基于無人機多姿態貼近攝影測量的高陡邊坡快速航線規劃及應用

摘要： 針對復雜空間展布的高陡巖質邊坡，傳統測量方法在效率、精度等方面還有待提高。為了快速準確地獲取巖體結構參數以評價巖質邊坡穩定性，提出了無人機多姿態貼近攝影測量方法。首先通過現場關鍵點測量快速建立邊坡概化模型，結合所建立的航線規劃和姿態控制模型，快速規劃航線和攝影姿態；然后采用在遙控器端安裝軟件的方法代替PC端，實現實時實地、免粗飛、快速多姿態貼近攝影測量航線規劃的毫米分辨率高陡邊坡高質量影像快速采集；最后通過吉林省長春市凈月區某高陡邊坡的多姿態貼近攝影測量實驗，從模型精度、紋理清晰度、產狀解譯精度等方面驗證該方法的可行性和可靠性。結果表明：多姿態貼近攝影測量所建模型在x、y、z方向上的精度分別為0.018、0.016和0.033 m；模型產狀解譯的傾向和傾角精度分別為3.1°和2.6°；與普通貼近攝影測量結果對比，多姿態貼近攝影測量所建模型紋理細節得到了很大提升，表面拉花現象大幅減少。模型影像的感知對比度質量指數（PCQI）較大，自然圖像質量評價（NIQE）值較低。PCQI和NIQE兩種指標結果都表明左右偏斜45°、上下偏斜30°的模型影像質量優于其他偏斜角度對照組。多姿態貼近攝影測量優于普通貼近攝影測量，能較好地減少攝影死角和減弱紋理拉花現象，模型影像質量大幅提升。

關鍵詞：無人機；貼近攝影測量；多姿態；高陡邊坡；航線規劃

doi：10.13278/j.cnki.jjuese.20240261 中圖分類號：P23 文獻標志碼：A

收稿日期： 2024-10-12

作者簡介： 安志磊（2000-），男，碩士研究生，主要從事貼近攝影測量航線規劃方面的研究，E-mail：842144986@qq.com

通信作者： 王鳳艷（1970-），女，教授，博士生導師，主要從事巖體結構參數精細解譯與巖體質量評價以及相機標定方面的研究，E-mail： wangfy@jlu.edu.cn

基金項目： 國家自然科學基金項目（42077242，42171407）

Supported by the National Natural Science Foundation of China （42077242，42171407）

Rapid Flight Path Planning and Application of High and Steep Slopes Based on UAV Multi-Pose Nap-of-the-Object Photogrammetry [HS）][STBZ]

An Zhilei， Wang Fengyan， Wang Mingchang，Wu Xiang，Zhang Chengyao，Du Jiatao，Ma Runze

College of GeoExploration Science and Technology， Jilin University， Changchun 130026， China

Abstract： For complex spatial distributed high and steep rock slopes， traditional surveying methods still face challenges in efficiency and accuracy. To obtain rock mass structural parameters quickly and accurately for evaluating the stability of rock slopes， a multi-attitude close-range photogrammetry method using unmanned aerial vehicles （UAVs） is proposed. Firstly， the conceptual slope model was established rapidly by measuring key points on site， and the flight route planning and attitude control model were combined to quickly plan the flight routes and camera orientations. Then， by implementing software on the remote controller instead of a PC， the method achieves real-time， on-site， coarse-flight-free， rapid multi-attitude close-range photogrammetry with high-quality image acquisition of high and steep slopes at millimeter resolution. Finally， the method is validated through a multi-attitude close-range photogrammetry experiment on a high and steep slope in Jingyue district， Changchun City， Jilin Province. The feasibility and reliability of the method are assessed based on model accuracy， texture clarity， and orientation interpretation accuracy. The results show that the accuracy of the model in x， y and z directions is 0.018， 0.016， and 0.033 m， respectively. The accuracy of dip direction and dip angle interpretation is 3.1° and 2.6°， respectively. Compared with conventional close-range photogrammetry， the multi-attitude close-range photogrammetry significantly enhances texture details and greatly reduces surface distortion effects. The Chinese PCQI （perceived clarity quality index） values are higher， while the NIQE （natural image quality evaluator） values are lower， indicating better image quality. The result of PCQI and NIQE metrics both showed that the image captured with 45° lateral tilt and 30° vertical tilt provide higher quality than those from other tilt angles. Multi-attitude close-range photogrammetry outperforms conventional close-range photogrammetry， effectively reducing dead angles and mitigating texture distortion， thereby substantially improving model image quality. The model was verified to be reliable by" point accuracy， distance， and orientation interpretation accuracy assessments. The rock mass structural parameters， such as trace lines， orientations， dominant joint sets， and RQD （rock quality designation）， interpreted by this method provide reliable foundational data for slope stability evaluation.

