无人机测绘基础：无人机类型、传感器与数据采集流程
无人机测绘的起点，不是飞控参数，也不是航线规划软件，而是对“平台—载荷—任务”三者匹配关系的理解。不同类型的无人机决定了作业半径、续航与起降条件；不同传感器决定了能获取什么维度的地物信息；而数据采集流程则决定了原始数据的质量上限。本章将围绕这三条主线，建立无人机测绘的底层认知框架。
2.1 无人机平台类型与选型逻辑
无人机测绘的“平台”决定了任务边界。当前主流测绘无人机分为三类：多旋翼、固定翼、垂直起降固定翼（VTOL）。它们不是简单的“大小”差异，而是围绕航时、速度、起降条件、载荷能力四个维度的权衡。
| 类型 | 典型航时 | 巡航速度 | 起降条件 | 载荷能力 | 适用场景 |
|---|---|---|---|---|---|
| 多旋翼 | 20-40 min | 5-10 m/s | 垂直起降，场地要求低 | 0.5-3 kg | 小范围精细建模、倾斜摄影、单体建筑 |
| 固定翼 | 1-2.5 h | 15-25 m/s | 需要跑道或弹射/伞降 | 1-5 kg | 大面积正射、带状测区、地形图 |
| VTOL | 1-3 h | 15-20 m/s | 垂直起降+固定翼巡航 | 1-3 kg | 复杂地形大范围、应急测绘、电力巡线 |
选型判断方法：先计算测区面积与分辨率需求。若测区面积小于 1 km² 且需要高细节（如建筑立面），多旋翼是首选；若测区面积超过 5 km² 且只需正射影像，固定翼效率更高；若测区位于山区或起降场地受限，VTOL 是折中方案。同时要检查载荷重量是否在平台允许范围内——传感器过重会直接缩短航时并影响飞行安全。
2.2 测绘传感器：可见光、多光谱与LiDAR
传感器是无人机测绘的“眼睛”。不同传感器获取的是不同维度的地物信息，直接决定后续可视化看板能展示什么内容。
2.2.1 可见光传感器（RGB）
可见光相机是最常用的测绘载荷，输出真彩色影像。其核心参数包括：像素数（如 2000万-1亿像素）、传感器尺寸（APS-C/全画幅）、镜头焦距（定焦或变焦）、机械快门（避免果冻效应）。可见光数据用于生成正射影像（DOM）、数字表面模型（DSM）和实景三维模型。对于可视化看板，可见光影像是最直观的底图，但受光照和阴影影响较大。
2.2.2 多光谱传感器
多光谱传感器捕获多个窄波段（如蓝、绿、红、红边、近红外），每个波段对应特定地物反射特性。常见波段组合包括：蓝（450nm）、绿（560nm）、红（650nm）、红边（730nm）、近红外（840nm）。通过波段运算可生成归一化植被指数（NDVI）、归一化水体指数（NDWI）等。多光谱数据适合农业长势监测、水体污染识别、土壤湿度反演。可视化看板中，多光谱通常以伪彩色指数图呈现，而非直接显示原始波段。
2.2.3 LiDAR传感器
LiDAR（激光雷达）主动发射激光脉冲并接收回波，直接获取三维点云坐标。其核心参数包括：脉冲频率（如 50万-200万点/秒）、扫描角度、回波次数（单次/多次回波）、精度（±2-5cm）。LiDAR 的优势在于穿透植被获取地面点，适合森林覆盖区、电力线巡检、地形测绘。点云数据经过分类后可生成数字高程模型（DEM），这是高精度地形分析的基础。
| 传感器类型 | 输出数据 | 核心参数 | 典型应用 | 看板呈现方式 |
|---|---|---|---|---|
| 可见光 | RGB影像 | 像素、焦距、快门 | 正射影像、三维模型 | 影像底图、纹理叠加 |
