CN113759953B - 一种基于开源dem数据的飞行姿态照片纠正方法 - Google Patents
一种基于开源dem数据的飞行姿态照片纠正方法 Download PDFInfo
- Publication number
- CN113759953B CN113759953B CN202111319355.3A CN202111319355A CN113759953B CN 113759953 B CN113759953 B CN 113759953B CN 202111319355 A CN202111319355 A CN 202111319355A CN 113759953 B CN113759953 B CN 113759953B
- Authority
- CN
- China
- Prior art keywords
- attitude
- aircraft
- flight
- model
- dem 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012937 correction Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 11
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 24
- 238000001914 filtration Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 238000011160 research Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于开源DEM数据的飞行姿态照片纠正方法，其包括以下步骤：S1：下载飞行器飞行区域内的DEM数据地图模型；S2：从飞行操控系统中提取飞行器飞行时的飞行数据和姿态模型；S3：根据飞行坐标在DEM数据地图模型上进行定位；S4：根据姿态模型计算飞行器在DEM数据地图模型中的倾斜角S2；S5：计算倾斜角S1与倾斜角S2的差值ΔS；S6：初步姿态照片；S7：对初步姿态照片进行处理，得到高精度飞行姿态照片。本发明根据环境因素对飞行姿态的影响，调整飞行姿态照片的角度，确保照片上的飞行姿态是不受到环境影响的，显示出的飞行姿态足够准确，方便后期对飞行姿态的控制进行研究。
Description
技术领域
本发明涉及图片处理技术领域，具体涉及一种基于开源DEM数据的飞行姿态照片纠正方法。
背景技术
DEM是数字高程模型的英文简称(Digital Elevation Model)，是研究分析地形、流域、地物识别的重要原始资料。由于DEM 数据能够反映一定分辨率的局部地形特征，因此通过DEM 可提取大量的地表形态信息，可用于绘制等高线、坡度图、坡向图、立体透视图、立体景观图，并应用于制作正射影像、立体地形模型与地图修测。在测绘、水文、气象、地貌、地质、土壤、工程建设、通讯、军事等国民经济和国防建设以及人文和自然科学领域有着广泛的应用。
飞行器在空中飞行的过程中，由于受到自然风向或环境的影响，飞行器在空中的飞行姿态与飞行操控系统实际需要控制的飞行姿态往往会存在误差，例如，飞行操控系统需要控制飞行器的倾斜角是30度，但是由于风力的作用，飞行器在飞行的过程中往往与30度具有一定的偏差，这就使得在捕获飞行器飞行姿态的照片时存在较大误差，影响对飞行器飞行姿态的研究。
发明内容
针对现有技术中的上述不足，本发明提供了一种精度高的基于开源DEM数据的飞行姿态照片纠正方法
为了达到上述发明目的，本发明所采用的技术方案为：
提供一种基于开源DEM数据的飞行姿态照片纠正方法，其包括以下步骤：
S1：下载飞行器飞行区域内的DEM数据地图模型；
S2：从飞行操控系统中提取飞行器飞行时的飞行数据和姿态模型，飞行数据包括提取姿态模型时的飞行坐标（x，y，z）和飞行器的倾斜角S1，其中x、y和z分别表示经度、维度和海拔；
S3：根据飞行坐标在DEM数据地图模型上进行定位，得到飞行器提取姿态模型时在DEM数据地图模型上的位置A；
S4：将姿态模型导入到DEM数据地图模型上的位置A，根据姿态模型计算飞行器在DEM数据地图模型中的倾斜角S2；
S5：计算倾斜角S1与倾斜角S2的差值ΔS：ΔS = 倾斜角S1-倾斜角S2；
