图1 四种无人机（UAV）飞行轨迹示意：前向（红色）、后向（蓝色）、垂直于作物行的蛇形并带有横向滑移（黄色）、以及平行于作物行的蛇形并带有横向滑移（紫色）。无人机按轨迹进行颜色编码。F 表示无人机前方，箭头表示飞行方向 。

  图2 基于光流对无人机运动进行分类。图 (a) 和 (b) 展示了两个帧对之间逐像素光流的矢量图，以及用于运动分类的矩形划分。中间的灰色矩形未被考虑 。

  图3 CorNetv3 的训练示意图，展示了数据准备、增强和训练流程 。

  图4 基于光流的镜头检测。红色叉号表示选定的镜头边界。(a) 为在成株玉米蛇形轨迹带横向滑移过程中检测到的 16 个镜头，共生成 17 个子拼接图。(b) 为在幼苗期玉米蛇形轨迹带横向滑移过程中检测到的 13 个镜头，共生成 14 个子拼接图。

图5 子拼接与全局拼接组装。

 图6 DroneZaic 工作流程。黄色表示输入视频；蓝色表示动态采样；紫色表示镜头和云台标定；绿色表示基于 CorNetv3 的单应性估计；粉红色表示镜头切换检测；橙色表示子拼接和全局拼接 。

  图7 DroneZaic 在幼苗期玉米上的拼接效果与真实图像对比。对比了不同方法（CorNetv2、CorNet、ASIFT、WebODM）生成的拼接结果与单帧高空图像的真实情况。结果显示，DroneZaic（CorNetv3）产生的几何畸变最小，拼接更接近矩形且结构完整 。

 图8 DroneZaic、CorNetv2、CorNet 和 ASIFT 在成熟玉米蛇形飞行数据上的拼接结果对比。左列 (c)(e)(g)(i) 为无子拼接结果，右列 (d)(f)(h)(j) 为使用镜头切换检测与子拼接的结果。(a) 为同一天在高空拍摄的单幅真实图像，(b) 为 WebODM 拼接结果 (0.02 cm/像素)。所有图均为相同放大倍数 。

  图9 DroneZaic 与 CorNetv3 在不同对象（农用建筑、向日葵田、南瓜地）上的拼接结果。与 ASIFT 对比，CorNetv3 拼接更准确，几何畸变更小，泛化性更好。

 图10DroneZaic 在不同无人机和飞手条件下的泛化性，展示其在多样化用户和无人机条件下的适应性与实用性。图 (d) 和 (e) 分别展示了 DJI Air 2S 采集的幼苗期和成熟期玉米拼接结果。