做无人机航测或巡检的朋友，一定对这样的场景不陌生：任务结束后，手里攒了几百张甚至上千张照片，需要从中提取每张照片的经纬度、海拔、姿态角，并生成飞行轨迹，用于后续分析或交付。如果一张张去属性里抄，显然不现实；写Python脚本读Exif，虽然可行，但面对不同品牌无人机的私有标签（如XMP字段），往往需要反复调试。
本文从技术实践角度，分享一套完整的元数据提取思路，并介绍常用的导出格式及其适用场景，最后提供一种“开箱即用”的批量处理方案，供参考。
一、照片里到底藏着哪些数据？
无人机拍摄的JPG照片，除了图像本身，还内嵌了符合 EXIF 和 XMP 标准的元数据。以主流消费级和行业级无人机为例，我们最关心的字段通常包括：
| 字段名称 | 对应标签（常见） | 实际意义 |
|---|---|---|
| 拍摄时间 | DateTimeOriginal |
精确到秒的时间戳，用于时序排序和变化监测 |
| 纬度 | GPSLatitude |
WGS84坐标系，地理定位基础 |
| 经度 | GPSLongitude |
同上 |
| 海拔 | GPSAltitude |
绝对高度（椭球高或MSL），用于地形校正 |
| 飞行器仰角（Pitch） | XMP:RelativePitch 或 Pitch |
机身俯仰角度，影响影像倾斜程度 |
| 飞行器滚角（Roll） | XMP:RelativeRoll 或 Roll |
横滚角，评估飞行稳定性 |
| 飞行器航角（Yaw） | XMP:RelativeYaw 或 Yaw |
航向角，反映拍摄朝向 |
| 云台俯仰角 | XMP:GimbalPitch 或 Gimbal Roll |
区分正射/倾斜影像，对三维重建流程有直接影响 |
这些数据合称为 POS（位置与姿态） 信息，是摄影测量、空三解算、点云生成等环节的关键输入。但各厂商（大疆、飞马、Parrot等）对标签命名和存储位置略有差异，提取时需兼容处理。
二、导出格式的技术选型
提取出的元数据，最终要落地为可用的文件格式。常见有三种选择：
1. CSV – 通用表格
CSV结构简单，可直接用Excel、WPS或Pandas读取，适合做统计报表、数据清洗，或导入自定义管理系统。字段名可以自定义，也方便后续数据库入库。
2. KML（带轨迹线） – 地图可视化利器
KML是Google Earth等地图软件支持的标记语言。导出时，除了生成每个照片的点位（Placemark），还可以按拍摄时间顺序连接成 轨迹线（LineString） ，从而在地图中还原无人机的完整飞行路径。这对于向客户展示作业覆盖情况、检查是否存在漏飞区域，非常直观。同时，点选每个点位还能弹出属性信息（时间、高度等），便于复查。
3. SHP（Shapefile） – GIS标准矢量
SHP是Esri的矢量数据格式，已被各大GIS平台（ArcGIS、QGIS、SuperMap）原生支持。将照片点位导出为SHP后，可以叠加行政区划、地块边界、路网等底图，进行空间查询、缓冲区分析或专题图制作，是专业测绘流程中的标准数据产品。
三、批量处理的实现路径
若自行开发提取脚本，常见技术栈是 Python + exifread / PIL / piexif，或调用 pyexiftool 等库。核心步骤：
-
遍历照片目录
-
读取EXIF和XMP
-
提取所需字段并转换为标准单位（如度、米）
-
按KML/CSV/SHP格式写入
但实际会遇到几个坑：不同品牌无人机的XMP命名空间不同；某些字段可能缺失或单位不一致；大疆的批量文件还涉及RNG/RTK数据。因此，脚本的健壮性需要大量测试。
如果不想折腾代码，也可以直接使用现成的图形化工具。最近我接触了一款跨平台（Windows/macOS/Linux）的“无人机照片GPS定位轨迹提取导出工具”，支持拖拽文件夹批量提取，不限照片数量，输出格式涵盖CSV、KML（带轨迹）和SHP，并且能自动识别主流品牌的元数据标签。操作界面简洁，三步完成，对非开发人员非常友好。
四、典型应用场景
-
农业植保：通过轨迹和姿态数据，校验喷洒作业是否均匀覆盖，结合经纬度定位漏喷区域，辅助精准补喷。
-
林业调查：利用航向和云台角度分析林冠拍摄序列，辅助郁闭度估算；KML轨迹叠加林地权属图，确证调查路线合规性。
-
生态监测：周期性飞行的时间戳和轨迹归档，支持同一区域的时序变化对比（如植被覆盖变化）。
-
应急与巡检：快速生成带轨迹的KML文件，上报指挥中心，直观展示侦察或巡检路径。
五、结语
无人机照片的元数据是一座“金矿”，但只有批量、准确地提取并转化为标准数据格式，才能真正发挥其价值。无论您选择自行开发脚本，还是借助专用工具，核心诉求都是高效、准确、兼容。希望本文能为大家提供一些思路，也欢迎留言交流各自的数据处理经验。
提取：
win10、11版本： https://wgfa.cn/2021
Mac 苹果版本： https://wgfa.cn/2022
浙公网安备 33010602011771号