从大疆M300航拍照片中提取GPS与云台数据的Python实战指南

无人机航拍已成为测绘、农业监测、城市规划等领域的重要工具。大疆M300 RTK作为行业级无人机，其拍摄的JPG照片不仅包含图像信息，还嵌入了丰富的元数据——从精确的GPS坐标到云台姿态角度，这些数据对后续分析至关重要。本文将手把手教你用Python提取这些关键信息，无需复杂理论，直接进入实战操作。

1. 准备工作与环境配置

在开始编码前，我们需要确保开发环境准备就绪。Python作为数据处理的首选语言，配合几个核心库就能轻松完成这项任务。

首先安装必要的Python库：

bash复制pip install pillow piexif

Pillow是Python图像处理的标准库，而piexif专门用于处理EXIF数据。这两个库的组合能高效读取JPG文件中的元信息。

创建一个新的Python文件（如dji_metadata_extractor.py），导入以下模块：

python复制import piexif
from PIL import Image
import os
from pprint import pprint

提示：建议使用Python 3.7或更高版本，某些旧版本可能不完全兼容最新的EXIF处理库。

2. 理解大疆M300的元数据结构

大疆无人机在JPG文件中存储了两类关键元数据：

1. 标准EXIF数据：遵循行业规范，包含相机参数、拍摄时间等基础信息
2. 大疆私有数据：存储在XMP格式中，包含无人机特有的飞行和传感器数据

通过以下代码可以查看照片中的所有可用EXIF标签：

python复制def print_all_exif(image_path):
    img = Image.open(image_path)
    exif_data = img._getexif()
    
    if exif_data:
        for tag, value in exif_data.items():
            print(f"Tag: {tag}, Value: {value}")
    else:
        print("No EXIF data found")

print_all_exif("DJI_0001.JPG")

典型的大疆M300元数据包含这些关键字段：

3. 完整的数据提取代码实现

下面是一个可直接使用的完整脚本，它能批量处理大疆M300拍摄的JPG照片，提取关键元数据并保存为结构化格式。

python复制import piexif
from PIL import Image
import os
import json

def extract_dji_metadata(image_path):
    """提取单张照片的大疆元数据"""
    try:
        img = Image.open(image_path)
        exif_dict = piexif.load(img.info['exif'])
        
        # 提取标准GPS信息
        gps_data = {}
        if piexif.GPSIFD in exif_dict:
            gps_info = exif_dict[piexif.GPSIFD]
            gps_data = {
                'latitude': gps_info.get(piexif.GPSIFD.GPSLatitude),
                'longitude': gps_info.get(piexif.GPSIFD.GPSLongitude),
                'altitude': gps_info.get(piexif.GPSIFD.GPSAltitude)
            }
        
        # 提取大疆私有数据
        dji_data = {}
        if '0th' in exif_dict and piexif.ImageIFD.Make in exif_dict['0th']:
            make = exif_dict['0th'][piexif.ImageIFD.Make].decode('utf-8')
            if 'DJI' in make:
                xmp_start = img.info.get('xmp', '')
                if xmp_start:
                    xmp_lines = xmp_start.split('\n')
                    dji_lines = [line for line in xmp_lines if 'drone-dji:' in line]
                    
                    for line in dji_lines:
                        line = line.strip().replace('drone-dji:', '')
                        if '=' in line:
                            key, value = line.split('=', 1)
                            dji_data[key.strip()] = value.strip('"')
        
        return {
            'file_name': os.path.basename(image_path),
            'gps': gps_data,
            'dji_metadata': dji_data
        }
    
    except Exception as e:
        print(f"Error processing {image_path}: {str(e)}")
        return None

def batch_process_images(folder_path, output_file='metadata.json'):
    """批量处理文件夹中的所有JPG照片"""
    results = []
    
    for filename in os.listdir(folder_path):
        if filename.lower().endswith('.jpg') or filename.lower().endswith('.jpeg'):
            file_path = os.path.join(folder_path, filename)
            metadata = extract_dji_metadata(file_path)
            if metadata:
                results.append(metadata)
    
    with open(output_file, 'w') as f:
        json.dump(results, f, indent=2)
    
    print(f"Processed {len(results)} images. Results saved to {output_file}")
    return results

# 使用示例
if __name__ == '__main__':
    # 处理单个文件
    single_metadata = extract_dji_metadata('DJI_0001.JPG')
    pprint(single_metadata)
    
