比較來判斷是否屬於背景點。

其中pt（x）為新幀的像素值，R為設定值，p1、p2、p3….為樣本集中的像素值，以pt（x）為圓心R為半徑的圓被認為成一個集，當樣本集與此集的交集大於設定的閾值#min時，可認為此為背景像素點（交集越大，表示新像素點與樣本集越相關）。我們可以通過改變#min的值與R的值來改變模型的靈敏度。

Step1：初始化單幀圖像中每個像素點的背景模型。假設每一個像素和其鄰域像素的像素值在空域上有相似的分布。基於這種假設，每一個像素模型都可以用其鄰域中的像素來表示。為了保證背景模型符合統計學規律，鄰域的范圍要足夠大。當輸入第一幀圖像時，即t=0時，像素的背景模型。其中，NG（x,y）表示空域上相鄰的像素值，f(xi,yi)表示當前點的像素值。在N次的初始化的過程中，NG（x,y）中的像素點(xi,yi)被選中的可能次數為L=1,2,3,…,N。

Step2：對後續的圖像序列進行前景目標分割操作。當t=k時，像素點(x,y)的背景模型為BKm(x,y)，像素值為fk(x,y)。按照下面判斷該像素值是否為前景。這里上標r是隨機選的；T是預先設置好的閾值。當fk(x,y)滿足符合背景#N次時，我們認為像素點fk(x,y)為背景，否則為前景。

Step3：ViBe演算法的更新在時間和空間上都具有隨機性。每一個背景點有1/ φ的概率去更新自己的模型樣本值，同時也有1/ φ的概率去更新它的鄰居點的模型樣本值。更新鄰居的樣本值利用了像素值的空間傳播特性，背景模型逐漸向外擴散，這也有利於Ghost區域的更快的識別。同時當前景點計數達到臨界值時將其變為背景，並有1/ φ的概率去更新自己的模型樣本值（為了減少緩慢移動物體的影響和攝像機的抖動）。

可以有如下總結，ViBe中的每一個像素點在更新的時候都有一個時間和空間上隨機影響的范圍，這個范圍很小，大概3x3的樣子，這個是考慮到攝像頭抖動時會有坐標的輕微來回變化，這樣雖然由於ViBe的判別方式仍認為是背景點，但是也會對後面的判別產生影響，為了保證空間的連續性，隨機更新減少了這個影響。而在樣本值保留在樣本集中的概率隨著時間的增大而變小，這就保證了像素模型在時間上面的延續特性。

6）光流

光流是由物體或相機的運動引起的圖像對象在兩個連續幀之間的視在運動模式。它是2D矢量場，其中每個矢量是一個位移矢量，顯示點從第一幀到第二幀的移動。

光流實際上是一種特徵點跟蹤方法，其計算的為向量，基於三點假設：

1、場景中目標的像素在幀間運動時亮度（像素值或其衍生值）不發生變化；2、幀間位移不能太大；3、同一表面上的鄰近點都在做相同的運動；

光流跟蹤過程：1）對一個連續視頻幀序列進行處理；2）對每一幀進行前景目標檢測；3）對某一幀出現的前景目標，找出具有代表性的特徵點（Harris角點）；4）對於前後幀做像素值比較，尋找上一幀在當前幀中的最佳位置，從而得到前景目標在當前幀中的位置信息；5）重復上述步驟，即可實現目標跟蹤

2、運動場（分為相機固定，但是視角變化和相機是運動的）

1）運動建模（如視覺里程計運動模型、速度運動模型等）

運動學是對進行剛性位移的相機進行構型，一般通過6個變數來描述，3個直角坐標，3個歐拉角（橫滾、俯仰、偏航）。

Ⅰ、對相機的運動建模

由於這個不是我們本次所要討論的重點，但是在《概率機器人》一書中提出了很多很好的方法，相機的運動需要對圖像內的像素做位移矩陣和旋轉矩陣的坐標換算。除了對相機建立傳統的速度運動模型外，也可以用視覺里程計等通關過置信度的更新來得到概率最大位置。

Ⅱ、對於跟蹤目標的運動建模

該方法需要提前通過先驗知識知道所跟蹤的目標對象是什麼，比如車輛、行人、人臉等。通過對要跟蹤的目標進行建模，然後再利用該模型來進行實際的跟蹤。該方法必須提前知道要跟蹤的目標對象是什麼，然後再去跟蹤指定的目標，這是它的局限性，因而其推廣性相對比較差。（比如已知跟蹤的物體是羽毛球，那很容易通過前幾幀的取點，來建立整個羽毛球運動的拋物線模型）

