测设最常用的传统方法有哪些

A. 测设点位的四种方法是,测设点位的基本方法有

1.直角坐标法：适用于矩形布置的场地，计算简便、精度可靠，但安置仪器次数多、效率低。
2.极坐标法：适用各种形状，安置一次仪器可测设多个点位，但计算工作量大。
3.角度交会法：适用距离较长，但计算工作量大，交会角在30度到120度为好。
4.距离交会法：适用场地平整，交会距离不宜超过钢尺长度的区域，故局限性大，适用范围小。
5.方向交会法：用于建筑物点平面位置的测设。

B. 传统大地测量都有哪些测量方法

通过精密角度测量、距离测量、水准测量确定地球及地面的形状与位置；通过重力测量确定地球形状与重力场；最重要的是通过以上结论、地球椭球面计算与投影变换确定地球几何模型。

C. 目标跟踪检测算法（一）——传统方法

姓名：刘帆；学号：20021210609；学院：电子工程学院

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

【嵌牛导读】目标跟踪算法研究难点与挑战在于实际复杂的应用环境 、背景相似干扰、光照条件的变化、遮挡等外界因素以及目标姿态变化，外观变形，尺度变化、平面外旋转、平面内旋转、出视野、快速运动和运动模糊等。而且当目标跟踪算法投入实际应用时，不可避免的一个问题——实时性问题也是非常的重要。正是有了这些问题，才使得算法研究充满着难点和挑战。

【嵌牛鼻子】目标跟踪算法，传统算法

【嵌牛提问】利用目标跟踪检测算法要达到何目的?第一阶段的单目标追踪算法包括什么?具体步骤有哪些?它们有何特点?

【嵌牛正文】

第一阶段

目标跟踪分为两个部分，一个是对指定目标寻找可以跟踪的特征，常用的有颜色，轮廓，特征点，轨迹等，另一个是对目标特征进行跟踪。

1、静态背景

1）背景差： 对背景的光照变化、噪声干扰以及周期性运动等进行建模。通过当前帧减去背景图来捕获运动物体的过程。

2）帧差： 由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标，从而实现目标的检测功能。

与二帧差分法不同的是，三帧差分法（交并运算）去除了重影现象，可以检测出较为完整的物体。帧间差分法的原理简单，计算量小，能够快速检测出场景中的运动目标。但帧间差分法检测的目标不完整，内部含有“空洞”，这是因为运动目标在相邻帧之间的位置变化缓慢，目标内部在不同帧图像中相重叠的部分很难检测出来。帧间差分法通常不单独用在目标检测中，往往与其它的检测算法结合使用。

3）Codebook

算法为图像中每一个像素点建立一个码本，每个码本可以包括多个码元（对应阈值范围），在学习阶段，对当前像素点进行匹配，如果该像素值在某个码元的学习阈值内，也就是说与之前出现过的某种历史情况偏离不大，则认为该像素点符合背景特征，需要更新对应点的学习阈值和检测阈值。

如果新来的像素值与每个码元都不匹配，则可能是由于动态背景导致，这种情况下，我们需要为其建立一个新的码元。每个像素点通过对应多个码元，来适应复杂的动态背景。

在应用时，每隔一段时间选择K帧通过更新算法建立CodeBook背景模型，并且删除超过一段时间未使用的码元。

4）GMM

混合高斯模型（Gaussian of Micture Models，GMM）是较常用的背景去除方法之一（其他的还有均值法、中值法、滑动平均滤波等）。

首先我们需要了解单核高斯滤波的算法步骤：

混合高斯建模GMM（Gaussian Mixture Model）作为单核高斯背景建模的扩展，是目前使用最广泛的一种方法，GMM将背景模型描述为多个分布，每个像素的R、G、B三个通道像素值的变化分别由一个混合高斯模型分布来刻画，符合其中一个分布模型的像素即为背景像素。作为最常用的一种背景建模方法，GMM有很多改进版本，比如利用纹理复杂度来更新差分阈值，通过像素变化的剧烈程度来动态调整学习率等。

5）ViBe（2011）

ViBe算法主要特点是随机背景更新策略，这和GMM有很大不同。其步骤和GMM类似。具体的思想就是为每个像素点存储了一个样本集，样本集中采样值就是该像素点过去的像素值和其邻居点的像素值，然后将每一个新的像素值和样本集进行比较来判断是否属于背景点。

