基于激光测距的高海拔地区土方开挖标高快速测量方法与流程

1.本发明涉及数据处理技术领域，具体涉及基于激光测距的高海拔地区土方开挖标高快速测量方法。


背景技术：

2.高海拔地区土方开挖标高是指在山区或高海拔地区进行土方工程时，通过测量土方开挖的高度或标高，用于决策土方开挖的深度、土方堆放的高度、挖方和填方的平衡等；基于激光测距技术的激光测距仪具有高精度和高效率的特点，以及可以在复杂地形和条件下进行测量，因此广泛用于测量土方开挖，但受到高海拔地区的恶劣环境影响，例如气温、气压和光照湿度带来的大气折射形成的“大气阻挡窗”效应，影响激光束的传播速度和路径，从而影响测量结果的准确性；因此需要提取测量数据中的异常数据，分析后用于校正或修正监测结果。
3.受限于高海拔地区环境与测量条件的限制，因此选择环境适应力强、采集时间短，在测量距离为百米级、精度分米级的土方开挖标高环境中具有明显优势的脉冲激光测距系统；受到高海拔自然环境带来的测量精度，以及目标发生漫反射受到目标反射率的影响带来的测量稳定性问题，通常对测量结果进行多次重复测量，并取平均值来减小测量误差对实际场景的影响；但取平均值的过程中并没有考虑到测量数据本身的变化关系，存在极端误差数据对平均值造成干扰，进而使得测量距离的结果存在误差，因此需要在传统取平均值来消除误差的过程中，保证参与计算的测量数据均较为接近激光测距仪的处理频率，避免过于偏离处理频率的极端误差数据对误差消除过程造成影响。


技术实现要素：

4.本发明提供基于激光测距的高海拔地区土方开挖标高快速测量方法，以解决现有的对测量数据取平均值来减小测量误差时极端误差数据对于平均值获取的干扰问题，所采用的技术方案具体如下：
5.本发明一个实施例提供了基于激光测距的高海拔地区土方开挖标高快速测量方法，该方法包括以下步骤：
6.采集激光测距仪的若干回馈时间；
7.根据每次回馈时间相邻采集次数的回馈时间分布，获取每次回馈时间的可信参数；对所有回馈时间层次聚类得到第一次聚类的若干聚簇；
8.根据第一次聚类每个聚簇的标准时间点及聚簇中回馈时间，获取第一次聚类每个聚簇的聚集程度及任意两个聚簇的修正类间距离；
9.根据第一次聚类任意两个聚簇的聚簇必要性进行下一次聚类，通过迭代层次聚类最终得到核心数据簇；
10.通过核心数据簇中的回馈时间，完成土方开挖标高测量。
11.进一步的，所述每次回馈时间的可信参数，具体的获取方法为：
12.对每次回馈时间获取邻域范围，第i次回馈时间的可信参数bi的计算方法为：
[0013][0014]
其中，σi表示第i次回馈时间的邻域范围中回馈时间的标准差，σ
i+
表示第i次回馈时间的邻域范围右侧中回馈时间的标准差，σ
i-表示第i次回馈时间的邻域范围左侧中回馈时间的标准差，di表示第i次回馈时间的数据值，表示第i次回馈时间的邻域范围中回馈时间的均值，ε为避免分母为0的超参数，||表示求绝对值，exp()表示以自然常数为底的指数函数；
[0015]
获取每次回馈时间的可信参数。
[0016]
进一步的，所述第一次聚类每个聚簇的聚集程度及任意两个聚簇的修正类间距离，具体的获取方法为：
[0017]
对第一次聚类每个聚簇获取标准时间点，根据每个聚簇与标准时间点获取第一次聚类每个聚簇的聚集程度；第一次聚类第j个聚簇与第k个聚簇的修正类间距离γ1(j，k)的计算方法为：
[0018][0019]
其中，l
1，j
表示第一次聚类第j个聚簇中回馈时间的数量，l
1，k
表示第一次聚类第k个聚簇中回馈时间的数量，t
1，j，l
