无人机图像处理软件测试报告
无人机数据处理测试报告
宜昌地区无人机影像处理测试报告1、实验数据处理平台1.1硬件配置电脑为普通单机电脑，Win764位操作系统；CPU为酷睿i7，4核8线程；内存8G；显存2G；120G单片固态硬盘。
1.2系统软件Easy_UAV无人机/航空影像快速处理系统是面向框幅式航空影像、无人机数据处理推出的新一代解决方案，其设计理念是为了高度提升无人机、航空影像自动化、高精度、快速生产能力，功能主要包括智能空三处理模块（EasyAT）、多视DSM密集匹配模块（EasyDSM）、影像匀色处理模块（ImageDodger）、航空影像纠正与镶嵌处理模块（EasyDomer）等，涵盖无人机与航空影像制作的整个处理流程，可完整完成“无人机正射影像图制作”任务。
序号模块功能描述1EasyAT智能航空影像空三处理模块1）EasyAT从工程设置、航线排列到连接点的精确匹配，到测区空三平差解算，均具有很高的自动化处理。
2）EasyAT采用先进的影像处理算法，能快速、高自动化提供高精度、高性能的无人机影像的空三处理。
3）采用AATB平差软件进行空三平差，完全支持控制点平差、GPS 平差和POS平差技术。
2EasyDSM多视DSM密集匹配模块EasyDSM采用自主研发的基于多视物方SGM匹配算法，能自动获取非常精细的DSM数据。
处理时以顶层金字塔的标准多视物方匹配结果作为初值，多视物方SGM匹配以互信息作为匹配代价，且采用SGM的动态规划优化，获取非常精细的DSM数据。
3ImageDodger影像匀色处理模块系统匀色算法在提高影像色彩质量的同时，还能自适应增强影像对比度。
处理过程中往往是在测区中选择一张色调具有代表性的影像作为色调基准影像，对测区所有影像进行匀色处理，匀色后影像之间的色调差异得到了明显的改善。
4EasyDomer航空影像纠正与镶嵌处理模块1）可实现海量影像数据的快速拼接、镶嵌与漫游处理，镶嵌时不受数据量大小的限制（单张镶嵌影像也可不受4G数据量限制），持各种不同分辨率影像数据的同时拼接与镶嵌处理；2）支持网络化并行作业，实现无缝接边，不同作业端编辑过程全程受控、可实现分发、上传、无缝接边等处理；3）操作方便，简单高效，还能套合DEM显示检查、自动/半自动实现因DEM引起的地物变形、拉丝快速改正、文本标注质检、成果裁剪输出等；1.3作业流程航空影像图制作处理流程影像空三处理流程2、测区试验情况实验区简介：本次实验包含4个航飞区域，6个加密测区。
无人机航测数据处理分析
无人机航测数据处理分析摘要：无人机技术自问世以来，以其简单、方便、快捷的优势一直受到人们的关注。
经过多年的发展，特别是在飞行控制和硬件集成的不断发展中，如今已越来越多地用于各个行业。
将无人机用于航空测量和遥感已成为新的热点和技术。
而且，这种技术手段由于其固有的优势，给测绘和遥感领域带来了新的活力。
本文首先分析了无人机航测的一般过程以及内部数据处理的一些关键点。
关键词：无人机，航测数据，处理引言传统的航空摄影测量系统使用大中型飞机作为航空载体，这需要专门的飞机起降点和昂贵的航拍相机，并且主要用于国家和大规模的基础测绘。
对天气要求高、成本较高、周期长、机动性差。
因此，在生产实践和一般工程应用中，传统的航空摄影测量法有点“笨拙”并且难以快速处理，可以低成本获得高分辨率图像。
小型低空无人机航拍技术的发展弥补了传统航拍技术的不足。
随着技术的不断进步，无人机航拍测量系统无论是在飞机的飞行稳定性，图像采集摄像机的后处理等方面还是在数据无人机上，都得到了飞速发展，并且具有以下三大优势：无人机航测，高及时性、高分辨率和低成本在各种领域中正变得越来越突出。
一、无人机技术的应用优势（1）安全性和可靠性在新时代的飞速发展中，科学技术飞速发展，无人机技术应运而生。
具有遥感系统的无人机已集成到许多测绘应用程序中。
使用遥感系统，可以有效地控制无人机。
计算机技术、图像摄影技术和无人机技术的集成可以充分利用无人机进行测量，而无需飞行。
