无人机摄影

目录

第一章绪论

摄影测量的定义和任务…………………………………………1

正直摄影测量……………………………………………………1

倾斜摄影测量……………………………………………………1

第二章航测无人机

无人机基本知识…………………………………………………7

多旋翼航测无人机组成和原理…………………………………9

固定翼航测无人机组成和原理…………………………………11

第三章摄影测量基本原理

无人机空中摄影和航带计算……………………………………15

共线方程…………………………………………………………16

双目立体视觉和立体观测………………………………………20

3.4立体影像匹配……………………………………………………

21

第四章相机检校

概述………………………………………………………………26

相机检校算法……………………………………………………27

4.3工程实例…………………………………………………………

28

第五章无人机航线规划和像控点测量

无人机航线规划原理和算法……………………………………31

无差分GPS无人机像控点布设与测量…………………………32

5.3带差分GPS无人机像控点布设与测量…………………………

33

第六章空中三角测量加密

空三加密的目的和意义…………………………………………34

空三加密连接点的类型与设置…………………………………35

标志点刺点……………………………………………………35

明显地物点刺点………………………………………………35

影像匹配转点…………………………………………………35

6.3光束法区域网空中三角测

量………………………………………35

光束法区域网空中三角测量的基本思想与内容……………35

解析空中三角测量的精度分析……………………………39

inpho摄影测量系统空三加密……………………………………41

第七章矢量数据采集

矢量数据采集基本算法…………………………………………41

第八章正射影像和数字高程模型

真正射影像的概念和制作原理…………………………………42

数字高程模型概念和采集方法…………………………………46

商用摄影测量软件制作DOM和DEM方法………………………48

inpho摄影测量系统生产DOM和DEM……………………49

生产DOM和DEM………天麻的做法和吃法 ………………………………50

第九章无人机倾斜摄影测量

概况……………………………………………………………60

倾斜摄影测量原理……………………………………………60

密集匹配算法…………………………………………………61

纹理映射和细节层次模型……………………………………61

倾斜摄影测量相机………………………………………………62

商用倾斜摄影测量软件三维建模………………………………62

三维建模技术……………………………………63

Smart3D三维建模技术………………………………………69

Photoscan三维建模软件操作具体步骤…………………………69

第一章绪论

摄影测量的定义和任务

国际摄影测量与遥感协会ISPRS(IntenationalSocietyofPhotogrammetryandRemote

Sensing)1998年给摄影测量与遥感的定义是：摄影测量与遥感是从非接触成像和其他传感

器系统，通过记录、量测、分析与表达等处理，获取地球以及环境和其他物体可靠信息的工

艺、科学与技术(PhotogrammetryandRemoteSensingistheart,scienceandtechnology

ofobtainingreliableinformationfromnoncontractimagingandothernsorsystems

abouttheEarthanditnvironment,andotherphysicalobjectsandprocessthrough

recording,measuring,analyzingandreprentation)。其中，摄影测量侧重于提取几何

信息，遥感侧重于提取物理信息。也就是说摄影测量是从非接触成像系统，通过记录、量测、

分析与表达等处理，获取地球及其环境和其他物体的几何、属性等可靠信息的工艺、科学与

技术。

摄影测量的特点是对影像进行量测与解译等处理，无需接触物体本身，因而较少受到周

围环境与条件的限制。被摄物体可以是固体、液体或气体；可以是静态或动态；也可以是遥

远的、巨大的（宇宙天体与地球）或极近的、微小的（电子显微镜下的细胞）。按照成像距

离的不同，摄影测量可分为航天摄影测量、航空摄影测量、近景摄影测量和显微摄影测量等。

影像是客观物体或目标的真实反映，其信息丰富、形态逼真，可以从中提取所研究物体

大量的几何信息与物理信息，因此，摄影测量可以广泛应用于各个方面。按照应用对象的不

同，摄影测量可分为地形地形摄影测量与非地形摄影测量。地形摄影测量的主要任务是测绘

各种比例尺的地形图及城镇、农业、林业、地质、交通、工程、资源与规划等部门需要的各

种专题图，建立地形数据库，为各种地理信息系统提供三维的基础数据。非地形摄影测量用

于工业、建筑、考古、医学、生物、体育、变形观测、事故调查、公安侦破与军事侦查等各

种方面。其对象与任务千差万别，但其主要方法与地形摄影测量一样，即从二维影像重建三

维模型，在重建的三维模型上提取所需的各种信息。

传统的摄影测量三维模型重建也考虑物体表面纹理的表达，例如地面的正射影像就是地

表的真是纹理，但是大多数的应用中，较少考虑物体表面纹理的表达。随着社会、经济与科

技的发展，三维模型真实纹理的重建，在摄影测量的任务中变得非常重要了。在一些应用中，

需要利用不同的摄影方法完成真实纹理的重建，例如城市的三维建模，可能需要航空摄影与

近景摄影相结合才能完成。

摄影测量的技术手段有模拟法、解析法与数字法。随着摄影测量技术的发展，摄影测量

也经历了模拟摄影测量、解析摄影测量与数字摄影测量三个发展阶段。

正直摄影测量

地面立体测量的从本思想是从外业摄影取立体像对，（在不同的两个摄站对同一地区进

行摄影所得的两张像片为一个立体像对）。再施测少量控制点，经过内业一系列的处理，通

过不同途径，获得被摄区我们所需要的地形图。它的基本原理是前方交会原理。

倾斜摄影测量

倾斜摄影测量技术通过在同一飞行平台上搭载5台传感器，同时从一个垂直、四个倾斜

五个不同的角度采集影像，拍摄相片时，同时记录航高，航速，航向和旁向重叠，坐标等参

数，然后对倾斜影像进行分析和整理。在一个时段，飞机连续拍摄几组影像重叠的照片，同

一地物最多能够在3张相片上被找到，这样内业人员可以比较轻松地进行建筑物结构分析，

并且能选择最为清晰的一张照片进行纹理制作。向用户提供真实直观的实景信息。影像数据

不仅能够真实地反映地物情况，而且可通过先进的定位技术，嵌入地理信息、影像信息，获

得更高的用户体验，极大地拓展遥感影像的应用范围。

倾斜摄影测量技术特点

1、反映地物真实情况并且能对地物进行量测

倾斜摄影测量所获得三维数据可真实地反映地物的外观、位置、高度等属性，增强了三

维数据所带来的真实感，弥补了传统人工模型仿真度低的缺点。增强了倾斜摄影技术的应用。

2、高性价比

倾斜摄影测量数据是带有空间位置信息的可量测的影像数据，能同时输出DSM，DOM，

DLG等数据成果。可在满足传统航空摄影测量的同时获得更多的数据。同时使用倾斜影像批

量提取及贴纹理的方式，能够有效地降低城市三维建模成本。

3、高效率

倾斜摄影测量技术借助无人机等飞行载体可以快速采集影像数据，实现全自动化的三

维建模。实验数据证明：1~2年的中小城市人工建模工作，借助倾斜摄影测量技术只需3~5

个月就可完成。

倾斜摄影测量的关键技术

1、多视影像联合平差

多视影像不仅包含垂直摄影数据，还包括倾斜摄影数据，而部分传统空中三角测量系

统无法较好地处理倾斜摄影数据，因此，多视影像联合平差需充分考虑影像间的几何变形和

遮挡关系。结合POS系统提供的多视影像外方位元素，采取由粗到精的金字塔匹配策略，在

每级影时间管理法 像上进行同名点自动匹配和自由网光束法平差，得到较好的同名点匹配结果。同时，

建立连接点和连接线、控制点坐标、GPU/IMU辅助数据的多视影像自检校区域网平差的误

差方程，通过联合解算，确保平差结果的精度。

2、多视影像密集匹配

影像匹配是摄影测量的基本问题之一，多视影像具有覆盖范围大，分辨率高等特点。因

此，如何在匹配过程中充分考虑冗余信息，快速准确地获取多视影像上的同名点坐标，进而

获取地物的三维信息，是多视影像匹配的关键。由于单独使用一种匹配基元或匹配策略往往

难以获取建模需要的同名点，因此，近年来随着计算机视觉发展起来的多基元、多视影像匹

配，逐渐成为人们研究的焦点。目前，在该领域的研究己取得了很大进展，例如建筑物侧面

的自动识别与提取。通过搜索多视影像上的特征，如建筑物边缘、墙面边缘和纹理，来确定

建筑物的二维矢量数据集，影像上不同视角的二维特征可以转化为三维特征，在确定墙面时，

可以设置若干影响因子并给予一定的权值，将墙面分为不同的类，将建筑的各个墙面进行平

面扫描和分割，获取建筑物的侧面结构，再通过对侧面进行重构，提取出建筑物屋顶的高度

和轮廓。

3.数字表面模型生成和真正射影像纠正

多视影像密集匹配能得到高精度高分辨率的数字表面模型DSM，充分地表达了地形地

物起伏特征，己经成为新一代空间数据基础设施的重要内容。由于多角度倾斜影像之间的尺

度差异较大，加上较严重的遮挡和阴影等问题，基于倾斜影像的自动获取DSM存在新的难点。

可以首先根据自动空三解算出来的各影像外方位元素，分析与选择合适的影像匹配单元进行

特征匹配和逐像素级的密集匹配，引入并行算法，提高计算效率。在获取高密度DSM数据后，

进行滤波处理，将不同匹配单元进行融合，形成统一的DSM。多视影像真正射纠正涉及物方

连续的数字高程模型DEM和大量离散分布粒度差异很大的地物对象，以及海量的像方多角度

影像，具有典型的数据密集和计算密集特点。在有DSM的基础上，根据物方连续地形和离散

地物对象的几何特征，通过轮廓提取、面片拟合、屋顶重建等方法提取物方语义信息；同时

在多视影像上，通过影像分割、边缘提取、纹理聚类等方法获取像方语义信息，再根据联合

平差和密集匹配的结果建立物方和像方的同名点对应关系，继而建立全局优化采样策略和顾

及几何辐射特性的联合纠正，同时进行整体匀光处理四，如图所示，倾斜摄影测量数据处理

流程。

数据的优化处理与建模

拍摄的多视影像

几何纠正

区域网联合平差

影像匹配

生成DSM

真正射纠正3D数据

三维建模

图1-1倾斜摄影测量数据处理流程

倾斜摄影技术的应用

由于倾斜影像为用户提供了更丰富的地理信息，更友好的用户体验，该技术目前在欧美

等发达国家己经广泛应用于应急指挥、国土安全、城市管理、房产税收等行业。在国内政府

部门用于:国土资源管理、房产税收、人口统计、数字城市、城市管理、应急指挥、灾害评

估、环保监测。企事业单位:房地产、工程建筑、实景导航、旅游规划等领域。

倾斜摄影测量数据的处理

倾斜摄影测量数据处理常用的软件：美国Pictometry公司推出Pictometry倾斜影像处

理软件、法国lnfoterra公司的像素工厂、徕卡公司的LPS工作站,AeroMap公司的

MultiVision系统、Intergraph公司的DMC系统、Astrium公司StreetFactory系统等软

件。在国内主要有：红鹏公司推出的无人机敏捷自动建模系统、超图软件公司的SuperMapGIS

7C软件、立得空间公司的LeadorAMMS以及武汉天际航公司的DP-Model-er等倾斜摄影测

量软件。

第二章航测无人机(边朝鹏)

