CN111765886A - 一种多端协同森林树冠下地貌建图系统及方法 - Google Patents
一种多端协同森林树冠下地貌建图系统及方法 Download PDFInfo
- Publication number
- CN111765886A CN111765886A CN202010419251.9A CN202010419251A CN111765886A CN 111765886 A CN111765886 A CN 111765886A CN 202010419251 A CN202010419251 A CN 202010419251A CN 111765886 A CN111765886 A CN 111765886A
- Authority
- CN
- China
- Prior art keywords
- satellite navigation
- positioning data
- unmanned vehicle
- unmanned
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013507 mapping Methods 0.000 title claims description 5
- 238000004891 communication Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 238000009434 installation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 235000011399 aloe vera Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
Abstract
本发明公开了一种多端协同森林树冠下地貌建图系统及方法，系统包括卫星导航系统和无人车，无人车设有三维激光雷达、惯性导航系统、卫星导航模块和处理模块。方法包括:初始化校正时间；三维激光雷达获取无人车周围空间环境的三维点云数据，惯性导航系统获取无人车惯性导航定位数据，卫星导航模块获取无人车的卫星导航定位数据；融合无人车的惯性导航定位数据和卫星导航定位数据获取无人车实时定位信息；根据三维点云数据和实时定位信息有序堆积生成三维地貌图。本发明将无人车惯性导航定位数据和卫星导航定位数据相融合，提高了无人车定位精度，提高了三维地貌图的精度，为火灾发生时的最佳灭火搜救路径与方案提供直接的依据与保障。
Description
技术领域
本发明涉及地图构建技术领域，尤其涉及一种多端协同森林树冠下地貌建图系统及方法。
背景技术
中国森林分布广泛、地理环境复杂多样，森林火灾时有发生。中国每年平均发生森林火灾约1万多次，烧毁森林几十万至上百万公顷，约占全国森林面积的5～8‰。1987年5月黑龙江大兴安岭还发生特大森林火灾，过火面积101万公顷，其中有林面积占70％。森林火灾烧毁林木,烧毁林下植物资源,危害野生动物,引起水土流失,使下游河流水质下降,引起空气污染,威胁人民生命财产安全，而且还严重破坏森林结构和森林环境，导致森林生态系统失去平衡。高强度的大火，能破坏土壤的化学、物理性质，降低土壤的保水性和渗透性，使某些林地和低洼地的地下水位上升，引起沼泽化；另外，由于土壤表面炭化增温，还会加速火烧迹地干燥，导致阳性杂草丛生，不利森林更新或造成耐极端生态条件的低价值森林更替。大量森林火灾表明，最有效的灭火手段是快速建立隔离带，从而有效地隔离火源区域与其他区域之间的连接，防止大火蔓延。而要做到精准、高效、快速地防火、灭火与搜救，一张精准的详细的森林三维地形地貌的地图是必不可少的，特别是要获得森林茂密树冠下的地形地貌图，这样才能快速建立隔离带，才能为最佳的灭火搜救路径与方案提供直接的依据与保障。
例如，中国专利文献CN109029422A公开了“一种多无人机协作构建三维调查地图的方法和装置”，所述方法包括获取至少两个无人机在飞行过程中采集的带有环境调查数据的至少两个地图数据；基于所述至少两个地图数据，生成融合的带有所述环境调查数据的三维调查地图。上述专利文献中只利用无人机完成三维调查地图的构建，在构建的过程中无人机的定位精度受到森林冠木层的影响，从而导致构建的三维调查地图精度低。
发明内容