飞行员和地质学家在飞机上进行测量，以确保测量工作的安全性和可靠性。
（2）数据处理成本低与传统的航拍摄像机相比，无人机控制系统相对简单，但是无人机的成本比普通航拍摄像机便宜约5倍。
通常情况下，无人机驾驶员只需要使用遥感系统就可以完成地面操作，而且无人机驾驶员执照的操作相对方便。
通常情况下，无人机通常选择轻质的碳纤维复合材料，这为将来的维修和保养工作提供了极大的便利。
无人机技术是一种新兴技术，因为机载图像处理设备相对较好并且硬件配置要求普遍较低，数据处理成本低于普通航空摄影机。
浅谈低空无人机小数码数据后处理解决方案
了很多较好的无人机生产单位，如台湾炭基，武汉智能鸟等。
随着无人机装备的发展和服务队伍的建设，我国已能够利用无人机为国民经济建设服务，无人机发展已经进入社会应用的新时期。
由此，也出现了低空遥感技术这个专业名词。
该技术就是利用无人飞机平台搭载航空数码相机进行航空摄影，采用IMU/GPS技术进行自动导航，在1000米以下进行低空作业，具有高效快速、精细准确、可云下摄影等特点。
目前，无人机低空航测遥感技术已经成为我国经济建设、社会发展、应急救灾、突发事件处置、数字城市建设、国土资源调查、地理国情普查，地质灾害、矿山监测、工程设计等一系列国家重大需求的重要技术。
1 低空无人机小数码航拍数据优缺点■1.1 优点影像获取快捷方便：无需专业航测设备，普通民用单反相机即可作为影像获取的传感器。
成本低廉，性价比高：无人机（带飞控系统）市场价格10万到100万，各种档次都有，而相机整套（机身加镜头）不到2万。
整个系统机动性强：整套设备不需要专门机场调运、调配，可用小型汽车装载托运，随时下车组装，3个工作人员2小时内可组装完毕。
受气候条件影响小，影像获取周期短、时效性强，几乎不受场地和天气影响。
飞行条件需求较低。
满足大比例尺成图要求：满足《低空数字航空摄影测量内业规范》CH/ Z 3003-2010 1：500、1：1000、1：2000大比例尺成图精度要求，满足传统航测规范 GB 7930－1987和GB/T 7930－2008 中1：1000和1：2000大比例尺成图精度要求。
■1.2 缺点姿态稳定行差：无人机在飞行时，由于自身质量小，惯变化幅度大，甚至可能出现漏拍的情况。
影像畸变大：相对专业航摄仪来说，小数码影像（普通单反拍的）畸变大，边缘地方畸变可达40个像素以上。
2 无人机航拍影像后处理■2.1 产品应用2.1.1 快拼显示，输出全景图DOM，用于资料分析，应急响应利用无人机原始粗略的外方位元素POS信息和航拍影像数据，基于航天远景软件OKMatrix，智能化处理POS参数，恢复摄影过程，然后基于特征算子的数码影像转点，无控自由网平差方法，海量像片融合拼接，快速输出全景图DOM，用于后期项目资料分析，野外布控，及应急保障。
空间物体识别实验报告(3篇)
第1篇一、实验目的1. 理解空间物体识别的基本原理和过程。
2. 掌握空间物体识别算法的应用。
3. 提高对遥感图像和视频数据处理的实际操作能力。
二、实验原理空间物体识别是指通过对遥感图像或视频数据进行分析和处理，实现对物体位置、形状、大小、颜色等属性的识别。
本实验主要利用深度学习技术中的卷积神经网络（CNN）进行空间物体识别。
三、实验仪器与材料1. 实验仪器：计算机、显示器、键盘、鼠标、摄像头、高清摄像头、远程遥感设备等。
2. 实验材料：遥感图像、视频数据、标注数据集等。
四、实验步骤1. 数据预处理（1）遥感图像和视频数据下载：从互联网或遥感数据平台获取实验所需的数据。
（2）图像和视频数据预处理：对遥感图像和视频数据进行灰度化、滤波、缩放等操作，以提高图像质量。
2. 模型构建（1）选择合适的深度学习框架：如TensorFlow、PyTorch等。
（2）选择合适的卷积神经网络模型：如VGG、ResNet、YOLO等。
（3）根据实际需求，对模型进行优化和调整。
3. 模型训练（1）标注数据集：对遥感图像和视频数据进行标注，标注内容包括物体类别、位置、大小等。
