用 iTwin Capture Modeler 把无人机航拍照片拼成正射影像

2026-04-30 20:23

无人机航拍后，几百张照片堆在硬盘里，可能要做的事是把这些照片拼成一张带地理坐标的正射影像，给奥维互动地图当底图，或者插进 AutoCAD 当工程设计的底图。

iTwin Capture Modeler（前身是 Bentley 的 ContextCapture）能干这个活。它的强项是空三（Aerotriangulation）和真三维重建，本文只介绍「正射影像」这一条路线——空三、Orthomosaic 重建、Production 导出，最终拿到一张 GeoTIFF。

整套流程在一台普通台式机上跑完，约 2 小时（详见后文「处理时长参考」）。

开始之前

几个程序的分工

装好 iTwin Capture Modeler 后，开始菜单的 Bentley 文件夹下会出现一串相似名字的程序，第一次用容易懵。它们的分工是：

• iTwin Capture Modeler Master：主程序，建项目、设参数、提交任务都在这里——本文绝大部分操作的入口。
• iTwin Capture Modeler Engine：实际干活的后台进程，跑空三和重建。需要手动，启动后保持后台运行；Master 提交的任务会进入队列，由 Engine 依次处理。如果 Engine 没开，Master 提交了也不会动——这是新手最容易踩的坑。
• iTwin Capture Modeler Settings：设置程序，包含硬件检查工具，见下一小节。
• iTwin Capture Desktop Viewer：查看生产出来的 3D 模型用的，做正射影像不用打开。

硬件检查

打开 iTwin Capture Modeler Settings → Configuration 页签，重点看三项：

• GPU Benchmark：点 Start Benchmark 跑一次，记下 OpenGL 跑分。本文后面给出的处理时间是在 RTX 2060 / 跑分 151.1 的机器上测得的，你可以用自己的跑分倍数粗略外推。
• GPU AI compatibility：做空三时的色彩自动校正会用到 AI 模型，这里显示「Your computer can run AI jobs」才能用机器学习色彩校正。
• GPU Gaussian Splatting compatibility：做正射影像用不到，但显示 CUDA 算力可以心里有数（7.5 及以上能跑高斯泼溅，留给将来做倾斜摄影建模时参考）。

新建项目与导入照片

打开 Master，右上角点 New Capture → New Block：

填项目名（本文用 PROJ_20260413_DaQing 这种「项目标签_日期_地名」的命名），保存位置选个有足够磁盘空间的盘——单个项目跑完几十 GB 是常事。

进入新建的 Block 后，Photos 页签里点 Add Photos → Add Entire Directory，直接选无人机照片所在的文件夹：

整个文件夹一次性导入比逐张挑省事得多。导入完成后，照片列表会显示每张照片的相机型号、传感器尺寸、焦距、GPS 坐标等信息——大疆这类消费级无人机会把这些 EXIF 信息写得很完整，iTwin Capture Modeler 自动识别，不需要手动选相机型号、不需要手动输入坐标。

检查图像完整性

照片导入后、提交空三前，强烈建议跑一次完整性检查。点照片列表上方的 Check Image Files：

弹出对话框选择 Check image file header only (faster) 即可——只读文件头，几秒钟扫完几百张照片；Load the entire image file 是逐张完整解码，慢很多，通常用不到。

点 Start，等结果出来。理想结果是「N/N image files were successfully opened」：

本项目导入时是 542 张照片，这一步全部通过——文件层面没有损坏。但「文件能打开」不等于「每张照片都能成功用于空三」，后续空三可能仍然会剔除部分照片（光线太差、与其他照片重叠不足、模糊等），见后文「空三结果」小节。

如果这一步就有失败的，先把损坏的照片删掉或修好再继续——空三阶段对损坏文件容忍度很低，提前发现比中途报错重来强得多。

空三（Aerotriangulation）

空三是把每张照片的精确位置和姿态算出来的过程，是后续所有重建的基础。在 Block 页面右上角点 Submit Aerotriangulation，弹出 Aerotriangulation Definition 对话框。

提交：本地还是云端？

点 Submit Aerotriangulation 后弹出选择：

• Process with iTwin Capture Modeler Engine：在自己电脑上跑，前提是 Engine 已经手动启动。
• Process on the Cloud：云端跑，提示「最高快 3 倍」，但需要 Bentley 的云服务订阅。

