简介这份2020年Inpho软件在线培训教程PDF面向从事无人机摄影测量、三维建模与正射影像处理的技术人员及测绘相关专业学习者帮助其系统掌握Inpho与UASMaster的协同作业流程。教程共分三章第一章讲解UASMaster与Inpho空三处理互操作涵盖数据整理分析、影像去畸变与格式转换、工程创建、连接点匹配与控制点量测、空三结果优化及MapMatrix恢复空三等环节第二章聚焦真正射影像编辑以及在OrthoVista中对UASMaster生成的正射影像进行拼接线编辑与镶嵌第三章介绍Trimble UASMaster创建三维模型包括数据准备、测区工程创建、3D重建与自动空三、表面模型和三维模型生成。资源为1个PDF文件压缩包约10.02MB内容以图文步骤与操作说明为主结构按章节递进便于对照软件界面逐步实践。目前已有712人学习适合需要补齐空三、正射与三维建模实操细节的读者参考。1. 从一份 2020 年的 Inpho 培训 PDF 说起空三到底在解决什么问题很多人第一次接触 Inpho是因为手头拿到一份《2020年Inpho软件在线培训教程.pdf》翻到空三章节发现全是界面截图和参数名照着点能跑通但换个项目就报错。问题不在软件在于没搞清空三空中三角测量到底在算什么。简单说无人机拍回来的几百上千张影像每张只知道自己的 GPS 粗略位置和姿态空三要做的是通过影像间的同名点匹配反算出每张照片精确的外方位元素同时解算出地面加密点坐标。这一步的精度直接决定后面 DOM、DEM、三维模型能不能用。Inpho 的 UASMaster 模块就是专门为无人机数据设计的空三与后续处理工具和 MapMatrix 这类国产平台常被放在一起比较。这份教程适合已经会飞、会出图但空三结果总差那么一点的测绘和遥感从业者。2. Inpho UASMaster 空三的输入准备与工程建立2.1 无人机影像、POS 与相机文件的组织方式UASMaster 对输入数据的目录结构有隐含要求乱放文件是空三失败最常见的原因。我一般按下面这样组织project/ ├── images/ # 所有原始影像文件名不要有中文和空格 ├── pos/ # POS 文件每行影像名 X Y Z Omega Phi Kappa ├── camera/ # 相机检校文件 .cam 或 .txt └── control/ # 控制点文件可选影像文件名建议保持飞控导出的原始命名不要批量重命名成 IMG_0001 这种因为 POS 文件里的名字要和影像严格对应。相机文件里最关键的是焦距、像主点坐标和畸变系数如果是免像控飞行相机检校参数的准确性比控制点数量还重要。2.2 新建工程时必调的 4 个参数在 UASMaster 里新建工程界面参数很多但真正影响空三成败的是这几个参数推荐值说明Camera Model选对应相机或 Generic有检校文件就选具体型号Image OrientationGPS/IMU 辅助无人机数据必选纯影像匹配会慢很多Coordinate System项目要求的坐标系提前设好后期改很麻烦Tie Point StrategyHigh Density地形复杂时用平地可降为 Normal注意坐标系如果在空三后才改所有加密点坐标都要重算等于白跑。2.3 用命令行批量导入影像和 POS 的做法UASMaster 支持脚本化导入批量项目用命令行比手点快得多# 假设 UASMaster 安装在默认路径调用其批处理接口 UASMaster.exe -project D:/proj/test.prj \ -importImages D:/proj/images/*.jpg \ -importPOS D:/proj/pos/pos.txt \ -camera D:/proj/camera/sony_rx1r.cam \ -coordSys CGCS2000_3_Degree_GK_Zone_39这段命令的逻辑是指定工程文件批量导入 images 目录下所有 jpg同时读入 POS 文本和相机文件最后设定坐标系。参数-coordSys必须和项目要求一致写错会导致后续控制点无法刺入。如果 POS 文件里缺少姿态角可以只导入 XYZUASMaster 会先做自由网平差再逐步加入 GPS 约束。3. 空三解算从连接点提取到区域网平差的完整链路3.1 连接点提取的两种策略与适用场景连接点提取是空三最耗时的步骤。UASMaster 提供两种模式一种是全自动提取适合影像重叠度正常航向 75%、旁向 65% 以上的情况另一种是手动指定种子点再扩展适合大面积水面、沙漠、雪地这类纹理弱的区域。我一般先跑自动如果发现某几幅影像连接点数量低于 50再对这些影像单独补种子点。# 用 Python 调用 UASMaster 的 COM 接口做连接点提取示意 import win32com.client uas win32com.client.Dispatch(UASMaster.Application) proj uas.OpenProject(rD:/proj/test.prj) proj.TiePoints.Extract( strategyHighDensity, # 高密度模式连接点数量多但慢 maxPointsPerImage2000, # 单张影像最多提取点数 minOverlap3 # 至少被 3 张影像覆盖才保留 ) proj.Save()strategy选 HighDensity 时单张影像连接点可达 2000 以上适合地形起伏大的山区平地项目用 Normal 就够能省一半时间。minOverlap3是保证后续平差有足够多余观测的关键低于这个值的点会被剔除。3.2 区域网平差的参数设置与收敛判断连接点提完后进入平差。