CN112161973B - 一种基于无人机的水体污染快速检测方法 - Google Patents

一种基于无人机的水体污染快速检测方法 Download PDF

Info

Publication number
CN112161973B
CN112161973B CN202010893503.1A CN202010893503A CN112161973B CN 112161973 B CN112161973 B CN 112161973B CN 202010893503 A CN202010893503 A CN 202010893503A CN 112161973 B CN112161973 B CN 112161973B
Authority
CN
China
Prior art keywords
unmanned aerial
area
aerial vehicle
test paper
image
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.)
Active
Application number
CN202010893503.1A
Other languages
English (en)
Other versions
CN112161973A (zh
Inventor
雷添杰
邓安军
胡海华
徐瑞瑞
王嘉宝
王党伟
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 Institute of Water Resources and Hydropower Research
Original Assignee
China Institute of Water Resources and Hydropower Research
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 Institute of Water Resources and Hydropower Research filed Critical China Institute of Water Resources and Hydropower Research
Priority to CN202010893503.1A priority Critical patent/CN112161973B/zh
Publication of CN112161973A publication Critical patent/CN112161973A/zh
Application granted granted Critical
Publication of CN112161973B publication Critical patent/CN112161973B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/75Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
    • G01N21/77Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
    • G01N21/78Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13Receivers
    • G01S19/14Receivers specially adapted for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Plasma & Fusion (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明公开了一种基于无人机的水体污染快速检测方法,包括S1、规划两架无人机的飞行轨迹,并选择污染物检测试纸种类;S2、选择一架无人机搭载检测试纸沿预定轨迹飞行播撒检测试纸,另一架无人机沿预定轨迹对目标水域进行拍摄,获取目标水域的遥感影像;S3、结合无人机和GPS定位系统获取每一幅无人机遥感影像精准坐标;S4、使用坐标值进行快速影像拼接,获取目标区域影像;S5、提取目标区域影像中的试纸区域,并与标准比色卡进行比较,获取待检测目标区域水体溶液的性质;S6、获取检测试纸区域的比色卡数值,判断坐标点对应的目标区域位置特定污染物溶液的污染物浓度值,并使用线性插值法获取整个目标区域的污染物浓度图。

