主流测绘仪器以及数据后处理软件教程

简介: 主流测绘仪器以及数据后处理软件教程

主流测绘仪器以及数据后处理软件教程

国内主流仪器也就华测,中海达和南方测绘。所以下面分享的也是这三家仪器教程和各自的数据后处理软件教程。

中海达

中海达把他们的后处理软件整合在了一起,叫HBC,该软件包括GNSS静态数据处理、RTK测量、CAD制图、道路设计、DTM面设计、全站仪导线数据处理等功能。

软件下载地址如下:

https://www.zhdgps.com/detail/RTKruanjian-HBC

该软件教程导航如下,包含视频以及图文:

http://www.hi-survey.com:8080/VideoLesson/hbcindex.html

仪器教程

仪器教程在B站【中海达测绘服务】

南方测绘

南方测绘有个小程序,南方数码生态圈,里面包含了论坛和软件课程

ps:因为他没有给( $ _ $ )就不放地址了,大家自己搜吧


华测

地址如下

http://video-ls7.huace.cn:8085/menu.html

未来更新方向

航测后处理软件cc,pix3d,以及激光点云处理软件MicroStation软件和Terrasolid插件

可能还有海洋测绘的数据后处理软件教程,测绘行业知识科普等等。

目录
相关文章
|
8天前
光学雨量计自动化、高精度和实时监测降水量
光学雨量计是一种高精度测量降水量的理想解决方案。随着科技的进步,传统的雨量计存在一些局限性,如需要人工读取数据、易受环境影响等。而光学雨量计则利用光学原理,实现了自动化、高精度和实时监测降水量的功能。
光学雨量计自动化、高精度和实时监测降水量
|
6月前
|
传感器 监控 安全
光学雨量计:更灵敏可靠、更智能的降雨监测工具
光学雨量计:更灵敏可靠、更智能的降雨监测工具 降雨量信息是评估大气环境和降水研究的关键指标,也是环境监测和农业安全监测的重要参数。目前,我们通常使用翻斗式或光学雨量计来监测降雨量,这些工具能够感知自然界的降雨量,并将其转换为相应的开关信号输出,以满足信息传输、处理、记录和显示的需求。
光学雨量计:更灵敏可靠、更智能的降雨监测工具
|
定位技术
高分、环境等国产遥感卫星影像的获取方法
本文介绍高分(GF)与环境(HJ)等主要国产卫星遥感数据的免费下载(包括批量下载)方法~
645 2
高分、环境等国产遥感卫星影像的获取方法
|
传感器 机器学习/深度学习 编解码
盘一盘!实时自动驾驶车辆定位技术都有哪些?(视觉/Lidar/多传感器数据融合)(下)
与基于激光雷达的定位相比,基于视觉和数据融合的定位技术在提高精度方面的潜力约为2–5倍。基于激光雷达和视觉的定位可以通过提高图像配准方法的效率来降低计算复杂性。与基于激光雷达和视觉的定位相比,基于数据融合的定位可以实现更好的实时性能,因为每个独立传感器不需要开发复杂的算法来实现其最佳定位潜力。V2X技术可以提高定位鲁棒性。最后,讨论了基于定量比较结果的AVs定位的潜在解决方案和未来方向。
盘一盘!实时自动驾驶车辆定位技术都有哪些?(视觉/Lidar/多传感器数据融合)(下)
|
传感器 编解码 运维
盘一盘!实时自动驾驶车辆定位技术都有哪些?(视觉/Lidar/多传感器数据融合)(上)
与基于激光雷达的定位相比,基于视觉和数据融合的定位技术在提高精度方面的潜力约为2–5倍。基于激光雷达和视觉的定位可以通过提高图像配准方法的效率来降低计算复杂性。与基于激光雷达和视觉的定位相比,基于数据融合的定位可以实现更好的实时性能,因为每个独立传感器不需要开发复杂的算法来实现其最佳定位潜力。V2X技术可以提高定位鲁棒性。最后,讨论了基于定量比较结果的AVs定位的潜在解决方案和未来方向。
盘一盘!实时自动驾驶车辆定位技术都有哪些?(视觉/Lidar/多传感器数据融合)(上)
|
传感器 编解码 人工智能
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(上)
本文作者提出了一种鲁棒的车道检测和跟踪方法来检测车道线,该方法主要介绍了三个关键技术。首先,应用双边滤波器来平滑和保留边缘,引入了一个优化的强度阈值范围(OITR)来提高canny算子的性能,该算子检测低强度(有色、腐蚀或模糊)车道标记的边缘。第二,提出了一种稳健的车道验证技术,即基于角度和长度的几何约束(ALGC)算法,然后进行霍夫变换,以验证车道线的特征并防止不正确的车道线检测。最后,提出了一种新的车道线跟踪技术,即水平可调车道重新定位范围(HALRR)算法,该算法可以在左、右或两条车道标记在短时间内部分和完全不可见时跟踪车道位置。
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(上)
|
编解码 人工智能 算法
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(下)
本文作者提出了一种鲁棒的车道检测和跟踪方法来检测车道线,该方法主要介绍了三个关键技术。首先,应用双边滤波器来平滑和保留边缘,引入了一个优化的强度阈值范围(OITR)来提高canny算子的性能,该算子检测低强度(有色、腐蚀或模糊)车道标记的边缘。第二,提出了一种稳健的车道验证技术,即基于角度和长度的几何约束(ALGC)算法,然后进行霍夫变换,以验证车道线的特征并防止不正确的车道线检测。最后,提出了一种新的车道线跟踪技术,即水平可调车道重新定位范围(HALRR)算法,该算法可以在左、右或两条车道标记在短时间内部分和完全不可见时跟踪车道位置。
2022最新!更面向工业场景:基于视觉方案不同挑战下的车道检测与跟踪(下)
|
编解码 Serverless vr&ar
工业视觉中如何定量分析镜头光学性能
工业视觉中如何定量分析镜头光学性能
340 0
工业视觉中如何定量分析镜头光学性能
|
传感器 算法 机器人
各类开源激光slam算法比较
各类开源激光slam算法比较
|
传感器 数据采集 编解码
工业级高精度电磁流量计解决方案
工业级高精度电磁流量计解决方案
工业级高精度电磁流量计解决方案