收益：
- 能够在正确的 AI 环境中使用 SfM 摄影测量、正射影像、DSM/DTM 和地面控制点概念
- 能够通过人工智能支持的计算和检查表构建无人机飞行计划、覆盖率和准确性预期
- 能够评估具有独立控制点和 RMSE 逻辑的摄影测量输出的准确性
摄影测量是通过重叠照片测量物体的三维位置和形状的技术。如今，测量工程中发展最快的生产方法是利用无人机（Unmanned Aerial Vehicle，俗称无人机）收集的数百张照片来制作正射影像和高程模型。在本单元中，我们将介绍人工智能如何支持这一过程，从飞行计划到准确性评估。原则是一成不变的：软件和人工智能产生模型；工程师仍然可以通过地面控制点和独立控制来接受位置精度。
让我们澄清一下这些术语。 SfM（Structure from Motion）是一种通过匹配从不同角度拍摄的照片中的公共点来求解 3D 几何和相机位置的方法；它是现代摄影测量软件的核心。正射影像是具有正确比例的航拍图像，如地图，消除了透视和高程扭曲。 DSM（数字表面模型）是包括建筑物和树木的顶面高程模型。 DTM（数字地形模型）是裸露地面的高程模型。 GCP（地面控制点；英文为 GCP）是从现场精确测量的标记点，出现在照片中并将模型连接到真实坐标。重叠率是相邻照片相互覆盖的百分比。
人工智能在摄影测量中的作用
AI 支持此工作流程中的四个位置：
- 飞行计划和计算。它有助于计算所需地面采样距离的飞行高度、覆盖率和照片数量（GSD：每个像素覆盖地面的大小），并创建一个清单。
- 质量预检查。它建立了扫描逻辑来标记模糊照片、遮挡不足和 GCP 分布问题。
- 输出分类和清洗。它有助于执行诸如正射影像中的对象（建筑物/树木）过滤和云/阴影检测等任务，以从 DSM 生成 DTM。
- 报告和准确性摘要。使 RMSE（均方根误差；控制点偏差的测量）表和精度报告可读。
盲点：AI看不到飞行的物理条件和地形的真实情况。如果 GCP 不足、掩护不佳或飞行时有风，则没有软件/人工智能可以在以后完全纠正这种情况。诚信从现场开始。
提示：从一开始就以数字形式设定您的准确性目标。 “让它具有高保真度”是模棱两可的；它是一个可测量的目标，“水平目标为±3厘米，垂直目标为±5厘米，由具有独立控制点的RMSE确认”。
一步一步：无人机摄影测量工作流程
- 设置精度和 GSD 目标。所需的精度决定了 GSD，从而决定了飞行高度。一般规则：位置精度约为几个 GSD 的量级。
- 计划飞行。覆盖率（一般为前方75-80%，侧面65-70%）、飞行高度、照片数量。人工智能可以生成此计算和清单。
- 放置并测量 GCP。使用 GNSS 精确测量角落和中间足够数量的 GCP，以均匀覆盖该区域。将其中一些分离为不进入模型的独立控制点。
- 处理它。与 SfM 对齐、使用 GCP 进行地理配准、密集点云、DSM、正射影像生成。
- 生成 DTM。通过过滤掉离地物体从 DSM 切换到 DTM。
- 核实。计算各个控制点的 RMSE；它击中目标了吗？
地面控制点和 RMSE
将摄影测量模型拟合到现实世界取决于 GCP。 GCP 为模型提供了比例和位置；如果它们数量不足或分布不良（全部在一个角落），则模型将在一个区域准确而在另一区域倾斜。诚实测量精度的方法是通过不对齐某些GCP作为独立控制点，并通过将模型中的值与实际测量值进行比较来计算RMSE。仅仅因为 GCP 上的拟合（残差）较低，该模型就被认为是不正确的；这就像训练数据上的成功一样。
注意：如果您使用所有标记点作为 GCP，并且不留下独立控制点，您将没有独立证据来衡量准确性。始终保留一些检查点。
三个迷你案例：从数字来看
情况 1 — GCP 分布错误。在一块 40 公顷的田地中，6 个控制点中有 5 个位于田地的南半部。该模型在南部的偏差为±3厘米，在北部的偏差为±25厘米。独立的检查站揭示了这种区域扭曲；当控制点分布均匀并重新处理飞行时，北面精度下降至±4厘米。
