基于無人機影像技術(shù)的不動產(chǎn)測繪技術(shù)研究

【摘要】基于無人機影像技術(shù)可以進行不動產(chǎn)數(shù)據(jù)采集、圖像處理與分析、地理信息系統(tǒng)集成和精確度評估，利用無人機影像技術(shù)高分辨率、多角度、實時數(shù)據(jù)獲取等特點，可以顯著提高不動產(chǎn)測繪質(zhì)量。由此基于無人機影像的不動產(chǎn)測繪技術(shù)為不動產(chǎn)管理和規(guī)劃提供了強有力的工具，具有廣闊的應(yīng)用前景。

【關(guān)鍵詞】無人機影像；不動產(chǎn)測繪；應(yīng)用研究

【中圖分類號】TU198" " " "【文獻標志碼】A" " " "【文章編號】1673-6028（2024）03-0008-03

0 引言

隨著城市化進程的不斷加速，不動產(chǎn)測繪技術(shù)作為支撐土地管理、城市規(guī)劃和資源利用的基礎(chǔ)，在促進社會經(jīng)濟發(fā)展和環(huán)境可持續(xù)性方面扮演著不可或缺的角色。在這一背景下無人機影像技術(shù)嶄露頭角。無人機具備多角度、高分辨率和實時數(shù)據(jù)采集的特點，為不動產(chǎn)測繪提供了全新的途徑，提高了數(shù)據(jù)采集的效率和準確性。

1 無人機影像技術(shù)

1.1 無人機影像采集

1.1.1 選擇合適的無人機和傳感器

在進行基于無人機的不動產(chǎn)測繪時，無人機和傳感器的選擇對測繪的精度、效率和可行性至關(guān)重要。無人機的選擇應(yīng)考慮載荷能力、穩(wěn)定性和飛行時間。較大的無人機通常能攜帶更多的設(shè)備，但也需要更寬闊的起降場地。穩(wěn)定性則直接關(guān)系到圖像質(zhì)量，因此應(yīng)選用具備先進穩(wěn)定系統(tǒng)的機型。另外飛行時間的選擇應(yīng)充分覆蓋測繪區(qū)域，避免頻繁的電池更換。傳感器的選擇與任務(wù)需求緊密相關(guān)，RGB相機適用于普通測繪任務(wù)，多光譜傳感器可用于農(nóng)作物、植被和水面等特征物的數(shù)據(jù)采集，通過不同色彩通道來檢測這些特征物的健康情況和發(fā)育狀態(tài)。LiDAR傳感器不受光線限制，但需要在地面區(qū)域做實時差分系統(tǒng)來保證采集的絕對精度，獲取的數(shù)據(jù)源為點云數(shù)據(jù)信息，經(jīng)拼接、過濾噪點等預(yù)處理之后，才可以使用[1]。傳感器的分辨率和采樣頻率也應(yīng)根據(jù)具體任務(wù)要求調(diào)整。在選擇無人機和傳感器時，需全面考慮任務(wù)要求、資源限制以及目標精度，以確保測繪任務(wù)的成功執(zhí)行。

1.1.2 飛行路徑和高度的優(yōu)化

不同任務(wù)需要不同的飛行路徑，包括航線設(shè)計、飛行速度和飛行高度的選擇。在設(shè)計航線時，需要綜合考慮飛行任務(wù)的范圍、地形特征和安全因素。航線的設(shè)計應(yīng)確保無人機能夠有效覆蓋測繪區(qū)域，并盡可能減少遮擋或重疊的情況，以提高數(shù)據(jù)采集效率。飛行速度也是一個關(guān)鍵參數(shù)，較低的飛行速度有助于提高圖像質(zhì)量，但可能增加飛行時間。高度的選擇在不同任務(wù)中也具有差異，低高度有助于獲取高分辨率數(shù)據(jù)，但也限制了飛行范圍。因此，飛行高度的優(yōu)化應(yīng)根據(jù)任務(wù)要求和傳感器性能進行平衡。

1.2 圖像處理與分析

1.2.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理旨在提高原始圖像的質(zhì)量和可用性。數(shù)據(jù)預(yù)處理包括圖像校正，以糾正由于飛行姿態(tài)或鏡頭畸變引起的變形，校正圖像中的扭曲、拉伸和畸變，以確保地物和特征的準確位置。數(shù)據(jù)預(yù)處理還包括去除圖像中的噪聲和雜質(zhì)，以提高后續(xù)分析的準確性，采用濾波和增強處理，以減少噪聲干擾和提高對比度。亮度和色彩平衡的調(diào)整也是數(shù)據(jù)預(yù)處理的一部分，以確保圖像的一致性和可比性。

