CN113129280A - 一种基于建筑物轮廓特征的目标落点测量方法 - Google Patents
一种基于建筑物轮廓特征的目标落点测量方法 Download PDFInfo
- Publication number
- CN113129280A CN113129280A CN202110381185.5A CN202110381185A CN113129280A CN 113129280 A CN113129280 A CN 113129280A CN 202110381185 A CN202110381185 A CN 202110381185A CN 113129280 A CN113129280 A CN 113129280A
- Authority
- CN
- China
- Prior art keywords
- target
- camera
- point
- building
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及落点测量技术领域,提供一种基于建筑物轮廓特征的目标落点测量方法,利用RTK打点器对建筑物轮廓点坐标和预计落点坐标进行测量;选择相机拍摄位置,相机画面中出现火光后立即停止录制,根据目标在相机视场内运动时间和相机帧率计算得到倒推影像张数n;通过帧差法对目标检测范围进行筛选;结合Otsu阈值分割算法对差分影像进行处理,手工顺次筛选,挑选出目标穿过楼顶瞬间的关键帧图像,并在该图像上点选楼体轮廓点和目标实际落点的位置;计算预计落点为原点的坐标系下的实际落点坐标;利用坐标轴旋转公式得到射向坐标系下目标落点数据。本发明在测试前仅需要对部分已有轮廓点进行测量即可,无需进行标志点布设工作,有效降低外场施工难度。
Description
技术领域
本发明涉及落点测量技术领域,具体涉及一种基于建筑物轮廓特征的目标落点测量方法。
背景技术
落点偏移量是评价装备性能的重要参数,在落点测量试验中,落点偏移量数据是判断试验成功与否的重要参考指标。
目前常用落点测量方法主要有两种,一种是基于地面视场的双目交会完成落点测量,该方法在地面选点布设相机,通过在建筑物外立面布设标志点并结合棋盘格完成相机内外标定,获取相机结构参数、几何位置和姿态信息,通过拍摄目标下落过程中数张影像拟合下落轨迹,与建筑物顶部相交得到实际落点坐标,并结合预计落点位置完成落点测量。但这种方法无法观测到目标最终落点影像,只能通过接近楼体的影像数据进行落点轨迹拟合,无直观影像数据作为结果支持;另一种是基于空中视场的双目交会完成落点测量,该方法通过提前布设地面标志点,结合影像数据解算得到相机在空间中的准确位置信息,再利用双目交会计算完成落点测量。但这种方法由于相机帧率较高,相机姿态角刷新率难以与相机帧率相契合,且飞行平台存在抖动情况,需要同时拍摄空中目标和地面标志物,并在事后完成相机标定才能保证标定结果的有效性,无法满足快速测量的时效性需求。
由此看见现有技术中的落点测量方法均过于依赖地面标志点,且外场环境下标志点布设存在一定困难,准备周期较长。
发明内容
本发明的目的是提供一种基于建筑物轮廓特征的目标落点测量方法,解决外场环境下落点测量过于依赖地面外标志点,且标志点布设困难准备周期耗时长的技术问题。
为达到上述目的,解决上述技术问题本发明提供一种基于建筑物轮廓特征的目标落点测量方法,包括如下步骤:
步骤1、测量开始前利用RTK打点器对建筑物轮廓点坐标和预计落点坐标进行测量
步骤2、根据试验现场情况并结合试验开展时间和成像效果,选择相机拍摄位置,并合理设置相机帧率
步骤3、当相机画面中出现火光后立即停止录制,将人的反应时间设置为0.1秒,目标穿过楼顶到出现火光间隔时间忽略不计,为有效缩减目标检测范围并保证一定冗余量,根据目标在相机视场内运动时间和相机帧率计算得到倒推影像张数n:
其中,v为相机成像靶面纵向像素数;dy为像元纵向尺寸;S为相机至建筑靶标距离;f为相机焦距;v目为目标下落速度;Hz为相机帧率。
步骤4、通过帧差法对步骤3得到的目标检测范围进行筛选
结合Otsu阈值分割算法对差分影像进行处理,用以增强目标与背景之间的对比度;
步骤5、通过步骤4检测到目标后,手工顺次筛选,挑选出目标穿过楼顶瞬间的关键帧图像。
