土地作为一种重要的生产资料,对人类生产生活起到重要作用。土地工程可以提高农业用地质量、增加耕地面积,从而提高土地节约集约利用程度,并进一步改善农业生产条件,有效缓解土地资源紧缺。土地工程项目在施工前期、施工过程中和竣工后都需要长期的动态监测,但传统的测绘技术和测绘仪器效率低下且费时费力,已难以满足土地工程监测快速发展对测绘科学技术的需求。随着测绘硬件技术的不断进步与发展,无人机平台和轻便型传感器开始在测绘领域得到了广泛应用。无人机遥感(Unmanned Aircraft System remote sensing,UAVRS)技术也开始出现并取得了迅速发展。与传统测绘技术相比,无人机遥感技术的测绘精度和测绘效率高,该技术在土地工程领域的应用极大地提高了土地整治工程的工作效益。但是,无人机摄影测量受飞行高度的限制较大,尤其是将其运用于地形起伏较大的研究区域时。这会导致两张连续影像之间损失部分重叠度,部分区域无法被重复观测到,从而影响数据质量。为了避免覆盖度不足的情况出现,实际应用中常用的方法是设置远高于要求的影像重叠度,但这意味着航点的分布会更为密集,进一步造成数据冗余。加之受到无人机续航时间的限制,电池供电的无人机仅仅可以支持15到30分钟的飞行,不足以一次完成摄影测量任务。基于以上原因,本研究试图开发一种算法,该算法可以优化无人机执行摄影测量任务时的飞行路径,以最低的数据量和最短的飞行时间在山地丘陵地区获取用于生成高质量数字模型产品的影像集。研究区的数字表面模型(Digital Surface Model,DSM)、用户定义的GSD和影像重叠度将作为该算法的初始输入。基于数字表面模型,该算法可以根据用户所需的GSD和图像重叠度,计算飞行任务中所有航点的位置。然后,该算法将删除那些冗余影像以找到对研究区完全覆盖的最少影像数目。最后,再利用该算法设计出一条飞行时间最短的路径。该算法最终将会输出一条飞行时间成本最低的路径,该路径是由用于获取影像的所有航点的位置及其访问顺序组成。本研究针对山地丘陵地区无人机摄影测量的路径规划难题开展研究,提出了一种基于像元级别的目标地物被观测次数统计算法,实现了对冗余数据的判断和删除,并基于摄影测量常规的“S”字型飞行路径使用模拟退火算法进行优化,实现了最短飞行时间路径的规划。研究结论如下:(1)将研究问题转化为算法问题并拆分成密集航点网络布设、冗余数据的判断和删除及最短飞行时间规划三个部分。针对各个部分的不同功能提出了相应的算法思路,使用MATLAB完成算法的代码实现工作,构建了五种不同的情境测试算法在不同环境下的性能。(2)利用研究区域的DSM模型、相机参数、影像重叠度和GSD等参数输出了密集航点网络。再以密集航点网络为输入量,确定了每个航点所拍摄的影像的覆盖范围。并利用元胞数组储存每张影像的覆盖范围,再统计了目标地物上每一个像素点被观测到的次数。使用MATLAB中的while循环实现对全部影像的重复多次选取并判断其是否满足删除条件,在连续300次没有删除影像后终止循环。该阶段的输出结果为筛选后确保研究区域完全覆盖的最少航点个数。之后以筛选后的航点网络为输入参数,将飞行路径规划简化为TSP问题,采用模拟退火算法进行飞行路径优化,最终输出飞行时间最短的路径。(3)测试了算法在不同地形模型和不同输入参数条件下的工作性能。研究表明,在最小被观测次数“n”值为3的情况下,经算法优化后的航点网络数据量减少的幅度很大,最少为23.51%,最多可达80.1%。在相同条件下,当n=4时,数据量的下降幅度就从23.51%减少至4.39%数据量下降的幅度主要取决于制定无人机摄影测量飞行任务时所设定的图像重叠度,重叠度越高,数据优化效果也越明显。飞行时间减少的幅度最大为5.82%,最小为0。提升效果不明显主要是因为作为初始解的“S”字型路径一定意义上是科学有序的路径。测试结果表明,本研究提出的算法在不同测试情境下都能提供完全覆盖研究区域的最少航点个数和最短飞行时间的最优路径。尤其是在研究山地丘陵的飞行路径规划时具有较好的规划效果。