精华内容
下载资源
问答
  • 测量平差软件合集

    2018-05-29 11:06:00
    测量平差软件集合测量平差软件集合测量平差软件集合测量平差软件集合测量平差软件集合
  • 测量平差软件

    2018-04-05 10:44:51
    测量平差软件,导线,水准,三角测量平差,简单容易上手。
  • 测量平差课件

    2015-12-28 15:21:51
    测量平差原理课件,详细的介绍了测量平差的基本原理以及数学背景,值得研读。
  • 测量平差.doc

    2021-09-09 18:45:02
    测量平差.doc
  • 武汉大学测量平差

    2013-06-05 16:03:49
    武汉大学测量平差武汉大学测量平差武汉大学测量平差武汉大学测量平差
  • 测量平差算例

    2019-02-09 22:31:45
    测量平差算例,作者: 张炎烈,编著,出版社: 青海人民出版社,测量各类平差算例,对平差计算有很好用处
  • 测量平差(上)

    2018-12-18 15:39:32
    测量平差上册为职业教育教材,讲述了误差理论与测量平差的准则,条件平差原理,发方程组成和解算
  • 测量平差程序

    2015-07-23 20:46:33
    测量平差程序包括条件平差、间接平差、附有限制条件的间接平差。
  • 宋力杰-测量平差程序设计 宋力杰-测量平差程序设计 源码 数据 宋力杰-测量平差程序设计 宋力杰-测量平差程序设计 源码 数据 c++ vc6.0
  • 水准测量平差计算.ppt

    2021-08-14 10:43:55
    水准测量平差计算.ppt
  • 水准测量平差软件

    2019-03-07 16:57:56
    水准测量平差
  • 测量平差计算器

    2015-07-24 19:19:24
    测量平差计算器,供测绘工程相关专业参考学习
  • MATLAB处理测量平差

    2018-02-06 15:15:24
    matlab处理测量平差问题,对测量平差所需要的大量数据的矩阵求解有着较好的解决。
  • 测量平差中的序贯平差,冯永兴,,在测量平差中,若测量网中的数据较少时,可以用整体平差,若测量网中的数据较多时,而且在这些数据中是在不同时期所得到的,可以
  • 测量平差间接平差的VC程序测量平差间接平差的VC程序
  • 测量累必看的,涵盖很多的知识的哦,不看后悔哦在!!!!看过就知道哦!!!!!!
  • 测量平差课件
  • 测量平差教程中的GPS网平差源码程序,可以直接使用。原书中的作者已进行过测试。在实际工程中,已经进行了应用。感谢原作者的分享。供大家参考使用。
  • 测量平差是什么来的?测量平差是德国数学家高斯于1821~1823年在汉诺威弧度测量的三角网平差中首次应用,以后经过许多科学家的不断完善,下面是学习啦带来的测量平差实习心得体会,仅供参考。测量平差实习心得一为期...

    测量平差是什么来的?测量平差是德国数学家高斯于1821~1823年在汉诺威弧度测量的三角网平差中首次应用,以后经过许多科学家的不断完善,下面是学习啦带来的测量平差实习心得体会,仅供参考。

    测量平差实习心得一

    为期两周的实习在不断地学习、尝试、修正的过程中圆满结束了。这次实习让我对许多问题有了深刻的认识。我认识到编程的重要性,认识到自学能力的重要性,认识到从书本到实践还有很长一段路要走。

    熟练掌握一门或多门编程语言,会让我们处理专业问题时更加得心应手。

    在这次实习过程中,我的很多同学都是通过编程序完成的实习,还有一部分同学是自己计算(用计算器或者Matlab)。比较这两种办法,繁琐与简便不言而喻。我是通过编写Matlab程序完成实习的。其实很多不同的程序都可以解决这次的实习问题,实习时通过同学之间的交流知道,大家有用C的,有用C#的,还有用excel的,这些都可以很好地解决问题。看着那些计算的火热的同学,我深刻地认识到了学会编程的重要性,而编程语言有很多,我们只需要精通一到两门就可以了,这个对我们将来的工作有很大的帮助。

    我们在平时一定要注重培养自己的自学能力,自学能力真的是一项很重要的能力。

    这次实习过程中,遇到了很多不懂的知识,这些不懂的地方都是我求助百度解决的。值得一提的是,这次实习中,我参考了一篇论文(《基于Matlab的水准网平差设计》作者系兰州交通大学教授),我的这两个程序的很多巧妙之处都是参考那篇论文的。我想如果我不看那篇论文的话,不会很好的编写出这两个程序的。也通过这件事,我认识到我们一定要培养自己的自学能力,增强自己利用有利外界条件的本领。