个人用户和小团队选本地即可。确认 Engine 已经从开始菜单打开，且窗口在后台运行，然后点 Process locally，Engine 就会接管任务开始算。

Positioning/Georeferencing

这一页决定空三如何利用已有的位置信息把整个 Block 摆到正确的世界坐标里。

Adjustment constraints——这一组是「硬约束」，让空三平差时严格服从某种已知精确数据（控制点、点云扫描、毫米级 RTK/PPK 后处理坐标等）。消费级无人机航拍没有这类高精度约束数据，全部不勾。

Final rigid registration 选 Photo positioning metadata——这是「软配准」，空三先靠照片之间的特征匹配自由解算出一个相对一致的姿态网，再整体平移/旋转/缩放（rigid transformation，不变形）去拟合每张照片 EXIF 里写的 GPS 坐标。大疆这类消费级无人机 GPS 精度在米级，整体配准到这个精度就够当底图用，不需要更精确的约束。

如果选 Control points / Point clouds 但又没准备这些数据，提交时会报错。本文场景一律选 Photo positioning metadata。

Use targets 不勾——这个是给地面铺了 QR Code / AprilTag / ChiliTag 物理标靶的工业测量场景用的。消费级无人机航拍跳过。

Settings

这一页控制空三本身的算法行为。

Poses and tie points 选 Adjust——四个选项的差异：

• Compute：从零开始解算位姿和连接点，完全忽略 EXIF 里的位置信息。适用于完全没有 GPS 数据的照片（比如手持相机近景拍摄）。
• Adjust：用 EXIF 里的位置信息作为初值，再让算法微调。消费级无人机的标配选项。计算密度选默认的 normal keypoints density（配对模式 default pairs selection mode）即可；keypoints density 越高匹配越稳但越慢，绝大多数场景 normal 已经够用。
• Extend：在已有空三结果上追加新照片（比如分两次飞，后期补飞了一些照片）。
• Lock：锁住已有位姿不动，只解算新的连接点。

Optical parameters 选 Adjust main parameters——相机镜头有畸变（包括径向畸变、切向畸变），即使是同型号的镜头，每一只的畸变参数也略有差异。让空三自己拟合这只镜头的畸变参数比硬用 EXIF 里的标称值精度高得多。

• Adjust main parameters：调整焦距、主点、径向畸变、切向畸变；保持长宽比和倾斜不变——后两个参数对消费级无人机不需要解算（这类相机的传感器是规规矩矩的矩形），强行解算反而可能引入数值不稳定。这是消费级无人机的标准选项。
• Lock all parameters：完全相信 EXIF 里的参数。仅适用于已经做过精确相机标定的工业相机。

Targets extraction 选 None——和前一页的 Use targets 对应，没铺标靶就选 None。

Automatic color correction 选 Machine Learning——用 AI 模型校正照片间的曝光和色彩差异（云影、不同时段的光线变化、相机自动白平衡漂移等），效果明显好于传统统计方法。前提是前面「硬件检查」里 GPU AI compatibility 显示支持。如果机器不支持 AI 任务，选 Block-wise 或 Photogroup-wise 作为退路。

Create splats 关闭——高斯泼溅（Gaussian Splatting）是一种新型 3D 渲染表示，本文做正射影像用不到。打开会显著增加空三耗时。

空三结果

空三完成后，Block 的 Overview 页签会显示完整的统计信息。

关于照片数量从 542 → 309：本项目第一次空三后，软件提示有相当一部分照片「不能用于重建」——这些照片可能是飞行盘旋时拍的重复帧、光线不佳、或者与其他照片重叠率不够。我把这些被标记的照片从 Photos 列表里手动剔除（直接选中右键 Remove），重新提交一次空三，得到了下面这张干净的结果。剔除问题照片再重跑一次空三是常见做法，避免它们污染最终重建质量。

最终空三结果的关键数据：

• Photos positioning level: georeferenced —— 整个 Block 已正确定位到地理坐标系（依赖 EXIF 里的 GPS 坐标 + Photo positioning metadata 软配准）。
• 309 photo(s) in 1 photogroup(s), 6.2 gigapixels —— 309 张照片归为同一个 photogroup（同型号相机、同焦距），合计 62 亿像素的输入数据。
• 309 photo(s) in the main component —— 全部 309 张都被纳入主连接体，没有照片掉队。main component 里的照片数 = 总数是空三成功的关键标志，如果两个数字不一致，说明仍有照片没能被正确连接，需要再检查或剔除。
• 309 known position(s) and 309 known rotation(s) —— 每张照片都解算出了精确的位置（XYZ）和姿态（roll/pitch/yaw）。
• 50243 automatic tie point(s) —— 算法自动找到了 5 万多个连接点，平均每张照片约 160 个，用于约束相邻照片的相对位置。
• Resolution ranges from 0.0058 meters to 0.0071 meters —— 实际地面分辨率（GSD）在 5.8–7.1 mm 之间——这是所有照片中最近和最远的像素地面距离。这个数字非常关键：它告诉你后续重建分辨率的上限，本项目用 0.05 m/pixel 完全在能力范围内（约为 GSD 的 7–8 倍）。
• Block has color correction using machine annotation —— 已应用机器学习色彩校正。