其中pt（x）为新帧的像素值，R为设定值，p1、p2、p3….为样本集中的像素值，以pt（x）为圆心R为半径的圆被认为成一个集，当样本集与此集的交集大于设定的阈值#min时，可认为此为背景像素点（交集越大，表示新像素点与样本集越相关）。我们可以通过改变#min的值与R的值来改变模型的灵敏度。

Step1：初始化单帧图像中每个像素点的背景模型。假设每一个像素和其邻域像素的像素值在空域上有相似的分布。基于这种假设，每一个像素模型都可以用其邻域中的像素来表示。为了保证背景模型符合统计学规律，邻域的范围要足够大。当输入第一帧图像时，即t=0时，像素的背景模型。其中，NG（x,y）表示空域上相邻的像素值，f(xi,yi)表示当前点的像素值。在N次的初始化的过程中，NG（x,y）中的像素点(xi,yi)被选中的可能次数为L=1,2,3,…,N。

Step2：对后续的图像序列进行前景目标分割操作。当t=k时，像素点(x,y)的背景模型为BKm(x,y)，像素值为fk(x,y)。按照下面判断该像素值是否为前景。这里上标r是随机选的；T是预先设置好的阈值。当fk(x,y)满足符合背景#N次时，我们认为像素点fk(x,y)为背景，否则为前景。

Step3：ViBe算法的更新在时间和空间上都具有随机性。每一个背景点有1/ φ的概率去更新自己的模型样本值，同时也有1/ φ的概率去更新它的邻居点的模型样本值。更新邻居的样本值利用了像素值的空间传播特性，背景模型逐渐向外扩散，这也有利于Ghost区域的更快的识别。同时当前景点计数达到临界值时将其变为背景，并有1/ φ的概率去更新自己的模型样本值（为了减少缓慢移动物体的影响和摄像机的抖动）。

可以有如下总结，ViBe中的每一个像素点在更新的时候都有一个时间和空间上随机影响的范围，这个范围很小，大概3x3的样子，这个是考虑到摄像头抖动时会有坐标的轻微来回变化，这样虽然由于ViBe的判别方式仍认为是背景点，但是也会对后面的判别产生影响，为了保证空间的连续性，随机更新减少了这个影响。而在样本值保留在样本集中的概率随着时间的增大而变小，这就保证了像素模型在时间上面的延续特性。

6）光流

光流是由物体或相机的运动引起的图像对象在两个连续帧之间的视在运动模式。它是2D矢量场，其中每个矢量是一个位移矢量，显示点从第一帧到第二帧的移动。

光流实际上是一种特征点跟踪方法，其计算的为向量，基于三点假设：

1、场景中目标的像素在帧间运动时亮度（像素值或其衍生值）不发生变化；2、帧间位移不能太大；3、同一表面上的邻近点都在做相同的运动；

光流跟踪过程：1）对一个连续视频帧序列进行处理；2）对每一帧进行前景目标检测；3）对某一帧出现的前景目标，找出具有代表性的特征点（Harris角点）；4）对于前后帧做像素值比较，寻找上一帧在当前帧中的最佳位置，从而得到前景目标在当前帧中的位置信息；5）重复上述步骤，即可实现目标跟踪

2、运动场（分为相机固定，但是视角变化和相机是运动的）

1）运动建模（如视觉里程计运动模型、速度运动模型等）

运动学是对进行刚性位移的相机进行构型，一般通过6个变量来描述，3个直角坐标，3个欧拉角（横滚、俯仰、偏航）。

Ⅰ、对相机的运动建模

由于这个不是我们本次所要讨论的重点，但是在《概率机器人》一书中提出了很多很好的方法，相机的运动需要对图像内的像素做位移矩阵和旋转矩阵的坐标换算。除了对相机建立传统的速度运动模型外，也可以用视觉里程计等通关过置信度的更新来得到概率最大位置。

Ⅱ、对于跟踪目标的运动建模

该方法需要提前通过先验知识知道所跟踪的目标对象是什么，比如车辆、行人、人脸等。通过对要跟踪的目标进行建模，然后再利用该模型来进行实际的跟踪。该方法必须提前知道要跟踪的目标对象是什么，然后再去跟踪指定的目标，这是它的局限性，因而其推广性相对比较差。（比如已知跟踪的物体是羽毛球，那很容易通过前几帧的取点，来建立整个羽毛球运动的抛物线模型）