S6：提取飞行器飞行时的姿态照片，姿态照片根据计算的差值ΔS进行旋转；若ΔS≥0，则姿态照片逆时针旋转|ΔS|，否则姿态照片顺时针旋转|ΔS|，得到初步姿态照片；
S7：对初步姿态照片进行处理，得到高精度飞行姿态照片。
进一步地，步骤S4包括：
S41：在飞行器的飞行操控系统中下载飞行器的姿态模型，将姿态模型导入3Dmax中，并标记出姿态模型的中心点；
S42：将姿态模型从3Dmax中导出，并保存为obj格式的模型文件；
S43：打开DEM数据地图模型，将模型文件导入DEM数据地图模型中，并将姿态模型的中心点移动到位置A；
S44：确定姿态模型在DEM数据地图模型中的最高海拔点B1和最低海拔点B2作为计算点；
S45：将最高点B1和最低点B2连线，计算最高点B1和最低点B2连线与DEM数据地图模型中海平面的夹角，该夹角作为倾斜角S2。
进一步地，步骤S45包括：
S451：提取点B1和点B2在DEM数据地图模型中的坐标（x B1，y B1，z B1），（x B2，y B2，z B2）；
S452：计算点B1和点B2之间的水平距离
；
S453：计算点B1和点B2之间的垂直高度H B1B2=|z B1-z B2|；
S454：利用水平距离L B1B2和垂直高度H B1B2计算倾斜角S2：tanS2=H B1B2/L B1B2。
进一步地，步骤S7包括：
S71：对初步姿态照片进行灰度化处理；
S72：将灰度化处理后的初步姿态照片分成n个子图片；
S73：遍历所有子图片，将每个子图像中每个像素点的灰度值与灰度标准值作差，得到灰度变化值ΔH：ΔH=|灰度值-灰度标准值|，将灰度变化值ΔH与灰度变化阈值进行比较；
S74：若子图像中存在部分像素点的灰度变化值ΔH大于灰度变化阈值，则判定该子图像中存在飞行器的轮廓线，将该子图像作为轮廓子图像存入轮廓子图像集中；
S75：若子图像中所有的像素点的灰度变化值ΔH均大于灰度变化阈值，则判定该子图像中不存在飞行器的图像，将该子图像删除；
S76：若子图像中所有的像素点的灰度变化值ΔH均小于或等于灰度变化阈值，则判定该子图像所有像素均为飞行器的轮廓，将该子图像存入飞行器子图像集中；
S77：提取轮廓子图像集中的轮廓子图像，将轮廓子图像中的所有像素点的灰度值与灰度阈值进行比较；
S78：若灰度值小于灰度阈值，则判定该像素点不是飞行器的像素点，将该像素点用纯白像素点替换；
S79：若灰度值大于等于灰度阈值，则判定该像素点是飞行器的像素点，保留该像素点；
S710：重复步骤S77-S79，遍历轮廓子图像集中的所有轮廓子图像，直到将所有轮廓子图像中不属于飞行器的像素点替换成纯白像素点，形成边沿子图像集；
S711：将飞行器子图像集中的子图像与边沿子图像集中的边沿子图像进行合并，拼接成一个完整的飞行姿态照片。
进一步地，步骤S1包括：
S11：打开含有DEM数据地图模型的开源网站，注册用户名及密码，并登陆；
S12：在开源网站中寻找数据源；
S13：利用框选工具框选出飞行器的飞行区域，通过过滤命令对未框选区域进行过滤；
S14：判断飞行区域的数据是否完整，若是，则点击下载，否则进入过滤器面板手动填写下载目标并搜索，搜索完成后点击下载，完成飞行区域的DEM数据地图模型下载。
本发明的有益效果为：本发明利用DEM数据形成的地图模型，来对飞行器的飞行姿态进行研究，飞行器在空中飞行的过程中，将飞行器的模型放入DEM数据地图模型中，来计算飞行器在空中的实际倾斜角，并计算出飞行器受到环境因素影响的大小，在捕获飞行姿态的照片时，根据环境因素对飞行姿态的影响，调整照片的角度，确保照片上的飞行姿态是不受到环境影响的，显示出的飞行姿态足够准确，方便后期对飞行姿态的控制进行研究。
同时本发明通过对飞行姿态照片进行精度化处理，去除照片边沿不属于飞行器的像素，飞行器的边沿轮廓清晰，照片清晰度高，有效提高了照片的质量，更加有利于对飞行器飞行姿态的研究。
附图说明
图1为基于开源DEM数据的飞行姿态照片纠正方法的流程图。
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。
如图1所述，本方案的基于开源DEM数据的飞行姿态照片纠正方法包括以下步骤：
S1：下载飞行器飞行区域内的DEM数据地图模型；本发明可以采用SRTM地形数据，按精度可以分为SRTM1和SRTM3，分别对应的分辨率精度为30米和90米数据，90米数据可以去地理空间数据云下载，30米的可以去USGS网站下载。下载方法包括：