表示第一次聚类第j个聚簇中第l个回馈时间的数据值，t
1，k，q
表示第一次聚类第k个聚簇中第q个回馈时间的数据值，a
1，j
表示第一次聚类第j个聚簇的标准时间点，a
1，k
表示第一次聚类第k个聚簇的标准时间点，||表示求绝对值；
[0020]
获取第一次聚类任意两个聚簇的修正类间距离。
[0021]
进一步的，所述根据每个聚簇与标准时间点获取第一次聚类每个聚簇的聚集程度，包括的具体方法为：
[0022]
根据第一次聚类每个聚簇中的回馈时间，以及处理频率对应的时间节点，得到第一次聚类每个聚簇的标准时间点；第一次聚类第j个聚簇的聚集程度p
1，j
的计算方法为：
[0023][0024]
其中，l
1，j
表示第一次聚类第j个聚簇中回馈时间的数量，a
1，j
表示第一次聚类第j个聚簇的标准时间点，σ
1，j
表示第一次聚类第j个聚簇中回馈时间的标准差，t
1，jl
表示第一次聚类第j个聚簇中第l个回馈时间的数据值，sigmoid表示归一化函数；
[0025]
获取第一次聚类每个聚簇的聚集程度。
[0026]
进一步的，所述得到第一次聚类每个聚簇的标准时间点，包括的具体方法为：
[0027]
以任意一个第一次聚类得到的聚簇为目标聚簇，获取目标聚簇中所有回馈时间的均值，将与得到的均值差异最小的时间节点作为目标聚簇的标准时间点；
[0028]
获取第一次聚类每个聚簇的标准时间点。
[0029]
进一步的，所述根据第一次聚类任意两个聚簇的聚簇必要性进行下一次聚类，包括的具体方法为：
[0030]
根据回馈时间的可信参数、聚簇的聚集程度及聚簇之间的修正类间距离，获取第一次聚类任意两个聚簇的聚簇必要性；将聚簇必要性的倒数作为聚类参数，对第一次聚类结果进行第二次聚类，得到第二次聚类的若干聚簇。
[0031]
进一步的，所述第一次聚类任意两个聚簇的聚簇必要性，具体的获取方法为：
[0032]
第一次聚类第j个聚簇与第k个聚簇的聚类必要性c1(j，k)的计算方法为：
[0033][0034]
其中，γ1(j，k)表示第一次聚类第j个聚簇与第k个聚簇的修正类间距离，p
1，j
表示第一次聚类第j个聚簇的聚集程度，p
1，k
表示第一次聚类第k个聚簇的聚集程度，l
1，j
表示第一次聚类第j个聚簇中回馈时间的数量，l
1，k
表示第一次聚类第k个聚簇中回馈时间的数量，b
1，j，l
表示第一次聚类第j个聚簇中第l个回馈时间的可信参数，b
1，k，q
表示第一次聚类第j个聚簇中第q个回馈时间的可信参数；
[0035]
获取第一次聚类任意两个聚簇的聚簇必要性。
[0036]
进一步的，所述通过迭代层次聚类最终得到核心数据簇，包括的具体方法为：
[0037]
对第二次聚类每个聚簇获取聚集程度，根据聚集程度及回馈时间的可信参数得到第二次聚类每个聚簇的核心评估值，若第二次聚类后存在核心评估值大于评估阈值的聚簇，将其中核心评估值最大的聚簇作为核心数据簇；
[0038]
若第二次聚类后不存在核心评估值大于评估阈值的聚簇，获取第二次聚类任意两个聚簇的聚类参数，进行第三次聚类，再获取核心评估值并进行阈值判断，直到第一次出现核心评估值大于评估阈值的聚簇，得到核心数据簇。
[0039]
本发明的有益效果是：本发明通过多频率多次进行激光测距，通过对回馈时间求均值来消除误差，进而完成高海拔地区土方开挖标高测量；其中通过层次聚类获取核心数据簇，保证核心数据簇中回馈时间不会受边缘值或极端误差数据的干扰；提取过程中通过分析相邻采集次数下回馈时间的差异来量化可信参数，为后续筛除极端误差数据提供基础；同时通过层次聚类，对每次聚类得到的聚簇获取基于处理频率的标准时间点，并通过标准时间点得到聚集程度并修正类间距离，最终得到聚类参数，使得层次聚类过程中消除时间节点差异带来的类间距离影响，最终将时间节点周围的数据簇聚类到一个核心数据簇中，最终得到核心数据簇，保证最终激光测距的准确性，同时避免高海拔地区大气折射对于测量结果的影响。
