姚富潭,吳明堂,董秀軍,房云峰,陳建強,姚義振

(1.地質災害防治與地質環(huán)境保護國家重點實驗室(成都理工大學),成都 610059;2.浙江華東建設工程有限公司,杭州 310014)

巖體結構面是控制危巖體穩(wěn)定性的最重要因素,使用羅盤和卷尺進行的傳統(tǒng)接觸式現(xiàn)場調(diào)查方式已廣泛應用于巖體結構面的調(diào)查［1］。然而,通過手動接觸法獲得的巖體結構面數(shù)據(jù)通常不完整且效率低下,特別是在對高陡危巖體結構面進行測量時,還會對測量人員的人身安全造成重大威脅。因此,激光掃描技術和數(shù)字攝影測量等非接觸式的測量方案已成為獲取危巖體結構面信息的常用方法［2］。董秀軍等［3］首次提出利用地面端的三維激光掃描儀對高陡邊坡進行調(diào)查,并總結出一套高陡邊坡巖體結構面調(diào)查的方法,利用三維激光掃描技術獲取的三維點云識別并擬合巖體結構面獲取其產(chǎn)狀信息。宋杰等［4］則提出了基于地面激光掃描技術和模糊聚類分析方法對邊坡巖體出露的結構面進行自動識別和統(tǒng)計分組,從而獲得巖體優(yōu)勢結構面的幾何空間信息和空間位置信息的方法?？偠灾?對于利用三維激光掃描技術進行巖體結構面信息調(diào)查的方法已有許多研究,并且取得了十分良好的效果［5-7］。然而,由于三維激光掃描儀器架設的難度較高,且受觀測角度、觀測距離等因素的制約,在地形復雜的高陡山區(qū)往往難以利用該技術全面提取危巖體結構面信息［8］。

得益于近年來無人機的廣泛使用,許多學者提出利用無人機傾斜攝影測量技術進行危巖體結構面調(diào)查的方法。李德仁等［9］首先提出傾斜影像自動空中三角測量的處理方法,并且重建了精細化的城市三維表面模型,為復雜立面的調(diào)查提供了新思路。李水清等［10］提出了基于無人機傾斜攝影測量技術的巖體結構面提取方法,利用三點法人工提取并統(tǒng)計巖體結構面產(chǎn)狀。賈曙光等［11］對無人機攝影測量技術在危巖體結構面調(diào)查的應用方法進行了總結,并提出利用輕小型單鏡頭無人機高效采集巖體三維點云數(shù)據(jù),基于最小二乘法的平面擬合算法準確提取結構面參數(shù)的方法。葉震等［12］提出基于無人機傾斜攝影測量技術在邊坡巖體結構面調(diào)查中的應用方法,利用霍夫法向算法和 HSV算法構建可視化的三維巖體結構模型,并對模型進行球形K均值聚類來完成結構面分組提取,成功地提取了危巖體優(yōu)勢結構面信息。此外,還有學者提出利用近景攝影測量技術對巖體結構面特征進行分析和描述的方法［13］。綜上所述,利用無人機傾斜攝影測量技術對巖體結構面產(chǎn)狀進行調(diào)查的方法已取得了較好的成果。然而,在面對需要獲取精細化的陡立結構面信息的情況時,傾斜攝影測量技術在精度上仍存在一定的不足,無法全方位獲取陡立的、復雜的結構面信息。

針對精細化測量的需求,張祖勛等［14］提出了面向對象的貼近攝影測量技術(nap of the object photogrammetry)。該技術以“面”為攝影對象,利用旋翼無人機貼近攝影對象表面進行多角度拍攝,可以獲取毫米級超高分辨率影像,高度還原了地表和物體的精細化結構。該技術已在城市建筑物精細化三維重建、地質災害精細化調(diào)查與監(jiān)測、文物古建筑精細化重建以及水利工程監(jiān)測等多個行業(yè)進行了應用研究,并且取得了十分良好的效果［14］。因此,為解決山區(qū)高陡危巖體結構面信息精細化調(diào)查困難的問題,本文提出了一種基于貼近攝影測量技術的高陡危巖體結構面調(diào)查方法,以貼近攝影測量技術為基礎,對如何利用多旋翼無人機對高陡危巖體進行多角度精細化貼近攝影的方法流程進行了研究;并利用毫米級的超高分辨率三維實景模型、三維空間點云等成果數(shù)據(jù),通過DSE程序法［15］實現(xiàn)了巖體結構面產(chǎn)狀信息的半自動提取;此外,還利用CloudCompare軟件對結構面跡線、跡長信息進行了手動提取,結合三維實景模型對危巖體優(yōu)勢結構面空間發(fā)育關系進行分析,最終對危巖體穩(wěn)定性進行快速的定性評價。

