CN103744661A - 一种超低空无人机多传感器数据一体化处理方法及系统 - Google Patents
一种超低空无人机多传感器数据一体化处理方法及系统 Download PDFInfo
- Publication number
- CN103744661A CN103744661A CN201310720218.XA CN201310720218A CN103744661A CN 103744661 A CN103744661 A CN 103744661A CN 201310720218 A CN201310720218 A CN 201310720218A CN 103744661 A CN103744661 A CN 103744661A
- Authority
- CN
- China
- Prior art keywords
- data
- lidar
- sensor
- multisensor
- geometric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种超低空无人机多传感器数据一体化处理方法及系统,该方法设置包含GPS/IMU、基本传感器数据和初始传感器安置参数的初始数据,并对基于所述初始数据的多传感器联合数据进行后处理;定义多传感器后处理的数据流转过程及接口文件规范;以GPS/IMU为参考基准,多传感器间通过安置误差配准模型统一规算到同一个绝对参考坐标系的联合数据处理模式。采用本发明的技术方案,能够实现针对多传感器的几何数据后处理。
Description
技术领域
本发明涉及航空测绘的技术领域,尤其涉及一种超低空无人机多传感器数据一体化处理方法及系统。
背景技术
面向电力线巡检的超低空无人机多传感器数据一体化处理是一种面向电力线智能巡检应用的多传感器联合数据处理技术。该技术涵盖的关键问题包括:1)设计符合4类传感器联合数据处理的软件功能架构;2)定义软件系统相适应的数据流及其文件格式规范;3)采用以GPS/IMU数据作为定位定姿基础,各传感器间通过安置误差配准模型统一规算到同一个绝对参考坐标系的联合数据处理模式,使得多传感器数据处理能仅需要采用极少量或零地面控制信息即能同时满足准实时电力线路智能巡检诊断需求。
现有面向电力线巡检的超低空无人机多传感器一体化处理技术及其存在问题:
现今世界卫星遥感和有人驾驶的普通航空遥感已经非常发达[1],但在为经济社会服务的时效性和丰富性上颇嫌不足[2]。无人机低空航测系统具有不同于普通航空摄影测量的技术特点,如具有灵活机动、高效快速、精细准确、作业成本低的特点,在小区域和飞行困难地区高分辨影像快速获取方面具有明显的优势,能够广泛应用于重大工程选址、新农村建设和应急救灾等方面的测绘保障。另外,为了达到某些特殊工程应用目的,单一传感器或数据源较难满足应用需求,如:电力线路安全巡检不仅需要获取电力线路走廊几何位置信息,而且需要对电力线的异常发热区域进行探测,还需对绝缘子放电异常进行有效诊断,因此,电力线路巡检传感器平台可能需要同时集成可见光数码相机、激光扫描仪、热红外相机、紫外相机等多种传感器,并且需要对多类传感器的联合数据处理技术展开研究,联合攻关现阶段其数据处理时效性和精确性所面临的不足。
在摄影测量与LiDAR领域,从现有商业数据处理系统具备功能讨论,如德国Inpho[3]、法国PixelFactory[4],芬兰TerraSolid[5],以及国内的DPGrid[6]、PixelGrid[7]等应用系统,均是针对单一传感器数据源研发的后处理软件,目前还没有推出多传感器联合数据处理的商业系统。因此,开展研发面向电力线安全选件的超低空多传感器数据联合处理软件系统本身具有较强的前瞻性和先进性。
综上所述,利用无人机平台搭载多传感器平台进行数据采集与处理是满足多行业应用的必然发展趋势,并且目前还没有一款商业系统具有针对4类传感器的联合数据处理能力。另外,目前在电力部门及其附属行业以及摄影测量遥感领域,传感器几何后处理系统均是针对单一传感器数据源研发的后处理软件,目前还没有推出多传感器联合数据处理的商业系统。
但是现有的传感器几何后处理技术存在如下缺陷:没有针对多传感器几何后处理技术;针对单一传感器数据源研发的后处理软件,无法完成多传感器数据的处理。
主要参考文献:
[1]国家遥感中心.地球空间信息科学技术进展[M].北京:电子出版社,2009.
