CN111026150A - 一种利用无人机进行输电线路地质灾害预警系统及方法 - Google Patents
一种利用无人机进行输电线路地质灾害预警系统及方法 Download PDFInfo
- Publication number
- CN111026150A CN111026150A CN201911165990.3A CN201911165990A CN111026150A CN 111026150 A CN111026150 A CN 111026150A CN 201911165990 A CN201911165990 A CN 201911165990A CN 111026150 A CN111026150 A CN 111026150A
- Authority
- CN
- China
- Prior art keywords
- data
- unmanned aerial
- aerial vehicle
- image
- unit
- 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.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 39
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 19
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000013507 mapping Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000007405 data analysis Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 7
- 239000002131 composite material Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013144 data compression Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 10
- 230000008901 benefit Effects 0.000 abstract description 6
- 238000011835 investigation Methods 0.000 abstract description 5
- 238000012502 risk assessment Methods 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 6
- 230000006378 damage Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012038 vulnerability analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供一种利用无人机进行输电线路地质灾害预警系统及方法，方法包括以下具体步骤：从电力部门获取输电线路的输电线路资料，规划无人机的飞行线路；地面站将无人机的飞行线路输入到无人机的飞行控制单元中；无人机根据规划好的飞行线路沿输电线路进行飞行；激光雷达和高光谱遥感相机分别采集输电线路的激光点云数据和高光谱图像数据；无人机将激光点云数据和高光谱图像数据通过数据传输单元和通信单元传输到地面站的中控系统；激光点云数据和高光谱图像数据进行融合；得到输电线路的灾害预警图。依据激光雷达和高光谱遥感技术及无人机技术的优点，为输电线路通道内的地质灾害隐患排查提供有效的技术支撑。
Description
技术领域
本发明涉及无人机应用领域，尤其涉及一种利用无人机进行输电线路地质灾害预警系统及方法。
背景技术
无人机是一种由无线电遥控设备或自身程序控制装置操作的无人驾驶飞行器，最早出现在20世纪20年代，主要在军事上作为训练用的靶机使用。随着技术的不断完善，新翼型和轻型材料的出现，大大增加了无人机的续航时间和承载重量；先进的信号处理与通信技术提高了无人机的图像传递速度和数字化传输速度；先进的自动驾驶仪使无人机不在需要陆基电视屏幕领航，而是按照程序设定航线飞往目标。应用无人机搭载轻型的普通数码相机、GPS，并通过飞行控制程序使飞机按照设定航线获取地面影像，通过一系列数据处理获取满足精度要求的影像成果及地形图。由于无人机搭载数码相机的无人机航摄系统具有成本低、起降方便、可快速响应测绘作业任务等特点，受到国内外学者及应用单位的广泛关注。
近几年，因自然环境变化和人类活动影响，输电线路通道内滑坡及泥石流等地质灾害频发，目前监测输电线路杆塔滑坡等地质灾害基本采取的都是位移或形变传感器等一些被动手段，缺乏一种高效高可靠性的主动监测技术。传统的运维模式及现有的技术方法和手段，已不能适应输电线路地质灾害隐患排查等运维工作的的要求。近年来随着国内外无人机产业的快速发展，以无人机作为搭载平台搭载各式各样的任务设备，在各个专业领域获得成功的案例较多，在国网公司内部对于无人机的应用已经相当成熟。但是暂未发现利用无人机进行输电线路地址灾害预警和监测的方案提出。
发明内容
本发明旨在提供一种利用无人机进行输电线路地质灾害预警系统及方法，依据激光雷达和高光谱遥感技术及无人机技术的优点，融合两种遥感数据的优势实现输电线路地质灾害区的识别、地质灾害易发区的预判与监测、地质灾害评估，为输电线路通道内的地质灾害隐患排查提供有效的技术支撑。
本发明的技术方案：
一种利用无人机进行输电线路地质灾害预警的方法，包括以下具体步骤：
步骤一.从电力部门获取输电线路的输电线路资料，地面站的中控系统分析输电线路资料，规划无人机的飞行线路；
步骤二.地面站将无人机的飞行线路输入到无人机的飞行控制单元中，放飞无人机；
步骤三.无人机根据规划好的飞行线路沿输电线路进行飞行，同时无人机上携带的激光雷达和高光谱遥感相机开始工作；
步骤四.激光雷达和高光谱遥感相机分别采集输电线路的激光点云数据和高光谱图像数据；