各项数据正常后，可以进入下一步重建。

新建重建与 Spatial Framework

Block 树中会多出一个带「- AT」后缀的子节点（Block_1 - AT），这就是上一步空三的产物。在它上面右键或选中后点 New Reconstruction：

弹出两个选项：

• 3D Reconstruction：真三维模型，做倾斜摄影建模选这个。
• Orthomosaic：2.5D 模型，正射影像和 DSM 走这个——本文选这个。

进入新建的重建节点（默认名 Orthophoto/DSM_1），核心配置在 Spatial Framework 页签。

裁剪重建范围（ROI）

地图视图里默认会用照片覆盖范围生成一个矩形 ROI（Region of Interest，蓝色框）。但实际航测时，边缘几张照片往往覆盖了不需要建模的区域（隔壁的农田、施工场外的道路等），让这些区域参与重建会浪费时间和算力。

点左侧工具栏的「立方体」按钮编辑 ROI：

注意：如果按钮显示「Not available in read only mode」，说明当前打开的是只读项目，需要先关掉重新以可编辑模式打开，或者新建一个 Capture。

裁剪掉不需要的边角，把 ROI 收紧到真正关心的区域。本项目是大庆某条线状走廊的航测，裁剪后 ROI 是一个细长的多边形，而不是大矩形——这一步能减少后续重建的 tile 数量，直接节省时间。

分辨率（Resolution）

分辨率单位是 meters/pixel，即每个像素代表的实际地面距离。它的下限取决于无人机航拍的 GSD（Ground Sample Distance，地面采样距离）——重建分辨率比 GSD 还小是没意义的，因为照片本身就没有那么多细节。

实际工程中只需在两个值之间选一个：

更精细（如 1 cm）需要无人机更低空飞行，单次航拍覆盖面积锐减、照片数量翻倍，重建时长和文件体积也成倍增长，性价比急剧下降；更粗放（如 10 cm 以上）则多数消费级无人机的 GSD 已经能轻松达到 5 cm 内，主动调粗等于浪费数据。

本项目选 0.05 m/pixel——空三结果显示实际 GSD 是 5.8–7.1 mm，理论上能撑到 0.01 m/pixel，但 5 cm 已经够当工程底图用，没必要追求极限。

坐标系（SRS）

大疆等消费级无人机的照片，EXIF 里已经写好了 WGS84 经纬度坐标，Capture Modeler 会根据照片落点自动选择合适的 UTM 投影带——这里通常不需要手动改。本项目大庆地区，软件自动选了 WGS 84 / UTM zone 51N (EPSG:32651)。

UTM（Universal Transverse Mercator）把全球按经度每 6° 划成一个带，每个带有自己的编号。判断自己在哪个带，有两种方法：

• 公式法（30 秒）：UTM 带号 = ⌈(经度 + 180) ÷ 6⌉。例如大庆在东经 125° 左右，(125 + 180) ÷ 6 = 50.83，向上取整得 51，所以是 UTM 51 带，北半球加 N，即 UTM zone 51N。
• 查询法（更省事）：打开 epsg.io，搜索城市名，直接出 EPSG 编号。

Tiling 与资源预算

Tiling（分块）用 Regular planar grid，Tile size（meters）默认 22 米——这是 Capture Modeler 根据分辨率自动算出来的合理值，通常无需修改。下方 Overview 会实时显示：

• Dimensions：整个 ROI 的实际尺寸（本项目 209.591 × 874.529 × 9.4158 米——细长的走廊）。
• Orthomosaic/DSM dimensions：输出图像的像素尺寸（4192 × 17491）。
• The tiling contains N tile(s)：总分块数（本项目 130）。
• Expected maximum RAM usage for a job：预估单个 tile 处理峰值内存（本项目 9 GB）——确认这个数小于你机器的可用内存。