2）核心搜索演算法（常見的預測演算法有Kalman(卡爾曼)濾波、擴展卡爾曼濾波、粒子濾波）

Ⅰ、Kalman 濾波

Kalman濾波器是通過前一狀態預測當前狀態，並使用當前觀測狀態進行校正，從而保證輸出狀態平穩變化，可有效抵抗觀測誤差。因此在運動目標跟蹤中也被廣泛使用。

在視頻處理的運動目標跟蹤里，每個目標的狀態可表示為(x,y,w,h)，x和y表示目標位置，w和h表示目標寬高。一般地認為目標的寬高是不變的，而其運動速度是勻速，那麼目標的狀態向量就應該擴展為(x,y,w,h,dx,dy)，其中dx和dy是目標當前時刻的速度。通過kalman濾波器來估計每個時刻目標狀態的大致過程為：

對視頻進行運動目標檢測，通過簡單匹配方法來給出目標的第一個和第二個狀態，從第三個狀態開始，就先使用kalman濾波器預測出當前狀態，再用當前幀圖像的檢測結果作為觀測值輸入給kalman濾波器，得到的校正結果就被認為是目標在當前幀的真實狀態。(其中，Zt為測量值，為預測值，ut為控制量，Kt為增益。)

Ⅱ、擴展卡爾曼濾波（EKF）和無跡卡爾曼濾波（UKF）

由於卡爾曼濾波的假設為線性問題，無法直接用在非線性問題上，EKF和UKF解決了這個問題（這個線性問題體現在用測量量來計算預測量的過程中）。EKF是通過構建線性函數g(x)，與非線性函數相切，並對每一時刻所求得的g（x）做KF，如下圖所示。

UKF與EKF去求解雅可比矩陣擬合線性方程的方法不同，通過對那個先驗分布中的採集點，來線性化隨機變數的非線性函數。與EKF所用的方法不同，UKF產生的高斯分布和實際高斯分布更加接近，其引起的近似誤差也更小。

Ⅲ、粒子濾波

1、初始狀態：基於粒子濾波的目標追蹤方法是一種生成式跟蹤方法，所以要有一個初始化的階段。對於第一幀圖像，人工標定出待檢測的目標，對該目標區域提出特徵；

2、搜索階段：現在已經知道了目標的特徵，然後就在目標的周圍撒點(particle), 如：a)均勻的撒點;b)按高斯分布撒點，就是近的地方撒得多，遠的地方撒的少。論文里使用的是後一種方法。每一個粒子都計算所在區域內的顏色直方圖，如初始化提取特徵一樣，然後對所有的相似度進行歸一化。文中相似性使用的是巴氏距離；

3、重采樣：根據粒子權重對粒子進行篩選，篩選過程中，既要大量保留權重大的粒子，又要有一小部分權重小的粒子；

4、狀態轉移：將重采樣後的粒子帶入狀態轉移方程得到新的預測粒子；

5、測量及更新：對目標點特徵化，並計算各個粒子和目標間的巴氏距離，更新粒子的權重；

6、決策階段：每個粒子都獲得一個和目標的相似度，相似度越高，目標在該范圍出現的可能性越高，將保留的所有粒子通過相似度加權後的結果作為目標可能的位置。

3）Meanshift演算法

MeanShift演算法屬於核密度估計法，它不需要任何先驗知識而完全依靠特徵空間中樣本點的計算其密度函數值。對於一組采樣數據，直方圖法通常把數據的值域分成若干相等的區間，數據按區間分成若干組，每組數據的個數與總參數個數的比率就是每個單元的概率值；核密度估計法的原理相似於直方圖法，只是多了一個用於平滑數據的核函數。採用核函數估計法，在采樣充分的情況下，能夠漸進地收斂於任意的密度函數，即可以對服從任何分布的數據進行密度估計。

Meanshift演算法步驟

1、通過對初始點（或者上一幀的目標點）為圓心，繪制一個半徑為R的圓心，尋找特徵和該點相似的點所構成的向量；

2、所有向量相加，可以獲得一個向量疊加，這個向量指向特徵點多的方向；

3、取步驟二的向量終點為初始點重復步驟一、二，直到得到的向量小於一定的閾值，也就是說明當前位置是特徵點密度最密集的地方，停止迭代，認為該點為當前幀的目標點；

4）Camshift演算法

Camshift演算法是MeanShift演算法的改進，稱為連續自適應的MeanShift演算法。Camshift 是由Meanshift 推導而來 Meanshift主要是用在單張影像上，但是獨立一張影像分析對追蹤而言並無意義，Camshift 就是利用MeanShift的方法，對影像串列進行分析。