步骤五.无人机将激光点云数据和高光谱图像数据通过数据传输单元和通信单元传输到地面站的中控系统；
步骤六.地面站的中控系统将激光点云数据和高光谱图像数据进行几何校正，并将校正后的激光点云数据和高光谱图像数据进行融合；
步骤七.地面站的中控系统针对融合后的激光点云数据和高光谱图像数据进行数据分析，最终得到输电线路的灾害预警图。
所述步骤二中，飞行控制单元还实时接收GPS导航单元的导航信息，从而调整无人机的飞行高度和航向。
所述步骤六中，地面站的中控系统将激光点云数据和高光谱图像数据进行几何校正时，若激光点云数据和高光谱图像数据偏移量过大，则证明无人机飞行线路存在偏差，地面站的中控系统重新生成经过调整的无人机飞行线路，地面站通过通信单元向无人机发送新的无人机飞行线路，飞行控制单元根据新的无人机飞行线路调整无人机的飞行。
所述步骤六中，激光点云数据和高光谱图像数据进行融合包括将激光雷达数据栅格化转换为数字高程模型，再将高光谱图像选出一些波段配准至和数字高程模型图像一致，直接进行地物分类，完成激光雷达数据和高光谱图像数据的融合；对高光谱图像数据进行精度评估，验证高光谱图像数据在城市土地利用分类中的可行性，判断高光谱图像数据进行数据压缩处理后与激光雷达处理后数据中的哪些波段融合参与分类后效果最好，完成激光雷达数据和高光谱图像数据融合。
所述激光雷达数据栅格化转换为数字高程模型的方法为，
a.根据激光雷达数据所携带的水平方向地理位置信息，确定水平方向地理坐标的范围，对于待建立的栅格图像中的一个像素(i,j)，根据目标区域地理坐标的范围和栅格图像的空间分辨率d，计算其中心点坐标(X(i,j),Y(i,j))，为了方便与光谱图像联合使用，这里将栅格图像空间分辨率d设为与光谱图像相同；
b.依次搜索激光雷达数据中的所有脚点，若该脚点横坐标的范围在(X(i,j)-1/2d,Y(i,j)+1/2d)之间且纵坐标在(X(i,j)-1/2d,Y(i,j)+1/2d)之间，则收录该脚点至该像素的对应脚点集S(i,j)；
c.计算集合X(i,j)中所有脚点的高程信息或强度信息的均值，并将其该值赋予对应的目标像素；
d.计算下一像素，直至所有像素都计算完成，完成激光雷达数据到栅格图像的转换，得到激光雷达图像。
所述激光雷达图像与高光谱图像的配准方法为，
控制点的选择，在图像配准时，首先在待配准图像中选择控制点，控制点必须足够多以确保产生精确的映射多项式；控制点有明显的特征，并且要分布在图像的各处，并覆盖整个图像；
确定映射多项式的系数，在确定了控制点对以后，再用最小二乘法构造两幅图像的线性映射关系；
根据某像素在参考图像的坐标值映射到待校正的图像的坐标系下的坐标值，然后从待校正的图像中选取离这个坐标值最近的灰度值作为该像素的灰度值，完成激光雷达图像与高光谱图像的配准。
所述生成归一化数字表面模型的方法为，
基于移动曲面拟合的滤波算法的激光雷达图像滤波：
1)选取合适的滤波窗口尺寸，窗口尺寸应该比区域内最大的建筑物所占像素略大；
2)在该窗口中选取高程最低的几个点，作为初始种子点，输入到地面点集P，该假设认为区域内高程最低的点属于地面点；
3)利用P中的点进行在二次曲面拟合，拟合所涉及的函数方程为
Zi＝c0+c1xi+c2yi+c3xiyi+c4xi 2+c5yi 2
上式中，(xi，yi)为第i个点在图像中的坐标，Zi为该点对应的高程值，依次将P集合内的点输入，得到一系列的方程组，在最小二乘准则下解出各系数c0，c1，c2，c3，c4，c5，从而确定曲面方程；
4)利用得到的曲面方程对其他点的高程进行预测，若预测值与实际值的差大于阈值T，则判定该点为非地面点；反之，则该点为地面点，然后将该点加入到地面点集P，重新计算各系数，得到新曲面，如此重复直至所有点都判定完毕；移动窗口至图像其它位置，完成整幅图像的滤波；
激光雷达图像也称为数字表面模型，整幅图像的滤波完成后将数字表面模型中的点集分为了地面点与非地面点两部分，根据图像中地面点的高程值对非地面点的值进行重新估计并插值，得到没有非地面点情况下的地形走势图像；
采用反距离加权插值的算法进行高程内插，首先以内插点为中心，确定适当数目Nc的最近邻点作为源采样点，假设内插点为S0(X0Y0)，采样点为Q0＝(xi，yi，zi)，i＝(1，2，...，N0)，反距离加权平均插值的数学表达式如下：
上式中
为内插点的高程估计值；δ1为第i个采样点的权值；Zi为第i个采样点的高程值，完成插值过程后，能够反映地面地形走势的数字地形模型即生成；
利用得到的数字表面模型与数字地形模型相减，就可以得到反映去除了地势起伏影响的地物相对高程信息的图像，即归一化数字表面模型。
所述步骤七中的数据分析包括提取地形因子坡度、坡向、坡长、地势起伏度、坡形，并与地质灾害信息进行空间叠加分析统计，以此作为指标进行地质灾害预警。
一种利用无人机进行输电线路地质灾害预警系统，包括无人机系统和地面站系统，所述无人机系统包括GPS导航单元、飞行控制单元、数据传输单元、供电单元、通信单元、激光雷达单元以及高光谱遥感单元，所述地面站系统包括中控系统，所述GPS导航单元实时与GPS系统通信从而实现无人机的GPS导航和定位，所述飞行控制单元通过通信单元与地面站系统进行通信，用以接收中控系统给出的飞行线路并根据飞行线路控制无人机飞行，所述数据传输单元用以接收激光雷达单元以及高光谱遥感单元采集的数据并通过通信单元传输到中控系统，所述供电单元用以给GPS导航单元、飞行控制单元、数据传输单元、通信单元、激光雷达单元以及高光谱遥感单元供电。
所述激光雷达单元包括激光雷达镜头、点云生成器以及激光雷达控制器，所述激光雷达镜头安装在无人机的底部，用以对地面进行激光雷达信号的发射和采集，并将采集的信号传输到点云生成器生成激光雷达点云数据，激光雷达点云数据通过激光雷达控制器传输给数据传输单元，所述激光雷达控制器控制激光雷达镜头的采集角度和采集频率；所述高光谱遥感单元包括相机、遥感图像采集器以及遥感相机控制器，所述相机安装在无人机的底部并与激光雷达镜头平齐，相机的镜头正对地面用以对地面进行高光谱遥感图像的拍摄，所述遥感图像采集器通过相机对地面进行高光谱遥感图像进行采集并通过遥感相机控制器传输到数据传输单元，所述遥感相机控制器控制相机的采集角度和采集频率。