Key words： drone; nap-of-the-object photogrammetry; multi-pose; steep slope; flight path planning

0 引言

快速、準確地獲取巖體結構參數，對于巖質邊坡穩定性評價及其災害防治具有重要意義[1]。最初的巖體結構測量多為人工測量的方法[2]，如掃描線法[3-4]和窗口采樣法[5-6]。這些方法受限于地形地貌等客觀條件限制，效率低，工作強度高，風險大，難以滿足高陡邊坡巖體結構快速勘查需求，為此，非接觸測量技術（激光掃描、攝影測量）在工程地質領域的應用

備受關注。學者們利用3D激光掃描[7]和近景攝影測量技術[8–10]進行了相關研究，這兩種方法依靠免接觸和可視化優勢在巖質邊坡和隧洞等場景的勘測中取得了相應進展，在此基礎上的結構面自動識別和參數解譯算法已經較為成熟[11-12]。然而，對于大面積復雜巖體出露的高陡邊坡場景，激光掃描和近景攝影測量技術也存在實施困難的情況。

無人機技術因其免接觸、信息獲取便捷等優勢，近年來逐步應用于巖體結構勘查。無人機攝影測量的發展經歷了傳統的豎直攝影測量[13]和搭載五鏡頭的傾斜攝影測量，到目前的貼近攝影測量。由于巖體結構面發育的隨機性和空間展布的復雜性，前兩種方法在針對高陡邊坡的應用中存在一定的弊端：傳統無人機豎直攝影測量技術存在局部信息采集不全及信息投影壓縮等問題；五鏡頭的傾斜攝影測量雖有效地克服了單鏡頭垂直攝影獲取地表信息的不足[14-15]，但存在大量的數據冗余。針對高陡邊坡的貼近攝影測量[16-17]由張祖勛院士團隊于2019年提出，其在一定程度上抑制了信息的投影壓縮和數據冗余問題，隨著對高陡邊坡三維重建精細化程度要求的提高[18]，以及旋翼無人機搭載能力的提高和云臺技術的飛速發展[19]，貼近攝影測量得到了很大的發展。但是該方法在應用時也存在以下問題：一是單一攝影光軸垂向坡面攝影，無法解決高陡邊坡巖體復雜展布導致的攝影死角和紋理拉花現象[18]；二是航線規劃依賴于邊坡粗模[20]，獲取邊坡粗模的過程耗時費力[21]。綜上，針對復雜展布高陡邊坡的高質量影像采集和巖體結構關鍵參數的精細解譯仍然存在重大挑戰[22]。為此，亟需研究一種針對高陡邊坡的高質量多角度影像快速采集方法[23]，進而建立邊坡三維模型解譯巖體結構參數，供巖體穩定性分析評價[24]。

本研究以吉林省長春市凈月區某復雜高陡邊坡為研究對象，提出了基于無人機多姿態貼近攝影測量的高陡邊坡快速航線規劃方法，旨在為快速高效獲取復雜地形條件下高陡巖質邊坡模型及巖體結構參數提供關鍵的技術支持。

1 研究區概況

研究區位于吉林省長春市凈月區某高陡邊坡（圖1），邊坡高約40 m，由兩個坡面組成，兩個坡面呈約70°的銳角連接，坡長分別約為60和90 m，傾角約60°。邊坡節理、裂隙發育，出露的巖體大小不一，完整性較差，存在崩塌、滑坡等風險隱患[25]，危及周邊道路及行人安全，亟需進行巖體結構勘查，評判災變風險，以進行科學防治。

2 多姿態貼近攝影測量快速航線規劃方法

單鏡頭多姿態貼近攝影測量快速航線規劃方法（圖2）通過編程將目標坡面影像采集與多姿態航線規劃全部集成于遙控器內，以快速實現無人機多姿態貼近攝影測量。首先通過現場關鍵點測量結合建立的邊坡概化模型進行邊坡概化；然后根據不同邊坡條件進行航線與姿態控制設計并進行遙控器端的多角度影像采集；最后通過與現場人工測量結果對比，驗證方法的可靠性。