    # 批量处理文件夹
    batch_process_images('path_to_your_photos_folder')

4. 数据处理与结果应用

获取原始数据后，通常需要进行进一步处理才能用于实际分析。以下是几个常见的数据转换和处理示例。

GPS坐标转换：大疆存储的GPS坐标通常是度分秒格式，需要转换为十进制：

python复制def dms_to_decimal(dms, ref):
    """将度分秒格式转换为十进制"""
    degrees = dms[0][0] / dms[0][1]
    minutes = dms[1][0] / dms[1][1] / 60
    seconds = dms[2][0] / dms[2][1] / 3600
    decimal = degrees + minutes + seconds
    return -decimal if ref in ['S', 'W'] else decimal

数据可视化：使用pandas和matplotlib可以快速分析飞行轨迹：

python复制import pandas as pd
import matplotlib.pyplot as plt

def visualize_flight_path(metadata_file):
    """可视化飞行轨迹"""
    with open(metadata_file) as f:
        data = json.load(f)
    
    df = pd.DataFrame([{
        'lat': dms_to_decimal(item['gps']['latitude'], 'N'),
        'lon': dms_to_decimal(item['gps']['longitude'], 'E'),
        'alt': item['dji_metadata'].get('AbsoluteAltitude', 0)
    } for item in data if item['gps']])
    
    plt.figure(figsize=(10, 6))
    plt.plot(df['lon'], df['lat'], 'b-', marker='o')
    plt.xlabel('Longitude')
    plt.ylabel('Latitude')
    plt.title('Flight Path Visualization')
    plt.grid(True)
    plt.show()

visualize_flight_path('metadata.json')

常见问题排查：

1. 数据缺失：如果某些字段为空，检查：

   • 无人机是否开启了RTK定位
   • 照片是否来自大疆M300（其他型号数据格式可能不同）
   • 照片是否经过后期处理导致元数据丢失

2. 坐标异常：确保正确转换了坐标格式，并注意：

   • 北纬/南纬、东经/西经的符号处理
   • 海拔高度的基准面（WGS84椭球高或正高）

3. 性能优化：处理大量照片时：

   • 使用多线程加速（Python的concurrent.futures模块）
   • 先筛选有GPS数据的照片再处理

5. 高级技巧与自动化应用

对于需要定期处理航拍数据的用户，可以考虑以下进阶方案：

与GIS系统集成：将提取的数据直接导入QGIS或ArcGIS：

python复制def export_to_shapefile(metadata_file, output_shp):
    """导出为Shapefile格式"""
    import geopandas as gpd
    from shapely.geometry import Point
    
    with open(metadata_file) as f:
        data = json.load(f)
    
    features = []
    for item in data:
        if item['gps']:
            lat = dms_to_decimal(item['gps']['latitude'], 'N')
            lon = dms_to_decimal(item['gps']['longitude'], 'E')
            props = item['dji_metadata'].copy()
            props['file_name'] = item['file_name']
            features.append({
                'geometry': Point(lon, lat),
                'properties': props
            })
    
    gdf = gpd.GeoDataFrame.from_features(features)
    gdf.to_file(output_shp)
    print(f"Exported {len(features)} points to {output_shp}")

export_to_shapefile('metadata.json', 'flight_points.shp')

自动化工作流：结合无人机数据处理的全流程：

1. 无人机拍摄完成后自动将照片传输到指定文件夹
2. 监控文件夹变化自动触发元数据提取脚本
3. 将结果导入数据库或云存储
4. 触发后续分析流程（如正射影像生成、变化检测等）

python复制import time
from watchdog.observers import Observer
from watchdog.events import FileSystemEventHandler

class NewPhotoHandler(FileSystemEventHandler):
    def on_created(self, event):
        if event.src_path.lower().endswith('.jpg'):
            print(f"New photo detected: {event.src_path}")
            # 这里添加处理逻辑
            metadata = extract_dji_metadata(event.src_path)
            # 保存或发送到其他系统

def start_monitoring(folder_path):
    event_handler = NewPhotoHandler()
    observer = Observer()
    observer.schedule(event_handler, folder_path, recursive=False)
    observer.start()
    
    try:
        while True:
            time.sleep(1)
    except KeyboardInterrupt:
        observer.stop()
    observer.join()

start_monitoring('path_to_watch_folder')

在实际项目中，这套方法已经帮助农业监测团队快速分析数千公顷农田的航拍数据，将数据处理时间从数小时缩短到几分钟。关键在于理解数据结构和建立可靠的处理流程，而不是重复手动操作。