S11：打开含有DEM数据地图模型的开源网站，注册用户名及密码，并登陆；
S12：在开源网站中寻找数据源；
S13：利用框选工具框选出飞行器的飞行区域，通过过滤命令对未框选区域进行过滤；
S14：判断飞行区域的数据是否完整，若是，则点击下载，否则进入过滤器面板手动填写下载目标并搜索，搜索完成后点击下载，完成飞行区域的DEM数据地图模型下载。
S2：从飞行操控系统中提取飞行器飞行时的飞行数据和姿态模型，飞行数据包括提取姿态模型时的飞行坐标（x，y，z）和飞行器的倾斜角S1，其中x、y和z分别表示经度、维度和海拔，飞行器在飞行的过程中，通过飞行操控系统下发飞行指令，飞行器通过飞行指令形成不同的飞行姿态；
S3：根据飞行坐标在DEM数据地图模型上进行定位，得到飞行器提取姿态模型时在DEM数据地图模型上的位置A；
S4：将姿态模型导入到DEM数据地图模型上的位置A，根据姿态模型计算飞行器在DEM数据地图模型中的倾斜角S2；步骤S4包括：
S41：在飞行器的飞行操控系统中下载飞行器的姿态模型，将姿态模型导入3Dmax中，并标记出姿态模型的中心点；
S42：将姿态模型从3Dmax中导出，并保存为obj格式的模型文件；
S43：打开DEM数据地图模型，将模型文件导入DEM数据地图模型中，并将姿态模型的中心点移动到位置A；
S44：确定姿态模型在DEM数据地图模型中的最高海拔点B1和最低海拔点B2作为计算点；
S45：将最高点B1和最低点B2连线，计算最高点B1和最低点B2连线与DEM数据地图模型中海平面的夹角，该夹角作为倾斜角S2。步骤S45包括：
S451：提取点B1和点B2在DEM数据地图模型中的坐标（x B1，y B1，z B1），（x B2，y B2，z B2）；
S452：计算点B1和点B2之间的水平距离
；
S453：计算点B1和点B2之间的垂直高度H B1B2=|z B1-z B2|；
S454：利用水平距离L B1B2和垂直高度H B1B2计算倾斜角S2：tanS2=H B1B2/L B1B2。
S5：计算倾斜角S1与倾斜角S2的差值ΔS：ΔS = 倾斜角S1-倾斜角S2；
S6：提取飞行器飞行时的姿态照片，姿态照片根据计算的差值ΔS进行旋转；若ΔS≥0，则姿态照片逆时针旋转|ΔS|，否则姿态照片顺时针旋转|ΔS|，得到初步姿态照片；
S7：对初步姿态照片进行处理，得到高精度飞行姿态照片。步骤S7包括：
S71：对初步姿态照片进行灰度化处理；
S72：将灰度化处理后的初步姿态照片分成n个子图片；
S73：遍历所有子图片，将每个子图像中每个像素点的灰度值与灰度标准值作差，得到灰度变化值ΔH：ΔH=|灰度值-灰度标准值|，将灰度变化值ΔH与灰度变化阈值进行比较；
S74：若子图像中存在部分像素点的灰度变化值ΔH大于灰度变化阈值，则判定该子图像中存在飞行器的轮廓线，将该子图像作为轮廓子图像存入轮廓子图像集中；
S75：若子图像中所有的像素点的灰度变化值ΔH均大于灰度变化阈值，则判定该子图像中不存在飞行器的图像，将该子图像删除；
S76：若子图像中所有的像素点的灰度变化值ΔH均小于或等于灰度变化阈值，则判定该子图像所有像素均为飞行器的轮廓，将该子图像存入飞行器子图像集中；
S77：提取轮廓子图像集中的轮廓子图像，将轮廓子图像中的所有像素点的灰度值与灰度阈值进行比较；
S78：若灰度值小于灰度阈值，则判定该像素点不是飞行器的像素点，将该像素点用纯白像素点替换；
S79：若灰度值大于等于灰度阈值，则判定该像素点是飞行器的像素点，保留该像素点；
S710：重复步骤S77-S79，遍历轮廓子图像集中的所有轮廓子图像，直到将所有轮廓子图像中不属于飞行器的像素点替换成纯白像素点，形成边沿子图像集；
S711：将飞行器子图像集中的子图像与边沿子图像集中的边沿子图像进行合并，拼接成一个完整的飞行姿态照片。
本发明利用DEM数据形成的地图模型，来对飞行器的飞行姿态进行研究，飞行器在空中飞行的过程中，将飞行器的模型放入DEM数据地图模型中，来计算飞行器在空中的实际倾斜角，并计算出飞行器受到环境因素影响的大小，在捕获飞行姿态的照片时，根据环境因素对飞行姿态的影响，调整照片的角度，确保照片上的飞行姿态是不受到环境影响的，显示出的飞行姿态足够准确，方便后期对飞行姿态的控制进行研究。