本方法主要分為以下四步：1）邊坡概化；2）航線規劃設計；3）姿態控制設計；4）航線文件生成與航飛實施。具體步驟見圖3。

2.1 邊坡概化

本文方法是通過無人機在拍攝現場直接獲取對象的關鍵點坐標以及概略形狀、高程、傾角等信息，獲取邊坡概化空間模型，并在其上規劃多姿態貼近攝影航線。

邊坡概化是航線規劃與姿態控制設計的基礎。邊坡概化方法分為兩種：1）直接獲取邊坡的三個關鍵點坐標，以此來計算坡面的長度、高度、走向等數據；2）僅獲取坡面的兩個底角點坐標及坡面的高度、傾角信息，再計算長度、走向等信息。方法1適用于目標坡面人工難以到達的地點，采用無人機快速獲取三個關鍵點坐標進行邊坡概化，速度快，效率高，需要的數據較少，但精度略低；方法2適用于可以人工到達測量的地方，對高度、傾角單獨進行測量，速度稍慢但精度較高。本文主要介紹方法1。

采用方法1進行邊坡概化時，首先在現場目視確定高陡邊坡的坡面數量；然后對目標坡面對象的位置與形態進行概化，獲取坡面目標關鍵點，即圖4中坡面兩個底角點A、B及坡面的一個頂點C。具體為先獲取坡面起始點A、B、C的位置，再確定邊坡的長度s、高度h、走向θ、傾角α。

通過無人機獲取關鍵點的經緯度（l， v）及高度h數據，依據經緯度（l，v）采用高斯坐標正算公式獲取高斯投影坐標（x，y），計算兩個底角點坐標差ΔxAB、ΔyAB，及高度差hAB，依據三個關鍵點坐標獲取坡面的x、y、z軸的法向量（a，b，c），進一步計算s、θ、α：

2）航點多姿態貼近攝影的姿態控制模型

在垂向坡面的單一姿態貼近攝影基礎上，增加上、下、左、右四個偏斜姿態，攝取邊坡多角度影像，以消除或減弱因邊坡形態及露頭空間展布復雜性產生的攝影盲區，提高攝影重疊度。主要通過設計航向角φ和俯仰角ω，控制相機在垂直坡面及上、下、左、右偏斜共五個姿態攝取高陡邊坡多角度影像（圖7），并給出偏斜角度（設左右和上下偏斜角度分別為e和g）與主姿態的關系式（式（11））。研究中，根據相機視場角，設置多個不同偏斜角度（φ1， φ2，…，φ5，ω1，ω2，…，ω5）的對照實驗組，尋求最優偏斜角度，作為最終的多姿態貼近攝影角度。

2.4 航線文件生成與實施

傳統無人機航線文件生成一般依賴于無人機遙控器，遙控器規劃航線可直接生成航線文件，但規劃航線較為簡單，只能規劃一些正射影像的航線[26]；而貼近攝影測量一般采用專門研發的軟件進行航線規劃，并在電腦端生成航線文件，再傳輸到遙控器上實施，操作復雜、耗時較長。

多姿態貼近攝影航線規劃時，主要利用python可視化界面函數tkinter設計的界面（圖8），輸入相關參數，包括目標面關鍵點經緯度、鏡頭姿態控制設計（鏡頭上下及左右偏斜角度）、航線參數設置（重疊度、地面分辨率等）。

通過界面輸入參數并運行程序，生成KMZ（keyhole markup language zipped）格式的航線文件。本文所采用的航線規劃及生成方法全部集成于遙控器內，通過遙控器內安裝的pydroid3軟件讀取python文件，將電腦端航線規劃及生成文件代碼移植到該軟件上，即可完成遙控器端航線規劃文件生成，極大地簡化了操作，節約了時間。

航飛實施是讀取航線文件并指揮無人機飛行實施獲取影像的過程。航線文件生成在遙控器的內部存儲空間中，先打開遙控器的航飛軟件pilot2，讀取已生成的航線文件，連接無人機并進行檢查，之后起飛獲取目標影像，供后續建模使用。

3 研究區工程應用

3.1 無人機多姿態快速貼近攝影航線規劃與邊坡影像采集

多姿態無人機快速貼近攝影測量航線規劃目標是獲取高陡邊坡的高分辨率多角度影像，并建立精細的三維模型供后續巖體結構解譯。

本研究采用大疆M300無人機，其云臺可以實現三個維度的調節，包括俯仰、橫滾及偏航。所搭載的大疆禪思 P1相機，可生成4 500萬像素（8192×5460）的圖像。相機的傳感器尺寸為35.9 mm×24.0 mm，像元尺寸為4.4 μm。

