CN112419417B - 一种基于无人机的拍照点定位方法及相关装置 - Google Patents

一种基于无人机的拍照点定位方法及相关装置 Download PDF

Info

Publication number
CN112419417B
CN112419417B CN202110096358.9A CN202110096358A CN112419417B CN 112419417 B CN112419417 B CN 112419417B CN 202110096358 A CN202110096358 A CN 202110096358A CN 112419417 B CN112419417 B CN 112419417B
Authority
CN
China
Prior art keywords
point
vector
horizontal
projection direction
unit vector
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
CN202110096358.9A
Other languages
English (en)
Other versions
CN112419417A (zh
Inventor
张瑜
赵艳平
田茂霞
何伟
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.)
Chengdu Ebit Automation Equipment Co ltd
Original Assignee
Chengdu Ebit Automation Equipment 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 Chengdu Ebit Automation Equipment Co ltd filed Critical Chengdu Ebit Automation Equipment Co ltd
Priority to CN202110096358.9A priority Critical patent/CN112419417B/zh
Publication of CN112419417A publication Critical patent/CN112419417A/zh
Application granted granted Critical
Publication of CN112419417B publication Critical patent/CN112419417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2004—Aligning objects, relative positioning of parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于无人机的拍照点定位方法，包括获取目标场景的三维点云数据，从三维点云数据中标定特征点坐标和相机初始坐标；根据特征点坐标和相机初始坐标，确定在水平面内相机初始坐标与特征点坐标之间的水平投影方向向量；根据水平投影方向向量确定无人机的机头方向；根据机头方向确定投影方向的水平单位向量；通过机头方向反推投影方向的水平单位向量可以对投影方向向量进行校正，而根据由水平投影方向向量计算得到的三维单位向量、特征点坐标和预设的空间距离可以计算出可行的拍照点坐标，从而实现高效的无人机拍照点自动定位。本发明还提供了一种装置、设备以及存储介质，同样具有上述有益效果。