（2）模型训练：将标注数据集输入到模型中进行训练，调整模型参数，提高识别准确率。
4. 模型测试与评估（1）选择测试数据集：从未参与训练的数据集中选择部分数据作为测试集。
（2）模型测试：将测试数据集输入到模型中进行识别，记录识别结果。
（3）模型评估：计算识别准确率、召回率、F1值等指标，评估模型性能。
5. 结果分析（1）分析识别结果：对比识别结果与真实值，分析模型在哪些方面存在不足。
（2）优化模型：根据分析结果，对模型进行优化和调整，提高识别准确率。
五、实验结果与分析1. 实验结果通过实验，我们得到了以下结果：（1）模型识别准确率：在测试集上，模型识别准确率达到90%以上。
（2）识别速度：模型在处理高清遥感图像时，平均识别速度为每秒处理5张图像。
2. 结果分析（1）模型在识别遥感图像中的物体时，表现出较高的准确率。
无人机监控系统软件设计的开题报告
无人机监控系统软件设计的开题报告一、选题意义近年来，无人机技术得到了飞速的发展和应用，尤其是在无人机监控领域。
无人机监控已经成为了重要的公共安全系统之一，特别在一些高危地区进行监控和侦查工作可以达到事半功倍的效果。
然而，无人机监控系统软件设计目前还存在着一些问题和不足，例如监控画面控制不够精细、数据处理时间太长等问题。
因此，本文旨在设计一款无人机监控系统软件，优化监控画面控制、提高数据处理效率等，为无人机监控系统的进一步发展奠定基础。
二、技术路线该软件主要是针对无人机对某些高危区域进行实时监控，所以我们希望通过以下技术路线实现该软件的设计：1. 硬件设备方面：使用高清摄像头和GPS设备进行数据采集，并使用无人机对目标区域进行监控和侦查。
2. 软件编程方面：使用Python编程语言，利用OpenCV库进行图像处理和特征提取，并通过多线程技术和GPU加速优化数据处理和画面控制时间。
3. 数据存储和传输方面：使用MySQL数据库管理和存储采集的图像和数据，同时使用网络协议（如TCP/IP协议）实现监控数据的传输和接收等。
三、预期达成目标通过以上技术路线，我们预期达成以下目标：1. 实现对目标区域的实时监控和侦查，优化监控画面控制和特征提取等。
2. 提高数据处理效率，减少画面控制时间。
3. 实现监控数据的传输和接收等。
四、进度安排1. 设计与搭建项目开发环境（2周）2. 实现数据采集和控制画面显示（3周）3. 实现图像处理和特征提取（3周）4. 优化数据处理效率，减少画面控制时间（2周）5. 设计监控数据的传输和接收方案（2周）6. 编写完整的软件代码并进行测试（4周）五、可行性分析本设计采用了成熟的技术路线，包括Python编程语言、OpenCV库、MySQL数据库等，通过多线程技术和GPU加速优化数据处理和画面控制时间。
可行性较高。
同时，为了确保软件的稳定性、可靠性和安全性，我们将逐步进行软件测试和调试，并针对可能存在的问题进行修改和调整。
无人机产品安全性评估报告
无人机产品安全性评估报告1. 引言本报告对某款无人机产品的安全性进行评估。
无人机正在成为现代社会中广泛应用的一种重要技术工具，然而，与其应用范围的不断扩大相对应的是无人机的安全隐患也在逐渐凸显。
因此，对无人机产品的安全性评估至关重要。
2. 产品概述该款无人机产品是一款小型多旋翼无人机，具备自动悬停、高清拍摄、智能飞行等功能。
重量轻、操控简便，适用于个人以及一些专业用途。
3. 评估方法本次评估主要采用以下方法：1. 产品测试：对无人机产品的各项功能进行测试，检查其性能和安全性。
2. 安全漏洞分析：对无人机产品进行安全漏洞的分析，检查其是否存在可能被攻击的弱点。
3. 数据收集：通过查阅相关文献、分析市场反馈和用户意见等方式，收集关于该款无人机产品的安全问题和风险。
4. 评估结果4.1 产品测试结果经过对该款无人机产品的测试，评估结果如下：1. 性能表现良好：无人机能够稳定飞行，并具备较长的续航时间和适应不同飞行环境的能力；2. 操作简便：无人机的操控方式简单易学，适用于不同程度的用户；3. 功能完善：无人机配备了高清摄像头、自动悬停、返航功能等，能够满足用户的各种需求；4. 可靠性高：无人机飞行过程中稳定性良好，遇到异常情况能够自动返航或降落。
