2、无人机测绘基础：无人机类型、传感器与测绘原理概述

无人机测绘的本质是“移动平台+专用传感器+摄影测量/激光雷达原理”三者结合的空间数据采集工程。理解不同无人机平台的物理特性、各类传感器的成像机理以及测绘生产的基本流程，是开展项目背景调研与需求分析的前提。本章将围绕这三个核心维度展开，帮助你在面对具体测绘任务时，能够准确判断“该用什么飞机、挂什么载荷、按什么标准飞”。

2.1 无人机平台选型：多旋翼与固定翼的工程权衡

无人机平台是测绘任务的物理载体，其飞行性能直接决定作业效率、成果精度和成本边界。在项目需求调研阶段，平台选型不是“喜欢哪款用哪款”，而是根据测区面积、地形起伏、起降条件、载荷重量和精度指标进行反向推导。

核心原理：平台性能与测绘指标的映射关系

多旋翼无人机依靠多个旋翼产生的升力实现飞行，其优势在于垂直起降、空中悬停和低速稳定飞行，适合小范围、高精度、复杂地形的精细建模。固定翼无人机依靠机翼产生升力，飞行速度快、航时长、覆盖效率高，适合大面积带状或面状测绘。垂直起降固定翼（VTOL）则融合了两者优势，既不需要跑道，又能获得接近固定翼的航时和速度。

判断方法：根据项目参数反推平台

在需求调研阶段，建议按以下步骤进行平台初选：

1. 计算测区面积与航时需求：根据测区面积、GSD（地面分辨率）和重叠度要求，估算所需曝光次数和飞行时间。若单架次无法完成，需评估换电池/加油的可行性。
2. 评估起降环境：测区周边是否有平整空地？是否允许弹射或伞降？若起降条件受限，优先考虑多旋翼或VTOL。
3. 确认载荷重量与供电能力：LiDAR通常重1-3kg，且需要额外供电接口；多光谱相机较轻但可能需要同步触发模块。平台的有效载荷必须留有20%以上余量。
4. 检查地形起伏：高差超过100m的山地，固定翼需要更高的飞行高度以保证安全，但会降低GSD；多旋翼可贴地飞行但效率低。

案例拆解：某河道带状测绘项目的平台选型

项目背景：某水利设计院需要对一条长约25km、宽约200m的河道进行1:2000地形图测绘，测区为平原地区，两岸有少量农田和树林，起降点选在河道中段的一处空地。

初始方案：使用多旋翼无人机搭载可见光相机，飞行高度120m，GSD约3cm。经计算，单架次有效覆盖宽度约150m，需要飞行约170架次才能完成整个河道，按每天8架次计算，需要21个工作日，工期不可接受。

方案调整：改用垂直起降固定翼搭载正射相机，飞行高度200m，GSD约5cm（满足1:2000精度要求），单架次可覆盖河道长度约8km，仅需4架次即可完成外业采集，耗时1天。最终项目在3天内完成外业，7天内提交全部成果。

复盘要点：平台选型的关键不是“能不能飞”，而是“效率是否匹配工期”。多旋翼在带状长距离测绘中效率极低，而固定翼在复杂地形起降困难，VTOL恰好弥补了这一空白。

2.2 传感器选型：可见光、多光谱与LiDAR的适用边界

传感器是无人机测绘的“眼睛”，决定了能获取什么类型的数据。不同传感器基于不同的物理原理，适用于不同的测绘任务。在项目需求分析中，传感器选型应基于成果类型、精度要求和地物特性三个维度综合判断。

核心原理：三类传感器的工作机理

可见光相机（RGB）通过CMOS/CCD感光元件记录地物在红、绿、蓝三个波段的反射能量，生成与人眼视觉一致的彩色影像。通过多视角影像重叠和摄影测量解算，可以生成三维点云、DSM（数字表面模型）和正射影像（DOM）。其优点是成本低、纹理丰富、成果直观；缺点是依赖光照条件，无法穿透植被。

多光谱相机在可见光基础上增加了红边、近红外等波段（通常5-10个通道），通过分析不同地物在各波段的光谱反射率差异，实现植被健康评估、水体污染监测、地物分类等应用。其核心价值在于“谱间信息”，而非几何精度。

LiDAR（激光雷达）主动发射激光脉冲，通过测量激光往返时间（TOF）计算目标距离，结合GNSS/IMU提供的定位定姿数据，直接获取高精度三维点云坐标。LiDAR能够穿透植被间隙获取地面点，适合森林覆盖区、电力线巡检、复杂地形测绘等场景。