研究區有2個坡面裸露，共需獲取5個關鍵點坐標，實地概化如圖9a。

將關鍵點坐標輸入到遙控器的設計界面后，分辨率設置為1 cm，旁向重疊度設置為80%，航向重疊度設置為70%，鏡頭上下偏斜角度設置為30°，鏡頭左右偏斜角度設置為45°。點擊運行，生成航線文件，按以上數據設計共得到了4條航線，坡面1每條航線有10個航點，坡面2每條航線有8個航點；在拐角連接處每條航線增加了3個航點，以增加拐角處重疊度，并生成航線規劃文件（圖9b）。

同時規劃了左右和上下偏斜角度分別為30°和20°，以及37°和23°的兩組對照實驗組（圖9c），以優化多姿態偏斜角度。

3.2 模型建立與精度驗證及評估

3.2.1 三維模型建立

在采用大疆無人機多姿態貼近攝影測量獲取高陡邊坡多角度影像后，采用建模軟件ContextCapture對坡面進行空中三角加密，并對空三結果進行質量檢查后，生成分辨率達到5 mm的高陡邊坡精細三維模型（圖9d）。

3.2.2 模型驗證精度及評估

對模型點位精度、距離解譯精度、產狀解譯精度進行模型精度評估與驗證，從模型細部紋理展示、無參考圖像指標自然圖像質量評價（natural image quality evaluator， NIQE）和感知對比度質量指數（patch-based contrast quality index，PCQI）等方面來分析模型紋理細節表征情況。

1）模型點位精度評估與驗證

①模型點位精度

本研究在現場使用GPS測量了12個驗證點，部分驗證點位置如圖10a、b。

在三維模型上進行了驗證點的相應位置測量（圖10c、d、e）。表1給出了各驗證點的現場測量坐標與模型測量坐標，統計得出坐標差的平均值Δx為0.018 m、Δy為0.016 m、Δz為0.033 m，表明本文方法建立的三維模型點位精度較高，結果可靠。

②距離解譯精度

通過攝影時現場置放的4個長為50 cm的水準尺段（圖10f）的模型解譯長度，與實際長度對比，模型解譯長度平均偏差為2.6 mm。模型上距離解譯精度也說明本文方法建立三維模型的可靠性。

③產狀解譯精度

通過對模型上26個結構面的產狀進行解譯，并與現場羅盤測量的產狀對比，分析產狀解譯精度[27]。

在三維模型上進行結構面特征點量測，依據基于空間坐標的產狀解譯模型計算結構面產狀[28]。將模型解譯產狀與羅盤測量產狀進行對比，可得平均傾向偏差為3.1°，平均傾角偏差為2.6°（表2）。

2）模型紋理細節表征評估

①模型細部紋理展示

選取背對拍攝面的結構面與一處存在長大裂隙處進行展示，可以看出圖像中模型清晰、分辨率高，不存在紋理拉花現象（圖11）。

②模型紋理細節對比

通過不同偏斜角度的多姿態快速貼近攝影測量模型對比（圖12），從紅框中的內容可以看出實驗中左右偏斜45°、上下偏斜30°組（圖12c、f）的效果最佳，圖像質量更好，拉花現象明顯減少。

分別建立普通貼近攝影測量和不同偏斜角度的多姿態快速貼近攝影測量模型，并將二者模型進行對比，結果見圖13。從圖13紅圈內容對比可以看出，相比于普通貼近攝影測量，多姿態快速貼近攝影測量在巖體復雜出露以及普通攝影難以拍攝的位置，模型的紋理細節表現得更為細膩。

③無參考圖像質量指標評價

引入評估指標NIQE與PCQI進行模型影像質量評價，影像質量越高，看起來越接近人類眼中的“高質量”圖像。

較低的NIQE值表明圖像質量較高，更接近于真實場景，視覺上更自然；較大的PCQI說明測試圖像保留了更多的原始細節、清晰度和對比度，視覺質量較好。

從不同偏斜角度的模型影像質量評估圖（圖14a，b）可以看出，NIQE和PCQI兩種指標都表明左右偏斜45°、上下偏斜30°組的模型影像質量均優于其他兩個對照組；因此，左右偏斜45°、上下偏斜30°組的多姿態貼近攝影測量要優于其他兩個偏斜角度的多姿態貼近攝影測量。從普通與多姿態模型影像質量評估圖（圖14c、d）可以看出：相較于普通貼近攝影測量，多姿態貼近攝影測量模型影像的PCQI較大，而NIQE值較低，說明多姿態貼近攝影測量效果優于普通貼近攝影測量。

