數據鏈才是關鍵：四位專家解析無人機測量成果如何獲得測量師認證

四位專家解析：無人機數據產品與測量師認可成果之間的真正差距

圖片來源：Messe Dusseldorf / XPONENTIAL

無人機產業花了十年時間，將「飛行」這件事做到爐火純青。機體性能到位、感測器到位，法規框架雖仍持續演進，但早已不再是 2015 年時的主要瓶頸。這個部分，大致上已經解決。

尚未解決——或至少尚未一致性解決——的，是從無人機感測器記錄回傳訊號的那一刻，到測量師在成果上簽字認可的那一刻之間，所發生的一切。在底特律舉行的 XPONENTIAL 2026 展會上，xyHt 雜誌主辦的一場專題討論將四位專家齊聚一堂，端對端地梳理這個問題：

• Dr. Mohamed Mustafa，Trimble Applanix 技術資深總監
• Mike Horton，GEODNET 計畫創辦人
• Rob Dannenberg，Phoenix LiDAR Systems 執行長
• Brent Pierce，Esri ArcGIS Flight 首席產品工程師

這場由 xyHt 執行編輯 Richard Thomas 主持、題為「將無人機數據轉化為決策」的座談，最終呈現的與其說是技術概覽，不如說是一份工作流程的診斷報告——以及那個流程中，哪些環節總是最先出問題。

---

基礎：定位與差分修正

Mustafa 開場的觀察為後續討論定下了基調。他認為，無人機測量工作的投資報酬率，主要不取決於你選擇哪款機體，而是取決於機上的感測器組合、為其供給的定位數據品質，以及你從數據採集到最終地圖成果的全程管理有多嚴謹。入門級系統在小型專案初看吸引人，但一旦規模擴大，經濟效益便迅速改變。專業級 GNSS／慣性導航整合（即 Trimble Applanix 的產品所在）所帶來的投資報酬率，會隨著專案規模增長而提升，因為底層數據品質始終穩定。

背後的物理原理值得深入理解。單靠 GNSS 只能給你位置；慣性量測單元（IMU）只能給你姿態；兩者單獨使用，都不足以支撐能夠減少——乃至消除——地面控制點依賴的直接地理定位。加入 SLAM（同步定位與地圖建構，源自機器人學）之後，便多了第三條數據流，有助於修正飛行平行航線時累積的條帶對齊誤差。Mustafa 以交響樂團作比喻：每件樂器各自產生聲音，但魔法在於它們如何被融合在一起。「感測器融合的真義，是融合多路數據流，」他說，「就像看著那群站在台上的人，那份魔力油然而生——道理完全相同。」

Mohamed Mustafa，Trimble Applanix 技術資深總監。圖片來源：xyHt

環境讓這一切更加複雜。在都市峽谷、高壓電線附近、採礦現場的垂直牆面旁，或隧道內部，GPS 訊號會嚴重衰減甚至完全喪失。此時，SLAM 不再只是輔助優化，而是必要手段。測量業界有句老話：「垃圾進，垃圾出」；Mustafa 的核心論點是，專業級硬體與軟體的職責，是在數據進入演算法之前就清理好，而非事後補救。

Mike Horton 的貢獻則深入感測器之下的一個層次：讓 RTK、PPK、PPP 等高精度定位模式在現場實際運作的差分修正基礎設施。GEODNET 由 Horton 於 2021 年創辦，目前已在全球 150 個國家擁有超過 22,000 個活躍基準站，其建立初衷在於：傳統 RTK 差分修正模式——每個作業現場都要架設基準站——根本無法大規模複製。「我們設計了一種模式，讓原本打算投資基準站的人，可以透過激勵機制將基準站永久架設好，」Horton 解釋道。最終形成的是他所稱的「公用事業」：差分修正基礎設施在你需要的時候就在那裡，無需另行架設或規劃。目前覆蓋範圍已超過 5,000 座城市，在北美、歐洲、印度及澳洲覆蓋尤為密集。

