2. 地形数据获取与表达
航迹规划算法并不直接“看见”山体，它看到的是一张张按规则排列的高程数值。把这些数值从真实地形中提取出来，并整理成算法可读、坐标一致、精度可控的数据结构，就是本节要解决的核心问题。理解 DEM、DSM、点云与栅格地图之间的区别与转换关系，是后续坡度约束、威胁规避和贴地飞行计算的前提。
四类地形表达的本质区别
数字高程模型（DEM）描述的是裸露地表的高程，即去除了植被、建筑等地面附着物后的“大地表面”。数字表面模型（DSM）则记录最上层表面的高程，包含树冠、楼顶、桥梁等物体。二者最直观的差异是：同一位置，DSM 高程通常大于或等于 DEM，差值正是地物高度。点云是三维离散点集合，每个点带有 X、Y、Z 坐标，可能还附带强度、回波次数、分类标签；它是最原始、信息最丰富的表达，但数据量大、无固定拓扑。栅格地图则是把空间划分为规则网格，每个格网单元存储一个属性值（如高程、坡度、通行代价），是航迹规划最常用的数据结构。
四者的关系可以概括为：点云经过滤波、分类和插值，可生成 DEM 与 DSM；DEM/DSM 本身就是栅格形式的高程数据；栅格地图是面向规划的统一容器，可承载高程、坡度、威胁概率等多层信息。
获取方式与典型参数
实际工程中，DEM 常来自公开数据集或测绘成果，例如 SRTM 的 30 m 分辨率、ASTER GDEM 的 30 m、国内 1:5 万 DEM 的 25 m 格网。若需要更高精度，可用无人机搭载 LiDAR 获取点云，典型飞行高度 80～120 m，点密度可达每平方米数十至数百点，平面精度约 5～15 cm，高程精度约 10～20 cm。摄影测量则通过多视角影像生成密集匹配点云，成本较低，但在植被覆盖区的高程穿透能力弱于 LiDAR。
点云转栅格时，需要确定格网大小。若规划器要求 5 m 分辨率，而原始点云平均点间距为 0.3 m，则每个 5 m×5 m 格网内约有 250 个点。此时不能简单取平均，因为树冠点会拉高地面高程。正确做法是先分类出地面点，再对地面点做插值。常用插值方法包括反距离加权（IDW）、克里金（Kriging）和自然邻域法。IDW 实现简单，适合平坦地区；克里金在起伏地形中更平滑，但计算量大。
坐标系统一与重采样
不同来源的数据往往使用不同坐标系。例如 GPS 轨迹使用 WGS84 经纬度，LiDAR 点云可能使用 UTM 投影坐标，而规划器内部常使用局部东北天（ENU）坐标系。若不统一，航迹会出现数百米甚至数公里的偏移。统一流程通常为：先将所有数据转换到同一地理坐标系（如 WGS84），再投影到同一平面坐标系（如 UTM 或高斯-克吕格），最后以规划起点为原点建立局部 ENU 坐标系。高程方面，需明确使用椭球高还是海拔高；若混用，差值可达数十米。
重采样用于统一分辨率。当高分辨率 DEM 需要降采样时，常用双线性插值或均值聚合；当低分辨率 DEM 需要升采样时，双三次插值可减少阶梯感，但不会增加真实信息。重采样后应检查地形特征是否丢失，例如山脊线是否断裂、峡谷是否被填平。
面向航迹规划的预处理流程
一份可直接用于规划的栅格地形，通常需要经过以下处理：
- 坐标系统一：将所有输入转换到同一平面坐标系与高程基准，记录转换参数。
- 噪声与空洞处理：剔除明显异常高程点，对无数据区域用邻域插值填补，并标记填补区域供后续置信度评估。
- 重采样：按规划器要求的分辨率重采样，通常无人机低空航迹取 1～5 m，中高空取 10～30 m。
- 坡度与粗糙度计算：基于 DEM 计算每个格网的坡度、坡向和地形粗糙度，作为航迹可行性约束。
- 多层栅格叠加：将高程层、坡度层、威胁层、禁飞区层对齐到同一格网，形成规划用栅格地图。
- 边界裁剪与索引建立：裁剪到任务区域，建立行列号与地理坐标的快速索引。
结果检查与常见问题
预处理完成后，不能直接投入规划，应先做三项检查。第一，用几个已知控制点核对高程，误差应在数据精度范围内；第二，沿一条已知航线剖面查看地形起伏是否合理，避免出现尖刺或平台；第三，检查坡度层与高程层是否对齐，防止因行列错位导致约束失效。常见问题包括：DEM 与 DSM 混用导致树冠被当作地面、坐标转换遗漏带号导致偏移、重采样后分辨率与规划器假设不一致。这些问题在规划阶段往往表现为航迹穿地或绕飞异常，排查成本远高于预处理阶段的一次核对。
把地形数据整理成“坐标一致、分辨率明确、高程基准统一、多层对齐”的栅格地图，后续的坡度约束、威胁规避和航迹搜索才有可靠的计算基础。