1、首先在影像串列中選擇目標區域。

2、計算此區域的顏色直方圖（特徵提取）。

3、用MeanShift演演算法來收斂欲追蹤的區域。

4、通過目標點的位置和向量信息計算新的窗口大小，並標示之。

5、以此為參數重復步驟三、四。

Camshift 關鍵就在於當目標的大小發生改變的時候，此演算法可以自適應調整目標區域繼續跟蹤。

3、小結

第一階段的單目標追蹤演算法基本上都是傳統方法，計算量小，在嵌入式等設備中落地較多，opencv中也預留了大量的介面。通過上面的兩節的介紹，我們不難發現，目標檢測演算法的步驟分為兩部分，一部分是對指定目標尋找可以跟蹤的特徵，常用的有顏色，輪廓，特徵點，軌跡等，另一部分是對目標特徵進行跟蹤，如上文所提及的方法。所以目標檢測方法的發展，也可總結為兩個方面，一個是如何去獲得更加具有區分性的可跟蹤的穩定特徵，另一個是如何建立幀與幀之間的數據關聯，保證跟蹤目標是正確的。

隨著以概率為基礎的卡爾曼濾波、粒子濾波或是以Meanshift為代表向量疊加方法在目標檢測的運用，使得目標檢測不再需要假設自身的一個狀態為靜止的，而是可以是運動的，更加符合復雜場景中的目標跟蹤。

D. 確定平面點位的常用測量方法有哪些

三角測量，三邊測量，導線測量，前方交會，後方交會，全站儀自由設站測坐標，GPS定位，慣性導航系統定位。

1、收集控制點資料，對控制點進行復測或檢核，如不能滿足放樣要求，要進行補設或加密控制點。

2、對放樣數據進行內業計算，做好放樣資料數據准備。根據要放樣的精度及點的密度，選擇放樣測量方式，如使用全站儀、水準儀還是RTK，或者鋼尺等。

3、現場測量放樣、釘樁。施工放樣把設計圖紙上工程建築物的平面位置和高程，用一定的測量儀器和方法測設到實地上去的測量工作稱為施工放樣（也稱施工放線）。

(4)測設最常用的傳統方法有哪些擴展閱讀：

平面位置和高程均通過對每個特徵點的放樣實現。特徵點的放樣通常採用極坐標法，也可用直角坐標法和交會法，高程放樣則常用水準測量方法。

當待放樣點同附近控制點的高差較大（如放樣高層建築某層或井下某點的高程）時，常用長鋼尺代替水準尺測設高程，或用電磁波測距三角高程測量方法；放樣豎直軸線可用吊錘、光學投點儀或激光鉛垂儀等。

提高效率：除使用經緯儀、水準儀、全站儀、GPS外，還可以選擇使用激光指向儀、激光鉛垂儀、激光經緯儀、激光水準儀等，以提高放樣速度和精度。

E. 簡述測設點位的四種基本方法

測設點的平面位置有哪幾種方法：
1、直角坐標法；
2、極坐標法；
3、角度交會法；
4、距離交會法；
5、方向交匯法。
測設是測量學的一部分，指通過用一定的測量方法，按照要求的精度，把設計圖紙上規劃設計好的建築物、構築物的平面位置和高程在地面上標定出來，作為施工的依據。
測設工作是根據工程設計圖紙上待建的建築物、構築物的軸線位置、尺寸及其高程，算出待建的建築物、構築物各特徵點（或軸線交點）與控制點（或已建成建築物特徵點）之間的距離、角度、高差等測設數據，然後以地面控制點為根據，將待建的建、構築物的特徵點在實地樁定出來，以便施工。
不論測設對象是建築物還是構築物，測設的基本工作是測設巳知的水平距離、水平角度和高程。

F. 勘探線、勘探網的測設

在地質勘探過程中，各種勘探工程如槽、井、鑽孔和坑道等一般都是沿著一定直線方向布設的，這些直線叫勘探線。勘探線又彼此交叉構成一定形狀的格網，稱為勘探網。

（一）勘探線、勘探網的布設

1.布設形式

勘探工程的布設，一般是平行於礦體走向或者垂直於礦體走向。人們把平行於礦體走向的勘探線稱為橫向勘探線；垂直於礦體走向的勘探線稱為縱向勘探線。縱、橫勘探線相互交叉構成勘探網。勘探網的形狀和密度由礦體的種類及產狀確定。一般有正方形、矩形、菱形和平行線型，如圖1-50所示。