如果 RAM 数字超过你机器的实际内存，把 Tile size 调小可以降低单 tile 内存占用（代价是 tile 数变多、总处理时间略增）。

Production Definition

Spatial Framework 配置好后，右上角点 Submit Production（本地或云端，选择逻辑同空三），弹出 Production Definition 对话框。这个对话框的参数比前面都多，需要逐项过一遍。

Purpose

只勾 Export Orthomosaic/DSM。Reference model 在重建已完成的情况下不可选（灰显属正常）；Water detection 是水面检测，正射影像项目用不到。

Format/Options

这是 Production Definition 的核心，参数较多，逐一说明：

Resolution（meters）：0.05，与 Spatial Framework 保持一致。

Maximum image part dimension（px）：4096。这个值控制单张输出文件的最大边长。如果勾选了 Merge output parts（下一项），这个值影响不大；如果不勾，它直接决定每张分块文件的大小，建议 4096 或 8192。

Merge output parts：勾选——具体是否勾选，后面「输出体积估算」小节会给出明确的判断方法，这里先勾上。

Orthomosaic 子区

• Color source：Reference orthophoto（默认）。
• Format：TIFF/GeoTIFF——这是 AutoCAD 和奥维互动地图都直接支持的格式。
• No data：选 Transparent。当 ROI 是不规则多边形（比如本项目的细长走廊）时，输出 GeoTIFF 是矩形，ROI 之外的区域必须填一个值。选 Color（默认黑色）的话，影像四周会有大块黑边；选 Transparent，这些区域是透明的，叠加到地图或 CAD 上边界整洁。
• Image sharpening：Enabled。锐化对目视判读和工程底图有利。仅当后续要做辐射定标、植被指数计算时才关掉（本文场景用不到）。

Temperature Map

不勾——消费级无人机一般没有热成像传感器。

DSM 子区

• Format：TIFF/GeoTIFF。
• No data：-9999（默认）——这是 GIS 行业的事实标准空值，所有主流软件都识别。

输出体积估算

Production 出来的文件占多大磁盘？这个问题在勾选 Merge 之前必须心里有数，因为它直接影响下一步的判断。

通用公式：

原始体积（MB） = 边长² × 波段数 × 位深字节数 ÷ 1048576

边长：Maximum image part dimension（4096 或 8192）
波段数：
  Orthomosaic + No data = Color    → 3 波段（RGB）
  Orthomosaic + No data = Transparent → 4 波段（RGBA）  ← 本文设置
  DSM                              → 1 波段
位深字节数：
  Orthomosaic 8bit  → 1
  DSM 32bit float   → 4
压缩后体积（MB） = 原始体积 × 压缩率
  GeoTIFF LZW 压缩率 ≈ 0.3–0.6

单文件参考体积（本文设置：Resolution = 0.05 m，No data = Transparent）：

本项目输出像素 4192 × 17491，在 4096 分块下大约切成 2 × 5 = 10 个分块（Merge 前），Orthomosaic + DSM 合计总体积约 400–800 MB。

Merge 还是不 Merge？

判断逻辑很简单：

1. 总体积 < 2 GB → 勾选 Merge。合并成一个大文件，管理方便，GIS 和 AutoCAD 都能直接加载，加载性能也无压力。这是绝大多数项目的情况。
2. 总体积 ≥ 2 GB → 取消 Merge。原因有二：一是接近 4 GB 普通 GeoTIFF 上限时合并会触发 BigTIFF 模式，AutoCAD 对 BigTIFF 支持不稳定，某些版本能加载、某些版本会报错或显示异常；二是单文件过大时，GIS 软件加载和切换图层都会变卡。分块输出后用 INSGEO 等工具批量加载，体验更好。

本项目总体积 < 1 GB，毫无悬念地勾选 Merge。

Spatial Reference System

这一步最容易踩坑的地方：下拉框默认可能显示一个 Local East-North-Up (ENU) 选项——不要选它。Local ENU 是以某个原点为中心的局部直角坐标系，没有全球地理参考，导出的 GeoTIFF 在奥维互动地图里无法自动定位，在 AutoCAD 里也不能跟其他带坐标的图纸对齐。

应当选择和 Spatial Framework 一致的 SRS——本项目选 WGS 84 / UTM zone 51N (EPSG:32651)。两个阶段的坐标系必须一致，否则会出现奇怪的偏移。

Extent 与 Destination

• Extent：默认全选（Use all tiles）即可。如果只想导出 ROI 的一部分，可以在这里画框框选。
• Destination：默认输出到项目目录下的 Productions\Production_1\ 子文件夹，无需修改。