所述中控系统包括数据校正单元、数据融合单元、数据分析单元以及灾害预警单元，所述数据校正单元用以将数据传输单元传输过来的激光雷达数据和高光谱遥感图像数据进行校正，剔除掉误差较大的数据，所述数据融合单元用以将经过数据校正的激光雷达数据和高光谱遥感图像数据进行融合，生成一幅具有空间、波谱、时间特征的合成图像，所述数据分析单元针对合成的图像结合地质灾害信息进行空间叠加分析，所述灾害预警单元根据数据分析单元的分析结果，在超过风险值的时候进行灾害预警。
与现有技术相比，本发明的有益效果是：利用无人机技术对输电线路进行航拍，作为输电线路防灾减灾技术体系中重要的一个环节，在易发生滑坡和泥石流等地质灾害的输电线路微地形区域内通道相对比较复杂的地区开展使用，通过对地质灾害隐患的排查，建立区域性的输电线路地质灾害隐患分布图，对其隐患的治理提供有效的数据支撑。输电线路地质灾害主动监测防御手段可以有效的降低地质灾害造成的严重后果，及时发现输电线路及其通道的地质灾害隐患，从技术上保证电网的安全运行，为电网的安全稳定运行提供技术支撑和保障，减少因电路故障而造成的经济损失。提高电网企业形象和社会满意度。
附图说明
图1为本发明一种利用无人机进行输电线路地质灾害预警系统结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：
一种利用无人机进行输电线路地质灾害预警的方法，包括以下具体步骤：
步骤一.从电力部门获取输电线路的输电线路资料，地面站的中控系统分析输电线路资料，规划无人机的飞行线路；
步骤二.地面站将无人机的飞行线路输入到无人机的飞行控制单元中，放飞无人机；
步骤三.无人机根据规划好的飞行线路沿输电线路进行飞行，同时无人机上携带的激光雷达和高光谱遥感相机开始工作；
步骤四.激光雷达和高光谱遥感相机分别采集输电线路的激光点云数据和高光谱图像数据；
步骤五.无人机将激光点云数据和高光谱图像数据通过数据传输单元和通信单元传输到地面站的中控系统；
步骤六.地面站的中控系统将激光点云数据和高光谱图像数据进行几何校正，并将校正后的激光点云数据和高光谱图像数据进行融合；
步骤七.地面站的中控系统针对融合后的激光点云数据和高光谱图像数据进行数据分析，最终得到输电线路的灾害预警图。
所述步骤二中，飞行控制单元还实时接收GPS导航单元的导航信息，从而调整无人机的飞行高度和航向。
所述步骤六中，地面站的中控系统将激光点云数据和高光谱图像数据进行几何校正时，若激光点云数据和高光谱图像数据偏移量过大，则证明无人机飞行线路存在偏差，地面站的中控系统重新生成经过调整的无人机飞行线路，地面站通过通信单元向无人机发送新的无人机飞行线路，飞行控制单元根据新的无人机飞行线路调整无人机的飞行。
所述步骤六中，激光点云数据和高光谱图像数据进行融合包括将激光雷达数据栅格化转换为数字高程模型，再将高光谱图像选出一些波段配准至和数字高程模型图像一致，直接进行地物分类，完成激光雷达数据和高光谱图像数据的融合；对高光谱图像数据进行精度评估，验证高光谱图像数据在城市土地利用分类中的可行性，判断高光谱图像数据进行数据压缩处理后与激光雷达处理后数据中的哪些波段融合参与分类后效果最好，完成激光雷达数据和高光谱图像数据融合。
所述激光雷达数据栅格化转换为数字高程模型的方法为，
a.根据激光雷达数据所携带的水平方向地理位置信息，确定水平方向地理坐标的范围，对于待建立的栅格图像中的一个像素(i,j)，根据目标区域地理坐标的范围和栅格图像的空间分辨率d，计算其中心点坐标(X(i,j),Y(i,j))，为了方便与光谱图像联合使用，这里将栅格图像空间分辨率d设为与光谱图像相同；
b.依次搜索激光雷达数据中的所有脚点，若该脚点横坐标的范围在(X(i,j)-1/2d,Y(i,j)+1/2d)之间且纵坐标在(X(i,j)-1/2d,Y(i,j)+1/2d)之间，则收录该脚点至该像素的对应脚点集S(i,j)；
c.计算集合X(i,j)中所有脚点的高程信息或强度信息的均值，并将其该值赋予对应的目标像素；
d.计算下一像素，直至所有像素都计算完成，完成激光雷达数据到栅格图像的转换，得到激光雷达图像。
所述激光雷达图像与高光谱图像的配准方法为，
控制点的选择，在图像配准时，首先在待配准图像中选择控制点，控制点必须足够多以确保产生精确的映射多项式；控制点有明显的特征，并且要分布在图像的各处，并覆盖整个图像；
确定映射多项式的系数，在确定了控制点对以后，再用最小二乘法构造两幅图像的线性映射关系；
根据某像素在参考图像的坐标值映射到待校正的图像的坐标系下的坐标值，然后从待校正的图像中选取离这个坐标值最近的灰度值作为该像素的灰度值，完成激光雷达图像与高光谱图像的配准。
所述生成归一化数字表面模型的方法为，
基于移动曲面拟合的滤波算法的激光雷达图像滤波：
1)选取合适的滤波窗口尺寸，窗口尺寸应该比区域内最大的建筑物所占像素略大；
2)在该窗口中选取高程最低的几个点，作为初始种子点，输入到地面点集P，该假设认为区域内高程最低的点属于地面点；
3)利用P中的点进行在二次曲面拟合，拟合所涉及的函数方程为
Zi＝c0+c1xi+c2yi+c3xiyi+c4xi 2+c5yi 2
上式中，(xi，yi)为第i个点在图像中的坐标，Zi为该点对应的高程值，依次将P集合内的点输入，得到一系列的方程组，在最小二乘准则下解出各系数c0，c1，c2，c3，c4，c5，从而确定曲面方程；
4)利用得到的曲面方程对其他点的高程进行预测，若预测值与实际值的差大于阈值T，则判定该点为非地面点；反之，则该点为地面点，然后将该点加入到地面点集P，重新计算各系数，得到新曲面，如此重复直至所有点都判定完毕；移动窗口至图像其它位置，完成整幅图像的滤波；
激光雷达图像也称为数字表面模型，整幅图像的滤波完成后将数字表面模型中的点集分为了地面点与非地面点两部分，根据图像中地面点的高程值对非地面点的值进行重新估计并插值，得到没有非地面点情况下的地形走势图像；
采用反距离加权插值的算法进行高程内插，首先以内插点为中心，确定适当数目Nc的最近邻点作为源采样点，假设内插点为S0(X0Y0)，采样点为Q0＝(xi，yi，zi)，i＝(1，2，...，N0)，反距离加权平均插值的数学表达式如下：
上式中
