第一篇文献：谈大数据时代的云控制摄影测量 ——张祖勋院士
提出背景：大数据时代的到来，通过无人机等手段获取到的摄影测量影像具有传统航测影像不具备的优势和缺点。优势主要是数据量大，获取到的周期短，时效性高。劣势是规范性弱，缺乏严格的航线规划。且大多为非量测型相机拍摄，相对与量测型相机而言，影像的几何质量不高。由于作为传统的摄影测量方法几何控制数据的外业控制点的获取具有复杂性和低效性。本文作者提取将已有的地理信息产品如：DLG,DOM,DEM,DSM作为几何控制信息来代替外业控制点，通过自动配准获取大量的云(点云)控制点。本文作者主要介绍了三种云控制摄影测量的方法。
方法一：基于影像的云控制
- 基于DOM+DEM的的云控制
基于DOM+DEM的云控制的方法的主要思想是：通过新影像和正射影像的自动匹配提取控制点。首先通过在新影像上提取特征点，通过自动匹配技术将提取到的特征点匹配到周边的影像上，从而获取连接点。之后，通过新影像的初始的定向参数对连接点进行前方交会计算连接点的初始地面坐标，然后，再在正射影像的地面范围内匹配同名点，通过DOM的平面坐标和DEM的高程坐标，得到控制点的三维物方坐标。具体流程如下图所示：
2. 基于已知定向参数的影像云控制
基于已知定向参数的影像云控制方法的第一步操作和基于DOM+DEM云控制方法的一样，都是通过新影像构建*网；然后通过新、老影像的匹配将*网加密点传递给老影像，再使用老影像的定向参数进行前方交会，进而获得新影像的*加密点的三维物方坐标。其原理如下图所示：
3. 两种方法的比较
两种方法的影像控制源不同，第一种方法使用的是正射影像，而第二种方法使用的是原始影像；
第一种方法由于用到的是DEM来确定高程，DEM的高程只包括地形高程，而如果有控制点是在房子等地物上，测出来的高程不够精确；
第二种方法精度比第一种方法要高，尤其是在高程方面，因为其三维坐标是直接通过前方交会所得，第二种方法适用于大比例尺的影像几何定位，而第一种方法适用于小比例尺的影像几何定位。
方法二：基于矢量的云控制
已有影像的矢量数据可以作为“云控制”数据。但是存在两个难点：1. 由于线特征控制和影像的像点之间没有严格的对应关系，因此，要对传统的基于控制点的定位方法进行扩充；2.由于控制数据和影像数据的数据类型分别为矢量数据和栅格数据，数据类型不同，二者之间的数据配准也是一个难点。
为了解决难题一，用到广义点摄影测量理论
摄影测量起源与测量中的前方交会和后方交会，为了将线特征作为控制信息用于几何定位，必须将点扩展到线。传统的点可以列（x，y）两个误差方程，而广义的点，即线，可以根据影像线特征角度的大小选择性的列一个方程。即根据x，y中哪个残差小来列误差方程，如下图所示：
如图所示，当特征线和水平方向的夹角在-45度——45度之间时候，x方向的残差值（特征点在影像上的观测坐标和对应物方点在影像上的投影坐标之差）较小，可列x方向的误差方程。反之，列y方向的。
为了解决难题二，论文中作者列举了很多人的研究成果，在此不列举了。
这种方法比较适用于中小比例尺的几何定位
方法三：基于LIDAR点云和DLG的云控制
DLG是二维平面图，虽然有高程注记，但是不能单独用于影像的云控制。需要结合Lidar点云构成多元云控制。Lidar获取到的地表信息精度较高，常用作光学影像几何定位的基准，以实现光学影像的几何精准定位。使用这样的云控制方法也需要解决两个问题：1.Lidar点云的精度评定；2.影像和Lidar点云是不同的数据类型，栅格和点云数据，二者之间的自动配准是另一个关键问题。
问题一：Lidar点云的精度评定
本文作者采用DLG作为Lidar点云精度的评判标准，高程精度用DLG的高程注记来评估，平面精度则用DLG中建筑物的轮廓线来评定。评定结果如下图，高程中误差为7.8cm，平面中误差为6.9cm，符合航测加密点的精度要求。
方法二：影像与Lidar点云的配准
主要方法有三种，基于二维图像匹配的方法，基于三维点云配准的方法，基于二维图像和三维点云直接匹配的方法。本文应用底二种方法，具体的是基于ICP的方法。
方法三：影像与Lidar点云+DLG的配准
DLG主要用于平面控制上，体现在建筑物轮廓矢量的平面控制。
总结与展望
作者认为，大数据时代简单的算法比小数据时代复杂的算法更加有效，这是云控制摄影测量的核心。通过使用地理信息产品的数据代替外业控制点，实现了高效、自动、智能化的处理，具有深远的意义。
但也存在如下问题：
1. 当前已有的地理信息成果没有应用到新影像的摄影测量中来，其成果没有得到有效的发挥；
2. 加强对地理信息产品的已知的定向参数的储存和管理
作者认为，云控制摄影测量技术在中小比例尺的影像几何定位和数据更新中的应用已经成熟，未来的发展趋势包括：
1. 广泛应用于大比例尺航空影像，特别是无人机航拍影像的几何定位、数据更新与测图
2. 随着DLG、Lidar点云等高精度的参考数据的积累，影像比例尺的提高、信息的丰富化、场景的复杂化都增加了大比例尺影像云控制的难度，基于单一数据的云控制可能会较好的解决这个问题，应该发展基于影像、DLG和Lidar点云等多源数据联合控制的云控制方式。