    这次实习,我深刻的认识到了书本到实践的路是长且艰。

    记得上学期学平差和Matlab时,自己学得很轻松,可是到实习时,发现运用学习到的知识很好地解决实际问题真的很难,这个时候我们经常会遇到许多新的问题,这个时候就需要我们对所学到的知识进行二次学习,在这个过程中,我的逻辑思维和编程思维得到了很大的锻炼,也加强了把实际问题转化为数学模型,进而转化为程序算法的能力。

    除了上面提到的,在实习过程中,我分析问题的能力,解决问题的能力得到了提升,同时也增加了我的自信,我相信在以后的学习生活中,只要我努力,没有解决不了的困难,没有达不到的目标。

    这次实习收获颇丰,再此感谢学院为我们安排了这次实习,也感谢在实习过程中给予我帮助和指导的老师。

    测量平差实习心得二

    实习对于我来说是很陌生的字眼,因为我十几年的学生生涯没有经历过实习,这是第一次实习,他将全面检验我各方面的能力:学习、心理、身体、思想等等。就像一块试金石,检验我能否将所学理论知识用到实践中去。关系到我将来能否顺利的立足于这个充满挑战的社会中。

    由于时间短暂,在那几个礼拜里就接触到这些东西,但是我很知足。

    不实践很多问题都考虑不到,实践后才知道什么情况都可能遇到,这就要求我们必须有丰富的实践经验,像刚刚走出校门的实习生实践经验还很不丰富,但理论中的东西要是也什么都不会,那在实习过程中就吃不开了。到了施工现场经过一段时间的实习,才体会到并不是课本中学的东西用不上,而是要看你会不会用,懂不懂得变通和举一反三的道理。

    实习的内容:

    一开始到这工地了解施工图纸,自己慢慢一边走一边看.还是看不出什么问题出来.只看见框架柱和基础面.木工棚.钢筋棚等….隔几天,李师傅叫我小李跟他一起去放线,放线是建筑的基础,对于我们初学者是必要的。在此期间,我对水准仪﹑经纬仪有了更好的了解,更熟悉的操作了测量仪器,更让我在工地上实践了仪器的观测,使我适应了在不同条件下操作仪器。

    这个工地我主要负责放线和打标高.有时候还帮别人在搞土方测量,测标高,是一种让我们在更恶劣的条件下适应实地操作的技能,要适应最恶劣的环境才能更好的锻炼自己,让我们学到更多更坚实。在土方工地是最累人的事,每天带着水准仪跑上跑下的.还要完成测量任务,这是一个对于我刚实习的大学生是一种挑战,也是一个体现我适应能力的考验。

    伴随测量工作的同时,我们也要做一些其他事情,充实我们的实习生活。挖土、挖石子、搬砖……是锻炼我的意志。虽然我对于这些锻炼效果不佳,但在此同时也磨练了我,让我知道工作的辛苦的,我要慢慢适应工地生活。

    二个月的时间过去了,二个月的生活总算是充实的,该做的也做过了,该经历的也在慢慢经历,相信今后还有更精彩的生活,我会更努力去奋斗。

    实习的经验及收获:

    本此实习最大的收获就是学会了适应环境。通过这次实习我适应了这种工地生活。虽说以后不一定去工地工作,但有了这段时间的锻炼,不论以后做什么工作心中都有了一种吃苦耐劳的毅力,也学会了适应环境。另外就是在工地上知道了一些与学校不同的问题,就是在工地上知道了作为一名技术人员应该怎样去和工人交流等。

    通过这次实习使我对建筑方面的有关知识在实际上有了更深一些的了解。应该说在学校学习再多的专业知识也只是理论上的,与实际还是有点差别的。这次实习对我的识图能力都有一定的帮助,识图时知道哪些地方该注意、须细心计算。在结构上哪些地方须考虑施工时的安全问题,在放线时哪些地方该考虑实际施工中的问题。达到能施工又符合规范要求,达到设计、施工标准化。没有这次实习也许只是用书本上的理论知识,不会考虑太多的问题,更不可能想到自己看到的图纸是否能施工。工地虽苦,但能学的是一些现实东西,锻炼的是解决问题的实践能力。

