2026年无人测绘试题(附答案)

2026年无人测绘试题(附答案)一、单项选择题（每题2分，共20题，40分）1.以下不属于无人测绘系统核心组件的是（）A.多光谱传感器B.惯性导航单元（INS）C.地面控制站D.卫星电视接收机2.多旋翼无人机在复杂山区测绘中，相较于固定翼的显著优势是（）A.续航时间更长B.起降场地要求低C.抗风能力更强D.作业效率更高3.GNSS差分定位中，能实现厘米级精度的是（）A.伪距差分（DGPS）B.载波相位差分（RTK）C.单频单点定位D.广域差分（WADGPS）4.LiDAR点云数据中，直接反映地物反射特性的属性是（）A.高程值B.回波次数C.强度值（Intensity）D.扫描角度5.倾斜摄影测量中，五镜头相机的主镜头与侧镜头的夹角通常设计为（）A.30°B.45°C.60°D.75°6.1:2000比例尺航摄中，地面分辨率（GSD）应不低于（）A.5cmB.10cmC.15cmD.20cm7.基于SLAM技术的无人测绘系统，其核心是（）A.实时定位与地图构建B.多传感器时间同步C.点云配准优化D.障碍物检测8.多源数据融合（GNSS+LiDAR+影像）时，关键的预处理步骤是（）A.辐射校正B.坐标系统一C.噪声滤波D.特征提取9.无人机避障系统中，用于近距离高精度测距的传感器通常是（）A.毫米波雷达B.超声波传感器C.视觉摄像头D.激光雷达10.智能解译技术中，实现地物自动分类的关键是（）A.高分辨率影像B.多源数据对齐C.深度学习模型训练D.点云密度控制11.无人测绘中，航摄重叠度设计需同时满足航向和旁向要求，一般航向重叠度不低于（）A.50%B.60%C.70%D.80%12.多光谱无人机测绘中，用于植被健康监测的典型波段组合是（）A.蓝、绿、红B.红、绿、近红外C.红边、热红外、紫外D.蓝、红边、短波红外13.无人直升机相较于多旋翼的主要缺点是（）A.操控复杂度高B.载重能力弱C.抗风性能差D.续航时间短14.点云数据中，“鬼影点”（GhostPoints）产生的主要原因是（）A.传感器标定误差B.多次回波干扰C.飞行高度变化D.光照条件突变15.倾斜摄影三维建模中，“空三加密”的主要目的是（）A.提高影像分辨率B.确定像片外方位元素C.优化纹理映射效果D.减少模型三角面片数量16.无人测绘系统的时间同步精度需达到（）A.毫秒级B.微秒级C.纳秒级D.秒级17.基于无人机的SAR（合成孔径雷达）测绘，其最大优势是（）A.白天作业B.穿透云雾C.高光谱分辨率D.低成本18.点云分类中，“地面点”与“非地面点”分离的常用算法是（）A.RANSAC平面拟合B.区域生长C.布料模拟滤波（CSF）D.支持向量机（SVM）19.无人测绘成果的“绝对精度”验证通常采用（）A.同名点匹配B.检查点实测C.模型重叠度分析D.点云密度统计20.智能测绘平台中，“边缘计算”的主要作用是（）A.降低数据传输量B.提高定位精度C.增强抗干扰能力D.延长电池续航二、填空题（每题2分，共10题，20分）1.无人机航高计算公式为H=(f×GSD)/p，其中f为相机焦距，p为像元尺寸，GSD的单位是______。2.LiDAR系统的核心参数包括激光波长、脉冲重复频率、______和扫描频率。3.摄影测量中，像片旋偏角一般要求不大于______，最大不超过12°。4.GNSSRTK定位的平面精度通常为______，高程精度略低。5.点云滤波中，基于数学形态学的方法通过设定______来分离地面点与非地面点。6.倾斜摄影五镜头相机的布局通常为1个垂直镜头+______个倾斜镜头。7.多光谱传感器一般包含4-10个波段，其中______波段对植被叶绿素敏感。8.无人机电池的能量密度单位是______（填写符号）。9.智能解译中，深度学习的典型网络如U-Net主要用于______任务。10.无人测绘系统的抗干扰设计需重点考虑电磁干扰、______和遮挡干扰。三、简答题（每题8分，共5题，40分）1.简述多旋翼无人机在复杂地形测绘中的优势与局限。