步骤6、得到目标穿过楼顶瞬间的关键帧图像后,在该图像上点选楼体轮廓点和目标实际落点的位置,这点选择时楼体轮廓点和目标实际落点的高度应尽量保持一致,减小高度差对落点测量精度带来的影响。
步骤7、根据像素距离与实际距离之间的比例关系,计算预计落点为原点的坐标系下的实际落点坐标(xp,yp)。
步骤8、根据楼顶平面坐标系中的实际落点(xp,yp)坐标以及射向坐标系与楼顶平面直角坐标系间的夹角θ,利用坐标轴旋转公式得到射向坐标系下的目标落点数据(xp射,yp射)如下式所示
与现有技术相比,本发明的有益效果有以下几点:
1、本发明在测试前仅需要对部分已有轮廓点进行测量即可,无需进行标志点布设工作,有效降低外场施工难度;
2、本发明采用飞行平台挂载相机,可在空中视场直观观测目标下落全过程,利用影像可直接判断出实际落点在射向坐标系中的偏离情况,结合落点测量结果,测量成功率高;
3、本发明相比于传统手动二分法搜索目标下落阶段影像,本发明通过计算相机倒推帧数并利用帧差法开展动目标检测,极大地提高目标搜索效率,缩短落点计算时间;
4、本发明利用仿射变化求解落点数据,相比于双目交会测量,运算数据量小,出错率低,操作步骤简单,效率较高,通过多次数据结论对比,测量精度可达1米;
5、本发明针对不同面积的建筑物目标可通过调整空中平台悬停位置或更换镜头实现最佳拍摄角度,设备使用效率高,可用于各类试验场景,对落点测量具有较大的通用性。
附图说明
图1为建筑物轮廓点坐标和预计落点坐标测量示意图;
图2为一种基于建筑物轮廓特征的目标落点测量系统工作示意图。
其中,a、b、c为楼体角点;O为目标预计落点;P为目标实际落点;d、e为点P在楼体长宽边上的投影点。
具体实施方式
下面结合附图对本发明进一步说明。
本发明主要内容为在外场环境中,利用飞行平台(无人机、飞艇等)挂载相机,从空中视场拍摄目标下落全过程,利用实际落点、建筑物轮廓点和预计落点之间的相对位置关系,实现落点测量。
本发明一种基于建筑物轮廓特征的目标落点测量方法,主要用于针对固定建筑物的基于飞行平台的落点测量。
本发明的技术方案包括如下步骤:
步骤1、测量开始前利用RTK打点器对建筑物轮廓点坐标和预计落点坐标进行测量
RTK(Real-time kinematic,实时动态)载波相位差分技术,是实时处理两个测量站载波相位观测量的差分方法,将基准站采集的载波相位发给用户接收机,进行求差解算坐标。这是一种新的常用的卫星定位测量方法,以前的静态、快速静态、动态测量都需要事后进行解算才能获得厘米级的精度,而RTK是能够在野外实时得到厘米级定位精度的测量方法,它采用了载波相位动态实时差分方法,是GPS应用的重大里程碑,它的出现为工程放样、地形测图,各种控制测量带来了新的测量原理和方法,极大地提高了作业效率。因此本发明在测量前使用RTK打卡器对建筑物的轮廓点坐标和预计点坐标进行测量,以确保测量精度。
选取楼体轮廓点时,使用RTK打点器进行打点,需选取至少3个轮廓点用于确认楼顶平面位置,在保证经纬度精度的前提下,打点器打点点位高程应尽量贴近目标预计落点所在平面,这样可以减少因高度差带来的落点计算误差。
步骤2、根据试验现场情况并结合试验开展时间,考虑成像效果,选择最佳相机拍摄位置,并合理设置相机帧率。
镜头选取需根据视场计算公式和目标成像尺寸公式兼顾观测视场和目标成像尺寸。
视场计算公式为:
其中,u为相机靶面横向像素数,fx为像元横向尺寸,f为相机焦距,S为相机视场,D为相机拍摄距离;
目标成像尺寸计算公式为:
其中,l为目标长度,n为纵向成像像素数,fy为像元纵向尺寸,D为相机拍摄距离,f为相机焦距;
以相机在建筑物正南方向拍摄为例,相机光心对准目标预计落点,当成像仅考虑相机横向视场时,需满足以下不等式:
当成像仅考虑相机纵向视场时,需满足以下不等式:
其中,H为无人机航高,h为建筑物高度,m、n为建筑物长宽尺寸,相机成像尺寸为u×v,焦距为f,像元尺寸为dx×dy。
在保证成像尺寸、视场覆盖和拍摄安全的前提下,应使尽量减少相机倾斜角度,减小相机拍摄的倾斜误差,提升落点测量准确率。
帧率设置时需满足:
Hz≥V/L
其中,Hz代表相机帧率,V代表目标落速,L代表目标长度