UASMaster 的平差界面里这几个参数决定收敛速度和精度Max Iterations默认 10一般 5 到 8 次就收敛设太大浪费时间GPS Weight无人机自带 GPS 精度约 5 米权重设 1/5²不要设太高IMU Weight姿态角精度约 0.5 度权重按实际检校报告填Outlier Threshold粗差剔除阈值默认 3 倍中误差地形复杂时可放宽到 4平差跑完后看报告里的 RMS 值。如果 X/Y 方向 RMS 在 0.5 像素以内Z 方向在 1 像素以内基本可用。如果某个方向 RMS 突然变大通常是该方向的 GPS 权重给错了或者有大量粗差点没剔干净。3.3 控制点刺入与精度验证的实操步骤有控制点的项目平差后要刺入控制点做绝对定向。步骤是在 UASMaster 里打开控制点列表逐个在影像上找到对应位置一般至少刺 3 个点分布要均匀。刺完后重新平差看控制点残差# 导出平差报告检查控制点残差 UASMaster.exe -project D:/proj/test.prj -exportReport D:/proj/report.txt -type Adjustment报告里每个控制点会给出 X/Y/Z 三个方向的残差。如果某个点残差超过 2 倍中误差先检查是不是刺错了位置再考虑是不是该点本身坐标有问题。全部合格后空三结果就可以导出给 MapMatrix 或其他平台做后续的 DEM、DOM 生产。4. 空三失败时的排查路径与 Inpho 与 MapMatrix 的衔接4.1 连接点匹配失败的五种典型原因空三跑不动九成是下面几个原因之一影像重叠度不够航向低于 60% 时相邻影像同名点太少UASMaster 会直接报“insufficient tie points”POS 文件格式错分隔符不是空格、影像名对不上、坐标单位是度而不是米相机文件参数错焦距写成了 35mm 等效焦距而不是实际焦距影像本身有问题大面积过曝、模糊、或者同一位置拍了两次导致重复坐标系定义冲突POS 是 WGS84 经纬度工程设的是投影坐标没做转换排查时先看日志文件UASMaster 会在工程目录下生成adjustment.log里面会写明每一步失败的具体原因。4.2 把 Inpho 空三结果导入 MapMatrix 的注意事项Inpho 空三完成后通常导出为 PATB 格式或 UASMaster 自有格式。导入 MapMatrix 时要注意导出时选“Include Camera Calibration”否则 MapMatrix 不认相机参数坐标系要一致Inpho 里用的 CGCS2000 投影MapMatrix 工程也要设成同一个如果 MapMatrix 提示“orientation file format error”多半是导出的外方位元素顺序不对检查是 Omega/Phi/Kappa 还是 Phi/Omega/Kappa# Inpho 导出 PATB 格式的典型命令 UASMaster.exe -project D:/proj/test.prj -exportOrientation D:/proj/patb.txt -format PATB导出后先在文本编辑器里看一眼确认每行是影像名 6 个外方位元素顺序和 MapMatrix 要求的一致。4.3 用检查点做独立精度评估的方法空三报告里的精度是内符合精度真正要说服甲方得用检查点做外符合评估。做法是留出 10% 的控制点不参与平差只用来检查。在 UASMaster 里把这些点标记为 Check Point平差后看它们的残差。如果检查点残差和参与平差的控制点残差在一个量级说明空三结果可靠如果检查点残差明显偏大说明控制点分布不均匀或者有系统误差。5. 进阶技巧用脚本批量处理多架次数据与精度复检多架次项目最头疼的是每个架次单独建工程、单独跑空三重复劳动太多。UASMaster 支持用 Python 脚本串起整个流程import os, win32com.client uas win32com.client.Dispatch(UASMaster.Application) base rD:/proj sorties [sortie1, sortie2, sortie3] for s in sorties: prj_path os.path.join(base, s, f{s}.prj) proj uas.NewProject(prj_path) proj.ImportImages(os.path.join(base, s, images, *.jpg)) proj.ImportPOS(os.path.join(base, s, pos, pos.txt)) proj.SetCamera(os.path.join(base, camera, sony_rx1r.cam)) proj.TiePoints.Extract(strategyNormal, maxPointsPerImage1500) proj.Adjustment.Run(maxIterations8, gpsWeight0.04) proj.ExportOrientation(os.path.join(base, s, f{s}_patb.txt), formatPATB) proj.Close()这段脚本的关键在于gpsWeight0.04对应 GPS 精度 5 米的权重1/25≈0.04。每个架次跑完后把所有 PATB 文件合并再在 MapMatrix 里做整体平差能进一步消除架次间的系统偏差。精度复检我一般用两种方式一是把空三加密点导出成 LAS和已知的 DEM 做高程比对二是在 MapMatrix 里生成正射影像后量测检查点到影像上的同名点距离。两种方式都通过这批数据才算真正可用。最后一步往往被忽略把整个工程的参数、日志、报告打包存档下次遇到类似项目直接复用参数比重新试错快得多。本文还有配套的精品资源点击获取