无人机基本知识

无人驾驶飞机简称“无人机”，英文缩写为“UAV”，是利用无线电遥控设备和自备的

程序控制装置操纵的不载人飞机。从技术角度定义可以分为：无人固定翼机、无人垂直起降

机、无人飞艇、无人直升机、无人多旋翼飞行器、无人伞翼机等。

无人机按应用领域，可分为军用与民用。军用方面，无人机分为侦察机和靶机。民用方

面，无人机+行业应用，是无人机真正的刚需；目前在航拍、农业、植保、自拍、快递运输、

灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄、制

造浪漫等等领域的应用，大大的拓展了无人机本身的用途，发达国家也在积极扩展行业应用

与发展无人机技术。2013年11月，中国民用航空局（CA）下发了《民用无人驾驶航空器系

统驾驶员管理暂行规定》，由中国AOPA协会负责民用无人机的相关管理。根据《规定》，

中国内地无人机操作按照机型大小、飞行空域可分为11种情况，其中仅有116千克以上的

无人机和4600立方米以上的飞艇在融合空域飞行由民航局管理，其余情况，包括日渐流行

的微型航拍飞行器在内的其他飞行，均由行业协会管理、或由操作手自行负责。

图2-1-1

无人机的系统组成：一、飞行平台（载机）

机身

固定翼无人机机身一般由epp、epo、玻璃钢、木材等高强度低质量的材质构成。

多旋翼无人机机身一般由碳纤维材料作为主要材质。

动力装置

固定翼多用无刷电动机、甲醇发动机、汽油机、涡扇发动机、涡喷发动机、（后两种多

为军用）等作为动力装置。

图2-1-2图2-1-3

图2-1-4图2-1-5

多旋翼无人机多用无刷电动机作动力装置。

无刷电动机

飞控

飞控系统用于无人机的导航、定位和自主飞行控制，它由飞控板、惯性导航系统、GPS

接收机、气压传感器、空速传感器等部件组成

飞控系统性能指标要求

a)飞行姿态控制稳度:横滚角应小于3俯仰角应小于3航向角应小于白矾的功效与作用 3

b)航迹控制精度:偏航距应小于20米、航高差应小于20米、航迹弯曲度应小

于5。

二、地面控制站（地面站）

1.系统构成

无线电遥控器、数传电台、增程天线、监控计算机系统、地面供电系统以及监控软件等

组成。

a)监控站主机应选用加固笔记本电脑、或同等性能的计算机和电子设备；

b)监控数据可以图形和数字两种形式显示，显示做到综合化，形象化和实用化；

c)无线电遥控器通道数应多于8个，以满足使用要求；

图2-1-6监控计算机系统图2-1-7遥控图2-1-8数传电台

d)监控计算机应满足一定的防水、防尘性能要求，能在野外较恶劣环境中正常工作；

e)监控计算机的主频、内存应满足监控软件对计算机系统的要求；

f)电源供电系统应保障地面监控系统连续工作时间大于3小时。

四、发射与回收系统

1、起飞方式

滑跑起飞优点：无需弹射器。缺点：场地限制。

弹射起飞优点：没有场地限制。缺点：需要购置弹射器。

图2-1-9发射与回收系统

2.降落方式：

滑跑回收

优点：无需回收降落伞。缺点：场地限制，安全性不如伞降。

伞降回收

优点：安全可靠，受场地制约影响小。缺点：需要降落伞以及飞控系统支持。

图2-1-10降落伞

多旋翼航测无人机组成和原理

多旋翼航测无人机组成

图2-2-1MD4-1000

图2-2-2大疆s1000

图2-2-3螺旋桨

图2-2-4多旋翼云台

图2-2-5无刷电机

以md4-1000为例：

microdronesmd4-1000四旋翼系统是一种全球技术领先的垂直起降小型自动驾驶无人

飞行器系统，可用于执行资料收集、协调指挥、搜索、测量、通讯、检测、侦查等多种空中

任务。相比md4-200，md4-1000拥有更大的任务载荷，更强的抗风能力，更长的续航时间，

更优秀的姿态控制，是目前全世界最大型的四旋翼无人飞行器系统。机体和云台完全

采用特殊的碳纤维材料制造，制造工艺源自德国著名的无人机复合材料公司SCHBELER，

拥有更轻的重量和更高的强度，折叠式支臂设计更方便运输。基于模块化的设计理念，您

可以灵活地更换机载任务设备以适应不同的任务要求。从高分辨率的数码相机、多款视频解

决方案到高端的红外热成像摄像机。由于md4-1000拥有更大的载重，除图像和视频设备之

外，还可以搭载根据用户需要定制的更多种任务设备，如空气采样设备，空中投放设备等，

从而完成更多样化的任务。

md4-1000的地面站系统集成了microdrones自主研发的mdCockpit座舱仪表软件，您

只需指尖轻点就可以实时接收并查看完整的飞行数据及飞行器所拍摄的视频影像。还可以根

据客户需要定制专用的集成式地面站系统。

md4-1000可以通过遥控器人工操控飞行，也可以借助独一无二的GPSWaypoint系统进

行自动驾驶飞行，和md4-200一样，是目前全世界同类无人飞行器产品中唯一可以提供自动

驾驶飞行功能的先进无人飞行器系统。

首次引入了CAN总线系统，AAHRS（姿态、高度及航向参考系统）集成了加速度计、

陀螺仪、磁力计、气压计、湿度计、温度计等多种高精度传感器和卓越的控制算法设计，

md4-1000的操控因而变得非常简单，即使您毫无遥控飞行的经验，也能够在很短的时间内

学会安全地操控飞行。

md4-1000拥有优秀的安全设计，任何时候只要停止遥控器操作，飞行器就会自动

悬停在空中。如果时间超过30秒接收不到遥控器信号或者电池电量过低，飞行器就会自动

缓慢迫降到地面。

做为一种小型电动无人飞行器，md4-1000拥有极高的动力效率，一块机载电池支撑的

续航时间最高可长达70分钟（视电池配置、任务载荷及环境如风速、环境温度等状况而定），

更换机载电池的操作不超过1分钟就可完成

由于4个250W无刷直驱电机工作时不需要齿轮传动，机械安全性大幅提高，电机高效

率运转的同时产生的噪音却很小，在3米的距离悬停时噪音小于71dBA。

地面站

地面站系统包括了4路微波接收器、下传链路接收器、视频捕捉器、视频眼镜和矩阵式

天线。选配的高增益定向天线的增益能达到15dBi。地面站系统由230V的固定电源或12V

的车载电源供电，一块电池可以支持地面站系统工作时间长达10小时。内置专业锂聚合物

电池平衡充电器可以用来为机载电池充电。您只需通过操作地面站的电脑便可获取飞行器的

视频及飞行数据，也可轻松地把飞行记录数据拷贝到CD或DVD中。地面站系统被设计在坚

固的PelicanTM军用安全箱内，可以在恶劣的天气或粗暴的运输中起到可靠的保护作用。

基于MicrosoftTMWindowsTM操作系统的mdCockpit座舱仪表软件集成了飞行规划、

飞行监控、飞行数据分析等多种功能于一身。

Downlink解码器可以实时接收并显示飞行器的各种飞行数据，包括电池电压、坐标、

高度、方向、姿态、飞行时间、飞行速度、飞行路径、距起飞点的距离、环境温度、风速、

电机工作状态、遥控器信号强度、GPS状态等重要信息。飞行数据回放系统能够同步保存所

有的飞行数据，用于航后的数据分析。即使在人工遥控飞行模式下，只要系统装有当前作业

区域电子地图或影像地图数据，系统能够实时显示飞行器在地图上的位置。

Waypoint软件可能帮助您借助航点规划编辑器创建详细飞行航线规划，让飞行器按照

您规划的航线自动飞行。除了规划飞行航线之外，还可以设定多种拍摄计划，例如定点360

度全景拍摄、围着定点目标进行环绕拍摄、沿飞行航线定距、定点拍摄。规划好的飞行航线

能够以3D方式显示在屏幕上，根据您的需要，还可以将飞行航线规划导入到Google

EarthTM中显示。

固定翼航测无人机组成和原理

固定翼航测无人机

1．大白

图2-3-1大白2型空机

是现在普遍使用的航拍测绘部门使用的机体，结构轻强度大价格低廉使之成为大众的首

选。

大白航测采用常规气动布局设计，具备良好的稳定的气动性能和操纵性能。标准设计的

照相机舱位在出厂时已经预留，紧贴飞机重心位置，确保飞机在拍摄照片时尽可能减少因受

飞行姿态变化的影响。

该机性能稳定，做工精良，性价比高，是国内应用最为广泛也是最安全可靠的航测无人

机。并且该机型通过多次升级优化，实现模块化设计。易组装、易维修方便运输等优势，现

已被国内外多家航测公司广泛采用。

图2-3-2T10大黄蜂

这款无人机的由来是从T10大黄蜂开始了，T10的设计要求源于傻瓜化这个词汇，专业

一点的词汇就是易用性；民用无人机自2008年国内汶川地震之后开始在国内兴起，但是受

制于人工起降的方式，大部分潜在用户，以及已经采购了传统布局的无人机的用户，面对操

控手的培训周期，人工费用，人员管理；以及使用两冲程玩具发动机做为飞机动力装置所

造成熄火迫降或坠机问题带来的风险等诸多问题，最终放弃了无人机的使用；另外一个现象

就是国内一些单位采购的时候，贪大求全，不考虑飞机的实际使用，飞机起飞重量操过18kg

以上，甚至达到30kg以上，这么大一个无人机重量，而有效载荷又仅仅是一台单反相机；

从飞机性能来看，T10最大持续平飞速度达到了170km/h，在此速度下，飞机的功耗只

有1200瓦，相对于普通50cc的油动航拍机140km/h的最大持续平飞速度胜出，但是电动

的缺点在于在最大持续平飞速度下，航时会缩短很多（油动飞机同时在最大油门条件下，航

时也会有较大缩短）；根据我们的测试，在120km/h的飞行速度下，T10的航时为40分钟；

反之，油动版的T10在最大持续平飞速度条件下，同普通航拍机相比优势就非常明显了。

T10在高低速度特性这方面的为什么会有这样优异表现源于其的气动设计，细节处理和

表面加工质量。飞机的低速特性取决于翼载荷，展弦比，机翼气动扭转，所选择的翼型的

失速特性，机翼前缘加工质量，飞机表面质量等；高速特性和翼载荷，升力面积分布，飞机

的表面粗糙度，飞机各部件之间的关系（干扰阻力），机身机翼的型阻有很大关系；

那么我们来看T10这架飞机，这些参数的特点。首先翼载荷，T10采用翼身融合结构，

机翼面积达到了平米，基本跟国内15kg到20kg的航拍飞机机翼面积相当，而飞机整机重

量只有，小了一半。飞机重量小的原因在于3点。1布局的结构优势，翼身融合，无尾布局.2

合理的结构设计和加工工艺。3滚雪球效应，当飞机结构重量和飞机的需求功率减小时，发

动机及发动机所需油料,或者说电动机及电动机所需电池减小，反过来又影响所需承担这些

重量的机翼面积。如果反过来，增加机翼面积，增加结构，对发动机和油料又提出了要求，

导致重量滚雪球上升，这就是大家所熟知的飞机设计和加工的口号：为减轻每一克重量而

奋斗！

从阻力角度来看，得益于现代的三维设计软件，T10用翼身融合结构，调整了整机沿X

轴向（机身纵轴）的截面积分布和机翼机身之间的融合和过渡，使气流能够尽量不产生过

快的收缩和扩张而导致分离；升力面积的分布，按照椭圆升力分布设计削尖比。将垂尾作为

翼尖小翼设计，降低诱导阻力。前面所提到的更低的翼载荷，以及使用CNC成型的高精度

模具和真空袋压的加工复合材料成型工艺保证形状精度和表面粗糙度，使整机阻力降低至

80km/h巡航速度下，只需要300瓦的输入功率。（这一数字是通过机载电流电压表测量得

出）

从自动驾驶仪的角度来看，我们做了大量工作，在四五级风力条件下，很多人认为电

动飞机没法飞了，但是T10在六级风力条件下，以80km/h的巡航速度在风中飞行，给人印

象极为深刻，主要原因是使用了高精度的磁航向和完善的控制策略，保持飞机在空中的位置，

始终对准计划飞行方向，即使偶尔飞机地速是跟飞机的飞行方向相反。

综上所述，我们就可以理解飞机特性是何以如此了。

飞机的结构材料部分，机身使用Nomex蜂窝夹心材料，表面为S级玻纤布，局部碳纤维

增强的真空袋压成型工艺。使用这种构建方式的主要原因是一些客户所要求的电磁环境干

扰和屏蔽的要求；进过几年的不断测试，重新设计，弹射器的重量也由当初的32kg降低到

18kg，由于高原和低温的要求，弹射器又增强到23kg，可以折叠成小于米的长度，能够放

入捷达车的尾部或者航空托运；离轨速度达到了22m/s

油动版的T10大黄蜂完成了在海拔3800米高度下起飞，爬升至海拔4500米作业飞行；

同时完成了零下20度条件下起飞作业飞行。由于这种对于场地几乎零要求的特性，T10于

2011年同电力部门在华北实现了山区巡线飞行，在山区沿着山形起伏飞行，拍摄电力线路

的情况；完成了A点起飞，30公里外的B点降落的穿越飞行。经过种种优化之后，同样搭

载5DII相机，同样飞行两个小时，T10起飞重量只有，而国内用的最多的普通布局的航拍

飞机，起飞重量达到了15kg，甚至18kg；T10使用20cc发动机，而普通的航拍飞机使用

55cc发动机；

图2-3-3T10S及其包装箱

航测无人机安全性要求

1无人机应配备伞降设备，在无人机遇到突发故障时，可通过降落伞减缓下降速度、避

免或减小对地面目标的冲击和损害、减小飞行平台和机载设备的损伤；

2.设计飞行高度应高于摄区和航路上最高点100m以上；

3.设计航线总航程应小于无人机能到达的最远航程；

4.距离军用、商用机场须在10km以上；

5.起降场地相对平坦、通视良好；

6.远离人口密集区，半径200m范围内不能有高压线、高大建筑物、重要设施等；

7.起降场地地面应无明显凸起的岩石块、土坎、树桩，也无水塘、大沟渠等；

8.附近应无正在使用的雷达站、微波中继、无限通信等干扰源，在不能确定的情况下，

应测试信号的频率和强度，如对系统设备有干扰，须改变起降场地；

9.无人机采用滑跑起飞、滑行降落的，滑跑路面条件应满足其性能指标要求。

八、航测无人机照相设备

现在市场提供的固定翼无人机有效载荷一般不超过5Kg。因此,这类无人机不能装载一

般有人驾驶飞机所使用的重达百公斤量级的高档航空相机。目前大多采用稍为高档的单反相

机,像幅在3K4K以上。

九、航测无人机选择参考

由于航测所需的无人机复杂程度要高于一般航模，各个设备之间需要有良好的兼容性，

因此，单独购买设备组装调试难度大，设备之间兼容性存在一定风险，整套设备采购是最

好的选择。我所操控的电动无人机可在距离200米至800米高度作业，续航65分钟，航程

可达70km，搭载450g以内的微单，镜头可选16mm，20mm和30mm镜头。在500米高度下，

航摄地面分辨率可达米以内，单次作业面积可达14平方公里。

我们公司主要是做4D产品，即DEM（数字高程模型），DOM（正射影像），DEM（地表

模型），DLG（地形图），从外业像控测量到低空高清航摄，再到数据影像处理都都做。

下面是作业流再会打一字 程：

从接到项目开始，首先是用户的需求：成图比例，地面分辨率要达到多少厘米。查看谷

歌地图，查看看地形起伏落差，选择合适的相机，镜头和相片重叠度，并计算我们无人机的

相对航高（航高必须是高差的6倍以上），

航线间隔和拍照间隔。

根据航线间隔和范围线在谷歌地图出航线

外业航摄工作也不难，主要是细心，起飞检查要仔细，参数设置正确，操作方法得当。

设备检查

设备从组装开始到完成过程中都要仔细检查配件有没变形，连接是否牢靠有没有松脱的

可能，电机转动是否顺滑，舵机工作正常与否，电台通讯是否完全正常，GPS所搜索到卫星

是否足够，该初始化的数据全部是否完成，航线航点，拍照间隔和拍照点是否正常设置。

相机设定：由于巡航速度为72km/h，故相机设定为S档，快门为1/1600到1/1250，用

不同的ISO值进行拍照，对比照片选择合适的ISO。

迎风起飞，飞到空中，切返航，检查无人机盘旋状态是否稳定。爬升到目标后切到航线

飞行模式，航线中遥控飞手和电脑操作手都要注意观察卫星、飞控和舵机电池电压、地速、

空速及高度、飞机姿态及方位等重要数据。

为了增加续航，伞包已经拆除，故采用滑降。选择平坦的草地，水泥地都可以，试过在

单车道的水泥地上降落。

对于测绘型无人机，我们希望是状态更稳定，续航长，航程长，载重大的机型，当然

重量，速度和续航之间是很难平衡的，还有电池能够变轻就好了。当然你会说这些特点油

机都可以做到，我承认油机效率可做到很高。但是相当于油机的操作难度和危险性，电动机

还是有优势的，毕竟油机不是人人可以操作的起来

第三章摄影测量基本原理(雷雨默,参考原教材)

无人机空中摄影和航带计算

根据摄影时摄影机所处的位置的不同，摄影测量学可分为地面摄影测量、航空摄影测量

和航天摄影测量。地面摄影测量是将摄影机安置在地面上对目标进行摄影，用于小范围的地

形测量和工程测量等。航空摄影测量是将摄影机安装在飞机上，对地面进行摄影。航空摄影

测量是摄影测量最主要的方式。航天摄影测量又称遥感技术，它把传感器安装在人造卫星、

航天飞机上，对地面进行遥感，用于资源调查、环境保护、灾害监测、农业、林业、气象、

地质调查、地形测绘和军事侦察等领域。[2]

随着我国经济的飞速发展，对大比例尺、高分辨率的航空遥感影像的需求也与日俱增，

同时对空间信息的现势性、精度、周期和成本等各方面的要求也越来越高，而传统的航天和

航空摄影越来越显现出其局限性。例如现有的卫星遥感技术虽然能够获取大区域的空间地理

信息，但受回归周期、轨道高度、气象等因素影响，遥感数据分辨率和时相难以保证。而航

空摄影主要采用的是大中型固定翼飞机，由于空域管制、气候等因素的影响较大，缺乏机动

快速能力，同时使用成本较高，对测区面积小、成图周期短的测绘工程和应急测绘项目很不

适应。

无人机摄影优点

相对于传统的航天和航空摄影测量而言，之所以基于无人机的低空摄影测量为危险区域

图像的实时获取、环境监测、地理国情监测及应急指挥需求等，提供了一种新的技术途径，

具有广阔的发展与应用前景。除了携带运输方便、组装简单、工作效率高、不必申请空域飞

行手续等优势外，还具有如下优势。

1、影像获取快捷方便

无需专业航测设备，普通民用单反相机即可作为影像获取的传感器，操控手经过短期培

训学习即可操控整个系统。

2、低成本

UAV系统及传感器成本远远低于与其它遥感系统，无人机（具备飞控系统）市场价格10

万到100万，各种档次都有，而相机整套(机身加镜头)不到2万，整套系统成本低廉。一般

的单位和个人都有能力负担。

3、具有机动性、灵活性和安全性

无需专用起降场地，升空准备时间短、容易操控，特别适合应用在建筑物密集的城市地

区和地形复杂地区以及南方丘陵、多云区域。

能够在危险和恶劣环境下(如森林火灾、火山爆发等)直接获取影像，即便是设备出现故

障，发生坠机也无人身伤害。

4、受气候条件影响小

只要不下雨、下雪并且空中风速小于6级，即使是光照不足的阴天，飞机也可上天航拍。

5、分辨率高、多角度(视角)

