3、测绘基础知识：坐标系与地图投影、像片控制测量、数字高程模型（DEM）、数字正射影像（DOM）等核心概念

测绘无人机作业的最终成果，无论是二维正射影像、三维实景模型，还是地形图与断面图，都建立在统一的数学基准与影像处理逻辑之上。若坐标系定义错误、投影方式选择不当，或控制点布设不合理，轻则导致成果精度超限，重则造成整个测区数据返工。本章围绕四个核心知识模块展开：坐标系与地图投影的数学基础、像片控制测量的外业实施、数字高程模型（DEM）的构建逻辑，以及数字正射影像（DOM）的生产流程，帮助学员建立从“地面控制”到“成果输出”的完整技术认知。

3.1 坐标系与地图投影：无人机数据的空间基准

3.1.1 核心原理：从椭球体到平面坐标

无人机采集的每一张影像、每一个POS（Position and Orientation System）记录点，都包含经纬度、高度和姿态信息。这些原始数据必须附着在统一的坐标基准上才能进行后续拼接与测量。我国测绘领域当前主要采用CGCS2000（2000国家大地坐标系），其参考椭球参数与国际通用的WGS84基本一致，但在实际工程中，两者在平面位置上的差异通常不超过1米，因此许多无人机飞控默认输出的WGS84坐标可直接用于CGCS2000框架下的数据处理。高程方面，我国采用1985国家高程基准，以青岛验潮站多年平均海平面为起算面。

由于地球表面是三维曲面，而地图和影像成果是二维平面，必须通过地图投影将椭球面坐标转换为平面坐标。无人机测绘最常用的是高斯-克吕格投影（横轴等角切椭圆柱投影），其核心特征是：中央经线无长度变形，离中央经线越远变形越大。为控制变形，我国采用分带投影方式，即6°带（用于1:2.5万及更小比例尺）和3°带（用于1:1万及更大比例尺）。

3.1.2 判断方法：如何选择正确的坐标系与投影

在实际项目中，坐标系选择不当是新手最常见的错误。判断流程如下：

1. 确认成果要求：查阅项目技术设计书，明确要求使用CGCS2000还是地方坐标系，高程基准是1985国家高程还是地方假定高程。
2. 确定投影带：根据测区经度范围计算中央经线，若测区跨越两个3°带，需考虑分带或采用自定义中央经线。
3. 检查POS数据：无人机飞控输出的经纬度基于WGS84，若成果要求CGCS2000，需进行椭球转换（通常使用布尔莎七参数或莫洛金斯基模型）。
4. 验证控制点：将已知控制点坐标与无人机POS数据叠加，检查平面偏差是否在合理范围内（一般应小于5米，若偏差过大则可能坐标系不匹配）。

3.1.3 实战场景：某河道测绘项目的坐标系选择

某水利勘测院需对一条长约12km的河道进行1:2000地形图测绘，测区经度范围约在东经117°15′至117°25′之间。若采用标准3°带，该区域位于第39带（中央经线117°），测区边缘距中央经线约0.2°，长度变形约为1/8200，满足1:2000比例尺精度要求。但若测区恰好位于两个3°带交界处，则需评估是否分带或采用自定义中央经线。最终该项目采用CGCS2000坐标系、3°带高斯投影，并在测区中部布设了3个D级GPS控制点作为起算数据，确保了成果与周边已有数据的统一性。

3.2 像片控制测量：连接影像与地面的“锚点”

3.2.1 核心原理：为什么需要像控点

无人机POS系统提供的相机位置和姿态信息存在误差（尤其是低精度IMU，航向角误差可达0.1°以上），仅靠POS数据直接进行空三加密，平面精度通常只能达到5-10米。像片控制点（简称像控点）是地面坐标已知、且在影像上能清晰辨认的特征点，通过将像控点的地面坐标与影像上的像点坐标建立对应关系，可以解算出空三平差的精确参数，从而将整体成果精度提升至厘米级。

3.2.2 操作流程：像控点布设与测量

• 布点原则：区域网平差时，像控点应均匀分布在测区四周和内部，点位距测区边缘不小于1-2个基线；平面点间距一般为4-6个基线，高程点间距可适当放宽。
• 地面标志：常用L型或十字型标志，尺寸根据飞行高度确定（一般地面分辨率GSD的10-15倍），颜色与地面反差要大（白色或红色）。
• 测量方法：使用RTK或网络RTK测量，平面精度优于±2cm，高程精度优于±3cm；每个点独立测量两次取平均值。
• 刺点与记录：在影像上精确刺出像控点位置（误差不超过1个像素），拍摄点位照片，记录点号、坐标、刺点位置描述。

