随着科学技术的发展,大量的新兴传感器相继出现,并逐步取代了传统的摄影测量方式。无人机摄影、车载相机摄影、手持相机摄影等已成为目前获取地理空间信息的主要方式。与传统的摄影测量相比,它们具有低成本、高灵活性的特点,此外它们通常携带有高分辨率数码相机可以用来获取高分辨率影像。然而,随着数据获取方式和来源的不断发展,传统的光束法区域网平差解算方法在面对大数据量所带来的内存消耗大、计算效率低等问题上遇到了前所未有的挑战,如何提高大规模数据的光束法区域网空三平差解算的效率已成为一个不可避免的问题。为了解决上述光束法区域网平差所面临的问题,本文主要围绕降低平差过程中的内存占用以及提高平差效率两方面展开研究,提出了一套快速高效的解决方案。针对光束法区域网空三平差系数矩阵特有的块状结构提出了一种大规模稀疏矩阵分块存储与解算的处理方法,对于大规模光束法区域网平差过程中常出现的病态方程问题寻求了一种快速解算方法。本文的主要研究内容有:(1)对于大规模数据未知数较多的问题,本文采用矩阵Schur补减少光束法区域网空三平差的未知数数量。大规模数据通常会导致在光束法区域网空三平差过程中出现大规模稀疏矩阵,这是目前计算机技术所不能存储和计算的。由于光束法区域网空三平差系数矩阵呈有规律的稀疏分布,本文针对其特有的块状结构,采用了一种特殊的稀疏矩阵压缩存储与解算方法,该方法只存储和解算非零元素,避免了对法方程系数矩阵的直接求逆,有效地减少了计算机内存空间的占用。(2)由于大规模数据的光束法区域网平差往往会伴随着病态矩阵的出现,而病态矩阵又会直接影响光束法区域网平差的稳定性。为了降低光束法区域网平差法方程矩阵的病态性,本文选用共轭梯度法完成对其的解算。研究表明,共轭梯度法不仅能大大降低线性方程组的病态程度,同时对于稀疏矩阵的处理也十分有效。(3)为了进一步提高共轭梯度法求解改化法方程的平差效率,本文在共轭梯度法的基础上引入了预条件矩阵和不精确牛顿解法,使之在确保解算精度的同时又能提高平差效率。(4)针对本文方法利用程序进行实现。实验数据选取了不同数量级的3组数据,对3组实验数据分别进行解算并比较分析。一方面3组实验数据的平差精度均满足实际生产需求,证明了上述方法的可行性和有效性;另一方面随着数据量的增大,本文方法均能在较短的时间内完成计算,体现出了本文方法较高的平差效率。与其他方法相比,本文的解算方法在迭代收敛速度及点位精度等方面存在明显优势,进一步证明了本文方法是求解光束法平差改化法方程最有效的方法。(5)最后提出了研究如何提高光束法区域网平差点位高程精度以及内外方位元素之间的相关性的想法。紧跟大数据时代的发展方向,将本文所提方法与其相关领域如POS辅助空中三角测量、倾斜摄影等相结合。