附图说明
[0040]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0041]
图1为本发明一个实施例所提供的基于激光测距的高海拔地区土方开挖标高快速测量方法流程示意图。
具体实施方式
[0042]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0043]
请参阅图1，其示出了本发明一个实施例所提供的基于激光测距的高海拔地区土方开挖标高快速测量方法流程图，该方法包括以下步骤：
[0044]
步骤s001、采集激光测距仪的若干回馈时间。
[0045]
本实施例的目的是对通过激光测距仪得到的若干回馈时间求均值来消除误差过程中，避免极端误差数据即离群数据点或边缘值对平均值计算的干扰影响，进而通过获取平均值完成激光测距；其中激光测距仪通过测量脉冲激光束的射出与经目标漫反射后的回馈激光束相隔时间，实现激光测距，则激光测距仪中的测量数据即为激光束的回馈时间，即射出到接收的相隔时间，因此需要采集激光测距仪回馈时间；本实施例通过激光测距仪对高海拔地区的土方开挖标高进行测量，同时为了避免环境干扰，本实施例通过多次、多密度测量，本实施例共进行100次测量，则得到了若干回馈时间。
[0046]
至此，获取到了激光测距仪的若干回馈时间。
[0047]
步骤s002、根据每次回馈时间相邻采集次数的回馈时间分布，获取每次回馈时间的可信参数，对所有回馈时间进行层次聚类，得到第一次聚类的若干聚簇。
[0048]
需要说明的是，受限于激光测距仪的处理频率与脉冲激光的频率存在较大差异，使得时间分量精准度与实际计算距离存在较大误差，因此回馈时间会分布于多个处理频率对应的时间节点周围，形成每个时间节点一定范围的数据点簇；同时为避免误差数据影响根据自底向上的层次聚类，因此需要筛除离散的数据点簇，保留最后的核心数据簇，即分布在处理频率对应的时间节点周围形成的核心数据簇，同时分析筛除的数据点簇中离散数据点作为极端值对层次聚类的影响，即消除边缘值或极端误差数据的影响，进而根据核心数据簇中的回馈时间完成激光测距。
[0049]
进一步需要说明的是，多次采集得到的回馈时间中，若采集过程未受到影响，采集得到的回馈时间应分布于处理频率对应的时间节点附近，同时相邻采集次数得到的回馈时间之间的差异应较小；而当激光测距过程中受到大气折射或干扰时，回馈时间会产生误差，进而导致相邻采集次数的回馈时间之间的差异增大，因此通过分析每次回馈时间的相邻采集次数的回馈时间分布，得到每次回馈时间的可信参数；同时对所有回馈时间进行层次聚类，得到的聚簇结果用于后续核心数据簇获取。
[0050]
具体的，预设邻域范围h，本实施例邻域范围采用h＝20进行叙述，即以每次回馈时间左右相邻各10次回馈时间构成邻域范围，需要说明的是，若回馈时间某一侧邻域的相邻采集次数的回馈时间数量不足，则将能获取到的回馈时间作为一侧邻域即可，无需进行补全；以第i次回馈时间为例，获取第i次回馈时间的邻域范围hi，则第i次回馈时间的可信参数bi的计算方法为：
[0051][0052]
其中，σi表示第i次回馈时间的邻域范围中回馈时间的标准差(包括第i次回馈时