由于是低航空摄影，一般在云下飞行，使用CCD数码相机作为传感器，具备垂直与倾斜

摄影能力，搭载GPS定位装置，可低空多角度摄影获取建筑物侧面的纹理信息，弥补了卫星

遥感和普通航空摄影遇到的高层建筑遮挡问题。

空间分辨率能达到分米甚至厘米级，可用于构建高精度数字地面模型及三维立体景观图

的制作。

6、影像获取周期短、时效性强

无人机遥感几乎不受场地和天气影响，飞行前准备工作可少于2个小时，因此可快速上

天获取满足要求的遥感影像，从准备航飞到获取影像周期短，影像获取后可立即处理得到航

测成果，时效性强。

无人机摄影的缺点

无人机低空遥感系统凭借着众多的优势，在图像的实时获取、环境监测、地理国情监测

及应急指挥需求、土地利用动态监测、地质环境与灾害勘察、地籍测量、地图更新等领域得

到充分的应用，但是，与传统的航天和航空影像相比，无人机遥感影像又存在以下问题：

1、姿态稳定性差、旋偏角大

无人机在飞行时由飞控系统自动控制或操控手远程遥控控制，由于自身质量小，惯性小，

受气流影响大，俯仰角、侧滚角和旋偏角较传统航测来说变化快，致使影像的倾角过大且倾

斜方向没有规律，且幅度远超传统航测规范要求。

2、像幅小、数量多、基高比小

受顺风、逆风和侧风影像大，加上俯仰角和侧滚角的影响，航带的排列不整齐，主要表

现在重叠度(包括航向和旁向重叠度)的变化幅度大，甚至可能出现漏拍的情况。为了保证测

区没有漏拍，通常是通过提高航向和旁向重叠度的方法来实现这一点的，同时普通单反相机

像幅相对专业数码航摄仪来说，像幅小，在保证预定重叠度情况下，整个测区影像数量成倍

数增多，基高比也相应变小。

3、影像畸变大

相比较传统的航空摄影而言，无人机低航空摄影选取CCD数码相机作为成像系统，而较

专业航摄仪来说，小数码影像(普通单反拍摄的)畸变大，边缘地方畸变可达40个像素以上。

由于无人机遥感影像的这些问题，给影像的匹配和空中三角测量等内业处理也带来困

难：（1）由于姿态稳定性差、旋偏角大，比例尺差异大，降低了灰度匹配的成功率和可靠

性；（2）像幅小、影像数量多，导致空三加密的工作量增多、效率降低，航向重叠度和旁

向重叠度不规则，给连接点的提取和布设带来困难，基高比小无疑对高程的精度也造成一定

的影响；（3）如若对于小数码影像的畸变差不考虑，直接使用的话将影响空三的精度。

共线方程

坐标系统

1、像平面坐标系o-xy

像平面坐标系是定义在像平面内的右手直角坐标系，用来表示像点在像平面内的位置。

其坐标原点定义为像主点o，一般以航线方向的一对框标连线为x轴，记为o-xy。

Y

x

o

图3-2-1像平面坐标系o-xy

2、像空间坐标系S-xyz

像空间坐标系是表示点在像空间的位置的右手空间直角坐标系统。其坐标系原点定义在

投影中心S，其x,y轴分别平行与像平面坐标系的相应轴，z轴与摄影方向线So重合，正方

向按右手规则确定，向上为正。

图3-2-2像空间坐标系S-xyz

3、像空间辅助坐标系S-XYZ

像空间坐标系用来表示像点在像方空间上的位置。该坐标系的原点在摄影中心S上，其

主光轴So为z轴，向上为正；x,y轴分别平行与像平面坐标系（o-xy）的x，Y轴且方向

一致。

图3-2-3像空间辅助坐标系S-XYZ

3、摄影测量坐标系

ppp

AXYZ

该坐标系的原点和坐标轴方向的选择根据实际讨论问题的不同而不同，但在一般情况

下，原点选在某一摄影站或某一已知点上，坐标系横轴(X轴)大体与航线方向一致，竖坐标

轴(Z轴)向上为正。

4、物空间坐标系

ttt

OXYZ

之前叙述的4种坐标系都是满足右手定则，然而地面测量坐标系满足左手定则的坐标

系，该坐标系为，它的X轴的指向为正北，Z轴是以国家黄海高程基准为标准系统测量出的

高程值。

图3-2-4地面测量坐标系和地面摄影测量坐标系

航摄像片的方位元素

航摄像片的内、外方位元素是建立物与像之间数学关系的重要基础。在航测中，将摄影

瞬间摄影中心S、像片P与地面(物面)E的相关位置数据称为航摄像片的方位元素。依据作

用不同，航摄像片的方位元素又分为内方位元素和外方位元素。

1、内方位元素

投影中心对像片的相对位置叫做像片的内方位，它们是：像片的主距f，像主点在像片

标框坐标系中坐标

,

oo

xy

。

图3-2-5内方位元素

2、外方位元素

确定摄影光束在地面辅助坐标系中的位置时需要的元素，共有三个线元素和三个角元

素。其中，线元素是摄站在地面辅助坐标系中的坐标，用以确定摄影光束在地面辅助坐标系

中的顶点位置；三个角元素用来确定摄影光束在地面辅助坐标系中的姿态。角元素有三种不

同的表达形式：（1）以Y轴为主轴的系统（2）以X轴为主轴的系统（3）以Z轴为主轴的

系统

图3-2-6外方位元素

3、空间直角坐标系旋转的基本关系

像空间坐标与像空间辅助坐标之间的变换是正交变换，即一个坐标按照某种

次序有规律的旋转三个角度即可变换为另一个原点的坐标系。

假设像点a在像空间坐标系中的坐标为(x,y,-f)而同时像空间辅助坐标

系中的坐标为(X,Y,Z)，两者的正交关系为:

123

123

123

Xxaaax

YRybbby

Zzcccf





















（1）

式中R是一个3*3的正交矩阵，得到9个方向矩阵的元素为:

1

2

3

1

2

3

1

2

3

coscossinsinsin

cossinsinsincos

sincos

cossin

coscos

sin

sincoscossinsin

sinsincossincos

coscos

a

a

a

b

b

b

c

c

c



































































（2）

共线方程

共线方程是描述像点a，投影中心S和对应地面点A三点共线的方程。

图3-2-7图像点与相应地面上坐标关系

假定S为摄影中心点，主距为f，在地面摄影测量坐标系中，它的坐标

(,,)

sss

XYZ

，

物点A是坐标为

(,,)

AAA

XYZ

在地面摄影测量坐标系中的空间点，a是A在影像上的构像，

它对应的像空间坐标系中的坐标为（x，y，-f），像空间辅助坐标系的坐标为（X，Y，Z）。

此时a、A、S三点位于一条直线上，像点的像空间辅助坐标（X，Y，Z）与地面摄影测量坐

标

(,,)

AAA

XYZ

之间的关系如下：

ASASAS

XYZ

XXYYZZ





（3）

式中：



为比例因子。

则

(),(),()

ASASAS

XXXYYYZZZ（4）

由像点的像空间坐标与像空间辅助坐标的关系可知，

111

333

aXbYcZ

x

faXbYcZ







（5）

222

333

aXbYcZ

y

faXbYcZ







（6）

其中：

,,(1,2,3)

iii

abci

为方向余弦分别是像空间辅助坐标系各轴与相应的像空间坐

标系各轴夹角的余弦。

像主点坐标为

(,)

oo

xy

，带入（4）得

111

333

222

333

()()()

()()()

()()()

()()()

AsASAS

o

AsASAS

AsASAS

o

AsASAS

aXXbYYcZZ

xxf

aXXbYYcZZ

aXXbYYcZZ

yyf

aXXbYYcZZ



























（7）

就是常见的共线条件方程式，式中：x,y为像点的平面坐标

o

x,,

o

yf

为影像内方位元素；

,,

SSS

XYZ

为摄站点的地面摄影测量坐标；

,,

AAA

XYZ

为物方点的地面摄影测量坐标。

双目立体视觉和立体观测

人眼两瞳孔之间的距离大约为65mm，使得双眼在一定距离范围内观察同一日标时角度

略有不同，这一细微差别使得同一日标投影到左右视网膜上的像略有不同，在视觉上产生差

异，这就是双目视差。双目视差是反映空间物体深度信息的客观物理现象，是感知立体知觉

的重要生理基础。人眼双目视觉模型如下图所示。计算机立体视觉正是建立在人双眼视觉模

型之上的。

图3-3-1人眼双目视觉模型

双目立体视觉是基于视差，由三角法原理进行三维信息的获取，通常由两台相机的图像

平面（或单相机在不同位置的图像平面）和被测物体之间构成一个三角形，利用儿何关系恢

复出物体三维几何信息。

立体观察的原理是建立人造立体视觉，即将像对上的视差反映为人眼的生理视差后得

出的立体视觉。得到人造立体视觉须具备3个条件：1、由两个不同位置（一条基线的两端）

拍摄同一景物的两张像片(称为立体像对或像对)；2、两只眼睛分别观察像对中的一张像片；

3、观察时像对上各同名像点的连线要同人的眼睛基线大致平行，而且同名点间的距离一般

要小于眼基线（或扩大后的眼基距）。若用两个相同标志分别置于左右像片的同名像点上，

则立体观察时就可以看到在立体模型上加入了一个空间的测标。为便于立体观察，可借助于

一些简单的工具，如桥式立体镜和反光立体镜。对于那种利用两个投影器把左右像片的影像

同时叠合地投影在一个承影面上的情况，可采用互补色原理或偏振光原理进行立体观察，并

用一个具有测标的测绘台量测。

立体影像匹配

影像匹配实质上是在两幅（或多幅）影像之间识别同名点的过程。在数字摄影测量中它

是以计算机视觉代替传统的人工观测，来获取同名像点的，它是数字摄影测量的核心技术之

一。多视影像由于是多幅影像组合而成，因此具有覆盖范围广，分辨率高的特点。鉴于这特

点，可以考虑在匹配过程中利用冗余信息，对多视影像中的同名点左边进行快速高效地获取，

继而获取拍摄地物的三维特征信息。由于单单使用一种匹配基元或一种匹配策略难以获取准

确且高效的同名点，随着计算机技术的发展，越来越多的人开始研究多基元、多视影像匹配。

[4]

影像特征提取

特征提取是计算机视觉和图像处理中的一个概念。它指的是使用一台计算机，以提取影

像中同名点的图像信息，该信息决定影像中的相同特征。特征提取是将影像上的点进行归类，

分别划分为不同的子集，这些子集通常是由一个孤立的点、一条连续的曲线或一个连续的区

域组成。

影像特征提取一般是依靠影像中灰度的分布情况，来确定特征的位置、形状以及大小。

影像特征的灰度与周围的影像灰度有比较明显的差异和区别。特征通常按形状划分，可分为

点特征、线特征和面特征。点特征主要包含影像中的明显点；线特征是线状地物或面状地物

的边缘在影像中的构像。提取点特征的算子称为兴趣数字。从点特征中提取的算子较多，比

较有名的算子主要有：Moravec算子、Hannah算子Harris算子、和Forstner算子。

影像匹配

由于可以应用的多个领域中，影像相关所匹配的对象也是多种多样的，但是无论是基于

光学相关、还是电子相关或者基于数字相关等，所匹配的对象也有不同，但其理论基础都是

相同的。[5]

采取在相邻具有重叠度的影像上提取出相似的两个特征，然后利用匹配算法将特征点进

行匹配，然后相对定向得到点集。影像相关是利用互相关联的函数，就是特征提取后利用一

组参数对特征进行描述，然后利用参数进行特征匹配，即以影像信号分部最相似的区域为同

名区域，同名区域的中心点为同名点。

（1）基于灰度的影像匹配

基于匹配测度为基础来确定同名点，定义匹配测度是影像匹配最首要的任务，但是各种

不同的匹配测度皆是基于不同的理论方法的定义，因而形成了各种不同的影像匹配方法及相

应的实现算法。

基于像方灰度的影像匹配算法常见的有：相关函数法、协方差函数法、最小二乘法、相

关系数法、差平方和法、差绝对值和法等。

（2）基于特征的影像匹配

在计算机或者图像处理的中，提取是一个很重要处理手段。它是指基于计算机或者图像

处理时需要提取的图像信息是否属于一个图像的特征。图像上的特征就是图像上的点集合组

成的一个个点、线、面。而特征提取针对的就是这样的点、线、面。

影像特征点、线、面的提取一般是依靠影像中有关灰度的分布情况，以此来确定特征的

位置、形状以及大小。影像特征的灰度与周围的影像灰度有比较明显的差异和区别，一般来

说，所有同名点的构成的点、线、面就组成了特征点。

灰度匹配

数字影像是一个二维的灰度矩阵G：

0,00,1

1,01,1

n

mmn

gg

g

aa

















上式中二维数组中的像元素ij

g

都代表一个灰度值，其集合组成对应着光学影像或

实体的一个微小区域，称为像素或者像元素。灰度值ij

g

代表像素的量化“灰度级”。

灰度匹配是指寻找类似的待相关的一个小区域的影像的灰度，首先在一张相片上确定一

个目标点，并以该点周围选取

nn

个点的灰度值矩阵组成一个像素的目标区，在目标区中

任意一个像元素的的灰度值设为ij

g

（ij=），一般取n为奇数，其围绕的点即为

目标点。为了在另一张照片上寻找出同名像点，根据在第一张像片上的目标点的坐标概略地

估计出它在另一张像片上的近似点的范围，以此为绕点在其周围

(,)lmlnmn

个影像

灰度序列，组成一个比第一张像片目标区范围要大的搜索区。

如下图所示，在搜索区寻找同名像点时，若搜索工作在x、y两个方向进行,则是二维相

关的运算。在搜索区内有

(1)(1)lnmn

个与目标区等大的区域，称为相关窗口，

'

,

(,1,...,;,0,1,...,)

ikjh

gijnklnhmn





为窗口内任意一点的灰度值。

（a）目标区（b）搜索区

图3-4-1二维影像相关目标区与搜索区

''

11

11

,

nn

iik

ii

gggg

nn





（k=0,1,，m-1）

两个点组的方差''g

gg

g

、

分别为:

2

2

1

1n

ggi

i

ggg

n







，

''

'2

'2

1

1n

ik

gg

i

gg

n









两个点组的协方差'gg



为：

'

'2

'

1

1n

iik

gg

i

gggg

n









两个点组的相关系数k



为:

'

'

gg

k

gg

gg









（k=0,1,，n）

在一维的搜索区内沿核线寻找同名像点，每移动一个像素，按着以上公式依次计算出一

维目标区和一维搜索区的相关系数



，共能计算出m-n+1个相关系数，取



的最大值，选

取其对应的一维的相关窗口的中心像素被认为是目标点的同名像点。

当0

kk

时相关系数取得最大值，则同名像点在搜索区内的序号为:

0

1

(1)

2

kn

在二维相关的情况下

ij

g

，

'

ij

g

表示二维目标影像（左影像）和二维搜索影像（右影像）的灰度分布影像窗

口大小

mn

，则均值为:

''

2

11

'

'

11

2

22

1111

'2

''2'2

1111

1

1

11

()

11

()

nn

ij

ij

mn

ij

ij

mnmn

ggijij

ijij

mnmn

ijij

gg

ijij

gg

n

gg

mn

gggg

mnmn

gggg

mnmn























































相关函数测度:

'

11

max

mn

ijij

ij

Rgg





协方差函数测度:

'

'

'

11

1

()()max

mn

ijij

gg

ij

gggg

mn







相关系数测度：

'

'

11

''22

1111

1

()()

max

11

()()

mn

ijij

ij

mnmn

ijij

ijij

gggg

mn

gggg

mnmn















特征匹配

影像匹配主要可以分为两类:基于灰度的匹配和基于特征的匹配。基于图像特征匹配的

研究是近年许多学者研究比较多的，相对于基于灰度的匹配方法，基于特征匹配的方法更适

合于复杂空间变换图像之间的匹配。[2]

1、匹配策略

为同时满足匹配结果的可靠性，又保证匹配相关的精度要求，可以采用一种自顶向下，

由粗到精，不断细化的分级匹配策略。

其思想是采用不同带宽的低通滤波器对原始影像进行低通滤波、降采样和平滑的方式，

生成多级影像。降低原始影像的像元空间分辨率，使得在较小的影像范围内，保持地面范围

不变。平滑减少了影像中存在的噪声信息。将原始图像分解成许多不同空间分辨率的子图像，

高分辨率（尺寸较大）的子图像放在下层，低分辨率（尺寸较小）的图像放在上层，根据影

像分辨率和像幅的缩小，形成了一组影像序列，形如金字塔形状，故称为金字塔影像。因此

分级匹配又称为金字塔影像匹配策略。由于低通滤波器可以采用高斯滤波器、平均平滑滤波

器或者小波函数等，因此常用的金字塔有小波金字塔、高斯金字塔等。

对于一维相关，分频道可采用两像元平均、三像元平均和四像元平均等方法。对于实际

的二维影像相关，通过每

224

（或

339

）个像元平均为一个像元构成第二级影像，

再在第二级影像基础上构成第三级影像，以此类推，构成金字塔影像（图**8为金字塔影像

的示意图）。

（a）四像元平均（b）九像元平均

图3-4-2金字塔影像

采用金字塔最上层影像的初相关，找出匹配位置，并以此作为下一层对应的预测位置，

将该层的匹配结果传递到下一层作为初始值。然后把这些匹配结果用作控制使用，对其他特

征点进行匹配。由于金字塔分解的误差传递性，在每一级匹配中都需要一个控制策略来保证

匹配的正确性。此时搜索区域的位置和范围己经可以基本确定，保证了影像搜索过程中的可

靠性。最后逐步过渡到金字塔影像中底层的原始影像中，在搜索区中进行影像相关。

金字塔顶层影像保存了原始影像的主要结构信息，过滤了细节和噪声信息，匹配的可靠

性较高。与原始影像逐点搜索比较，由粗到精的匹配过程中搜索区域范围缩小，减少了计算

的复杂度。

2、SIFT匹配

SIFT（ScaleInvariantFeatureTransform，即尺度不变特征变换）算子是由DavidG.