提交生产与处理时间

参数全部确认后点 Submit：

选 Process with iTwin Capture Modeler Engine（本地处理），确认 Engine 在后台运行，任务进入队列。

处理时长参考

GPU 跑分大致与处理速度成正比——如果你的 GPU 跑分是 RTX 2060 的两倍，可以粗略估计处理时间减半。云端处理理论上还能再快 2–3 倍。

任务完成后，Production 节点状态变为 Completed：

输出文件

打开 Productions 子目录，会看到这样的文件结构（以本项目 Production_1 为例）：

Production_1/
├── Production_1_ortho_merge.tif       ← 正射影像 GeoTIFF
├── Production_1_ortho_merge.tfw       ← 正射影像配准文件（World File）
├── Production_1_ortho_merge.tif.ovr   ← 正射影像金字塔
├── Production_1_DSM_merge.tif         ← DSM GeoTIFF
├── Production_1_DSM_merge.tfw         ← DSM 配准文件
├── Production_1_DSM_merge.tif.ovr     ← DSM 金字塔
└── orthoPhoto/                        ← 原始分块文件夹（Merge 前的中间产物）

每个输出都是「三件套」：

• .tif：GeoTIFF 主文件，内嵌坐标系信息。
• .tfw：ESRI World File，纯文本格式的配准文件，记录像素与世界坐标的变换参数。GeoTIFF 本身就含坐标信息，但有些软件（包括较老的 AutoCAD）只读 World File 不读 GeoTIFF 内嵌信息，所以 .tfw 是兼容性保险。
• .tif.ovr：金字塔（Overviews），预先存了多级降采样副本，GIS 或 CAD 软件在缩小到全图视图时直接读对应分辨率层，十倍以上加速。复制/分享文件时，这三个必须一起带——只拷 .tif 会丢配准和金字塔。

后续使用

正射影像（.tif + .tfw + .tif.ovr）做出来后，最常见的几个去处：

导入 AutoCAD

把「三件套」放到一个目录，用 INSGEO 这个 AutoLISP 脚本一条命令批量导入，影像会按 World File 自动落到正确的世界坐标上，不需要手动量距离对齐。

如果项目没勾选 Merge，导出了多个分块文件，INSGEO 也能一次勾选全部分块批量插入。详细操作和团队协作下的 SMB 共享、ETRANSMIT 打包流程，见 INSGEO 文章。

导入奥维互动地图

奥维互动地图支持把 GeoTIFF 影像作为离线自定义地图加载，前提是导出时没用 Local ENU 坐标系（用 UTM 即可，本文已强调）。具体操作奥维官方文档说得很清楚：

• 《如何导入 TIFF 格式的航拍图》 —— 奥维 PC 端，支持单张、批量、整文件夹三种方式（分块导出的项目也能一次性全部导入）。
• 《手机端如何导入 TIFF 格式航拍图》 —— 奥维移动端（Android / iOS）直接导入 GeoTIFF，外业巡查时不用带电脑。

如果文件过大导致奥维加载缓慢，可以先用 QGIS 或 Global Mapper 把 GeoTIFF 重新切片或转换为 JPG/MBTiles 再导入。

导入 QGIS / ArcGIS / Global Mapper

主流 GIS 软件对 GeoTIFF 支持都很好——直接把 .tif 拖进去，软件会自动读取内嵌的坐标系信息并定位。几个常用场景：

• QGIS（免费开源）：拖入即可加载；想叠加在线底图（如天地图、OpenStreetMap），装 QuickMapServices 插件；做切片缓存可以用 Processing 工具箱的「Generate XYZ tiles」。
• ArcGIS Pro：通过 Catalog 直接添加 Raster Dataset；如果要做正射影像镶嵌或与其他数据源融合，用 Mosaic Dataset。
• Global Mapper：File → Open Data Files 加载 GeoTIFF；它的优势是格式转换特别强（GeoTIFF ↔ ECW / MrSID / JPEG2000 / MBTiles 等），文件过大不便分发时用 Global Mapper 转 ECW 能压缩到原来的 1/10 大小，画质损失肉眼几乎不可见。

DSM 文件（Production_1_DSM_merge.tif）也可以一并加入这些软件，做坡度/坡向分析、等高线提取、土方计算等深加工。

本文采用 CC BY-NC-SA 4.0 协议发布，可自由转载、修改，但需保留作者署名、不可用于商业用途、衍生作品需以相同协议发布。