1 研究區(qū)概況

如圖1所示,研究區(qū)位于云南省昆明市東川區(qū)金沙江右岸長地-象鼻嶺岸段,距離白鶴灘水電站約83 km。兩岸地形陡峭、地貌復雜,溝谷深切狹窄,斷面呈“V”字形。沖溝呈樹枝狀發(fā)育,均為季節(jié)性沖溝,雨季流量較大。研究區(qū)地質構造發(fā)育明顯,主要表現(xiàn)為斷層、節(jié)理等,未見褶皺發(fā)育。出露基巖主要有晉寧期侵入巖(νβ2)及前震旦系通安組變質砂巖(Pt2t)。沿江公路從測區(qū)斜坡的中部穿過,由于研究區(qū)工程地質條件復雜,崩塌危巖體十分發(fā)育,嚴重威脅著沿江公路的安全。并且隨著白鶴灘水電站庫區(qū)的持續(xù)蓄水,沿江發(fā)育的部分危巖體可能會受水位變動的影響,穩(wěn)定性降低,一旦發(fā)生崩塌,落石將對航運安全造成巨大威脅。

圖1 研究區(qū)地理位置Fig.1 Geographical location of the study area

2 數(shù)據(jù)獲取及處理技術與方法

2.1 貼近攝影測量技術

貼近攝影測量技術是一種利用旋翼無人機近距離貼近被攝物體表面進行攝影,獲取物體超高清影像、精確坐標、精細形狀的技術。如圖2所示,相較于傳統(tǒng)航空攝影測量方式,貼近攝影測量具有精細化、多角度攝影的優(yōu)勢?？偨Y該技術主要特點如下：

圖2 不同遙感數(shù)據(jù)源成像效果比較Fig.2 Comparison of imaging effects of different data sources

a.近距離攝影：可獲取毫米級別的超高分辨率影像。

b.相機面向物體表面：相機角度可根據(jù)物體形狀動態(tài)調(diào)整,要求攝影設備具備較高的靈活性。

c.需要獲取已有地形信息：在進行智能貼近攝影前,需先通過常規(guī)攝影或者手控攝影的手段進行影像重建獲取初始地形。貼近攝影測量主要依靠無人機高精度定位技術以及無人機云臺姿態(tài)控制能力來實現(xiàn)。無人機的高精度定位通過自身集成的RTK系統(tǒng)來完成,大疆經(jīng)緯M300 RTK多旋翼無人機在 RTK FIX 時,水平方向精度可達(10±1) mm,垂直方向精度可達(15±1) mm,能良好地滿足定位精度需求。在對復雜巖體結構面進行貼近攝影時,理想狀態(tài)下相機需對準結構面進行攝影,為達到良好效果,需要無人機具備良好的云臺姿態(tài)控制能力,使相機角度能隨著攝影面的變化而靈活轉動,大疆經(jīng)緯M300 RTK無人機具有極強的云臺姿態(tài)控制能力,可出色完成數(shù)據(jù)獲取。

貼近攝影測量的基本流程遵循“從粗到細”的原則。首先要通過常規(guī)飛行方式獲取分辨率相對較低的影像,處理得到測區(qū)初始地形信息;下一步亦是最關鍵的一步,即以初始地形數(shù)據(jù)為基礎,進行三維智能航線規(guī)劃。如圖3所示,在獲取被攝對象初始地形信息后,將拍攝對象目標表面擬合為一個空間平面(Σ),平行于該空間平面距離(d)為5～50 m的位置擬合平面,即為飛行軌跡規(guī)劃平面(Σ′)［16］。值得注意的是,在實際應用中,為保證數(shù)據(jù)獲取的效率,飛行高度可根據(jù)精度需求進行調(diào)整,貼近攝影測量的概念并不局限于飛行高度［14］。

