近年来,无人机摄影测量技术发展迅速,在国民经济发展的众多领域内都发挥了重要作用。目前在无人机摄影测量外业工作中通常需要布设一定数量的像控点,并在内业中进行人工手动刺点以获取像控点影像坐标。然而,传统人工刺点方法效率低下且刺点精度一般,当像控点数量较多时会消耗较多的人力及内业时间,不利于项目的顺利进行。针对该行业痛点,本文提出了三种无人机摄影测量自动化刺点方法,分别基于编码标志点识别技术、非编码标志点识别技术和深度学习技术实现了无人机摄影测量自动化刺点。在基于标志点识别技术的自动化刺点方法中,分别对目前近景摄影测量中的环形编码标志点和环形非编码标志点设计进行了改进,使其适用于无人机摄影测量,并开发了相应的识别算法及软件。在基于深度学习技术的自动化刺点方法中,采用目前最受欢迎的经典一阶目标检测网络YOLOv5进行红色L型像控点的识别,然后采用本文所设计的像控点目标判别网络剔除误识别目标及成像质量较差的目标,最后采用本文所设计的关键点坐标预测网络实现像控点内角点影像坐标的准确预测,将上述算法流程使用C++语言集成为桌面端软件,从而实现了基于深度学习技术的自动化刺点。为验证三种自动化刺点方法的实际效果,在武汉大学信息学部分别进行了三次相应的航测实验。通过从像控点布设成本、像控点安全性、刺点效率、刺点精度四个方面进行比较后,认为基于深度学习技术的自动化刺点方法更为实用。为进一步验证该自动化刺点方法的实用性,采用不同型号无人机及相机在更大面积测区内进行了倾斜摄影测量实验,与手动刺点方法在刺点效率及刺点精度方面进行比较后发现基于深度学习技术的自动化刺点方法能够在保证刺点精度的前提下极大地提高刺点效率,在一定程度上能够提高无人机摄影测量内业的自动化程度。