由于传统遥感中遥感平台的稳定,使得旋转角度变化并不大,可以考虑角度小值的平差处理方法。另外,专业量测相机的使用,使得所获取的影像像幅较大以及匹配出的像点坐标更加准确。虽然传统摄影测量中存在这些优点,但是其高昂的价格、庞大的体积并不能普遍满足人们的需求。随着无人机技术和非量测数码相机技术的逐步成熟,在相对低成本下,实现低空遥感已变得越来越现实。本文在传统的航空摄影测量数据处理的基础上,针对无人机的旋转角度、大量匹配的点位问题,做了进一步地推导与研究。主要的研究内容如下：1.传统相对定向时需要找寻标准点位来完成定向,由于无人机所获取的影像像幅小,数量多,且每张影像可匹配出相当量的同名点,而且有时很难找出标准的点位。如果一次全部代入求解未知参数,势必造成矩阵求逆的困难,因此,将观测值分为若干组,逐次进行平差,降低了矩阵的规模,实验获得了和传统严密的平差方法基本一致的精度。2.在构成旋转矩阵时,利用单位四元素代替欧拉角,从而推导出基于单位四元素的相对定向、绝对定向和光束法平差,避免了因繁重的三角函数运算方面的问题,简化了误差方程式,能够快速的收敛。3.在考虑到可靠性问题时,推导出了基于单位四元素的带有模型连接条件的定向方法,在平差过程中选择带有新增参数的序贯平差算法。解决了在同名点数量相对较多的情况下,大规模法方程式的求解问题。分析对比了两种定向方法的优劣,结果表明,可靠性高的,精度未必会高。因此,在数据处理过程中对两种方法的选择要进行综合考虑。4.在光束法求解过程中,大量的影像以及控制点的全部整体平差,势必会造成大规模系数矩阵的产生。首先当矩阵出现奇异情况时,很难求解准确值。依据矩阵SVD分解,对其系数矩阵直接进行分解,可避免矩阵奇异现象,有利于任何矩阵的广泛求解。其次,根据带有新增参数的序贯算法,依次对每张像对进行逐次平差求解外方位元素,简化了系数矩阵的规模性。