判断方法：传感器选型的四步决策法

1. 明确成果类型：需要正射影像还是三维模型？需要DEM还是DSM？需要植被指数还是地物分类？成果类型直接决定传感器方向。
2. 评估地物特性：测区是否有茂密植被？是否有电力线等细小地物？是否有水体？植被覆盖区必须考虑LiDAR或多光谱+LiDAR融合。
3. 核算精度指标：如果项目要求高程精度优于10cm且测区有植被遮挡，可见光摄影测量很难满足，LiDAR是更可靠的选择。
4. 考虑成本与周期：LiDAR设备昂贵、数据处理复杂，如果可见光方案能满足精度要求，优先选择更经济的方案。

实战场景：多光谱在农业植保中的应用

某农业科技公司需要对5000亩小麦田进行长势监测。使用多旋翼搭载多光谱相机（含蓝、绿、红、红边、近红外5个波段），飞行高度100m，GSD约5cm。通过计算NDVI（归一化植被指数），将麦田分为长势良好、中等、较差三个等级，并生成变量施肥处方图。相比传统人工采样，效率提升20倍，且能发现局部病虫害早期迹象。

2.3 测绘原理概述：从影像到坐标的几何解算

无人机测绘的最终目标是获取地物的空间坐标信息。无论是摄影测量还是激光雷达，其核心都是建立“像方”与“物方”之间的几何关系。理解这些原理，有助于在需求调研阶段准确评估精度可行性、控制点需求和数据处理周期。

核心原理：摄影测量与LiDAR的数学基础

摄影测量的核心是共线方程，即物点、镜头中心、像点三点共线。通过多张影像的同名点匹配，结合GNSS/IMU提供的初始外方位元素和地面控制点，进行光束法平差（空三加密），解算出每张影像的精确位置和姿态，进而生成三维点云和正射影像。其精度受影像重叠度、GSD、控制点分布和纹理丰富度影响。

LiDAR的核心是激光测距方程：D = c × t / 2（D为距离，c为光速，t为激光往返时间）。每个激光脚点的坐标由激光测距值、扫描角、GNSS位置和IMU姿态共同解算。LiDAR的精度主要取决于系统标定质量、GNSS/IMU精度和飞行高度。

关键参数与公式

GSD（地面分辨率）= 飞行高度 × 像元尺寸 / 镜头焦距
航向重叠度 = (影像覆盖宽度 - 航向间距) / 影像覆盖宽度 × 100%
旁向重叠度 = (影像覆盖宽度 - 航线间距) / 影像覆盖宽度 × 100%
基高比（B/H）= 基线长度 / 飞行高度（影响高程精度）

操作流程：无人机测绘标准作业链路

1. 航测设计：根据测区范围、GSD和重叠度要求，规划航线、飞行高度、相机参数。
2. 像控点布设：在测区均匀布设地面控制点，使用RTK测量其坐标（平面精度≤2cm，高程精度≤3cm）。
3. 航飞采集：按规划航线执行飞行任务，确保影像清晰、重叠度达标、POS数据完整。
4. 空三加密：使用专业软件（如ContextCapture、Pix4D、Metashape）进行影像匹配、平差解算，输出加密点云和相机参数。
5. 成果生产：生成DOM、DSM、DEM、三维模型或点云分类成果。
6. 精度检查：使用检查点评估成果精度，确保满足规范要求。

常见误区与总结复盘

• 误区一：认为GSD越小精度越高。GSD只代表影像分辨率，不代表最终成果精度。高程精度主要受基高比影响，盲目降低飞行高度可能因影像重叠不足导致空三失败。
• 误区二：忽略POS精度。没有RTK/PPK的无人机，仅靠普通GNSS定位，即使布设大量像控点，也难以达到高精度要求。建议优先选择带RTK模块的测绘无人机。
• 误区三：认为LiDAR不需要控制点。虽然LiDAR可以直接生成点云，但为了验证精度和消除系统误差，仍建议在测区布设少量检查点。
• 误区四：忽视天气影响。摄影测量需要良好光照，LiDAR虽然不受光照影响，但雨雾天气会衰减激光信号，影响测程和精度。

综上所述，无人机测绘的基础知识体系可以概括为“平台选型定效率、传感器选型定内容、测绘原理定精度”。在项目背景调研阶段，应首先明确测区特征、成果类型和精度指标，然后反向推导出最优的平台-传感器-飞行参数组合。下一阶段将在此基础上，进一步探讨如何将这些技术参数转化为可执行的航测方案和成本预算。