本发明主要解决原有的森林树冠下地貌建图系统及方法定位精度低的技术问题；提供一种多端协同森林树冠下地貌建图系统及方法，将无人车的惯性导航定位数据和无人车的卫星导航定位数据相融合，提高了定位精度。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
本发明的一种多端协同森林树冠下地貌建图系统，包括卫星导航系统和无人车，所述无人车上设有三维激光雷达、惯性导航系统、卫星导航模块和处理模块；
其中，所述三维激光雷达用于获取所述无人车周围空间环境的三维点云数据；
所述惯性导航系统用于获取所述无人车的惯性导航定位数据；
所述卫星导航模块用于获取所述获取无人车的卫星导航定位数据；
所述处理模块用于处理所述三维激光雷达、惯性导航系统和卫星导航模块的数据并生成三维地貌图。
三维激光雷达获取无人车周围空间环境的三维点云数据，惯性导航系统获取无人车的惯性导航定位数据，卫星导航模块获取无人车的卫星导航定位数据；处理模块融合无人车的惯性导航定位数据和无人车的卫星导航定位数据，获取无人车的实时定位信息，再根据三维点云数据和实时定位信息有序堆积生成三维地貌图。将无人车的卫星导航定位数据与无人车的惯性导航定位数据相融合，提高了三维地貌图构建过程中无人车的定位精度，进而提高了三维地貌图的精度，为森林火灾发生时的最佳的灭火搜救路径与方案提供直接的依据与保障。
作为优选，所述的卫星导航系统包括全球卫星导航系统和伪卫星导航系统，所述伪卫星导航系统包括无人机组和无人车，无人机通过全球卫星导航系统获取无人机的定位数据，无人车根据无人机组中各无人机的定位数据得到无人车的卫星导航定位数据。
在森林中浓厚的树冠会严重削弱树冠下卫星信号的传输，因此建立伪卫星导航系统。在浓厚的树冠下进行地貌建图时，虽然全球卫星导航系统的卫星信号被削弱，从而导致无法获取精准的无人车的卫星导航定位数据，但通过伪卫星导航系统能够解决上述问题，获取精准的无人车的卫星导航定位数据，保障了三维地貌图构建过程中无人车的定位精度，进而保障了三维地貌图的精度。
作为优选，所述的无人机组和无人车通过短距离无线通信进行信息交互。
由于树冠下的环境远比空旷的天空环境要复杂，多路径效应会更加显著，更容易出现二次或多次反射波，因此采用频率较低穿透能力更强的短距离无线电用于地面作业系统和空中信息采集系统之间的通信，保证了传输效率和准确率。
作为优选，所述的该系统还包括数据时间同步模块，所述数据时间同步模块用于保持所述三维激光雷达、惯性导航系统和卫星导航模块的数据的时间一致性。
数据时间同步模块使三维激光雷达、惯性导航系统和卫星导航模块的数据保持时间一致性，在后续三维地貌图的构建过程中保证了数据的一致性，不会导致数据匹配错误，从而降低了三维地貌图的精度。
本发明的一种多端协同森林树冠下地貌建图方法，包括下列步骤：
S1、初始化校正三维激光雷达、惯性导航系统和卫星导航模块的时间，保持三维激光雷达、惯性导航系统和卫星导航模块的数据的时间一致性；
S2、三维激光雷达获取无人车周围空间环境的三维点云数据，惯性导航系统获取无人车的惯性导航定位数据，卫星导航模块获取无人车的卫星导航定位数据；
S3、融合步骤S2中的无人车的惯性导航定位数据和无人车的卫星导航定位数据获取无人车的实时定位信息；
S4、根据三维点云数据和实时定位信息有序堆积生成三维地貌图。
三维激光雷达获取无人车周围空间环境的三维点云数据，惯性导航系统获取无人车的惯性导航定位数据，卫星导航模块获取无人车的卫星导航定位数据；处理模块融合无人车的惯性导航定位数据和无人车的卫星导航定位数据，获取无人车的实时定位信息，再根据三维点云数据和实时定位信息有序堆积生成三维地貌图。将无人车的卫星导航定位数据与无人车的惯性导航定位数据相融合，提高了三维地貌图构建过程中无人车的定位精度，进而提高了三维地貌图的精度，为森林火灾发生时的最佳的灭火搜救路径与方案提供直接的依据与保障。初始化校正三维激光雷达、惯性导航系统和卫星导航模块的时间，使三维激光雷达、惯性导航系统和卫星导航模块的数据保持时间一致性，在后续三维地貌图的构建过程中保证了数据的一致性，不会导致数据匹配错误，从而降低了三维地貌图的精度。
作为优选，所述的步骤S2中的卫星导航模块获取无人车的卫星导航定位数据具体包括：
卫星导航模块判断接收到的全球卫星导航系统信号的强弱，若接收到的全球卫星导航系统信号比预设值强，则卫星导航模块通过全球卫星导航系统获取无人车的卫星导航定位数据；反之，则卫星导航模块通过伪卫星导航系统获取无人车的卫星导航定位数据。