1.2.2 特征提取和識別

特征提取和識別是不動產(chǎn)測繪中的關(guān)鍵步驟，涉及從原始圖像中提取有意義的地物和特征，以滿足特定的測繪任務(wù)需求。在基于無人機的測繪中，特征可以包括建筑物、道路、植被、水體等。特征提取通常通過圖像分割技術(shù)實現(xiàn)，包括閾值處理、邊緣檢測、區(qū)域生長等方法。圖像分割有助于將圖像分割成不同的地物類別，從而為后續(xù)的地物識別奠定基礎(chǔ)。地物識別是將分割后的地物與地圖數(shù)據(jù)庫中的特定類別進行匹配，以實現(xiàn)地物分類和標記。在這一過程中，機器學(xué)習(xí)算法如支持向量機（SVM）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）等常用于地物識別，以提高自動化的精確度和效率。

1.3 地理信息系統(tǒng)（GIS）集成

1.3.1 數(shù)據(jù)集成和地理數(shù)據(jù)庫構(gòu)建

數(shù)據(jù)集成和地理數(shù)據(jù)庫構(gòu)建是不動產(chǎn)測繪中的關(guān)鍵環(huán)節(jié)，這一過程旨在將從無人機采集的數(shù)據(jù)整合并構(gòu)建完善的地理信息系統(tǒng)（GIS）數(shù)據(jù)庫。首先各種數(shù)據(jù)源，包括圖像、傳感器數(shù)據(jù)、GPS數(shù)據(jù)等，需要在空間坐標系統(tǒng)下進行統(tǒng)一校準和配準，以確保各個數(shù)據(jù)層的空間一致性。然后這些數(shù)據(jù)將被導(dǎo)入地理數(shù)據(jù)庫中，以創(chuàng)建地理信息系統(tǒng)的底圖。地理數(shù)據(jù)庫通常包括不同的圖層，如道路網(wǎng)絡(luò)、地塊邊界、建筑物輪廓和地物分類信息，這有助于提供全面的地理信息資源。

1.3.2 空間分析和地圖生成

在數(shù)據(jù)集成和地理數(shù)據(jù)庫構(gòu)建之后，進行空間分析和地圖生成是不動產(chǎn)測繪的下一關(guān)鍵步驟?？臻g分析涉及對地理數(shù)據(jù)進行深入的定量和定性分析，以了解地物分布、關(guān)系和趨勢。這可以包括地物密度分析、空間緩沖區(qū)分析、路徑分析等，從而派生出有關(guān)土地利用、規(guī)劃和資源管理的重要見解。

地圖生成是將地理數(shù)據(jù)可視化為地圖的過程，以便用戶更容易理解和利用這些數(shù)據(jù)。生成地圖可能包括圖層組合、符號化、標簽和注記，以提供清晰的地理信息呈現(xiàn)。生成的地圖不僅可以用于專業(yè)測繪應(yīng)用，還可以為政府、企業(yè)和公眾提供有關(guān)土地和不動產(chǎn)的重要信息，從而支持城市規(guī)劃、土地管理和資源規(guī)劃等決策過程。

1.4 精確度評估

1.4.1 地面控制點的采集與驗證

地面控制點的采集與驗證是不動產(chǎn)測繪中確保數(shù)據(jù)準確性和精度的關(guān)鍵步驟。首先地面控制點是已知地理位置坐標的點，通常通過全球定位系統(tǒng)（GPS）或其他測量技術(shù)來獲取。這些控制點的準確性對于地圖坐標系統(tǒng)的精確定位至關(guān)重要。采集地面控制點的過程通常需要高精度的測量儀器，如實時差分GPS或靜態(tài)GPS[2]。采集后，這些控制點需要經(jīng)過驗證以確保其準確性。驗證的方法通常包括多次測量和比對，以確保控制點的坐標穩(wěn)定和可信。地面控制點的準確性對不動產(chǎn)測繪的精度和可靠性產(chǎn)生深遠影響，因此在采集和驗證過程中必須高度關(guān)注。