Horton 對當前時代背景的詮釋同樣值得關注。他認為，地理空間專業人士長期用於建立測量級數據產品的精密定位技術，正逐漸成為「物理 AI」的作業系統——機器人與自動化系統需要持續更新、精確到公分級的周遭環境認知。「傳統意義上的高精度測繪，如今真正成為物理 AI 的核心基礎設施與數據產品，」他說。他以手機為比喻：多數人都記得智慧型手機誕生前的時代，而如今幾乎人手數支；機器人，他認為，也正走在同樣的曲線上——只是落後了十年。那些在利基專業領域撐過數十年的硬體技術，即將迎來來自測量產業始料未及方向的大眾市場需求。

Horton 同時也是 Hyfix 的執行長，該公司正在開發他所描述的「自動化系統晶片」——將 RTK、飛控與通訊整合於單一積體電路——目標是將美國本土製造的高精度半導體技術引入小型消費型無人機。「你有時或許需要大平台來測量廣大區域，但很多時候你不需要，」他說，「你只需要一架可以隨手掏出來、扔上天空的口袋大小 RTK 無人機，既能達到高精度，又兼具消費者可接受的便利性和價格。」FCC 對大疆 DJI 設備的清單限制，更加強化了這套策略邏輯：將高精度定位深度整合進本土生產的硬體，已不只是商業機會，更是戰略必要。

Rob Dannenberg，Phoenix LiDAR Systems 執行長。圖片來源：xyHt

---

處理層：校正、條帶對齊與正確工具的選擇

Rob Dannenberg 講述 Phoenix LiDAR 過去十年的演進歷程，也是一部 UAS LiDAR 工作流程最常在哪裡出錯的記錄。Phoenix 是最早將 UAS LiDAR 商業化的公司——將輕量化汽車級雷射掃描儀與高端 IMU 及 GNSS 結合——但 Dannenberg 坦言，把硬體搞定原來是相對簡單的部分。「如果你沒有正確採集數據，不了解如何採集以及輸出了什麼，就算你有市面上最好的技術也沒用，」他說。

公司因此大力投入培訓、教育與軟體開發——包括他所稱的第一款雲端 LiDAR 處理軟體（於 2017 年發布）。一以貫之的主題是「校正」：確保 LiDAR、IMU 與 GNSS 槓桿臂從一開始就被正確鎖定，讓 Mustafa 所描述的航跡誤差不會在處理鏈中逐步放大。他強調，條帶對齊並非可選項——即便設備再優秀，多條航線飛行也會在數據中產生細微的偏差，必須修正，且不能在修正過程中引入新的誤差。

Dannenberg 也反駁了「UAS 永遠是最佳採集平台」的隱性假設。Phoenix 如今銷售的移動式 LiDAR 和有人機載 LiDAR 系統數量，與 UAS 系統不相上下，他的觀點很簡單：正確的工具取決於專案本身。現行法規限制了無人機在縣市規模作業的能力；有人機在大面積採集上的成本可能比人們預期的低；移動式 LiDAR 覆蓋的廊道地形，是空中平台難以妥善處理的。「只要你能正確控制數據——有正確的 GNSS、正確的 IMU、兩者被妥善整合以建立平滑的最佳估計航跡——那才是真正重要的，」他說。平台是變數，鏈條才是常數。

Mike Horton，GEODNET 計畫創辦人暨 Hyfix 執行長。圖片來源：xyHt

---

GIS 交接：從點雲到決策

Brent Pierce 的報告涵蓋工作流程的末端——數據從無人機移交至 GIS 環境——他對市場結構的觀察提供了有益的背景脈絡。州及地方政府與 AEC（建築、工程、施工）公司是無人機測繪的早期採用者；公用事業公司採用腳步較慢，Pierce 形容它們「對新事物持保守態度」，但在植被管理、管線巡檢和資產管理等場景中正逐漸發現無人機的價值；自然資源與採礦業的採用率則顯著提升。

Pierce 在 GIS 層面識別出的挑戰——大規模影像採集的複雜性、可擴展性、可探索性，以及相關性（舊影像的價值快速流失）——是結構性問題，而非技術性問題。他主導開發的 iPad 應用程式 ArcGIS Flight，負責工作流程的前端：對照現有 GIS 資產進行任務規劃、自動化飛行路徑計算、山區地形跟隨飛行。後端——對齊、光束法平差、成果生成、資料發布——則透過 SiteScan 或 ArcGIS Pro 運行。Pierce 也特別提及 Esri 的 GeoAI 工具集，可對無人機衍生成果執行特徵偵測、特徵萃取與變化偵測。