Description

一种基于无人机的拍照点定位方法及相关装置
技术领域
本发明涉及无人机定位技术领域，特别是涉及一种基于无人机的拍照点定位方法、一种基于无人机的拍照点定位装置、一种基于无人机的拍照点定位设备以及一种计算机可读存储介质。
背景技术
随着无人机自动航迹飞行功能在航空测绘、电力能源领域的深度行业应用，激光雷达扫描后的点云数据越来越具备突出优势，可以利用高精度点云数据结合无人机云台参数进行航迹规划。随着三维航线规划业务量的增加，运用三维点云进行高效航线规划是目前亟需解决的问题。
在现有技术中，通常仅仅是通过手动标定的方式在三维点云中标定无人机需要飞行到的位置。而手动标定的过程会带来空间位置的不确定性，同时手动设置每个三维点的拍照位置与相机参数极大地降低了三维航线规划效率。所以如何提供一种高效的无人机拍照点定位方法是本领域技术人员急需解决的问题。
发明内容
本发明的目的是提供一种基于无人机的拍照点定位方法，可以实现高效的无人机拍照点定位；本发明的另一目的在于提供一种基于无人机的拍照点定位装置、一种基于无人机的拍照点定位设备以及一种计算机可读存储介质，可以实现高效的无人机拍照点定位。
为解决上述技术问题，本发明提供一种基于无人机的拍照点定位方法，包括：
获取目标场景的三维点云数据，从所述三维点云数据中标定特征点坐标和相机初始坐标；
根据所述特征点坐标和所述相机初始坐标，确定在水平面内所述相机初始坐标与所述特征点坐标之间的水平投影方向向量；
根据所述水平投影方向向量确定所述无人机的机头方向；
根据所述机头方向确定投影方向的水平单位向量；
根据所述水平单位向量和预设的俯仰角计算三维投影方向的三维单位向量；
根据所述三维单位向量、所述特征点坐标和预设的空间距离计算拍照点坐标。
可选的，所述根据所述机头方向确定投影方向的水平单位向量包括：
通过向量积公式，根据所述机头方向确定投影方向的水平单位向量。
可选的，在根据所述三维单位向量，所述特征点坐标和预设的空间距离计算拍照点坐标之后，还包括：
从所述拍照点坐标中排除属于危险点的坐标。
可选的，所述从所述拍照点坐标中排除属于危险点的坐标包括：
将所述拍照点坐标周围预设范围内的点云记为拍照点集合；
从所述拍照点集合中依次选取目标点云，通过K-D树数据结构计算所述目标点云与所述拍照点坐标之间的距离参数；
记录所述距离参数中小于距离阈值的距离参数所对应的目标点云为危险点；
从所述拍照点坐标中排除属于所述危险点的坐标。
可选的，所述记录所述距离参数中小于距离阈值的距离参数所对应的目标点云为危险点包括：
记录所述距离参数中小于距离阈值的距离参数所对应的目标点云为待排除点；
根据所述K-D树数据结构确定所述待排除点的邻域个数；
将所述邻域个数大于预设个数的待排除点记为危险点。
本发明还提供了一种基于无人机的拍照点定位装置，包括：
点云模块，用于获取目标场景的三维点云数据，从所述三维点云数据中标定特征点坐标和相机初始坐标；
投影方向向量模块，用于根据所述特征点坐标和所述相机初始坐标，确定在水平面内所述相机初始坐标与所述特征点坐标之间的水平投影方向向量；
机头方向模块，用于根据所述水平投影方向向量确定所述无人机的机头方向；
水平单位向量模块，用于根据所述机头方向确定投影方向的水平单位向量；
三维单位向量模块，用于根据所述水平单位向量和预设的俯仰角计算三维投影方向的三维单位向量；
拍照点模块，用于根据所述三维单位向量、所述特征点坐标和预设的空间距离计算拍照点坐标。
可选的，所述水平单位向量模块具体用于：
通过向量积公式，根据所述机头方向确定投影方向的水平单位向量。
可选的，还包括：
排除模块，用于从所述拍照点坐标中排除属于危险点的坐标。
本发明还提供了一种基于无人机的拍照点定位设备，所述设备包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一项所述基于无人机的拍照点定位方法的步骤。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述基于无人机的拍照点定位方法的步骤。
本发明所提供的一种基于无人机的拍照点定位方法，包括获取目标场景的三维点云数据，从三维点云数据中标定特征点坐标和相机初始坐标；根据特征点坐标和相机初始坐标，确定在水平面内相机初始坐标与特征点坐标之间的水平投影方向向量；根据水平投影方向向量确定无人机的机头方向；根据机头方向确定投影方向的水平单位向量；根据水平单位向量和预设的俯仰角计算三维投影方向的三维单位向量；根据三维单位向量，特征点坐标和预设的空间距离计算拍照点坐标。