为内插点的高程估计值；δ1为第i个采样点的权值；Zi为第i个采样点的高程值，完成插值过程后，能够反映地面地形走势的数字地形模型即生成；
利用得到的数字表面模型与数字地形模型相减，就可以得到反映去除了地势起伏影响的地物相对高程信息的图像，即归一化数字表面模型。
所述步骤七中的数据分析包括提取地形因子坡度、坡向、坡长、地势起伏度、坡形，并与地质灾害信息进行空间叠加分析统计，以此作为指标进行地质灾害预警。
地质灾害风险可以表达为危险性和易损性的乘积。因此，风险评估分三步进行，首先是危险性评价，确定可能发生灾害的概率，其次是易损性分析，进行承灾体的识别与易损性评估，最后进行风险评估。
灾害风险评估分为广义和狭义两种。广义的风险评估是对灾害系统进行风险评估，即对孕灾环境、致灾因子、承灾体分别进行风险评估的基础上，对灾害系统进行风险评估狭义的风险评估主要是对致灾因子进行风险评估，即从对危害的识别，到对危害的认识，进而开展风险评估。广义的风险评估的内容孕灾环境稳定性分析主要研究风险区内的地理环境是否易于发生相应的灾害。致灾因子危险性分析主要任务是研究风险区内各种自然灾害发生的概率、强度和频率。承灾体易损性评估包括风险区的确定、风险区特性的评价和抗灾能力的分析。灾情损失评估评价风险区内一定时间段内可能发生的自然灾害给风险区造成损失的可能性。综上所述,地质灾害风险评估首先是分析风险区域内致灾因子发生的时间、范围、强度、频率的可能概率,然后据此分析人类社会系统各种灾损的可能性概率,再根据破坏程度,推测各种损失的可能性数值,最后将三个环节的可能性数值组合起来,给出灾害风险损失。首先利用DEM提取地形影响因子坡度、坡向、相对高差和坡形,利用地质数据提取地质构造因子岩性、断层距,利用地貌数据获取地貌类型因子,然后栅格化各评价因子,利用灾害数据通过空间分析功能计算各因子的信息量,针对输入的各评价因子图层进行空间分析建模,获得研究区的危险性分布图层。利用融合解译研究区的地质灾害,并与危险性分布图进行叠加,分析验证制作的危险性分布图的评价效果。
利用坡度、坡向、高程、坡形、地貌类型、断层距和岩性因子,叠加地质灾害数据,按照信息量模型计算各评价指标的信息量值,分别得到张单因子信息量,然后将这个因子的信息量图层进行叠加计算,最终得到本次研究区的综合各因子的信息量图。然后利用统计学中的自然断点法将信息量图重新分类,划分为级高度、中度和轻度,按此标准分类后的危险性等级图即为最终的地质灾害危险性评价图。
一种利用无人机进行输电线路地质灾害预警系统，包括无人机系统1和地面站系统2，所述无人机系统1包括GPS导航单元10、飞行控制单元11、数据传输单元12、供电单元13、通信单元14、激光雷达单元15以及高光谱遥感单元16，所述地面站系统2包括中控系统20，所述GPS导航单元10实时与GPS系统通信从而实现无人机的GPS导航和定位，所述飞行控制单元11通过通信单元10与地面站系统2进行通信，用以接收中控系统20给出的飞行线路并根据飞行线路控制无人机飞行，所述数据传输单元12用以接收激光雷达单元15以及高光谱遥感单元16采集的数据并通过通信单元14传输到中控系统20，所述供电单元13用以给GPS导航单元10、飞行控制单元11、数据传输单元12、通信单元14、激光雷达单元15以及高光谱遥感单元16供电。
所述激光雷达单元15包括激光雷达镜头150、点云生成器151以及激光雷达控制器152，所述激光雷达镜头150安装在无人机的底部，用以对地面进行激光雷达信号的发射和采集，并将采集的信号传输到点云生成器151生成激光雷达点云数据，激光雷达点云数据通过激光雷达控制器152传输给数据传输单元12，所述激光雷达控制器152控制激光雷达镜头150的采集角度和采集频率；所述高光谱遥感单元16包括相机160、遥感图像采集器161以及遥感相机控制器162，所述相机160安装在无人机的底部并与激光雷达镜头150平齐，相机160的镜头正对地面用以对地面进行高光谱遥感图像的拍摄，所述遥感图像采集器161通过相机160对地面进行高光谱遥感图像进行采集并通过遥感相机控制器162传输到数据传输单元12，所述遥感相机控制器162控制相机160的采集角度和采集频率。
所述中控系统20包括数据校正单元200、数据融合单元201、数据分析单元202以及灾害预警单元203，所述数据校正单元200用以将数据传输单元12传输过来的激光雷达数据和高光谱遥感图像数据进行校正，剔除掉误差较大的数据，所述数据融合单元201用以将经过数据校正的激光雷达数据和高光谱遥感图像数据进行融合，生成一幅具有空间、波谱、时间特征的合成图像，所述数据分析单元202针对合成的图像结合地质灾害信息进行空间叠加分析，所述灾害预警单元203根据数据分析单元202的分析结果，在超过风险值的时候进行灾害预警。
借助无人机平台，发挥其高效灵活的优势，可以开展激光雷达三维测绘与高光谱小型机载系统集成技术研究，融合两种技术的优势研究输电线路微地形区域内的地质灾害区的识别、地质灾害易发区的预判与监测、地质灾害评估的方法，为输电线路通道内的地质灾害隐患排查提供技术支撑，可以有针对性的防范滑坡等地质灾害，进而减少因为地质灾害隐患引起的经济损失。
无人机平台搭载该系统具有如下优势：首先，轻小型的飞行平台及大众普及的数码相机使得航空测绘成本大幅度降低；其次，具有很强的灵活性和实时响应性，可以快速、机动、灵活地对目标区域进行航飞测绘；第三，高效的应急反应，可以在恶劣的天气条件下和灾害环境中完成测绘任务；再者，无人机可以在云层下低空飞行，有效地避免有人机航空摄影测量因云层遮挡等影响而留下的漏洞区域进行补充航拍；最后，无需机场起降，在测区附近即可实现起飞和降落，无效飞行少。轻小型激光雷达及高光谱机载系统的研制，综合高光谱遥感技术应用于电力输送巡检数据采集，以及相应运检管理软件研制，可以提高电力输电线路通道巡视效率、提高巡视手段的科学性，直观、准确的反映输电线路运行情况，及时发现输电线路及其通道的地质灾害隐患，从技术上保证电网的安全运行，为电网的安全稳定运行提供技术支撑和保障，减少因电路故障而造成的经济损失，同时对推动无人机电力巡检技术的发展具有重大意义，对电力线路的维护和“坚强智能电网”的建设等都会产生深远的影响，更好的满足电力输送发展的需求。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种利用无人机进行输电线路地质灾害预警的方法，其特征在于，包括以下具体步骤：