在森林中浓厚的树冠会严重削弱树冠下卫星信号的传输，因此建立伪卫星导航系统。在浓厚的树冠下进行地貌建图时，虽然全球卫星导航系统的卫星信号被削弱，从而导致无法获取精准的无人车的卫星导航定位数据，但通过伪卫星导航系统能够解决上述问题，获取精准的无人车的卫星导航定位数据，保障了三维地貌图构建过程中无人车的定位精度，进而保障了三维地貌图的精度。
作为优选，所述的卫星导航模块通过伪卫星导航系统获取无人车的卫星导航定位数据具体包括：
卫星导航模块通过短距离通信网络发送指令至无人机，无人机接收到指令后，通过短距离通信网络将无人机的定位数据发送至卫星导航模块；
卫星导航模块接收无人机组中各无人机的定位数据，所述无人机的定位数据从全球卫星导航系统获取，所述无人机的定位数据带有时间戳；
卫星导航模块根据无人机组中各无人机同一时间的定位数据计算得到无人车的卫星导航定位数据。
通过根据无人机组中各无人机的定位数据获取无人车的卫星导航定位数据，进一步提高了无人车的定位精度。
作为优选，所述的步骤S3具体包括：
通过联合卡尔曼滤波算法对无人车的惯性导航定位数据和无人车的卫星导航定位数据进行融合，得到无人车的实时定位信息。
作为优选，进行步骤S4之前，利用粒子滤波器对三维点云数据进行预处理。
去除三维点云数据中的噪声，提高了三维地貌图的精度。
本发明的有益效果是：1)将无人车的惯性导航定位数据和无人车的卫星导航定位数据相融合，提高了三维地貌图构建过程中无人车的定位精度，进而提高了三维地貌图的精度，为森林火灾发生时的最佳的灭火搜救路径与方案提供直接的依据与保障；2)通过组建伪卫星导航系统，保障了在全球卫星导航系统的卫星信号受树冠影响减弱的时候依旧能够获取卫星导航系统的定位数据；3)使三维激光雷达、惯性导航系统和卫星导航模块的数据保持时间一致性，在后续三维地貌图的构建过程中保证了数据的一致性，提高了三维地貌图的精度。
附图说明
图1是本发明系统的一种结构框图。
图2是本发明伪卫星导航系统的一种结构示意图。
图3是本发明无人机的一种结构框图。
图4是本发明充电固定装置的一种结构示意图。
图5是本发明方法的一种流程框图。
图中1、卫星导航系，11、全球卫星导航系统，12、伪卫星导航系统，2、无人车，21、三维激光雷达，22、惯性导航系统，23、卫星导航模块，24、处理模块，25、数据时间同步模块，26、信息传输模块，3、无人机，31、卫星模块，32、无人机卫星接收天线，33、通信模块，4、支路电源模块，5弹簧、57、充电模块，6、卡扣，64、供电模块，71、固定套筒，72、固定杆，73、气缸，74导轨，75、通孔，76、滑槽，81、安装套筒，82、安装通孔。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：本实施例的一种多端协同森林树冠下地貌建图系统，如图1所示，包括卫星导航系统1和无人车2。其中卫星导航系统包括全球卫星导航系统11和伪卫星导航系统12。
伪卫星导航系统如图2所示，由无人机组和无人车组成，无人机组包括四架无人机3。无人机如图3所示，包括卫星模块31、无人机卫星接收天线32和通信模块33，卫星接收天线与卫星模块连接，通信模块与卫星模块连接。
无人车包括三维激光雷达21、惯性导航系统22、卫星导航模块23、处理模块24、数据时间同步模块25和信息传输模块26，三维激光雷达、惯性导航系统和卫星导航模块均分别与处理模块和数据时间同步模块连接，信息传输模块与卫星导航模块连接。
无人机上的卫星模块通过无人机卫星接收天线连接卫星接收数据获取无人机的定位数据，无人机上的信息传输模块将无人机的定位数据发送至无人车的通信模块，卫星导航模块，其中无人机的定位数据带有时间戳。无人车和无人机之间通过短距离通信网络进行通信。
三维激光雷达用于获取无人车周围空间环境的三维点云数据；惯性导航系统用于获取无人车的惯性导航定位数据；处理模块用于处理所述三维激光雷达、惯性导航系统和卫星导航模块的数据并生成三维地貌图；数据时间同步模块用于保持所述三维激光雷达、惯性导航系统和卫星导航模块的数据的时间一致性。卫星导航模块断无人车接收到的来自全球卫星导航系统的信号的强弱，若接收到的来自全球卫星导航系统的信号的强度大于设定值，则卫星导航模块通过安装在无人车上的卫星接收天线连接卫星接收数据，获取无人车的卫星导航定位数据；若接收到的来自全球卫星导航系统的信号的强度大于设定值，则卫星导航模块通过短距离通信网络获取无人机组中各无人机的定位数据，并根据无人机组中各无人机同一时间的定位数据计算得到无人车的卫星导航定位数据。