步骤3、当相机画面中出现火光后,目标已完成下落全过程,后续图像无法用于落点测量,为减少无效数据,减轻后续数据筛选难度,需立即停止录制,考虑到人体反应时间约为0.1秒,故将人的反应时间设置为0.1秒,目标穿过楼顶到出现火光间隔时间忽略不计,为有效缩减目标检测范围并保证一定冗余量,根据目标在相机视场内运动时间和相机帧率计算得到倒推影像张数n:
其中,v为相机成像靶面纵向像素数;dy为像元纵向尺寸;S为相机至建筑靶标距离;f为相机焦距;v目为目标下落速度;Hz为相机帧率。
步骤4、通过帧差法结合Otsu阈值分割算法对步骤3得到的目标检测范围进行筛选,用以增强目标与背景之间的对比度,若无人机抖动较为剧烈,图像差分后会存在建筑物靶标边缘和地面杂物等无关信息,可对阈值处理后的图像进行图像开操作处理,去除无关信息,完成目标初步检测。为确保目标检测的准确率,可对初步检测得到的结果依照目标实际尺寸设置图像像素长宽检测比例,考虑到目标在实际拍摄过程中长度方向会存在拖影情况,实际操作中可将长宽比a:b设置为:
a(1+5%):b
步骤5、通过步骤4检测到目标后,继续顺次筛选,挑选出目标穿过楼顶瞬间的关键帧图像。
步骤6、得到目标穿过楼顶瞬间的关键帧图像后,在该图像上点选楼体轮廓点和目标实际落点的位置,点选时楼体轮廓点和目标实际落点的高度应尽量保持一致,减小高度差对落点测量精度带来的影响。
步骤7、根据像素距离与实际距离之间的比例关系,计算以预计落点为原点的坐标系下的实际落点的坐标。
现有技术种有多种方法可以用于计算实际落点的坐标,本发明给出一种计算比较便利的方案。利用二维仿射变化得到以预计落点为原点的坐标系下的实际落点坐标,即两落点之间的偏移量,其详细点位见说明书附图2。
式中(u,v)为点位对应的图像像素坐标,(x,y)为以预计落点为原点的楼顶平面直角坐标系下对应点位的坐标。
步骤8、根据楼顶平面坐标系中的实际落点(xp,yp)坐标以及射向坐标系与楼顶平面直角坐标系间的夹角θ,利用坐标轴旋转公式得到射向坐标系下的目标落点数据(xp射,yp射)如下式所示。
实施例1、
本例中建筑物长36m,宽16m,目标长度Lm,相机焦距为50mm,相机分辨率为1280×1024,像元尺寸为14μm,相机帧率为500Hz,飞行平台距预计落点约300m,目标落速约为v m/s(部分数据不便给出,使用字母表示)。按如下步骤实施本发明公布的方法:
(1)如图1,在任务开始之前利用RTK打点器对楼体的三个轮廓点坐标和预计落点坐标进行测量,得到点位坐标,所选轮廓测量点位高程尽量接近预计落点高程;
(2)利用视场计算公式,可得到相机视场约107m×86m,可完全覆盖建筑物顶部及其附近区域;同时,目标成像像素数为11.9L个,均满足测量需求;
(3)如图2,利用飞行平台挂载相机飞至建筑物西侧,于目标下落前5分钟开始影像数据采集,看到火光后立即停止录制并完成数据回传,此时得到影像数据约为3000张;
(4)依据步骤(3)中提及的数据公式计算得到倒推数量为100+43008/v张,为保证一定冗余量,可在此基础上适当增加影像倒推数量。通过帧差法对得到的影像序列开展目标检索,可结合Otsu阈值分割算法、图像开操作和设置目标长宽比的方法提升目标检测的成功率,得到目标进入视场后的影像;
(5)利用人工手动顺次筛选,挑选出目标穿过楼顶瞬间的关键帧图像。
(6)在目标穿透楼顶瞬间的图像上点选试验前测量的三个楼体轮廓点,根据相对位置自动确定楼顶平面的第四个角点和楼顶平面中心位置,即预计落点位置,再点选实际落点坐标得到两落点之间的像素相对位置,通过像素距离与三维空间距离的比例关系,得到目标在楼顶平面坐标系中的落点坐标;
(7)通过像素距离与三维空间距离的比例关系,得到目标在楼顶平面坐标系中的落点坐标。
(8)根据射向坐标系与楼顶平面坐标系夹角θ,结合步骤(7)中两坐标系之间的旋转矩阵关系得到射向坐标系下目标落点测量结果。
Claims (7)
1.一种基于建筑物轮廓特征的目标落点测量方法,其特征在于,包括如下步骤:
步骤1、测量开始前利用RTK打点器对建筑物轮廓点坐标和预计落点坐标进行测量
步骤2、根据试验现场情况并结合试验开展时间和成像效果,选择相机拍摄位置,并合理设置相机帧率
