CN112146615A - 基于多架无人机的边坡监测方法 - Google Patents

基于多架无人机的边坡监测方法 Download PDF

Info

Publication number
CN112146615A
CN112146615A CN202011007678.4A CN202011007678A CN112146615A CN 112146615 A CN112146615 A CN 112146615A CN 202011007678 A CN202011007678 A CN 202011007678A CN 112146615 A CN112146615 A CN 112146615A
Authority
CN
China
Prior art keywords
unmanned aerial
monitoring
aerial vehicles
abnormal
aerial vehicle
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
Application number
CN202011007678.4A
Other languages
English (en)
Other versions
CN112146615B (zh
Inventor
黄河
阎宗岭
贾学明
李海平
谭玲
毛友平
王立洪
袁青海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Merchants Chongqing Communications Research and Design Institute Co Ltd
Original Assignee
China Merchants Chongqing Communications Research and Design Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Merchants Chongqing Communications Research and Design Institute Co Ltd filed Critical China Merchants Chongqing Communications Research and Design Institute Co Ltd
Priority to CN202011007678.4A priority Critical patent/CN112146615B/zh
Publication of CN112146615A publication Critical patent/CN112146615A/zh
Application granted granted Critical
Publication of CN112146615B publication Critical patent/CN112146615B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明基于多架无人机的边坡监测方法，包括可以在边坡上布置多个监测点，所有无人机可以按照预设的飞行路线经过边坡，并实时对经过的监测区域进行监测，当无人机监测到监测区域中存在发生位移的异常监测点时，无人机可以向其他无人机广播该异常监测点的地理坐标。其他无人机在接收到异常监测点的地理坐标后，可以核实该地理坐标对应的地理位置处的异常情况，并将核实结果向所有无人机广播，所有无人机在接收到其他无人机广播的核实结果后，可以综合所有无人机反馈的核实结果判定该地理坐标所对应的监测点是否真的发生位移。如此，可以通过多个无人机从不同位置、方向等对识别结果进行核实，可以准确识别异常监测点，确保监测结果的准确性。