通过机头方向反推投影方向的水平单位向量可以对投影方向向量进行校正，而根据由水平投影方向向量计算得到的三维单位向量、特征点坐标和预设的空间距离可以计算出可行的拍照点坐标，从而实现高效的无人机拍照点自动定位。
本发明还提供了一种基于无人机的拍照点定位装置、一种基于无人机的拍照点定位设备以及一种计算机可读存储介质，同样具有上述有益效果，在此不再进行赘述。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的一种基于无人机的拍照点定位方法的流程图；
图2为本发明实施例所提供的一种具体的基于无人机的拍照点定位方法的流程图；
图3为本发明实施例所提供的一种基于无人机的拍照点定位装置的结构框图；
图4为本发明实施例所提供的一种基于无人机的拍照点定位设备的结构框图。
具体实施方式
本发明的核心是提供一种基于无人机的拍照点定位方法。在现有技术中，通常仅仅是通过手动标定的方式在三维点云中标定无人机需要飞行到的位置。而手动标定的过程会带来空间位置的不确定性，同时手动设置每个三维点的拍照位置与相机参数极大地降低了三维航线规划效率。
而本发明所提供的一种基于无人机的拍照点定位方法，包括获取目标场景的三维点云数据，从三维点云数据中标定特征点坐标和相机初始坐标；根据特征点坐标和相机初始坐标，确定在水平面内相机初始坐标与特征点坐标之间的水平投影方向向量；根据水平投影方向向量确定无人机的机头方向；根据机头方向确定投影方向的水平单位向量；根据水平单位向量和预设的俯仰角计算三维投影方向的三维单位向量；根据三维单位向量，特征点坐标和预设的空间距离计算拍照点坐标。
通过机头方向反推投影方向的水平单位向量可以对投影方向向量进行校正，而根据由水平投影方向向量计算得到的三维单位向量、特征点坐标和预设的空间距离可以计算出可行的拍照点坐标，从而实现高效的无人机拍照点自动定位。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。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。
请参考图1，图1为本发明实施例所提供的一种基于无人机的拍照点定位方法的流程图。
参见图1，在本发明实施例中，基于无人机的拍照点定位方法包括：
S101：获取目标场景的三维点云数据，从三维点云数据中标定特征点坐标和相机初始坐标。
上述目标场景需要包括待拍摄的特征点，该特征点即需要被拍摄的目标物体，而特征点坐标通常为需要被拍摄的目标物体的坐标。有关特征点的具体类型可以根据实际情况自行确定，在此不做具体限定。有关获取三维点云数据的具体过程可以参考现有技术，在此不再进行赘述。
在本步骤中，通常需要在三维点云数据标定相机初始坐标，该相机初始坐标通常可以近似为安装有摄像机的无人机当前坐标
Figure 451122DEST_PATH_IMAGE001
；其中
Figure 227317DEST_PATH_IMAGE002
，
Figure 836416DEST_PATH_IMAGE003
，
Figure 559521DEST_PATH_IMAGE004
分别为相机初始位置在三维空间中的坐标；在本步骤中还需要在三维点云数据标定特征点坐标，该特征点通常可以理解为相机的焦点，相应的该特征点坐标通常可以理解为相机的焦点坐标
Figure 436210DEST_PATH_IMAGE005
)；其中
Figure 461935DEST_PATH_IMAGE006
，
Figure 214121DEST_PATH_IMAGE007
，
Figure 678601DEST_PATH_IMAGE008
分别为特征点在在三维空间中的坐标。有关标定的具体过程可以参考现有技术，在此不再进行赘述。
S102：根据特征点坐标和相机初始坐标，确定在水平面内相机初始坐标与特征点坐标之间的水平投影方向向量。
在本步骤中，需要根据S101中获取的特征点坐标和相机初始坐标来确定相机对特征点的水平投影方向向量。具体的，该投影方向向量具体是上述特征点坐标与相机初始坐标之间方向向量在水平面XOY内的投影方向向量，该水平面XOY通常是由无人机机头方向固定的二维XOY平面。上述投影方向向量
