3. 测绘载荷与传感器：无人机的“眼睛”
各位同学，咱们今天聊聊无人机测绘的核心——载荷。说白了，无人机飞得再稳，算法再牛，最后能不能出活，全看挂载了什么传感器。我入行那会儿，大家还主要靠可见光相机凑合，现在可不一样了，多光谱、LiDAR、倾斜摄影……选择多了，坑也多了。
我个人习惯，拿到一个项目，第一件事不是画航线，而是先定载荷。载荷决定了你的飞行高度、速度、重叠度，甚至决定了你能不能拿到项目款。咱们一个一个来看。
3.1 可见光相机：最基础的“眼睛”
可见光相机，说白了就是咱们平时用的数码相机，只不过装在了无人机上。它拍的是红绿蓝三通道的彩色照片，最直观，也最常用。
核心参数：
- 像素： 2000万、4000万甚至1亿像素。像素越高，单张照片覆盖的地面范围越大，但文件也越大。
- 传感器尺寸： 全画幅、APS-C、1英寸。传感器越大，弱光表现越好，动态范围越高。
- 镜头焦距： 决定了视场角。我常用的24mm或35mm定焦，畸变小，适合正射影像。
3.2 多光谱相机：看见“看不见”的世界
多光谱相机，能同时捕捉多个窄波段的光谱信息，比如近红外、红边、绿光等。它主要用于农业、林业、环境监测。
为什么需要它？
你想想看，健康的植被和生病的植被，在可见光下可能看起来差不多，但在近红外波段，反射率差异巨大。多光谱相机就是利用这个原理，通过计算植被指数（比如NDVI），来评估植被的健康状况。
常见波段：
| 波段名称 | 波长范围 (nm) | 主要用途 |
|---|---|---|
| 蓝光 | 450-510 | 水体、大气校正 |
| 绿光 | 530-570 | 植被健康 |
| 红光 | 630-690 | 叶绿素吸收 |
| 红边 | 700-740 | 植被胁迫 |
| 近红外 | 770-890 | 生物量、NDVI |
3.3 激光雷达（LiDAR）：直接获取三维点云
LiDAR，全称是Light Detection And Ranging。它通过发射激光束，测量激光从发射到返回的时间，从而直接获取地物的三维坐标。它不像摄影测量那样需要复杂的匹配算法，能直接穿透植被，获取地面点云。
LiDAR vs. 摄影测量：
| 特性 | LiDAR | 摄影测量 |
|---|---|---|
| 数据获取方式 | 主动式（发射激光） | 被动式（接收太阳光） |
| 穿透植被能力 | 强（可穿透部分植被） | 弱（依赖可见光） |
| 精度 | 高（厘米级） | 高（依赖控制点） |
| 成本 | 高 | 低 |
| 适用场景 | 电力线、森林、地形复杂区域 | 城市建模、正射影像 |
关键指标：
- 点频： 每秒发射的激光点数，单位Hz。点频越高，点云越密。
- 回波次数： 一次激光脉冲能接收几次回波。多次回波能穿透植被，获取地面点。
- 扫描视场角： 决定了扫描宽度。
3.4 倾斜摄影相机：全方位建模
倾斜摄影相机，通常由5个或更多相机组成，一个垂直向下，四个倾斜45度。它一次飞行就能获取地物的顶面和侧面纹理，用于构建高精度的三维模型。
为什么用倾斜摄影？
传统的正射影像只能看到房顶，看不到墙面。倾斜摄影能同时获取多个角度的影像，通过三维重建算法，生成带纹理的实景三维模型。这在智慧城市、古建筑保护、数字孪生中应用非常广泛。
常见配置：
- 五镜头： 一个下视，四个侧视。最经典，也最常用。
- 三镜头： 一个下视，两个侧视。适合带状区域。
- 单镜头摆动： 通过云台摆动模拟多角度。成本低，但效率也低。
3.5 RTK/PPK模块：厘米级定位
RTK（实时动态差分）和PPK（后处理动态差分）模块，是无人机测绘的“定海神针”。它们通过接收卫星信号和地面基准站的差分数据，实现厘米级的定位精度。
RTK vs. PPK：
| 特性 | RTK | PPK |
|---|---|---|
| 工作方式 | 实时差分（需要数据链路） | 后处理差分（不需要数据链路） |
| 优点 | 实时获取高精度位置 | 不受通信距离限制 |
| 缺点 | 受通信距离和信号遮挡影响 | 需要后期处理，不能实时查看 |
| 适用场景 | 开阔区域、有网络覆盖 | 山区、偏远地区、信号遮挡严重 |
为什么需要它？
没有RTK/PPK，无人机只能靠GPS单点定位，精度在米级。你想想看，飞一个1:500的地形图，要求平面误差5厘米以内，没有RTK/PPK根本不可能。有了它，你甚至可以免像控，直接生成高精度成果。
3.6 知识体系总览
下面这张图，是我自己总结的测绘载荷知识体系。你可以把它当作一个快速参考。