3.3 結構面參數解譯

本研究利用快速多姿態貼近攝影測量獲取了研究區高陡邊坡三維模型，并在該模型上人工量測半自動解譯了633條結構面，給出了該邊坡的結構面分組結果（表3），解譯的結構面跡線端點坐標、跡長及產狀如表4所示。共分為5組，每組結構面數量分別為35、145、140、117和196。解譯的結構面產狀極點圖、三維跡線和節理走向玫瑰圖如圖15所示。從圖15可以看出，該邊坡的主節理組方向明顯，部分結構面可能延展貫通。此外，基于解譯的三維跡線，本研究利用三視投影法，將跡線分別投影至xy、xz和yz三個面，獲取了該邊坡巖石質量指標（rock quality designation，RQD），最終計算得到RQD值為96.5，表明該邊坡巖體完整性較好。

基于快速多姿態貼近攝影測量獲取的高陡邊坡三維模型，本研究通過人工量測解譯了巖體結構面產狀、分組結果、跡線及RQD，可為巖體質量評價以及穩定性分析提供重要數據。

4 討論

4.1 不同攝影方法的高陡邊坡三維重建效果對比

從3.2.2節的對比中可以看出，對于空間展布復雜、存在不規則塊體出露的高陡邊坡模型中較為常見的模型細部紋理拉花現象及空洞問題，多姿態快速貼近攝影測量的結果會明顯優于普通貼近攝影測量。運用姿態快速貼近攝影測量，紋理拉花現象及空洞問題得到極大改善，三維模型的分辨率得到提高；表明多姿態快速貼近攝影測量能較好適應高陡邊坡的復雜地形，從而提供高質量的高陡邊坡影像和精細三維模型。

4.2 不同攝影姿態的三維重建效果對比

不同偏斜角度的多姿態設計也會影響建模質量的好壞。在本研究中，左右偏斜45°、上下偏斜30°的偏斜角度明顯優于其他兩個對照組（37°、23°組和30°、20°組），紋理拉花現象及空洞問題得到極大改善，三維模型的紋理細節表征較好。

4.3 不同無人機及搭載不同傳感器的應用區別

本方法對于不同無人機及不同配置傳感器的應用區別，主要是該無人機遙控器能否支持第三方軟件。若支持安裝第三方軟件，則可以將全部功能集成在遙控器內；若不支持，則可以通過遙控器連接電腦，同樣的步驟及過程，使用大疆制圖軟件來實現本方法的功能。

本方法以大疆M300無人機搭載禪思P1相機作為傳感器為例進行分析，不同傳感器的焦距與視場角存在差異，需根據對應的傳感器參數調整偏斜633 角度設計參數。

4.4 該方法的適用性和局限性

相比普通貼近攝影測量，快速多姿態貼近攝影測量方法影像采集質量高，且具有便捷性與高時效性，能夠應用于高陡邊坡、古建筑物、工程項目等很多復雜場景，尤其對于一些環境條件復雜且有高分辨率要求的場景具有更好效果；但是對于一些外形過于復雜的目標物，應用快速多姿態貼近攝影測量獲取高質量目標影像仍需技術突破。

5 結論

1）本文提出的多姿態貼近攝影測量能較好地減少攝影死角和減弱紋理拉花現象，模型經點位精度、距離和產狀解譯精度驗證可靠。本文方法優于普通貼近攝影測量法。不同角度對照實驗表明水平和垂向偏斜角度為左右偏斜45°、上下偏斜30°的多姿態貼近攝影測量最優，解譯的高陡邊坡巖體結構參數結果較為可靠。

2）基于所建立的航線規劃和姿態控制模型，編程實現了針對多邊坡多形態下的多姿態貼近攝影測量影像的高質量采集。針對高陡邊坡三維模型的有效分辨率可以達到5 mm左右，這對獲取高陡邊坡結構面參數和分析巖體穩定性具有重要的工程應用價值。

3）利用安卓端pydroid3軟件開發了一款針對于移動端的航線設計界面，軟件可直接安裝在遙控器上，實時實地無需PC端完成多姿態快速貼近攝影測量影像采集，節約了大量時間，且可應用于人員無法到達的目標物。 參考文獻（References）：

[1] 朱合華， 潘柄屹， 武威， 等. 巖體結構面信息采集及識別方法研究進展[J]. 應用基礎與工程科學學報， 2023， 31（6）： 1339-1360.