2）核心搜索算法（常见的预测算法有Kalman(卡尔曼)滤波、扩展卡尔曼滤波、粒子滤波）

Ⅰ、Kalman 滤波

Kalman滤波器是通过前一状态预测当前状态，并使用当前观测状态进行校正，从而保证输出状态平稳变化，可有效抵抗观测误差。因此在运动目标跟踪中也被广泛使用。

在视频处理的运动目标跟踪里，每个目标的状态可表示为(x,y,w,h)，x和y表示目标位置，w和h表示目标宽高。一般地认为目标的宽高是不变的，而其运动速度是匀速，那么目标的状态向量就应该扩展为(x,y,w,h,dx,dy)，其中dx和dy是目标当前时刻的速度。通过kalman滤波器来估计每个时刻目标状态的大致过程为：

对视频进行运动目标检测，通过简单匹配方法来给出目标的第一个和第二个状态，从第三个状态开始，就先使用kalman滤波器预测出当前状态，再用当前帧图像的检测结果作为观测值输入给kalman滤波器，得到的校正结果就被认为是目标在当前帧的真实状态。(其中，Zt为测量值，为预测值，ut为控制量，Kt为增益。)

Ⅱ、扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）

由于卡尔曼滤波的假设为线性问题，无法直接用在非线性问题上，EKF和UKF解决了这个问题（这个线性问题体现在用测量量来计算预测量的过程中）。EKF是通过构建线性函数g(x)，与非线性函数相切，并对每一时刻所求得的g（x）做KF，如下图所示。

UKF与EKF去求解雅可比矩阵拟合线性方程的方法不同，通过对那个先验分布中的采集点，来线性化随机变量的非线性函数。与EKF所用的方法不同，UKF产生的高斯分布和实际高斯分布更加接近，其引起的近似误差也更小。

Ⅲ、粒子滤波

1、初始状态：基于粒子滤波的目标追踪方法是一种生成式跟踪方法，所以要有一个初始化的阶段。对于第一帧图像，人工标定出待检测的目标，对该目标区域提出特征；

2、搜索阶段：现在已经知道了目标的特征，然后就在目标的周围撒点(particle), 如：a)均匀的撒点;b)按高斯分布撒点，就是近的地方撒得多，远的地方撒的少。论文里使用的是后一种方法。每一个粒子都计算所在区域内的颜色直方图，如初始化提取特征一样，然后对所有的相似度进行归一化。文中相似性使用的是巴氏距离；

3、重采样：根据粒子权重对粒子进行筛选，筛选过程中，既要大量保留权重大的粒子，又要有一小部分权重小的粒子；

4、状态转移：将重采样后的粒子带入状态转移方程得到新的预测粒子；

5、测量及更新：对目标点特征化，并计算各个粒子和目标间的巴氏距离，更新粒子的权重；

6、决策阶段：每个粒子都获得一个和目标的相似度，相似度越高，目标在该范围出现的可能性越高，将保留的所有粒子通过相似度加权后的结果作为目标可能的位置。

3）Meanshift算法

MeanShift算法属于核密度估计法，它不需要任何先验知识而完全依靠特征空间中样本点的计算其密度函数值。对于一组采样数据，直方图法通常把数据的值域分成若干相等的区间，数据按区间分成若干组，每组数据的个数与总参数个数的比率就是每个单元的概率值；核密度估计法的原理相似于直方图法，只是多了一个用于平滑数据的核函数。采用核函数估计法，在采样充分的情况下，能够渐进地收敛于任意的密度函数，即可以对服从任何分布的数据进行密度估计。

Meanshift算法步骤

1、通过对初始点（或者上一帧的目标点）为圆心，绘制一个半径为R的圆心，寻找特征和该点相似的点所构成的向量；

2、所有向量相加，可以获得一个向量叠加，这个向量指向特征点多的方向；

3、取步骤二的向量终点为初始点重复步骤一、二，直到得到的向量小于一定的阈值，也就是说明当前位置是特征点密度最密集的地方，停止迭代，认为该点为当前帧的目标点；

4）Camshift算法

Camshift算法是MeanShift算法的改进，称为连续自适应的MeanShift算法。Camshift 是由Meanshift 推导而来 Meanshift主要是用在单张影像上，但是独立一张影像分析对追踪而言并无意义，Camshift 就是利用MeanShift的方法，对影像串行进行分析。