Description

基于多架无人机的边坡监测方法
技术领域
本发明涉及用于测量地面形变移动的技术领域，具体涉及一种基于多架无人机的边坡监测方法。
背景技术
为掌握边坡岩石移动状况，发现边坡破坏预兆，需要对边坡位移的速度、方向等进行的监测，无人机因具有监测范围广，不受地理环境的影响，也可以用于边坡监测。如专利《基于无人机的公路高边坡检查方法》(公开号CN109695260A)就具体公开了一种利用无人机对公路边坡进行监测的方法。专利《一种打扮边坡形变监测系统及方法》(公告号CN110453731B)公开了利用无人机监测大坝形变的技术手段。专利《一种公路边坡三维可视化建模方法》(公开号CN111402402A)公开了一种利用无人机采集边坡图像，并通过边坡图像对边坡进行三维建模的技术手段。
可见，在现有技术中，无人机已经广泛用于边坡监测。但是，现有技术都是使用单架无人机监测边坡形变。单架无人机的监测范围有限，每次监测都需要花费较长时间才能完成。更重要的是边坡所处环境多变，如果单架无人机受到环境影响，就必然会导致检测结果出现较大误差，所以使用单架无人机的监测很难保证监测结果的准确性。
发明内容
针对现有技术存在的不足，本发明提出一种基于多架无人机的边坡监测方法，可以通过多架无人机对边坡进行监测，缩短监测所需时间，并确保监测结果的准确性。
提供了一种基于多架无人机的边坡监测方法，在第一种可实现方式中，包括：
每架无人机沿预设的飞行路线飞行，并识别相应监测区域中的异常监测点，当识别到异常监测点时，向其他无人机广播异常监测点的地理坐标，以便于其他无人机根据地理坐标对识别结果进行核实；
接收其他无人机广播的核实结果，并根据所有无人机的核实结果确定异常监测点的监测结果。
结合第一种可实现方式，在第二种可实现方式中，所述识别相应监测区域内的异常监测点包括：
定位所述监测区域中各个监测点的地理坐标；
对比各个监测点的地理坐标与预设的初始坐标，并根据对比结果确定异常监测点。
结合第二种可实现方式，在第三种可实现方式中，所述定位监测区域中各个监测点的地理坐标包括：
通过视觉定位算法定位监测区域中各个监测点相对于无人机的位置坐标；
根据各个监测点相对于无人机的位置坐标，以及无人机的实时坐标确定各个监测点的地理坐标。
结合第三种可实现方式，在第四种可实现方式中，通过双目视觉定位算法定位各个监测点相对于无人机的位置坐标。
结合第一种可实现方式，在第五种可实现方式中，所述无人机采用以下方法对异常监测点进行核实：
接收异常监测点的地理坐标；
根据地理坐标判定异常监测点是否位于相应的监测区域内；
若不在监测区域内，则不对识别结果进行核实；
若在监测区域内，则核实所述地理坐标对应的地理位置处是否存在监测点，并向其他无人机广播核实结果。
结合第一种可实现方式，在第六种可实现方式中，所述根据所有无人机的核实结果确定异常监测点的监测结果，包括：
统计不同核实结果对应的无人机数量；
计算各种核实结果对应的无人机数量比例；
根据无人机数量比例确定监测结果。
结合第一至六种可实现方式中的任意一种可实现方式，在第七种可实现方式中，每架无人机还根据监测结果判定是否需要对异常监测点进行定点监测；
若不需要，则继续按照预设的飞行路线飞行，并识别相应监测区域内的异常监测点；
若需要，则通过所述异常监测点的地理坐标规划飞行路径，并按照规划好的飞行路径前往相应位置处对异常监测点进行监测。
结合第七种可实现方式，在第八种可实现方式中，还包括向其他无人机广播规划好的飞行路径。
结合第八种可实现方式，在第九种可实现方式中，还包括：当在规划飞行路径的过程中接收到其他无人机广播的飞行路径时，停止规划飞行路径。
结合第八种可实现方式，在第十种可实现方式中，还包括根据接收到的飞行路径对自身预设的飞行线路进行更新。
有益效果：采用本发明的基于多架无人机的边坡监测方法，可以通过多架无人机对边坡进行监测，缩短监测所需时间，使一般的无人机也能满足监测需求。并且可以通过多架无人机对识别到的异常监测点进行核实，确保监测结果的准确性，在准确识别异常监测点后，可以定点持续采集多组异常监测点的数据进行分析，以准确判断异常监测点的形变情况。
附图说明
为了更清楚地说明本发明具体实施方式，下面将对具体实施方式中所需要使用的附图作简单地介绍。在所有附图中，各元件或部分并不一定按照实际的比例绘制。
图1为本发明的监测方法流程图；
图2为确定异常监测点的流程图；
图3为其他无人机核实识别结果的流程图；
图4为无人机确定监测结果的流程图；
图5为确定监测结果后的处理流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只作为示例，而不能以此来限制本发明的保护范围。