Lowe于1999年首次提出，并于2004年将该算法完善并进行总结该算法是当前研究最多的

一种局部特征匹配算法。由于其算法对平移、旋转、缩放、亮度变化保持不变性，对于视角

变化、仿射变化、噪声而言，SIFT算法也保持了一定程度的稳健性，同时还具有独特性好，

信息量丰富，多量性，高速性以及可扩展性等特点。Mikolajczyk和Schmid针对不同场景，

对光照明暗的变化、影像几何变化、分辨率大小不同、旋转角度的不同、模糊程度以及影像

压缩等6种情况，利用多种描述子（如SIFT，矩不变量，尺度不变，仿射不变等10种描述

子）进行了实验和比较，结果表明SIFT特征最稳定，性能最佳。

SIFT特征描述子的提取过程如下:

（1）建立尺度空间中的高斯金字塔影像序列

通过原始影像大小，确定尺度空间中影像组的个数，即高斯金字塔的组数。第一组第一

层采用对原始影像两倍升采样方式获取，剩余组第一层影像，都利用上一组的影像采用降采

样方式获得。

然后确定每组的层数，选择的具有尺度不变性的高斯模糊函数以及经验估值，由尺度公

式，推导出该组不同层影像的尺度，以及用高斯模糊函数卷积方式获得影像。最终生成尺度

空间的影像序列。

（2）建立差分高斯（DifferenceofGaussians）金字塔影像序列

由建立的尺度空间的影像序列，每组相邻两层之间相减得到DOG影像序列。

（3）寻找尺度空间中差分高斯金字塔影像序列的灰度极值点

判断DOG金字塔影像中灰度极值点，并得到其位置。

（4）精确定位极值点位置

由获得的极值点位置和DOG影像中的灰度信息，拟合出最佳极值点的位置，并进行迭代

运算，迭代次数的经验值为5次。

（5）易(除边缘点

利用Hessian矩阵，计算特征值的比值关系，借此剔除边缘效应明显的极值点。

（6）计算极值点的主方向

由极值点附近的DOG影像中的灰度信息，计算极值点一定范围附近的梯度方向，并以每

010

为一个方向，作直方图统计，经过两次[0.25,0.5,0.25]的直方图平滑，再得到统

计次数最高的方向，以及记录超过最高方向的统计次数80%的方向（包含统计次数最高的方

向），并内插拟合出最佳方向作为极值点的主方向，所以同一个特征点可能记录不止一个方

向，可能包含一个主方向以及一到多个辅方向。

（7）极值特征点的描述

用SIFT特有的128维特征空间描述SIFT特征点，按方向的不同旋转，得到旋转后的影

像，再按照尺度的不同，将特征点周围选定一个区域大小，将区域划分为

44

的子区域，

计算子区域中，各像素的梯度信息，并分解为8个方向，每

045

为一个方向的直方图。于是

可以得到16个8方向的直方图，也就是128维的向量。

再对128维向量归一化，针对向量的分量中，超过0.2的值截取为0.2，保证光照儿童安全教育 亮

度的不变性，再做一次128维向量的归一化，得到标准S工FT极值特征点的描述。

（8）SIFT特征匹配

SIFT匹配算法采用的是次邻近距离比值法，来判断高维向量的匹配程度。最直接实现

方法是穷举两两特征点配对的组合，计算两两特征点之间的最邻近距离和次邻近距离之比，

如果比值越大，则说明匹配的同名点的可靠性越高；如果比值越小，则说明匹配的同名点可

靠性越低。以此设定合适的阈值，小于阈值视为非同名点，大于阈值视为同名点。当阈值越

大，同名点可靠性越高，点数越少;反之，同名点可靠性越低，点数越多。另有通过k-d树

搜索的方法，减少了穷举法的计算量，来计算次邻近距离。

3、误匹配点的剔除

由于影像匹配方法对于不同影像，左右的影像或上下的影像都会在所难免地出现部分错

误的匹配点，而这些错误的匹配点对于后期的平差处理有很大的影响，因此必须尽量地减少

或消除这些错误的匹配点。

为了提高配准点的可靠性，减少错误匹配出现的概率，需要对匹配得到的配准点作筛选

处理，去除可能存在的误匹配点。一般而言，可采用不同的相似性测度对配准点作筛选，如

采用距离相似性测度得到的配准点，可以再通过灰度相似性测度来甄别，以减少误匹配点的

情况。

目前采用比较多的筛选算法由Fischler和Bollles最先提出的随机采样一致性RANSAC

算法（RandomSampleConnsus）。还有根据计算出来的特征点，运用相关系数法进一步

判断匹配点对的正确性和精确度。由于每个特征点都有其主方向，而同名点对的主方向相差

较小，所以可根据主方向角法来进行匹配错误点进行剔除。

第四章相机检校

概述

相机检校技术（计算机视觉中称为相机标定）最早应用于摄影测量学。摄影测量学中所

使用的方法是数学解析分析的方法，在检校过程中通常要利用数学方法对影像数据进行处

理。对于计算机视觉而言，考虑到相机检校在理论和实践中的重要价值，学术界进行了广泛

的研究，基于不同的出发点和思路取得了一系列成果。对于不同的问题背景，摄影测量与计

算机视觉都有其各自的应用价值。[6]

摄影测量学是利用传感器（相机）对目标进行影像采集，通过对一系列的影像处理，来

获取目标的位置、大小、形状以及相互关系等的一门学科。摄影测量学按照研究对象可分为

地形摄影测量与非地形摄影测量，按照摄影距离可分为航天摄影测量、航空摄影测量、地面

摄影测量和显微摄影测量。相比其他测量手段，摄影测量有非接触量测、瞬间获取信息量大、

适宜动态测量、成本低以及处理速度快精度高等优点。计算机视觉是计算机领域的一门重要

学科，与摄影测量有相同的基础理论与目的。计算机视觉是指利用计算机、图像采集等硬件

设备来模仿人的视觉功能，从而完成对客观世界的感知、识别和理解。具体而言，计算机视

觉是一门研究如何使机器看得到看得懂的科学，采用图像采集设备代替人眼对目标进行捕

捉，跟踪等，利用计算机代替人脑对获得的图像信息进行描述、解释与特征提取，并最终抽

离出所需要的资料，完成对客观世界的认识与理解。计算机视觉作为一门系统性的学科，始

于上世纪60年代，在70年代末期和80年代初期，随着计算机的性能提高到足以处理诸如

图像这样的大规模数据时，计算机视觉的许多重要的基础理论才得到了正式的关注和长足的

发展。伴随着Marr理论的出现，计算机视觉才确定了一个比较明确的体系框架。计算机视

觉在众多领域内具有十分广泛的潜在应用，所涉及的学科、知识极其繁多，研究的问题富有

挑战性，因此它一直是计算机领域中的一门热门学科。

计算机视觉中采用的是普通数码相机，主要研究如何使用计算机模拟人的眼睛，实现机

器人视觉。计算机视觉的研究重点主要是提高效率、自动化程度方面，近些年随着计算机视

觉的发展，计算机视觉逐步考虑视觉精度的问题，相机标定又重新上升为一个重要的步骤。

传统摄影测量采用的是量测型相机，其内方位元素己知并且有较高的稳定性、较小的镜头畸

变，但其价格昂贵且设备较为复杂;近些年，随着非量测相机（普通数码相机）分辨率、稳

定性等性能的提高，并具有价格低廉、携带方便等优点，被广泛应用与无人机航空摄影测量

以及近景摄影测量中，但是普通数码相机由于内方位元素未知、镜头畸变较大，为了满足要

求，在进行测量之前必须进行相机检校。

空间点的三维位置信息与通过相机拍摄到的二维图像中的对应点之间的相互关系由摄

像机成像几何模型决定，该几何模型称为相机内方位元素（计算机视觉中称为相机参数）。

相机内方位元素需要通过实验和计算来确定，解求这些参数的过程即为相机检校。按照是否

需要控制场，相机检校方法可分为传统检校方法和自检校方法。传统检校方法是将含有众多

控制点的控制场作为拍摄对象，然后对拍摄的图像进行相关处理，并利用一系列的数学变换

求取相机的参数。相机自检校方法不需要特定的控制场，仅仅依靠多幅图像之间的对应点之

间的关系（如Kruppa等）直接解算相机参数。传统检校方法较为成熟，检校精度较高，己

得到了较广泛的应用，但是检校过程繁琐;自检校方法较为灵活，缺点需要特定的拍摄条件

或者位置，并且参数过多，容易导致解算不够稳定。

相机检校算法

张正友相机检校法

张正友在1998年提出了一种比较简单灵活的方法，在张正友的检校方法中，我们只需

要相机对一个检校模板在不同的方向拍摄不少于三张影像，通过提取2D图像点坐标得到与

三维点的对应来获得最终结果，是目前摄像机检校研究中比较热门的算法之一。该方法假定

平面检校板置于其所在的世界坐标系Zw=0的平面上，其通过线性成像模型来求得相机参数

的初值，然后基于非线性成像模型给出考虑了非线性畸变的目标函数，然后使用非线性最优

化的方法来获得相机参数的最优解。这种检校方法具有较好的鲁棒性、实用性，但检校精度

较低。

直接线性变换相机检校

Abdel-Aziz和Karara首次提出直接线性变换方法。相机的参数是通过简单地解线性方

程组得出，这是直接线性变换方法的优点所在。起初，这种方法被提出时，没有考虑非线性

畸变补偿问题，只给出了基本的线性约束方程来表示像平面坐标系与摄影测量坐标系之间的

变换关系，在后来的使用中，为了提高相机检校的精度，需要加入非线性的优化算法。在线

性方法的基础上，DLT方法后来己经包括非线性因素，并使用了非线性手段来求解问题。这

样，直接线性变换方法有两种模型，一种是直接通过求解线性方程得到相机的参数；另一种

是使用非线性优化算法。第一种模型是：

1234

91011

5678

91011

0

1

0

1

lXlYlZl

x

lXlYlZ

lXlYlZl

y

lXlYlZ



























（）

其中，（X,Y,Z）是物方点在摄影测量坐标系中的三维坐标，（x,y）是该点在影像中

的投影点在像平面坐标系的坐标。ij

l

是11个待求变换参数，解算这11个变换参数至少需要

6个物方点三维坐标以及其对应的像点坐标。当考虑非线畸变因素时，直接线性变换的关系

模型为:

1234

91011

5678

91011

(,)0

1

(,)0

1

lXlYlZl

xxxy

lXlYlZ

lXlYlZl

yyxy

lXlYlZ



























其中

(,)xxy

与

(,)yxy

为像点

(,)xy

的

镜头畸变校正。由上式可以看出，利用直接线性变换模型可以很方便的加入非线性畸变参数

进行计算。该方法原理简单，易于实现，但是检校精度较低。

基于Kruppa方程的相机自检校

Kruppa方程最初是由Faugeras、Luong和Maybank引入到计算机视觉领域中来，他们

提出求解Kruppa方程的相机自检校方法，在历史上被看作是第一个相机自检校方法。

Faugeras等的研究证明了每两幅图像间存在两个形如Kruppa方程的二次约束，内部参数可

以通过求解Kruppa方程组来确定。

基于Kruppa方程的自检校方法检校相机的过程仅需要建立两幅图像之间的方程，对图

像序列的摄影重建过程并不考虑。如果图像序列较长，且所有图像相对于确定的射影空间的

无穷远平面一致性无法保证，检校算法的稳定性会受到影响，而且求解Kruppa方程的计算

量太大，非线性优化后收敛性不好，因此该自检校方法鲁棒性较低。

基于空间后方交会的相机检校

基于空间后方交会相机检校是一种依据共线条件方程式，以像点坐标作为观测值，在解

求像片内方位元素和某些附加参数为主要目的但又同时解求像片外方位元素的相机检校方

法。

误差方程如下：

12ad

VAXBXCXL

（）

式中1

X

表示像片外方位元素改正数，2

X

表示相机内参数改正数，ad

X

表示镜头畸变

参数改正数。利用物方点的三维坐标与对应的像点坐标，按上式逐点组成误差方程，法化、

求解，可以得到相机内参数、镜头畸变参数以及相片外方位元素。

基于空间后方交会的相机检校可分为单片检校和多片检校两种，单片检校的稳定性较

差，并且很难保证精度，多片检校具有较好的稳定性，但是无论单片还是多片，检校的精度

比较依赖控制点的物方坐标，如果达到物方坐标精度要求，需要高精度的量测一起并且需要

消耗大量的人力物力。

第五章无人机航线规划和像控点测量

无人机航线规划原理和算法

无人机航线规划原理

航迹规划是指在一些特定的约束条件下，寻找运动体从起始点到目标点满足某些性能指

标最优的运动轨迹。因此可得到无人机航迹规划的定义，是指在综合考虑无人机机动性能、

碰地概率、突防概率、油耗、威胁和飞行时间约束等等各种因素下，找到一条从起始点到目

标点的最优或最佳的可行飞行轨迹。[7]

飞行器技术与计算机技术、自动化技术和信息化技术等技术相关，伴随有关技术的研究

发展，飞行器技术也发生了巨大的变化。无人机以其制造成本低廉、飞行时间长、附带损失

小，能自动并且精确地打击目标等优点，在一些关键和高危险的任务中发挥着不可替代的作

用。同时因为飞行任务的更新，飞行难度的提高、任务的危险度加大以及飞行强度急剧增大，

仅仅靠着飞行员人工操作完成复杂的飞行任务变得愈加困难。为解决这些问题，一种有效的

途径就是采用无人机航迹规划(PathPlanning)技术。对任务规划系统(MissionPlanning

System)中的航迹规划问题，其发展十分迅速。现在各种自动化仪器的自动导航系统中，到

处可见航迹规划技术。航迹规划出现于信息时代，是许多新技术的集合而成的结果，如

GPS(GlobalPositioningSystem),GIS(GeographicInformationSystem)和

RS(Remote-nSystem)技术。

利用航迹规划技术来完成任务规划问题与利用一般传统方法相比，航迹规划

技术具有下列优点。

（1）航迹规划技术充分利用了预先得到的地形信息，故而最终的规划航迹具有更好的

安全性，从而无人机在完成任务时，安全性更高。

（2）在航迹规划时，飞行器有很多飞行性能约束，必须要进行充分地考虑，并且把这

些因素加入到规划过程中，保证规划的最终航迹是满足任务要求的航迹。

（4）在航迹规划时考虑了飞行器燃料制约、规划环境中的禁飞区域限制等其他因素，

利用航迹规划技术，可以使无人机完成任务所花费的代价较小，得到的航迹可靠性高。

无人机航迹规划的目的是要找到一条最佳的飞行航迹，要尽量降低自身可能撞地的概

率，同时还要求满足无人机的各种约束条件。而这些因素之间通常是相互相祸合的，若改变

其中的某个因素通常会引起其它因素的变化，因此在无人机航迹规划过程中需要协调各种因

素之间的关系。具体说来，无人机航迹规划需要考虑以下的一些因素。[8]

1、无人机性能要求

航迹规划过程中必须考虑到无人机的性能约束，否则即使航迹规划的再好，

由于受到无人机性能的约束，无人机也不可能按规划的航迹进行飞行。无人机的性能限

制对航迹的约束主要有:

（1）最大转弯角:它限制生成的航迹只能在小于或等于预先确定的最大角度范围内转

弯。该约束条件取决于无人机的性能和飞行任务。

（2）最大爬升/俯冲角:由无人机自身的机动性能决定。它限制了航迹在垂直平面内上

升和下滑的最大角度。

（3）最发圈吸引人的句子 小航迹段长度:它限制了无人机在开始改变飞行姿态之前必须直飞的最短距离。

为减少导航误差，飞行器在远距离飞行时一般不希望迂回行进和频繁的转弯。

（4）最低飞行高度:在通过敌方防御区时，需要在尽可能低的高度上飞行，以减少被敌

防空武器系统探测到并摧毁的概率。但是飞得过低往往会使得与地面相撞的坠毁概率增加。

一般在保证离地高度大于或等于某一给定高度的前提下，使飞行高度尽量降低。

此外，无人机航迹规划还必须考虑无人机的燃料限制和射程约束。

2、实时性要求

在无人机航迹规划过程中，如果预先已经掌握了无人机规划区域内完整精确

的环境信息时，可规划出一条自起点到终点的最优航迹。但由于任务的不确定性，无人

机常常需要临时改变飞行任务。在这些情况的干扰下，预先在地面规划出的航迹不可能满足

要求。当环境的变化区域不大时，可通过局部更新的方法进行航迹在线再规划。如果无人机

周围环境的变化区域较大时，则无人机必须具备实时在线规划功能。

无人机航迹规划的算法

无人机航迹规划问题的目标函数较为复杂，涉及到对大量不同信息的处理问题，无人机

航迹规划通常分两个层次进行：第一层是整体参考航迹规划；第二层是局部航迹动态优化。

整体参考航迹规划是无人机飞行前在地面上完成的。整体参考航迹的优劣通常是根据无人机

的安全要求、任务要求、飞行时间以及其它性能和战略战术、战术因素组合预先确定最优性

能指标，以此最优性能指标为标准，采用某种合适的算法生成一条最优的参考航迹。得到参

考航迹之后，无人机在实际飞行中并不一定严格按照参考航迹来飞，它还受到参考航迹周围

的地形因素、威胁因素及无人机自身的性能约束（如最大转弯半径、滚转角、飞行高度、飞

行速度等）的限制。因此，在参考航迹周围，无人机会根据周围不断更新的各种信息对参考

航迹进行局部的动态优化，生成一条最优航迹并引导无人机沿最优航迹飞行。无人机的整体

参考航迹规划涉及到全局优化问题，既要避免陷入局部最优，同时还要减少计算量，而在局

部航迹动态优化过程中应当尽可能的减少计算量以确保航迹规划的实时性。通常在理论上最

优航迹是不可能得到的，但在实际的航迹规划中，能够将代价值降到可接受的水平也是可行

的。

无人机航迹规划可以采用的算法很多，按照不同的分类标准对其分类的话可

分为以下几类:

按照规划决策的计算方法可分为启发式和最优式算法。启发式算法包括启发式搜索、遗

传算法、神经网络、专家系统、模拟退火等。最优式算法则包括数学规划法、动态规划法、

牛顿法、穷举法、梯度法等。启发式算法和最优式算法的根本区别为：最优式算法的计算量

时间随问题规模的变大而呈现爆炸式增长。

按照几何学的方法可分为基于图形的算法(Graph-bad)和基于栅格的算法

(Grid-bad)。二者各有所长，通常来说，基于图形的算法的处理结果较为准确，但需要较

长的收敛时间；基于栅格的算法可以在实时要求的条件下收敛，但对于一些约束条件难以处

理。

另外，有人将规划算法分为人工势场法(ArtificialPotentialFieldMethods)、

路标法(RoadmapMethods)和栅格分解法(CellDecompositionMethods)，这些方法有

些近似于按几何学观点的分类。

此外，还有一种比较有代表性的划分方法，就是把无人机航迹规划方法分为三类：基于

类比的方法、路径规划方法和轨迹优化方法。轨迹优化法指的是确定动态模型中的控制变量

和状态变量，从而使性能指标或者代价函数达到最优，实际上这是一个最优控制问题。这类

问题的解析解很难直接得出，因此多用数值解法。

下面选择其中的一些算法做一些介绍：

1、人工势场法

无人机航迹规划的问题简单来说就是要求无人机能避开各种飞行障碍，从而安全的完成

任务。人工势场法的主要思想是在不考虑其它约束的情况下，利用物理中关于磁场吸引和排

斥的有关法则，将目标作为吸引场，威胁和各种障碍作为排斥场，无人机在二者综合生成的

势场中飞行。人工势场法一个突出的特点就是规划速度快，势场的建立涉及到威胁、障碍、

目标的评估等因素，非常直观，但对一些约束条件不好处理，并且可能由于在吸引力和排斥

力相等的地方存在局部最小点，从而导致找不到路径，使规划失败。因此，人工势场法一般

用于完成航迹规划的后期处理，比如对用PRM,VORONOI图等方法生成的航迹进行平滑处理

等。

2、PRM（随机路标图）法

PRM（随机路标图）是由Overmars等人在1992年先提出来的一种随机

的路径搜索方法，该方法一般用于环境已知时的路径规划，主要由离线预处理和

在线查询两部分进行，离线预处理的过程主要包含路标的建立和强化两个阶段。

通过在规划空间内随机的采样，产生一定数量的节点，并将这些节点连接起来生

成路标图。然后在某种启发性知识的引导下，在路标图中搜索路径。可以将生成

的roadmap看成是一幅地图，通过该地图可以很简单的查询出所需要的路径。最后还要

对所得到的路径进行平滑处理。该算法的优点是可以在规划时间和路径质量之间进行权衡。

但是，一旦规划环境发生变化时，事先构造的随机路标图无法通过局部更新以适应新的环境。

因此，该算法不适合用于在线实时应用。

3、神经网络法

神经网络是在生物功能启示下建立起来的一种计算方法。最初是由于Hopfield网络引

入了“能量函数”的概念，即在达到稳定时网络的能量最小，因此可利用该网络特殊的非线

性动态结构来解决优化之类的问题。Glmore给出了一种利用Hopfield网络进行航迹规划的

方法。先将数字地图地形信息映射到一个Hopfield神经网络上，然后基于各种约束条件构

造一个合适的能量函数，最后通过网络收敛特性使能量最小来得到我们所希望的路径。最后

的结果表明，这种方法无论是在静态环境还是在动态环境中都能取得很好的效果，该方法的

缺点是计算量太大。

4、A*算法

A*算法(A-StarAlgorithm)基于一个启发函数，对航迹规划问题来说，启发函数是由两

部分相加而成，一部分是起始节点到当前节点的实际代价函数值，另一部分是从当前节点到

目标节点的估计代价函数值。A*算法每次都选择启发函数最小的节点依次扩展实现优化。从

起点节点开始，不断寻找在当前节点可以到达的所有扩展节点中代价函数最小的节点并优先

扩展，从而形成一个最优节点集，把这个最优节点集中的最优节点依次相连，即得到一个最

优航迹。

A*算法的搜索过程实际是被选择节点不断扩展的一个过程，A*算法思路清楚，可以采用

最少的估价函数计算找到最近的优化路径。但往往A*算法在扩展

时只是一个局部的最优解，若要得到全局最优解，往往采用一些A*算法的变形或者对

最终结果进行再处理。在确定最终优化路径之后，通常要进行航迹再验证，此时需要对航迹

规划的结果验证其能否满足实际情况中的燃料消耗、到达时间、飞行速度等相关约束条件，

当约束条件无法满足时，就需要对算法的相关参数进行修正并对航迹进行再优化。

5、遗传算法

遗传算法(GeneticAlgorithm)是一种基于概率的全局优化搜索算法。遗传算法的主要

步骤包括：种群生成，个体适应度计算，交叉，变异，遗传，生成下一代种群。经过多代的

遗传之后，选择最终生成的种群中适应度最优的个体作为算法的最优解。

遗传算法不受搜索空间的限制，对搜索空间没有特殊要求，在算法运行中只利用了目标

函数值信息，不利用函数连续性质、导数存在和函数单峰等其他信息。遗传算法也是一种并

行算法，上述优点使遗传算法在航迹规划领域的应用研究十分普遍和有效。

6、蚁群算法

蚁群算法(AntAlgorithm)是模拟蚂蚁寻找食物过程而产生的一种算法。蚁群中的每只

蚂蚁寻找食物，在寻找食物过程中，每只蚂蚁会释放分泌物，称为信息素，该物质会驱使蚂

蚁朝着路径短的方向移动，于是短路径上的信息素越来越多，这形成了一个正反馈。最终可

能大多数蚂蚁都选择了一条路径，那么这条路径可以认为是最优路径。

蚁群算法是模仿蚂蚁活动的新仿生类算法，在许多难以建模的困难组合优化问题求解实

践中取得了很好的效果。蚁群优化算法是基于自然模型的搜索算法的典型代表，其解空间的

参数化模型和概率问题的模型就是信息素。

7、粒子群算法

粒子群优化算法(ParticleSwarmOptimization,PSO)是由Kennedy和Eberhart在1995

年提出的一种新型的进化算法。PSO算法也是一种类似的进化算法，其通过改变粒子的状态

来不断寻求最优解。

粒子群优化算法同其他的进化算法类似，可以解决许多难以建模的困难优化问题，或者

是可以转化为优化问题进行求解的问题。将粒子群算法应用于航迹规划领域，可以规划出规

避威肋、的飞行航迹，同时PSO算法其概念易于理解，实现相对容易并且可变参数较少，这

些说明了粒子群优化算法在解决航迹规划问题方面有着很好的效果。

无差分GPS无人机像控点布设与测量

以地球质心为参考点，确定GPS天线在WGS-84坐标系中的绝对位置的定位方法叫绝对

定位，定位过程只需要一台接收机，又叫做单点定位（即无差分GPS定位）。卫星星历误差、

信号传播误差和卫星的分布都会影响单点定位的精度，由于这些误差的影响，使得单点定位

的精度很低，因此单点定位只适合用于低精度的测量领域。[9]

根据卫星瞬时坐标，测定卫星和用户接收机天线之间的距离，进而确定用户接收机天线

所处的位置，是GPS单点定位的基本原理。

GPS采用的是单程测量原理，接收机时间和卫星钟不能保持严格同步，两者必定有一定

的时间差，所以测得的天线与卫星之间的距离是受到卫星钟和接收机时间共同影响后的值，

这种测量叫伪距测量，测得的距离称作伪距。卫星钟钟差是可以通过卫星导航电文中所提供

的相应钟差参数加以修正，而接收机钟差，一般不能提前测定，在数据处理中，可以将接收

机钟差作为未知参数与观测站坐标一起解出。

GPS单点定位分为:

（1）动态单点定位，若用户接收机的位置在不断变化，要测定用户接收机在某一时刻

的瞬时位置和速度，就叫动态单点定位。动态绝对定位广泛地用于飞机、船舶和车辆的导航

定位中，在航空物探、卫星遥测等方面也有着广泛的应用;

（2）静态单点定位，若用户接收机的位置处于静止，要测定用户的静态位置叫静态单

点定位，这种定位方式允许用户长时间观测伪距，可以获得多余的伪距观测量，以提高定位

精度，一般用于大地测量。

对于这两种定位方式，测定的都是卫星至观测点的伪距。

带差分GPS无人机像控点布设与测量

GPS动态绝对定位的精度仅为10~40m，这一精度不能满足所需的精度要求目前主要采用

动态相对相对定位（也称差分GPS定位），即将一台GPS接收机设置在一个坐标已知的基准

站，另一台接收机安装在运动的载体上，载体在运动的过程中，其上的GPS接收机与基准站

上的接收机同步观测GPS卫星信号，通过实时或测后数据处理，获取运动载体每一观测历元

的瞬时位置。GPS载波相位动态差分定位的精度可达到厘米级，可以满足航空遥感的要求。

为了研究差分GPS测量原理，首先要明确伪距的概念。GPS接收机的基本测量量是卫星

信号从卫星传播到接收机的时间。若卫星信号中记录的信号发射时刻为s

t

，接收机时钟记录

的收到卫星信号的时刻为r

t

，那么时间差rs

tt

就是接收机的基本测量量用此时间差乘以光

速c就是观测距离，即伪距



。

()

rs

ctt

在单点定位中，定位精度会受到卫星钟误差、卫星轨道误差及信号传播误差的影响，其

中一些系统性误差可以通过模型改正来减小，但改正后的误差还是很大的。差分GPS是目前

GPS测量中定位精度最高的定位方法，又叫相对定位。相对定位又分为：（1）静态相对定

位；（2）动态相对定位。

静态相对定位

静态相对定位就是基站接收机和移动站接收机的位置固定，同步观测相同的4颗或以上

的GPS卫星，以确定两个接收机在协议地球坐标系中的相对位置，如图所示。

图5-3-1GPS相对定位示意图

静态相对定位的基本观测量为载波相位观测量，因为载波波长比较短，测量精度远大于

码相关伪距测量，载波相位观测量的不同线性组合可以有效地减小卫星星历误差、信号传播

误差及接收机不同步误差对测量的影响。长时间的静态测量可以获得整周未知数，使得静态

相对定位取得较高的精度。

静态相对定位的观测时间比较长，同步跟踪四颗卫星的情况下，需要观测1到个小时，

有时候时间会更长。长时间的观测会使GPS测量效率降低，现在一般采用整周未知数快速逼

近技术，可以在迅速地确定整周未知数，把测量时间缩短到几分钟。

（2）动态相对定位

动态单点定位，操作简单，但误差较大，一般在10~50米，若受到SA影响，定位精度

在100米左右。若移动站接收机的位置在不断变化，基站和移动站同步接收相同的卫星电文，

在观测值之间求差，消除具有相关性的误差，提高定位精度，移动站的位置是相对于基站位

置来测量的，这种定位方法就叫动态相对定位。

动态相对定位可分为两类：（1）测码伪距动态相对定位。（2）测相伪距动态相对定位。

测码伪距相对动态定位是由基站接收机测量基站天线到卫星的伪距

j

r



，该伪距中包含了卫

星星历误差、钟差、大气折射误差等误差的影响。此时，基站接收机位置己知利用卫星星历

数据可计算出基站到卫星的距离

j

r



，

j

r



中也含有相同的卫星星历误差。这两个距离求差，

即

j

jj

r

rr



j

r



和了中包含钟差、大气折射误差，当移动接收机与基站小于100km时，移动站和基站误

差具有很强的相关性，定位精度可达米级，甚至亚米级。将此距离差值作为距离改正数发送

给移动站接收机，移动站就能有效地减小甚至消除一些公共误差的影响。移动站接收机所处

位置的三维坐标与卫星之间的距离关系为

.

222()()()()j

jjjj

r

rkkkkr

XXYYZZctt

在上式中包含4个未知数，即移动站在时刻t的三维坐标k

X

、k

Y

、k

Z

及基站接收机

（以下标r表示）与移动站接收机（以下标k表示）的钟差之差，同步观测4颗卫星时，可

以求出唯一解，实现动态定位。

载波相位测量的精度要高于测码伪距测量的精度。载波相位动态相对定位法是将载波

相位修正值发送给移动站改正其载波相位实现定位，或直接将基站采集的载波相位观测值发

送给移动站进行求差解算坐标实现定位。

根据差分信息内容的不同，差分GPS可分为伪距差分、相位差分和位置差分，无论哪种

差分方式，都是由用户接收基站发送的改正数，并对其测量结果进行改正以获得精密定位的

结果，由于他们的差分信息的内容不同，他们的原理也是不同的。

第六章空中三角测量加密

空三加密的目的和意义

解析空中三角测量指的是用摄影测量解析法确定区域内所有影像的外方位元素。在传统

摄影测量中，这是通过对点位进行测定来实现的，即根据影像上量测的像点坐标及少量控制

点的大地坐标，求出未知点的大地坐标，使得已知点增加到每个模型中不少于四个，然后利

用这些已知点求解影像的外方位元素，因而解析空中三角测量也称摄影测量加密。

采用大地测量测定地面点三维坐标的方法历史悠久，至今仍有十分重要的地位。但随着

摄影测量与遥感技术的发展和电子计算机技术的进步，用摄影测量方法进行点位测定的精度

有了明显提高，其应用领域不断扩大。而且某些任务则只能用摄影测量方法才能使问题得到

有效的解决。

摄影测量方法测定（或加密）点位坐标意义在于：

不需直接触及被量测的目标或物体，凡是在影像上可以看到的目标，不受地面通视条件

限制，均可以测定其位置和几何形状；

可以快速地在大范围内同时进行点位测定，从而可节省大量的野外测量工作量；

摄影测量平差计算时，加密区域内部精度均匀，并且很少受区域大小的影响；

所以，摄影测量加密方法已成为一种十分重要的点位测定方法，它主要有以下几种应用：

为立体测绘地形图、制作影像平面图和正射影像图提供定向控制点（图上精度要求在以

内）和内、外方位元素；

取代大地测量方法，进行三、四等或等外三角测量的点位测定（要求精度为厘米级）；

用于地籍测量以测定大范围内界址点的国家统一坐标，称为地籍摄影测量，以建立坐标

地籍（要求精度为厘米级）；

单元模型中解析计算大量点的地面坐标，用于诸如数字高程采样或桩点法测图；

解析法地面摄影测量，例如各类建筑物变形测量、工业测量以及用影像重建物方目标等。

此时所要求的精度往往较高。

概括起来讲，解析空中三角测量的目的可以分为俩个方面：第一是用于地形测图的摄影

测量加密；第二是高精度摄影测量加密，用于各种不同的应用目的。

空三加密连接点的类型与设置

在摄影测量作业中，影像之间的联系、影像对的定向等均是通过影像上的连接点来实现

的。影像坐标量测值的精度，除了取决于摄影机、摄影材料、坐标量测系统和作业员的水平

外，还与影像上的连接点的类型与设置有关。

标志点刺点

为了避免转刺点误差，对所有控制点和连接点布设地面标志是最好不过的。但是由于它

的成本高和不便于作业，目前只在高精度摄影测量平差，如加密Ⅲ、Ⅳ等大地控制网，数字

地籍测量或高精度变形测量中采用，以及用于科学研究目的。

为了在影像上可以辨认和量测，地面标志点的大小需按照影像比例尺来确定。计算标志

点直径的经验公式为：

25/10000

s

dcmm

（s

m

为影像比例尺分母）

这样在影像上得到的标志的理论直径为

25m

，但由于受光照条件影像，实际直径要加

到

50m

。下面列出几种影像比例尺摄影时所采用的标志大小，以供实际作业时参考。

影像比例尺标志点直径（实地）

1:250（地面摄影测量）4~8mm

1:3000~1:600010cm

1:1000020cm

1:2000050cm

1:500001~2m

考虑到标志点在影像上的可辨认性，其周围的影像应具有良好的反差，这一点比标志大

小的选择更为重要。对黑白软片，标志的颜色最好为白色，亦可为黄色或红色，其背景颜色

以绿色或黑色为好。而对于彩红外软片，标志可取玫瑰色或红色。对于彩色片，则宜取红色，

其次为黄色和白色。

为了便于辨认，在标志点周围需加辅助标志。标志点和辅助标志之间的间隙至少必须保

持在标志点直径的三倍。如果采用立体量测，标志周围应当等高；如果是单像量测，则关系

不大。

明显地物点刺点

所谓明显地物点是指在实地存在而且不易受到破坏的、在影像上可准确辨认的自然点。

直接选取这些点作为控制点和连接点时，无需在相片或透明正片上刺孔，而只要求绘出唯一

确定的点位略图及文字说明，并在相片上标明位置所在。在进行量测时，作业员按此略图和

说明来辨认点位。这种方法的优点是不破坏立体观测效应。如果地面明显地物很多，而且选

点和量测由同一作业完成，它也可能达到接近于标志点的精度。但是，这种方法对于明显地

物不多的荒漠地区或未开发地区是不可行的。此外，该方法作业比较麻烦，在观测时辨认点

位要花费仪器上时间。

利用自然点作为控制点时，有时必须将平面和高程控制点分开，以保证量测精度。例如，

平坦地区的道路交叉口，其平面位置不一定很精确，但高程无变化，用作高程控制点是十分

好的，而房角不宜作为高程点，但作为平面控制点却是合适的。

影像匹配转点

这是目前摄影测量作业中采用的最普通方法。将立体像对的影像数字化，然后用数字影

像匹配方法寻找左右影像的同名像点。惯常的数字影像匹配方法是比较目标区和搜索区内俩

个点组灰度的协方差或相关系数，在该值为最大的原则下寻求同名像点，实现立体量测的自

动化。

光束法区域网空中三角测量

空中三角测量按平差时所采用的数学模型的不同，可分为航带法空中三角测量、独立模

型空中三角测量和光束法空中三角测量三类。对于航带法其所解求的未知数少，计算方便快

速，但是不如光束法和独立模型法严密，因此主要用于为光束法提供初始值和低精度的坐标

加密;独立模型法理论较严密，精度较高，未知数、计算量和计算速度也是位于光束法和航

带法之间;光束法理论最为严密，加密成果的精度较高，但需要解求的未知数多，计算量大，

计算速度较慢。但是对于当前高精度空中三角测量的加密普遍都是采用光束法区域网平差。

[2]