Figure 675376DEST_PATH_IMAGE009
，该投影方向向量通常为
Figure 232521DEST_PATH_IMAGE010
。
S103：根据水平投影方向向量确定无人机的机头方向。
在本发明实施例中，通常具体会使用360°全景拍摄所得的数据生成对应的点云数据。而在360°全景拍摄中，特征点的位置固定，从而可以通过机头方向和特征点与空间距离反推相机拍摄位置，即拍照点位置。在本发明实施例中，需要预先假设相机位置和机头方向在同一水平面，那么就需要先计算相机在XOY平面的位置参数。
在测绘领域，会通过机头方向与正北方向的夹角来判定机头的具体方向。机头方向由正北方向顺时针到上述投影方向向量的投影方向判定为正方向，逆时针方向为负方向。在本步骤中，具体会上述投影方向向量计算出初始的机头方向
Figure 642643DEST_PATH_IMAGE011
。其具体计算方法如下：
Figure 910813DEST_PATH_IMAGE012
，
Figure 275278DEST_PATH_IMAGE013
。
S104：根据机头方向确定投影方向的水平单位向量。
该投影方向即相机初始坐标指向特征点坐标的方向，相应的水平单位向量即在水平面内上述投影方向的单位向量。对于360°全景拍摄来说，需要通过机头方向反推投影方向的水平单位向量，其具体计算如下：
由向量积公式
Figure 767439DEST_PATH_IMAGE014
得
Figure 336961DEST_PATH_IMAGE015
。即在本步骤中，通常是通过向量积公式，根据所述机头方向确定投影方向的水平单位向量。
需要说明的是，由于平方根没有负数，所以：
Figure 815347DEST_PATH_IMAGE016
；
其中yf为投影方向的Y轴向量分量，因为不同机头方向其可能为正也可能为负。在本步骤中，具体是通过无人机实际的机头方向转化得到在XOY二维平面内新的投影方向的水平单位向量，以对投影方向向量进行更新。
S105：根据水平单位向量和预设的俯仰角计算三维投影方向的三维单位向量。
该三维投影方向即在三维空间中，无人机需要移动方向的单位向量。在本步骤中，具体会根据上述S104中得到的水平单位向量，以及预先设置的俯仰角
Figure 84916DEST_PATH_IMAGE017
计算三维投影方向上的单位向量，即三维单位向量。该三维单位向量具体定义为
Figure 747979DEST_PATH_IMAGE018
，其具体计算如下：
Figure 273638DEST_PATH_IMAGE019
需要说明的是，在本步骤中xf、yf均为上述S104中对投影方向向量进行校正后，求得的水平单位向量的具体值。
S106：根据三维单位向量、特征点坐标和预设的空间距离计算拍照点坐标。
上述空间距离即预先设置的，拍摄点与特征点之间需要保持的距离。上述其中三维单位向量为S105中计算得到的向量，特征点坐标为S101中标定的坐标，空间距离为预先设置的参数，拍照点坐标为无人机具体需要飞到的坐标。
本发明实施例所提供的一种基于无人机的拍照点定位方法，包括获取目标场景的三维点云数据，从三维点云数据中标定特征点坐标和相机初始坐标；根据特征点坐标和相机初始坐标，确定在水平面内相机初始坐标与特征点坐标之间的水平投影方向向量；根据水平投影方向向量确定无人机的机头方向；根据机头方向确定投影方向的水平单位向量；根据水平单位向量和预设的俯仰角计算三维投影方向的单位向量；根据三维单位向量，特征点坐标和预设的空间距离计算拍照点坐标。
通过机头方向反推投影方向的水平单位向量可以对投影方向向量进行校正，而根据由水平投影方向向量计算得到的三维单位向量、特征点坐标和预设的空间距离可以计算出可行的拍照点坐标，从而实现高效的无人机拍照点自动定位。
有关本发明所提供的一种基于无人机的拍照点定位方法的具体内容将在下述发明实施例中做详细介绍。
请参考图2，图2为本发明实施例所提供的一种具体的基于无人机的拍照点定位方法的流程图。
参见图2，在本发明实施例中，基于无人机的拍照点定位方法包括：
S201：获取目标场景的三维点云数据，从三维点云数据中标定特征点坐标和相机初始坐标。
S202：根据特征点坐标和相机初始坐标，确定在水平面内相机初始坐标与特征点坐标之间的水平投影方向向量。
