无人机技术：当前趋势和未来趋势

标准图像大小曾为 1200 万像素；现在，大多数用例的绝对最小值是 2000 万像素。 更大型平台可以搭载 4000 万、6000 万甚至 1 亿像素的 RGB 传感器。 这样可以提高飞行路径的效率，因为无人机无需靠近对象即可获得相同的分辨率或地面采样距离 (GSD)。 这意味着更短的飞行路径、更高的飞行高度和更少的图像收集。

与 RGB 传感器非常相似，这些传感器成本更低、更轻便且分辨率更高。 但令人惊讶的是，它们的购买率增长缓慢。 这可能有几个原因。 与 RGB 照相机不同，准确使用多光谱传感器需要额外的手动校准图像步骤。 这可能会将市场限制在更熟悉这一过程的农业部门。 在热门飞机平台上，很少提供即插即用型的多光谱包。 虽然毫无疑问，包的数量正在增加，但比预期缓慢。

自无人机问世以来，各公司始终致力于在无人机上安装激光雷达。 两个主要挑战是传感器的重量和惯性测量单元 (IMU) 的精度。 近期，这两个问题都得到了解决。 激光脉冲可以穿透植被，从而获得更准确的数字表面模型 (DSM)。 这将导致对管理生成的点云数据的挑战。 这将发展为云管理。 这一趋势反映了载人飞机的航空制图如何从影像过渡到激光雷达，以及如何在有限的时间里克服了类似的挑战。

过去，每个无人机制造商都有自己的自动驾驶和飞机控制开发团队。 现在，无人机硬件制造商依赖于自动驾驶仪公司来处理系统的命令和控制部分。 Auterion 就是这样一家制造商，它创造的 Skynode 一体化自动驾驶仪专用于控制自主飞行。 Skynode 还具有蜂窝数据连接，基本上可以将所有无人机均变成功能强大的物联网设备。

在一次重大改组中，美国国防部 (DoD) 禁止该部门使用中国制造的 DJI 无人机。 作为回应，国防部的国防创新部门 (DIU) 开始评估无人机硬件和软件以获准使用。 DIU 目前的清单包括来自美国无人机制造商 Freefly 的硬件，该制造商多年来一直在为电影和电视开发无人机，并且也有望成为可靠的制图平台。

随着传感器大小及所包含数据的增加，数据集的数字大小也在日益增大。 处理数据集过去只能在台式计算机上完成。 这正在转向以云为中心的处理方法。 但离线桌面处理方法不会被取代，此方法将主要用于即时决策的快速外业处理过程。 然后原始数据进入云端，在云端可以为组织的其他用途提供更高的分辨率和更大的数据集。 云可以自动扩展处理以适应更大文件大小的需求，并将结果交付至用户的企业工作流。

例如，在灾难事件期间，无人机通常是外业收集数据的第一架飞行器。 如果互联网连接不可用，本地快速处理可以为急救人员提供制定决策所需的信息。 当这些设备连接到互联网并将原始数据上传到云端后，可以在云端将数据处理成更大的数据集。 利益相关者可以在线分析这些数据集，而无需在计算机之间传输它们。

将原始图像转换为 2D 和 3D 数据集始终需要花费一些时间，但令人兴奋的是实时或近实时数据分析得到了增长。 FMV 是一种最初由军方开发的技术，用于从专业（且昂贵）的云台上下载包含丰富元数据的视频。 随着这些传感器成本的降低，拥有 FMV 数据变得更容易且成本更低。

如果您拥有支持 FMV 数据的传感器（例如 Quantum-Systems Vector），则可以将 FMV 实时流式传输到 ArcGIS Pro 等地理信息系统 (GIS)。 或者，如果使用 Esri 的 Site Scan Flight for ArcGIS 应用程序支持的低成本消费型无人机，则可以直接从无人机中提取视频文件并通过拖放来播放内容丰富的视频。

随着无人机收集的信息量增加，利用机器学习来帮助识别资产和问题比以往任何时候都更加重要。 训练数据、高分辨率输入信息和计算能力是成功的必要条件。 我们正在经历的硬件和软件趋势正在改善所有这些内容。 AI 可以通过无人机的原始图像和视频以及处理引擎的 2D 和 3D 输出进行训练。

在标准企业工作流中添加无人机后，可以通过与计算机或物联网设备相似的方式管理无人机，同时可以通过与车辆（监管要求、维护和飞行追踪）相似的方式进行管理。 追踪无人机飞行的解决方案有很多，但成功的技术将自动捕获这些信息，从而允许操作人员不间断地完成工作。 例如，在美国，如果在机场或其他受控空域的某个半径范围内飞行，则必须向美国联邦航空管理局 (FAA) 申请授权。 Airspace Link 作为授权的低空授权和通知能力 (LAANC) 提供商，可以直接向 FAA 发送请求来自动执行此过程。 在 Esri 的 Site Scan Flight 应用程序中，操作人员可以使用免费的 Airspace Link 帐户登录并请求此授权。