步骤3、当相机画面中出现火光后立即停止录制,将人的反应时间设置为0.1秒,目标穿过楼顶到出现火光间隔时间忽略不计,为有效缩减目标检测范围并保证一定冗余量,根据目标在相机视场内运动时间和相机帧率计算得到倒推影像张数n:
其中,v为相机成像靶面纵向像素数;dy为像元纵向尺寸;S为相机至建筑靶标距离;f为相机焦距;v目为目标下落速度;Hz为相机帧率。
步骤4、通过帧差法对步骤3得到的目标检测范围进行筛选
结合Otsu阈值分割算法对差分影像进行处理,用以增强目标与背景之间的对比度;
步骤5、通过步骤4检测到目标后,手工顺次筛选,挑选出目标穿过楼顶瞬间的关键帧图像。
步骤6、得到目标穿过楼顶瞬间的关键帧图像后,在该图像上点选楼体轮廓点和目标实际落点的位置,这点选择时楼体轮廓点和目标实际落点的高度应尽量保持一致,减小高度差对落点测量精度带来的影响。
步骤7、根据像素距离与实际距离之间的比例关系,计算预计落点为原点的坐标系下的实际落点坐标(xp,yp)。
步骤8、根据楼顶平面坐标系中的实际落点(xp,yp)坐标以及射向坐标系与楼顶平面直角坐标系间的夹角θ,利用坐标轴旋转公式得到射向坐标系下的目标落点数据(xp射,yp射)如下式所示
2.根据权利要求1所述的一种基于建筑物轮廓特征的目标落点测量方法,其特征在于,所述RTK打点器进行打点时,至少选取3个轮廓点用于确认楼顶平面位置,在保证经纬度精度的前提下,打点器打点点位高程应尽量贴近目标预计落点所在平面,减少因高度差带来的落点计算误差。
镜头选取需根据视场计算公式和目标成像尺寸公式兼顾观测视场和目标成像尺寸。
4.根据权利要求3所述的一种基于建筑物轮廓特征的目标落点测量方法,其特征在于,所述相机拍摄位置在保证成像尺寸、视场覆盖和拍摄安全的前提下,应使尽量减少相机倾斜角度,减小相机拍摄的倾斜误差,提升落点测量准确率。
5.根据权利要求1所述的一种基于建筑物轮廓特征的目标落点测量方法,其特征在于,所述步骤4种,若无人机抖动较为剧烈,图像差分后会存在建筑物靶标边缘和地面杂物等无关信息,可对阈值处理后的图像进行图像开操作处理,去除无关信息,完成目标初步检测。
6.根据权利要求1所述的一种基于建筑物轮廓特征的目标落点测量方法,其特征在于,所述步骤4为确保目标检测的准确率,可对初步检测得到的结果依照目标实际尺寸设置图像像素长宽检测比例,考虑到目标在实际拍摄过程中长度方向会存在拖影情况,实际操作中可将长宽比a:b设置为:
a(1+5%):b
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110381185.5A CN113129280B (zh) | 2021-04-09 | 2021-04-09 | 一种基于建筑物轮廓特征的目标落点测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110381185.5A CN113129280B (zh) | 2021-04-09 | 2021-04-09 | 一种基于建筑物轮廓特征的目标落点测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113129280A true CN113129280A (zh) | 2021-07-16 |
CN113129280B CN113129280B (zh) | 2022-08-09 |
Family
ID=76775543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110381185.5A Active CN113129280B (zh) | 2021-04-09 | 2021-04-09 | 一种基于建筑物轮廓特征的目标落点测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129280B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113739765A (zh) * | 2021-08-23 | 2021-12-03 | 中国人民解放军63660部队 | 一种无额外控制点的双目协同落点测量方法 |