[2]林宗坚.UAV低空航测技术研究[J].测绘科学,2011,36(1):5-9.
[3]http://www.inpho.de/(accessed19.August.2013.)
[4]http://www.astrium-geo.com/cn/(accessed19.August.2013.)
[5]http://www.terrasolid.fi/(accessed15.May.2013.)
[6]张祖勋.从数字摄影测量工作站(DPW)到数字摄影测量网格(DPGrid)[J].武汉大学学报.信息科学版,2007,32(7):565-571.
[7]曹正响.基于PixelGrid软件的无人机数据处理方法和技术探讨[J].测绘通报,2012,增刊.
发明内容
为了解决现有技术中没有针对多传感器几何后处理的技术问题,本发明提出一种超低空无人机多传感器数据一体化处理方法及系统,能够实现多传感器的几何后处理。
本发明的一方面公开了一种超低空无人机多传感器数据一体化处理方法,包括以下步骤:
设置包含GPS/IMU、基本传感器数据和初始传感器安置参数的初始数据,并对基于所述初始数据的多传感器联合数据进行后处理;
定义多传感器后处理的数据流转过程及接口文件规范;
以GPS/IMU为参考基准,多传感器间通过安置误差配准模型统一规算到同一个绝对参考坐标系的联合数据处理模式。
本发明的另一方面公开了一种超低空无人机多传感器数据一体化处理系统,包括多传感器联合数据处理模块、数据流及其文件格式规范模块和误差配准模型安置模块,其中,
多传感器联合数据处理模块用于设置包含GPS/IMU、基本传感器数据和初始传感器安置参数的初始数据,并对基于所述初始数据的多传感器联合数据进行后处理;
文件接口定义模块用于定义多传感器后处理的数据流转过程及接口文件规范;
几何数据配准模块用于以GPS/IMU为参考基准,多传感器间通过安置误差配准模型统一规算到同一个绝对参考坐标系的联合数据处理模式。
本发明的技术方案由于通过对多传感器联合数据进行后处理和定义多传感器后处理的数据流转过程及接口文件规范,使得多传感器间通过安置误差配准模型统一规算到同一个绝对参考坐标系的联合数据处理模式,所以能够实现针对多传感器的几何数据后处理。
附图说明
图1是本发明实施例中的超低空无人机多传感器数据一体化处理系统的主界面图。
图2是本发明实施例中的无人机多传感联合数据处理功能框架设计的结构示意图。
图3是本发明实施例中的无人机多传感联合数据处理数据流程过程的流程图。
图4是本发明实施例中的超低空无人机多传感器数据一体化处理方法的流程图。
图5是本发明实施例中的超低空无人机多传感器数据一体化处理系统的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细描述。
图4是本发明实施例中的超低空无人机多传感器数据一体化处理方法的流程图。如图4所示,本发明实施例中的超低空无人机多传感器数据一体化处理方法,包括以下步骤:
步骤401:设置包含GPS/IMU、基本传感器数据和初始传感器安置参数的初始数据,并对基于初始数据的多传感器联合数据进行后处理;
步骤402:定义多传感器后处理的数据流转过程及接口文件规范;
步骤403:以GPS/IMU为参考基准,多传感器间通过安置误差配准模型统一规算到同一个绝对参考坐标系的联合数据处理模式。
步骤401中对基于初始数据的多传感器联合数据进行后处理进一步包括以下步骤:
基于初始数据的多传感器联合数据中的几何数据进行处理;
对几何数据处理系统的几何数据处理结果中的LiDAR数据进行处理。
上述对几何数据处理系统的几何数据处理结果中的LiDAR数据进行处理进一步包括以下步骤:
步骤404:对LiDAR数据处理系统的LiDAR数据处理结果中的可见光相机数据进行配置;
步骤405对LiDAR数据处理系统的LiDAR数据处理结果中的视频数据进行配置;和/或,
如图2所示,上述对几何数据处理系统的几何数据处理结果中的LiDAR数据进行处理进一步包括以下步骤:
点云生成与坐标转换;
点云粗差剔除、分块等预处理;
点云的全自动配准与拼接;
点云全自动滤波与分类编辑;
DSM、DEM自动构网与内插生成。
