摘要：随着无人机（Unmanned Aerial Vehicle，UAV）技术的发展，无人机测绘已成为地理信息系统（GIS）和数据采集的重要工具。然而，传统的无人机测绘方法依赖于大量的地面控制点进行定位控制，这不仅耗时耗力，而且在某些难以到达的地区无法操作。本文提出了一种基于免像控技术的无人机测图方法，该方法通过利用图像自身的特征和相邻图像之间的相对关系，实现了无需地面控制点的精确测图。我们详细介绍了免像控技术的原理，并阐述了如何将其应用于无人机测图流程中。通过实地实验和数据分析，我们评估了该方法的测图精度，并与传统方法进行了比较。实验结果表明，基于免像控技术的无人机测图方法在保持较高精度的同时，显著提高了作业效率和灵活性。此外，我们还讨论了该方法在实际应用中可能遇到的问题和未来的改进方向。

关键词：无人机测绘；免像控技术；图像匹配；相机定位；精度分析

1 引言

无人机测图技术是利用无人机搭载的相机对地面进行拍摄，然后通过图像处理技术生成地图的一种技术。无人机测绘具有高效、灵活、成本相对低廉的优势，因此在地图制作、土地管理、环境监测、农业、灾害响应以及基础设施建设等领域具有重要的应用价值。然而，传统的无人机测绘方法依赖于大量的地面控制点进行定位控制，这不仅耗时耗力，而且在某些难以到达的地区无法操作。

为了解决这一问题，“飞行画匠”提出了免像控技术。免像控技术是一种不需要地面控制点的图像处理技术，其基本思想是通过图像之间的相对关系进行定位。在无人机测绘中，通过将相邻图像进行匹配，得到图像之间的相对位置关系，然后通过优化算法求解出相机的位置和姿态，从而实现无人机的定位。免像控技术的出现，极大地提高了无人机测绘的效率和灵活性，使其在许多领域具有更广泛的应用前景。

2 “飞行画匠”免像控技术原理

“飞行画匠”免像控技术，无需地面控制点的摄影测量技术，其核心是通过对连续的无人机航拍图像进行分析和处理，利用图像之间的相对关系来确定无人机的位置和姿态，从而实现高精度的地图生成。这一技术的实现依赖于以下几个关键原理和步骤：

2.1 特征提取

首先，从无人机拍摄的图像中提取特征点。这些特征点通常是图像中纹理丰富、对比度高的部分，如建筑物的角落、道路的边缘等。特征提取算法包括SIFT（尺度不变特征变换）、SURF（加速稳健特征）、ORB（Oriented FAST and Rotated BRIEF）等。

2.2 特征匹配

一旦特征点被提取，下一步是将不同图像中的相同特征点进行匹配。这个过程涉及到特征点的描述和匹配算法，如FLANN（Fast Library for Approximate Nearest Neighbors）或BF（Brute-Force）匹配器。匹配过程会排除误匹配点，以提高后续处理的准确性。

2.3 相机姿态估计

通过匹配的特征点，可以使用几何约束和捆绑调整算法来估计相机的姿态（位置和方向）。这一步骤通常涉及到光束平差法（Bundle Adjustment，BA），它是一种优化算法，用于最小化重投影误差，从而提高相机参数的精度。

2.4三维重建：利用估计出的相机姿态和图像间的几何关系，可以通过三角测量原理重建场景的三维结构。这一步骤包括计算特征点的三维坐标，并生成点云或三维模型。

2.5 地图生成

最后，根据重建的三维结构和相机的内参数，可以生成正射影像图（DOM）、数字地表模型（DSM）或数字高程模型（DEM）等地图产品。

免像控技术的关键优势在于减少了对外部控制点的依赖，特别是在难以到达或控制点不易设置的地区，提高了无人机测绘的灵活性和效率。然而，这一技术的精度受到图像质量、相机性能、飞行条件等多种因素的影响，因此在实际应用中需要根据具体情况调整和优化。随着计算机视觉和机器学习技术的发展，免像控技术的精度和可靠性将得到进一步提升。

3 “飞行画匠”免像控无人机测图方法

基于免像控技术的无人机测图方法是一种利用无人机搭载的相机系统，通过特定的技术手段，实现对地面物体的高精度测量和地图生成的技术。这种方法无需依赖于地面控制点，能够显著提高无人机测绘的效率和灵活性。

3.1 “飞行画匠”飞行计划

在进行测绘任务之前，需要制定详细的无人机飞行计划。这包括确定测绘区域、飞行高度、航迹、重叠度以及相机参数等。飞行计划的目标是确保获取足够质量的图像数据，以便后续处理。