2.勘探線的間距

勘探網中的各條勘探線之間一般都是等間距的，勘探線間的距離稱為線距。線距的大小要根據礦床類型及儲量勘探級別來定，常用10m，20m，50m的整數倍。每條勘探線上的工程間距稱為點距，它是根據不同儲量級別所規定的相鄰工程在礦層面上的間距來確定的。

圖1-50 勘探網布設示意圖

3.勘探線的布設原則

為了控制勘探線和勘探網的測設精度，也必須遵循先整體後局部的原則，首先在礦區中布設一基線，然後再布設其他勘探線。

（二）勘探線、勘探網的測設

1）勘探線、勘探網的測設就是將基線與勘探線上的工程點測設於實地。

2）傳統方法有極坐標法、角度交會法和距離交會法等，現在多採用全站儀坐標測設法。

3）利用全站儀的三維坐標測量功能可直接測量出基線端點、基點的高程和勘探線、勘探網的高程。

G. 放樣（或測設）點位一般有哪幾種方法

1、收集控制點資料，對控制點進行復測或檢核，如不能滿足放樣要求，要進行補設或加密控制點。
2、對放樣數據進行內業計算，做好放樣資料數據准備。根據要放樣的精度及點的密度，選擇放樣測量方式，如使用全站儀、水準儀還是RTK，或者鋼尺等。
3、現場測量放樣、釘樁。

施工放樣（setting out）把設計圖紙上工程建築物的平面位置和高程，用一定的測量儀器和方法測設到實地上去的測量工作稱為施工放樣（也稱施工放線）。 測圖工作是利用控制點測定地面上地形特徵點，縮繪到圖上。施工放樣則與此相反，是根據建築物的設計尺寸，找出建築物各部分特徵點與控制點之間位置的幾何關系，算得距離、角度、高程、坐標等放樣數據，然後利用控制點，在實地上定出建築物的特徵點，據以施工。

方法
平面位置和高程均通過對每個特徵點的放樣實現。特徵點的放樣通常採用極坐標法，也可用直角坐標法和交會法，高程放樣則常用水準測量方法。當待放樣點同附近控制點的高差較大（如放樣高層建築某層或井下某點的高程）時，常用長鋼尺代替水準尺測設高程，或用電磁波測距三角高程測量方法；放樣豎直軸線可用吊錘、光學投點儀或激光鉛垂儀等。
提高效率
除使用經緯儀、水準儀、全站儀、GPS外，還可以選擇使用激光指向儀、激光鉛垂儀、激光經緯儀、激光水準儀等，以提高放樣速度和精度。

H. 點的平面位置測設方法有哪些

一般採用側方交會、前方交會和後方交會這幾種形式；

側方交會用得比較多，就是用儀器架在一個已知點後，後視另一個已知點，用角度加距離確定測設點；

前方交會也有應用，就是分別將儀器架在兩個已知點上，以對方為後視點，然後根據第三點坐標計算出的角度進行交會，這樣不用計算距離，非常適合在中間有河流等障礙物的時候採用；

後方交會用得少，而且一般都是加設控制點時用，將儀器架在未知點上，通過測量與已知點之間的夾角反算未知點坐標；

還有就是距離交會，由兩個已知點計算到測設點的距離，分別做圓，相交點就是測設點，這在電磁測距儀出現後應用的就多了，和前方交會原理差不多，一個用角度，一個用距離。

I. 測設的基本工作有哪幾項點的平面位置的測設有哪幾種方法各適用於什麼場合

1）測設已知水平距離、測設已知水平角、測設已知高程；
（2）直角坐標法測設點位 矩形布置的場地與建築物，且與定位依據平行或垂直。
極坐標法測設點位 各種形狀的建築物定位、放線均可。
角度交會法測設點位 距離較長、地形較復雜、不便量距的情況。
距離交會法測設點位 場地平整、易於量距且距離小於鋼尺長度的情況。

J. 點的平面位置測設方法有哪幾種

測設點的平面位置的常用方法有：直角坐標法、交會法（角度交會和距離交會）、極坐標法。以方格網或建築基線作為施工控制，適於用直角坐標法進行建築物特徵點的測設，所需測設數據為待測點相對於角點（控制點）的縱、橫坐標增量。在不宜到達的場地適於用交會法進行點位的測設。常用的交會法為角度交會，所需測設數據為交會角（至少 2個）；也可採用距離交會，所需測設數據為交會距離（至少2個）。極坐標法控制網的形式可以靈活布置，且測設方法較簡單，故對一般施工場地的點位測設均適用，所需測設數據為一個水平角和一條水平距離。