间)，σ
i+
表示第i次回馈时间的邻域范围右侧中回馈时间的标准差，σ
i-表示第i次回馈时间的邻域范围左侧中回馈时间的标准差，di表示第i次回馈时间的数据值，即回馈时间数值，表示第i次回馈时间的邻域范围中回馈时间的均值(不包括第i次回馈时间)，ε为避免分母为0的超参数，本实施例采用ε＝0.01来进行计算，||表示求绝对值，exp()表示以自然常数为底的指数函数，本实施例通过exp(-)函数来呈现反比例关系及归一化处理，实施者可根据实际情况设置反比例函数及归一化函数；回馈时间与邻域范围回馈时间均值的差异越大，该次回馈时间为受到干扰的误差数据的可能性越大，可信参数越小；邻域范围内标准差越大，回馈时间的分布越不稳定，回馈时间之间差异越大，可信参数越小；邻域左右两侧标准差与总标准差的比值，比值越趋近于1，表明整体分布较为相似，则通过标准差及均值差异来判断可信参数；比值越大，表明该次回馈时间相较于邻域范围差异较大，可信参数越小；按照上述方法获取每次回馈时间的可信参数。
[0053]
进一步需要说明的是，标准层次聚类算法对数据聚类时，取簇之间最短距离、簇之间最长距离、簇之间平均距离通过加权得到类间距离，但容易受到极端值的影响，造成数据的聚簇结果与实际分簇存在差异，因此结合脉冲激光束与处理器采集频率，造成回馈时间分布在对应的时间节点周围形成聚集性作为计算类间距离的参数，结合欧式距离作为层次聚类的参数，对回馈时间进行聚类。
[0054]
具体的，首先对每次回馈时间进行第一次层次聚类的过程中，以回馈时间的差异作为聚类参数进行聚类，后续聚类过程则需要根据后续得到的修正类间距离进行聚类，进而得到每次聚类的若干聚簇。
[0055]
至此，获取到了每次回馈时间的可信参数，同时对所有回馈时间进行了第一次层次聚类，得到了第一次聚类的若干聚簇。
[0056]
步骤s003、对第一次聚类的每个聚簇根据聚簇中回馈时间分布，结合处理频率，获取每个聚簇的标准时间点，通过标准时间点获取每个聚簇的聚集程度，同时通过标准时间点修正得到第一次聚类任意两个聚簇的修正类间距离。
[0057]
需要说明的是，获取到第一次聚类得到的若干聚簇后，之后的每次层次聚类过程中，则需要对类间距离进行修正再聚类；层次聚类最终目的是获取核心数据簇，而核心数据簇则是将若干分布在处理频率对应的时间节点周围的数据簇聚成一个聚簇，因此首先需要获取时间节点周围的数据簇，同时由于时间节点之间存在差异，则需要对这些数据簇之间的类间距离中，消除时间节点带来的差异，则最终可以得到修正类间距离；而对于时间节点周围的数据簇，则通过获取每个聚簇距离最近的时间节点作为标准时间点，而聚簇与标准时间点整体距离越小，则越需要参与到核心数据簇中，聚集程度就会越大。
[0058]
具体的，以任意一个第一次聚类得到的聚簇为例，获取该聚簇中所有回馈时间的均值，同时处理频率对应的若干时间节点已知，则将与该均值差异最小的时间节点作为该聚簇的标准时间点；按照上述方法获取第一次聚类每个聚簇的标准时间点。
[0059]
进一步的，以第一次聚类第j个聚簇为例，该聚簇的聚集程度p
1，j
的计算方法为：
[0060][0061]
其中，l
1，j
表示第一次聚类第j个聚簇中回馈时间的数量，a
1，j
表示第一次聚类第j
个聚簇的标准时间点，σ
1，j
表示第一次聚类第j个聚簇中回馈时间的标准差，t
1，j，l