光束法区域网空中三角测量的基本思想与内容

1.基本思想

光束法区域网平差是以一张像片组成的一束光线作为平差的基本单元，是以中心投影的

共线方程作为平差的数学模型，以相邻像片公共交会点坐标相等、控制点的内业坐标与己知

的外业坐标相等为条件，列出控制点和加密点的误差方程式，进行全区域的统一平差计算，

解求出每张像片的外方位元素和加密点的地面坐标。如图：

图6-3-1光束法区域网平差

光束法区域网平差主要过程如下:

（1）像片外方位元素和地面点坐标近似值的确定。

对于初始值佛如确定，可以采用旧地图获取，也可与交替的进行后方交会和前方交会建

立航带模型，但是通常采用航带法加密成果作为光束法区域网平差的概值。

（2）逐点建立误差方程式和改化法方程式。

（3）利用边法化边消元循环分块法解求改化法方程式。

（4）求出每张相片的外方位元素。

（5）空间前方交会求得待定点的地面坐标，对于像片公共连接点取其均值作为最后成果。

光束法区域网平差以像点坐标作为观测值，理论严密，但对原始数据的系统误差十分敏

感，只有在较好地预先消除像点坐标的系统误差后，才能得到理想的加密成果。也就为对于

无人机拍摄的影像要消除畸变差的原因，消除影像上像点坐标的系统误差。

对于目前全自动处理的空三软件，则一般是利用影像自动匹配出航向和旁向的像点，将

全区域中各航带网纳入到比例尺统一的坐标系统中，拼成一个松散的区域网。确认每张像片

的外方位元素和地面点坐标的概略位置。然后根据外业的控制点，逐点建立误差方程式和改

化法方程式，解求出每张像片的外方位元素和加密点的地面坐标。

1、数字模型

在获得每张像片的外方位元素和加密点地面坐标的近似值后，就可以用共线条件方程

式，列出每张像片上控制点和加密点的误差方程式。对每个像点可列出下列两条关系式，即:

111

333

222

333

()()()

()()()

()()()

()()()

SSS

SSS

SSS

SSS

aXXbYYcZZ

xf

aXXbYYcZZ

aXXbYYcZZ

yf

aXXbYYcZZ



























将共线方程线性化并写成一般形式得：

1112131415

16111213

2122232425

26212223

XSS

X

YSS

X

vadXadYadZadad

adkadXadYadZl

vadXadYadZadad

adkadXadYadZl



























写成矩阵形式为

6111213

2212223

S

S

XX

S

YY

dX

dY

dX

aaaaaaaaa

vl

dZ

dY

vaaaaaaaaal

d

dZ

d

dk





















































写成一般形式为



X

VABL

t









式中：

T

XY

Vvv

6

2

aaaaaa

A

aaaaaa













111213

212223

aaa

B

aaa













T

SSS

XdXdYdZdddk

dX

tdY

dZ













X

Y

l

L

l









对于外业控制点，如不考虑它的误差，则控制点的坐标改正数0dXdYdZ。当像点

坐标为等权观测时，误差方程式对应的法方程式为:

0

TTT

TTT

AAABXAL

t

BABBBL



















式含有像片外方位元素改正数X和待定点地面坐标改正数t两类未知数。对于一个区域

来说，通常会有几条、十几条甚至几十条航带，像片数将有几十、几百甚至几千张。每张像

片有6个未知数，一个待定点有3个未知数。

如若全区有N条航带，每个航带有n张像片，全区有m个待定点，则该区域的未知数

为63nNm个。由此组成的法方程将十分庞大。为了计算方便，通常消去一类未知数，

保留另一类未知数，形成改化法方程式。把上式中的系数矩阵和常数项用新的符号代替，写

成:

121

21222

0

NL

X

NNtL





















用消元法消去待定点地面坐标改正数得改化法方程式，即：

11

222

TNNNNXLNNL





上式的改化法方程式的系数矩阵是大规模的带状矩阵。为了计算方便，通常采用循环

分块解法解求未知数。

求得每张像片的外方位元素后，可利用双像空间前方交会或多像空间前方交会法解求

全部加密点的地面坐标。

多像空间前方交会是根据共线方程，由待定点在不同像片上的所有像点列误差方程式

进行结算。下式为共线条件方程经线性化后的误差方程式，即：

1112131415

16111213

2122232425

26212223

XSS

X

YSS

X

vadXadYadZadad

adkadXadYadZl

vadXadYadZadad

adkadXadYadZl



























由于每张像片的外方位元素己经求得，就可列出每个待定点的前方交会误差方程式，

即

111213

212223

XX

YY

vadXadYadZl

vadXadYadZl











如果某待定点在n张像片上都有构像，则可列出2n条误差方程式，解出该点的地面坐

标改正数，再加上其近似值就得待定点的地面坐标。

2、光束法平差方式

针对无人飞行器遥感系统集成了GPS定位、工MLJ定姿等高新科学技术手段，能够获得

摄影曝光时刻的外方位元素。为了充分利用POS数据，基于光束法区域网平差的数学模型，

根据有无外业控制点数据及控制点数据所占的权重，光束法平差又可分为自由网平差、控制

网平差和联合平差。

（1）自由网平差

自由网平差简单可以理解成所有的匹配点的像点坐标一起进行平差，其中像点坐标为

等权观测。其实现过程是：

1、根据影像匹配构网生成的像片外方位元素和地面点坐标的近似值；

2、建立误差方程和改化方程；

3、依据最小二乘准则，解算出每张外方位元素和待定点地面坐标；

4、根据平差后解算出的外方位元素和待定点的地面坐标，可以反算出每个物点对应像

点坐标，求得像点残差；

5、给定像点残差阈值，将大于该阈值的像点全部删除后，继续建立误差方程和改化方

程进行平差解算，以此循环迭代直到像点残差阈值满足一定的要求。

对于自由网平差中阈值限定的要求，传统的数字摄影测量，按《数字航空摄影测量_空

中三角测量规范》中规定：扫描数字化航摄影像最大残差应不超过（1个像素）；数码影

像最大残差应不超过2/3像素。扫描数字化航摄影像连接点的中误差不超过（1/2）数码影

像连接点的中误差应不超过2/3像素。

由于无人机低空航摄系统的各个特点，其航摄获得的影像资料存在像幅小、像对多、基

线短、旋偏角较大、姿态不稳定、重叠度不规则等问题，因此在自由网平差中闽值的限定要

求也相应的扩大。其参照《低空数字航空摄影测量内业规范》规范的要求：最大残差应不超

过4/3个像素，中误差为2/3个像素。

（2）控制网平差

控制网平差在此可以理解成将控制点和匹配点的像点一起进行平差，但是控制网平差中

的像点坐标不是等权观测，会对控制点进行权重的设置。其实现过程和自由网平差类似，对

于闽值的要求也是根据自由网平差中国家的规定的要求。所不同的是，平差解算出的外方位

元素和待定地面坐标时，也会根据解算出的外方位元素求出对应的控制点地面坐标，此时与

真控制点坐标有个差值，对于这个差值的要求根据国家规定分别可以再《数字航空摄影测量

_空中三角测量规范》和《低空数字航空摄影测量内业规范》查询，因为这个残差是根据成

图比例尺来确定的，不同的成图比例尺要求的控制点残差也不一样。对于控制点和检查的平

面中误差和高程中误差可依据以下公式进行解算：

检查点的平面中误差、高程中误差分别按以下公式计算：

1

1

()/

n

ii

i

mn





式中：

1

m-------------检查点中误差，单位为米（m）;

--------------检查点野外实测点与解算值的误差，单位为米（m）;

n--------------参与评定精度的检查点数，一幅图应该有一个检查点。

（3）联合平差

联合平差可以简单地理解成对两种不同观测手段的数据在一起进行平差，在光束法空三

加密中，则是pos与控制点一起进行平差。根据pos和控制点在平差过程中所占的权重，联

合平差又可分为pos+控制点和控制点+pos两种方式。

根据两种不同的观测数据一起平差，从理论上能提高空三加密的精度，但是，根据目前

国内对于空三加密研究的现状，IMU本身的精度，以及如何设置控制点与GPS/IMU权重等情

况，联合平差在实际生产中很少得到充分利用。

对于以上的三种平差方式，目前在实际生产中，自由网平差是整个空三流程中必不可少

的一步，需要对所有的像点进行平差剔除;而对于控制网平差，是根据实际生产中是否提供

有外业控制点资料，是否按控制点方式进行空中三角测量，当引入控制点时才需要进行控制

网平差，剔除粗差点，但是对于控制网平差的解算方式是目前国内加密方式应用最为广泛;

联合平差限于国内研究的现状，研究还较少，应用还不是很广泛。

解析空中三角测量的精度分析

摄影测量的任务主要是运用前后方交会求出待定点或是加密点的的空间坐标，即空中三

角测量方法。在实际生产中，空中三角测量的定位精度是重要精度指标。空中三角测量的精

度可以从两个方面分析:第一，从理论上分析，将待定点（或加密点）的坐标改正数视为一

个随机误差，根据最小二乘平差中的函数关系，结合协方差传播定律求出坐标改正数的方差

一协方差矩阵，以此得到平差精度。第二，直接将地面量测值视为真坐标值，通过比较地面

控制点的平差坐标值和地面测量坐标值进行进行较值分析，将多余的控制点坐标值视为多余

观测值和检查点，进行精度分析。[5]

理论精度一般是反映了对象的一种误差分布规律，观测值的精度以及区域网的网形结构

都会影响不同的误差分布，通过误差分布的规律，可以对网形以及控制点的分布进行更合理

的设计。而实际精度是用来评价空中三角测量的更为接近事实精度，在理论上，在不存在各

种误差不必要的误差影响下，理论的精度应与实际精度相同，但是实际生产中，两者会存在

不同的精度，不同的精度分析可以发现观测值或平差模型中存不同的误差类型，因此，测量

平差中对于多余控制点的观测是非常必要的。

1、空中三角测量中理论精度

摄影测量中的空中三角测量的理论精度为内部精度，反映了一区域网中偶然误差的分布

规律，其与点位的何种分布有关。其理论精度都是以平差获得的未知数协方差矩阵作为测度

进行评定的，通常采用下式来表示第i个未知数的理论精度。

0iii

mQ•

其中，

ii

Q

为法方程逆矩

XX

Q

二阵对角线上第i个对角线元素；

0

是单位权观测值的中

误差，可以用像点观测值的验后均方差表示，其计算式为：

0

TVPV

r



其中r为多余观测数，空中三角测量的理论精度表达了量测误差随平差模型的协方差传

播规律，与区域网内部网型结构有关，区域网的何种布设，误差传播规律在区域网内部的传

播就变额不同，导致的精度也不同，但各未知数的理论精度和像点的量测精度是成正比。因

此，理论精度可以认为是区域网平差的内部精度。

2、空中三角测量的实际精度

实际精度与理论精度存在差异是由于在平差模型中可能含有残余的系统误差，当与偶然

误差综合作用产生的差异。但是实际精度上定义公式老年网名 很便捷，一般把多余控制点的真实坐标

与平差坐标之间的较值来衡量平差的实际精度。空中三角测量实际精度估算式如下:

2

2

2

(-X)

n

(-Y)

n

(-Z)

n

x

r

z

X

Y

Z



















真实平差

真实平差

真实平差

3、区域网的平差结果的精度规范

《数字航空摄影测量空中三角测量规范》规定中对于空三加密的成果，在实际生产中，

由于空三加密成果的精度是根据后期数字线化图、数字正射影像不同成图比例尺来进行决定

的，对于低空数字航空摄影测量的空三加密成果精度要求一般是从控制点、检查点的平面和

高程残差以及中误差来进行评定的，如表***所示的部分的不同比例尺对于精度的要求。

成图比例尺点别平地位置中误差高程中误差

平地丘陵地山地高山地平地丘陵地山地高山地

1:500

定向点0..2

检查点

公共点

1:1000

定向点

检查点

公共点

1:2000

定向点

检查点

公共点

表***定向点残差、检查点误差和公共点较差最大限值

inpho摄影测量系统空三加密

INPHO采用工程化作业流程，根据基本航测理论展开作业流程，操作非常简单。具体有

两种空三作业流程。

第一种：绝对定向方式，要求空三开始前就加入地面控制点和检查点，推荐采用。第

二种：相对定向方式，不要求地面控制点和检查点，空三完成后再进行绝对定位。一般用于

无控制点，或控制点难做，影像质量不好时为获得更好的匹配效果。

第七章矢量数据采集

矢量数据采集基本算法

一、封闭地物的自动闭合

对于一些封闭地物（如湖泊），其终点与首点是同一点，应提供封闭（即自动闭合）的

功能。当选择此项功能后，在测倒数第一个点时就发出结束信号（通常由一个脚踏开关控制

或由键盘控制），系统自动将第一点的坐标复制到最后一点（倒数第一点之后），并填写有

关信息。

二、直角点的自动增补

直角房屋的最后一个角点可通过计算获取而不必进行量测。设房屋共有n个角点p1，

p2,...，pn-1,pn,在作业中只需要测n-1个点，点Pn可自动增补。过P1(x1,y1)与p2（x2，

y2）的直线方程为

Y=Y1+

过Pn-1(Xn-1,Yn-1)与之平行的直线方程为

Y=Yn-1+

过P1与P1P2垂直的直线方程为

Y=Y1-

令dX=X2-X1，dY=Y2-Y1,经整理得方程组

dX﹒X+dY﹒Y=dX﹒X1+dY﹒Y1

-dY﹒X+dX﹒Y=-dY﹒Xn-1+dX﹒Yn-1

解此方程组可得角点Pn（Xn，Yn）:

Xn=[（X1Dx+Y1dY）-(Yn-1dX-Xn-1dY)Dy]／

Yn=[（Yn-1dX-Xn-1dY）dX+(X1dX+Y1dY)dY]／

其中=dX2+dY2

当量测完第n-1个房角时，就给出结束信号，若已选择了直角点的自动增补功能，则计

算出Pn点坐标，并填入坐标表中。若此时也选择了封闭功能，则将第一点坐标复制到第n+1

点。对于一个四角房屋，在数字测图中只需要测3个点，而在模拟测图中需要测4个点甚至

5个点（第一点测两次，图形才能封闭）。

三、直角化处理

由于测量误差，使得某些本来垂直的直线段互相不垂直。例如房屋的量测有时不能保

其方正的外形。此时可利用垂直条件，对其坐标进行平差，求得改正数，以解算的坐标

值代替人工量测的坐标值。但其改正值应在允许的范围内，否则应重新量测。

设Pj是直角顶点，Pi与Pk是直角边上的两点，Pi（Xi，Yi），Pj（Xj，Yj）与Pk（Xk，Yk）

三点用直线构成直角的充要条件是向量积为零

四、平行化处理

在实际运用中，平行条件与垂直条件以及其他条件可联合使用。

五、公共边

若两个（或两个以上）地物有公共的边，则称先测得地物为主地物，后测得地物为从地

物。主地物的量测与没有公共边的地物的量测相同。从地物只量测非公共边部分，过程如下：

（1）选择公共边功能，利用Snap功能，即线吻合功能，获得非公共边，也是公共边的一

个端点，然后插入。

（2）将公共边的终止端点作为从地物非公共边的起始点。

（3）当非公共边中的点只剩下最后一个端点时，选用线吻合功能、量测并记录该点。

（4）将非公共边的后一端点拷贝并插入主地物中。

（5）填写公共表。

六、复制（拷贝）

在平坦地区，对形状完全相同的地物（如房屋），可在量测其中一个之后，进行复制。

当测标切准要测地物与已测过的同形状地物第一点的对应点后，选择复制功能，则将已

测地物的坐标经平移交换记入坐标表中，并填写属性码文件。

第八章真正射影像的概念和制作原理

正射影像应同时具有地图的几何精度和影像的视觉特征，特别是对于高分辨率、大比例

尺的正射影像图，它可作为背景控制信息去评价其他地图空间数据的精度、现势性和完整性。

然而作为一个视觉影像地图产品，影像上由于投影差引起的遮蔽现象不仅影响了正射影像作

为地图产品的基本功能发挥，而且还影响了影像的视觉解译能力。为了最大限度地发挥正射

影像产品的地图功能，近几年来，关于真正射影像（TrueOrthophoto）的制作引起了国内

外的广泛关注。本节主要对真正射影像的概念及制作原理进行简单介绍。

一、遮蔽的概念

这里所说的遮蔽也即遮挡，指的是由于地面上有一定高度的目标物体遮挡，使得地面上

的局部区域在影像上不可见的现象。航空遥感影像上的遮蔽主要有两种情况，一种是绝对遮

蔽，比如高大的树木将低矮的建筑物遮挡了，使得被遮挡的建筑物在航空遥感影像上不可见。

另一种则是相对遮蔽，如图8-1-1所示，对于地面上的△ABC区域，它在右像片上不可见，

即被遮挡了，但在左像片上是可见的；而对于地面上的△DEF区域，则正好相反。这说明对

于相对遮蔽而言，影像上的丢失信息是可以通过相邻影响进行补偿的，而绝对遮蔽则做不到

这一点。以下只讨论相对遮蔽的情况。

图8-1-1相对遮蔽示意图

航空遥感影像上遮蔽的产生与投影方式有关。对于地物的正射投影，由于它是垂直平行

投影成像，是不会产生遮蔽现象的（树冠等的遮挡除外），如图8-1-2（a）所示。而传统

的航空遥感影像，它是根据中心投影的原理摄影成像的，对地面上有一定高度的目标物体，

其遮蔽是不可避免的。对于中心投影所产生的遮蔽现象，其实质就是投影差，如图8-1-2（b）

所示。

（a）正射投影无遮蔽（b）中心投影有遮蔽

图8-1-2遮蔽情况分析示意图

传统的正射影像制作方法主要是利用中心投影（包括框幅式中心投影或线中心投影）影

像通过数字纠正的方法得到。在纠正过程中，对原始影像上由一定高度的地面目标物体所产

生的遮蔽现象在纠正后依然存在，这使得正射影像失去了“正射投影”的意义，同时也使得

正射影像失去了“正射影像”的意义，同时也使得正射影像在与其他空间信息数据进行套合

时发生困难，使传统正射投影的应用受到一定的限制。

二、正射影像上遮蔽的传统对策

为了有效地削弱或尽可能地消除正射影像上的遮蔽的影响，使正射影像产品满足相应比

例尺地图的几何精度要求，人们提出了许多有效的限制中心投影影像（包括所生产的正射影

像）上遮蔽现象的办法或措施，主要策略包括：

影像获取时的策略。通过在摄影时采用长焦距摄影、提高摄影飞行高度、缩短摄影基

线等方法以增加像片的重叠度，以及在航空摄影航飞线路设计时尽量避免使高层建筑物落在

像片的边缘等手段，减少因地面有一定高度目标物体所引起的投影差（遮蔽），也即缩小像

片上遮蔽的范围。

纠正过程中的策略。尽量利用摄影像片的中间部位制作正射影像，因为中心投影像片

的中间部位其投影差较小甚至无投影差，换句话说就是此处的遮蔽范围较小或根本无遮蔽。

传感器选择的策略。随着线阵列扫描式成像传感器的应用越来越广泛，人们希望利用线

阵列扫描式传感器影像来制作正射影像。因为对于垂直下视线阵列扫描影像而言，地面有一

定高度的目标只会在垂直于传感器平台飞行的方向上产生投影差（遮蔽），而在沿飞行方向

则无投影差（遮蔽），如图8-1-3所示。

图8-1-3线阵列扫描影像的遮蔽

三、真正射影像的概念及其制作原理

传统的正射影像虽然冠以“正射”两字，但却不是真正意义上的正射影像。这是因为传

统正射影像的制作是以维的数字高程模型（DEM）为基础进行数字纠正计算的。而DEM是地

表面的高程，即它并没有顾及地面上目标物体的高度情况，因此，微分纠正所得到的影像虽

然叫做正射影像，但地面上3维目标9(如建筑物、树木、桥梁等）的顶部并没有被纠正到

应有的平面位置9（与底部重合)，而是有投影差存在。随着GIS重要性的增强，人们常常

会把正射影像特别是城区大比例尺的正射影像作为GIS的底图来使用，以更新GIS数据库或

用于城市规划等目的，此时就会发现正射影像与其他类型图件进行套合时发生困难。正因为

如此正射影像就不适合作为底图对其他图件进行精度检查或进行变化检测。为此，人们提出

了制作“真正射影像”的要求。

所谓真正射影像，简单一点讲就是在数字微分纠正过程中，要以数字表面模型（DSM）

为基础来进行数字微分纠正。对于空旷地区而言，其DSM和DEM是一致的，此时只要知道了

影像的内、外方位元素和所覆盖地区的DEM，就可以按共线方程进行数字微分纠正了，而且

纠正后的影像上不会有投影差。实际上，需要制作真正射影像的情况往往是那些地表有人工

建筑或树木等覆盖的地区，对这样一些地区，其DSM和DEM的差别就体现在人工建筑或树木

等的高度上。换句话说，为了制作这些地区的真正摄影像，就要求在该地区的DEM基础上，

采集所有高出地表面的目标物体高度信息，或直接得到该地区的DEM，以供制作真正射影像

所用。

然而，在实际真正射影像的制作过程中，还有两个方面的问题需要考虑：

DSM采集的困难。就目前数字摄像测量及其相关技术的发展水平而言，DSM的采集主要

有两种方法：一是采用半自动的方式在摄影测量工作站上采集得到，二是可以用机载三维激

光扫描仪或断面扫描仪直接扫描得到。上述两种方法理论上都是可行的，但由于实际地表覆

盖的高低起伏很复杂，若以较大的采样间隔去采集DSM，将直接影响所生成的真正射影像质

量；另外，DSM采集的对象是否有必要包括地面上一切有一定高度的目标也值得考虑。

相对遮蔽信息补偿的困难。因为在原始中心投影影像上，由于遮蔽的存在，地面局部被

遮挡区域并未成像，如图8-1-4所示。对于这样的区域，当纠正得到的真正射影像后，会在

对应的被遮蔽区留下信息缺失区，即这部分信息无法从原始中心投影影像上获得。要使真正

射影像能完整地反映地面的信息，必须设法在纠正后的影像上对遮蔽处所缺失的信息进行填

充补偿。从理论上讲，对遮蔽信息进行补偿的最好方法就是利用相邻有重叠影像上的对应信

息来进行填充补偿。

图8-1-4正射投影及遮蔽示意图

真正射影像的具体制作过程可以用图8-1-5所示的流程图来表示。

对该流程图的说明如下：在具有多角度重叠的像片中选择一张影像作为主纠正影像，而

其他影像则作为从属影像用来补偿主纠正影像上被遮挡部分的信息，即从从属影像上挖出相

应部分的信息填充到主纠正影像的被遮蔽区域。当然，这样做的前提是主纠正影像上被遮蔽

处要在从属影像上可见，否则，被遮蔽处的信息只能通过其他方式进行填充补偿，例如利用

相邻区域的纹理进行填充补偿。不管采用什么方式对主纠正影像被遮蔽区域的信息进行填充

补偿，都要顾及所填充内容与其周边在亮度、色彩和纹理方面的协调性。

需要进一步说明的是，图8-5-5所描述的制作真正射影像的过程多少还是有些理想化。

因为实际地表面的情况复杂，无论从DSM的采集或遮蔽信息的补偿哪方面讲，都不是一件简

单的工作。

随着数码航空相机的发展和数码航空摄影技术的广泛使用，充分利用数码航空相机不需

胶片这一特点，在航空摄影时可以大大提高飞行的重叠度。在利用多像前方交会改善对地定

位精度的同时，也可充分利用每张影像像底点附近的局部影像来制作真正射影像，这样得到

的正射影像虽然不是严格意义上的真正射影像，但却可以避免对影像缺失信息进行填充的麻

烦。

纠正影像及其定DEM+DSM

从属影像及其定

遮蔽检测

可视性检

非遮蔽区域

（用本影像数据纠正）

遮蔽区域

（用该处可见的从属影像

图8-5-5真正射影像制作流程图

数字高程模型概念和采集方法

◇1数字高程模型（DEM）概念：

DEM是表示区域D上地形的三维向量有限序列{（Xi,Yi,Zi）,i=1,2，，n}，其

中（Xi,Yi）∈D是平面坐标，Zi是（Xi,Yi）对应的高程。当该序列中各向量的平面点位是

规则格网排列时，则其平面坐标（Xi,Yi）可省略，此时DEM就简化为一维向量序列{Zi，

i=1,2,3，，n}，这也是DEM或DHM的缘故。在实际运用中，许多人习惯将DEM称为

DTM，实质上它们是不完全相同的。

DEM有多种表现形式，主要包括规则矩形格网与不规则三角网等为了减少数据的存储量

及便于使用管理，可利用一系列在X,Y方向上都是等间隔排列的地形点的高程Z表示地形形

成一个矩形格网DEM。其任意一个点Pij的平面坐标可根据该点在DEM中的行列号j,i及存

放在该头文件的基本信息推算出来。这些基本信息应包括DEM起始点（一般为左下角）坐标

X0,Y0。DEM网格在X方向与Y方向的间隔DE,DY及DEM的行列数NY,NX等。例如：点Pij

的平面坐标（Xi,Yi）则表示为

Xi=X0+i*DX（i=0,1,2，，NX-1）}

Yi=Y0+i*DY（i=0,1,2，，NY-1）

图8-2-1矩形格网

两者结合得到真正的射影像

由于矩形格网DEM存储量最少，非常便于使用且容易管理，因而是目前最广泛的一种形

式。但其缺点是有时不能准确表示地形图的结构与细部，因此基于DEM描绘的等高线不能准

确表示地貌。为克服其缺点，可采用附加地形特征数据，如地形特征点、山脊线、山谷线、

断裂线等，从而构成完整的DEM。若将地形特征采集的点按一定规则连接成覆盖整个区域且

互不重叠的许多三角形，可构成一个不规则三角网TIN（TriangulatedIrreruarNetwork）

表示的DEM，通常称为三角网DEM或TIN。TIN能够较好的顾及地貌特征点、线，表示复杂

地形表面比矩形格网精确。其缺点是数据量较大，数据结构较复杂，因而使用管理也较复杂。

◇2为了建立DEM，必需量测一些点的三维坐标，这就是DEM数据采集或DEM数据获取。

被测量三维坐标的这些点称为数据点或参考点。

数据点的采集方法：

地面测量：利用自动记录的测距经纬仪（常称为电子测速经纬仪或全站经纬仪）在野外

实测。这种速测经纬仪一般都有微处理器，它可以自动记录与显示有关数据，还能进行多种

测站上的计算工作。其记录的数据可以通过串行通讯等方式，输入其他计算机进行处理。

现有地图数字化：这是利用数字化仪对已有地图上的信息（如等高线，地形线等）进行

数字化的方法。目前常用的数字化仪有手扶跟踪数字化仪与扫描数字化仪。

○1手扶跟踪数字化仪：将地图平放在数字化仪的台面上，用一个带有十字丝的鼠标，手

扶跟踪等高线或其他地形地物符号，按等时间间隔或等距离间隔的数据流模式记录平面坐

标，或由人工按键控制平面坐标的记录，高程则需由人工按键输入。其优点是所获取的向量

形式的数据在计算其中比较容易处理；缺点是速度慢，人工劳动强度大。○2扫描数字化

仪：利用平台式扫描仪或滚筒式扫描仪或CCD阵列对地图扫描，获取的是栅格数据，即一组

阵列式排列的数字影像。其优点是速度快又便于自动化，但获取的数据量很大且处理复杂，

将栅格数据转换成矢量数据还有许多问题需要研究，要实现完全自动化还需要做很多工作。

空间传感器：利用GPS，雷达和激光测高仪等进行数据采集。

数字摄影测量方法：这是DEM数据点采集最常用的一种方法。利用附有自动记录装置（接

口）的立体测图仪或立体坐标仪，解析测图仪及数字摄影测量系统，进行人工，半自动或全

自动的量测来获取数据。

2.数字摄影测量的DEM数据采集方式：

数字摄影测量是空间数据采集最有效的手段，它具有效率高、劳动强度低等优点。利用

计算机辅助测图系统可进行人工控制的采样，即X,Y,Z三个坐标的控制全部由人工操作；利

用解析测图仪或机控方式的机助测图系统可进行人工或半自动控制的采样，其半自动的控制

一般由人工控制高程Z，而由计算机控制平面系统X,Y的驱动：半自动测图系统则是利用计

算机立体视觉代替人眼的立体观测。

在人工或半自动方式的数据采集中，记录可分为“点模式”和“流模式”。前者是根据

控制信号记录静态量测数据；后者是按一定规律连续性地记录动态的量测数据。

沿等高线采样：在地形复杂及陡峭地区，可采用沿等高线跟踪的方式进行数据采集，而

在平坦地区，则不宜采用沿等高线的采样。沿等高线采样可按等距离间隔记录数据或按等时

间间隔记录数据方式进行。当采用后者时，由于在等高线曲率大的地方跟踪速度较慢，因而

采集的点较密集，而在等高线曲率小的地方跟踪速度较快，采集的点较稀疏脆性x综合症 ，故只要选择恰

当的时间间隔，所记录的数据就能很好地描述地形，且不会有太多的数据。

规则格网采样：利用解析测图仪在立体模型中按规则矩形进行采样，直接构成规矩格网

DEM。当系统驱动测标到格网点时，会按预先选定的参数停留一短暂的时间，供作业人员精

确测量。该方法的优点是方法简单、精度较高、作业效率也较高；缺点是特征点可能丢失，

基于这种矩形格网DEM绘制的等高线有时不能很好的表示地形特征。

沿断面扫描：利用解析测图仪或附有自动记录装置的立体测图仪对立体模型进行断面扫

描，案等距离方式或等时间方式记录断面上点的坐标。由于量测是动态的进行，因而此种方

法获取数据的精度要比其他方法要差，特别是在地形变化趋势改变处，常常存在系统误差。

在传统摄影测量中，该方法作业效率是最高的，一般用于正摄影图的生产。对于精度要求较

高的情况，应当从测定的断面数据中消去扫描的系统误差。

渐进采样：为了使采样点分布合理，即平坦地区采样较少，地形复杂地区采样较多，可

采用渐进采样的方法。先按预定的比较稀疏的间隔进行采样，获得一个较稀疏的网格，然后

分析是否需要对格网加密。

选择采样：为了准确的反映地形，可根据地形特征进行选择采样，例如，沿山脊线、山

谷线、断裂线进行采样以及离散碎部点（如山顶）的采集。这种方法获取的数据尤其适合于

不规则三角网DEM的建立，但显然其数据的存贮管理与运用均较为复杂。

混合采样：为了同时考虑采样的效率与合理性，可将规则采样（包括渐进采样）与选择

采样结合起来进行，即在规则采样的基础上再进行沿特征线、点的采样。为了区别一般的数

据点与特征点，应当给不同的点以不同的特征码，以便处理时可按不同的合适的方式进行。

利用混合采样可建立附加地形特征的规则矩形格网DEM，也可建立沿特征附加三角网的

Grid-TIN混合形式的DEM。

自动化DEM数据采集：前几种方法是基于解析测图仪或机助测图系统利用半自动化的方

法进行DEM数据采集的，现在主要利用数字摄影测量工作站进行自动化的DEM数据采集。此

时可按影像上的规则格网利用数字影像匹配进行数据采集。若利用高程直接解求的影像匹配

方法，也可按模型上的规则格网进行数据采集。

数据采集是DEM的关键问题，研究结果表明，任何一种DEM内插方法，均不能弥

补由于取样不当所造成的信息损失。数据点太稀会降低DEM的精度，数据点过密，又会增大

数据获取和处理的工作量，增加不必要的存贮量。这需要在DEM数据采集之前，按照所需的

精度要求确定合理的取样密度，或者在DTM数据采集过程中根据地信的复杂程度动态地调整

取样密度。

商用摄影测量软件制作DOM（数字正射影像）和DEM方法

一inpho摄影测量系统生产DOM和DEM

二、Pix4D生产DOM和DEM

无人机研究经常存在数据处理问题，因此在处理数据方面面临着诸如以下的困难：

①IMU的信息不准确或者没有

②不能充分利用硬件资源

③多架次或不同相机获取的数据无法同时处理