如图4所示，无人机还包括充电模块57和电源检测模块，充电模块和电源检测模块分别与无人机的电源模块连接，无人车上设有与充电模块相对应的供电模块64和充电固定装置，充电固定装置包括固定套筒71、固定杆72和气缸73，固定套筒设置在供电模块外侧，固定套筒内设有导轨74，固定套筒的侧壁设有通孔75，通孔的外侧延伸设有滑槽76，固定杆设置在滑槽中，固定杆的一侧与气缸的活塞杆固定连接，无人机的充电模块外侧设有与固定套筒相对应的安装套筒81，安装套筒的外侧设有与导轨相对应的导槽，安装套筒上设有与通孔相对应的安装通孔82。无人车的供电模块还连接有支路电源模块4，支路电源模块与弹簧的一端5电连接，弹簧的另一端与卡扣6相连接，卡扣安装在供电模块的供电接口处。
当无人机的电源检测模块检测到无人机电源模块的剩余电量小于设定值时，电源检测模块发送无人机编号信息至工作人员手中的移动终端，工作人员根据无人机编号信息手动操控无人机前往无人车指定位置进行充电，在无人机下降的过程中，无人机充电模块外侧的安装套筒沿固定套筒的导轨向下运动直至安装套筒的底部与固定套筒的底部接触，压力传感器产生信号产生受压信号后，气缸的活塞杆伸出，带动固定杆沿滑槽向内运动贯穿通孔和安装通孔，将无人机和无人车进行充电固定。当无人机开始充电时，弹簧通过支路电源模块从供电模块处获取电流，受热收缩，带动卡扣卡紧供电模块和充电模块的接口处，保证在充电过程中供电模块和充电模块的接口不会松动，影响充电过程。当供电模块出现过流现像时，弹簧受热急剧回缩，带动卡扣断开供电模块和充电模块的连接，停止为无人机充电，保障了充电安全。
本实施例的一种多端协同森林树冠下地貌建图方法，如图5所示，包括下列步骤：
S1、初始化校正三维激光雷达、惯性导航系统和卫星导航模块的时间，保持三维激光雷达、惯性导航系统和卫星导航模块的数据的时间一致性；
S2、三维激光雷达获取无人车周围空间环境的三维点云数据，惯性导航系统获取无人车的惯性导航定位数据，卫星导航模块获取无人车的卫星导航定位数据；
其中，步骤S2中的卫星导航模块获取无人车的卫星导航定位数据具体包括：
卫星导航模块断无人车接收到的来自全球卫星导航系统的信号的强弱，若接收到的来自全球卫星导航系统的信号的强度大于设定值，则卫星导航模块通过安装在无人车上的卫星接收天线连接卫星接收数据，获取无人车的卫星导航定位数据；
若接收到的来自全球卫星导航系统的信号的强度大于设定值，则卫星导航模块通过短距离通信网络发送指令至无人机，无人机接收到指令后，通过短距离通信网络将无人机的定位数据发送至卫星导航模块，其中无人机的定位数据是无人机上的卫星模块通过无人机卫星接收天线连接卫星接收数据获取的，且无人机的定位数据带有时间戳，卫星导航模块根据无人机组中各无人机同一时间的定位数据计算得到无人车的卫星导航定位数据：
其中，(xu,yu,zu)是无人车的三维位置，(xi,yi,zi)是无人机组中各无人机同一时间的定位数据，l1是无人车对第i无人机的伪距测量值，c是对伪距测量值由时钟引起的误差弥补系数，通过多次试验获取。
伪距测量值l1＝(cu-ci)*v，其中cu是无人车接收到无人机的定位数据的时间，ci是无人机的定位数据所带的时间戳的时间，v是传输速率。
S3、通过联合卡尔曼滤波算法对无人车的惯性导航定位数据和无人车的卫星导航定位数据进行融合，得到无人车的实时定位信息；
S4、利用粒子滤波器对三维点云数据进行预处理，去除三维点云数据中的噪声，提高了三维地貌图的精度。
S5、根据三维点云数据和实时定位信息有序堆积生成三维地貌图；
其中，步骤S5具体包括：
B1、每个三维点云数据和实时定位信息都带有时间标记，将三维点云数据和实时定位信息根据时间标记一一相对应；
B2、对三维点云数据进行分类，得到不用类别的三维点云数据；
B3、确定不同类别的三维点云数据对应的物体，采用不用颜色将不同类别的三维点云数据所对应的物体呈现，提升了三维地貌图的显示效果。
Claims (9)
1.一种多端协同森林树冠下地貌建图系统，其特征在于包括卫星导航系统和无人车，所述无人车上设有三维激光雷达、惯性导航系统、卫星导航模块和处理模块；
其中，所述三维激光雷达用于获取所述无人车周围空间环境的三维点云数据；
所述惯性导航系统用于获取所述无人车的惯性导航定位数据；
所述卫星导航模块用于获取所述获取无人车的卫星导航定位数据；
所述处理模块用于处理所述三维激光雷达、惯性导航系统和卫星导航模块的数据并生成三维地貌图。