案例 2 — 将 DSM 误认为 DTM。在体积计算中，团队假设 DSM 直接在树木繁茂的地区进行研磨，因此将挖掘体积高估了约 12%。当使用人工智能支持的地面过滤生成 DTM 并重复计算时，体积更加接近实际。课程：DTM 用于批量和牛仔裤工作。
案例 3 — 覆盖范围不足。当某些线路的覆盖率因风而下降至 55% 时，SfM 在该区域的匹配效果不佳，模型出现了漏洞。质量预检标记了低覆盖区域；那部分又飞了。教训：盖子是现场提供的，以后无法制造。
弱提示/强提示
弱提示：
我要用无人机制作地图，告诉我应该做什么。
强力提示：
任务：创建无人机摄影测量飞行和精度计划。背景：- 面积：约 40 公顷，平坦，稍倾斜，树木稀疏 - 目标精度：水平 ±3 厘米，垂直 ±5 厘米 - 相机：[传感器/焦点]，所需 GSD：2 厘米 请求：1) 写出 GSD 2 厘米的大致飞行高度和逻辑。2) 覆盖率建议（前向/侧向）和理由。3) GCP 数量和分布策略；我应该保留其中多少个作为独立检查点？4) 写下 DSM/DTM 区别以及哪个作业需要哪个输出。5) 验证：在独立检查点使用 RMSE 进行确认步骤。
数字目标、现场情况、验证计划等强大提示；输出变得适用。
四个可复制模板
1）飞行参数计算：
所需 GSD [x cm] 和相机 [传感器/焦点] 的大致飞行高度，建议覆盖率，估计照片数量。清楚地写出你的假设；请注意，确切的值需要软件确认。
2）GCP规划：
推荐[面积/大小/形状]的GCP布局策略：多少个点，如何分布，应保留多少个用于独立控制。解释分布不均的风险（全部集中在一个角落）。
3）DSM->DTM工作流程：
编写地面过滤步骤以从点云/DSM 生成 DTM。指定要提取的对象（建筑物、树木）以及如何使用配置文件部分验证结果。解释为什么体积/级别工作需要 DTM。
4) 准确度报告：
根据以下各个控制点偏差计算水平和垂直 RMSE，与目标精度进行比较，做出通过/失败解释并指出任何薄弱区域。数据：[控制点偏差]
摄影测量产品比较
产品展示
它代表什么？
典型用法
注意
正射影像
缩放精确的航拍图像
底图、数字化
边缘扭曲
帝斯曼
顶面（建筑物+树木）
阴影/可见性分析
这不是地面
数字TM
裸露地面
牛仔布、体积、坡度
过滤质量
点云
3D 密集点
3D 测量，横截面
噪音净化
阳康宁
地理参考基地
真理的基础
分销至关重要
常见错误
- 使用 DSM 代替 DTM。高程和体积计算中存在重大错误。
- 没有留下独立的检查站。没有独立的证据来衡量准确性。
- GCP 分布不佳。一个区域是正确的，另一区域是扭曲的。
- 导致现场覆盖率不足。不可恢复的穿孔模型。
- 没有设定数字准确性的目标。 “高精度”无法测量或确认。
- 认为正射影像对于测量来说是绝对正确的。边缘和高物体周围会发生畸变。
总之
无人机摄影测量中的人工智能；它是飞行计划计算、质量预检查、DSM 生成 DTM 和精度报告的强大辅助工具。然而，位置精度的基础是在现场奠定的：正确数量和均匀分布的地面控制点、足够的覆盖和数值精度目标。准确度的真实衡量标准是在未进入模型的各个控制点处计算的 RMSE。始终使用 DTM 进行牛仔布和批量工作； DSM 是顶面。
应用任务
设计无人机项目：确定场地大小、目标 GSD 和数值精度目标（例如水平 ±3 厘米）。由AI生成飞行高度、覆盖率和GCP策略；写下您将保留多少点用于独立控制。然后在假设的控制点偏差表上计算 RMSE，并询问“是否达到目标？”自己评论并确认结果。
清单
- [ ] 我设定了数值精度目标和 GSD。
- [ ] 我充分规划了覆盖率（前/侧）。
- [ ] 我均匀地分配了 GCP，并使用了足够数量的 GCP。
- [ ] 我保留了一些独立控制的点。
- [ ] 我为牛仔布/卷制作了 DTM，而不是 DSM。
- [ ] 我用剖面图验证了地面过滤。
- [ ] 我计算了各个控制点的 RMSE。
- [ ] 我已将准确性的接受提交给工程师批准。