PDF版地形图矢量出现的问题

项目描述:已建风电场道路测绘项目,收集到的数据为PDF版本的地形图,图上标注了项目竣工时期的现状,之后项目对施工区域进行了复垦恢复地貌,现阶段需要准确的知道实际复垦修复之后的道路及其它临时用地的面积

解决方法:通过空间校正的方式利用PDF地形图图框的四角坐标对图形进行空间位置校正,然后矢量出竣工测绘时候矢量的临时用地范围作为本次复垦修复之后的范围界线

图像坐标清晰,可以进行空间校正操作,图形比例尺为1:10000,对图形矢量化之后可以准确的编绘出图中的红色区域。

实际矢量完成之后与我们新航拍的图之间有明显的差距,个别地方偏差达到了50m,但是四角坐标是没有问题的,具体问题出现在什么地方呢?

结合业主给提供的风机点位坐标,精确的定位到影像图上,发现我们这次航拍的图是正确的,空间校正得到的对方提供的图是错误的,具体是那个地方会出现问题?

我们可以还原一下出图的过程,本身这个图纸是1:10000的图纸,作图人员一定是取了一个整数倍的国家标准的比例尺,选择了1:10000,但是实际的出图过程中也许本图框就放不下它所要表达的内容,这个时候怎么办呢?

两种办法:

第一:重新定义图框,那么四角坐标就要改变

第二:适当的缩小比例,例如变成了1:10132,也是可以放下图的,但是这个时候四角坐标和实际的位置就不一致了,但是你还是用的1:10000下的四角坐标,其实这个时候你的图像下面就不能标注1:10000了,而且四角坐标也不是整数了

终于是找到原因了。

类似的情况再实际的工作中你会经常的遇到,自动地形图实现了电子化,原始的比例尺的概念也就成鸡肋了,过去没有完全电子化的年代,比例尺是有很大的用处的,你通过量取地形图上的距离根据比例尺就可以推断出实地的距离,这也是比例尺的用途,现如今的测绘,都是电子化,比例尺也就没有多大意义了,也仅仅是精度要求方面的约束条件,电子化的地形图说实话是1:1的概念,拓展到影像图比例尺也仅仅是规定了像素单元实际表达的实地的长度。

例如:分辨率1:500(0.05)、1:1000(0.1)、1:2000(0.2)

GB 50026-2020《工程测量标准》

CH T 9008.3-2010 基础地理信息数字成果1:500、1:1000、1:2000数字正射影像图

GB T 39612-2020《低空数字航摄与数据处理规范》

按照现在主流无人机采集数据的能力和携带的照相机,基本上最佳性价比是1:1000的地形图,按照35mm焦距照相机,地面的分辨率为8cm,飞行高度按下面的数据计算

1、主要的知识点是相似三角形,像元大小μm/焦距mm=GSDcm/航高m

2、大疆P1像元4.4μm,焦距35mm,求得的航高参数为79.5m对应1cm,也就是说500米航高地面的分辨率为6.29cm

3、大疆M3E像元3.3μm,焦距12mm,求得的航高参数为36m对应1cm,也就是说500米航高地面的分辨率为13.88cm

4、主流的A7R2像元4.5μm, 焦距35mm,求得的航高参数为77.8m

5、主流的A7R4像元3.8μm, 焦距35mm,求得的航高参数为92.1m

6、飞思像元3.8μm,焦距80mm,求得的航高参数为210.5m

7、原理很简单就是一个相似三角形,只需要知道像元大小和焦距即可,是不是很简单啊同学。

由一件实际工作想到的关于测绘目前状况,不对之处望指正告知!

相关推荐
RestCloud1 天前
如何用ETL做实时风控?从交易日志到告警系统的实现
数据库·数据仓库·kafka·数据安全·etl·数据处理·数据集成
闲人编程3 天前
Pydantic数据验证与序列化
数据库·python·microsoft·数据处理·pydantic·codecapsule
RestCloud4 天前
SQL Server到Oracle:不同事务机制下的数据一致性挑战
数据库·oracle·sqlserver·etl·cdc·数据处理·数据传输
RestCloud8 天前
神州通用数据库的 ETL 集成方案:兼容性与性能实战
数据库·数据仓库·etl·数据处理·数据集成·数据传输·神州通用
科研面壁者8 天前
SPSS——绘制三维条形图(3D条形图)
3d·信息可视化·spss·数据处理·科研绘图
996终结者9 天前
精通MATLAB中的数据标准化与归一化
matlab·数据处理·数据标准化
RestCloud9 天前
实时 vs 批处理:ETL在混合架构下的实践
数据仓库·etl·cdc·数据处理·批处理·数据传输·数据同步
zkl_zkl_10 天前
地理信息系统学习笔记——第六章 空间数据采集与处理
笔记·学习·数据处理·数据质量·空间数据
科研面壁者11 天前
Origin科研绘图——将“普通饼图”升级为“半环形饼图”
数据分析·origin·数据处理·科研绘图
Learn Beyond Limits14 天前
Data Preprocessing|数据预处理
大数据·人工智能·python·ai·数据挖掘·数据处理