CN114821345A (zh) * | 2022-06-27 | 2022-07-29 | 绵阳天仪空间科技有限公司 | 一种基于遥感影像的灾后建筑物的安全检测系统及方法 |
CN115018908A (zh) * | 2022-06-01 | 2022-09-06 | 中国人民解放军63660部队 | 一种基于阴影的飞行器落点单目测量方法 |
CN117437563A (zh) * | 2023-12-13 | 2024-01-23 | 黑龙江惠达科技股份有限公司 | 一种基于双目视觉的植保无人机打点方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109598758A (zh) * | 2018-11-21 | 2019-04-09 | 三峡大学 | 一种可视觉定位的无人机起降平台及无人机落点修正方法 |
CN109682425A (zh) * | 2019-01-29 | 2019-04-26 | 四川省安全科学技术研究院 | 一种尾矿库风险空天地一体化测控方法 |
US20200265601A1 (en) * | 2016-12-08 | 2020-08-20 | Sony Interactive Entertainment Inc. | Information processing apparatus and information processing method |
CN112272957A (zh) * | 2019-11-19 | 2021-01-26 | 深圳市大疆创新科技有限公司 | 一种降落控制方法、设备、基站、无人机及存储介质 |
-
2021
- 2021-04-09 CN CN202110381185.5A patent/CN113129280B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200265601A1 (en) * | 2016-12-08 | 2020-08-20 | Sony Interactive Entertainment Inc. | Information processing apparatus and information processing method |
CN109598758A (zh) * | 2018-11-21 | 2019-04-09 | 三峡大学 | 一种可视觉定位的无人机起降平台及无人机落点修正方法 |
CN109682425A (zh) * | 2019-01-29 | 2019-04-26 | 四川省安全科学技术研究院 | 一种尾矿库风险空天地一体化测控方法 |
CN112272957A (zh) * | 2019-11-19 | 2021-01-26 | 深圳市大疆创新科技有限公司 | 一种降落控制方法、设备、基站、无人机及存储介质 |
Non-Patent Citations (3)
Title |
---|
XINYI LIU: "TopoLAP:Topology Recovery for building reconstruction by deducing the relationships between linear and planar primitives", 《MDPI》 * |
彭旭飞: "导航与定位中RTK技术研究", 《测绘与空间地理信息》 * |
赵梓年: "面向建筑物靶标的目标脱靶量测量方法及系统设计", 《2021中国自动化大会论文集》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113739765A (zh) * | 2021-08-23 | 2021-12-03 | 中国人民解放军63660部队 | 一种无额外控制点的双目协同落点测量方法 |
CN113739765B (zh) * | 2021-08-23 | 2024-03-26 | 中国人民解放军63660部队 | 一种无额外控制点的双目协同落点测量方法 |