S203：根据水平投影方向向量确定无人机的机头方向。
S204：根据机头方向确定投影方向的水平单位向量。
S205：根据水平单位向量和预设的俯仰角计算三维投影方向的三维单位向量。
S206：根据三维单位向量、特征点坐标和预设的空间距离计算拍照点坐标。
上述S201至S206与上述发明实施例中S101至S106基本一致，详细内容请参考上述发明实施例，在此不再进行赘述。
S207：从拍照点坐标中排除属于危险点的坐标。
在本步骤中，需要从拍照点坐标中排除属于危险点的坐标，其中危险点为拍照点附近如树木、建筑物等阻碍无人机飞行的物体。
具体的，本步骤通常具体包括：
S2071：将所述拍照点坐标周围预设范围内的点云记为拍照点集合。
该预设范围的具体取值需要根据无人机的尺寸等实际情况自行设置，在此不做具体限定。在本步骤中，会将拍照点坐标周围预设范围内的点云先设置在集合P中。
S2072：从所述拍照点集合中依次选取目标点云，通过K-D树数据结构计算所述目标点云与所述拍照点坐标之间的距离参数。
有关K-D树数据结构的具体内容可以参考现有技术，在此不再进行赘述。在本步骤中会从集合P中依次选取目标点云p10，通过K-D树数据结构计算目标点云与拍照点坐标之间的距离参数d，其中
Figure 244130DEST_PATH_IMAGE020
，而（x，y，z）通常为上述拍照点的坐标，（x0，y0，z0）为上述目标点云p10的坐标。
S2073：记录所述距离参数中小于距离阈值的距离参数所对应的目标点云为危险点。
在本发明实施例中，通常会先设置一阈值r，该阈值r通常表示为无人机安全飞行时与周边物体的安全距离。有关该阈值r具体数值需要根据实际情况自行设定，在此不做具体限定。
在本步骤中，具体需要结合上述S2072中计算得到的距离参数d以及上述阈值r通过欧氏距离进行判断，欧氏距离判断如下：
Figure 866742DEST_PATH_IMAGE021
；
其中当目标点云p10对应的距离参数d不小于上述阈值r时，则表明该目标点云p10为安全点safepoints；当目标点云p10对应的距离参数d小于上述阈值r时，则表明该目标点云p10为危险点dangerouspoints。
S2074：从所述拍照点坐标中排除属于所述危险点的坐标。
在本步骤中，需要从上述拍照点坐标中排除属于危险点的坐标，以保证无人机根据拍照点坐标进行拍照时，保证无人机始终处于安全的位置。
具体的，上述S2073还可以具体包括：
S20731：记录所述距离参数中小于距离阈值的距离参数所对应的目标点云为待排除点。
即在本步骤中，具体可以当目标点云p10对应的距离参数d小于上述阈值r时，先将该目标电源p10记为待排除点而非危险点。通常情况在，在本步骤中会将待排除点存储于类Q中。
S20732：根据所述K-D树数据结构确定所述待排除点的邻域个数。
在本步骤中，如果类Q中有点，则会在{Q|p10}中选择一待排除点p12，通过上述K-D树数据结构范围在阈值r的距离范围内该待排除点p12的邻域个数v。
S20733：将所述邻域个数大于预设个数的待排除点记为危险点。
在本发明实施例中，会通常会先设置一邻居阈值k，该邻居阈值k通常表示为类Q中某一待排除点p12所允许的最大邻域个数。有关该邻居阈值k具体数值需要根据实际情况自行设定，在此不做具体限定。
在本步骤中，具体需要结合上述S20732中计算得到的邻域个数v以及上述邻居阈值k通过下式进行判断如下：
Figure 966285DEST_PATH_IMAGE022
；
其中当选取的待排除点p12对应的邻域个数v不大于上述邻居阈值k时，则表明该待排除点p12为干扰点interferencepoints；所谓干扰点即三维点云数据中的噪点，当待排除点p12对应的邻域个数v不大于邻居阈值k时，意味着该待排除点p12为孤立的点，即三维点云数据中的噪点，不会对无人机飞行造成影响；当待排除点p12对应的邻域个数v大于上述邻居阈值k时，则表明该待排除点p12不是孤立的点，则该待排除点p12为危险点dangerouspoints，在距离r内可能有树木，建筑，电力线等。
在本发明实施例中，可以通过设置不同拍照点与特征点间的空间距离和俯仰角信息，获取的到多个拍照点坐标；进而通过上述S207选取到无人机可以安全飞行的拍照点坐标作为无人机实际进行拍照的坐标，实现无人机拍照点的定位。