表示第一次聚类第j个聚簇中第l个回馈时间的数据值，sigmoid表示归一化函数，本实施例采用sigmoid函数进行归一化处理，实施者可根据实际情况设置归一化函数；通过类似聚簇中峰度的计算方法来获取聚簇的聚集程度，分析每个回馈时间与标准时间点的差异，差异越小，聚簇越贴近标准时间点，则越需要被聚类到核心数据簇中，聚集程度越大，并与标准差比较，最终得到聚集程度；按照上述方法获取第一次聚类每个聚簇的聚集程度。
[0062]
进一步的，通过标准时间点之间的差异对类间距离进行修正，以第一次聚类第j个聚簇与第k个聚簇为例，两个聚簇的修正类间距离γ1(j，k)的计算方法为：
[0063][0064]
其中，l
1，j
表示第一次聚类第j个聚簇中回馈时间的数量，l
1，k
表示第一次聚类第k个聚簇中回馈时间的数量，t
1，j，l
表示第一次聚类第j个聚簇中第l个回馈时间的数据值，t
1，k，q
表示第一次聚类第k个聚簇中第q个回馈时间的数据值，a
1，j
表示第一次聚类第j个聚簇的标准时间点，a
1，k
表示第一次聚类第k个聚簇的标准时间点，||表示求绝对值；通过获取两个聚簇中任意两个回馈时间的差异的均值作为类间距离，再通过标准时间点的差异修正得到修正类间距离；按照上述方法获取第一次聚类任意两个聚簇的修正类间距离。
[0065]
至此，获取到了第一次聚类每个聚簇的聚集程度，并得到了任意两个聚簇的修正类间距离。
[0066]
步骤s004、根据回馈时间的可信参数、聚簇的聚集程度及聚簇之间的修正类间距离，获取每次聚类任意两个聚簇的聚类必要性，并对下一次聚类得到的聚簇获取核心评估值，最终得到核心数据簇。
[0067]
需要说明的是，获取到修正类间距离后，则需要对下一次聚类的聚类参数进行修正，聚集程度反映了核心数据簇的提取必要性，可信参数则可以进一步消除误差数据，因此通过结合三种特征得到任意两个聚簇的聚类参数，并进行下一次聚类，并对下一次聚类中的聚簇计算核心评估值，通过迭代层次聚类，最终得到核心数据簇。
[0068]
具体的，以第一次聚类第j个聚簇与第k个聚簇为例，两个聚簇的聚类必要性c1(j，k)的计算方法为：
[0069][0070]
其中，γ1(j，k)表示第一次聚类第j个聚簇与第k个聚簇的修正类间距离，p
1，j
表示第一次聚类第j个聚簇的聚集程度，p
1，k
表示第一次聚类第k个聚簇的聚集程度，l
1，j
表示第一次聚类第j个聚簇中回馈时间的数量，l
1，k
表示第一次聚类第k个聚簇中回馈时间的数量，b
1，j，l
表示第一次聚类第j个聚簇中第l个回馈时间的可信参数，b
1，k，q
表示第一次聚类第j个聚簇中第q个回馈时间的可信参数；修正类间距离越小，两个聚簇下一次聚类到同一聚簇中的必要性越大；聚集程度越大，下一次聚类聚集的必要性越大；同时结合聚簇中的回馈时间的可信参数，可信参数最大值为1，则式中分母用于对分子进行归一化，同时可信参数越大，聚集必要性也就越大；按照上述方法获取第一次聚类任意两个聚簇的聚簇必要性。
[0071]
进一步的，层次聚类过程中，聚类参数越小越有必要聚到一个簇中，则将聚簇必要
性的倒数作为聚类参数，对第一次聚类结果进行第二次聚类，得到第二次聚类的若干聚簇，按照上述方法获取第二次聚类每个聚簇的聚集程度；以第二次聚类第u个聚簇为例，该聚簇的核心评估值的计算方法为：
[0072][0073]
其中，p
2，u
表示第二次聚类第u个聚簇的聚集程度，l
2，u
表示第二次聚类第u个聚簇中回馈时间的数量，b
2，u，v
表示第二次聚类第u个聚簇中第v个回馈时间的可信参数；通过对第二次聚类得到的聚簇中的聚集程度及可信参数进行结合，得到核心评估值；按照上述方法获取第二次聚类每个聚簇的核心评估值。
[0074]
