OpenCV：校准与图像空间中的运动
OpenCV 提供相机校准与特征跟踪功能。校准估计分析或合成所需的光学畸变与内参。分辨率、裁切、镜头或电子校正的变化都可能使先前的校准失效。光流测量图像之间的表观运动；仅凭像素位移并不能直接得出飞行器的三维速度。主体运动、相机运动和场景深度都可能有贡献。把测得的图像量与推断出的物理量当作不同的阶段。 校准时覆盖图像的不同区域，并用另一组图像进行验证。拟合误差小并不足够；要检查校准集之外的直线和边缘表现。
COLMAP：从多视角重建
COLMAP 实现了运动恢复结构（Structure-from-Motion）与多视图立体（Multi-View Stereo）。多张图像支持相机位姿与稀疏结构的估计，随后进行更稠密的重建。它既不是实时飞控，也不能自动保证测绘精度。天空、反光水面、晃动的枝叶、重复的窗户和模糊的帧都可能造成问题。从视频中抽取更多帧并不自动更好：要选择有用的重叠、视角变化和清晰度。始终清楚哪些区域重建失败。一个看起来可信的模型与经过验证的尺寸是两种不同的交付物。 在建立比例与坐标之前，不要把重建结果解读为真实世界的距离或高度。记录哪些部分是相对估计，以及在何处引入了外部参照。 重建形状如何用于桥梁与立面的测量，以及精度在何处失效，在摄影测量如何为巡检资产构建 3D 模型及其局限（Airffic Inspection）中继续讨论。 关于无人机摄影测量与遥感的综述，见巡检指南的论文卡片 Unmanned aerial systems for photogrammetry and remote sensing: A review。
用分析来改进下一个镜头
我们原创的练习是在录制的素材中可视化跟踪到的特征，并把急转、强烈的前景光流和跟踪丢失与人的观察进行比较。然后用另一组图像重建一个静态主体，检查被接受与被拒绝的视角。数值结果良好，并不意味着目标主体在影像中清晰可读。用分析来改进构图或运动；不要悄悄把它提升为安全决策系统。把感知接入真实飞行器的控制，需要对延迟、置信度、校准和故障处理分别验证。 记录稳定、裁切等可能改变图像几何的预处理。精修后的交付片段与适合几何估计的影像是不同的输入。
YOUR NEXT STEP
付诸实践。
- 不要把原始像素位移解读为米每秒。
- 重建模型不等于已完成的测绘或安全验证。
来源与编辑范围
说明和练习均为原创编辑内容。与产品相关的具体条件，请对照所链接的文档版本核实。
研究日期：2026年10月21日。请核对链接所指版本、支持的硬件和适用条件。证据包括直接审读的文本和官方检索索引记录。
阅读方法论与未解问题 →