1.掌握数字摄影测量核线纠正、特征提取、匹配、数字高程模型与正射影像的基础理论与算法，了解常用的数字摄影测量软件。

2.具有一定的摄影测量数据处理算法代码实现能力，能发掘现有经典算法的不足，并提出新的方法，培养自主学习能力和创新精神。

3.能够根据4D产品的需求，选择合适的硬件和软件设备，制定顾及社会环境的解决方案。

以上三个课程目标支撑的学生毕业要求，包括以下四点：

1.了解遥感科学与技术专业相应的软硬件的使用原理和方法，并理解其局限性。

2.掌握面向基础测绘、环境监测等复杂遥感工程基本设计、开发方法与技术，并且能了解影响技术方案的各种因素。

3.能够通过文献检索，调研比较当前工艺和方法，分析复杂工程问题，为制定合理解决方案服务。

4.掌握基本的创新方法、具有较强的创新意识和创新能力，具有革新工程工艺流程的意识。

课程的理论教学和实践教学都应以学生课程目标的达成为落脚点，支撑毕业要求的达成，尤其是要注意非技术能力的培养。通过课堂视频辅助、PPT理论讲解，学生可以大致理解算法步骤。但仅通过课堂讲解，学生分析解决问题、创新、表达沟通的能力得不到有效的培养。鉴于此，为了让学生更深入理解数字摄影测量核心算法，结合本专业学生已经开设的C＋＋课程，在实践教学过程中进行了一系列改革。共设计了5次编程试验，内容如表1所示，建议学生采用VS2017完成。个人编写的4次试验由每个同学单独完成，第5次试验分组进行，每组3个同学。个人编写部分，在课外完成后，安排一次课堂试验进行答疑，然后提交报告和源代码，教师根据报告和源代码评价学生达成情况。团队编写部分由教师给定项目题目和提供测试数据，学生组队后根据兴趣、编程基础选择题目，组长安排组员课下查找补充资料、明确分工、设计程序框架、完成代码编写与测试，并撰写多媒体讲稿。在此基础上，每组同学利用多媒体进行交流汇报，教师旁听和提问，并根据汇报答辩情况对学生达成情况进行评价。

表1 数字摄影测量算法实现安排images/BZ_204_237_2027_2220_2934.png

以上实验涉及大量的图像读写和图像操作，直接用C＋＋编写这些内容较为复杂，因此本试验引入OpenCV开源库解决这些问题。OpenCV是英特尔开源的跨平台计算机视觉库，易于配置，具备C＋＋、Python接口，对研究和商业用途均免费。最新摄影测量软件如Pix4D等都吸收了OpenCV的开发成果，也被当前很多深度学习开源库作为图像处理的第三方库。通过引入OpenCV进行图像读写、彩色与灰度影像的转换、结果可视化，可以降低编程的难度，让学生侧重于数字摄影测量本身算法的编写。

三、教学效果

通过交流反馈以及阅读学生的试验报告感想部分，发现很多学生都提到了在课堂上以为听懂了公式，但之后通过编程实践才能深入理解算法的核心，建立起公式与影像像素间的联系。学生在算法实现基础上，对一些阈值或者其他参数进行了调整，利用标准影像和不同实际影像进行测试，加深了对参数所表达的意义的理解。通过闭卷考试的纵向对比，也发现核线排列、最小二乘匹配算法整体掌握情况相比往年有所好转。

在团队编写的过程中，部分学生还自行查找文献，搜索相关的国内外研究现状，试图实现超出教材学习的知识内容，比如实现DEM内插时，每个点内插都和周围的点相关，教材上的算法过程只说明了要搜索每个点周围小于给定半径R内的点，但没有说明这些点怎么搜索。因此点少时，直接比较每个点到当前点的距离可以获得半径范围内的点，该算法直观，但点数目较多时，效率低下。针对此搜索问题，有个别同学探索了一种改进方法，即先将所有的点分配到XY平面格网中，然后再采用类似于影像邻域点的方法搜索周围格网，将格网内的点取出后，再比较实际距离获得R内的点。通过格网预处理，可以大幅提高内插的效率。也有一些同学通过搜索文献，发现可以使用KD-树加速K个邻近点的搜索，也发现了不同KD-树实现，大部分学生使用的是OpenCV中实现，这也丰富了学生对高维数据的搜索。后续任课教师在点评该实验时，指出KD-树的建立过程、用处等，鼓励了学生的探索精神，也指出基于格网的搜索方式和四叉树是相似的，建议相关学生了解四叉树。在KD-树探讨时，有个别学生将KD-树和特征匹配联系起来，提出来这个树结构也可以用于SIFT等高维描述子的搜索匹配。

文章来源：《电脑编程技巧与维护》 网址: http://www.dnbcjqywh.cn/qikandaodu/2021/0301/727.html