1、首先在影像串行中选择目标区域。

2、计算此区域的颜色直方图（特征提取）。

3、用MeanShift算法来收敛欲追踪的区域。

4、通过目标点的位置和向量信息计算新的窗口大小，并标示之。

5、以此为参数重复步骤三、四。

Camshift 关键就在于当目标的大小发生改变的时候，此算法可以自适应调整目标区域继续跟踪。

3、小结

第一阶段的单目标追踪算法基本上都是传统方法，计算量小，在嵌入式等设备中落地较多，opencv中也预留了大量的接口。通过上面的两节的介绍，我们不难发现，目标检测算法的步骤分为两部分，一部分是对指定目标寻找可以跟踪的特征，常用的有颜色，轮廓，特征点，轨迹等，另一部分是对目标特征进行跟踪，如上文所提及的方法。所以目标检测方法的发展，也可总结为两个方面，一个是如何去获得更加具有区分性的可跟踪的稳定特征，另一个是如何建立帧与帧之间的数据关联，保证跟踪目标是正确的。

随着以概率为基础的卡尔曼滤波、粒子滤波或是以Meanshift为代表向量叠加方法在目标检测的运用，使得目标检测不再需要假设自身的一个状态为静止的，而是可以是运动的，更加符合复杂场景中的目标跟踪。

D. 确定平面点位的常用测量方法有哪些

三角测量，三边测量，导线测量，前方交会，后方交会，全站仪自由设站测坐标，GPS定位，惯性导航系统定位。

1、收集控制点资料，对控制点进行复测或检核，如不能满足放样要求，要进行补设或加密控制点。

2、对放样数据进行内业计算，做好放样资料数据准备。根据要放样的精度及点的密度，选择放样测量方式，如使用全站仪、水准仪还是RTK，或者钢尺等。

3、现场测量放样、钉桩。施工放样把设计图纸上工程建筑物的平面位置和高程，用一定的测量仪器和方法测设到实地上去的测量工作称为施工放样（也称施工放线）。

(4)测设最常用的传统方法有哪些扩展阅读：

平面位置和高程均通过对每个特征点的放样实现。特征点的放样通常采用极坐标法，也可用直角坐标法和交会法，高程放样则常用水准测量方法。

当待放样点同附近控制点的高差较大（如放样高层建筑某层或井下某点的高程）时，常用长钢尺代替水准尺测设高程，或用电磁波测距三角高程测量方法；放样竖直轴线可用吊锤、光学投点仪或激光铅垂仪等。

提高效率：除使用经纬仪、水准仪、全站仪、GPS外，还可以选择使用激光指向仪、激光铅垂仪、激光经纬仪、激光水准仪等，以提高放样速度和精度。

E. 简述测设点位的四种基本方法

测设点的平面位置有哪几种方法：
1、直角坐标法；
2、极坐标法；
3、角度交会法；
4、距离交会法；
5、方向交汇法。
测设是测量学的一部分，指通过用一定的测量方法，按照要求的精度，把设计图纸上规划设计好的建筑物、构筑物的平面位置和高程在地面上标定出来，作为施工的依据。
测设工作是根据工程设计图纸上待建的建筑物、构筑物的轴线位置、尺寸及其高程，算出待建的建筑物、构筑物各特征点（或轴线交点）与控制点（或已建成建筑物特征点）之间的距离、角度、高差等测设数据，然后以地面控制点为根据，将待建的建、构筑物的特征点在实地桩定出来，以便施工。
不论测设对象是建筑物还是构筑物，测设的基本工作是测设巳知的水平距离、水平角度和高程。

F. 勘探线、勘探网的测设

在地质勘探过程中，各种勘探工程如槽、井、钻孔和坑道等一般都是沿着一定直线方向布设的，这些直线叫勘探线。勘探线又彼此交叉构成一定形状的格网，称为勘探网。

（一）勘探线、勘探网的布设

1.布设形式

勘探工程的布设，一般是平行于矿体走向或者垂直于矿体走向。人们把平行于矿体走向的勘探线称为横向勘探线；垂直于矿体走向的勘探线称为纵向勘探线。纵、横勘探线相互交叉构成勘探网。勘探网的形状和密度由矿体的种类及产状确定。一般有正方形、矩形、菱形和平行线型，如图1-50所示。