Description

一种基于无人机的水体污染快速检测方法
技术领域
本发明属于水污染检测的技术领域,具体涉及一种基于无人机的水体污染快速检测方法。
背景技术
水是地球上所有生命赖以生存的基础,是生命的起源,人类生活中的衣食住行、工业生产、农业生产、内河与海洋运输上也是以水为基础。但随着我国城市经济的迅速发展和工业化进程的不断推进,大量未经处理的生活污水、工业废水排放到河流中。污水中的酸、碱、氧化剂,以及铜、镉、汞、砷等化合物,苯、二氯乙烷、乙二醇等有机毒物,会毒死水生生物,影响饮用水源、风景区景观。鉴于此,如何保护水资源、防治水污染已成为城市可持续发展所必须解决的问题。而现有的检测方法为内业进行复杂的水体质量检测,其检测过程复杂,成本高昂,且需要较长时间。
发明内容
本发明的目的在于针对现有技术中的上述不足,提供一种基于无人机的水体污染快速检测方法,以解决现有的检测方法为内业进行复杂的水体质量检测,其检测过程复杂,成本高昂,且需要较长时间的问题。
为达到上述目的,本发明采取的技术方案是:
一种基于无人机的水体污染快速检测方法,其包括:
S1、根据目标水域的区域范围,规划两架无人机的飞行轨迹,并根据目标水域污染物的种类,选择污染物检测试纸种类;
S2、选择一架无人机搭载检测试纸沿预定轨迹飞行,并按照预设速度播撒检测试纸,另一架无人机沿预定轨迹对目标水域进行拍摄,获取目标水域的遥感影像;
S3、结合无人机和GPS定位系统获取每一幅无人机遥感影像精准坐标;
S4、根据GPS定位系统获取每一幅影像精准坐标,并使用坐标值进行快速影像拼接,获取目标区域影像;
S5、提取目标区域影像中的试纸区域,并与标准比色卡进行比较,获取待检测目标区域水体溶液的性质;
S6、获取检测试纸区域的比色卡数值,判断坐标点对应的目标区域位置特定污染物溶液的污染物浓度值,并使用线性插值法获取整个目标区域的污染物浓度图。
优选地,S3结合无人机和GPS定位系统获取每一幅无人机遥感影像精准坐标,包括:
根据高速运动的卫星瞬间位置作为已知的起算数据,计算信号接收机到卫星之间的伪距,根据无人机实时位置和距离4颗卫星的距离,依据空间后方交会原理计算出无人机实时位置,同时根据无人机每一张影像的拍摄时间,获取每一张无人机影像拍摄时的精准坐标信息。
优选地,S5提取目标区域影像中的试纸区域,并与标准比色卡进行比较,获取待检测目标区域水体溶液的性质,包括:
S5.1、将目标区域可见光无人机影像的RGB三个通道转化为单通道灰度影像Gray:
Gray=R*0.299+G*0.587+B*0.114
其中,R为红、G为绿、B为蓝;
S5.2、使用Sobel算子对单通道灰度影像进行边缘检测,将灰度影像中试纸区域与水体区域区分开,快速定位无人机影像中的试纸区域;
S5.3、根据快速定位获取的试纸区域,获取试纸区域坐标值,并且快速在RGB无人机影像中进行定位,获取对应位置的试纸区域;
S5.4、根据RGB无人机影像中的像素值,获取像素值对应三通道数值,分别为(r1,g1,b1),依据标准比色卡中的每个颜色,获取对应颜色的三通道像素值(ri,gi,bi),i的值随比色卡颜色序号的变换而变换;与试纸标准比色卡上所有颜色进行颜色相似性比较,得到颜色相似度最相同的读数,并判断该试纸区域溶液的性质;
r3=(r1-ri)/256
g3=(g1-gi)/256
b3=(b1-bi)/256
diff=sqrt(r3*r3+g3*g3+b3*b3)
其中,diff为相似性比较值,值越大,相似度越小;值越小,相似度越大。
本发明提供的基于无人机的水体污染快速检测方法,具有以下有益效果:
本发明通过无人机播撒试纸,并拍摄试纸颜色变化情况,在内业进行比对,迅速获取水体污染状况,无需内业进行水体质量检测,方便快捷。本发明方法可以用于人类活动无法到达的地方,方便快捷;在部分流域没有设置观测站点的地方也可以使用本研究方法;当发生重大污染事件时,如原油泄漏等状况,本发明方法也可进行快速应急响应,具有较高的实时性。
附图说明
图1为基于无人机的水体污染快速检测方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
根据本申请的一个实施例,参考图1,本方案的基于无人机的水体污染快速检测方法,包括:
S1、根据目标水域的区域范围,规划两架无人机的飞行轨迹,并根据目标水域污染物的种类,选择污染物检测试纸种类;
S2、选择一架无人机搭载检测试纸沿预定轨迹飞行,并按照预设速度播撒检测试纸,另一架无人机沿预定轨迹对目标水域进行拍摄,获取目标水域的遥感影像;
S3、结合无人机和GPS定位系统获取每一幅无人机遥感影像精准坐标;
S4、根据GPS定位系统获取每一幅影像精准坐标,并使用坐标值进行快速影像拼接,获取目标区域影像;
S5、提取目标区域影像中的试纸区域,并与标准比色卡进行比较,获取待检测目标区域水体溶液的性质;
S6、获取检测试纸区域的比色卡数值,判断坐标点对应的目标区域位置特定污染物溶液的污染物浓度值,并使用线性插值法获取整个目标区域的污染物浓度图。
根据本申请的一个实施例,以下将对上述步骤进行详细描述。
步骤S1、根据目标水域的区域范围,规划两架无人机的飞行轨迹,并根据目标水域污染物的种类,选择污染物检测试纸种类。
步骤S2、选择一架无人机搭载检测试纸沿预定轨迹飞行,并按照预设速度播撒检测试纸,另一架无人机沿预定轨迹对目标水域进行拍摄,获取目标水域的遥感影像。