Pierce 反覆強調的一點，也是 Mustafa 所提到的：從結果出發。「冒著聽起來像保險桿貼紙的風險——以終為始，」Pierce 說，「我常常看到的情況是，客戶打來電話說：『我買了十萬美元的無人機技術』，卻根本沒有認真思考過他們試圖解決的問題是什麼。」他也指向讓這個「終點」日益重要的前景：無人機衍生的現實模型正被直接輸入 AI 系統，相關術語也隨之演變。「你看到很多世界模型（world models）正在以無人機影像建構起來，並被饋入其他 AI 系統，」他說。「人們以新的方式來定義這些東西——空間記憶、世界模型——因為有新一批電腦科學家和開發者加入這個領域，他們沒有製圖學或地理資訊科學的背景，卻從不同的視角研究著相同的問題。」

在場每位專家都對這個核心觀察有自己的版本：技術不是瓶頸，對你需要從技術中得到什麼的理解，才是。

圖片來源：Messe Dusseldorf / XPONENTIAL

---

問答環節：測量級標準、地面控制點與人才缺口

問答環節揭示了產業中幾個懸而未決的緊張點。

什麼是「測量級」？ Dannenberg 直言不諱：「有測量師跟我說，測量級就是有測量師看過這份數據——說實話，這可能算是個不錯的定義。」這個詞已淪為行銷術語，與具體的精度門檻脫鉤。Horton 的表述更為精確：測量級的起點不是精度，而是基準。你可以有極低噪音、高度可重複的數據，但如果你不知道座標是在哪個參考框架和哪個曆元下定義的，那就還算不上測量級成果。在加州，板塊每年移動約 4 公分；在絕對參考框架下，去年精確的座標，今年已有所不同。這個區別，才是區隔地理空間專業人士與所有鬆散使用該術語者的關鍵所在。

沒有地面控制點（GCP）也能達到同等精度？ 一位來自 Mission Office of Aeronautics 的觀眾提出了這個直指 GCP 爭議核心的問題：部分廠商聲稱無需 GCP 即可達到同等精度，這是真的還是行銷話術？Mustafa 的回答審慎：這個主張在技術上站得住腳——如果 GNSS／慣性導航工作做得紮實，數據在三維空間中確實是準確的。問題在於，轉換到地面參考的二維產品時會引入變形，而 GCP 有助於修正這些變形；在沒有任何獨立檢核點的情況下，你根本無從驗證數據是否與地面正確吻合。「叫他們用十個檢核點，確認你的數據在不同位置都能與地面吻合，而不使用地面控制點，」他說。Dannenberg 則更直接地提出責任問題：「最終誰來負責？如果你的數據重要，就去驗證它。」

人才缺口怎麼辦？ 最後一個觀眾問題涉及人力：測量師和農民都是老齡化群體，技術進步的速度遠超過業界招募的速度。美國測量師的平均年齡超過 60 歲。專家們的回應從務實到犀利不等。Horton 指出，自動化系統正在填補農業領域的部分缺口。Dannenberg 認為干預必須從小學階段開始——他認為到了高中，學生往往已確定了方向，而且通常欠缺這個領域所需的數學基礎。他描述了將 LiDAR 設備帶入小學 STEM 實驗室、讓學生建構學校建築 3D 模型的經歷，並觀察到學生的投入程度，遠超過後來更正式的課程引介所能達到的效果。Pierce 則指出，Esri 持續投入招募理解地理空間基本原理的人才，因為那些原理不會因為軟體變得更聰明而消失。

Mustafa 的回答最為深遠。他援引蘋果從 iPod 到兆美元公司的歷程，作為技術產品變得足夠易用、使用者得以專注於答案而非方法時會發生什麼事的範本。地理空間數據尚未達到那個境界——它對使用者的要求仍高於智慧型手機，且在相當時間內仍將如此。但他認為，廠商社群的義務是縮小這個差距：傾聽專業人士真正的需求，並打造能讓日益萎縮的持證從業人口，以更少的人完成更多工作的工具。這些工具永遠不會像手機那樣簡單，但讓它們盡可能接近那個目標，正是整個產業的責任所在。

---

原文來源： 查看原文