4.2 安全漏洞分析结果通过对无人机产品的安全漏洞进行分析，评估结果如下：1. 无线通信安全性较低：无人机使用的通信方式存在被黑客攻击的风险，可能导致无人机被控制或者信息泄露；2. 软件系统存在漏洞：无人机的控制软件可能存在安全漏洞，可能被黑客利用进行非法控制；3. 未加密的存储介质：无人机上的存储介质未进行加密处理，可能导致数据泄露。
4.3 用户反馈和其他风险通过收集用户反馈和分析其他相关因素，评估结果如下：1. 用户误操作：一些用户可能由于缺乏经验而导致误操作，引发意外事故；2. 隐私泄露：无人机搭载摄像头，未经用户许可的拍摄可能导致隐私泄露；3. 空域管理问题：当前无人机的空域管理尚不完善，无人机可能与其他飞行器相撞。
无人机毕业设计开题报告
无人机毕业设计开题报告无人机毕业设计开题报告一、选题背景随着科技的不断发展，无人机越来越受到人们的关注。
无人机具有高效、安全、灵活等优点，被广泛应用于农业、测绘、地质勘探等领域。
本次毕业设计旨在研究无人机的控制系统和图像处理技术，实现无人机自主飞行和目标识别。
二、研究内容1. 硬件设计本次毕业设计将使用Arduino作为主控板，搭建一个基础的无人机硬件平台。
硬件系统包括电机、电调、遥控器等部分。
其中，电机和电调是实现飞行的核心部件，遥控器则用于手动操控飞行器。
2. 软件设计在硬件系统基础上，将进行软件编程设计。
主要涉及以下几个方面：（1）PID算法：PID算法是实现飞行器稳定飞行的重要方法之一。
通过对传感器数据进行处理，计算出合适的控制量来调整电机转速，以达到平衡状态。
（2）姿态解算：姿态解算是指通过传感器获取飞行器的姿态信息，并将其转化为欧拉角或四元数等形式。
在飞行过程中，姿态解算对于控制飞行器的稳定性至关重要。
（3）遥控器控制：除了自主飞行外，无人机还需要手动操控。
通过遥控器发送指令，实现飞行器的起降、左右转弯、前后移动等操作。
3. 图像处理无人机在实际应用中，需要能够识别和跟踪目标。
因此，本次毕业设计将涉及图像处理技术。
具体内容如下：（1）图像采集：使用摄像头采集场景中的图像，并传输到地面站。
（2）目标检测：对采集到的图像进行处理，实现目标检测和跟踪。
目前常用的算法有Haar特征分类器、卷积神经网络等。
（3）数据传输：将处理后的数据通过WiFi或其他方式传输回无人机三、研究意义本次毕业设计旨在研究无人机的自主飞行和目标识别技术，在农业、测绘、地质勘探等领域具有广泛应用前景。
同时也为进一步深入研究无人机控制系统和图像处理技术提供了基础。
四、研究方法本次毕业设计采用实验研究法，通过搭建硬件平台和编写软件程序，实现无人机的自主飞行和目标识别。
同时，对实验结果进行分析和评估。
五、预期成果本次毕业设计预期达到以下成果：（1）搭建一个基础的无人机硬件平台。
无人机测试报告
无人机测试报告1. 测试目的本次无人机测试旨在评估无人机的性能和功能，包括飞行稳定性、悬停能力、遥控距离、飞行高度、图像传输质量等。
通过测试，我们将得出对于这款无人机的优缺点评价，并为进一步开发和改进提供参考和指导。
2. 测试环境和工具2.1 环境 - 地点：室外空旷区域 - 天气条件：晴朗、无风 - 地面平整程度：良好2.2 工具 - 一台无人机（型号：XXXX） - 遥控器（型号：XXXX） - 电脑3. 测试内容和步骤3.1 飞行稳定性测试为测试无人机的飞行稳定性，我们执行如下步骤： - 将无人机放置在室外空旷区域，确保安全起飞的条件。
- 使用遥控器将无人机起飞，并进行升降、前后左右移动、旋转等操作。
- 观察无人机在不同动作下的稳定性，并记录下飞行过程中的异常情况。
3.2 悬停能力测试为测试无人机的悬停能力，我们执行如下步骤： - 将无人机放置在室外空旷区域，确保安全起飞的条件。
- 使用遥控器将无人机起飞至一定高度，并尝试使其稳定悬停。