步骤S3、结合无人机和GPS定位系统获取每一幅无人机遥感影像精准坐标,其具体包括:
伪距是GPS信号接收机对卫星信号的一个最基本的距离测量值。通过测量GPS信号从卫星到接收机的传输时间,再乘以信号的传播速度,可得到卫星与接收机之间大概距离的测量值称为伪距。核心是测量GPS卫星发射的测距码信号(C/A码或P码)到达用户接收机天线的电波传播时间τ。
例如,编号为s的卫星按照卫星时钟在t(s)时刻发射出某一信号,将间时刻称为GPS信号发射时间。设该信号在tu时刻被无人机携带的GPS接收机接收到,将tu时刻称为GPS信号的接收时间。接收机时钟产生的时间通常与GPS时间不同步。假设对应于信号接收时间tu的GPS时间实际上等于t,那么可将GPS时间为t时的接收机时钟tu记为tu(t),并将此时的接收机时钟超前GPS时间的量记为δtu(t),即:
tu(t)=t+δtu(t)
其中,δtu(t)通常称为接收机时钟钟差,其值通常来说是未知的,并且是一个关于GPS时间t的一个函数。GPS时间t与卫星时钟t(s)(t)存在以下关系:
t(s)(t)=t+δt(s)(t)
卫星时钟钟差δt(s)(t)视为己知,根据此式GPS时间与卫星时钟在信号发射时刻(t-τ)时的关系可表达成:
t(s)(t-τ)=t-τ+δt(s)(t-τ)
GPS接收机根据接收机时钟在tu(t)时刻对GPS信号进行处理,可得到标记在GPS信号上的发射时间t(s)(t-τ)。伪距p(t)定义为信号接收时间tu(t)与信号发射时间t(s)(t-τ)之间的差异再乘以光在真空中的速度C,即:
p(t)=C*(tu(t)-t(s)(t-τ))
因为接收机时钟与卫星时钟不同步,所以p(t)被称为伪距。
GPS定位的基本原理是根据高速运动的卫星瞬间位置作为已知的起算数据,信号接收机到卫星之间的伪距可以计算得到,可以根据无人机实时位置和距离4颗卫星的距离,依据空间后方交会原理计算出无人机实时位置,也可同时根据无人机每一张影像的拍摄时间,获取每一张无人机影像拍摄时的精准坐标信息。
步骤S4、根据GPS定位系统获取每一幅影像精准坐标,并使用坐标值进行快速影像拼接,获取目标区域影像。
步骤S5、提取目标区域影像中的试纸区域,并与标准比色卡进行比较,获取待检测目标区域水体溶液的性质,其具体包括:
步骤S5.1、将目标区域可见光无人机影像的RGB三个通道转化为单通道灰度影像Gray:RGB三通道影像,每个像素点都有3个值表示,由红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加形成最终图片,将三通道影像转化为单通道的过程是将每个像素点的红、绿、蓝三个颜色的数值,依据下列公式,处理成单通道灰度影像,以便后续处理:
Gray=R*0.299+G*0.587+B*0.114
其中,R为红、G为绿、B为蓝。
步骤S5.2、对于单通道灰度影像,使用Sobel算子对单通道灰度影像进行边缘检测,将灰度影像中试纸区域与水体区域区分开,快速定位无人机影像中的试纸区域。
步骤S5.3、根据快速定位获取的试纸区域,获取试纸区域坐标值,并且快速在RGB无人机影像中进行定位,获取对应位置的试纸区域。
步骤S5.4、根据RGB无人机影像中的像素值,获取像素值对应三通道数值,分别为(r1,g1,b1),依据标准比色卡中的每个颜色,获取对应颜色的三通道像素值(ri,gi,bi),i的值随比色卡颜色序号的变换而变换;与试纸标准比色卡上所有颜色进行颜色相似性比较,得到颜色相似度最相同的读数,并判断该试纸区域溶液的性质;
r3=(r1-ri)/256
g3=(g1-gi)/256
b3=(b1-bi)/256
diff=sqrt(r3*r3+g3*g3+b3*b3)
其中,diff为相似性比较值,值越大,相似度越小;值越小,相似度越大。
步骤S6、获取检测试纸区域的比色卡数值,判断坐标点对应的目标区域位置特定污染物溶液的污染物浓度值,并使用线性插值法获取整个目标区域的污染物浓度图,其具体包括:
线性插值法是指使用连接两个己知量的直线来确定在这两个己知量之间的一个未知量的值的方法。假设已知坐标(x0,y0)与(x1,y1),要得到[x0,x1]区间内某一位置(X,Y)在直线上的值,公式如下:
Figure BDA0002657660950000071
依据无人机搭载多种类型试纸可以检测出研究区域各种感兴趣污染物浓度图,本发明仅仅消耗试纸,成本较为低廉,可快速获取结果提供给污染治理部门,为制定污染处理政策提供支持。
本发明首先根据水域面积,确定飞行路线和试纸种类、数量,选择一架无人机搭载试纸在前面飞行,后面一架无人机使用可见光相机对水体进行拍摄影像。然后将无人机影像在内业通过机器学习算法的方法定位试纸区域,再将试纸区域变化颜色与标准比色卡进行对比,确定试纸对应区域的污染物类别和程度。研究区域内试纸区域污染程度确定后,由点到面,将整个研究区域的污染程度进行线性差值,在没有试纸变化的区域也可以获取污染浓度值,迅速获取整个水域污染分布图,本发明方法每次仅需消耗价格低廉的试纸,较为迅速便捷。
虽然结合附图对发明的具体实施方式进行了详细地描述,但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。

