Airffic Inspection无人机巡检未来指南

TECHNOLOGY / 01

可见光成像与摄影测量:每像素多少毫米,决定您能检查什么

无人机检查的基础仍然是一台普通的相机。要看见什么必须靠多近、如何控制模糊与光线、照片如何变成地图和 3D 模型、如何证明其精度——我们一步一步来讲。

本页内容
01

相机能告诉您什么,不能告诉您什么

可见光相机记录的是表面的颜色与形状:裂缝、剥落与外露钢筋、锈蚀、涂层脱落、水渍、泛碱、缺失的螺栓、变形的构件。大多数缺陷最先显现于表面,这使相机成为用途最广的检查传感器。

目标用相机需要其他方法
裂缝位置、长度、宽度(若像素足够精细)深度及内部发展
剥落与分层剥落区域、外露钢筋尚未脱落的分层(热成像或敲击检测)
锈蚀与涂层面积与颜色变化厚度损失(超声测厚仪)
变形与倾斜通过 3D 模型比较形状毫米级位移(测量、卫星 InSAR)
植被与净空大致范围精确距离(LiDAR)

一旦理解了从镜头到传感器再到文件的路径,检查用相机的规格表就好读得多。把相机理解为一条部件链(Airffic Aerial)是一条捷径。

02

GSD 与拍摄距离

GSD(地面采样距离)指一个像素覆盖表面多少毫米。相机就是一对相似三角形:GSD = 传感器宽度 × 拍摄距离 ÷(焦距 × 图像像素宽度)。距离减半,GSD 减半;焦距加倍,同样距离下 GSD 减半。

w f D W = w × D ÷ f GSD = W ÷ N N px
宽度为 w 的传感器,通过焦距 f,在距离 D 的表面上投射出 W = w × D ÷ f 的覆盖范围。除以横向像素数 N,就得到 GSD。

例如,一块 1 英寸级传感器(宽 13.2 mm)、8.8 mm 焦距、横向 5,472 像素,得到下面的数值。这些是几何值;镜头的柔化和对焦会让实际影像略差一些。

拍摄距离GSD(计算值)画幅覆盖宽度典型用途
2 m≈0.55 mm≈3 m细微裂缝特写
5 m≈1.4 mm≈7.5 m辨识梁和墙面上的缺陷
10 m≈2.7 mm≈15 m剥落、锈蚀、渗漏的范围
30 m≈8 mm≈45 m全景、3D 模型
100 m≈2.7 cm≈150 m场地地图与正射影像

比一个像素更窄的裂缝,如果比周围更暗,仍可能显示为一条淡淡的线。但测量宽度是另一回事:GSD 要比您需要测量的宽度明显更细。无法靠近时,就用更长的镜头——但长焦会放大振动和风致摆动,因此必须与模糊控制并行。用您自己的相机在拍摄距离与分辨率计算器里试一试。

03

控制模糊与光线

无人机是在运动中拍摄的,因此会出现运动模糊。模糊像素数 = 地速 × 曝光时间 ÷ GSD。在 2 m/s 和 1/500 s 下,航空器移动 4 mm;GSD 为 1.4 mm 时,这约等于三个像素的模糊,足以把一条细裂缝抹掉。目标是控制在一个像素以内。

  • 减速或悬停:拍特写时,悬停并逐帧拍摄。
  • 更快的快门:会损失进光量,因此需提高 ISO 或补光——这是与噪点之间的权衡。
  • 机械快门:电子(卷帘)快门会使运动中的画面变形,并降低摄影测量质量。
  • 云台与风:阵风会使飞行器晃动,镜头越长越明显。大风天请重新规划距离和焦距。风与湍流

光线同样决定质量。梁底和北立面昏暗,而阳光与阴影混杂会让高光过曝或暗部死黑。阴影柔和的阴天最适合检查。在黑暗中,使用机载照明并锁定曝光与白平衡,让每次飞行保持一致。潮湿或涂漆表面的眩光通常改变角度就能最快解决。保留 RAW 文件可以事后提亮暗部。黑暗环境

电影拍摄者对快门速度、帧率和卷帘快门畸变极为讲究。从航拍电影制作的角度学习如何设置快门与帧率(Airffic Aerial),更容易判断一张检查照片为什么模糊。

04

摄影测量(SfM)的工作原理

摄影测量从相互重叠的照片中同时求解相机位置与物体形状。如今的主流做法是将 SfM(运动恢复结构)与 MVS(多视立体)结合:

步骤会发生什么常见失败原因
特征提取与匹配在多张照片中找到相同的点无纹理表面、玻璃、水面、重复图案
光束法平差联合优化相机位姿与镜头畸变重叠度不足、缺少倾斜影像
密集匹配(MVS)逐像素深度暗部、模糊、失焦
网格与纹理构建表面并贴上照片细长构件(缆索、栏杆)消失不见
正射纠正与导出配准到图纸或地图坐标控制点不足导致整体扭曲

基本规则是重叠率——通常航向 70–80%、旁向 60–70%。纯正射的影像块可能导致镜头畸变估计不佳,使整个模型弯曲(“穹顶效应”)。混入倾斜影像有助于避免这种情况。

亲自跑一遍 SfM,是了解重叠不足会出什么问题的最快方式。用 OpenCV 与 COLMAP 从航拍照片重建形状(Airffic Aerial)是一个很好的起点。

05

正射影像、3D 模型与数字孪生

摄影测量的成果各有用途。正射影像消除了透视,使拼接后的图像看起来像是垂直向下(或正对墙面)拍摄的;其统一的比例尺让您能够测量长度和面积。3D 模型(点云或网格)则保留了形状本身。

成果适用于注意
正射影像损伤图、裂缝位置与长度、面积纵深构件上的投影差变形
点云尺寸、变形、形状变化噪点、细长构件处的空洞
带纹理网格与相关方沟通、总览看起来漂亮,但永远替代不了细节照片
带地理标签的原始照片全分辨率核查、AI 输入数据量巨大,需要整理

您常会听到“数字孪生”,但仅有 3D 模型并不是孪生。对检查有用的孪生,会把构件 ID、历次检查、修缮记录和传感器数据关联到模型上,并随现实的变化持续更新。AI 与数据管理一章讲解如何把它们连接起来。

Airffic 的观点

价值保持最久的,不是漂亮的网格模型,而是哪张照片在什么条件下拍到了哪个构件的哪个部位的记录。网格化方法每隔几年就会更替;只要有原始影像和采集元数据,您随时可以重建。

06

精度与地面控制

精度分两种:相对精度(模型内部的长度和形状是否正确)和绝对精度(与地图或图纸坐标的吻合程度)。测量裂缝长度只需要相对精度;与去年的数据叠加或放到图纸上,则需要绝对精度。

  • 地面控制点(GCP):坐标已知的标靶,把模型锁定到真实世界。
  • 检查点:不参与解算、仅用于验证精度的点。没有检查点,就不能声称任何精度。
  • RTK / PPK:精确的飞行器位置可减少所需的 GCP——但仍要保留一些检查点。
  • 比例尺:在桥面下或室内无 GNSS 时,放置一个已知长度的物体以确认比例。无 GNSS 环境
  • 经验法则:通常认为在良好条件下水平误差保持在几个 GSD 以内,垂直误差通常更大。先根据检测目的确定所需精度。

在日本,国土地理院发布了公共测量中使用 UAV 的手册;在美国,ASPRS 定义了地理空间数据的位置精度标准。把同样的思路借用到检查中——用检查点证明误差——是稳妥的做法。

如果检查影像作为测量成果交付,外观与位置精度必须分别报告。参见在测量与点云中区分外观与精度(Airffic Flight Institute)。

07

相机做不到的事

  • 表面之下:分层、内部裂缝和钢材厚度损失是看不见的。
  • 污垢与阴影之外:泥土、苔藓、鸟粪和阴影会遮住缺陷——也会被误认为缺陷。
  • 无特征表面:新混凝土、均匀涂装、玻璃和水面难以重建。
  • 黑暗与时段:无照明空间、傍晚低角度阳光和夜间都会严重降低图像质量。
  • 判断:照片只是原材料。解读缺陷是工程师的工作。
08

我们对 2035 年的看法

到 2035 年,每座结构都将拥有一份固定的采集计划:无人机每次都从相同的位姿、相同的距离、相近的光线下拍摄。GSD 和重叠率在起飞前自动检查,缺失的影像当场补拍。正射影像和 3D 模型关联到构件 ID,只有差异才送到工程师面前。这是编辑部的看法——但其中大部分技术已经在现场应用。

变化最大的不是硬件,而是规划:从“先飞再拍”变为“从所需的像素尺寸倒推飞行”。当这成为常态,无人机检查才算真正到来。

查看来源

规则、数字和案例均基于下列来源。未来情景与设计建议是编辑部的观点。

来源已核对: 2026-10-22