- 观察无人机的悬停稳定性，并记录下悬停过程中的异常情况。
3.3 遥控距离测试为测试遥控器的距离范围，我们执行如下步骤： - 在室外空旷区域设置标志物，作为遥控器与无人机之间的参考点。
- 将无人机飞至一定高度，然后逐渐远离遥控器。
- 在无人机和遥控器失去联系之前，记录下遥控器和无人机之间的距离。
3.4 飞行高度测试为测试无人机的飞行高度范围，我们执行如下步骤： - 将无人机放置在室外空旷区域，确保安全起飞的条件。
- 使用遥控器将无人机飞至最大高度，并记录下高度。
- 再将无人机降落，并记录下最低高度。
3.5 图像传输质量测试为测试无人机的图像传输质量，我们执行如下步骤： -将无人机连接至电脑，打开图像传输软件。
- 调整无人机的相机角度，观察图像传输质量并记录下相关数据。
- 进行不同飞行动作时的图像传输质量测试，如升降、前后左右移动、旋转等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
无人机数据快拼软件测试报告zjj一、无人机软件概述随着用户对大比例尺、高分辨率数据的需求，越来越多的无人机制造公司和无人机数据处理软件被应用于各行业中。
无人机体形便捷、可实现多种场地起飞和快速转换，成本低、云下拍摄大比例尺、高分辨率影像数据。
但无人机电池电量过小，飞行时间过短，着落不稳，不适合获取大面积影像数据。
无人机数据处理系统主要分为测绘模块和快拼模块，测绘模块可人工干预，实现对控制点的筛选、修改和删除等编辑功能，获取的数据精度更准确一些。
软件包括INFO、航天远景、适普、苍穹、泰坦；快拼模块无需人工干预，自动化流程程度较高，一键式作业完成数据准备、参数设定、空中三角测量、数据生成等多个步骤。
软件包括PIX4D、PHOTOSCAN、EASYUAV、航天远景OKMATRIX。
无人机数据主要包括相机数据、POS数据和相机参数（可选），POS数据的参数包括经度、纬度、高程、翻滚角（ROLLING \OMEGA）、俯仰角(PITCHING\PHI)、航向角(COURSE \KAPPA)。
不同的软件对数据的要求不一样。
在各个软件测试前，需要对POS数据进行检查、修改等操作，以建立正确的工程文件。
应水土保持行业对数据质量的需求（误差在1米以内）。
采用测绘模块的数据处理流程可以满足精度需求，但需要规范的流程化作业和精细的人工干预操作。
快拼模块的精度往往取决于POS系统（定位仪（经纬度和高程）和IMU陀螺仪（飞行姿态））精度，处理后精度通过空三连接点平均精度进行查看。
绝对精度根据需要，后续可添加控制点匹配步骤。
报告以水保行业的需求为出发点，从快拼软件的数据处理流程、系统需求、数据性能精度、数据图面质量、距离面积量测、以及软件价格等几个方面进行比对分析与测试，为水保行业的广泛应用做前期调研。
1、无人机图像处理软件数据处理流程目前无人机图像处理软件的数据处理流程如下图所示：测绘模块数据处理流程如下图所示快拼模块数据处理流程如下所示2、水土保持业务无人机需求流程拟定方案二、测试软件功能及系统需求本测试选用了三款无人机数据快拼软件：瑞士的Pix4Dmapper 1.1.38 64bit、俄罗斯的PhotoScan 1.0.4 64bit破解版以及中国的EasyUAV 2.0 64bit。
这三款软件具有以下几点共性：（1）都可以自动化地完成无人机数据的快拼处理；（2）都具备相机的自检校能力；（3）都支持任意航迹飞行的无人机影像处理；（4）都可以生成精细高程数据。