| 多光谱 | 多波段影像 | 波段数、光谱分辨率 | 植被指数、水质监测 | NDVI/NDWI 伪彩色图 |
| LiDAR | 三维点云 | 点密度、精度、回波 | 地形测绘、电力巡检 | DEM/等高线/剖面 |
2.3 数据采集流程：从航线规划到数据质检
数据采集不是“飞一圈”那么简单。一个标准流程包含六个环节：任务分析、航线规划、像控/基站布设、飞行执行、数据下载与检查、补飞决策。每个环节都有具体的质量控制点。
- 任务分析：明确测区范围、目标分辨率（GSD）、重叠度要求、成果类型（正射/倾斜/点云）。GSD 与飞行高度直接相关：GSD = 传感器像元尺寸 × 飞行高度 / 镜头焦距。
- 航线规划：设置航向重叠（一般 70%-80%）、旁向重叠（一般 60%-70%）、飞行高度、航线方向（考虑地形起伏）。对于倾斜摄影，需要设计多角度航线（如五镜头或单镜头井字形）。
- 像控点/基站布设：可见光测绘通常需要布设像控点（GCP）或使用 RTK/PPK 定位。像控点应均匀分布，避免在阴影或反光区域。LiDAR 作业一般不需要像控点，但需要基站提供差分数据。
- 飞行执行：检查风速（一般不超过 8-10 m/s）、电池电量、存储空间、传感器设置（ISO、快门速度、白平衡）。飞行中监控实时状态，注意信号丢失或异常姿态。
- 数据下载与检查：飞行结束后，立即检查影像数量、POS 数据完整性、点云密度。使用快速预览工具查看是否有模糊、过曝、漏拍。
- 补飞决策：如果局部区域数据质量不达标，需要规划补飞航线。补飞时注意与已有航线的重叠度，避免拼接痕迹。
案例拆解：某河道治理项目的多传感器协同采集
背景与约束：某市需要对一条 12 km 长的河道进行综合治理测绘，要求同时输出正射影像（用于违建识别）、NDVI 图（用于岸坡植被评估）和 DEM（用于洪水淹没模拟）。测区包含城区段和郊区段，城区段有高楼遮挡，郊区段有茂密植被。
初始方案与问题：最初计划使用多旋翼搭载可见光+多光谱双载荷，但计算后发现：12 km 河道按 100 m 带宽需要 2.4 km² 测区，多旋翼需要 6 个架次，耗时 2 天，且城区段高楼导致 GPS 信号遮挡，RTK 固定率仅 60%。
调整策略：改为 VTOL 搭载可见光相机（正射）+ 多光谱相机（并行挂载），LiDAR 单独用多旋翼在郊区段补采。VTOL 以 120 m 高度飞行，GSD 约 3 cm，航向重叠 80%，旁向重叠 65%，2 个架次完成全部正射和多光谱采集。LiDAR 在郊区段以 80 m 高度飞行，点密度约 30 点/m²。
关键操作：在城区段，将航线设计为沿河道方向飞行，减少高楼侧向遮挡；同时开启 PPK 模式，利用事后差分解决 RTK 固定率低的问题。多光谱采集选择在 11:00-13:00 之间完成，确保光照稳定。
结果对比：最终成果：正射影像拼接精度 5 cm，NDVI 图无条带噪声，DEM 在植被区穿透率达到 85%。相比原方案，作业时间从 2 天缩短到 1 天，成本降低约 40%。
复盘经验：多传感器协同不是简单叠加，而是根据测区特征分配任务。城区段用 PPK 解决遮挡问题，郊区段用 LiDAR 穿透植被，VTOL 解决效率问题。可视化看板最终将三类数据叠加展示，实现了“一张图”管理。
- 平台选型遵循“面积-分辨率-起降条件”三角约束，VTOL 是复杂地形的折中方案。
- 传感器决定数据维度：可见光看纹理、多光谱看指数、LiDAR 看结构。
- 数据采集流程中，重叠度、光照一致性、POS 精度是三大质量命门。
- 补飞决策要果断，不要为了省一次飞行而接受低质量数据。