图2是本发明实施例中的无人机多传感联合数据处理功能框架设计的结构示意图。如图2所示,在系统功能架构设计中,如果以电力线安全巡检与诊断为目标导向,针对多传感器几何数据处理系统进行功能设计,可概略分为3个部分:航空光学影像数据处理系统、机载LiDAR点云数据处理系统、以及视频数据处理系统。从数据表现形式来讲,LiDAR点云能直接获取物体表面几何骨架模型,属于基础核心数据源,而光学影像与视频数据则能通过不同的大气窗口获取实体表面纹理信息。因此,多传感器几何数据处理系统应以GPS/IMU为前提数据源,不同传感器与GPS/IMU间的安置检校配准为关键技术手段,最终面向生产基础测绘产品与精细三维模型为目标进行功能设计。
如图2所示,上述对LiDAR数据处理系统的LiDAR数据处理结果中的可见光相机数据进行配置进一步包括以下步骤:
CPU和GPU并行影像预处理;
快速自动空中三角测量;
LiDAR点云辅助的GPU快速正射纠正;
大范围全自动匀光、匀色数据处理;
全测区正射影像自动镶嵌;
点云影像联合DLG测图。
如图2所示,上述对LiDAR数据处理系统的LiDAR数据处理结果中的视频数据进行配置进一步包括以下步骤:
点云引导的视频数据读取与分段;
POS引导的帧标签文件生成;
点云辅助自动/半自动配准要素提取;
配准参数解算与基于帧纹理的三维模型生成。
图5是本发明实施例中的超低空无人机多传感器数据一体化处理系统的结构示意图。如图5所示,本发明实施例中的超低空无人机多传感器数据一体化处理系统,包括多传感器联合数据处理模块1、数据流及其文件格式规范模块2和误差配准模型安置模块3。
多传感器联合数据处理模块用于设置包含GPS/IMU、基本传感器数据和初始传感器安置参数的初始数据,并对基于初始数据的多传感器联合数据进行后处理;文件接口定义模块用于定义多传感器后处理的数据流转过程及接口文件规范;几何数据配准模块用于以GPS/IMU为参考基准,多传感器间通过安置误差配准模型统一规算到同一个绝对参考坐标系的联合数据处理模式。
多传感器联合数据处理模块,包括初始数据设置模块、几何数据处理系统和LiDAR数据处理系统,其中,初始数据设置模块用于设置包含GPS/IMU、基本传感器数据和初始传感器安置参数的初始数据;几何数据处理系统用于基于初始数据的多传感器联合数据中的几何数据进行处理;LiDAR数据处理系统用于对几何数据处理系统的几何数据处理结果中的LiDAR数据进行处理。
LiDAR数据处理系统对几何数据处理系统的几何数据处理结果中的LiDAR数据进行处理进一步包括以下步骤:点云生成与坐标转换;点云粗差剔除、分块等预处理;点云的全自动配准与拼接;点云全自动滤波与分类编辑;DSM、DEM自动构网与内插生成。
几何数据配准模块包括可见光相机数据处理系统4和视频数据处理系统5。
可见光相机数据处理系统用于对LiDAR数据处理系统的LiDAR数据处理结果中的可见光相机数据进行配置;可见光相机数据处理系统对LiDAR数据处理系统的LiDAR数据处理结果中的可见光相机数据进行配置进一步包括以下步骤:
CPU和GPU并行影像预处理;
快速自动空中三角测量;
LiDAR点云辅助的GPU快速正射纠正;
大范围全自动匀光、匀色数据处理;
全测区正射影像自动镶嵌;
点云影像联合DLG测图。
视频数据处理系统用于对LiDAR数据处理系统的LiDAR数据处理结果中的视频数据进行配置;视频数据处理系统对LiDAR数据处理系统的LiDAR数据处理结果中的视频数据进行配置进一步包括以下步骤:
点云引导的视频数据读取与分段;
POS引导的帧标签文件生成;
点云辅助自动/半自动配准要素提取;
配准参数解算与基于帧纹理的三维模型生成。
图1是本发明实施例中的超低空无人机多传感器数据一体化处理系统的主界面图。如图1所示,适合本发明实施例中的超低空无人机多传感器数据一体化处理系统,包含工程设置、坐标投影参数设置、可见光相机处理、激光雷达点云处理、视频处理等自动化处理模块。该软件系统面向电力线智能巡检应用,完全依照本发明的技术方案所设计功能框架、系统数据流转过程以及文件进行研发,其产品包括正射影像、数字高程模型、电力线三维模型、分类后点云、定向后的分段视频及其对应标签文件等。
图3是本发明实施例中的无人机多传感联合数据处理数据流程过程的流程图。如图3所示,在系统数据流转过程中,按照软件工程设计理论,架构设计合理的应用型软件系统在满足专业功能需求的前提下,应设计尽量高效、通用的数量流转过程。在充分借鉴现有成熟商业系统数据I/O技术基础上,总结并首次创造性地提出数据流转过程设计准则:
⑴单向性:系统按照模块化结构设计,各模块间交互数据尽量自顶向下单向传递;
⑵扩展性:系统内部通信与协同数据应具备可动态扩展性,尽量采用配置文件模式进行共享访问,为下一层应用级模块开发或插件二次开发提供数据交换基础;