2.根据权利要求1所述的一种多端协同森林树冠下地貌建图系统，其特征在于所述卫星导航系统包括全球卫星导航系统和伪卫星导航系统，所述伪卫星导航系统包括无人机组和无人车，无人机通过全球卫星导航系统获取无人机的定位数据，无人车根据无人机组中各无人机的定位数据得到无人车的卫星导航定位数据。
3.根据权利要求2所述的一种多端协同森林树冠下地貌建图系统，其特征在于所述无人机组和无人车通过短距离无线通信进行信息交互。
4.根据权利要求1所述的一种多端协同森林树冠下地貌建图系统，其特征在于还包括数据时间同步模块，所述数据时间同步模块用于保持所述三维激光雷达、惯性导航系统和卫星导航模块的数据的时间一致性。
5.一种多端协同森林树冠下地貌建图方法，适用于权利要求1～4中任一项所述系统，其特征在于包括下列步骤：
S1、初始化校正三维激光雷达、惯性导航系统和卫星导航模块的时间，保持三维激光雷达、惯性导航系统和卫星导航模块的数据的时间一致性；
S2、三维激光雷达获取无人车周围空间环境的三维点云数据，惯性导航系统获取无人车的惯性导航定位数据，卫星导航模块获取无人车的卫星导航定位数据；
S3、融合步骤S2中的无人车的惯性导航定位数据和无人车的卫星导航定位数据获取无人车的实时定位信息；
S4、根据三维点云数据和实时定位信息有序堆积生成三维地貌图。
6.根据权利要求5所述的一种多端协同森林树冠下地貌建图方法，其特征在于所述步骤S2中的卫星导航模块获取无人车的卫星导航定位数据具体包括：
卫星导航模块判断接收到的全球卫星导航系统信号的强弱，若接收到的全球卫星导航系统信号比预设值强，则卫星导航模块通过全球卫星导航系统获取无人车的卫星导航定位数据；反之，则卫星导航模块通过伪卫星导航系统获取无人车的卫星导航定位数据。
7.根据权利要求6所述的一种多端协同森林树冠下地貌建图方法，其特征在于所述卫星导航模块通过伪卫星导航系统获取无人车的卫星导航定位数据具体包括：
卫星导航模块通过短距离通信网络发送指令至无人机，无人机接收到指令后，通过短距离通信网络将无人机的定位数据发送至卫星导航模块；
卫星导航模块接收无人机组中各无人机的定位数据，所述无人机的定位数据从全球卫星导航系统获取，所述无人机的定位数据带有时间戳；
卫星导航模块根据无人机组中各无人机同一时间的定位数据计算得到无人车的卫星导航定位数据。
8.根据权利要求5所述的一种多端协同森林树冠下地貌建图方法，其特征在于所述步骤S3具体包括：
通过联合卡尔曼滤波算法对无人车的惯性导航定位数据和无人车的卫星导航定位数据进行融合，得到无人车的实时定位信息。
9.根据权利要求5所述的一种多端协同森林树冠下地貌建图方法，其特征在于进行步骤S4之前，利用粒子滤波器对三维点云数据进行预处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010419251.9A CN111765886A (zh) | 2020-05-18 | 2020-05-18 | 一种多端协同森林树冠下地貌建图系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010419251.9A CN111765886A (zh) | 2020-05-18 | 2020-05-18 | 一种多端协同森林树冠下地貌建图系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111765886A true CN111765886A (zh) | 2020-10-13 |
Family
ID=72719179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010419251.9A Pending CN111765886A (zh) | 2020-05-18 | 2020-05-18 | 一种多端协同森林树冠下地貌建图系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111765886A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112612788A (zh) * | 2020-12-11 | 2021-04-06 | 中国北方车辆研究所 | 一种无导航卫星信号下的自主定位方法 |