如图所示的基于多架无人机的边坡监测方法的流程图，该监测方法包括：
步骤1-1、每架无人机沿预设的飞行路线飞行，并识别相应监测区域中的异常监测点，当识别到异常监测点时，向其他无人机广播异常监测点的地理坐标，以便于其他无人机根据地理坐标对识别结果进行核实；
步骤1-2、接收其他无人机广播的核实结果，并根据所有无人机的核实结果确定异常监测点的监测结果。
具体而言，可以在边坡上布置多个监测点，在监测时，所有无人机可以按照预设的飞行路线经过边坡，并实时对经过的监测区域进行监测，如此可以扩大实时监测的区域范围，缩短监测所需时间。
在设置无人机飞行路线时，可以让部分无人机沿靠近边坡的飞行路线飞行，其他无人机沿远离靠近边坡的飞行路线飞行。或者，让所有无人机的飞行路线构成网格。如此，可以使无人机的监测区域包括其他无人机的监测区域，或者与其他无人机的监测区域重叠。
当无人机监测到监测区域中存在发生位移的异常监测点时，无人机可以向其他无人机广播该异常监测点的地理坐标。其他无人机在接收到异常监测点的地理坐标后，可以核实该地理坐标对应的地理位置处的异常情况，并将核实结果向所有无人机广播。
每架无人机在接收到其他无人机广播的核实结果后，可以综合所有无人机反馈的核实结果判定该地理坐标所对应的监测点是否真的发生位移。如此，可以通过多个无人机从不同位置、方向等对识别结果进行核实，可以准确识别异常监测点，确保监测结果的准确性。
在本实施例中，优选的，如图2所示，所述识别相应监测区域内的异常监测点包括：
步骤2-1、定位所述监测区域中各个监测点的地理坐标；
步骤2-2、对比各个监测点的地理坐标与预设的初始坐标，并根据对比结果确定异常监测点。
具体而言，首先，无人机可以采用现有定位方法定位自身对应的监测区域中各个监测点的地理坐标，如图像定位方法、视觉定位方法、雷达定位方法等。无人机中可以预先存储相应监测区域中各个监测点的初始坐标。在确定监测点的地理坐标后，可以将各个监测点的地理坐标与预设的初始坐标进行比较，如果不一致，则可以认定监测点发生位移，该监测点即为异常监测点。
在本实施例中，优选的，如图2所示，所述定位监测区域中各个监测点的地理坐标包括：
步骤3-1、通过视觉定位算法定位监测区域中各个监测点相对于无人机的位置坐标；
步骤3-2、根据各个监测点相对于无人机的位置坐标，以及无人机的实时坐标确定各个监测点的地理坐标。
具体而言，无人机上搭载有双目摄像头，通过双目摄像头可以采集监测点的双目图像，通过现有的双目视觉定位算法就可以确定监测点相对于无人机的位置坐标，通过双目视觉定位算法可以监测较大范围的监测区域，进一步缩短监测所需时间，而且准确定位监测点的位置坐标，无人机相互之间也不会产生干扰。无人机可以通过本身具备的定位设备，如GPS，确定自身实时的全球定位坐标。最后无人机结合自身的全球定位坐标和监测点相对于无人机的位置坐标，通过坐标转换即可确定监测点的地理坐标。
在本实施例中，优选的，如图3所示，所述无人机采用以下方法对异常监测点进行核实：
步骤4-1、接收异常监测点的地理坐标；
步骤4-2、根据地理坐标判定异常监测点是否位于相应的监测区域内；
若不在监测区域内，则不对识别结果进行核实；
若在监测区域内，则核实所述地理坐标对应的地理位置处是否存在监测点，并向其他无人机广播核实结果。
具体而言，无人机存储有相应监测区域的坐标范围，若接收到的地理坐标不在坐标范围内，无人机可以不对地理坐标是否存在监测点进行核实，反之，无人机则需要核实该地理坐标对应的位置处是否存在监测点，如果存在监测点，则表明对于异常监测点的识别无误，反之，则有误，无人机在确定核实结果后，可以向其他无人机广播关于异常监测点的识别结果是否有误的核实结果。
在本实施例中，优选的，如图4所示，所述根据所有无人机的核实结果确定异常监测点的监测结果，包括：
步骤5-1、统计不同核实结果对应的无人机数量；
步骤5-2、计算各种核实结果对应的无人机数量比例；
步骤5-3、根据无人机数量比例确定监测结果。
每架无人机可以统计在接收到异常点的地理坐标后一定时间段内收到的所有核实结果中，核实结果为异常监测点的识别结果有误的无人机数量，核实结果为异常监测点的识别结果无误的无人机数量，以及未核实识别结果的无人机数量，以此可以计算得到三种核实结果对应的无人机数量比例，可以将无人机数量比例最大的核实结果定为监测结果，无人机可以根据监测结果进行相应处理。
在本实施例中，优选的，如图5所示，每架无人机还根据监测结果判定是否需要对异常监测点进行定点监测；
若不需要，则继续按照预设的飞行路线飞行，并识别相应监测区域内的异常监测点；
