无人驾驶飞行器(UAV)的多光谱观测目前被用于精确农业和作物表型应用，以监测一系列特征，从而能够表征植被状况。然而，无人机的自主性有限，在对大片区域进行抽样时，很难完成飞行。因此，在不降低地面采样距离(GSD)的情况下提高数据采集的吞吐量是一个亟待解决的问题。


实验场的RGB正射图像。地面控制点(#1~9)用黄色十字表示，所研究的299个微区的边界用橙色表示。黑虚线划定了研究区域。在3.1节中，用红色突出显示的微图用于计算摄像机的视角。在QGIS软件中对1：23的正射影像进行放大后，增加了GCP#4的截图。

本文提出了一种基于两个焦距(F)光学元件组合的新的图像采集结构：在多光谱相机的标准f=8 mm(SS：单条带)的基础上增加了一个f=4.2 mm的光学元件(DS：双条带，是标准条带的两倍)。2018年，使用AIRPHEN多光谱相机在海拔52米的玉米田上空连续完成了两次飞行。DS的飞行计划被设计成与4.2毫米的光学系统有80%的重叠，而SS One的设计是为了与8毫米的光学系统有80%的重叠。因此，与SS相比，DS覆盖相同区域所需的时间减少了一半。


DS配置的地理参考精度得到了提高，特别是Z维度，这是因为小焦距光学器件具有更大的视角。对株高估计的应用表明，DS配置提供了与SS配置相似的结果。然而，对于DS和SS配置，降低用于生成3D点云的质量级别会显著降低植物高度估计值。

来源：Plant Phenomics.A Double Swath Configuration for Improving Throughput and Accuracy of Trait Estimate from UAV Images.Wenjuan Li, Alexis Comar , Marie Weiss , Sylvain Jay , Gallian Colombeau, Raul Lopez-Lozano , Simon Madec , and Frédéric Baret
https://spj.sciencemag.org/journals/plantphenomics/2021/9892647/