本本发明所提供的一种基于无人机的拍照点定位方法，通过对拍照点坐标中危险点的排除，可以保证无人机在拍摄过程中始终处于安全位置。
下面对本发明实施例所提供的一种基于无人机的拍照点定位装置进行介绍，下文描述的基于无人机的拍照点定位装置与上文描述的基于无人机的拍照点定位方法可相互对应参照。
请参考图3，图3为本发明实施例所提供的一种基于无人机的拍照点定位装置的结构框图。
参见图3，在本发明实施例中，基于无人机的拍照点定位装置可以包括：
点云模块100，用于获取目标场景的三维点云数据，从所述三维点云数据中标定特征点坐标和相机初始坐标。
投影方向向量模块200，用于根据所述特征点坐标和所述相机初始坐标，确定在水平面内所述相机初始坐标与所述特征点坐标之间的水平投影方向向量。
机头方向模块300，用于根据所述水平投影方向向量确定所述无人机的机头方向。
水平单位向量模块400，用于根据所述机头方向确定投影方向的水平单位向量。
三维单位向量模块500，用于根据所述水平单位向量和预设的俯仰角计算所述三维投影方向的三维单位向量。
拍照点模块600，用于根据所述三维单位向量、特征点坐标和预设的空间距离计算拍照点坐标。
作为优选的，在本发明实施例中，水平单位向量模块400具体用于：
通过向量积公式，根据所述机头方向确定投影方向的水平单位向量。
作为优选的，在本发明实施例中，还包括：
排除模块，用于从所述拍照点坐标中排除属于危险点的坐标。
作为优选的，在本发明实施例中，排除模块可以包括：
拍照点集合单元，用于将所述拍照点坐标周围预设范围内的点云记为拍照点集合。
距离参数单元，用于从所述拍照点集合中依次选取目标点云，通过K-D树数据结构计算所述目标点云与所述拍照点坐标之间的距离参数。
判断单元，用于记录所述距离参数中小于距离阈值的距离参数所对应的目标点云为危险点。
排除单元，从所述拍照点坐标中排除属于所述危险点的坐标。
作为优选的，在本发明实施例中，判断单元可以包括：
待排除点子单元，用于记录所述距离参数中小于距离阈值的距离参数所对应的目标点云为待排除点。
邻域个数子单元，用于根据所述K-D树数据结构确定所述待排除点的邻域个数。
危险点子单元，用于将所述邻域个数大于预设个数的待排除点记为危险点。
本实施例的基于无人机的拍照点定位装置用于实现前述的基于无人机的拍照点定位方法，因此基于无人机的拍照点定位装置中的具体实施方式可见前文中基于无人机的拍照点定位方法的实施例部分，例如，点云模块100，投影方向向量模块200，机头方向模块300，水平单位向量模块400，三维单位向量模块500，拍照点模块600分别用于实现上述基于无人机的拍照点定位方法中步骤S101至S106，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
下面对本发明实施例提供的一种基于无人机的拍照点定位设备进行介绍，下文描述的基于无人机的拍照点定位设备与上文描述的基于无人机的拍照点定位方法以及基于无人机的拍照点定位装置可相互对应参照。
请参考图4，图4为本发明实施例所提供的一种基于无人机的拍照点定位设备的结构框图。
参照图4，该基于无人机的拍照点定位设备可以包括处理器11和存储器12。
所述存储器12用于存储计算机程序；所述处理器11用于执行所述计算机程序时实现上述发明实施例中所述的基于无人机的拍照点定位方法。
本实施例的基于无人机的拍照点定位设备中处理器11用于安装上述发明实施例中所述的基于无人机的拍照点定位装置，同时处理器11与存储器12相结合可以实现上述任一发明实施例中所述的基于无人机的拍照点定位方法。因此基于无人机的拍照点定位设备中的具体实施方式可见前文中的基于无人机的拍照点定位方法的实施例部分，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一发明实施例中所介绍的一种基于无人机的拍照点定位方法。其余内容可以参照现有技术，在此不再进行展开描述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种基于无人机的拍照点定位方法、一种基于无人机的拍照点定位装置、一种基于无人机的拍照点定位设备以及一种计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (8)