⑶标准性:系统与外部接口应尽量采用国际标准格式进行交互,如采用惯导sbet格式、影像Tiff文件、矢量shp格式、国标DEM格式、点云LAS格式、视频avi或mpeg格式等。
在文件接口定义模块中,遵照现有国际标准数据交换格式规范以及多传感器联合数据处理实际需求,设计适合面向电力线巡检的超低空无人机多传感器数据一体化处理的文件格式。在系统设计中,文件格式包含有现行的国际通用格式和自定义的文件格式,相关的数据结构定义可参见各文件的首段说明。具体如下:
⑴系统输入数据定义
表1:输入数据整体说明
表2:输入数据格式定义
⑵系统输入数据定义
表3.输出数据整体说明
输入数据 | 内容 | 格式 |
点云分类标记文件 | 记录点云坐标信息及点云分类属性信息 | 见表4 |
格网数字表面模型(DSM) | 记录摄影区域高程信息(含地物) | 见表4 |
格网数字高程模型(DEM) | 记录摄影区域高程信息(不含地物) | 见表4 |
数字正射影像(DOM)镶嵌图 | 带地理编码的数字正射影像地图 | 见表4 |
红外视频数据 | 热红外传感器获取的视频数据 | 见表4 |
红外视频帧标签 | 记录视频帧信息 | 见表4 |
紫外视频数据 | 紫外传感器获取的视频数据 | 见表4 |
紫外视频帧标签 | 记录视频帧信息 | 见表4 |
表4:输出数据格式定义
本发明的技术方案,以激光雷达、可见光数码相机、热红外及紫外视频摄像机等4种传感器集成处理为例,拟解决无人机多传感器集成数据处理所面临的关键技术与难点,重点聚焦在多传感器几何数据处理框架设计以及质量控制这一具体难点上,并设计了一套适合多传感器数据处理系统的数据流于文件接口规范。本发明的技术方案,至少具有以下特点:
1)设计了一种适合激光雷达、可见光数码相机、热红外及紫外视频摄像机联合处理的软件功能架构,能满足相应软件系统开发需求;
2)定义了多传感器后处理的数据流转过程及接口文件规范,具有良好的通用型与鲁棒性。
目前在电力部门及其附属行业以及摄影测量遥感领域,传感器几何后处理系统均是针对单一传感器数据源研发的后处理软件,目前还没有推出多传感器联合数据处理的商业系统。因此,开展研发面向电力线安全巡检的超低空多传感器数据联合处理软件系统本身具有较强的前瞻性和先进性。
面向电力线安全巡检的超低空多传感器数据联合处理技术所涵盖关键技术,如适合多传感器联合处理的系统功能框架设计思路、软件数据流流转模式、以及基于GPS/IMU为参考基准的几何数据配准策略等,都是能满足电力部门所提出的电力线智能巡检要求的核心技术与完备方法体系,无论是在电力应用部门还是在遥感数据处理专业,都具有较高的先进性和实用性。本发明的技术方案,至少可以达到以下有益效果:
1)应用本发明的技术方案,能直接从顶层设计出一套满足多传感器联合数据后处理的软件框架,并能使所设计的软件系统能应用于电力线路智能诊断与基础测绘产品生产;
2)本发明的技术方案所涵盖的关键技术与现有技术相比的最显著优点是:能最大限度地发挥GPS/IMU数据在后处理发挥的作用,使得电力线巡检数据能在事后1-2小时内进入智能诊断与人工障碍物排查深加工操作;
3)本发明的技术方案还能为开发其他应用数据处理系统提供参考思路,其中部分功能稍加修改并能满足新领域新系统的设计与开发。
本发明的技术方案解决了现有没有针对多传感器几何后处理技术的不足,解决了针对单一传感器数据源研发的后处理软件无法完成多传感器数据的处理的问题,实现针对多传感器的几何数据后处理。
应说明的是:以上实施例仅用以说明本发明而非限制,本发明也并不仅限于上述举例,一切不脱离本发明的精神和范围的技术方案及其改进,其均应涵盖在本发明的权利要求范围中。
Claims (10)
1.一种超低空无人机多传感器数据一体化处理方法,其特征在于,包括以下步骤:
设置包含GPS/IMU、基本传感器数据和初始传感器安置参数的初始数据,并对基于所述初始数据的多传感器联合数据进行后处理;
定义多传感器后处理的数据流转过程及接口文件规范;
以GPS/IMU为参考基准,多传感器间通过安置误差配准模型统一规算到同一个绝对参考坐标系的联合数据处理模式。
2.根据权利要求1所述的一种超低空无人机多传感器数据一体化处理方法,其特征在于,所述对基于所述初始数据的多传感器联合数据进行后处理进一步包括以下步骤:
基于所述初始数据的多传感器联合数据中的几何数据进行处理;