步骤一.从电力部门获取输电线路的输电线路资料，地面站的中控系统分析输电线路资料，规划无人机的飞行线路；
步骤二.地面站将无人机的飞行线路输入到无人机的飞行控制单元中，放飞无人机；
步骤三.无人机根据规划好的飞行线路沿输电线路进行飞行，同时无人机上携带的激光雷达和高光谱遥感相机开始工作；
步骤四.激光雷达和高光谱遥感相机分别采集输电线路的激光点云数据和高光谱图像数据；
步骤五.无人机将激光点云数据和高光谱图像数据通过数据传输单元和通信单元传输到地面站的中控系统；
步骤六.地面站的中控系统将激光点云数据和高光谱图像数据进行几何校正，并将校正后的激光点云数据和高光谱图像数据进行融合；
步骤七.地面站的中控系统针对融合后的激光点云数据和高光谱图像数据进行数据分析，最终得到输电线路的灾害预警图。
2.根据权利要求1所述的一种利用无人机进行输电线路地质灾害预警方法，其特征在于，所述步骤二中，飞行控制单元还实时接收GPS导航单元的导航信息，从而调整无人机的飞行高度和航向。
3.根据权利要求1所述的一种利用无人机进行输电线路地质灾害预警方法，其特征在于，所述步骤六中，地面站的中控系统将激光点云数据和高光谱图像数据进行几何校正时，若激光点云数据和高光谱图像数据偏移量过大，则证明无人机飞行线路存在偏差，地面站的中控系统重新生成经过调整的无人机飞行线路，地面站通过通信单元向无人机发送新的无人机飞行线路，飞行控制单元根据新的无人机飞行线路调整无人机的飞行。
4.根据权利要求1所述的一种利用无人机进行输电线路地质灾害预警方法，其特征在于，所述步骤六中，激光点云数据和高光谱图像数据进行融合包括将激光雷达数据栅格化转换为数字高程模型，再将高光谱图像选出一些波段配准至和数字高程模型图像一致，直接进行地物分类，完成激光雷达数据和高光谱图像数据的融合；对高光谱图像数据进行精度评估，验证高光谱图像数据在城市土地利用分类中的可行性，判断高光谱图像数据进行数据压缩处理后与激光雷达处理后数据中的哪些波段融合参与分类后效果最好，完成激光雷达数据和高光谱图像数据融合。
5.根据权利要求4所述的一种利用无人机进行输电线路地质灾害预警方法，其特征在于，所述激光雷达数据栅格化转换为数字高程模型的方法为，
a.根据激光雷达数据所携带的水平方向地理位置信息，确定水平方向地理坐标的范围，对于待建立的栅格图像中的一个像素(i,j)，根据目标区域地理坐标的范围和栅格图像的空间分辨率d，计算其中心点坐标(X(i,j),Y(i,j))，为了方便与光谱图像联合使用，这里将栅格图像空间分辨率d设为与光谱图像相同；
b.依次搜索激光雷达数据中的所有脚点，若该脚点横坐标的范围在(X(i,j)-1/2d,Y(i,j)+1/2d)之间且纵坐标在(X(i,j)-1/2d,Y(i,j)+1/2d)之间，则收录该脚点至该像素的对应脚点集S(i,j)；
c.计算集合X(i,j)中所有脚点的高程信息或强度信息的均值，并将其该值赋予对应的目标像素；
d.计算下一像素，直至所有像素都计算完成，完成激光雷达数据到栅格图像的转换，得到激光雷达图像。
所述激光雷达图像与高光谱图像的配准方法为，
控制点的选择，在图像配准时，首先在待配准图像中选择控制点，控制点必须足够多以确保产生精确的映射多项式；控制点有明显的特征，并且要分布在图像的各处，并覆盖整个图像；
确定映射多项式的系数，在确定了控制点对以后，再用最小二乘法构造两幅图像的线性映射关系；
根据某像素在参考图像的坐标值映射到待校正的图像的坐标系下的坐标值，然后从待校正的图像中选取离这个坐标值最近的灰度值作为该像素的灰度值，完成激光雷达图像与高光谱图像的配准。
6.根据权利要求5所述的一种利用无人机进行输电线路地质灾害预警方法，其特征在于，所述生成归一化数字表面模型的方法为，
基于移动曲面拟合的滤波算法的激光雷达图像滤波：
1)选取合适的滤波窗口尺寸，窗口尺寸应该比区域内最大的建筑物所占像素略大；
2)在该窗口中选取高程最低的几个点，作为初始种子点，输入到地面点集P，该假设认为区域内高程最低的点属于地面点；
3)利用P中的点进行在二次曲面拟合，拟合所涉及的函数方程为
Zi＝c0+c1xi+c2yi+c3xiyi+c4xi 2+c5yi 2
上式中，(xi，yi)为第i个点在图像中的坐标，Zi为该点对应的高程值，依次将P集合内的点输入，得到一系列的方程组，在最小二乘准则下解出各系数c0，c1，c2，c3，c4，c5，从而确定曲面方程；
4)利用得到的曲面方程对其他点的高程进行预测，若预测值与实际值的差大于阈值T，则判定该点为非地面点；反之，则该点为地面点，然后将该点加入到地面点集P，重新计算各系数，得到新曲面，如此重复直至所有点都判定完毕；移动窗口至图像其它位置，完成整幅图像的滤波；
激光雷达图像也称为数字表面模型，整幅图像的滤波完成后将数字表面模型中的点集分为了地面点与非地面点两部分，根据图像中地面点的高程值对非地面点的值进行重新估计并插值，得到没有非地面点情况下的地形走势图像；
采用反距离加权插值的算法进行高程内插，首先以内插点为中心，确定适当数目Nc的最近邻点作为源采样点，假设内插点为S0(X0Y0)，采样点为Q0＝(xi，yi，zi),i＝(1，2，...，N0),反距离加权平均插值的数学表达式如下：
上式中
为内插点的高程估计值；δ1为第i个采样点的权值；Zi为第i个采样点的高程值，完成插值过程后，能够反映地面地形走势的数字地形模型即生成；
利用得到的数字表面模型与数字地形模型相减，就可以得到反映去除了地势起伏影响的地物相对高程信息的图像，即归一化数字表面模型。
7.根据权利要求6所述的一种利用无人机进行输电线路地质灾害预警方法，其特征在于，所述步骤七中的数据分析包括提取地形因子坡度、坡向、坡长、地势起伏度、坡形,并与地质灾害信息进行空间叠加分析统计,以此作为指标进行地质灾害预警。
