企业官网建设流程全解析

简介：面向GIS、导航与测绘开发者的经纬度与大地坐标互转示例包，重点解决地理坐标与投影平面坐标之间的正反算问题，适合具备C++基础、希望在VC/MFC环境中理解并实践坐标转换的初中级开发者。压缩包共18个文件，约29KB，包含4个h头文件、3个cpp源文件及dsp/dsw工程配置、rc/ico资源等，围绕椭球体参数、投影方法、平面直角坐标计算与反投影还原经纬度组织代码，并附ReadMe.txt作辅助说明。已有3399人学习下载。读者可从中获得一套可参考的VC工程骨架和转换函数实现，结合源码梳理经纬度转大地坐标、大地坐标转经纬度的调用流程，理解半长轴、扁平率及三角函数在解投影中的作用，也可据此搭建自己的坐标转换测试程序，便于在GIS或导航项目中排查投影参数与计算结果偏差。

1. 经纬度大地坐标互相转换：先分清 BLH、XYZ 和投影平面三套坐标

经纬度大地坐标互相转换，最容易翻车的不是公式，而是坐标定义没对齐。工程里至少有三套东西：椭球面上的经纬度加高程、地心空间直角坐标、投影后的平面坐标。有人把球面投影的米当成大地坐标的米，有人拿不同椭球参数硬套，结果批量点位整体偏移。这一章先把边界说清：经纬度加高程与空间直角坐标是同一椭球的两种表达，平面坐标还额外绑定中央经线、带号和尺度因子。后面按正算、反算、投影、排查、闭环校验五步走，适合做地图数据处理、测绘转换和位置服务的人照着复现。

2. 椭球参数先立住：一套常用椭球下经纬度转空间直角坐标的最小实现

经纬度大地坐标互相转换的第一步，不是写代码，而是把椭球参数钉死。经度相同的两个点，放在不同椭球上，空间直角坐标可能差出几十米到上百米；纬度越高，椭球扁率带来的差异越明显。下面用一组常见椭球常数走一遍 BLH→XYZ，代码不长，但每个参数都能在批量数据里要命。

2.1 为什么“经纬度”必须先绑定一个椭球

大地纬度不是地心纬度，它是过地面点的椭球法线与赤道面的夹角。这个定义决定了一件事：没有椭球参数，经纬度加高程只是一组孤立数字，没法唯一还原成空间直角坐标。工程上常见的大地坐标写作 B、L、H，B 是纬度，L 是经度，H 是椭球高；空间直角坐标写作 X、Y、Z，原点在地心，Z 轴指向协议地极。

下面这组参数在工程数据里很常见，换椭球时不能只改长半轴，扁率或第一偏心率平方也要一起改：

第一偏心率平方不是独立参数，它由扁率推出来。很多批量转换脚本把 a 改成另一套椭球，却忘了同步 f，最后平面坐标看起来只差几厘米，空间直角坐标却能差出几十米。我的习惯是把 a、f、e² 三个值写在同一个配置对象里，任何入口都不允许单独传入 a。

还有一个容易混的点：H 是椭球高，不是水准高，也不是手机地图上直接显示的“海拔”。如果输入的是正常高或水准高，先不要急着套公式，后面第 5 章会单独说这个坑。

2.2 BLH 转 ECEF：一套能直接跑的最小 Python 实现

import math # 一套常用椭球参数：换椭球时 a、f、e2 必须一起换 A = 6378137.0 F = 1 / 298.257223563 E2 = 2 * F - F * F def blh_to_ecef(lon_deg, lat_deg, h_m): """ lon_deg: 经度，东正西负，单位度 lat_deg: 纬度，北正南负，单位度 h_m: 椭球高，单位米 返回: X, Y, Z，单位米 """ lon = math.radians(lon_deg) lat = math.radians(lat_deg) sin_lat = math.sin(lat) cos_lat = math.cos(lat) # N 是卯酉圈曲率半径 N = A / math.sqrt(1 - E2 * sin_lat * sin_lat) X = (N + h_m) * cos_lat * math.cos(lon) Y = (N + h_m) * cos_lat * math.sin(lon) Z = (N * (1 - E2) + h_m) * sin_lat return X, Y, Z if __name__ == "__main__": print(blh_to_ecef(12.34, 56.78, 100.0))

这段代码只做一件事：把椭球面上的经纬度加高程，换算成地心空间直角坐标。lon_deg和lat_deg进来先转弧度，因为math.sin、math.cos只认弧度；h_m直接参与 X、Y、Z 的平移，所以它的基准必须和椭球一致。N是卯酉圈曲率半径，纬度越高，N的变化越明显，这也是高纬度数据不能随便用平面近似的原因。

X = (N + h) cosB cosL、Y = (N + h) cosB sinL、Z = (N(1-e²) + h) sinB这三个式子不复杂，真正要盯的是输入。经度写西经时有没有取负，纬度写南纬时有没有取负，高程是椭球高还是正常高，这三件事任何一个错了，后面反算再精确也救不回来。

注意：h_m是椭球高。把水准高直接传进来，X、Y、Z 会整体偏，偏多少取决于当地高程异常，不是固定常数。

2.3 换椭球、换单位、换高程基准时先改哪里

批量转换最怕“一半数据用这套椭球，一半数据用那套椭球”。我一般要求输入表里至少有三列显式命名：lon_deg、lat_deg、h_m。名字里带单位，后面的人不容易把度当弧度，也不容易把毫米当米。入口再加一层范围检查，能挡掉大部分脏数据：

def assert_lonlat(lon_deg, lat_deg): if not (-180 <= lon_deg <= 180): raise ValueError(f"经度越界: {lon_deg}") if not (-90 <= lat_deg <= 90): raise ValueError(f"纬度越界: {lat_deg}")

这个检查不解决精度问题，但能快速暴露单位错位。经度出现 1234.5，十有八九是把弧度或投影米错填进来了；纬度出现 56.78 但实际是 0.991，说明入口少做了一次math.radians。换椭球时，先改配置，再跑三个已知点做闭环，不要直接全量批跑。全量跑完再发现椭球用错，回滚成本比写检查高得多。

如果输入只有经纬度没有高程，也不要默认h=0就完事。h=0代表椭球面，不是地面；在平原地带可能只差几十米，在山区可能差几百米。做平面展示可以接受，做空间直角坐标交换就要把高程来源写清楚。

3. 空间直角坐标反算经纬度：迭代阈值、闭式解和高程误差

正算只要乘法，反算才是容易翻车的地方。XYZ 回 BLH 没有唯一路线，迭代法、闭式解、近似公式都能用，差别在收敛阈值、极点分支和高程精度。很多人拿一个近似公式跑全量，赤道附近看着没问题，到了高纬度或极点附近，高程就开始飘。

3.1 反算的两种路线：迭代法和闭式解

反算的第一步是经度：lon = atan2(Y, X)，这一步没有争议。难的是纬度和高程互相耦合：纬度依赖卯酉圈曲率半径，曲率半径又依赖纬度。迭代法的思路很直接，先给纬度一个初值，算 N，算 h，再更新纬度，直到两次纬度差小于阈值。

闭式解通常用辅助角或归化纬度，把纬度写成一段三角函数的组合，速度快，适合大批量。它的缺点是公式长，极点和近极点分支要单独处理，出了问题不如迭代法好排查。我一般把迭代法作为基准实现，闭式解只在高性能场景下替换，并且要求两者在测试集上差小于 1e-9 度。

阈值怎么定？1e-9弧度大约对应地面 6 毫米，普通 GIS 和位置服务够用；1e-12弧度大约对应微米级，适合做

本文还有配套的精品资源，点击获取