Zhu Hehua， Pan Bingyi， Wu Wei， et al.Research Progress on the Acquisition and Identification Methods of Rock Mass Structural Surface Information [J]. Journal of Basic and Engineering Sciences， 2023， 31 （6）： 1339-1360.

[2] Lyman G J. Rock Fracture Mean Trace Length Estimation and Confidence Interval Calculation Using Maximum Likelihood Methods[J]. International Journal of Rock Mechanics and Mining Sciences， 2003， 40（6）： 825-832.

[3] Priest S D， Hudson J A. Estimation of Discontinuity Spacing and Trace Length Using Scanline Surveys[J]. International Journal of Rock Mechanics and Mining Sciences amp; Geomechanics Abstracts， 1981， 18（3）： 183-197.

[4] Park H J， West T R. Sampling Bias of Discontinuity Drientation Caused by Linear Sampling Technique[J]. Engineering Geology， 2002， 66（1）： 99-110.

[5] Mauldon M. Estimating Mean Fracture Trace Length and Density from Observations in Convex Windows[J]. Rock Mechanics and Rock Engineering， 1998， 31（4）： 201-216.

[6] Eccles C S， Redford R P. The Use of Dynamic （Window） Sampling in the Site Investigation of Potentially Contaminated Ground[J]. Engineering Geology， 1999， 53（2）： 125-130.

[7] 王冬明.基于點云數據下的三維高陡巖質邊坡穩定性分析研究[D].南昌：東華理工大學，2023.

Wang Dongming. Study on Stability Analysis of 3D High and Steep Rock Slope Based on Point Cloud Data[D]. Nanchang： East China University of Technology，2023.

[8] Bonilla-Sierra V， Scholtès L， Donzé F V， et al. Rock Slope Stability Analysis Using Photogrammetric Data and DFN–DEM Modelling[J]. Acta Geotechnica， 2015， 10（4）： 497-511.

[9] Xu W， Zhang Y， Li X， et al． Extraction and Statistics of Discontinuity Orientation and Trace Length from Typical Fractured Rock Mass： A Case Study of the Xinchang Underground Research Laboratory Site， China[J]. Engineering Geology， 2020， 269： 105553.

[10] Song S， Zhao M， ZHU C， et al． Identification of the Potential Critical Slip Surface for Fractured Rock Slope Using the Floyd Algorithm[J/OL]. Remote Sensing.[2023-11-02]. https：//www.mdpi.com/2072-4292/14/5/1284.

[11] Wichmann V， Strauhal T， FEY C， et al. Derivation of Space-Resolved Normal Joint Spacing and in Situ Block Size Distribution Data from Terrestrial LIDAR Point Clouds in a Rugged Alpine Relief （Kühtai， Austria）[J]. Bulletin of Engineering Geology and the Environment， 2019， 78（6）： 4465-4478.

[12] Wang M， Zhou J， Chen J， et al. Automatic Identification of Rock Discontinuity and Stability Analysis of Tunnel Rock Blocks Using Terrestrial Laser Scanning[J]. Journal of Rock Mechanics and Geotechnical Engineering， 2023， 15（7）： 1810-1825.

[13] Riveiro B， Gonzalez-Jorge H， Varelam M， et al． Validation of Terrestrial Laser Scanning and Photogrammetry Techniques for the Measurement of Vertical Underclearance and Beam Geometry in Structural Inspection of Bridges[J]. Measurement， 2013， 46（1）： 784-794.

[14] Zhang X， Zhao P， Hu Q， et al. A UAV-Based Panoramic Oblique Photogrammetry （POP） Approach Using Spherical Projection[J]. Isprs Journal of Photogrammetry and Remote Sensing， 2020， 159： 198-219.

[15] Yang B， Ali F， Yin P， et al. Approaches for Exploration of Improving Multi-Slice Mapping Via Forwarding Intersection Based on Images of UAV Oblique Photogrammetry[J]. Computers amp; Electrical Engineering， 2021， 92（4）：107135.

