4、地理信息系统(GIS)应用：数字高程模型(DEM)、城市三维建筑模型、障碍物数据库构建
各位同行，咱们接着聊。上一章讲了空域结构，这一章我带你看看GIS这个老本行。说白了，没有GIS数据，你的航迹规划就是盲人摸象。我做了这么多年无人机，最深的体会就是：地图数据有多精细，你的飞行就有多安全。
4.1 数字高程模型（DEM）——飞行的“地基”
DEM，就是数字化的地面高度。别小看它。我见过太多新手，拿着卫星图就敢飞，结果撞上山脊。嗯，这里要讲清楚。
DEM的数据来源主要有三种：
- 航天遥感：比如SRTM、ASTER GDEM。覆盖广，但精度一般（30米左右）。适合大范围地形评估。
- 航空LiDAR：精度高（可达0.5米），但成本也高。我习惯在城市重点区域用这个。
- 无人机倾斜摄影：自己飞出来的DEM，最灵活。但需要后处理，耗时。
核心要点：DEM不是越高越好，关键是分辨率要与你的飞行任务匹配。城市低空飞行，我建议至少用5米分辨率的DEM。
举个例子。有一次我在山区做巡检，用的SRTM数据。结果发现实际地形比DEM高了近20米。为什么？因为SRTM是雷达测的，树冠高度也算进去了。所以，DEM要区分DSM（数字表面模型）和DTM（数字地形模型）。DSM包含建筑物、树木，DTM是裸地。城市飞行，DSM更实用。
4.2 城市三维建筑模型——躲开“水泥森林”
城市里飞，最大的威胁不是鸟，是楼。你想想看，一栋100米的高楼，在DEM里可能只显示一个点。但在三维模型里，它是一个实实在在的障碍物。
构建城市三维建筑模型，我常用的方法：
- 手工建模：用SketchUp或3ds Max。精度高，但费时。适合重点区域。
- 自动生成：基于LiDAR点云或倾斜摄影。速度快，但细节可能丢失。
- 开源数据：比如OpenStreetMap的3D建筑。免费，但更新慢。
我个人习惯，把建筑模型分成两类：
| 类型 | 精度要求 | 更新频率 | 典型用途 |
|---|---|---|---|
| LOD1（体块模型） | 低（±5米） | 季度更新 | 宏观路径规划 |
| LOD2（带屋顶细节） | 中（±1米） | 月度更新 | 起降点评估 |
| LOD3（带立面纹理） | 高（±0.2米） | 实时更新 | 避障与精准降落 |
我的经验：别一上来就追求LOD3。先拿LOD1跑通流程，再逐步细化。否则数据量太大，你的计算平台扛不住。
4.3 障碍物数据库构建——把“雷”都标出来
障碍物不只是楼。电线杆、塔吊、广告牌、甚至飞鸟群，都是潜在威胁。构建一个完整的障碍物数据库，是航迹规划的前提。
我建议按以下步骤来：
- 数据采集：用LiDAR、毫米波雷达、视觉相机，多传感器融合。别只靠一种。
- 分类标注：把障碍物分成静态（建筑、树木）和动态（车辆、行人）。静态的入库，动态的实时更新。
- 空间索引：用R-tree或四叉树。不然每次查询都遍历全库，效率太低。
- 更新机制：城市变化快。我建议设置“热区”和“冷区”。热区（如施工工地）每周更新，冷区每月一次。
注意：障碍物数据库不是一劳永逸的。我曾经吃过亏，一个工地三天就立起了一座塔吊，我的数据库没更新，差点撞上。从那以后，我强制要求所有飞行任务前，必须做一次“障碍物快检”。
下面这张图，是我常用的障碍物数据库构建流程。你看一眼就明白了：
你看，这个流程是个闭环。数据采集完，分类、索引、入库，然后定期更新。每次飞行后，把新发现的障碍物反馈回去。这样数据库才会越来越准。
4.4 实战：用Python快速构建障碍物数据库
光说不练假把式。我写了个小脚本，帮你快速上手。别怕，代码不长：
import geopandas as gpd
from shapely.geometry import Point, Polygon
# 1. 加载DEM数据
dem = gpd.read_file('dem.tif')
# 2. 加载建筑模型（假设是GeoJSON格式）
buildings = gpd.read_file('buildings.geojson')
# 3. 构建障碍物数据库
obstacles = []
for idx, building in buildings.iterrows():
# 提取建筑轮廓和高度
footprint = building['geometry']
height = building['height']
# 生成三维障碍物（这里简化为带高度的多边形）
obstacle = {
'id': idx,
'geometry': footprint,
'height': height,
'type': 'building'
}
obstacles.append(obstacle)
# 4. 转为GeoDataFrame并保存
obstacle_gdf = gpd.GeoDataFrame(obstacles)
obstacle_gdf.to_file('obstacle_db.geojson', driver='GeoJSON')
print(f"共构建 {len(obstacle_gdf)} 个障碍物")
小提示：实际项目中，你还要考虑障碍物的“安全缓冲区”。我一般给每个障碍物外扩1.5倍高度作为安全距离。别问为什么，血的教训。
好了，这一章就到这里。GIS这块内容多，但核心就三点：DEM打底、建筑模型细化、障碍物数据库兜底。你回去试试，有问题随时交流。