8.一种利用无人机进行输电线路地质灾害预警系统，其特征在于，包括无人机系统(1)和地面站系统(2)，所述无人机系统(1)包括GPS导航单元(10)、飞行控制单元(11)、数据传输单元(12)、供电单元(13)、通信单元(14)、激光雷达单元(15)以及高光谱遥感单元(16)，所述地面站系统(2)包括中控系统(20)，所述GPS导航单元(10)实时与GPS系统通信从而实现无人机的GPS导航和定位，所述飞行控制单元(11)通过通信单元(10)与地面站系统(2)进行通信，用以接收中控系统(20)给出的飞行线路并根据飞行线路控制无人机飞行，所述数据传输单元(12)用以接收激光雷达单元(15)以及高光谱遥感单元(16)采集的数据并通过通信单元(14)传输到中控系统(20)，所述供电单元(13)用以给GPS导航单元(10)、飞行控制单元(11)、数据传输单元(12)、通信单元(14)、激光雷达单元(15)以及高光谱遥感单元(16)供电。
9.根据权利要求8所述的一种利用无人机进行输电线路地质灾害预警系统，其特征在于，所述激光雷达单元(15)包括激光雷达镜头(150)、点云生成器(151)以及激光雷达控制器(152)，所述激光雷达镜头(150)安装在无人机的底部，用以对地面进行激光雷达信号的发射和采集，并将采集的信号传输到点云生成器(151)生成激光雷达点云数据，激光雷达点云数据通过激光雷达控制器(152)传输给数据传输单元(12)，所述激光雷达控制器(152)控制激光雷达镜头(150)的采集角度和采集频率；所述高光谱遥感单元(16)包括相机(160)、遥感图像采集器(161)以及遥感相机控制器(162)，所述相机(160)安装在无人机的底部并与激光雷达镜头(150)平齐，相机(160)的镜头正对地面用以对地面进行高光谱遥感图像的拍摄，所述遥感图像采集器(161)通过相机(160)对地面进行高光谱遥感图像进行采集并通过遥感相机控制器(162)传输到数据传输单元(12)，所述遥感相机控制器(162)控制相机(160)的采集角度和采集频率。
10.根据权利要求8所述的一种利用无人机进行输电线路地质灾害预警系统，其特征在于，所述中控系统(20)包括数据校正单元(200)、数据融合单元(201)、数据分析单元(202)以及灾害预警单元(203)，所述数据校正单元(200)用以将数据传输单元(12)传输过来的激光雷达数据和高光谱遥感图像数据进行校正，剔除掉误差较大的数据，所述数据融合单元(201)用以将经过数据校正的激光雷达数据和高光谱遥感图像数据进行融合，生成一幅具有空间、波谱、时间特征的合成图像，所述数据分析单元(202)针对合成的图像结合地质灾害信息进行空间叠加分析，所述灾害预警单元(203)根据数据分析单元(202)的分析结果，在超过风险值的时候进行灾害预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911165990.3A CN111026150A (zh) | 2019-11-25 | 2019-11-25 | 一种利用无人机进行输电线路地质灾害预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911165990.3A CN111026150A (zh) | 2019-11-25 | 2019-11-25 | 一种利用无人机进行输电线路地质灾害预警系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111026150A true CN111026150A (zh) | 2020-04-17 |
Family
ID=70206530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911165990.3A Pending CN111026150A (zh) | 2019-11-25 | 2019-11-25 | 一种利用无人机进行输电线路地质灾害预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111026150A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111610800A (zh) * | 2020-05-26 | 2020-09-01 | 电子科技大学 | 一种松耦合无人机控制系统 |
| CN111783721A (zh) * | 2020-07-13 | 2020-10-16 | 湖北亿咖通科技有限公司 | 一种激光点云的车道线提取方法及电子设备 |
| CN111783722A (zh) * | 2020-07-13 | 2020-10-16 | 湖北亿咖通科技有限公司 | 一种激光点云的车道线提取方法和电子设备 |
| CN111860402A (zh) * | 2020-07-28 | 2020-10-30 | 长江勘测规划设计研究有限责任公司 | 一种消落区识别系统和方法 |
| CN112669571A (zh) * | 2020-12-16 | 2021-04-16 | 中国地质大学（北京） | 一种基于三维gis的实时滑坡预测预警系统 |
| CN113885560A (zh) * | 2021-09-29 | 2022-01-04 | 中国地质科学院地球物理地球化学勘查研究所 | 适用于滑坡快速调查的无人机集群地空瞬变电磁测量方法 |
| CN114063616A (zh) * | 2021-11-11 | 2022-02-18 | 深圳市城市公共安全技术研究院有限公司 | 基于三维激光扫描探测规划林区路径的方法及装置 |
| CN114063063A (zh) * | 2021-09-09 | 2022-02-18 | 浙江浙能天然气运行有限公司 | 基于合成孔径雷达和点状传感器的地质灾害监测方法 |
| CN114088064A (zh) * | 2021-10-14 | 2022-02-25 | 广州南方卫星导航仪器有限公司 | 一种水下纵横断面测量方法及系统 |
| CN114894157A (zh) * | 2022-04-13 | 2022-08-12 | 中国能源建设集团江苏省电力设计院有限公司 | 一种基于激光点云分层的输电杆塔倾斜度计算方法及系统 |
| CN116627164A (zh) * | 2023-04-13 | 2023-08-22 | 北京数字绿土科技股份有限公司 | 一种基于地形高度的无人机仿地飞行控制方法和系统 |