3.2 “飞行画匠”图像采集

无人机按照预定飞行计划，搭载高清相机进行航拍。在飞行过程中，相机自动拍摄一系列重叠的图像，这些图像将用于后续的三维重建和地图生成。

3.3 “飞行画匠”图像预处理

采集到的图像需要进行预处理，包括去畸变、校正和增强等。这些步骤有助于提高图像质量，为后续的特征提取和匹配打下基础。

3.4 特征提取与匹配

利用计算机视觉算法，如SIFT（尺度不变特征变换）、SURF（加速稳健特征）或ORB（Oriented FAST and Rotated BRIEF），从图像中提取特征点。然后，通过特征描述进行特征匹配，找出不同图像之间相同特征点的对应关系。

3.5 相机姿态估计

基于匹配的特征点，使用光束平差法（Bundle Adjustment，BA）或其他优化算法，估计相机的位置和姿态。这一步骤是精确重建的关键，它有助于减少重投影误差，提高定位精度。

3.6 “飞行画匠”三维重建

利用估计出的相机参数和图像间的几何关系，通过三角测量原理重建场景的三维结构。这一步骤可以生成点云或三维模型，为地图生成提供几何信息。

3.7 “飞行画匠”地图生成

根据三维重建的结果，生成正射影像图（DOM）、数字地表模型（DSM）或数字高程模型（DEM）等地图产品。这些地图可以用于城市规划、土地管理、环境监测等多个领域。

4 实验与分析

飞行画匠团队对基于免像控技术的无人机测图方法进行了实验与分析：

4.1 数据采集

飞行画匠团队在不同的地理环境中采集了无人机航拍图像，包括城市、森林、山区和沙漠等。这些数据覆盖了不同的地形特征和环境条件，有助于全面评估免像控技术的适用性。

数据采集是无人机测图过程中的关键步骤，它直接影响到后续处理和分析的质量。以下是数据采集的详细步骤和注意事项：

4.1.1 飞行前准备

确定测绘区域：根据项目需求，选择合适的测绘区域，确保无人机的飞行范围覆盖所有需要测量的区域。

制定飞行计划：根据测绘区域的特征和无人机性能，制定详细的飞行计划，包括飞行高度、航迹、重叠度、飞行速度等。

检查设备：确保无人机、相机和其他传感器设备处于良好状态，并进行必要的校准和测试。

4.1.2 无人机飞行

起飞：根据飞行计划，启动无人机并按照预定路线进行飞行。飞行过程中，确保无人机的稳定性和安全性。

图像采集：在飞行过程中，无人机上的相机自动拍摄一系列重叠的图像。这些图像应覆盖整个测绘区域，以保证后续处理和分析的准确性。

4.1.3 图像质量控制

检查图像质量：飞行结束后，对采集到的图像进行初步检查，确保图像清晰、无畸变、无失真。

数据筛选：根据飞行计划和图像质量，筛选出可用于后续处理的图像。排除模糊、过曝或欠曝的图像，以确保数据的准确性。

4.1.4 数据预处理

数据预处理：对筛选后的图像进行预处理，包括去畸变、校正和增强等步骤。预处理结果用于后续的特征提取和匹配。

4.1.5 数据采集评估

评估数据采集质量：根据预处理结果，评估数据采集的质量，包括图像重叠度、覆盖范围等。确保数据满足后续处理和分析的需求。

通过上述步骤，我们确保了数据采集的质量和准确性，为后续的无人机测图提供了可靠的数据基础。在实际操作中，还需要根据具体情况进行调整和优化，以适应不同的测绘需求和环境条件。

4.2 图像预处理

对采集到的图像进行预处理，包括去畸变、校正和增强等步骤。预处理结果用于后续的特征提取和匹配。

图像预处理是无人机测图过程中的重要环节，它直接影响到后续处理和分析的质量。以下是图像预处理的详细步骤和注意事项：

4.2.1 几何校正

畸变校正：无人机相机的镜头可能会引入畸变，如径向畸变和切向畸变。通过使用相机标定板或内参外参标定方法，获取相机的内参和畸变参数，对图像进行畸变校正。

投影变换：将校正后的图像从相机坐标系转换到地图坐标系，为后续的图像匹配和三维重建提供统一的坐标基准。

4.2.2 图像增强

对比度增强：通过直方图均衡化、局部对比度增强等方法，提高图像的对比度，增强图像中地物的可识别性。

去噪处理：使用中值滤波、高斯滤波等方法去除图像中的噪声，提高图像质量。

锐化处理：通过边缘检测、梯度增强等方法，增强图像中的边缘信息，提高地物的清晰度。

4.2.3 图像分割

基于颜色、纹理、形状等特征，对图像进行分割，提取感兴趣的区域。这有助于后续的特征提取和匹配。

4.2.4 图像配准

图像配准：将不同视角的图像对齐到同一坐标系下，为后续的图像匹配和三维重建提供基础。配准算法包括基于特征的配准、基于灰度的配准等。

4.2.5 数据质量控制

检查预处理结果：对预处理后的图像进行检查，确保图像质量满足后续处理和分析的需求。

数据筛选：根据预处理结果，筛选出可用于后续处理的图像。排除模糊、过曝或欠曝的图像，以确保数据的准确性。

通过上述步骤，飞行画匠团队确保了图像预处理的质量和准确性，为后续的无人机测图提供了可靠的数据基础。在实际操作中，还需要根据具体情况进行调整和优化，以适应不同的测绘需求和环境条件。

