Skip to content

Latest commit

 

History

History
133 lines (94 loc) · 6.58 KB

api.md

File metadata and controls

133 lines (94 loc) · 6.58 KB

数据格式介绍

measurefit 是完全面向过程的，没有任何自定义数据结构，类，全部采用python的基础容器实现。非常简单，高效。可以和json，yaml进行导入导出。

点数据

points = [
    ('A', 8986.68, 5705.03, 0, True),
    ('B', 13737.37, 10501.92, 0, True),
    ('C', 6642.27, 14711.75, 0, True),
    ('D', 10122.12, 10312.47, 0, False)
]

点数据用一个python的tuple或list，分别是 Name, X, Y, H, Type。Type表示是否是已知点。

观测数据

measures = [
    ('ang', 'B', 'A', 'E', 1.58635, None),  
    ('station', 'B', None),  
    ('dir', 'B', 'E', 0.221017, None),
    ('dist', 'D', 'C', 6523.643, None),
    ('lev', 'A', 'B', 12.75, None)
]

观测数据分多种，同样用一个tuple或list表示。

  • 角度：[ang, p1, p2, p3, value, sta]
  • 测站：[station, name, h0] 测站无需观测值，但携带了一个自由定向角，所以在方向观测之前，必须插入一个station记录。h0 是测站高程（概略即可），主要是用于做投影高程改正，如无需改正可给None。
  • 方向：[dir, p1, p2, value, sta]
  • 平距：[dist, p1, p2, value, sta]
  • 水准：[lev, p1, p2, value, sta]

备注：

  • 单位：上述距离观测值 m 为单位，角度观测弧度为单位。测量上惯用小数点表示度分秒，我们提供了dms2rs对观测数据进行转换。

  • 精度：sta表示观测精度，中误差。距离观测 mm 为单位，角度观测 ″ 为单位，如果指定则用给定精度进行平差，填None，求解器会利用原始测角测距精度进行推导。水准观测有时也会利用距离定权，用距离定权的时候，sta请输入距离的负数，m为单位，系统会用1km作为单位权。

  • 观测精度给0表示约束条件，求解器将使用拉格朗日乘数进行约束平差求解。

扩展观测数据

measures = [
    ('station', 'TN1', None),
    ('ts', 'TN1', 'TN2', 0, 0.00163, 612.41862),
    ('axhd', 'TN1', 'TN2', 0.79, 0.16, 788,90, None, None, None)
]

扩展观测数据不是独立直接观测量，不能直接纳入求解器。是为了简化输入，需要使用转换函数进行转换。

  • 全站仪观测：[ts, p1, p2, ax, ay, l]
  • 方向高差平距观测：[axhd, ax, h, d dax, dh, d]

转换方法：

  • ts2ahds 函数将 ts 观测转换为 axhd 观测，这个过程中观测精度将自动计算并传播给 axhd 观测。
  • splitmeas 将 axhd 观测分解为 dir, lev, dist 观测，进而求解。

解算点位成果

rst = [('Px', 999.8374, 577.3316, 100.0019, False, 3.06, -0.65, -0.65, 1.45, 6.29)]

成果点位数据：[Name, X, Y, H, Type, Dxx, Dxy, Dyx, Dyy, Dhh] 后面分别是平面协方差以及高差方差。携带协方差信息，可以方便的计算点位精度，长短轴，以及多站同点成果融合。

通用求解函数

通用模型求解函数，传入测点数据，观测数据，即可进行平差。这部分的函数，在 经典案例 中有详细的用法演示。

solve(pts, meas, maxiter=3, accu=0.1, db=1, dk=1, da=1, iter=False, lw=2)

参数说明

  • pts: 测点数据 参考 数据格式
  • meas: 观测数据，已知条件约束的精度给0，参考 数据格式
  • maxiter: 迭代次数（类型: 整数，默认值: 3），规定次数内不收敛则抛出异常
  • accu: 迭代精度控制（类型: 浮点数，默认值: 0.1，单位: mm）
  • db: 测距固定误差（类型: 浮点数，默认值: 1，单位: mm）
  • dk: 测距比例误差（类型: 浮点数，默认值: 1，单位: ppm）
  • da: 测角误差（类型: 浮点数，默认值: 1，单位: ″）
  • iter: 是否使用序贯方式求解（类型: bool，默认值: False）
  • lw: 距离定权方式（类型: 整数, 1. (db + dk * l) ^ 2, 2. db ^ 2 + (dk * l) ^ 2， 默认值:2）

返回值

  • pts: 含有点位信息及点位精度信息的 list， 参考 数据格式
  • info: 含有各个原始观测，观测平差值，观测精度的 list
  • sta: 类型：float，单位权方差，开方后得单位权中误差

异常

  • Exception: 如果单步改正量大于 accu，且达到 maxiter 次数，则抛出异常。

高效求解函数

这部分的函数，在 高效求解 中有详细的用法演示，此处只做简要说明。

backward_x(pts, meas, db=1, dk=1e-3, da=1, accu=1e-1, maxiter=3) 后方交汇，meas必须是从某个未知点看向若干已知点的观测记录。参数参考 solve

polar(pts, meas) 极坐标求解，观测必须是从已知点看向若干未知点，第一个是定向点

merge_xyh(xyhs) 融合同一个点的多个极坐标解算结果

merge_xyhs(xyhss) 融合多组极坐标解算结果，每一组可以包含若干点，不要求每组测点相同

forward_x(pts, meas) 前方交汇，meas必须是符合 polar 要求的观测，或几个符合polar要求观测的拼接

预处理函数

这部分的函数，在 数据预处理 中有详细的用法演示，此处只做简要说明。

dms2r(v) 将小数形式的度分秒，转换成弧度值

dms2rs(meas) 传入观测列表，对里面的ts， angle， direction观测进行批量dms2r转换。

count_ppm(t, h, p) 根据温度，湿度，气压，计算距离改正比，单位ppm

ts_adjust(mea, b=0, k=1, ppm=0) 将一个 ts 观测进行加乘常数改正，以及气象ppm改正

ts_adjusts(meas, b=0, k=1, ppm=0) 将观测列表进行批量加乘常数，以及气象ppm改正

ts2ahd(mea, db, dk, da, K=0) 将一个 ts (ax, ay, l) 观测，进行球气差改正，转axhd (ax, h, d), 并进行精度传导

ts2ahds(meas, db, dk, da, K=0) 将观测列表中的 ts (ax, ay, l) 进行批量球气差改正，转axhd (ax, h, d), 并进行精度传导

def distproj(mea, h, h0) 将平距投影到统一水准面上，h 是测站测点平距高程，h0是目标投影高程

def distprojs(meas, h0) 将观测列表中的axdh （ax, h, d）的平距批量投影到 h0 高度。当前高度会利用meas中的station高程自动计算。

splitmeas 将axhd观测，分解成 dir, level, dist 观测，并分配精度。

输出函数

mapping(pts, info=None, sta=0.0) 将 solve 成果添加key，转成json

report(pts, info=None, sta=0.0) 将 solve 成果编制成可阅读的文本

plot(pts, info, sta) 将 solve 成果绘制出网点图