Claims (1)

1.一种基于无人机的水体污染快速检测方法,其特征在于,包括:
S1、根据目标水域的区域范围,规划两架无人机的飞行轨迹,并根据目标水域污染物的种类,选择污染物检测试纸种类;
S2、选择一架无人机搭载检测试纸沿预定轨迹飞行,并按照预设速度播撒检测试纸,另一架无人机沿预定轨迹对目标水域进行拍摄,获取目标水域的遥感影像;
S3、结合无人机和GPS定位系统获取每一幅无人机遥感影像精准坐标;
S4、根据GPS定位系统获取每一幅影像精准坐标,并使用坐标值进行快速影像拼接,获取目标区域影像;
S5、提取目标区域影像中的试纸区域,并与标准比色卡进行比较,获取待检测目标区域水体溶液的性质;
S6、获取检测试纸区域的比色卡数值,判断坐标点对应的目标区域位置特定污染物溶液的污染物浓度值,并使用线性插值法获取整个目标区域的污染物浓度图;
所述S3结合无人机和GPS定位系统获取每一幅无人机遥感影像精准坐标,包括:
根据高速运动的卫星瞬间位置作为已知的起算数据,计算信号接收机到卫星之间的伪距,根据无人机实时位置和距离4颗卫星的距离,依据空间后方交会原理计算出无人机实时位置,同时根据无人机每一张影像的拍摄时间,获取每一张无人机影像拍摄时的精准坐标信息;
所述S5提取目标区域影像中的试纸区域,并与标准比色卡进行比较,获取待检测目标区域水体溶液的性质,包括:
S5.1、将目标区域可见光无人机影像的RGB三个通道转化为单通道灰度影像Gray:
Gray=R*0.299+G*0.587+B*0.114
其中,R为红、G为绿、B为蓝;
S5.2、使用Sobel算子对单通道灰度影像进行边缘检测,将灰度影像中试纸区域与水体区域区分开,快速定位无人机影像中的试纸区域;
S5.3、根据快速定位获取的试纸区域,获取试纸区域坐标值,并且快速在RGB无人机影像中进行定位,获取对应位置的试纸区域;
S5.4、根据RGB无人机影像中的像素值,获取像素值对应三通道数值,分别为(r1,g1,b1),依据标准比色卡中的每个颜色,获取对应颜色的三通道像素值(ri,gi,bi),i的值随比色卡颜色序号的变换而变换;与试纸标准比色卡上所有颜色进行颜色相似性比较,得到颜色相似度最相同的读数,并判断该试纸区域溶液的性质;
r3=(r1-ri)/256
g3=(g1-gi)/256
b3=(b1-bi)/256
diff=sqrt(r3*r3+g3*g3+b3*b3)
其中,diff为相似性比较值,值越大,相似度越小;值越小,相似度越大。
CN202010893503.1A 2020-08-31 2020-08-31 一种基于无人机的水体污染快速检测方法 Active CN112161973B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010893503.1A CN112161973B (zh) 2020-08-31 2020-08-31 一种基于无人机的水体污染快速检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010893503.1A CN112161973B (zh) 2020-08-31 2020-08-31 一种基于无人机的水体污染快速检测方法