[16] 劉欣悅.無人機貼近攝影測量三維航線規劃研究[D]. 武漢：武漢大學，2022.

Liu Xinyue.Research on UAV 3D Path Planning of Nap-of-the-Object Photogrammetry[D] Wuhan：Wuhan University， 2022.

[17] 言司. 獨辟蹊徑，不斷創新貼近攝影測量：第三種攝影測量方式的誕生：專訪武漢大學遙感信息工程學院張祖勛院士[J]. 中國測繪， 2019，28（10）： 31-37.

Yan Si. Pioneering and Continuous Innovation Close to Photogrammetry： The Birth of a Third Photogrammetry Method：An Exclusive Interview with Academician Zhang Zuxun of the School of Remote Sensing and Information Engineering， Wuhan University [J]. China Surveying and Mapping， 2019，28（10）： 31-37.

[18] Roberts M， Dey D， Tryong A， et al. Submodular Trajectory Optimization for Aerial 3D Scanning[C]//16th IEEE International Conference on Computer Vision （ICCV）. Venice， 2017： 5334-5343.

[19] Greco L， La Cascia M. 360° Tracking Using a Virtual PTZ Camera[C]//19th International Conference on Image Analysis and Processing （ICIAP）. Catania：[s.n.]， 2017： 62-72.

[20] Song S Y， Zhao M Y， Zhang W， et al. Research on Fine Collection and Interpretation Methods of Discontinuities on High-Steep Rock Slopes Based on UAV Multi-Angle Nap-of-the-Object Photogrammetry[J]. Bulletin of Engineering Geology and the Environment， 2024， 83（4）：83-104.

[21] Wang W， Zhao W， Chai B， et al. Discontinuity Interpretation and Identification of Potential Rockfalls for High-Steep Slopes Based on UAV Nap-of-the-Object Photogrammetry[J]. Computer amp; Geosciences， 2022， 166： 105191.

[22] 何佳男. 貼近攝影測量及其關鍵技術研究[D]. 武漢：武漢大學， 2019.

He Jianan. Research on Close-Range Photogrammetry and Its Key Technologies [D]. Wuhan： Wuhan University， 2019.

[23] 宮曉春. 貼近攝影測量與傾斜攝影測量融合方法在建筑物立面測繪中的應用[J]. 華北自然資源， 2023，22（4）： 124-126.

Gong Xiaochun. Application of the Fusion Method of Close-Range Photogrammetry and Oblique Photogrammetry in Building Facade Mapping [J]. North China Natural Resources， 2023，22（4）： 124-126.

[24] Yan L， Piao S， XU F. Improved High-Precision Approach Based on Deconvolution in MIMO Sonar Imagery[J]. Journal of Engineering， 2020， 2020（5）： 148-156.

[25] 李哲， 劉彤， 劉路路， 等. 基于證據理論的支擋型黃土高陡邊坡穩定性評價[J]. 東南大學學報（自然科學版）， 2023， 53（3）： 436-444.

Li Zhe， Liu Tong， Liu Lulu， et al. Stability Evaluation of Retaining-Type Loess High and Steep Slopes Based on Evidence Theory [J]. Journal of Southeast University （Natural Science Edition）， 2023， 53（3）： 436-444.

[26] Hu R， Rao B S M R， Aalee-Kerahroodi M， et al. Orthorectified Polar Format Algorithm for Generalized Spotlight SAR Imaging With DEM[J]. IEEE Transactions on Geoscience and Reomte Sensing， 2021， 59（5）： 3999-4007.

[27] Zhao M Y，" Song S Y， Wang F Y， et al. A Method to Interpret Fracture Aperture of Rock Slope Using Adaptiveshape and Unmanned Aerial Vehicle Multi-Angle Nap-of-the-Object Photogrammetry [J]. Journal of Rock Mechanics and Getechnical Engineering， 2024， 16（3）： 924-941.

[28] 王鳳艷， 陳劍平， 楊國東， 等. 基于數字近景攝影測量的巖體結構面幾何信息解算模型[J]. 吉林大學學報（地球科學版）， 2012， 42（6）： 1839-1846.

Wang Fengyan， Chen Jianping， Yang Guodong， et al. Geometric Information Calculation Model of Rock Mass Structural Planes Based on Digital Close-Range Photogrammetry [J]. Journal of Jilin University （Earth Science Edition）， 2012， 42（6）： 1839-1846.