圖3 航線規(guī)劃原理示意圖Fig.3 Schematic diagram of route planning principle

2.2 數(shù)據(jù)獲取

此次研究數(shù)據(jù)獲取將利用大疆經(jīng)緯M300 RTK多旋翼無人機搭載大疆 Zenmuse-p1鏡頭完成。首先對面積約3 km2的研究區(qū)進行平均分辨率(簡稱“GSD”)為15 mm的常規(guī)飛行,獲取測區(qū)粗地形數(shù)據(jù);其次以粗地形數(shù)據(jù)為基礎,圈定高陡危巖體范圍并規(guī)劃多視角智能航線,對危巖體進行智能貼近攝影;最后通過影像后處理軟件Context Capture完成了精細化三維實景建模,并生成結構面提取所需的三維點云數(shù)據(jù)。此次研究貼近飛行面積約為0.15 km2,設計平均分辨率為5 mm,共獲取2 459張原始照片。

2.2.1 設備參數(shù)

此次航測建模過程難度較大,實驗借助大疆經(jīng)緯 M300 RTK多旋翼無人機、DJI Zenmuse-p1鏡頭、大疆智圖以及WayPoint Master智能規(guī)劃航線軟件等多種軟硬件設備完成。飛行試驗所用硬件設備參數(shù)如表1、表2所示。

表1 大疆經(jīng)緯 M300 RTK無人機相關參數(shù)Table 1 Related parameters of DJI M300 RTK UAV

表2 Zenmuse-p1數(shù)字相機主要技術參數(shù)Table 2 Main technical parameters of Zenmuse-p1 digital camera

2.2.2 智能航線規(guī)劃

本文使用WayPoint Master軟件進行航線智能規(guī)劃。如圖4所示,該軟件以已有地形為基礎,根據(jù)危巖體結構面發(fā)育特點規(guī)劃多角度智能航線,將智能航線導入飛控設備,自動完成對危巖體多角度貼近攝影。此次智能航線平均設計GSD為5 mm,航向重疊率為80%,側向重疊率約為72%,飛行高度約為40 m。航線規(guī)劃完成后,為確保拍攝安全及拍攝精度,要進行航線檢查。借助大疆智圖航點飛行功能,導入粗模和規(guī)劃好的航線文件進行多視角校驗,可準確再現(xiàn)航點位置,并依據(jù)設定好的偏航、俯仰角度,模擬航點位置錐體投射到模型上的效果,從而檢查航線各個航點的安全性以及偏航、俯仰角度是否合理。為了達到最好的數(shù)據(jù)獲取效果,一些貼近危巖體靠坡內(nèi)的“凹陷”部分還需人工控制飛行拍攝,航線包含了軟件規(guī)劃自動飛行的智能航線和局部的“手飛航線”。

圖4 多視角航攝示意圖Fig.4 Schematic illustration of multi-view aerial photography

2.3 數(shù)據(jù)處理

本文采用Context Capture傾斜攝影后處理軟件進行三維實景模型的構建。首先對影像進行質檢,排除有缺陷的影像,確保用于三維重建的數(shù)據(jù)完整正確,處理得到高精度三維實景模型以及三維點云等數(shù)據(jù)。此外,還需對原始點云進行去噪、分類等處理,目的是獲取真實巖體點云。已有的點云自動分類算法對高陡危巖體的處理效果較差,但由于高陡危巖體上植被較稀疏,植被點較少。因此點云分類建議采用手動分類的方式進行。如圖5所示,圖中綠色高亮部分為手動提取的植被點,右側為植被點和巖石點云提取的剖面效果。

圖5 陡峭地區(qū)植被和巖石點云模型Fig.5 Vegetation and rock point cloud models in steep areas

3 巖體結構面信息提取

本文將利用DSE程序法對危巖體結構面產(chǎn)狀信息進行提取,該程序以主成分分析(PCA)與KNN聚類算法為主要結構。首先通過驗證實驗證明貼近攝影測量技術所獲取的三維點云可以很好地滿足巖體結構面產(chǎn)狀信息半自動提取的需求,并且產(chǎn)狀半自動提取的結果也滿足了工程中的精度需求;最終再將此方法運用到研究區(qū)高陡危巖體結構面調(diào)查中,成功提取了危巖體結構面產(chǎn)狀信息。