对所述几何数据处理系统的几何数据处理结果中的LiDAR数据进行处理。
3.根据权利要求2所述的一种超低空无人机多传感器数据一体化处理方法,其特征在于,所述对所述几何数据处理系统的几何数据处理结果中的LiDAR数据进行处理进一步包括以下步骤:
对所述LiDAR数据处理系统的LiDAR数据处理结果中的可见光相机数据进行配置;
对所述LiDAR数据处理系统的LiDAR数据处理结果中的视频数据进行配置;和/或,
所述对所述几何数据处理系统的几何数据处理结果中的LiDAR数据进行处理进一步包括以下步骤:
点云生成与坐标转换;
点云粗差剔除、分块等预处理;
点云的全自动配准与拼接;
点云全自动滤波与分类编辑;
DSM、DEM自动构网与内插生成。
4.根据权利要求3所述的一种超低空无人机多传感器数据一体化处理方法,其特征在于,所述对所述LiDAR数据处理系统的LiDAR数据处理结果中的可见光相机数据进行配置进一步包括以下步骤:
CPU和GPU并行影像预处理;
快速自动空中三角测量;
LiDAR点云辅助的GPU快速正射纠正;
大范围全自动匀光、匀色数据处理;
全测区正射影像自动镶嵌;
点云影像联合DLG测图。
5.根据权利要求3所述的一种超低空无人机多传感器数据一体化处理方法,其特征在于,所述对所述LiDAR数据处理系统的LiDAR数据处理结果中的视频数据进行配置进一步包括以下步骤:
点云引导的视频数据读取与分段;
POS引导的帧标签文件生成;
点云辅助自动/半自动配准要素提取;
配准参数解算与基于帧纹理的三维模型生成。
6.一种超低空无人机多传感器数据一体化处理系统,其特征在于,包括多传感器联合数据处理模块、数据流及其文件格式规范模块和误差配准模型安置模块,其中,
多传感器联合数据处理模块用于设置包含GPS/IMU、基本传感器数据和初始传感器安置参数的初始数据,并对基于所述初始数据的多传感器联合数据进行后处理;
文件接口定义模块用于定义多传感器后处理的数据流转过程及接口文件规范;
几何数据配准模块用于以GPS/IMU为参考基准,多传感器间通过安置误差配准模型统一规算到同一个绝对参考坐标系的联合数据处理模式。
7.根据权利要求6所述的一种超低空无人机多传感器数据一体化处理系统,其特征在于,所述多传感器联合数据处理模块,包括初始数据设置模块、几何数据处理系统和LiDAR数据处理系统,其中,
初始数据设置模块用于设置包含GPS/IMU、基本传感器数据和初始传感器安置参数的初始数据;
几何数据处理系统用于基于所述初始数据的多传感器联合数据中的几何数据进行处理;
LiDAR数据处理系统用于对所述几何数据处理系统的几何数据处理结果中的LiDAR数据进行处理。
8.根据权利要求7所述的一种超低空无人机多传感器数据一体化处理系统,其特征在于,所述几何数据配准模块包括可见光相机数据处理系统和视频数据处理系统,其中,
可见光相机数据处理系统用于对所述LiDAR数据处理系统的LiDAR数据处理结果中的可见光相机数据进行配置;
视频数据处理系统用于对所述LiDAR数据处理系统的LiDAR数据处理结果中的视频数据进行配置;和/或,
所述LiDAR数据处理系统对所述几何数据处理系统的几何数据处理结果中的LiDAR数据进行处理进一步包括以下步骤:
点云生成与坐标转换;
点云粗差剔除、分块等预处理;
点云的全自动配准与拼接;
点云全自动滤波与分类编辑;
DSM、DEM自动构网与内插生成。
9.根据权利要求8所述的一种超低空无人机多传感器数据一体化处理系统,其特征在于,所述可见光相机数据处理系统对所述LiDAR数据处理系统的LiDAR数据处理结果中的可见光相机数据进行配置进一步包括以下步骤:
CPU和GPU并行影像预处理;
快速自动空中三角测量;
LiDAR点云辅助的GPU快速正射纠正;
大范围全自动匀光、匀色数据处理;
全测区正射影像自动镶嵌;
点云影像联合DLG测图。
10.根据权利要求8所述的一种超低空无人机多传感器数据一体化处理系统,其特征在于,所述视频数据处理系统对所述LiDAR数据处理系统的LiDAR数据处理结果中的视频数据进行配置进一步包括以下步骤:
点云引导的视频数据读取与分段;
POS引导的帧标签文件生成;
点云辅助自动/半自动配准要素提取;