1.一种基于无人机的拍照点定位方法，其特征在于，包括：
获取目标场景的三维点云数据，从所述三维点云数据中标定特征点坐标和相机初始坐标；
根据所述特征点坐标和所述相机初始坐标，确定在水平面内所述相机初始坐标与所述特征点坐标之间的水平投影方向向量；
根据所述水平投影方向向量确定所述无人机的机头方向；
根据360°全景拍摄的机头方向确定投影方向的水平单位向量；
根据所述水平单位向量和预设的俯仰角计算三维单位向量；
根据所述三维单位向量、所述特征点坐标和预设的空间距离计算拍照点坐标；
所述根据所述水平投影方向向量确定所述无人机的机头方向包括：
通过β＝arcsin(xf)，
Figure FDA0003003334780000011
根据所述水平投影方向向量确定所述无人机的机头方向；所述β为所述机头方向，所述xf为所述水平投影方向向量的X轴向量分量，所述yf为所述水平投影方向向量的Y轴向量分量；
所述根据360°全景拍摄的机头方向确定投影方向的水平单位向量包括：
通过向量积公式，根据360°全景拍摄的机头方向确定投影方向的水平单位向量；
所述通过向量积公式，根据360°全景拍摄的机头方向确定投影方向的水平单位向量包括：
通过x'f＝cos(β'-90°)，
Figure FDA0003003334780000012
根据360°全景拍摄的机头方向确定投影方向的水平单位向量；所述β'为360°全景拍摄的机头方向，所述x'f为水平单位向量的X轴向量分量，所述y'f为水平单位向量的Y轴向量分量。
2.根据权利要求1所述的方法，其特征在于，在根据所述三维单位向量，所述特征点坐标和预设的空间距离计算拍照点坐标之后，还包括：
从所述拍照点坐标中排除属于危险点的坐标。
3.根据权利要求2所述的方法，其特征在于，所述从所述拍照点坐标中排除属于危险点的坐标包括：
将所述拍照点坐标周围预设范围内的点云记为拍照点集合；
从所述拍照点集合中依次选取目标点云，通过K-D树数据结构计算所述目标点云与所述拍照点坐标之间的距离参数；
记录所述距离参数中小于距离阈值的距离参数所对应的目标点云为危险点；
从所述拍照点坐标中排除属于所述危险点的坐标。
4.根据权利要求3所述的方法，其特征在于，所述记录所述距离参数中小于距离阈值的距离参数所对应的目标点云为危险点包括：
记录所述距离参数中小于距离阈值的距离参数所对应的目标点云为待排除点；
根据所述K-D树数据结构确定所述待排除点的邻域个数；
将所述邻域个数大于预设个数的待排除点记为危险点。
5.一种基于无人机的拍照点定位装置，其特征在于，包括：
点云模块，用于获取目标场景的三维点云数据，从所述三维点云数据中标定特征点坐标和相机初始坐标；
投影方向向量模块，用于根据所述特征点坐标和所述相机初始坐标，确定在水平面内所述相机初始坐标与所述特征点坐标之间的水平投影方向向量；
机头方向模块，用于根据所述水平投影方向向量确定所述无人机的机头方向；
水平单位向量模块，用于根据360°全景拍摄的机头方向确定投影方向的水平单位向量；
三维单位向量模块，用于根据所述水平单位向量和预设的俯仰角计算三维单位向量；
拍照点模块，用于根据所述三维单位向量、所述特征点坐标和预设的空间距离计算拍照点坐标；
所述机头方向模块具体用于：
通过β＝arcsin(xf)，
Figure FDA0003003334780000031
根据所述水平投影方向向量确定所述无人机的机头方向；所述β为所述机头方向，所述xf为所述水平投影方向向量的X轴向量分量，所述yf为所述水平投影方向向量的Y轴向量分量；
所述水平单位向量模块具体用于：
通过向量积公式，根据360°全景拍摄的机头方向确定投影方向的水平单位向量；
所述水平单位向量模块具体用于：
通过x'f＝cos(β'-90°)，
Figure FDA0003003334780000032
根据360°全景拍摄的机头方向确定投影方向的水平单位向量；所述β'为360°全景拍摄的机头方向，所述x'f为水平单位向量的X轴向量分量，所述y'f为水平单位向量的Y轴向量分量。
6.根据权利要求5所述的装置，其特征在于，还包括：
排除模块，用于从所述拍照点坐标中排除属于危险点的坐标。
7.一种基于无人机的拍照点定位设备，其特征在于，所述设备包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述基于无人机的拍照点定位方法的步骤。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于无人机的拍照点定位方法的步骤。
CN202110096358.9A 2021-01-25 2021-01-25 一种基于无人机的拍照点定位方法及相关装置 Active CN112419417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110096358.9A CN112419417B (zh) 2021-01-25 2021-01-25 一种基于无人机的拍照点定位方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110096358.9A CN112419417B (zh) 2021-01-25 2021-01-25 一种基于无人机的拍照点定位方法及相关装置