1、测试软件系统需求2.1.1 Pix4D m apper系统需求软件配置需求：操作系统：64位Windows XP/ Windows Vista/ Windows 7/Windows Server 2008PDF阅读软件（浏览空三报告）Google Earth（查看KML数据，可选）硬件最低配置：CPU：Intel 双核以上处理器内存：4GB及以上内存硬盘：100GB硬盘空间硬件推荐配置：CPU：Intel 双Xeon处理器（6核），支持超线程内存：32GB及以上内存硬盘：2TB硬盘空间，推荐SSD硬盘显卡：NVIDIA芯片显卡，2GB显存，支持CUDA技术2.1.2 Easy系统需求软件配置需求操作系统：64位Windows XP/ Windows Vista/ Windows 7/Windows Server 2008硬件最低配置：CPU：Intel 双核以上处理器内存：4GB及以上内存硬盘：100GB硬盘空间硬件推荐配置：CPU：Intel i7 八核或以上内存：16GB及以上内存硬盘：1TB硬盘空间，推荐SSD硬盘显卡：NVIDIA芯片显卡，2GB显存，支持CUDA技术2.1.3 photoscan系统需求软件配置需求操作系统：64位Windows XP/ Windows Vista/ Windows 7/Windows Server 2008Basic ConfigurationUp To 32GB RAMCPU : Quad-core intel core i7 CPU.socket LGA 1150 or 1155(Haswell. IVY Bridge or Sandy Bridge)Motherboard : any LGA 1150 or 1155 model with 4 DDR3 slots and at least 1PCI Expresss *16 slotRAM : DDR3-1600 4*4GB(16GB total) or 4*8GB(32GB total)GPU : Nvidia Geforce GTX 780 or GeForce GTX980(optional)Advanced ConfigurationUp To 64GB RAMCPU : Six-core intel core i7 CPU.socket LGA 2011-v3 or 2011(Haswell-e. IVY Bridge-E or Sandy Bridge-E)Motherboard : any LGA 2011-v3 or 2011 model with 8 DDR3 or DDR4 slots and at least 1PCI Expresss *16 slotRAM : DDR4-2133 or DDR3-1600 8*4GB(32 GB total) or 8*8GB(64GB total)GPU : Nvidia Geforce GTX 780 ti. GeForce GTX980 or GeoForce GTX TiTAN XExtreme ConfigurationMore than 64GB RAMFor processing of extremely large data sets a dual socket Intel Xeon Workstation can be used三、测试数据为了保证测试数据涵盖情况的全面性，本测试选用三种不同的测试类型数据，涵盖了不同的飞行平台（较大型工业级无人机、较小型工业级无人机、大疆精灵3消费级无人机）、不同类型相机（万元级微单、千元级卡片机、百元级卡片机）、不同飞行高度（千米、数百米、数十米）、不同地貌类别（平地、城区、林区）、不同数据量（26张、256张、566张）。
1、测试数据一单张相片图如下图所示：2、测试数据二单张相片图如下图所示：四、测试硬件环境系统：Windows 7 旗舰版x64，用于测试数据一。