3.2.3 案例拆解：某1:500城中村改造项目像控测量

项目背景：某市城中村改造区域约0.8km²，建筑密集、道路狭窄，要求1:500地形图，平面中误差≤5cm。初始方案按常规布设了12个像控点，但空三解算后检查点平面误差达到8cm，超出限差。分析发现，测区南部有一片高层建筑群，导致部分像控点被遮挡，影像上无法清晰判读。整改措施：在高层建筑群周边加密布设4个像控点，并采用双次飞行补拍的方式获取被遮挡区域的倾斜影像。重新空三后，检查点平面误差降至3.2cm，满足精度要求。该案例说明，像控点布设必须结合测区实际地物情况，不能机械套用间距公式。

3.3 数字高程模型（DEM）：地形表面的数字化表达

3.3.1 核心原理：从点云到DEM的转换

数字高程模型（DEM）是地表高程信息的数字化表达，通常以规则格网（Grid）或不规则三角网（TIN）形式存储。无人机LiDAR或摄影测量生成的密集点云中，包含地面点、植被点、建筑物点等，必须经过滤波分类将非地面点剔除，才能生成真实地表模型。DEM的精度直接影响等高线生成、土方量计算、洪水淹没分析等应用的可靠性。

3.3.2 操作流程：DEM生产关键步骤

1. 点云预处理：去除噪声点、孤立点，检查点云密度和覆盖范围。
2. 滤波分类：使用渐进加密TIN算法或布料模拟滤波（CSF）算法，将点云分为地面点和非地面点。
3. 地面点检查：在陡坡、植被茂密区域，人工检查并修正分类错误。
4. 构建TIN：基于地面点构建不规则三角网，保留地形特征线（山脊线、山谷线）。
5. 栅格化：将TIN内插为规则格网DEM，格网大小根据比例尺确定（1:500为0.5m，1:1000为1m，1:2000为2m）。
6. 精度评定：使用独立检查点计算高程中误差，公式为：RMSE = √(Σ(di²)/n)，其中di为检查点高程差。

3.3.3 案例拆解：某矿山土方量计算中的DEM精度控制

某露天矿山需每月计算采剥方量，测区面积约2km²，地形起伏大，高差超过80m。使用无人机摄影测量生成DEM，格网大小1m。首次计算方量与挖掘机计量结果偏差达6%，经分析发现：采场底部存在大量积水区域，影像匹配点云在水面区域产生错误高程；同时，矿坑边坡陡峭区域点云密度不足，导致TIN内插失真。改进措施：在积水区域布设浮标作为控制点，采用多角度倾斜摄影补充边坡点云，并将格网加密至0.5m。重新计算后方量偏差降至1.8%，满足矿山计量要求（≤3%）。该案例表明，DEM精度不仅取决于算法，更取决于原始点云的质量和覆盖完整性。

3.4 数字正射影像（DOM）：带有地理坐标的“真实照片”

3.4.1 核心原理：从中心投影到正射投影

无人机拍摄的原始影像属于中心投影，存在因地形起伏和相机倾斜引起的像点位移。数字正射影像（DOM）通过数字微分纠正，利用DEM消除地形引起的位移，将中心投影影像转换为正射投影影像，使影像上每个像素都具有准确的地理坐标，且比例尺一致。DOM兼具影像的直观性和地图的可量测性，是无人机测绘最常用的成果形式之一。

3.4.2 操作流程：DOM生产全流程

• 空中三角测量：通过特征点匹配和光束法平差，解算每张影像的精确外方位元素。
• 密集匹配：生成稠密点云，构建测区DSM（数字表面模型）。
• 真正射纠正：对每张影像逐像素进行投影差改正，消除建筑物、树木等地物引起的遮挡和变形。
• 影像镶嵌：将多张纠正后的影像拼接为整幅DOM，镶嵌线应避开建筑物、道路交叉口等重要地物。
• 匀色处理：调整影像亮度、对比度和色彩平衡，使整体色调均匀自然。
• 分幅输出：按标准图幅或自定义范围裁切，生成带坐标信息的GeoTIFF文件。

3.4.3 实战场景：DOM成果的质量检查与验收

某自然资源局委托生产某区域0.05m分辨率DOM，面积约15km²。验收时发现部分区域影像模糊、色彩不均，且与已有矢量道路数据存在约1.2m的偏移。排查过程：首先检查空三精度，发现该区域像控点数量不足，导致平差后影像外方位元素存在系统误差；其次，该区域飞行时天气为多云，光照不均匀导致匀色困难。整改措施：补测4个像控点并重新空三，偏移量降至0.3m以内；采用分区块匀色策略，将影像按光照条件分组处理，最终通过验收。

3.5 本章总结与常见误区

测绘无人机作业的每一个环节都建立在扎实的基础知识之上。坐标系是数据的“骨架”，像控点是“关节”，DEM和DOM则是最终的“血肉”。只有深刻理解这些核心概念的内在联系，才能在实际项目中做出正确判断，避免因基础错误导致的返工和损失。建议学员在后续实操中，每次飞行前先检查坐标系设置，每次空三后检查像控点残差，每次成果输出后检查精度报告，将基础知识转化为职业习惯。