    实习二个月后有必要好好总结一下,首先,通过这个月的实习,通过实践,使我学到了很多实践知识。所谓实践是检验真理的唯一标准,通过亲身经历,使我近距离的观察了整个建筑的构造过程,学到了很多很适用的具体施工知识,这些知识往往是我在学校很少接触,很少注意的,但又是十分重要基础的知识。

    大学生活是紧张而又充满期望的日子,学习的闲暇时总是憧憬着背起行囊,远离亲人朋友以及师长护佑,去走真正属于自己的路。然而当我终于可以像刚刚长满羽毛的雏鹰般离开长者们搭建好的巢穴,独自一人走上社会工作这个大舞台时,却发现人生的道路原来是如此的坎坷不平,任何人的成功都是经历一番狂风暴雨的。短短60天的实习生活中,让我学会了不少东西,会对我以后工作有很大帮助的,这是我人生的第一次走入社会,第一次走向工作,感觉生活真的很不容易。

    实习实质是毕业前的模拟演练,在即将走向社会,踏上工作岗位之即,这样的磨砺很重要。希望人生能由此延展开来,真正使所学所想有用武之地。

    测量平差实习心得三

    测量是一项务实求真的工作,半点马虎都不行,在测量实习中必须保持数据的原始性,这也是很重要的。为了确保计算的正确性和有效性,必须得反复核对各个测点的数据是否正确。我在测量中不可避免的犯下一些错误,比如读数不够准确,气泡没居中等等,都会引起一些误差。

    因此,我在测量中内业计算和测量同时进行,这样就可以及时发现错误,及时纠正,同时也避免了很多不必要的麻烦,节省了时间,也提高了工作效率。 测量也是一项精确的工作,通过测量学的学习和实习,在我的脑海中形成了一个基本的测量学的轮廓。测量学内容主要包括测定和测设两个部分,要完成的任务在宏观上是进行精密控制,从微观方面讲,测量学的任务为工程测量实习心得 测量是一项务实求真的工作,半点马虎都不行,在测量实习中必须保持数据的原始性,这也是很重要的。为了确保计算的正确性和有效性,必须得反复核对各个测点的数据是否正确。我在测量中不可避免的犯下一些错误,比如读数不够准确,气泡没居中等等,都会引起一些误差。因此,我在测量中内业计算和测量同时进行,这样就可以及时发现错误,及时纠正,同时也避免了很多不必要的麻烦,节省了时间,也提高了工作效率。

    测量也是一项精确的工作,通过测量学的学习和实习,在我的脑海中形成了一个基本的测量学的轮廓。测量学内容主要包括测定和测设两个部分,要完成的任务在宏观上是进行精密控制,从微观方面讲,测量学的任务为按照要求测绘各种比例尺地形图;为各个领域提供定位和定向服务,建立工程控制网,辅助设备安装,检测建筑物变形的任务以及工程竣工服务等。而这一任务是所有测量学的三个基本元素的测量实现的:角度测量、距离测量、高程测量。 在这次实习中,我学到了测量的实际能力,更有面对困难的忍耐力。首先,是熟悉了水准仪、光学经纬仪、全站仪的用途,熟练了水准仪、全站仪的使用方法,掌握了仪器的检验和校正的方法;其次,在对数据的检查和校正的过程中,明白了各种测量误差的来源,其主要有三方面:

    1、仪器误差、外界影响误差(如温度、大气折射等)、观测误差。了解如何避免测量结果误差,最大限度的就是减少误差的出现,即要做到在仪器选择上要选择精度较高的合适仪器。

    2、提高自身的测量水平,降低误差。

    3、通过各种处理数据的数学方法如:多次测量取平均数等来减少误差。除此之外,还应掌握一套科学的测量方法,在测量中要遵循一定的测量原则,如“从整体带局部”、“先控制后碎步”、“由高级到低级”的工作原则,并做到步步有检核。

    这样做不但可以防止误差的积累,及时发现错误,更可以提高测量的效率。通过工程实践,学会了数字化地形图的绘制和碎步的测量等课堂上无法做到的东西,很大程度上提高了动手和动脑的能力。我觉的不管什么时候,自己都应该去伸手去拿,而不是等着别人拿东西给你。不是有句话说机会总是给又准备的人吗。我们在平常就应该让自己全面的发展。利用可以利用的一切资源,去发掘自己的潜力,让知识武装自己。只有这样你才能成为一个强者。

    实习的结束,只是一个时期的结束。自己学到的体会到的会对将来自己的学习工作生活起到积极的作用。学习是一个没有尽头的事情。只有去坚持,不懈的努力,你才会收获自己想要的。