3.1 結構面產(chǎn)狀提取原理

危巖體優(yōu)勢結構面的提取,首先要以KNN搜索函數(shù)和歐幾里得距離算法為核心,搜索每個點的最近鄰點,并將其作為候選點集。然后基于主成分分析法對每個點集進行共面性檢測,檢測每個點及與其相關的最近鄰點是否共面。如果不是,則剔除該點集［17］。之后則要計算點集的法向量,基于最小二乘法原理擬合出點集的最佳平面。將計算所得法向量作為各點的屬性,屬性相同的點不斷加入以確定該結構面的邊界范圍,最終確定結構面的位置和產(chǎn)狀參數(shù)。最后對法向量極點進行統(tǒng)計,得到主極點后即可對數(shù)據(jù)進行聚類分析。將提取方法的主要步驟原理總結如下：

a.搜索最近鄰點：對于三維點云中的任意原始點Pi,搜索其最鄰近點構成點云集{P}={p1,p2,…,pi,…,pn}。以點云集可能形成的平面法向量作為原始點Pi的法向量(圖6-A)。

圖6 結構面識別與提取算法計算流程Fig.6 Structural plane recognition and extraction algorithm calculation flow

b.子集共面性檢驗：點云集{P}在計算其法向量前,需先確定其是否屬于同一平面。基于PCA算法可以計算出點云集中各點的特征值(λ1、λ2、λ3)和對應的特征向量(V1、V2、V3)。如圖6-C所示,判斷一個點集是否共面,可由公式(1)定義的偏離參數(shù)進行判斷：

(1)

計算點云集中每個點的偏差值ηi,定義一個閾值ηmax,即最大允許偏差。當所有點ηi<ηmax時,則可認為點云集P處于同一個平面內(nèi),一般ηmax取20%即可［17］。

c.平面法向量計算：在點云子集被認為是共面之后,則可擬合出最適合的平面方程及其法向量。標準的平面方程如公式(2)所示,A、B、C為平面系數(shù),D為原點到平面的垂直距離。

Ax+By+Cz+D=0

(2)

在計算中利用最小二乘法擬合最佳平面參數(shù),當{P}中各點到平面的距離的方差最小時,此時的平面為最佳擬合平面,向量n(A,B,C)即為平面的單位法向量。

d.結構面邊界確定：至此已得到了識別結構面所需的平面子集。如圖6-B所示,如果平面子集屬于同一結構面,預計其單位法向量的方向應接近,則將平面子集合并成屬于同一個結構面,并用PCA算法重新計算其法向量。

e.主極點統(tǒng)計及聚類分析：為了獲取危巖體優(yōu)勢結構面信息,將每個平面的法向量轉換為赤平投影,并通過核密度估計方法(KDE)得到每個區(qū)域的極點密度以及局部極大值。通常密度函數(shù)分析會顯示出許多局部極大值,但只有少數(shù)是主極點,這是由于讀數(shù)誤差和曲面奇點的存在,這意味著極點的離散。在計算時可以通過設置圓錐濾波器、最大極點濾波器等參數(shù),獲得更清晰的法向量極點密度平面圖。最后一步是對數(shù)據(jù)進行聚類分析,通過基于密度的聚類算法(DBSCAN)執(zhí)行,該算法最適合處理高密度、均勻的點云。已知測量的非均勻密度將會對自動識別的結果產(chǎn)生一定的影響［15］。但得益于貼近攝影測量具有多角度數(shù)據(jù)獲取的優(yōu)勢,可以充分獲取復雜結構面的信息,因此本文假設點云的密度是均勻的。

f.結構面產(chǎn)狀計算：至此,已得到結構面平面法向量及其標準平面方程,已知巖體結構面產(chǎn)狀的測量只需知道該產(chǎn)狀所在平面的法向量即可,假設該結構面平面方程為

Ax+By+Cz+D=0

其中A、B、C、D為方程參數(shù),且A、B、C不同時為0,則其平面法向量為n(A,B,C),根據(jù)平面的一般式方程,通過選中的點云樣本,構建偏差平方和方程,最終可推導出以下結構面產(chǎn)狀量化計算公式：

(3)

(4)

以上結構面產(chǎn)狀提取的所有原理及步驟均可通過DSE程序完成。點云自動聚類分析完成后,可將結果導入Cloud Compare軟件中進行平面擬合,自動計算出產(chǎn)狀信息。