同时本发明通过对飞行姿态照片进行精度化处理，去除照片边沿不属于飞行器的像素，飞行器的边沿轮廓清晰，照片清晰度高，有效提高了照片的质量，更加有利于对飞行器飞行姿态的研究。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于 本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本 发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的 所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (2)
1.一种基于开源DEM数据的飞行姿态照片纠正方法，其特征在于，包括以下步骤：
S1：下载飞行器飞行区域内的DEM数据地图模型；
S2：从飞行操控系统中提取飞行器飞行时的飞行数据和姿态模型，飞行数据包括提取姿态模型时的飞行坐标（x，y，z）和飞行器的倾斜角S1，其中x、y和z分别表示经度、维度和海拔；
S3：根据飞行坐标在DEM数据地图模型上进行定位，得到飞行器提取姿态模型时在DEM数据地图模型上的位置A，其中，位置A为DEM数据地图模型上飞行坐标（x，y，z）对应的点；
S4：将姿态模型导入到DEM数据地图模型上的位置A，根据姿态模型计算飞行器在DEM数据地图模型中的倾斜角S2；
步骤S4包括：
S41：在飞行器的飞行操控系统中下载飞行器的姿态模型，将姿态模型导入3Dmax中，并标记出姿态模型的中心点；
S42：将姿态模型从3Dmax中导出，并保存为obj格式的模型文件；
S43：打开DEM数据地图模型，将模型文件导入DEM数据地图模型中，并将姿态模型的中心点移动到位置A；
S44：确定姿态模型在DEM数据地图模型中的最高海拔点B1和最低海拔点B2作为计算点；
S45：将最高海拔点B1和最低海拔点B2连线，计算最高海拔点B1和最低海拔点B2连线与DEM数据地图模型中海平面的夹角，该夹角作为倾斜角S2；
步骤S45包括：
S451：提取最高海拔点B1和最高海拔点B1在DEM数据地图模型中的坐标（x B1，y B1，z B1），（x B2，y B2，z B2）；
S452：计算最高海拔点B1和最低海拔点B2之间的水平距离L B1B2：
S453：计算最高海拔点B1和最低海拔点B2之间的垂直高度H B1B2：H B1B2=|z B1-z B2|；
S454：利用水平距离L B1B2和垂直高度H B1B2计算倾斜角S2：tanS2=H B1B2/L B1B2；
S5：计算倾斜角S1与倾斜角S2的差值ΔS：ΔS = 倾斜角S1-倾斜角S2；
S6：提取飞行器飞行时的姿态照片，姿态照片根据计算的差值ΔS进行旋转；若ΔS≥0，则姿态照片逆时针旋转|ΔS|，否则姿态照片顺时针旋转|ΔS|，得到初步姿态照片；
S7：对初步姿态照片进行处理，得到高精度飞行姿态照片；
步骤S7包括：
S71：对初步姿态照片进行灰度化处理；
S72：将灰度化处理后的初步姿态照片分成n个子图像；
S73：遍历所有子图像，将每个子图像中每个像素点的灰度值与灰度标准值作差，得到灰度变化值ΔH：ΔH=|灰度值-灰度标准值|，将灰度变化值ΔH与灰度变化阈值进行比较；
S74：若子图像中存在部分像素点的灰度变化值ΔH大于灰度变化阈值，则判定该子图像中存在飞行器的轮廓线，将该子图像作为轮廓子图像存入轮廓子图像集中；
S75：若子图像中所有的像素点的灰度变化值ΔH均大于灰度变化阈值，则判定该子图像中不存在飞行器的图像，将该子图像删除；
S76：若子图像中所有的像素点的灰度变化值ΔH均小于或等于灰度变化阈值，则判定该子图像所有像素均为飞行器的轮廓，将该子图像存入飞行器子图像集中；
S77：提取轮廓子图像集中的轮廓子图像，将轮廓子图像中的所有像素点的灰度值与灰度阈值进行比较；
S78：若灰度值小于灰度阈值，则判定该像素点不是飞行器的像素点，将该像素点用纯白像素点替换；
S79：若灰度值大于等于灰度阈值，则判定该像素点是飞行器的像素点，保留该像素点；
S710：重复步骤S77-S79，遍历轮廓子图像集中的所有轮廓子图像，直到将所有轮廓子图像中不属于飞行器的像素点替换成纯白像素点，形成边沿子图像集；
S711：将飞行器子图像集中的子图像与边沿子图像集中的边沿子图像进行合并，拼接成一个完整的飞行姿态照片。
2.根据权利要求1所述的基于开源DEM数据的飞行姿态照片纠正方法，其特征在于，所述步骤S1包括：