Publications (2)

Publication Number Publication Date
CN112161973A CN112161973A (zh) 2021-01-01
CN112161973B true CN112161973B (zh) 2022-04-08

Family

ID=73859818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010893503.1A Active CN112161973B (zh) 2020-08-31 2020-08-31 一种基于无人机的水体污染快速检测方法

Country Status (1)

Country Link
CN (1) CN112161973B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113109331B (zh) * 2021-04-12 2021-10-01 生态环境部卫星环境应用中心 水体色度快速检测方法和装置
CN113887412B (zh) * 2021-09-30 2022-06-07 中国科学院过程工程研究所 污染排放的检测方法、检测终端、监控系统及存储介质
CN115035416B (zh) * 2022-08-10 2022-11-22 广东广宇科技发展有限公司 一种污染水源快速识别方法、系统、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012158000A2 (ko) * 2011-05-19 2012-11-22 경북대학교 산학협력단 대기 및 수질 오염물질의 농도 측정 방법
CN104198480A (zh) * 2014-08-20 2014-12-10 浙江大学 一种水质季铵盐检测试纸及其制备方法
CN104251861A (zh) * 2013-06-28 2014-12-31 成都谱视科技有限公司 一种基于智能终端的液体检测分析仪及检测方法
CN104865353A (zh) * 2015-06-01 2015-08-26 上海交通大学 基于无人机的工业园区大气污染数据采集方法
CN105389777A (zh) * 2015-10-23 2016-03-09 首都师范大学 无人机序列影像快速无缝拼接系统
CN106504189A (zh) * 2016-11-29 2017-03-15 福建四创软件有限公司 一种基于gis的海洋受灾面积提取方法
CN107895344A (zh) * 2017-10-31 2018-04-10 深圳市森国科科技股份有限公司 视频拼接装置及方法
CN110887792A (zh) * 2019-12-17 2020-03-17 深圳慧格科技服务咨询有限公司 一种基于无人机高光谱影像的河流水质快速监测系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106020237B (zh) * 2016-08-03 2019-03-22 浙江空行飞行器技术有限公司 植保无人机的多机作业航线规划及其喷洒作业方法和系统
KR102062127B1 (ko) * 2018-04-24 2020-01-03 허창용 촬영용 드론에 의한 헤드마운트 고글 영상정보 제공 시스템
CN109815880A (zh) * 2019-01-20 2019-05-28 景遥(上海)信息技术有限公司 基于低空遥感影像和深度学习的水葫芦识别系统及方法
CN110008968B (zh) * 2019-04-09 2023-08-08 哈尔滨新中新电子股份有限公司 一种基于图像视觉的机器人结算自动触发方法
CN110053774B (zh) * 2019-05-17 2023-04-07 河南科技学院 用于大型动物养殖疫病采集预警系统的控制方法
CN110599552B (zh) * 2019-08-30 2022-03-29 杭州电子科技大学 一种基于计算机视觉的pH试纸检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012158000A2 (ko) * 2011-05-19 2012-11-22 경북대학교 산학협력단 대기 및 수질 오염물질의 농도 측정 방법
CN104251861A (zh) * 2013-06-28 2014-12-31 成都谱视科技有限公司 一种基于智能终端的液体检测分析仪及检测方法
CN104198480A (zh) * 2014-08-20 2014-12-10 浙江大学 一种水质季铵盐检测试纸及其制备方法
CN104865353A (zh) * 2015-06-01 2015-08-26 上海交通大学 基于无人机的工业园区大气污染数据采集方法
CN105389777A (zh) * 2015-10-23 2016-03-09 首都师范大学 无人机序列影像快速无缝拼接系统
CN106504189A (zh) * 2016-11-29 2017-03-15 福建四创软件有限公司 一种基于gis的海洋受灾面积提取方法
CN107895344A (zh) * 2017-10-31 2018-04-10 深圳市森国科科技股份有限公司 视频拼接装置及方法
CN110887792A (zh) * 2019-12-17 2020-03-17 深圳慧格科技服务咨询有限公司 一种基于无人机高光谱影像的河流水质快速监测系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
图像处理技术在系统运动分析和控制中的应用;李华志;《计算机与现代化》;20070915(第09期);第88-89页 *
基于Pix4D软件的无人机影像成图研究;刘望明等;《科技风》;20200710(第19期);第100页 *
无人机航测技术在河道水环境治理中的应用研究;陈桥驿;《北京测绘》;20180831;第32卷(第8期);第954页"2.1 无人机定轨巡航" *