2.说明GNSS/INS组合导航在无人测绘中的作用机制。3.阐述LiDAR点云与光学影像融合的技术路径。4.倾斜摄影三维建模中，“双视匹配”的具体流程包括哪些步骤？5.无人机航摄计划设计需考虑哪些关键参数？各参数的取值依据是什么？四、综合分析题（每题20分，共2题，40分）1.某山区1:2000地形图测绘项目，采用垂直起降固定翼无人机（续航2.5小时，最大航高3000m），需覆盖面积约150km²，平均坡度25°，部分区域有稀疏树林。（1）设计航摄参数（航高、航向/旁向重叠度、地面分辨率），并说明依据；（2）数据采集时需注意哪些特殊地形（如山谷、山脊）的应对措施；（3）若作业中遇到局地云雾（云底高1200m），提出3种可行的解决方案；（4）简述点云与影像融合提供DSM（数字表面模型）的技术路线；（5）列举3种成果精度验证的具体方法。2.某城市三维建模项目（范围5km²，建筑高度3-50m），采用多旋翼无人机搭载倾斜相机（五镜头，像元尺寸3.76μm，焦距20mm）和LiDAR（16线，扫描频率10Hz，测距精度±2cm）。（1）分析传感器选型的合理性（需结合建筑高度与精度要求）；（2）设计航飞方案（包括航高、速度、架次规划），并说明避免遮挡的策略；（3）数据同步中，如何实现倾斜影像与LiDAR点云的时间戳对齐？（4）点云去噪（如飞点、噪点）与影像匀光匀色的具体处理步骤；（5）基于智能解译技术提取建筑物轮廓，需经历哪些关键流程？如何优化小尺度建筑（如3m高平房）的提取精度？参考答案一、单项选择题1.D2.B3.B4.C5.B6.B7.A8.B9.D10.C11.B12.B13.A14.B15.B16.B17.B18.C19.B20.A二、填空题1.厘米（cm）2.测距精度3.8°4.±1cm+1ppm5.窗口大小与阈值6.47.红边8.Wh/kg9.语义分割10.多路径效应三、简答题1.优势：垂直起降，适应狭窄场地；低速飞行，适合复杂地形细节捕捉；悬停功能便于重点区域补测。局限：续航短（通常<1小时），作业效率低；抗风能力弱（一般≤5级）；载重小，难以搭载高精度大载荷传感器。2.GNSS提供绝对位置但受遮挡影响，INS（惯性导航）通过加速度计和陀螺仪提供相对位置，不受信号遮挡限制但误差随时间累积。组合导航通过卡尔曼滤波融合两者数据，GNSS修正INS的累积误差，INS弥补GNSS信号丢失时的定位空白，实现连续、高精度的导航定位。3.技术路径：①坐标系统一（统一至WGS84或地方坐标系）；②时间同步（通过PPS+时间戳对齐）；③点云与影像配准（基于同名点或特征匹配）；④数据融合：LiDAR提供高精度三维结构，影像提供光谱信息，通过加权融合提供带纹理的三维点云或正射影像；⑤应用：地物分类（结合点云高度与影像颜色）、建筑物三维建模（点云勾勒轮廓+影像填充纹理）。4.双视匹配流程：①提取影像特征点（如SIFT、ORB）；②建立初始匹配（基于特征描述子相似性）；③剔除误匹配（通过RANSAC算法排除外点）；④利用倾斜影像的多角度特性，进行前视-后视、左视-右视的交叉匹配，增加同名点数量；⑤结合像片外方位元素（通过空三加密获取），优化匹配精度，确保三维模型的几何一致性。5.关键参数及依据：①航高（H）：由比例尺和GSD确定（H=f×GSD/p），1:2000地形图通常GSD=10cm，f=20mm时H≈533m；②航向重叠度（60%-80%）：保证立体像对匹配，复杂地形取高值；③旁向重叠度（30%-60%）：确保相邻航线覆盖，山区取50%以上；④飞行速度（v）：与相机曝光时间、重叠度相关，公式v=(GSD×像幅宽度×3.6)/(曝光时间×航向重叠度)；⑤航摄时间：选择无云、低光照角度（避免阴影过长），一般上午10点至下午3点。四、综合分析题1.（1）航摄参数：①地面分辨率GSD=10cm（1:2000地形图要求GSD≤10cm）；②航高H=(f×GSD)/p（假设f=20mm，p=3.76μm），则H≈(20×10)/(0.00376)≈53194mm≈532m（需低于云底高1200m，符合要求）；③航向重叠度70%（山区地形起伏大，需更高重叠保证匹配），旁向重叠度60%（避免山谷遮挡导致数据缺失）。