    猜你感兴趣:

    展开全文
  • 该资源为河海大学820测量平差历年考研真题汇编,资源高清无水印哦! 该资源为河海大学820测量平差历年考研真题汇编,资源高清无水印哦!
  • 清华山维98测量平差软件
  • GPS测量平差程序

    2013-09-28 23:04:46
    GPS测量平差程序
  • 测量平差之间接平差

    万次阅读 多人点赞 2015-08-11 08:31:38
    今年3月份的时候我在公司写一个算法接触到测量平差理论,感慨于它的算法的优美,利用最小二乘而又独成体系,在测量拟合中发挥着巨大的作用。但网上关于它的描述甚少,更不用说好的实现代码,我将写两篇文章来说一下...

    今年3月份的时候我在公司写一个算法接触到测量平差理论,感慨于它的算法的优美,利用最小二乘而又独成体系,在测量拟合中发挥着巨大的作用。但网上关于它的描述甚少,更不用说好的实现代码,我将写两篇文章来说一下间接平差和附加限制条件的间接平差,这一篇先说间接平差。
    在测量拟合中,由于观测结果不可避免地存在着误差,因此,如何处理带有误差的观测值,找出待求量的最佳估值,是最小二乘平差所研究的内容。在一个平差问题中,当所选的独立参数 X ^ \hat{X} X^的个数等于必要观测数 t t t时,可将每个观测值表达成这 t t t个参数的函数,组成观测方程,这种以观测方程为函数模型的平差方法,就是间接平差。用数学语言描述就是:通过在映射 B B B的像上的平差拉回到原像来间接地反映原像上的平差过程的算法
    一般而言,如果某平差问题有 n n n个观测值, t t t个必要观测值,选择 t t t个独立量作为平差参数 X ^ t 1 \underset{t1}{\hat{X}} t1X^,则每个观测值必定可以表达成这 t t t个参数的函数,即有: L ^ n 1 = F ( X ^ ) \underset{n1}{\hat{L}}=F\left ( \hat{X} \right ) n1L^=F(X^)如果表达式是线性的,一般为: L ^ n 1 = B n t X ^ t 1 + d n 1 \underset{n1}{\hat{L}}=\underset{nt}{B}\underset{t1}{\hat{X}}+\underset{n1}{d} n1L^=ntBt1X^+n1d其中自由度是: r = n − t r=n-t r=nt
    平差时,一般对参数 X ^ \hat{X} X^都要取近似值 X 0 X^{0} X0,令 X ^ = X 0 + x ^ \hat{X}=X^{0}+\hat{x} X^=X0+x^代入上式,并令 l = L − ( B X 0 + d ) = L − L 0 l=L- \left ( BX^{0}+d \right ) =L-L^{0} l=L(BX0+d)=LL0 L 0 = B X 0 + d L^{0}=BX^{^{0}}+d L0=BX0+d为观测值的近似值,所以 l l l是观测值与其近似值之差,由此可得误差方程 V = B x ^ − l V=B\hat{x}-l V=Bx^l平差准则为 V T P V = m i n V^{T}PV=min VTPV=min以上是基本原理,下面就逐步推到得到平差公式。
    设有 n n n个观测值方程为: L 1 + v 1 = a 1 X 1 ^ + b 1 X 2 ^ + ⋯ + t 1 X t ^ + d 1 L 2 + v 2 = a 2 X 1 ^ + b 2 X 2 ^ + ⋯ + t 2 X t ^ + d 2 ⋯ L n + v n = a n X 1 ^ + b n X 2 ^ + ⋯ + t n X t ^ + d n \begin{matrix} L_{1}+v_{1}=a_{1}\hat{X_{1}}+b_{1}\hat{X_{2}}+\cdots +t_{1}\hat{X_{t}}+d_{1}\\ L_{2}+v_{2}=a_{2}\hat{X_{1}}+b_{2}\hat{X_{2}}+\cdots +t_{2}\hat{X_{t}}+d_{2}\\ \cdots \\ L_{n}+v_{n}=a_{n}\hat{X_{1}}+b_{n}\hat{X_{2}}+\cdots +t_{n}\hat{X_{t}}+d_{n} \end{matrix} L1+v1=a1X1^+b1X2^++t1Xt^+d1L2+v2=a2X1^+b2X2^++t2Xt^+d2Ln+vn=anX1^+bnX2^++tnXt^+dn X j ^ = X j 0 + x j ^ ( j = 1 , 2 , ⋯   , t ) \hat{X_{j}}=X_{j}^{0}+\hat{x_{j}}\left ( j=1,2,\cdots ,t \right ) Xj^=Xj0+xj^(j=1,2,,t) l i = L i − ( a i X 1 ^ + b i X 2 ^ + ⋯ + t i X t ^ + d i ) ( i = 1 , 2 , ⋯   , n ) l_{i}=L_{i}-\left ( a_{i}\hat{X_{1}}+b_{i}\hat{X_{2}}+\cdots +t_{i}\hat{X_{t}}+d_{i} \right )\left ( i=1,2,\cdots ,n \right ) li=Li(aiX1^+biX2^++tiXt^+di)(i=1,2,,n)可得最终的误差方程为 v i = a i x 1 ^ + b i x 2 ^ + ⋯ + t i x t ^ − l i ( i = 1 , 2 , ⋯   , n ) v_{i}= a_{i}\hat{x_{1}}+b_{i}\hat{x_{2}}+\cdots +t_{i}\hat{x_{t}}-l_{i}\left ( i=1,2,\cdots ,n \right ) vi=aix1^+bix2^++tixt^li(i=1,2,,n)其中: B n t = [ a 1 b 1 ⋯ t 1 a 2 b 2 ⋯ t 2 ⋮ ⋮ ⋮ a n b n ⋯ t n ] \underset{nt}{B}=\begin{bmatrix} a_{1}& b_{1} & \cdots & t_{1}\\ a_{2}& b_{2}& \cdots& t_{2}\\ \vdots& \vdots & & \vdots\\ a_{n}& b_{n}& \cdots& t_{n} \end{bmatrix} ntB=a1a2anb1b2bnt1t2tn V n 1 = [ v 1 v 2 ⋯ v n ] T \underset{n1}{V}=\begin{bmatrix} v_{1} & v_{2} & \cdots & v_{n} \end{bmatrix}^{T} n1V=[v1v2vn]T x t 1 ^ = [ x ^ 1 x ^ 2 ⋯ x ^ t ] T \hat{\underset{t1}{x}}=\begin{bmatrix} \hat{x}_{1}& \hat{x}_{2}& \cdots & \hat{x}_{t} \end{bmatrix}^{T} t1x^=[x^1x^2x^t]T l n 1 = [ l 1 l 2 ⋯ l n ] T \underset{n1}{l}=\begin{bmatrix} l_{1}& l_{2}& \cdots & l_{n} \end{bmatrix}^{T} n1l=[l1l2ln]T按最小二乘原理,可得:
    ∂ V T P V ∂ x ^ = 2 V T P ∂ V ∂ x ^ = V T P B = 0 \frac{\partial V^{T}PV}{\partial \hat{x}}=2V^{T}P\frac{\partial V}{\partial \hat{x}}=V^{T}PB=0 x^VTPV=2VTPx^V=VTPB=0
    上述方程与 V = B x ^ − l V=B\hat{x}-l V=Bx^l联立,解得: B T P B x ^ − B T P l = 0 B^{T}PB\hat{x}-B^{T}Pl=0 BTPBx^BTPl=0 N B B = B T P B , W = B T P l N_{BB}=B^{T}PB,W=B^{T}Pl NBB=BTPB,W=BTPl上式可简写为: N B B x ^ − W = 0 N_{BB}\hat{x}-W=0 NBBx^W=0式中系数阵 N B B N_{BB} NBB为满秩, x ^ \hat{x} x^有唯一解,上式称为间接平差的法方程。解之得: x ^ = N B B − 1 W \hat{x}=N_{BB}^{-1}W x^=NBB1W从而平差结果为: X ^ = X 0 + x ^ \hat{X}=X^{0}+\hat{x} X^=X0+x^其中, P P P是观测数据的协因数阵的逆矩阵,一般可认为是单位矩阵。
    下面是具体的代码实现,其中基本的矩阵运算没有在下面给出,在矩阵算法相关代码,如有需要可以下载。

    template<class T>
    void GetWu1(T Wu1[],const T *matrixB,const T *l,int N,int U)
    {
    	T *transposedB=new T[N*U];
    	MatrixTranspose(matrixB,transposedB,N,U);
    	MultMatrix(transposedB,l,Wu1,U,N,1);
    
    	delete [] transposedB;
    }
    
    template<class T>
    void GetNBB(T nbb[],const T *matrixB,int N,int U)
    {
    	T *transposedB=new T[N*U];
    	MatrixTranspose(matrixB,transposedB,N,U);
    	MultMatrix(transposedB,matrixB,nbb,U,N,U);
    