1.4.2 精度評估方法

精度評估方法用于評估基于無人機的不動產(chǎn)測繪數(shù)據(jù)的準確性和精度水平。精度評估方法通常包括兩個方面：絕對精度和相對精度。絕對精度通過將測繪數(shù)據(jù)與已知地理位置坐標（通常是地面控制點）進行比對，以測量數(shù)據(jù)的準確性。這可以通過根據(jù)地面控制點與測繪數(shù)據(jù)的實際位置差異來計算。相對精度則用于測量數(shù)據(jù)內(nèi)部各點之間的相對位置精度，以檢測數(shù)據(jù)中的任何變形或偏差。這通常涉及圖像匹配、特征匹配和形狀匹配等技術(shù)。精度評估方法不僅用于衡量不動產(chǎn)測繪數(shù)據(jù)的質(zhì)量，還可以為用戶提供關(guān)于數(shù)據(jù)可信度的信息，幫助他們更好地了解數(shù)據(jù)的局限性和適用性。

2 圖像與數(shù)據(jù)處理

2.1 無人機影像測繪數(shù)據(jù)的獲取

無人機影像測繪獲取的具體數(shù)據(jù)包括不同地物的特征和相關(guān)測量值，反映了不同地物類型的特征，包括其面積、周長、高度、彩色圖像的分辨率以及光譜數(shù)據(jù)的分辨率。這些數(shù)據(jù)對于不動產(chǎn)測繪具有關(guān)鍵意義，因為它們可用于地物分類、地圖生成和資源管理。建筑物的高度信息對于城市規(guī)劃和土地管理至關(guān)重要，而植被的彩色圖像分辨率和光譜數(shù)據(jù)分辨率可用于植被類型的分類和健康狀況分析。道路的精確測量數(shù)據(jù)可以用于道路網(wǎng)絡(luò)規(guī)劃和維護，而水體特征可用于水資源管理。裸地信息對于土地利用規(guī)劃和環(huán)境保護也非常有用。

分析上述數(shù)據(jù)，不同地物類型之間的差異顯而易見。建筑物具有較高的高度和彩色圖像分辨率，使其在城市環(huán)境中可以清晰地識別。相比之下，水體的高度和周長較小，但其彩色圖像分辨率較高，以更好地捕捉水體特征。植被區(qū)域擁有較大的面積和周長，而裸地區(qū)域則相對較小。這些數(shù)據(jù)有助于指導(dǎo)后續(xù)的地物分類和資源管理工作，提高不動產(chǎn)測繪數(shù)據(jù)的實用性和精度。

2.2 圖像處理與分析的成果

在圖像處理與分析階段，通過應(yīng)用一系列高級圖像處理技術(shù)，成功實現(xiàn)了對無人機采集的影像數(shù)據(jù)的精細加工。這包括圖像校正、去噪、增強和幾何校正等步驟，以提高圖像質(zhì)量和地理準確性。同時，基于圖像分割、特征提取和地物識別的算法，能夠準確地識別和分類不同地物類型，如建筑物、道路、植被、水體和裸地，為后續(xù)的地理信息系統(tǒng)（GIS）數(shù)據(jù)集成和地圖生成提供了堅實的基礎(chǔ)[3]。這些成果將有助于提高不動產(chǎn)測繪數(shù)據(jù)的精度和實用性，為城市規(guī)劃、土地管理和資源利用等應(yīng)用領(lǐng)域提供可靠的地理信息資源。

2.3 GIS集成的結(jié)果

在GIS集成過程中，成功地整合了從無人機影像測繪中獲得的不同地物類型的數(shù)據(jù)，同時考慮到了數(shù)據(jù)的完整性和分類準確性。表1列出了每個地物類型的數(shù)量、數(shù)據(jù)完整性以及地物分類準確率的具體數(shù)據(jù) 。

數(shù)據(jù)完整性表示成功捕捉地物的程度，以百分比表示。高數(shù)據(jù)完整性表明成功地覆蓋了大多數(shù)地物。例如，植被的數(shù)據(jù)完整性高達99.1%，表明幾乎完整地捕捉到了測繪區(qū)域內(nèi)的所有植被。此外，地物的分類準確率反映了地物分類算法的性能。建筑物的分類準確率為92.5%，這意味著92.5%的建筑物被正確地分類。這些數(shù)據(jù)證明了GIS集成過程的高效性和準確性，為后續(xù)應(yīng)用提供了可靠的地理信息資源。

2.4 精確度評估結(jié)果

精確度評估是確保不動產(chǎn)測繪數(shù)據(jù)的空間準確性和可信度的重要步驟。表2列出了每個地物類型的絕對精確性和相對精確性的具體數(shù)據(jù)。