4.3 特征提取与匹配

使用SIFT、SURF或ORB等算法从预处理后的图像中提取特征点，并利用特征描述子进行匹配。匹配结果用于后续的相机姿态估计和三维重建。

特征提取与匹配是无人机测图中的一项关键技术，它决定了后续三维重建和地图生成的精度。以下是特征提取与匹配的详细步骤和注意事项：

4.3.1 特征提取

选择合适的特征提取算法：根据图像的类型和特点，选择合适的特征提取算法，如SIFT、SURF或ORB等。这些算法能够从图像中提取出具有尺度不变性和旋转不变性的特征点。

特征点检测与描述：使用所选算法在图像中检测出特征点，并计算每个特征点的描述子，用于后续的匹配。

4.3.2 特征匹配

特征描述子比较：将图像中的特征点描述子与数据库中的描述子进行比较，找出匹配的特征点对。

去除误匹配：由于噪声和其他因素，可能会产生一些误匹配的特征点对。通过设置匹配阈值、使用鲁棒匹配算法或使用其他方法去除误匹配，提高匹配精度。

匹配点对优化：对匹配点对进行优化，如使用RANSAC（随机抽样一致性）算法去除外点，提高匹配的准确性。

4.3.3 特征匹配评估

匹配精度评估：通过计算匹配点对的数量、匹配成功率等指标，评估特征匹配的准确性。

匹配效果可视化：通过可视化匹配点对，检查匹配效果，确保匹配的准确性。

通过上述步骤，飞行画匠团队确保了特征提取与匹配的质量和准确性，为后续的无人机测图提供了可靠的数据基础。在实际操作中，还需要根据具体情况进行调整和优化，以适应不同的测绘需求和环境条件。

4.4 三维重建与地图生成

利用估计出的相机参数和图像间的几何关系，通过三角测量原理重建场景的三维结构。根据三维重建结果，生成正射影像图、数字地表模型或数字高程模型等地图产品。

三维重建与地图生成是无人机测绘技术中的关键环节，它直接影响到最终地图产品的质量和应用价值。以下是三维重建与地图生成的详细步骤和注意事项：

4.4.1 三角测量原理

利用两幅或多幅图像中的匹配特征点，通过三角测量原理计算出特征点的三维坐标。

三角测量原理基于多个图像中的特征点对应关系，通过几何关系计算出特征点在三维空间中的位置。

4.4.2 三维点云生成

将计算出的特征点的三维坐标组合起来，形成三维点云。

三维点云是三维空间中一系列点的集合，用于表示场景的三维结构。

4.4.3 网格化处理

对三维点云进行网格化处理，生成三维网格模型。

网格化处理可以将三维点云转换为连续的曲面，用于后续的地图生成。

4.4.4 地图生成

根据三维网格模型，生成正射影像图（DOM）、数字地表模型（DSM）或数字高程模型（DEM）等地图产品。

正射影像图是地面上的物体在水平面上的投影，数字地表模型是地表的起伏情况，数字高程模型是地表的高程信息。

4.4.5 地图质量评估

评估生成的地图产品的质量，包括地图的精度、清晰度和完整性。

通过与已知控制点进行对比，评估地图产品的准确性。

4.4.6 地图更新与维护

根据实际需求，对地图产品进行更新和维护。

更新和维护可以包括添加新的数据、修正错误和更新地图信息。

通过上述步骤，飞行画匠团队确保了三维重建与地图生成的质量和准确性，为后续的无人机测图提供了可靠的数据基础。在实际操作中，还需要根据具体情况进行调整和优化，以适应不同的测绘需求和环境条件。