CN115018908A (zh) * | 2022-06-01 | 2022-09-06 | 中国人民解放军63660部队 | 一种基于阴影的飞行器落点单目测量方法 |
CN115018908B (zh) * | 2022-06-01 | 2024-04-26 | 中国人民解放军63660部队 | 一种基于阴影的飞行器落点单目测量方法 |
CN114821345A (zh) * | 2022-06-27 | 2022-07-29 | 绵阳天仪空间科技有限公司 | 一种基于遥感影像的灾后建筑物的安全检测系统及方法 |
CN114821345B (zh) * | 2022-06-27 | 2022-12-02 | 绵阳天仪空间科技有限公司 | 一种基于遥感影像的灾后建筑物的安全检测系统及方法 |
CN117437563A (zh) * | 2023-12-13 | 2024-01-23 | 黑龙江惠达科技股份有限公司 | 一种基于双目视觉的植保无人机打点方法、装置及设备 |
CN117437563B (zh) * | 2023-12-13 | 2024-03-15 | 黑龙江惠达科技股份有限公司 | 一种基于双目视觉的植保无人机打点方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113129280B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113129280B (zh) | 一种基于建筑物轮廓特征的目标落点测量方法 | |
CN105928498B (zh) | 提供关于对象的信息的方法、大地测绘系统、存储介质 | |
CN106327573B (zh) | 一种针对城市建筑的实景三维建模方法 | |
CN107121125B (zh) | 一种通讯基站天线位姿自动检测装置与方法 | |
CN105335733B (zh) | 一种无人机自主着陆视觉定位方法及系统 | |
CN104215239B (zh) | 基于视觉的无人机自主着陆导引装置实现的导引方法 | |
CN103822635B (zh) | 基于视觉信息的无人机飞行中空间位置实时计算方法 | |
CN109753076A (zh) | 一种无人机视觉追踪实现方法 | |
CN110033480B (zh) | 基于航摄测量的机载光电系统目标运动矢量估计方法 | |
CN109146958B (zh) | 一种基于二维图像的交通标志空间位置测量方法 | |
CN109931939A (zh) | 车辆的定位方法、装置、设备及计算机可读存储介质 | |
CN109269525B (zh) | 一种空间探测器起飞或着陆过程光学测量系统及方法 | |
CN109974713B (zh) | 一种基于地表特征群的导航方法及系统 | |
CN106408601A (zh) | 一种基于gps的双目融合定位方法及装置 | |
CN110470226A (zh) | 一种基于无人机系统的桥梁结构位移测量方法 | |
KR102239562B1 (ko) | 항공 관측 데이터와 지상 관측 데이터 간의 융합 시스템 | |
CN106370160A (zh) | 一种机器人室内定位系统和方法 | |
WO2022126339A1 (zh) | 土木结构变形监测方法及相关设备 | |
CN109212497A (zh) | 一种空间六自由度车载雷达天线位姿偏差测量及对接方法 | |
CN114004977A (zh) | 一种基于深度学习的航拍数据目标定位方法及系统 | |
CN215767057U (zh) | 一种提高无人机调查复杂边坡岩体精度的动态调整装置 | |
CN106338286A (zh) | 一种动基座测量方法 | |
CN115717867A (zh) | 一种基于机载双相机和目标追踪的桥梁变形测量方法 | |
CN109146936B (zh) | 一种图像匹配方法、装置、定位方法及系统 | |
CN114442129A (zh) | 一种提高复杂边坡岩体无人机调查精度的动态调整方法 |
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 |