④结果有拉花现象

⑤……

而Pix4UAV能让这些问题迎刃而解！

1、Pix4UAV——全自动快速无人机数据处理软件

①什么是Pix4UAV

Pix4UAV是目前市场上独一无二的集全自动、快速、专业精度为一体的无人机数据和航

空影像处理软件，无需专业知识，无需人工干预，即可将数千张影像快速制作成专业的、精

准的二维地图和三维模型。

②Pix4UAV的独特优势

无需人为干预即可获得专业的精度、无需专业操作员，拥有完善的工作流，能自动获取

相机参数；无需IMU数据，能自动生成Google瓦片及带纹理的三维模型，充分利用了硬件

资源。

③Pix4UAV的关键特征

生成正射校正及镶嵌结果、数字表面模型DSM，拥有全自动空三、区域网平差和相机检

校，自动生成精度报告，可以同时处理10000张影像，拥有快速处理模式，支持添加控制点

和丰富的坐标参考系，同时支持多种传感器，集多种优点于一身。

利用Pix4UAV生产DOM和DEM的方法

①完善工作流

Pix4UAV把原始航空影像变为任何专业的GIS和RS软件都可以读取的DOM和DEM数据。

通过提供ERDAS、SocetSet和Ihpho的可读的输出文件，能够与摄影测量软件进行无缝集成。

②自动生成Google瓦片

自动将DOM进行切片，生成PNG瓦片文件和KML文件，直接使用GoogleEarth即可浏

览成果。

③自动生成精度报告

Pix4UAV自动生成一个6页的精度报告，可以快速和正确地评估结果的质量。显示处理

完成的百分比，以及正射镶嵌和DEM的预览结果，提供了详细的、定量化的自动空三、区域

网平差和地面控制点的精度。

图8-2-1

④点云加密

Pix4UAV高级算法计算了原始影像每个像元的高程值，生成三维点云，以提高DEM和正

射镶嵌结果的分辨率。

图8-2-2加密电云

⑤量测工具

Pix4UAV提供易用的量测界面，基于生成的DEM进行位置、面积和体积的量测。

工程实例

①inpho摄影测量系统生产DOM和DEM的实例

②Pix4D生产DOM和DEM的实例

312张CanonIXUS220HS拍摄数据，GSD5cm，总处理时间1小时20分钟。

1、工程完成度

影像连接性

匹配点数及中误差

相对定位精度

平差后的影像位置与原始GPS之间的偏移

相机检校参数

DOM和DEM成果

第九章无人机倾斜摄影测量

概况

无人机具有机动、灵活、快速、经济等特点，以无人机作为航空摄影平台能够快速高效

地获取高质量、高分辨率的影像，无人机在摄影测量中的优势是传统卫星遥感无法比拟的，

越来越受到研究者和生产者的青睐，大大地扩大了遥感的应用范围和用户群，具有广阔的应

用前景。无人机倾斜摄影测量已经成为未来航空摄影测量的重要手段和国家航空遥感监测体

系的重要补充，逐步从研究开发阶段发展到了实际应用阶段。

倾斜摄影测量原理

通过传统摄影测量的飞机飞行方式，增加向前、后、左、右四个方向的传感器镜头，同

时拍摄一组正摄和四个倾斜等五个不同角度的相片，如图所示。

图9-2-1一组五个不同角度影像获取示意图

拍摄相片时，同时记录航高、航速、航向重叠、旁向重叠、坐标等参数，然后对倾斜影

像进行分析和整理。在一个时段，飞机连续拍摄几组影像重叠的照片，同一地物最多能够在

三张相片上被找到，这样业内人员可以比较轻松地分析建筑物的结构，并且可以选择最为清

晰的一张照片制作细部纹理。

密集匹配算法

影像匹配是摄影测量的基本问题之一，多视影像具有覆盖范围大，分辨率高等特

点。因此，如何在匹配过程中充分考虑冗余信息，快速准确获取多视影像上的同名点坐标，

进而获取地物的三维信息，是多视影像匹配的关键。由于单独使用一种基元或匹配策略往往

难以获取建模需要的同名点，因此，今年来随着计算机视觉发展起来的多基元、多视影像匹

配，逐渐成为人们研究的焦点。目前，在该领域的研究已取得了很大进展，例如建筑物侧面

的自动识别与提取。通过搜索多视影像上的特征，如建筑物边缘、墙面边缘和纹理，来确定

建筑物的二维矢量数据集，影像上不同视角的二维特征可以转化为三维特征，在确定墙面时，

可以设置若干影响因子并给予一定的权值，将墙面分为不同的类，将建筑物的各个墙面进行

平面扫描和分割，获取建筑物的侧面结构，再通过对侧面进行重构，提取出建筑物屋顶的高

度和轮廓。

采用无人机影像恢复被摄物体三维信息，具有自动化程度高、成本低廉的特点。密集

匹配技术是基于二维影像恢复三维信息的关键技术之一，同时也是摄影测量和计算机视觉

领域的热点和难点问题。无人机影像相对于传统航摄影像，具有影像分辨率高、重叠度大

的优势，同时也存在基高比小、影像姿态不稳定等问题。无人机影像的这些特点给无人机

影像的密集匹配带来了困难。

针对无人机影像的特点，设计一种基于影像分割的密集匹配算法。算法的主要过程为：

首先，采用meanshift方法对核线影像进行彩色分割，然后采用半全局匹配方法生成初始

视差图，在此基础上，以影像分割的块作为最小单位用Ransac方法拟合视差平面并精化，

再采用置信度传播方法进行视差平面分配，由此得到视差图，最后进行视差精化。考虑到

算法的效率和适应性等问题……密集匹配采用影像分块的策略……解决了由于视差范围过

大而导致的内存不足的问题，提高算法的适用性。（吕佩育基于影像分割的无人机影像密

集匹配算法研究与实现）

纹理映射和细节层次模型

纹理映射的基本原理：

纹理生成过程实质上是将定义的纹理映射为反映某种三维景物表面的属性，并参与后

续的光照明计算。为物体表面添加纹理的技术称为纹理映射，即对物体表面细节进行模拟。

当用光照模型计算物体表面的颜色时，细节多边形的各个反射系数代替它所覆盖的部分物

体表面的相应反射系数参与计算。

以前，提高一个对象真实感的主要方法是增加物体的多边形，然而增加多边形的实时

仿真会使图形速度变得缓慢。目前，图形硬件都具有实时纹理处理能力，允许二维图像位

图上的像素值加到三维实体模型的对应顶点上，以增强图像的真实感。总之，使用纹理映

射技术有以下优点：

增加了细节水平及景物的真实感

由于透视变换，纹理提供了良好的三维线素

纹理大大减少了环境模型的多边形数目，提高图形显示的刷新频率

纹理映射过程;

选择或确定当前纹理；

映射纹理；

调整面上图像的颜色数据和阴影数据；

应用过滤器消除由像素到图元间的关系引起的不正常效果。

纹理映射涉及的几种关键技术：

透明纹理映射技术

纹理拼接

复杂模型表面的纹理映射

细节层次模型

细节层次模型技术（LOD技术），其主要思想就是利用一组复杂程度（一般以多

边形数来衡量）各不相同的实体细节层次模型来描述同一个对象，并在绘制图形时依据视

点的远近或其他标准在这些细节模型中进行切换，自动选择相应的显示层次，从而能够实

时地改变场景的复杂程度，而又不影响效果的目的。

LOD技术大多情况下用于简化多边形几何模型，目前在简化模型的研究中，生成

层次LOD模型的方法主要有:细分法，采样法，删减法。其中删减法应用较广泛。

倾斜摄影测量相机

世界上较早的倾斜摄影测量相机被认为是徕卡公司2000年推出的ADS40三线

阵数码相机，提供地物前视，正视和后视3个视角方向的影像。美国Pictometry公司和天

宝公司（Timble)则专门研制了倾斜摄影用的多角度相机，可以同时获取一个地区多个角度

的影像；我国的四维远见公司也研制了自主知识产权的多角度相机。这些典型多角度相机

系统的参数和性能对比如下：

三线阵（ADS40/80）

主要参数：三个全色阵CCD，每个2*12000像元，4个多光谱线阵CCD，每个12000像

元；像元大小；焦距

特点：堆扫式成像；前视后视可获得较好的倾斜影像；需集成POS系统

3镜头（AOS）

主要参数：单机幅面7228*5428；像元大小；焦距47mm；倾角30--40

特点：一台相机获取垂直影像，两台获取倾斜影像；镜头在曝光一次后自动旋转

5镜头

（SWDC-5）

主要参数：单机幅面5412*7216；像元大小；焦距100mm/80mm；倾角40--45

特点：一台相机获取垂直影像，四台获取倾斜影像；集成测量型GPS和POS

（Pictometry）

主要参数：单机幅面4008*2672；像元大小9；焦距65mm/85mm;倾角40--60

特点：一台相机获取垂直影像，四台获取倾斜影像；产品包含两级影像

商用倾斜摄影测量软件三维建模

倾斜影像资料可以用于进行三维建模。常规的使用摄影测量技术3D建模是基于垂直摄

影像片的，能够解决地面纹理、屋顶纹理和部分立面纹理，大部分的立面纹理需要依赖地

面摄影来提供。地面摄影取立面是一项耗费人力的繁琐工作。

建筑物的几何模型可以用数字摄影测量技术来建立，或者通过激光雷达获取的DSM来

建立。经过地理参考几何定位的倾斜像片可以用于给建筑物的几何模型提供纹理。如Blom3D

可提供4种不同细节的3D模型：具有屋顶细节的3D块状模型；具有模板纹理细节及屋顶

细节的块状模型；具有真实图像纹理细节的3D建筑物模型；真实图像纹理细节的3D建筑

物。

真实图像纹理细节的3D建筑物模型是将倾斜航空像片技术与3D块状模型技术组合得

到的。有了3D模型用户就能看到实际的环境，从而帮助他们更加容易地找到感兴趣的地方。

倾斜图像可让人们更轻松地使用地理信息，从而吸引并不熟悉的心用户使用地图，这样可

以加快地理信息的普及应用，充分发挥地理信息的作用。

倾斜摄影测量系统进行三维建模的主要过程是，基于多角度倾斜相机摄影数据获取系

统飞行拍摄的影像、拍摄时同步记录的POS数据、该区域DSM数据DLG数据等资料，进行

必要的加工处理，建立基于机载多角度倾斜摄影影像的三维测量系统。

Photoscan三维建模技术

Photoscan简介：俄罗斯Agisoft公司产品。单机运行，程序稳定，从数字地形绘制、

自由体三维重建、到虚拟测量，动态4D重建等功能应有尽有，已经成功用于影视、地形

测绘、3D打印等诸多领域。而且界面友好，可扩展性强，可与其他图形图像软件互联互通，

配合使用，综合性能一流。正版价格在3万左右，比较合理。

PhotoScan是一款基于影响自动生成高质量三维模型的优秀软件，这对于3D建模需求

来说实在是一把利器。

PhotoScan无需设置初始值，无须相机检校，它根据最新的多视图三维重建技术，

可对任意照片进行处理，无需控制点，而通过控制点则可以生成真实坐标的三维模型。照

片的拍摄位置是任意的，无论是航摄照片还是高分辨率数码相机拍摄的影像都可以使用。

整个工作流程无论是影像定向还是三维模型重建过程都是完全自动化的。

PhotoScan可生成高分辨率真正射影像（使用控制点可达5cm精度）及带精细色

彩纹理的DEM模型。完全自动化的工作流程，即使非专业人员也可以在一台电脑上处理成

百上千张航空影像，生成专业级别的摄影测量数据。

利用Photoscan进行三维建模

AgisoftPhotoscan。它功能非常强大、可以结合无人机和地理信息系统进行大型地质

调查，也可以进行图像拼接和多视角三维重建，操作的难度相对比较小。对于一个简单的

单目多视角三维重建场景来说，Photoscan只需要五步操作就可以生成三维模型。

导入图片到Photoscan

这一步需要注意，对于存在有明显拍摄缺陷的图像（如虚焦、曝光过度），要事先剔

除掉。

图9-4-1导入照片

对齐图片

这一步主要进行相机的标定以及稀疏重建。由于Photoscan对使用者封装了其中的计

算过程，只留了三个参数供选择。实际使用中一般只需要设置决定计算的精确性，有高中

低三个选项，精度越高计算速度越慢只要计算机硬件性能足够，一般选择高（High）；第

二项成对预选（Pairprelection）一定要选择禁止（Disabled）。图4-2：选好选项后，

点击ok，计算机就开始进行分析和重建了，一般从几分钟到几十分钟不等。稀疏点云重建

之后，我们可以大体上看到重建场景的样貌，其中红色部分代表的是相机空间矩阵，主要

是方便检查校验相机信息，被红色部分包围的就是重建目标，可以看出，房屋的主体轮廓

和纹理信息已经基本成型红色部分之外的点云是一同被恢复出的场景信息，虽然是我们不

需要的东西，而且在拍摄图像是并没有特意兼顾，但是可以发现其三维重建点云依然可以

接受可见算法的强大！通过点云编辑工具将不需要的部分删除，下一步就要开始密集点云

重建了。

图

9-4-2对其图像模块进行参数设定

图9-4-3疏密点云重建结果

密集点云重建

这一步将重建用于网格化的密集点云，是关键的一步。执行工作流程（Workflow）

—生成密集点云（BuildDenCloud）。

这一步选项依旧很少，只有两项，质量（Quality），和对齐图片的类似，影响重建的

精度，值越高计算越准确但是时间越长。本例选择高（High）。深度滤波（Depthfiltering），

这是图像信息处理的一个术语。在密集点云重建过程中，往往需要对点云的空间信息进行

过滤，进行降噪处理。处理时根据不同的目标特征信息，需要做不同的设置。平和的设置

（Mild）对噪声处理效果有限，但是对模型细节的破坏少，激进（Aggressive）的设置降

噪的效果好，但是对模型的细节破坏大。因此，这一选项要根据目标模型的具体情况斟酌

后选定。在本例中选择激进（Aggressive）进行测试。运行大约2小时左右，得到结果。

图9-4-4密集点云重建

④建立网格

这一步要对三维点云进行三角化处理。执行工作流程——网格重建。在菜单下有

三个选项需要选择，表面类型（Surfacetype），选择任意（Arbitary），另一个选项高

度厂（Heightfield）针对的是航空图像。点云来源（Sourcedata），这里当然要选择密

集点云（Dencloud），如果选择稀疏点云(Sparcloud)，结果会比较差。多边形数

量（Polygoncount），根据需要选择，同样，数量越多处理时间越长，默认给出了几种精

度下的对应数量，也可以根据需要手动设置，一般情况下，高（High）足矣。

图9-4-5建立网格

⑤建立纹理

纹理指的是表面的图案信息。Photoscan不仅能恢复模型，还能将通过空间映射

得到的纹理信息转换成二维图像，用以配合模型输出到其他三维软件（3dMax、Autocad等）

进行后续处理。执行工作流程（Workflow）——建立纹理（BuildTexture），一般情况下，

不需要做任何修改，保留默认信息确定就可以。

至此，三维重建过程基本结束，模型三角面在数百万左右，经实物测量验证，模型主

要结构误差为厘米级。从全过程来看，人工参与的过程已经大大简化，时间成本也很低，

半天时间就能得到以往几天都很难得到的结果，而且可以一次批量处理多个重建过程，人

力劳动强度大大降低！当然，对于模型仍有很多要继续调整修改的地方，有些地方的结果

也不是很好，但是瑕不掩瑜，这个可以后续完善。

图9-4-6建立纹理

⑥生成三维模型

处理完后生成的三维模型如下图4-7所示：

⑦导出三维模型

在导出模型时选择.obi格式，利用Smart3D浏览器打开，如图4-8所示：

图9-4-7生成的三维模型

图9-4-8用Smart3D浏览器打开的三维模型

Photoscan三维建模软件操作具体步骤

AgisoftPhotoScan3D扫描软件，通过对多张照片进行处理，实现拍摄物体的三维模

型，正射影像图，等值线图等。生成步骤如下：

工具/原料

Photoscan

方法/步骤

打开photoscan软件，然后点击“菜单栏”--“工作流程”--“添加照片”

图9-5-1

1..2“菜单栏”--“工作流程”--“对齐照片”

此处“成对预选”选择“已禁用”

精度：越高越好，处理时间越长

图9-5-2

图9-5-3

“菜单栏”--“工作流程”--“建立密集点云”

图9-5-4

利用选择按钮，通过“平移”、“旋转”，设置工作区

图9-5-5

“菜单栏”--“工作流程”--“生成网格”

表面类型：任意

源数据：密集点云

图9-5-6

图9-5-7

“菜单栏”--“工作流程”--“生成纹理”

图9-5-8

图9-5-9

此时已经生成了三维模型。通过菜单栏--“文件”--“导出模型”。

参考文献

[1]杨国东,王民水.倾斜摄影测量技术应用及展望[J].测绘与空间地理信息,2016,

39(1):13-15.

[2]陈凤.基于无人机影像空中三角测量的研究[D].东华理工大学,2012.

[3]刘淑慧.无人机正射影像图的制作[D].东华理工大学,2013.

[4]刘样.无人机倾抖摄影测量影像处理与三维建模的研究[D].东华理工大学,

2016

[5]郑强华.低空无人机空中三角测量精度分析[D].东华理工大学,2015.

[6]冯鹏飞.基于稀疏矩阵的自检校光束法平差相机检校研究[D].西安科技大学,

2014.

[7]简康.无人机航迹规划算法研究[D].西安电子科技大学,2014.

[8]张延松.基于遗传算法的无人机航迹规划研究[D].中南大学,2010.

[9]刘强.差分GPS运动目标跟踪定位系统设计[D].中北大学,2013.