XiaoMi-AI文件搜索系统
World File Search System地形模型
无人机获取的图像对 alt 数字地形模型的重叠影响
摘要 摄影测量数据在多个领域被系统地使用。数字地形模型 (DTM) 等产品提供了详细的表面信息，但与 GNSS RTK 地形测量收集的数据相比，这些产品的几何可靠性值得怀疑。本研究评估了使用无人机 (UAV) 在不同参数、重叠百分比和飞行方向获得的 DTM 的质量，并将结果与地形方法全球导航卫星系统 - 实时动态 (GNSS RTK) 的结果进行比较。制定了 12 个飞行计划，具有不同的重叠度（90x90、80x80、80x60、70x50、70x30 和 60x40%）和方向（横向和纵向于种植线）。高度（地面以上 - AGL）和速度参数分别固定在 90 m 和 3 m/s，所有飞行的地面采样距离 (GSD) 均为 0.1 m。总体来看，横向重叠度70x50%的飞行效果最好，总处理时间为12分17秒（比90x90%快了大约1.5小时），均方根误差（RMSE）为0.589米，满足60x30%航空摄影测量所要求的最小重叠度，且与90x90%和80x80%的高重叠度在统计上并无差异。
无人机获取的图像对 alt 数字地形模型的重叠影响
摘要 摄影测量数据在多个领域被系统地使用。数字地形模型 (DTM) 等产品提供了详细的表面信息，但与 GNSS RTK 地形测量收集的数据相比，这些产品的几何可靠性值得怀疑。本研究评估了使用无人机 (UAV) 在不同参数、重叠百分比和飞行方向获得的 DTM 的质量，并将结果与地形方法全球导航卫星系统 - 实时动态 (GNSS RTK) 的结果进行比较。制定了 12 个飞行计划，具有不同的重叠度（90x90、80x80、80x60、70x50、70x30 和 60x40%）和方向（横向和纵向于种植线）。高度（地面以上 - AGL）和速度参数分别固定在 90 m 和 3 m/s，所有飞行的地面采样距离 (GSD) 均为 0.1 m。总体来看，横向重叠度70x50%的飞行效果最好，总处理时间为12分17秒（比90x90%快了大约1.5小时），均方根误差（RMSE）为0.589米，满足60x30%航空摄影测量所要求的最小重叠度，且与90x90%和80x80%的高重叠度在统计上并无差异。
高山生态中的多尺度高分辨率地形模型：机载激光雷达和无人机立体摄影测量技术的优缺点
摘要：高山环境易受气候变化影响，迫切需要准确建模和了解这些生态系统。过去十年来，使用数字高程模型 (DEM) 来获取代理环境变量的普及度不断提高，特别是因为 DEM 可以相对便宜地以非常高的分辨率 (VHR；<1 米空间分辨率) 获取。在这里，我们实现了一个多尺度框架，并比较了由光检测和测距 (LiDAR) 和立体摄影测量 (PHOTO) 方法产生的 DEM 衍生变量，目的是评估它们在物种分布建模 (SDM) 中的相关性和实用性。以瑞士西部阿尔卑斯山两个山谷的北极高山植物 Arabis alpina 为例，我们表明 LiDAR 和 PHOTO 技术均可用于生成用于 SDM 的 DEM 衍生变量。我们证明，PHOTO DEM 的空间分辨率至少为 1 米，其精度可与 LiDAR DEM 相媲美，这在很大程度上要归功于与市售的 LiDAR DEM 相比，PHOTO DEM 可以根据研究地点进行定制。我们获得了空间分辨率为 6.25 厘米 - 8 米（PHOTO）和 50 厘米 - 32 米（LiDAR）的 DEM，其中我们确定 SDM 中 DEM 衍生变量的最佳空间分辨率在 1 到 32 米之间，具体取决于变量和站点特征。我们发现 PHOTO DEM 范围的缩小改变了所有衍生变量的计算，这对它们的重新计算产生了特殊影响
居住区景观中采用不同滤波方法从机载 LiDAR 点云提取的数字地形模型的比较分析
光探测和测距 (LiDAR) 是一种成熟的主动遥感技术，可以提供地形和非地面物体（如植被和建筑物等）的精确数字高程测量。需要去除非地面物体才能创建数字地形模型 (DTM)，该模型是仅代表地面点的连续表面。本研究旨在比较分析三种主要的去除非地面物体的滤波方法，即高斯低通滤波器、焦点分析均值滤波器和基于不同窗口大小的 DTM 斜率滤波器，以从机载 LiDAR 点云创建可靠的 DTM。分析中使用了 ISPRS WG III/4 提供的在德国 Vaihingen 上空捕获的纯住宅区 LiDAR 数据样本。视觉分析表明，高斯低通滤波器使衰减的高频物体的 DTM 变得模糊并强调了低频物体，而在较大的窗口大小下它可以更好地去除非地面物体。与高斯低通滤波器相比，焦点分析均值滤波器表现出更好的非地面物体去除效果，尤其是在窗口尺寸较大的情况下，非地面物体的细节在窗口尺寸为 25 × 25 及更大的 DTM 中几乎消失了。基于斜率的 DTM 滤波器创建的裸地模型在非地面物体的位置充满了缝隙，这些缝隙的尺寸和数量有所增加
在落叶条件下基于无人机的数字地形模型生成，以支持热带干旱森林中的柚木种植园库存。厄瓜多尔沿海地区案例
摘要：遥感正在彻底改变森林研究的方式，而最近的技术进步，例如无人机 (UAV) 的运动结构 (SfM) 摄影测量，正在提供更有效的方法来协助 REDD（减少毁林和森林退化造成的排放）监测和森林可持续管理。这项工作的目的是开发和测试一种基于无人机 SfM 的方法，以在位于厄瓜多尔沿海地区（干旱热带森林）的柚木种植园（Tectona grandis Linn. F.）上生成高质量的数字地形模型 (DTM)。在旱季（叶子物候期），使用 DJI Phantom 4 Advanced © 四轴飞行器在位于瓜亚斯省（厄瓜多尔）的三个不同种植园的 58 个边长为 36 米的柚木方形地块上收集了无人机重叠图像。完成了一个工作流程，包括基于实地测量的地面控制点的 SfM 绝对图像对齐、非常密集的点云生成、地面点过滤和异常值移除以及从标记的地面点进行 DTM 插值。使用非常精确的地面激光扫描 (TLS) 得出的地面点作为地面参考，以估计每个参考图中的 UAV-SfM DTM 垂直误差。获得的地块级 DTM 呈现出较低的垂直偏差和随机误差（平均分别为 - 3.1 厘米和 11.9 厘米），显示出这些参考图中的统计上显著更大的误差
利用激光雷达数据呈现农业区数字地形模型
数据记录接收器、惯性导航系统 (INS)、定位飞行轨迹系统 (GPS)、摄像机、飞行计划和管理系统以及地面参考站 GPS 和数据处理站。测距系统、GPS 和 INS 的集成和相互配合允许获得足够密集的“点云”（具有已知坐标 X、Y、Z 的空间点），以获得代表地形表面及其覆盖物的三维空间。使用摄像机记录扫描区域可以在激光雷达数据的后处理过程中简化“点云”过滤过程。为了消除系统误差，建议使用坐标 X、Y、Z 的校正值，这些校正值是使用具有至少三倍更精确空间坐标的控制点计算的，例如：运动场表面（Tarek，2002 年）。