Also Published As

Publication number Publication date
CN112161973A (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
CN112161973B (zh) 一种基于无人机的水体污染快速检测方法
US6553311B2 (en) Navigational off- line and off-heading indication system and method
Wanninger Effects of the equatorial ionosphere on
Meguro et al. GPS multipath mitigation for urban area using omnidirectional infrared camera
CN108919321B (zh) 一种基于尝试法的gnss定位粗差探测方法
CN107505635B (zh) 一种卫星定位欺骗攻击的检测方法
US9857181B2 (en) Methods and apparatus for evaluating operation of a vehicle onboard navigation system using lateral offset data
Eckelmann et al. V2v-communication, lidar system and positioning sensors for future fusion algorithms in connected vehicles
CN111239787A (zh) 一种集群自主协同中的gnss动态卡尔曼滤波方法
Yang et al. A GPS pseudorange based cooperative vehicular distance measurement technique
CN103869348B (zh) 用于减小全球导航卫星系统位置及速度解的不准确性的方法、系统及设备
TWI820089B (zh) 在即時動態定位中的欺騙檢測
Suzuki et al. NLOS multipath detection using convolutional neural network
CN104808226A (zh) 一种基于协同定位的终端间定向方法及其装置
JP2007010367A (ja) 空港面監視システムおよびこれに用いる航跡統合装置
CN108614279A (zh) 一种基于gnss-r ddm的水体藻类污染物探测方法
CN115079221A (zh) 一种全场景共享导航定位与广义图形元围猎运算求解方法
Chugunov et al. Experimental evaluation of uwb local navigation system performance used for pedestrian and vehicle positioning in outdoor urban environments
KR20190028700A (ko) 물체 추적 방법 및 시스템
CN106556579A (zh) 基于激光的团雾图像全天候自适应检测方法
Travis et al. Ugv trailer position estimation using a dynamic base RTK system
CN110682917B (zh) 一种基于视频智能分析的车辆定位漂移校准系统及方法
CA2272841C (fr) Positionnement par calcul de pseudo-vitesses dans un systeme de navigation par satellite
CN115166785B (zh) 一种基于三接收机钟差单差的导航欺骗式干扰检测方法
CN112904382B (zh) 一种城市峡谷环境下激光里程计辅助的快速优化选星方法

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