配准参数解算与基于帧纹理的三维模型生成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310720218.XA CN103744661B (zh) | 2013-12-23 | 2013-12-23 | 一种超低空无人机多传感器数据一体化处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310720218.XA CN103744661B (zh) | 2013-12-23 | 2013-12-23 | 一种超低空无人机多传感器数据一体化处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103744661A true CN103744661A (zh) | 2014-04-23 |
CN103744661B CN103744661B (zh) | 2017-05-31 |
Family
ID=50501681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310720218.XA Active CN103744661B (zh) | 2013-12-23 | 2013-12-23 | 一种超低空无人机多传感器数据一体化处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103744661B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050649A (zh) * | 2014-06-13 | 2014-09-17 | 北京农业信息技术研究中心 | 农业遥感系统 |
CN104237922A (zh) * | 2014-09-19 | 2014-12-24 | 北京中科嘉宏科技有限公司 | 一种gnss/imu一体化无人机测绘的方法和系统 |
CN104850134A (zh) * | 2015-06-12 | 2015-08-19 | 北京中飞艾维航空科技有限公司 | 一种无人机高精度自主避障飞行方法 |
CN105352481A (zh) * | 2015-10-23 | 2016-02-24 | 武汉苍穹电子仪器有限公司 | 高精度无人机影像无控制点测绘成图方法及系统 |
CN106054896A (zh) * | 2016-07-13 | 2016-10-26 | 武汉大学 | 一种智能导航机器人小车系统 |
CN106998434A (zh) * | 2016-07-08 | 2017-08-01 | 增城市城乡规划测绘院 | 一种移动视频轨迹在电子地图中与视频播放同步显示的方法 |
CN111208497A (zh) * | 2020-04-20 | 2020-05-29 | 成都纵横融合科技有限公司 | 一种机载激光雷达系统平差处理方法 |
CN112035922A (zh) * | 2020-08-25 | 2020-12-04 | 中船文化科技(北京)有限公司 | 智能方舱布局规划系统、方法、电子设备及存储介质 |
CN112991303A (zh) * | 2021-03-22 | 2021-06-18 | 武汉大学 | 一种基于三维点云的电塔绝缘子串自动提取方法 |
CN113744571A (zh) * | 2020-05-29 | 2021-12-03 | 青岛云世纪信息科技有限公司 | 一种将无人机飞参信息转换为空管情报格式的接入终端 |
CN114963879A (zh) * | 2022-05-20 | 2022-08-30 | 中国电子科技集团公司电子科学研究院 | 无人机综合反制系统及综合反制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101949715B (zh) * | 2010-08-10 | 2012-06-20 | 武汉武大卓越科技有限责任公司 | 高精度时空数据获取的多传感器集成同步控制方法和系统 |
-
2013
- 2013-12-23 CN CN201310720218.XA patent/CN103744661B/zh active Active
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050649A (zh) * | 2014-06-13 | 2014-09-17 | 北京农业信息技术研究中心 | 农业遥感系统 |
CN104237922A (zh) * | 2014-09-19 | 2014-12-24 | 北京中科嘉宏科技有限公司 | 一种gnss/imu一体化无人机测绘的方法和系统 |