3.2 方法驗證實驗

由于山區(qū)危巖體通常位于地形高陡、地貌復雜區(qū)域,研究人員無法到達現(xiàn)場。因此為了驗證結構面提取方法的可靠性,本文選取了研究區(qū)內(nèi)一處公路巖質邊坡進行驗證實驗。驗證實驗流程如圖7所示,首先采用相同軟硬件設備對邊坡進行貼近攝影獲取平均分辨率為5 mm的影像數(shù)據(jù),并采用相同影像后處理軟件構建巖體三維空間點云。最終利用DSE程序法對巖體結構面產(chǎn)狀進行提取,自動提取結果與羅盤儀實地測量結果對比結果如表3所示,傾向傾角的誤差均在3°以內(nèi),可認為本研究方法對結構面產(chǎn)狀的提取結果誤差較小,滿足工程中的精度需求,并將此方法應用于本研究所關注高陡危巖體中。

表3 羅盤和自動識別產(chǎn)狀結果對比Table 3 Comparison of compasses and automatic identification of occurrence

圖7 驗證實驗流程Fig.7 Validation experiment process

3.3 工程實際應用

本研究關注的高陡危巖體分布如圖8-A所示。在進行結構面提取前首先要對危巖體區(qū)域進行裁剪,將非巖體出露區(qū)域進行剔除(圖8-B),提取出巖體點云后即可開始進行結構面產(chǎn)狀的自動提取。首先,進行最鄰近搜索時,將共面性測試容差ηmax設置為20%。由于危巖體結構破碎且坡面又停積有較多巖塊,影響因素較多,自動識別出了多個極點(圖8-C)。因此,在計算其極點密度時,對平面極點密度進行濾波處理,將點云數(shù)據(jù)集法向量間的最小角度設置為20°,結果自動檢測到6個優(yōu)勢結構面點集,分別為J1、J2、J3、J4、J5、J6(表4)。得到主極點信息后,使用DBSCAN算法對點云進行聚類分析,為了獲得良好的聚類可視化,將每個聚類的最大點數(shù)(ppc)設置為200,將較小的簇過濾,保留較大的結構面點集(圖8-D)。每一個結構面點集都對應一個平面方程式,可將每一個平面點集都擬合成單個平面,并獲取其產(chǎn)狀。由主極點統(tǒng)計結果可知,從數(shù)量上來說,J2、J3組結構面占比最高,其余依次為J4、J1、J5、J6。由于該危巖體十分破碎,坡面巖石碎塊較多,對結果有產(chǎn)生一定的影響。利用精細化三維實景模型對識別結果進行驗證分析發(fā)現(xiàn),J2、J3主要位于危巖體表面,但在巖體表面可以識別出多條平行于J2、J3結構面的巖體裂隙,因此認為J2、J3可以正確地表征危巖體結構面。J1、J4、J6盡管數(shù)量上占比相對較少,但結構面發(fā)育特征十分明顯,同組結構面相互平行,各組結構面共同將危巖體切割成塊狀。而J5經(jīng)復核查證后,認為其多是受坡面上較大的巖塊表面所影響而得到的結果,因此將其人工排除。結合三維實景模型,采用人機交互的方式,對結果進行了可視化分析后,最終認為J1、J2、J3、J4、J6取向可以成功地表征結構面(圖9)。5組優(yōu)勢結構面產(chǎn)狀分別為J1：106.40°∠45.73°;J2：357.69°∠61.57°;J3：40.01°∠75.71°;J4：305.91°∠80.89°;J6：225.01°∠33.73°。

表4 結構面點集聚類結果表Table 4 Classification of discontinuous sets

圖8 高陡危巖體優(yōu)勢結構面提取過程Fig.8 Extraction process of dominant structural plane of high and steep dangerous rock mass

圖9 巖體結構面提取結果Fig.9 Extraction results of rock mass discontinuities

3.4 結構面跡線提取

巖體結構面跡線是指在巖體結構面與露頭面的交線,其長度稱為跡長。結構面的形狀和結構面的實際尺寸共同決定了跡長的大小。因此,跡長信息對于巖體穩(wěn)定性評價也起著關鍵作用。傳統(tǒng)的跡線測量方法為測線法,但該方法易受邊坡植被、碎石和泥土遮擋等環(huán)境因素限制,人工方法能夠測得全跡長的結構面較少,且尺寸較小。有學者認為,結構面測量得到的特征點解算出的所有可視結構面中可量測的最大長度,即結構面上采集的所有特征點中,兩點之間距離最大值,其長度可以近似于等于跡線長度［18］。如圖10-A所示,封閉線代表著巖體結構面的范圍,而紅色的線即代表著裂隙的跡線長度,其長度可近似等于結構面跡長。