| CN116804882A (zh) * | 2023-06-14 | 2023-09-26 | 黑龙江大学 | 一种基于流数据处理的智能无人机控制系统及其无人机 |
| CN116935234A (zh) * | 2023-09-18 | 2023-10-24 | 众芯汉创(江苏)科技有限公司 | 一种输电线走廊点云数据自动分类和树障预警系统及方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201402324Y (zh) * | 2009-04-16 | 2010-02-10 | 重庆市电力公司超高压局 | 高压架空输电线路机载三维激光雷达检测系统 |
| CN206021492U (zh) * | 2016-09-22 | 2017-03-15 | 云南电网有限责任公司电力科学研究院 | 基于无人机的输电线路山火监测装置 |
| CN106657882A (zh) * | 2016-10-18 | 2017-05-10 | 国网湖北省电力公司检修公司 | 基于无人机的输变电系统实时监控方法 |
| CN106774052A (zh) * | 2016-11-18 | 2017-05-31 | 云南电网有限责任公司电力科学研究院 | 无人机影像输电线路地质灾害监测系统及方法 |
| CN110308457A (zh) * | 2018-03-27 | 2019-10-08 | 深圳天眼激光科技有限公司 | 一种基于无人机的输电线路巡检系统 |
| CN110427857A (zh) * | 2019-07-26 | 2019-11-08 | 国网湖北省电力有限公司检修公司 | 一种基于遥感数据融合的输电线路地质灾害分析方法 |
-
2019
- 2019-11-25 CN CN201911165990.3A patent/CN111026150A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201402324Y (zh) * | 2009-04-16 | 2010-02-10 | 重庆市电力公司超高压局 | 高压架空输电线路机载三维激光雷达检测系统 |
| CN206021492U (zh) * | 2016-09-22 | 2017-03-15 | 云南电网有限责任公司电力科学研究院 | 基于无人机的输电线路山火监测装置 |
| CN106657882A (zh) * | 2016-10-18 | 2017-05-10 | 国网湖北省电力公司检修公司 | 基于无人机的输变电系统实时监控方法 |
| CN106774052A (zh) * | 2016-11-18 | 2017-05-31 | 云南电网有限责任公司电力科学研究院 | 无人机影像输电线路地质灾害监测系统及方法 |
| CN110308457A (zh) * | 2018-03-27 | 2019-10-08 | 深圳天眼激光科技有限公司 | 一种基于无人机的输电线路巡检系统 |
| CN110427857A (zh) * | 2019-07-26 | 2019-11-08 | 国网湖北省电力有限公司检修公司 | 一种基于遥感数据融合的输电线路地质灾害分析方法 |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111610800A (zh) * | 2020-05-26 | 2020-09-01 | 电子科技大学 | 一种松耦合无人机控制系统 |
| CN111783721A (zh) * | 2020-07-13 | 2020-10-16 | 湖北亿咖通科技有限公司 | 一种激光点云的车道线提取方法及电子设备 |
| CN111783722A (zh) * | 2020-07-13 | 2020-10-16 | 湖北亿咖通科技有限公司 | 一种激光点云的车道线提取方法和电子设备 |
| CN111783722B (zh) * | 2020-07-13 | 2021-07-06 | 湖北亿咖通科技有限公司 | 一种激光点云的车道线提取方法和电子设备 |
| CN111860402A (zh) * | 2020-07-28 | 2020-10-30 | 长江勘测规划设计研究有限责任公司 | 一种消落区识别系统和方法 |
| CN111860402B (zh) * | 2020-07-28 | 2024-07-19 | 长江勘测规划设计研究有限责任公司 | 一种消落区识别系统和方法 |
| CN112669571A (zh) * | 2020-12-16 | 2021-04-16 | 中国地质大学（北京） | 一种基于三维gis的实时滑坡预测预警系统 |
| CN112669571B (zh) * | 2020-12-16 | 2021-08-24 | 中国地质大学（北京） | 一种基于三维gis的实时滑坡预测预警系统 |
| CN114063063A (zh) * | 2021-09-09 | 2022-02-18 | 浙江浙能天然气运行有限公司 | 基于合成孔径雷达和点状传感器的地质灾害监测方法 |
| CN113885560B (zh) * | 2021-09-29 | 2023-06-06 | 中国地质科学院地球物理地球化学勘查研究所 | 适用于滑坡快速调查的无人机集群地空瞬变电磁测量方法 |
| CN113885560A (zh) * | 2021-09-29 | 2022-01-04 | 中国地质科学院地球物理地球化学勘查研究所 | 适用于滑坡快速调查的无人机集群地空瞬变电磁测量方法 |
| CN114088064A (zh) * | 2021-10-14 | 2022-02-25 | 广州南方卫星导航仪器有限公司 | 一种水下纵横断面测量方法及系统 |
| CN114063616B (zh) * | 2021-11-11 | 2024-03-01 | 深圳市城市公共安全技术研究院有限公司 | 基于三维激光扫描探测规划林区路径的方法及装置 |