| CN116080423A (zh) * | 2023-04-03 | 2023-05-09 | 电子科技大学 | 一种基于ros的集群无人车能源供给系统及其执行方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106898249A (zh) * | 2017-04-20 | 2017-06-27 | 中国石油大学(华东) | 一种针对地震灾区通信失效区域的地图构建系统及其构建方法 |
| CN108181631A (zh) * | 2017-12-28 | 2018-06-19 | 南京航空航天大学 | 一种多机协同的移动自组织网络局部定位系统和方法 |
| CN207834474U (zh) * | 2018-01-12 | 2018-09-07 | 东莞市劲鹿电池科技有限公司 | 一种具有保护结构的锂电池 |
| CN109934920A (zh) * | 2019-05-20 | 2019-06-25 | 奥特酷智能科技(南京)有限公司 | 基于低成本设备的高精度三维点云地图构建方法 |
| CN109991984A (zh) * | 2019-04-22 | 2019-07-09 | 上海蔚来汽车有限公司 | 用于生成高精细地图的方法、装置和计算机存储介质 |
| CN110221623A (zh) * | 2019-06-17 | 2019-09-10 | 酷黑科技（北京）有限公司 | 一种空地协同作业系统及其定位方法 |
| CN110406402A (zh) * | 2018-12-10 | 2019-11-05 | 乌鲁木齐爱思特专利转让服务有限责任公司 | 一种远距离飞行系统 |
-
2020
- 2020-05-18 CN CN202010419251.9A patent/CN111765886A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106898249A (zh) * | 2017-04-20 | 2017-06-27 | 中国石油大学(华东) | 一种针对地震灾区通信失效区域的地图构建系统及其构建方法 |
| CN108181631A (zh) * | 2017-12-28 | 2018-06-19 | 南京航空航天大学 | 一种多机协同的移动自组织网络局部定位系统和方法 |
| CN207834474U (zh) * | 2018-01-12 | 2018-09-07 | 东莞市劲鹿电池科技有限公司 | 一种具有保护结构的锂电池 |
| CN110406402A (zh) * | 2018-12-10 | 2019-11-05 | 乌鲁木齐爱思特专利转让服务有限责任公司 | 一种远距离飞行系统 |
| CN109991984A (zh) * | 2019-04-22 | 2019-07-09 | 上海蔚来汽车有限公司 | 用于生成高精细地图的方法、装置和计算机存储介质 |
| CN109934920A (zh) * | 2019-05-20 | 2019-06-25 | 奥特酷智能科技(南京)有限公司 | 基于低成本设备的高精度三维点云地图构建方法 |
| CN110221623A (zh) * | 2019-06-17 | 2019-09-10 | 酷黑科技（北京）有限公司 | 一种空地协同作业系统及其定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王宝昌: "无人机航拍技术", 西北工业大学, pages: 66 - 68 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112612788A (zh) * | 2020-12-11 | 2021-04-06 | 中国北方车辆研究所 | 一种无导航卫星信号下的自主定位方法 |
| CN112612788B (zh) * | 2020-12-11 | 2024-03-01 | 中国北方车辆研究所 | 一种无导航卫星信号下的自主定位方法 |
| CN116080423A (zh) * | 2023-04-03 | 2023-05-09 | 电子科技大学 | 一种基于ros的集群无人车能源供给系统及其执行方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104931022B (zh) | 基于星载激光测高数据的卫星影像立体区域网平差方法 | |
