无人机（UAV）的多光谱观测目前被用于精细农业和作物表型应用，能够监测一系列特征，从而表征植被状态。然而，无人机有限的自主性使得在大面积采样时飞行变得困难。因此，提高数据获取的通量，同时不降低地面采样距离（GSD），是一个亟待解决的问题。
2021年12月6日，由阿维尼翁大学李文娟及其合作者发表在Plant Phenomics上的名为“A Double Swath Configuration for Improving Throughput and Accuracy of Trait Estimate from UAV Images”的文章提出了一种新的基于两种焦距(f)光学元件组合的图像采集配置，用于提高无人机图像特征估计的通量和准确性。
研究方法
无人机单道和双道飞行计划
无人机接近正午时分飞行，天气晴朗，太阳天顶角为42°。玉米植株已完全成熟，正在进入衰老阶段。无人机的飞行高度设置为离地面52米，以便在8毫米焦距的多光谱相机下获得2.5厘米的地面采样距离（GSD）。
设计了两种不同的飞行计划，以模拟单道（SS）和双道（DS）配置（见表1）。SS飞行对应于标准配置，使用8毫米焦距的相机，在横向和纵向重叠80%的情况下提供所需的2.5厘米GSD，从而使SfM算法能够高效工作。DS飞行则旨在实现4.2毫米焦距相机的图像在横向和纵向上80%的重叠，这也是SfM算法主要使用的相机。
在场地的四角和中心放置9块直径为60厘米的圆形面板作为地面控制点(gcp)，用于在飞行期间对图像和摄像机进行地理参考。这些gcp还允许我们计算度量来评估地理参考精度。采用RTK设备测量gcp的地理坐标，精度为1cm。
表1.SS和DS配置的飞行特性。
3.从三维密集点云中建立DEM(数字高程模型)，然后用于创建正射影像。基于之前导出的每个飞行正射影像上的相机足迹，最终计算0:5m×0:5m网格上每个点上的图像数量。
4.从对应的小区提取三维密集点云，并将其划分为多个0.5米×0.6米的小单元，以便充分描述包括地面点的高度剖面。在每个单元中，应用了k均值聚类方法将地面与植被分开，依据高度值和RGB值分离出地面点，以确定土壤高度。然后，通过从原始三维密集点云中减去土壤高度计算植被高度。每个小区的最终植物高度被定义为所有小单元中植被点高度分布的99.5%分位数，并分别计算了来自中、高和超高质量三维密集点云的三种植物高度。
结果
采集和处理效率
在DS配置下，由于处理的图像数量减少，所有步骤的处理时间显著缩短，尤其是在生成三维密集点云时。这一配置下可用图像数量减少以及4.2毫米焦距导致的分辨率降低，导致匹配点数量的减少。使用8毫米镜头时，SS和DS配置之间的每个像素图像数量差别较大，而4.2毫米镜头的DS配置则因为80%的重叠率显示出每个像素更高的图像数量。总体来看，两个配置的点密度非常相似，在中等和高质量水平上，DS的点密度甚至略高于SS，而在超高水平上，SS提供的点密度略高。尽管可用图像数量减少，4.2毫米焦距的DS配置因更大的角度分布范围仍能有效构建三维密集点云，通过垂直和倾斜视角的结合，进一步增加了每个像素的图像获取，最终在密集点云生成上获得了相似的结果（图1）。
表2.DS和SS飞行效率评估。时间以分钟表示。
图1.在f=8mm(绿色圈)和f=4:2mm(橙色叉)上，SS(a)和DS(b)飞行的一个中心微图的视角极地分布。
地理配准错误
与SS配置相比，DS配置显示的整体地理配准误差较小（表3）。
表3.在超高质量水平下，对2.4厘米分辨率的正射影像进行的DS和SS配置的地理参考误差计算。
植株高度
采用超高质量的DS配置作为参考。分析显示，DS和SS计算的植物高度在各质量水平上与参考高度有良好对应关系（R2>0.65）。在超高质量的SS点云中观察到的差异最小，而随着质量降级，RRMSE和偏差增大，且DS配置在相同质量水平下的表现优于SS配置。这些结果表明，DS配置在植物高度测量中具有更好的精度和一致性。
图2.将(a)DS和(b)SS飞行中的植物高度与来自DS超高密度点云的参考植物高度进行比较。
表4.以DS超高密度云的植物高度为参考，通过DS或SS配置得到的植物高度之间的R2、偏差、均方根误差（RMSE)和相对均方根误差（RRMSE)。
总结
本研究提出了一种新型成像系统，利用两种不同焦距镜头在无人机上同时工作。使用的六波段多光谱相机其中一波段配备了4.2毫米焦距镜头，提供了比其他五个8毫米焦距镜头波段更宽的覆盖范围。这种设计提高了采样效率，使得飞行时间减少一半或在相同飞行时间内增加了采样面积，同时保持其他五个波段的空间分辨率。双幅宽配置的图像获取效率和处理效率显著提升（超高质量密集点云处理时间为135分钟，相比之下，标准配置为455分钟），图像数量的减少也有助于这一过程。研究结果表明，结合宽幅与窄幅光学系统可将三维密集点云的地理参考精度提高5.6厘米。在52米高度测量玉米田植物高度的应用显示，这种组合的性能优于仅使用窄幅光学。同时，选择高质量数据生成三维点云对于提高性能至关重要。