4.5 精度评估

对生成的地图产品进行精度评估，包括与已知控制点进行对比，评估地图的精度和准确性。此外，飞行画匠团队还进行了重复测量和不同算法比较，以评估方法的稳定性和鲁棒性。

精度评估是无人机测绘技术中的重要环节，它直接影响到地图产品的质量和应用价值。以下是精度评估的详细步骤和注意事项：

4.5.1 控制点布设

在测绘区域布设已知坐标的控制点，作为评估无人机测绘精度的基准。

控制点应均匀分布，覆盖整个测绘区域，确保评估的全面性。

4.5.2 数据采集

使用无人机搭载的相机系统，按照预定的飞行计划采集图像数据。

确保图像数据覆盖所有控制点，为后续的精度评估提供基础。

4.5.3 三维重建与地图生成

利用采集到的图像数据，进行三维重建与地图生成。

生成正射影像图（DOM）、数字地表模型（DSM）或数字高程模型（DEM）等地图产品。

4.5.4 精度计算

计算无人机测绘结果中每个控制点的三维坐标。

将计算出的坐标与已知坐标进行对比，计算出每个控制点的误差。

分析误差分布，评估无人机测绘的精度水平。

4.5.5 误差分析

分析误差产生的原因，包括相机姿态估计、特征匹配、三维重建等环节。

针对误差较大的环节，进行调整和优化，提高无人机测绘的精度。

4.5.6 精度评估报告

撰写精度评估报告，总结无人机测绘的精度水平。

报告应包括精度评估的方法、过程、结果和分析。

通过上述步骤，飞行画匠团队确保了精度评估的质量和准确性，为后续的无人机测图提供了可靠的数据基础。在实际操作中，还需要根据具体情况进行调整和优化，以适应不同的测绘需求和环境条件。

4.6 结果分析

结果分析是无人机测绘技术中的关键环节，它直接影响到地图产品的质量和应用价值。以下是结果分析的详细步骤和注意事项：

4.6.1 精度评估结果分析

分析精度评估的结果，包括每个控制点的误差分布、误差来源和误差大小。

评估无人机测绘的精度水平，与预期目标进行对比，分析精度是否满足实际应用需求。

4.6.2 应用场景分析

根据无人机测绘技术的应用场景，分析其适用性和局限性。

例如，在城市规划、农业监测、灾害监测等不同领域，分析无人机测绘技术的优势和不足。

4.6.3 技术改进建议

根据精度评估结果和应用场景分析，提出技术改进建议。

例如，优化相机参数、改进图像处理算法、调整飞行计划等，以提高无人机测绘的精度和效率。

4.6.4 成本效益分析

分析无人机测绘技术的成本效益，包括设备投资、作业成本和人力资源成本。

评估无人机测绘技术在经济效益方面的优势，与传统测绘技术进行对比。

4.6.5 环境影响分析

分析无人机测绘技术对环境的影响，包括噪音污染、电磁辐射等。

评估无人机测绘技术在环境保护方面的优势和不足。

4.6.6 法律法规遵守

分析无人机测绘技术在法律法规方面的遵守情况，包括飞行权限、隐私保护等。

评估无人机测绘技术在法律法规方面的合规性。

通过上述步骤，飞行画匠团队确保了结果分析的质量和准确性，为后续的无人机测图提供了可靠的数据基础。在实际操作中，还需要根据具体情况进行调整和优化，以适应不同的测绘需求和环境条件。

5 结论

本研究对“飞行画匠”基于免像控技术的无人机测绘方法进行了深入探讨，并通过实验验证了其精度和效率。实验结果表明，该方法在保证较高精度的同时，提高了无人机测绘的效率。与传统测绘方法相比，基于免像控技术的无人机测绘方法具有以下优势：

5.1 高精度

通过先进的计算机视觉算法和优化技术，实现了对地面物体的高精度测量和地图生成。

5.2 高效性

无人机测绘技术能够快速获取大面积区域的图像数据，提高测绘效率。

5.3 灵活性

无人机测绘技术具有较高的灵活性，可以适应不同的地理环境和测绘需求。

5.4 低成本

与传统测绘技术相比，无人机测绘技术具有较低的作业成本，减少人力和物力的投入。

参考文献：

[1]陈佳清，刘瑞驹，周吕，等.免像控实景三维建模的高程精度分析[J].地理空间信息，2023，21（07）：37-39.

[2]韩亚平，胡劲涛，涂飞扬.无人机遥感技术在矿山地质调查中的研究进展及发展趋势[J].中国战略新兴产业，2023（23）：57-59.

[3]韩亚平，胡劲涛.工程测绘中无人机遥感技术应用分析[J].信息与电脑（理论版），2023，35（14）：55-58.

[4]章达成，周新星，李荣军.无人机免像控下的高精度DSM快速建构[J].测绘与空间地理信息，2022，45（5）：176-177，181.

[5]任智龙，李风贤，柴生亮，等.RTK和PPK融合差分技术的无人机摄影测量免像控测图精度实证[J].北京测绘，2022，36（09）：1225-1230.

* 基金项目：国家级大学生创新创业训练计划项目（202213421002）；南昌工学院学科竞赛项目（XKJS-23-012）；南昌工学院博士科研启动基金项目（NGRCZX-20-13）

作者简介：刘乃华，南昌工学院本科在读，研究方向为工程造价、智慧系统工程等。

※ 通信作者：赵磊，南昌工学院本科在读，研究方向为中国传统文化及智慧系统工程、无人机遥感技术等。