| CN108832997B (zh) | 一种无人机群搜索救援方法及系统 | |
| CN108981559A (zh) | 基于北斗地基增强系统的实时变形监测方法及系统 | |
| CN111765886A (zh) | 一种多端协同森林树冠下地貌建图系统及方法 | |
| Calantropio et al. | UAV strategies validation and remote sensing data for damage assessment in post-disaster scenarios | |
| KR101891087B1 (ko) | 드론을 이용한 암반사면의 안정성 평가방법 | |
| CN103760585B (zh) | 一种适用林区的星‑地结合定位方法 | |
| CN109917433B (zh) | 一种可飞行的测量系统和飞行测量方法 | |
| CN110044338B (zh) | 一种溃堤溃坝场景的无人机监测方法及系统 | |
| Bandini et al. | Unmmaned aerial vehicle observations of water surfaces elevation and bathymetry in the cenotes and lagoons of the Yucatán Peninsula, Mexico | |
| Chiabrando et al. | Uav direct georeferencing approach in an emergency mapping context. the 2016 central Italy earthquake case study | |
| Nguyen et al. | Influence of flight height on the accuracy of UAV derived digital elevation model at complex terrain | |
| CN111744122B (zh) | 一种多端协同建立森林火灾隔离带系统 | |
| Zhang et al. | UAV/RTS system based on MMCPF theory for fast and precise determination of position and orientation | |
| Baiocchi et al. | Unmanned aerial vehicle for post seismic and other hazard scenarios | |
| Peyton | An investigation into acceleration determination for airborne gravimetry using the Global Positioning System | |
| Lin et al. | Micro-UAV based remote sensing method for monitoring landslides in three gorges reservoir, China | |
| CN113406566A (zh) | 一种飞行器定位的方法和装置 | |
| CN103176180A (zh) | 高精度机载激光雷达系统的定位精度检测装置及检测方法 | |
| Kim et al. | UAV Application for process control of the reclamation project | |
| CN116679331A (zh) | 基于轮询北斗rtk定位与lstm辅助解算的杆塔偏移监测方法及系统 | |
| Xiu et al. | Plane accuracy of aerophotogrammetry without image control points of DJI PHANTOM 4 RTK UAV | |
| CN213986842U (zh) | 一种标靶 | |
| CN212914278U (zh) | 一种快速建立森林火灾隔离带系统 | |
| CN115268491A (zh) | 一种基于北斗+无人机网格码高速场的数据采集、处理系统 |
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 |