进一步的，预设一个评估阈值，本实施例评估阈值采用0.85进行计算，若第二次聚类后存在核心评估值大于评估阈值的聚簇，则将其中核心评估值最大的聚簇作为核心数据簇；若第二次聚类后不存在核心评估值大于评估阈值的聚簇，则按照上述方法获取第二次聚类任意两个聚簇的聚类参数，进行第三次聚类，再获取核心评估值并进行阈值判断，直到第一次出现核心评估值大于评估阈值的聚簇，则得到了核心数据簇，并停止层次聚类。
[0075]
至此，通过聚类必要性得到聚类参数，最终获取到了核心数据簇。
[0076]
步骤s005、通过核心数据簇中的回馈时间，完成土方开挖标高测量。
[0077]
核心数据簇中回馈时间不再包括误差数据，完成了误差消除，则可以通过获取核心数据簇中回馈时间的均值，将回馈时间的均值作为激光测距仪最终得到的测量数据，通过该测量数据完成土方开挖标高的测量。
[0078]
至此，通过激光测距仪，完成了高海拔地区土方开挖标高的测量。
[0079]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.基于激光测距的高海拔地区土方开挖标高快速测量方法，其特征在于，该方法包括以下步骤：采集激光测距仪的若干回馈时间；根据每次回馈时间相邻采集次数的回馈时间分布，获取每次回馈时间的可信参数；对所有回馈时间层次聚类得到第一次聚类的若干聚簇；根据第一次聚类每个聚簇的标准时间点及聚簇中回馈时间，获取第一次聚类每个聚簇的聚集程度及任意两个聚簇的修正类间距离；根据第一次聚类任意两个聚簇的聚簇必要性进行下一次聚类，通过迭代层次聚类最终得到核心数据簇；通过核心数据簇中的回馈时间，完成土方开挖标高测量。2.根据权利要求1所述的基于激光测距的高海拔地区土方开挖标高快速测量方法，其特征在于，所述每次回馈时间的可信参数，具体的获取方法为：对每次回馈时间获取邻域范围，第i次回馈时间的可信参数b
i
的计算方法为：其中，σ
i
表示第i次回馈时间的邻域范围中回馈时间的标准差，表示第i次回馈时间的邻域范围右侧中回馈时间的标准差，表示第i次回馈时间的邻域范围左侧中回馈时间的标准差，d
i
表示第i次回馈时间的数据值，表示第i次回馈时间的邻域范围中回馈时间的均值，ε为避免分母为0的超参数，||表示求绝对值，exp()表示以自然常数为底的指数函数；获取每次回馈时间的可信参数。3.根据权利要求1所述的基于激光测距的高海拔地区土方开挖标高快速测量方法，其特征在于，所述第一次聚类每个聚簇的聚集程度及任意两个聚簇的修正类间距离，具体的获取方法为：对第一次聚类每个聚簇获取标准时间点，根据每个聚簇与标准时间点获取第一次聚类每个聚簇的聚集程度；第一次聚类第j个聚簇与第k个聚簇的修正类间距离γ1(j，k)的计算方法为：其中，l
1，j
表示第一次聚类第j个聚簇中回馈时间的数量，l
1，k
表示第一次聚类第k个聚簇中回馈时间的数量，t
1，j，l
表示第一次聚类第j个聚簇中第l个回馈时间的数据值，t
1，k，q
表示第一次聚类第k个聚簇中第q个回馈时间的数据值，a
1，j
表示第一次聚类第j个聚簇的标准时间点，a
1，k
表示第一次聚类第k个聚簇的标准时间点，| |表示求绝对值；获取第一次聚类任意两个聚簇的修正类间距离。4.根据权利要求3所述的基于激光测距的高海拔地区土方开挖标高快速测量方法，其特征在于，所述根据每个聚簇与标准时间点获取第一次聚类每个聚簇的聚集程度，包括的
具体方法为：根据第一次聚类每个聚簇中的回馈时间，以及处理频率对应的时间节点，得到第一次聚类每个聚簇的标准时间点；第一次聚类第j个聚簇的聚集程度p
