显示用于生成地面控制点的影像所在的数据集，不可编辑。

选择地面可控制点分布方式，提供常规和均匀两种方式，默认为常规。

• 常规：将每一个景划分为N*M的子区域，再从每个子区域内挑选n个512*512大小的影像块进控制点生产。生成的地面控制点将会尽量布满整个影像。
• 均匀：生成的地面控制点将会均匀的分布在每景影像上。点的数据比常规分布的少，但分布更加均匀，适用于影像内部畸变较大的情形。

在点分布方式中选择常规后可用。

每景影像在列方向上划分的块数，默认值为4。

在点分布方式中选择常规后可用。

每景影像在行方向上划分的块数，默认值为4。

在点分布方式中选择常规后可用。

提供以下六种匹配方法，可根据数据特点和需求选择。其中，AFHORP和RIFT方法支持多模态数据匹配；CASP和DEEPFT基于深度学习，需额外配置AI模型并安装CUDA环境；一般情况下，推荐使用MOTIF、CASP或DEEPFT。

• MOTIF（默认项）：一种针对多模态影像的模版匹配算法，其特点是采用轻量级特征描述符。MOTIF能克服由SAR与光学图像差异引起的非线性辐射畸变。
• CASP：一种新颖的级联匹配流程，它得益于整合高级特征，有助于降低低级特征提取的计算成本。该流程将匹配阶段分解为两个渐进阶段，首先在较粗糙的尺度上建立一对多的对应关系作为级联先验。然后，利用这些先验进行引导，确定目标尺度上的一对一匹配。^[1]
• DEEPFT：一种基于深度学习的影像匹配方法。
• SIFT：一种从影像中提取独特不变特征的方法，可用于在不同视角下的物体或场景之间进行可靠匹配。
• RIFT：一种对大范围非线性辐射畸变具有鲁棒性的特征匹配算法。它能够提升特征检测的稳定性，并克服基于梯度信息进行特征描述的局限性。
• AFHORP：一种针对多模态影像的特征匹配算法。AFHORP对多模态影像中的辐射畸变和对比度差异具有较强的抵抗力，在解决方向反转和相位极值突变问题方面表现优异。

在点分布方式中选择常规后可用。

影像匹配时，每个影像块内保留的最大点数目，取值范围为[1,2048]，默认为256。

在点分布方式中选择均匀后可用。

设置每景影像上同名点匹配的种子点数量，取值范围为[64,6400]，默认为512。当影像纹理较差时，建议增加地面控制点数量，以便匹配出足够多的点，提高后续影像处理质量。

在点分布方式中选择均匀后可用。

设置查找种子点的方式，默认为栅格中心点。

• 角点：选择区域内特征明显的点作为种子点。
• 栅格中心点：将栅格的中心点作为种子点，此查找方式具有随机性。

在点分布方式中选择均匀后可用。

设置种子点之间的间隔大小，取值范围为[1,256]，默认为40，单位为像素。模板越大，搜索的点越可靠，但耗时越长。

在点分布方式中选择均匀后可用。

设置影像匹配的种子点搜索半径，取值范围为[0,256]，默认值为40，单位为像素。搜索半径越大，匹配范围越大，耗时也越长。

勾选语义剔除非地面点后显示后可用。

默认勾选，即将根据设置的数据集，自动剔除云层区域内的地面控制点。若不勾选，则保留云层区域的地面控制点。数据集中必须包含ImageName字段，且名称要与当前待处理影像名称对应。

勾选云层区域后显示，不可编辑。

若为DOM生产相关工作流，则使用设置影像路径中的云量数据。

若为DSM生产相关工作流，则使用设置影像路径（DSM/DEM）中的云量数据。