CN104850134A (zh) * | 2015-06-12 | 2015-08-19 | 北京中飞艾维航空科技有限公司 | 一种无人机高精度自主避障飞行方法 |
CN105352481A (zh) * | 2015-10-23 | 2016-02-24 | 武汉苍穹电子仪器有限公司 | 高精度无人机影像无控制点测绘成图方法及系统 |
CN106998434A (zh) * | 2016-07-08 | 2017-08-01 | 增城市城乡规划测绘院 | 一种移动视频轨迹在电子地图中与视频播放同步显示的方法 |
CN106054896A (zh) * | 2016-07-13 | 2016-10-26 | 武汉大学 | 一种智能导航机器人小车系统 |
CN111208497A (zh) * | 2020-04-20 | 2020-05-29 | 成都纵横融合科技有限公司 | 一种机载激光雷达系统平差处理方法 |
CN113744571A (zh) * | 2020-05-29 | 2021-12-03 | 青岛云世纪信息科技有限公司 | 一种将无人机飞参信息转换为空管情报格式的接入终端 |
CN112035922A (zh) * | 2020-08-25 | 2020-12-04 | 中船文化科技(北京)有限公司 | 智能方舱布局规划系统、方法、电子设备及存储介质 |
CN112991303A (zh) * | 2021-03-22 | 2021-06-18 | 武汉大学 | 一种基于三维点云的电塔绝缘子串自动提取方法 |
CN112991303B (zh) * | 2021-03-22 | 2023-08-18 | 武汉大学 | 一种基于三维点云的电塔绝缘子串自动提取方法 |
CN114963879A (zh) * | 2022-05-20 | 2022-08-30 | 中国电子科技集团公司电子科学研究院 | 无人机综合反制系统及综合反制方法 |
CN114963879B (zh) * | 2022-05-20 | 2023-11-17 | 中国电子科技集团公司电子科学研究院 | 无人机综合反制系统及综合反制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103744661B (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103744661A (zh) | 一种超低空无人机多传感器数据一体化处理方法及系统 | |
Wang et al. | Detecting and tracking vehicles in traffic by unmanned aerial vehicles | |
JP6862409B2 (ja) | 地図生成及び移動主体の位置決めの方法及び装置 | |
KR102126724B1 (ko) | 포인트 클라우드 데이터를 복구하기 위한 방법 및 장치 | |
CN102426019B (zh) | 一种无人机景象匹配辅助导航方法及系统 | |
Khan et al. | Unmanned aerial vehicle–based traffic analysis: Methodological framework for automated multivehicle trajectory extraction | |
CN102645203B (zh) | 基于机载激光雷达数据的电力线路交叉跨越测量方法 | |
US11531833B2 (en) | Creating a ground control point file using an existing landmark shown in images | |
CN107742276A (zh) | 一种基于无人机遥感图像机载一体化快速处理系统和方法 | |
KR101874498B1 (ko) | Uas 기반의 공간 정보 취득을 위한 지상 기준점의 항공 측량 시스템 및 그 방법 | |
CN104457710A (zh) | 一种基于非量测数码相机的数字摄影测量方法 | |
Konovalenko et al. | New approaches to the integration of navigation systems for autonomous unmanned vehicles (UAV) | |