若需要，则通过所述异常监测点的地理坐标规划飞行路径，并按照规划好的飞行路径前往相应位置处对异常监测点进行监测。
具体而言，如果监测结果是异常监测点的识别结果无误，则需要对异常监测点进行定点监测，反之则不需要，所有无人机沿预设的飞行路线继续监测相应区域。在确定需要对异常监测点进行定点监测后，每架无人机可以根据异常监测点的地理坐标和自身的位置坐标规划飞行路径。并按照规划好的飞行路径前往相应位置处定点监测异常监测点一段时间，以持续采集多组异常监测点的数据进行分析，准确评估异常监测点的形变情况。
在本实施例中，优选的，还包括向其他无人机广播规划好的飞行路径。无人机规划好飞行路径后，可以立刻向其他无人机广播飞行路径，以提示其他无人机。而如果在规划飞行路径的过程中接收到其他无人机广播的飞行路径，无人机可以停止规划飞行路径，避免与其他无人机冲突。
同时，无人机可以根据接收到的飞行路径对自身预设的飞行线路进行更新，并按照更新后的飞行路线继续飞行，以避让前往定点监测异常监测点的无人机。无人机对异常监测点的定点监测结束后，可以返回原位置坐标处，并沿预设的飞行路线继续对相应的监测区域进行监测，直至整个监测过程结束。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种基于多架无人机的边坡监测方法，其特征在于，包括：
每架无人机沿预设的飞行路线飞行，并识别相应监测区域中的异常监测点，当识别到异常监测点时，向其他无人机广播异常监测点的地理坐标，以便于其他无人机根据地理坐标对识别结果进行核实；
接收其他无人机广播的核实结果，并根据所有无人机的核实结果确定异常监测点的监测结果。
2.根据权利要求1所述的基于多架无人机的边坡监测方法，其特征在于，所述识别相应监测区域内的异常监测点包括：
定位所述监测区域中各个监测点的地理坐标；
对比各个监测点的地理坐标与预设的初始坐标，并根据对比结果确定异常监测点。
3.根据权利要求2所述的基于多架无人机的边坡监测方法，其特征在于，所述定位监测区域中各个监测点的地理坐标包括：
通过视觉定位算法定位监测区域中各个监测点相对于无人机的位置坐标；
根据各个监测点相对于无人机的位置坐标，以及无人机的实时坐标确定各个监测点的地理坐标。
4.根据权利要求3所述的基于多架无人机的边坡监测方法，其特征在于，通过双目视觉定位算法定位各个监测点相对于无人机的位置坐标。
5.根据权利要求1所述的基于多架无人机的边坡监测方法，其特征在于，所述无人机采用以下方法对异常监测点进行核实：
接收异常监测点的地理坐标；
根据地理坐标判定异常监测点是否位于相应的监测区域内；
若不在监测区域内，则不对识别结果进行核实；
若在监测区域内，则核实所述地理坐标对应的地理位置处是否存在监测点，并向其他无人机广播核实结果。
6.根据权利要求1所述的基于多架无人机的边坡监测方法，其特征在于，所述根据所有无人机的核实结果确定异常监测点的监测结果，包括：
统计不同核实结果对应的无人机数量；
计算各种核实结果对应的无人机数量比例；
根据无人机数量比例确定监测结果。
7.根据权利要求1-6任一所述的基于多架无人机的边坡监测方法，其特征在于，每架无人机还根据监测结果判定是否需要对异常监测点进行定点监测；
若不需要，则继续按照预设的飞行路线飞行，并识别相应监测区域内的异常监测点；
若需要，则通过所述异常监测点的地理坐标规划飞行路径，并按照规划好的飞行路径前往相应位置处对异常监测点进行监测。
8.根据权利要求7所述的基于多架无人机的边坡监测方法，其特征在于，还包括向其他无人机广播规划好的飞行路径。
9.根据权利要求8所述的基于多架无人机的边坡监测方法，其特征在于，还包括：当在规划飞行路径的过程中接收到其他无人机广播的飞行路径时，停止规划飞行路径。
10.根据权利要求8所述的基于多架无人机的边坡监测方法，其特征在于，还包括根据接收到的飞行路径对自身预设的飞行线路进行更新。
CN202011007678.4A 2020-09-23 2020-09-23 基于多架无人机的边坡监测方法 Active CN112146615B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011007678.4A CN112146615B (zh) 2020-09-23 2020-09-23 基于多架无人机的边坡监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011007678.4A CN112146615B (zh) 2020-09-23 2020-09-23 基于多架无人机的边坡监测方法