| CN114063616A (zh) * | 2021-11-11 | 2022-02-18 | 深圳市城市公共安全技术研究院有限公司 | 基于三维激光扫描探测规划林区路径的方法及装置 |
| CN114894157A (zh) * | 2022-04-13 | 2022-08-12 | 中国能源建设集团江苏省电力设计院有限公司 | 一种基于激光点云分层的输电杆塔倾斜度计算方法及系统 |
| CN116627164A (zh) * | 2023-04-13 | 2023-08-22 | 北京数字绿土科技股份有限公司 | 一种基于地形高度的无人机仿地飞行控制方法和系统 |
| CN116627164B (zh) * | 2023-04-13 | 2024-04-26 | 北京数字绿土科技股份有限公司 | 一种基于地形高度的无人机仿地飞行控制方法和系统 |
| CN116804882A (zh) * | 2023-06-14 | 2023-09-26 | 黑龙江大学 | 一种基于流数据处理的智能无人机控制系统及其无人机 |
| CN116804882B (zh) * | 2023-06-14 | 2023-12-29 | 黑龙江大学 | 一种基于流数据处理的智能无人机控制系统及其无人机 |
| CN116935234A (zh) * | 2023-09-18 | 2023-10-24 | 众芯汉创(江苏)科技有限公司 | 一种输电线走廊点云数据自动分类和树障预警系统及方法 |
| CN116935234B (zh) * | 2023-09-18 | 2023-12-26 | 众芯汉创(江苏)科技有限公司 | 一种输电线走廊点云数据自动分类和树障预警系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111026150A (zh) | 一种利用无人机进行输电线路地质灾害预警系统及方法 | |
| CN111537515B (zh) | 基于三维实景模型的铁塔螺栓缺陷展示方法和系统 | |
| US9784836B2 (en) | System for monitoring power lines | |
| CN108614274B (zh) | 基于多旋翼无人机的交叉式跨越线距离测量方法及装置 | |
| Ahmad et al. | Vegetation encroachment monitoring for transmission lines right-of-ways: A survey | |
| CN106504362A (zh) | 基于无人机的输变电系统巡检方法 | |
| CN106657882A (zh) | 基于无人机的输变电系统实时监控方法 | |
| CN105182997A (zh) | 一种基于电磁仿真的无人机规划航路评估方法 | |
| CN113189615A (zh) | 一种使用垂直起降固定翼无人机对输电线路进行巡检的方法 | |
| JP2014119449A (ja) | 航空森林調査システム | |
| CN114092537A (zh) | 一种变电站电力无人机自动巡检方法及装置 | |
| CN115127510A (zh) | 一种水陆空三栖立体无人化多平台联动滑坡智能巡防系统 | |
| CN115657706B (zh) | 基于无人机的地貌测量方法及系统 | |
| CN107783119A (zh) | 应用在避障系统中的决策融合方法 | |
| JP2022119973A (ja) | 画像識別に基づく飛行体強制着陸経路計画方法、システムおよび装置 | |
| CN115223090A (zh) | 基于多源遥感影像的机场净空障碍物周期监测方法 | |
| Leng et al. | Multi-UAV surveillance over forested regions | |
| CN114371725A (zh) | 一种适合于风电机组自动化巡检的系统 | |
| CN116563466A (zh) | 一种基于深度学习的三维单木点云的补全方法 | |
| CN105810023A (zh) | 机场起落架收放自动监测系统及方法 | |
| Pargieła | Optimising UAV data acquisition and processing for photogrammetry: a review | |
| WO2023059178A1 (en) | Methods, systems, and devices for inspecting structures and objects | |
| CN117406778A (zh) | 一种基于地理空间数据的无人机激光雷达仿地飞行方法 | |
| CN116912443A (zh) | 一种使用无人机航测技术的矿区点云和影像融合建模方法 | |
| CN111025325A (zh) | 基于卫星通信的无人机激光雷达航空数据遥测与分析系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200615 Address after: Two village 430050 Hanyang District of Hubei city of Wuhan Province, No. 65 Applicant after: STATE GRID HUBEI ELECTRIC POWER CO., LTD. MAINTENANCE Co. Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant before: STATE GRID CORPORATION OF CHINA Applicant before: STATE GRID HUBEI ELECTRIC POWER CO., LTD. MAINTENANCE Co. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |
|
| RJ01 | Rejection of invention patent application after publication |