CN103426153B (zh) | 一种无人机遥感影像快速拼接方法 | |
Liu et al. | A novel adjustment model for mosaicking low-overlap sweeping images | |
López-Fernández et al. | Large scale automatic analysis and classification of roof surfaces for the installation of solar panels using a multi-sensor aerial platform | |
CN109839945B (zh) | 无人机降落方法、无人机降落装置及计算机可读存储介质 | |
Liu et al. | A new approach to fast mosaic UAV images | |
Shao et al. | Spatio-temporal-spectral-angular observation model that integrates observations from UAV and mobile mapping vehicle for better urban mapping | |
Peng et al. | Automatic registration of optical images with airborne LiDAR point cloud in urban scenes based on line-point similarity invariant and extended collinearity equations | |
Zhang et al. | A fitting recognition approach combining depth-attention YOLOv5 and prior synthetic dataset | |
CN107976176B (zh) | 无人机数据处理方法及装置 | |
Trigkakis et al. | Automated geolocation in urban environments using a simple camera-equipped unmanned aerial vehicle: a rapid mapping surveying alternative? | |
Ergun et al. | Level of detail (LoD) geometric analysis of relief mapping employing 3D modeling via UAV images in cultural heritage studies | |
Zhang et al. | Three-dimensional modeling and indoor positioning for urban emergency response | |
CN115345944A (zh) | 外参标定参数确定方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 510080 water Donggang 8, Dongfeng East Road, Yuexiu District, Guangzhou, Guangdong. Co-patentee after: China Surveying and Mapping Research Academy Patentee after: ELECTRIC POWER RESEARCH INSTITUTE, GUANGDONG POWER GRID CO., LTD. Address before: 510080 water Donggang 8, Dongfeng East Road, Yuexiu District, Guangzhou, Guangdong. Co-patentee before: China Surveying and Mapping Research Academy Patentee before: Electrical Power Research Institute of Guangdong Power Grid Corporation |