2.勘探线的间距

勘探网中的各条勘探线之间一般都是等间距的，勘探线间的距离称为线距。线距的大小要根据矿床类型及储量勘探级别来定，常用10m，20m，50m的整数倍。每条勘探线上的工程间距称为点距，它是根据不同储量级别所规定的相邻工程在矿层面上的间距来确定的。

图1-50 勘探网布设示意图

3.勘探线的布设原则

为了控制勘探线和勘探网的测设精度，也必须遵循先整体后局部的原则，首先在矿区中布设一基线，然后再布设其他勘探线。

（二）勘探线、勘探网的测设

1）勘探线、勘探网的测设就是将基线与勘探线上的工程点测设于实地。

2）传统方法有极坐标法、角度交会法和距离交会法等，现在多采用全站仪坐标测设法。

3）利用全站仪的三维坐标测量功能可直接测量出基线端点、基点的高程和勘探线、勘探网的高程。

G. 放样（或测设）点位一般有哪几种方法

1、收集控制点资料，对控制点进行复测或检核，如不能满足放样要求，要进行补设或加密控制点。
2、对放样数据进行内业计算，做好放样资料数据准备。根据要放样的精度及点的密度，选择放样测量方式，如使用全站仪、水准仪还是RTK，或者钢尺等。
3、现场测量放样、钉桩。

施工放样（setting out）把设计图纸上工程建筑物的平面位置和高程，用一定的测量仪器和方法测设到实地上去的测量工作称为施工放样（也称施工放线）。 测图工作是利用控制点测定地面上地形特征点，缩绘到图上。施工放样则与此相反，是根据建筑物的设计尺寸，找出建筑物各部分特征点与控制点之间位置的几何关系，算得距离、角度、高程、坐标等放样数据，然后利用控制点，在实地上定出建筑物的特征点，据以施工。

方法
平面位置和高程均通过对每个特征点的放样实现。特征点的放样通常采用极坐标法，也可用直角坐标法和交会法，高程放样则常用水准测量方法。当待放样点同附近控制点的高差较大（如放样高层建筑某层或井下某点的高程）时，常用长钢尺代替水准尺测设高程，或用电磁波测距三角高程测量方法；放样竖直轴线可用吊锤、光学投点仪或激光铅垂仪等。
提高效率
除使用经纬仪、水准仪、全站仪、GPS外，还可以选择使用激光指向仪、激光铅垂仪、激光经纬仪、激光水准仪等，以提高放样速度和精度。

H. 点的平面位置测设方法有哪些

一般采用侧方交会、前方交会和后方交会这几种形式；

侧方交会用得比较多，就是用仪器架在一个已知点后，后视另一个已知点，用角度加距离确定测设点；

前方交会也有应用，就是分别将仪器架在两个已知点上，以对方为后视点，然后根据第三点坐标计算出的角度进行交会，这样不用计算距离，非常适合在中间有河流等障碍物的时候采用；

后方交会用得少，而且一般都是加设控制点时用，将仪器架在未知点上，通过测量与已知点之间的夹角反算未知点坐标；

还有就是距离交会，由两个已知点计算到测设点的距离，分别做圆，相交点就是测设点，这在电磁测距仪出现后应用的就多了，和前方交会原理差不多，一个用角度，一个用距离。

I. 测设的基本工作有哪几项点的平面位置的测设有哪几种方法各适用于什么场合

1）测设已知水平距离、测设已知水平角、测设已知高程；
（2）直角坐标法测设点位 矩形布置的场地与建筑物，且与定位依据平行或垂直。
极坐标法测设点位 各种形状的建筑物定位、放线均可。
角度交会法测设点位 距离较长、地形较复杂、不便量距的情况。
距离交会法测设点位 场地平整、易于量距且距离小于钢尺长度的情况。

J. 点的平面位置测设方法有哪几种

测设点的平面位置的常用方法有：直角坐标法、交会法（角度交会和距离交会）、极坐标法。以方格网或建筑基线作为施工控制，适于用直角坐标法进行建筑物特征点的测设，所需测设数据为待测点相对于角点（控制点）的纵、横坐标增量。在不宜到达的场地适于用交会法进行点位的测设。常用的交会法为角度交会，所需测设数据为交会角（至少 2个）；也可采用距离交会，所需测设数据为交会距离（至少2个）。极坐标法控制网的形式可以灵活布置，且测设方法较简单，故对一般施工场地的点位测设均适用，所需测设数据为一个水平角和一条水平距离。