Publications (2)

Publication Number Publication Date
CN112146615A true CN112146615A (zh) 2020-12-29
CN112146615B CN112146615B (zh) 2022-03-29

Family

ID=73897870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011007678.4A Active CN112146615B (zh) 2020-09-23 2020-09-23 基于多架无人机的边坡监测方法

Country Status (1)

Country Link
CN (1) CN112146615B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113064450A (zh) * 2021-04-01 2021-07-02 河海大学 一种基于退火算法的量子粒子群求解无人机路径规划方法
CN114353876A (zh) * 2022-01-07 2022-04-15 兰州大学 一种黄土公路边坡健康监测方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108829136A (zh) * 2018-08-29 2018-11-16 北京航空航天大学 无人机群大范围协同监测方法和装置
CN109211202A (zh) * 2018-09-21 2019-01-15 长安大学 一种基于无人机的高速公路边坡巡查的路径优化方法
KR101940803B1 (ko) * 2018-11-07 2019-01-22 주식회사 한국에스지티 다지점 표고측량과 동시에 지형분석이 가능한 지형측량시스템
CN208805911U (zh) * 2018-09-25 2019-04-30 三峡大学 一种边坡变形监测及滑坡预警系统
JP2019114177A (ja) * 2017-12-26 2019-07-11 株式会社トーエン 土砂災害避難通知システム
CN110992652A (zh) * 2019-12-05 2020-04-10 山东省地质矿产勘查开发局第八地质大队(山东省第八地质矿产勘查院) 基于参数融合的危岩体边坡地质灾害远程预警系统及方法
CN111006593A (zh) * 2019-12-13 2020-04-14 武汉纵横天地空间信息技术有限公司 一种应用无人机进行山体地貌监测及滑坡预测方法及系统
CN111060162A (zh) * 2020-01-21 2020-04-24 长江勘测规划设计研究有限责任公司 一种利用无人机编队的山洪预警监测系统及方法
CN111339826A (zh) * 2020-05-06 2020-06-26 山西大学 一种滑坡无人机线性传感器网络框架检测系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019114177A (ja) * 2017-12-26 2019-07-11 株式会社トーエン 土砂災害避難通知システム
CN108829136A (zh) * 2018-08-29 2018-11-16 北京航空航天大学 无人机群大范围协同监测方法和装置
CN109211202A (zh) * 2018-09-21 2019-01-15 长安大学 一种基于无人机的高速公路边坡巡查的路径优化方法
CN208805911U (zh) * 2018-09-25 2019-04-30 三峡大学 一种边坡变形监测及滑坡预警系统
KR101940803B1 (ko) * 2018-11-07 2019-01-22 주식회사 한국에스지티 다지점 표고측량과 동시에 지형분석이 가능한 지형측량시스템
CN110992652A (zh) * 2019-12-05 2020-04-10 山东省地质矿产勘查开发局第八地质大队(山东省第八地质矿产勘查院) 基于参数融合的危岩体边坡地质灾害远程预警系统及方法
CN111006593A (zh) * 2019-12-13 2020-04-14 武汉纵横天地空间信息技术有限公司 一种应用无人机进行山体地貌监测及滑坡预测方法及系统
CN111060162A (zh) * 2020-01-21 2020-04-24 长江勘测规划设计研究有限责任公司 一种利用无人机编队的山洪预警监测系统及方法
CN111339826A (zh) * 2020-05-06 2020-06-26 山西大学 一种滑坡无人机线性传感器网络框架检测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周兴霞 等: "多架无人机协同航摄研究与应用", 《测绘》 *
林海玉 等: "适于滑坡监测的小型无人机遥感系统构建及其应用", 《三峡大学学报（自然科学版）》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113064450A (zh) * 2021-04-01 2021-07-02 河海大学 一种基于退火算法的量子粒子群求解无人机路径规划方法
CN113064450B (zh) * 2021-04-01 2022-02-08 河海大学 一种基于退火算法的量子粒子群求解无人机路径规划方法
CN114353876A (zh) * 2022-01-07 2022-04-15 兰州大学 一种黄土公路边坡健康监测方法

Also Published As

Publication number Publication date
CN112146615B (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
JP6952165B2 (ja) 障害物検出方法および装置
CN110244750B (zh) 一种无人机巡视路径规划方法及装置
CN109900298B (zh) 一种车辆定位校准方法及系统
JP2019089538A (ja) 航空機の飛行計画において微細風況を考慮するシステム
CN110207832A (zh) 基于无人机的高压线路巡检系统及其巡检方法
CN112146615B (zh) 基于多架无人机的边坡监测方法
CN105676253A (zh) 一种自动驾驶中基于城市道路标线地图的纵向定位系统及其方法
JP5939230B2 (ja) 車両位置同定システム及び車両位置同定方法
US11002553B2 (en) Method and device for executing at least one measure for increasing the safety of a vehicle
CN113296537B (zh) 基于电力杆塔模型匹配的电力无人机巡检方法及系统
CN115657706B (zh) 基于无人机的地貌测量方法及系统
CN107544330B (zh) 自主调校的调度方法及装置
CN111142143A (zh) 一种基于多源信息融合的进场段飞行技术误差估计方法
US10949682B2 (en) Method for ascertaining a piece of topological information of an intersection
CN104677361A (zh) 一种综合定位的方法
CN117217739B (zh) 一种智能电力巡检系统
CN113808263A (zh) 地图生成用数据收集装置以及地图生成用数据收集方法
US20200294405A1 (en) Methods and systems for assigning procedures to flight records
CN108020854B (zh) 一种场面目标态势显示方法及系统
CN113257044B (zh) Ads-b数据的滤波方法、装置、计算机设备及存储介质
CN117410868B (zh) 一种变电站巡检控制方法和装置
CN112699517B (zh) 一种三维航线规划方法、系统、设备及介质
WO2022176093A1 (ja) 異常検知システム、車載器、異常検知方法、及びプログラム
CN114076601A (zh) 辅助定位方法及装置
CN111160420B (zh) 基于地图的故障诊断方法、装置、电子设备和存储介质

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
GR01 Patent grant
GR01 Patent grant