Publications (2)

Publication Number Publication Date
CN112419417A CN112419417A (zh) 2021-02-26
CN112419417B true CN112419417B (zh) 2021-05-18

Family

ID=74782969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110096358.9A Active CN112419417B (zh) 2021-01-25 2021-01-25 一种基于无人机的拍照点定位方法及相关装置

Country Status (1)

Country Link
CN (1) CN112419417B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115390578A (zh) * 2022-04-26 2022-11-25 成都纵横自动化技术股份有限公司 一种现场勘察方法、装置、设备及存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104102218B (zh) * 2014-06-30 2017-04-05 西北工业大学 基于视觉伺服的感知与规避方法及系统
US9251417B1 (en) * 2014-10-15 2016-02-02 Hrl Laboratories, Llc Fast open doorway detection for autonomous robot exploration
CN105700554A (zh) * 2016-03-31 2016-06-22 中晟启天（深圳）科技有限公司 一种固定翼无人机降落方法及系统
CN106600686B (zh) * 2016-12-06 2020-05-22 西安电子科技大学 一种基于多幅未标定图像的三维点云重建方法
CN110362098B (zh) * 2018-03-26 2022-07-05 北京京东尚科信息技术有限公司 无人机视觉伺服控制方法、装置以及无人机
CN108645408B (zh) * 2018-05-07 2020-07-17 中国人民解放军国防科技大学 一种基于导航信息的无人机自主回收目标预测方法
CN109062233A (zh) * 2018-08-15 2018-12-21 广东电网有限责任公司 一种输电线路无人机自动驾驶巡检方法
CN109213197A (zh) * 2018-09-11 2019-01-15 成都优艾维智能科技有限责任公司 一种针对直流单回直线塔的无人机自主巡检方法
CN109816774B (zh) * 2018-12-31 2023-11-17 江苏天策机器人科技有限公司 一种基于无人机的三维重建系统及三维重建方法
CN111784748B (zh) * 2020-06-30 2023-05-02 深圳市道通智能航空技术股份有限公司 目标跟踪方法、装置、电子设备及移动载具
CN111880573B (zh) * 2020-07-31 2022-09-06 电子科技大学 一种基于视觉惯导融合的四旋翼自主导航方法

Also Published As

Publication number Publication date
CN112419417A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN113592989B (zh) 一种三维场景的重建系统、方法、设备及存储介质
CN111274943B (zh) 一种检测方法、装置、电子设备及存储介质
CN110703268A (zh) 一种自主定位导航的航线规划方法和装置
JP6631206B2 (ja) 土工管理方法
JP6877293B2 (ja) 位置情報記録方法および装置
CN112419417B (zh) 一种基于无人机的拍照点定位方法及相关装置
WO2021016854A1 (zh) 一种标定方法、设备、可移动平台及存储介质
WO2022246826A1 (zh) 外参标定方法、装置、可移动平台和存储介质
JP6635649B2 (ja) データ重ね合わせプログラム及びデータ重ね合わせ方法
CN113970922A (zh) 点云数据的处理方法、智能行驶控制方法及装置
CN115423863B (zh) 相机位姿估计方法、装置及计算机可读存储介质
US20110261162A1 (en) Method for Automatically Generating a Three-Dimensional Reference Model as Terrain Information for an Imaging Device
WO2021016806A1 (zh) 高精度地图定位方法、系统、平台及计算机可读存储介质
CN113670316A (zh) 基于双雷达的路径规划方法、系统、存储介质及电子设备
CN113987246A (zh) 无人机巡检的图片自动命名方法、装置、介质和电子设备
CN113034347A (zh) 倾斜摄影图像处理方法、装置、处理设备及存储介质
CN115272248B (zh) 一种风机姿态的智能检测方法以及电子设备
CN112106112A (zh) 一种点云融合方法、设备、系统及存储介质
CN112578369B (zh) 一种不确定性的估计方法、装置、电子设备及存储介质
KR102438490B1 (ko) 단일 체커보드를 이용하는 이종 센서 캘리브레이션 방법 및 장치
CN113345012A (zh) 单目测距方法、目标的物理参数测量方法、装置及无人机
CN113340310A (zh) 一种移动机器人台阶地形识别定位方法及相关装置
Piech et al. Generating of building facades orthophotoplans with UAV and terrestrial photos
KR102016988B1 (ko) 3차원 정보 생성을 위한 카메라 자세 벡터 보정 방법
JP2021032656A (ja) 森林地域での立木の評価方法、及びこの評価方法における評価対象エリアの特定に適した境界線測量方法

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A method and related device for locating photo points based on drones

Granted publication date: 20210518

Pledgee: Bank of China Limited by Share Ltd. Chengdu hi tech Industrial Development Zone sub branch

Pledgor: CHENGDU EBIT AUTOMATION EQUIPMENT Co.,Ltd.

Registration number: Y2024980014298

PE01 Entry into force of the registration of the contract for pledge of patent right