硬件环境如下表所示：硬件环境如下表所示：五、 测试结果1、 测试数据一处理结果概率图如下所示：Pix4D 空三点云图PhotoScan 空三点云图 EasyUAV 空三点云图Pix4D DOM PhotoScan DOMEasyUAV DOMPix4D DSM 渲染图PhotoScan DSM 渲染图 EasyUAV DSM 渲染图5.1.1 性能精度测试结果5.1.2 局部图面质量检查分别从左上、右上、左下、右下、中间选取5个局部区域进行图面检查，选取位置如下图所示：Pix4D 左上局部 PhotoScan 左上局部 EasyUAV 左上局部Pix4D 右上局部 PhotoScan 右上局部 EasyUAV 右上局部Pix4D 左下局部 PhotoScan 左下局部 EasyUAV 左下局部Pix4D 右下局部 PhotoScan 右下局部 EasyUAV 右下局部Pix4D 中心局部 PhotoScan 中心局部 EasyUAV 中心局部5.1.3 距离面积量测测试从影像中量取相同位置道路的宽度以及树坑的面积，相对性测试距离面积量测的可信性。
（量测时会有一定的人为误差）2、测试数据二处理结果概略图如下所示：EasyUAV道路量测1.492501米Pix4D道路量测1.501751米PhotoScan道路量测1.515736米Pix4D树坑量测3.436153平方米PhotoScan树坑量测3.685735平方米EasyUAV树坑量测3.388099平方米5.2.1 性能精度测试结果Pix4D 空三点云图PhotoScan 空三点云图 EasyUAV 空三点云图Pix4D DOM PhotoScan DOM EasyUAV DOMPix4D DSM 渲染图PhotoScan DSM 渲染图 EasyUAV DSM5.2.2 局部图面质量检查分别从左上、右上、左下、右下、中间选取5个局部区域进行图面检查，选取位置如下图所示：就目视解译而言，三种软件所做的快拼图局部图面质量均可，基本能够达到Pix4D 左上局部 PhotoScan 左上局部 EasyUAV 左上局部Pix4D 右上局部 PhotoScan 右上局部 EasyUAV 右上局部Pix4D 左下局部 PhotoScan 左下局部 EasyUAV 左下局部Pix4D 右下局部 PhotoScan 右下局部 EasyUAV 右下局部Pix4D 中心局部 PhotoScan 中心局部 EasyUAV 中心局部应用的需求。
5.2.3 距离面积量测测试从影像中量取相同位置道路的宽度以及房屋的面积，相对性测试距离面积量测的可信性。
（量测时会有一定的人为误差）六、 价目表以上软件均可以生产DOM 、DEM 和DSM 数据。
EasyUAV 道路量测41.39米Pix4D 道路量测41.07米 PhotoScan 道路量测41.26米Pix4D 房屋量测 1529.395410平方米PhotoScan 房屋量测1501.415574平方米EasyUAV 房屋量测1494.515192平方米七、结论从以上测试数据可以得出以下几点结论：（1）Pix4D、PhotoScan 和EasyUAV 均能实现无人机影像的自动空中三角测量、自动DSM 提取、自动快拼出图等流程化功能，操作都很便捷，快拼结果均能满足一些应用的需要；（2）Pix4D、PhotoScan 和EasyUAV 所生产的图面质量各有千秋，有些地方有的软件好，有些地方另外的软件好，无法给出定量的衡量；（3）根据各自的平差报告及日志可以看出，Pix4D 的空三点中误差最小，PhotoScan 次之，EasyUAV 最大（卡片机为1 个像素左右），误差均能满足应急和野外调查的精度需求；（4）在相同计算设备下，EasyUAV 速度最快，PhotoScan 次之，Pix4D 最慢。
但是PhotoScan 会随着影像数量的增多呈几何倍数增长，速度很变慢很多；EasyUAV 道路量测10.486048 米Pix4D 道路量测10.457328 米PhotoScan 道路量测10.383898 米Pix4D 房屋量测190.578538 平方米PhotoScan 房屋量测192.935400 平方米EasyUAV 房屋量测197.319824 平方米Pix4D 在第三组数据测试时，将点云密度设置为low，速度有明显提升；（5）由于没有实地进行测量，因此无法准确考量长度以及面积量测的真实性，只能做相对性测试，人工量测会有人为误差，仅作参考，但是从以上测试来看，三款软件所量测的长度及面积相差不大，相对性可置信；。