圖10 結構面跡線提取Fig.10 Extraction of discontinuity trace

因此,要想獲得結構面跡長,首先要對結構面跡線進行提取。本研究利用開源軟件CloudCompare對結構面跡線進行手動采集,此次研究共測得181個結構面信息,并解算得到其產(chǎn)狀信息以及跡線信息,其中x1、y1、z1、x2、y2、z2代表著結構面跡線的端點坐標(表5)。根據(jù)提取的端點坐標信息,可以自主編寫繪圖程序,繪制出研究區(qū)結構面三維跡線圖(圖10-B)。結構面跡線的提取可以令結構面的發(fā)育情況更加直觀,亦可為后期結構面間距、延續(xù)性、粗糙度等的研究提供一定的參考意義。

4 巖體穩(wěn)定性評價

通過半自動識別得到了5組優(yōu)勢結構面產(chǎn)狀信息,危巖體三維空間切割關系已基本查清。如圖11-A所示,以巖塊1為例,該巖塊被J2、J3、J4、J6四組結構面共同切割成塊狀,受J6結構面的影響,危巖底部巖腔發(fā)育,基座臨空。結合貼近攝影測量精細化三維實景模型對危巖體穩(wěn)定性進行分析,認為當前對該危巖體穩(wěn)定性其控制作用的結構面主要為J2及J3。危巖體剖面如圖11-B所示,該巖塊受4組結構面切割,J4與J6已基本貫通。由于J6結構面的發(fā)育,造成該危巖體基座臨空,可看到巖體在重力作用下,已產(chǎn)生多條巖體裂隙(L1～L4)。如圖11-C所示,巖體裂隙發(fā)育方向基本與J2、J3組結構面平行,巖體裂隙寬度大多為1 cm左右。受裂隙切割和下部巖腔的影響,危巖體高懸于陡崖上端和巖腔頂部。隨著裂隙的不斷加深加寬,特別是J3方向上的裂隙(L1與L4),一旦裂隙切割整個危巖體,巖體將脫離母體。在巖體自身重力的作用下,危巖體可能會發(fā)生墜落式破壞。因此,經(jīng)快速綜合分析,定性判定該巖體穩(wěn)定性為不穩(wěn)定狀態(tài)。并且初步認為主控該危巖體穩(wěn)定性的結構面應該為J2、J3。此分析僅針對巖塊1,若從區(qū)域宏觀角度上看,巖體發(fā)育多組結構面,空間切割關系復雜,具體危巖體巖塊要具體分析,巖體穩(wěn)定性實際上應是由多組結構面共同決定的。

圖11 危巖體空間發(fā)育情況Fig.11 Spatial development of dangerous rock mass

5 結論與展望

本文提出了一種基于無人機貼近攝影測量的高陡危巖體結構面的快速、精細化的調(diào)查方法。經(jīng)實驗證明,此方法對結構面產(chǎn)狀提取的效率較快、準確度較高,與羅盤實測結果相對比,傾向傾角的誤差均在3°以內(nèi),提取結果可以良好地滿足工程精度需求,可為高陡危巖體結構面的精細化調(diào)查以及高陡危巖體穩(wěn)定性快速評價提供可靠的基礎數(shù)據(jù),具有良好的實際意義。此外,盡管貼近攝影測量技術仍處于初步探索的階段,但其高精度、多角度數(shù)據(jù)獲取的優(yōu)勢已得到眾多試驗研究證明。除了在危巖體結構面調(diào)查中可以發(fā)揮重大作用外,該技術還在城市建筑物精細三維重建、高山峽谷區(qū)地質災害精細化調(diào)查與監(jiān)測、文物古建筑精細化重建以及水利工程監(jiān)測等多個行業(yè)上進行了應用研究,均取得了良好的效果［14］?？梢婋S著無人機設備的升級,以及智能飛控軟件的不斷優(yōu)化,貼近攝影測量技術未來在數(shù)據(jù)精度、數(shù)據(jù)獲取效率等方面還將進一步得到提升,該技術具有巨大的發(fā)展前景。