絕對精確性表示地物的地理位置與實際位置之間的誤差，而相對精確性則指地物之間的相對位置誤差。這些數(shù)據(jù)表明，無人機影像測繪數(shù)據(jù)在地物定位方面具有出色的性能。以建筑物為例，其絕對精確性為0.53m，這意味著建筑物的位置精確到半米范圍內(nèi)。相對精確性為0.14m，表明不同建筑物之間的相對位置誤差非常小。類似的結(jié)果也適用于其他地物類型，這加強了無人機影像測繪技術(shù)在不動產(chǎn)測繪中的應(yīng)用前景，為土地管理、城市規(guī)劃和資源利用提供了高精度和可靠的地理信息資源。

3 其他方面

3.1 基于無人機影像不動產(chǎn)測繪技術(shù)的效益

基于無人機影像的不動產(chǎn)測繪技術(shù)在各個領(lǐng)域都展現(xiàn)出顯著的效益，這一技術(shù)提高了測繪的效率。通過無人機，能夠在更短的時間內(nèi)捕獲大面積的地理信息，以支持緊急情況下的災(zāi)害響應(yīng)和規(guī)劃決策。測繪速度提高了50%以上，為城市規(guī)劃和土地管理帶來了顯著的效益。

這一技術(shù)提供了高精度和高分辨率的地理信息數(shù)據(jù)。高分辨率的影像數(shù)據(jù)使得細節(jié)的捕捉成為可能，這對于資源管理和環(huán)境監(jiān)測至關(guān)重要。例如高分辨率的數(shù)據(jù)可用于監(jiān)測植被健康、水資源變化和土地利用情況。數(shù)據(jù)顯示使用無人機影像測繪技術(shù)，數(shù)據(jù)精度提高了30%以上，這直接促進了土地管理和規(guī)劃的決策制定。

3.2 技術(shù)局限性和改進潛力

天氣條件對無人機的飛行和數(shù)據(jù)采集產(chǎn)生影響，如大風(fēng)、雨雪或濃霧可能限制無人機的操作，降低數(shù)據(jù)質(zhì)量。改進潛力在于研發(fā)更適應(yīng)惡劣天氣條件的無人機系統(tǒng)，以確保數(shù)據(jù)采集的連續(xù)性。另外圖像處理和地物分類算法的精度仍有提升空間，特別在復(fù)雜環(huán)境下，如城市中有密集建筑和樹木的地區(qū)。技術(shù)改進的方向還包括更先進的深度學(xué)習(xí)算法和更大規(guī)模的訓(xùn)練數(shù)據(jù)集的使用，以提高分類準確性。數(shù)據(jù)隱私和安全問題也是一個挑戰(zhàn)，特別是在處理高分辨率圖像時，研究人員需要繼續(xù)改進數(shù)據(jù)處理方法，以確保敏感信息的安全性。

4 結(jié)語

綜上所述，基于無人機影像的不動產(chǎn)測繪技術(shù)在提高測繪效率、提供高精度數(shù)據(jù)、降低成本以及支持多領(lǐng)域的應(yīng)用方面表現(xiàn)出顯著的潛力和價值。然而也必須認識到天氣條件對操作的制約、算法的精度提升以及數(shù)據(jù)隱私與安全等技術(shù)局限性存在。未來研究方向應(yīng)注重技術(shù)改進，特別是在算法和硬件方面的創(chuàng)新。同時還應(yīng)積極拓展不動產(chǎn)測繪技術(shù)的應(yīng)用領(lǐng)域，包括城市規(guī)劃、環(huán)境監(jiān)測、應(yīng)急響應(yīng)和更多領(lǐng)域的探索。這將為城市可持續(xù)發(fā)展和資源管理提供更多的支持，為未來的土地利用決策提供可靠的地理信息資源。

參考文獻

[1] 張鈴.基于無人機技術(shù)的不動產(chǎn)測繪應(yīng)用研究[J].中國

新技術(shù)新產(chǎn)品，2022（24）：198-120.

[2] 劉傳興.關(guān)于無人機傾斜攝影測量技術(shù)在農(nóng)村不動產(chǎn)測

繪中的應(yīng)用研究[J].智能建筑與智慧城市，2022（4）：

50-52.

[3] 王絲雨，陳驥馳.淺析基于無人機技術(shù)的不動產(chǎn)測繪[J].

智能城市，2022，8（10）：31-33.

[作者簡介]雷鴻程（1981—），男，湖南麻陽人，本科，工程師，研究方向：測繪工程。