（2）特殊地形应对：①山谷：降低航高（不低于安全高度），增加旁向重叠至70%，避免山体遮挡航线；②山脊：沿山脊走向飞行，调整航向与山脊线夹角≤30°，减少侧视阴影；③稀疏树林：采用LiDAR辅助，穿透植被获取地面点，结合影像提取树冠高度。（3）云雾应对：①调整航飞时间，避开云雾时段（如上午10点后升温驱散）；②分区域作业，优先测绘无云区域，云雾消散后补测；③启用SAR载荷（若有），穿透云雾获取数据；④降低航高至云底高以下（如1000m），但需确保GSD仍满足精度（H=1000m时GSD=10cm需f=37.6mm，若相机不支持则需调整）。（4）点云与影像融合提供DSM路线：①点云预处理（去噪、分类，分离地面与非地面点）；②影像空三加密（获取像片外方位元素）；③影像密集匹配提供DSM（基于SGM算法）；④点云DSM与影像DSM加权融合（点云在植被区精度高，影像在无植被区细节好）；⑤插值补全缺失区域（如阴影遮挡），提供最终DSM。（5）精度验证方法：①外业实测检查点（均匀分布，数量≥总点数5%），比较实测坐标与成果坐标的中误差；②同名点较差统计（选取20对以上明显地物点，计算平面/高程中误差）；③剖面线验证（沿山脊、道路等线性地物，比较成果与实测剖面的吻合度）。2.（1）传感器选型合理性：①倾斜相机（五镜头）：覆盖垂直与倾斜视角，适合城市建筑立面纹理采集；焦距20mm、像元3.76μm，航高100m时GSD≈(3.76μm×100m)/20mm≈1.88cm，满足城市建模高精度需求（通常GSD≤5cm）；②16线LiDAR：扫描频率10Hz、测距精度±2cm，可获取建筑轮廓的三维坐标，弥补倾斜摄影在阴影区（如楼间）的建模缺陷，16线足够覆盖50m高建筑（扫描角度±15°时，水平覆盖范围≈50m/tan15°≈186m，满足5km²范围）。（2）航飞方案：①航高：100m（GSD≈1.88cm，满足精度；建筑高度50m，航高需≥2倍建筑高度避免遮挡，100m符合）；②飞行速度：v=(GSD×像幅宽度×3.6)/(曝光时间×航向重叠度)（假设像幅6000×4000像素，曝光时间1/1000s，航向重叠度70%），则v≈(1.88cm×6000×3.6)/(0.001s×70%)≈57.9km/h（需低于无人机最大速度，一般多旋翼≤60km/h，可行）；③架次规划：5km²=5,000,000m²，单架次覆盖面积=航宽×航长=（像幅宽度×GSD×(1-旁向重叠度)）×（航速×续航时间）（假设旁向重叠度60%，续航30分钟，航宽=4000×1.88cm×(1-60%)≈29.9m，航长=57.9km/h×0.5h≈28.95km，单架次覆盖≈29.9m×28,950m≈865,605m²，需约6架次）；④避遮挡策略：沿街道走向飞行，航向与建筑主朝向平行（减少楼间阴影）；在十字路口、广场等开阔区域增加悬停补拍；LiDAR同步扫描，填补影像遮挡区数据。（3）时间戳对齐方法：①硬件同步：通过PPS（秒脉冲）信号同步无人机时钟，确保传感器（相机、LiDAR）与导航系统（GNSS/INS）时间基准一致；②软件校正：记录每个影像的曝光时间（精确到毫秒）和LiDAR点的扫描时间（激光发射时刻），通过线性插值或多项式拟合，修正因时钟漂移导致的时间差；③后处理验证：选取同步采集的特征点（如路灯、广告牌），比较影像与点云中的位置偏差，反推时间误差并校正。（4）处理步骤：①点云去噪：a.统计滤波（删除邻域点数量低于阈值的点）；b.半径滤波（删除3m半径内点数<5的点）；c.手动剔除（如飞鸟、电线等异常点）；②影像匀光匀色：a.辐射校正（基于暗角校正、平场域校正消除镜头影响）；b.直方图匹配（以中心区域影像为参考，调整边缘影像的亮度/对比度）；c.多视影像融合（通过加权平均消除同一区域不同角度的光照差异）。