1，j
的计算方法为：其中，l
1，j
表示第一次聚类第j个聚簇中回馈时间的数量，a
1，j
表示第一次聚类第j个聚簇的标准时间点，σ
1，j
表示第一次聚类第j个聚簇中回馈时间的标准差，t
1，j，l
表示第一次聚类第j个聚簇中第l个回馈时间的数据值，sigmoid表示归一化函数；获取第一次聚类每个聚簇的聚集程度。5.根据权利要求4所述的基于激光测距的高海拔地区土方开挖标高快速测量方法，其特征在于，所述得到第一次聚类每个聚簇的标准时间点，包括的具体方法为：以任意一个第一次聚类得到的聚簇为目标聚簇，获取目标聚簇中所有回馈时间的均值，将与得到的均值差异最小的时间节点作为目标聚簇的标准时间点；获取第一次聚类每个聚簇的标准时间点。6.根据权利要求1所述的基于激光测距的高海拔地区土方开挖标高快速测量方法，其特征在于，所述根据第一次聚类任意两个聚簇的聚簇必要性进行下一次聚类，包括的具体方法为：根据回馈时间的可信参数、聚簇的聚集程度及聚簇之间的修正类间距离，获取第一次聚类任意两个聚簇的聚簇必要性；将聚簇必要性的倒数作为聚类参数，对第一次聚类结果进行第二次聚类，得到第二次聚类的若干聚簇。7.根据权利要求1所述的基于激光测距的高海拔地区土方开挖标高快速测量方法，其特征在于，所述第一次聚类任意两个聚簇的聚簇必要性，具体的获取方法为：第一次聚类第j个聚簇与第k个聚簇的聚类必要性c1(j，k)的计算方法为：其中，γ1(j，k)表示第一次聚类第j个聚簇与第k个聚簇的修正类间距离，p
1，j
表示第一次聚类第j个聚簇的聚集程度，p
1，k
表示第一次聚类第k个聚簇的聚集程度，l
1，j
表示第一次聚类第j个聚簇中回馈时间的数量，l
1，k
表示第一次聚类第k个聚簇中回馈时间的数量，b
1，j，l
表示第一次聚类第j个聚簇中第l个回馈时间的可信参数，b
1，k，q
表示第一次聚类第j个聚簇中第q个回馈时间的可信参数；获取第一次聚类任意两个聚簇的聚簇必要性。8.根据权利要求1所述的基于激光测距的高海拔地区土方开挖标高快速测量方法，其特征在于，所述通过迭代层次聚类最终得到核心数据簇，包括的具体方法为：对第二次聚类每个聚簇获取聚集程度，根据聚集程度及回馈时间的可信参数得到第二次聚类每个聚簇的核心评估值，若第二次聚类后存在核心评估值大于评估阈值的聚簇，将其中核心评估值最大的聚簇作为核心数据簇；若第二次聚类后不存在核心评估值大于评估阈值的聚簇，获取第二次聚类任意两个聚簇的聚类参数，进行第三次聚类，再获取核心评估值并进行阈值判断，直到第一次出现核心
评估值大于评估阈值的聚簇，得到核心数据簇。

技术总结
本发明涉及数据处理技术领域，提出了基于激光测距的高海拔地区土方开挖标高快速测量方法，包括：采集激光测距仪的若干回馈时间；获取每次回馈时间的可信参数，层次聚类得到第一次聚类的若干聚簇；获取第一次聚类每个聚簇的标准时间点，得到每个聚簇的聚集程度，修正得到第一次聚类任意两个聚簇的修正类间距离；根据回馈时间的可信参数、聚簇的聚集程度及聚簇之间的修正类间距离，获取每次聚类任意两个聚簇的聚类必要性，并对下一次聚类得到的聚簇获取核心评估值，最终得到核心数据簇；通过核心数据簇中的回馈时间，完成土方开挖标高测量。本发明旨在解决对测量数据取平均值来减小测量误差时极端误差数据对于平均值获取的干扰问题。问题。问题。


技术研发人员：李强 李刚 何刚 董文 邓科 孙浩尹 张晓红 杨程远 黄勇 李同晗
受保护的技术使用者：国家电网有限公司特高压建设分公司
技术研发日：2023.08.28
技术公布日：2023/10/15