    	delete [] transposedB;
    }
    
    /// <summary>   
    /// 间接平差
    /// </summary>     
    /// <param name="correction">返回的改正数</param> 
    /// <param name="matrixB"></param>
    /// <param name="l"></param>
    /// <param name="N"></param>
    /// <param name="U"></param>
    //
    template<class T>
    void GetCorrection(T correction[],const T *matrixB,const T *l,int N,int U)
    {
    	T *nbb=new T[U*U];
    	T *inverseForNbb=new T[U*U];
    	T *Wu1=new T[U];
    
    	GetNBB(nbb,matrixB,N,U);
    	MatrixAnti(nbb,inverseForNbb,U);
    	GetWu1(Wu1,matrixB,l,N,U);
    
    	MultMatrix(inverseForNbb,Wu1,correction,U,U,1);
    
    	delete [] nbb;
    	delete [] inverseForNbb;
    	delete [] Wu1;
    }
    

    最后再说一下精度评定,首先通过下面的公式得到单位权中误差: σ ^ 0 = V T P V n − t \hat{\sigma }_{0}=\sqrt{\frac{V^{T}PV}{n-t}} σ^0=ntVTPV 其中 n n n为方程数, t t t为拟合向量的维数。平差值的协因数阵根据下面公式求得: Q x ^ x ^ = N B B − 1 Q_{\hat{x}\hat{x}}=N_{BB}^{-1} Qx^x^=NBB1假定间接平差问题中有 t t t个参数,设参数的函数为: φ ^ = ϕ ( X 1 ^ , X 2 ^ , ⋯   , X t ^ ) \hat{\varphi }=\phi \left ( \hat{X_{1}},\hat{X_{2}},\cdots ,\hat{X_{t}} \right ) φ^=ϕ(X1^,X2^,,Xt^)为求函数$\phi 的 中 误 差 , 先 对 上 式 全 微 分 得 权 函 数 式 为 : 的中误差,先对上式全微分得权函数式为: d φ ^ = f 1 d X 1 ^ + f 2 d X 2 ^ + ⋯ + f t d X t ^ d\hat{\varphi }=f_{1}d\hat{X_{1}}+f_{2}d\hat{X_{2}}+\cdots+ f_{t}d\hat{X_{t}} dφ^=f1dX1^+f2dX2^++ftdXt^ 令 令 F^{T}=\begin{bmatrix}
    f_{1} & f_{2} & \cdots & f_{t}
    \end{bmatrix} , 则 函 数 ,则函数 \hat{\varphi } 的 协 因 数 阵 为 : 的协因数阵为: Q φ ^ φ ^ = F T Q x ^ x ^ F = F T N B B − 1 F Q_{\hat{\varphi }\hat{\varphi }}=F^{T}Q_{\hat{x}\hat{x}}F=F^{T}N_{BB}^{-1}F Qφ^φ^=FTQx^x^F=FTNBB1F$
    最后由下面公式可算得平差值函数的中误差: σ ^ φ ^ = σ ^ 0 × Q φ ^ φ ^ \hat{\sigma }_{\hat{\varphi}} = \hat{\sigma }_{0}\times \sqrt{Q_{\hat{\varphi }\hat{\varphi }}} σ^φ^=σ^0×Qφ^φ^

    参考文献:
    [1] 误差理论与测量平差基础 武汉大学测绘学院测量平差学科组编著

    转载请注明出处:http://blog.csdn.net/fourierFeng/article/details/47272167

    展开全文
  • 测量平差程序设计

    2016-05-06 16:53:11
    测量平差程序设计》以C语言作为编程语言,详细讨论了各种平差方法的程序设计原理、编程思路、编程技巧,给出了完整的程序代码和应用算例。平差方法包括参数平差、条件平差、具有条件的参数平差、具有参数的条件...
  • 测量平差程序代码

    2016-05-08 13:49:50
    入门级的测量平差程序,有不错的参考价值。
  • 导线测量平差破解版3.0,含有注册机,可以进行导线测量的近似平差和严密平差。
  • 在大吉山钨矿区井下采场测量工作实际...文中所提出并研究的采场测量近似平差法从根本上解决了急倾斜薄矿体采场测量平差问题,不仅极大地提高了采场测量精度和工作效率,而且对于指导井下测量平差工作具有较大参考价值。

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 2,236
精华内容 894
关键字:

测量平差