S11：打开含有DEM数据地图模型的开源网站，注册用户名及密码，并登陆；
S12：在开源网站中寻找数据源；
S13：利用框选工具框选出飞行器的飞行区域，通过过滤命令对未框选区域进行过滤；
S14：判断飞行区域的数据是否完整，若是，则点击下载，否则进入过滤器面板手动填写下载目标并搜索，搜索完成后点击下载，完成飞行区域的DEM数据地图模型下载。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111319355.3A CN113759953B (zh) | 2021-11-09 | 2021-11-09 | 一种基于开源dem数据的飞行姿态照片纠正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111319355.3A CN113759953B (zh) | 2021-11-09 | 2021-11-09 | 一种基于开源dem数据的飞行姿态照片纠正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113759953A CN113759953A (zh) | 2021-12-07 |
| CN113759953B true CN113759953B (zh) | 2022-01-04 |
Family
ID=78784750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111319355.3A Active CN113759953B (zh) | 2021-11-09 | 2021-11-09 | 一种基于开源dem数据的飞行姿态照片纠正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113759953B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2224306A2 (en) * | 2009-02-27 | 2010-09-01 | The Boeing Company | Automatic pilot pitch angle compensation |
| CN104035338A (zh) * | 2014-05-21 | 2014-09-10 | 中国人民解放军空军航空大学军事仿真技术研究所 | 一种多发动机的直升机动力系统动态匹配的仿真方法 |
| CN105551053A (zh) * | 2015-12-01 | 2016-05-04 | 中国科学院上海技术物理研究所 | 一种小面阵星载tdi ccd相机的快速几何精校正方法 |
| CN112532557A (zh) * | 2020-07-21 | 2021-03-19 | 靳霞 | 基于ofdm通信的姿态校正系统及方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9285460B2 (en) * | 2014-04-14 | 2016-03-15 | Saab Vricon Systems Ab | Method and system for estimating information related to a vehicle pitch and/or roll angle |
| CN104932529B (zh) * | 2015-06-05 | 2018-01-02 | 北京中科遥数信息技术有限公司 | 一种无人机自主飞行的云端控制系统 |
| CN105573341B (zh) * | 2016-01-22 | 2018-08-10 | 深圳泰山体育科技股份有限公司 | 一种飞行器光学控制方法及系统 |
| CN106780337B (zh) * | 2016-12-23 | 2020-04-24 | 淮阴工学院 | 基于二维图像的无人机着舰视景模拟方法 |
| US10107627B2 (en) * | 2017-03-08 | 2018-10-23 | Northrop Grumman Systems Corporation | Adaptive navigation for airborne, ground and dismount applications (ANAGDA) |
| CN107247458A (zh) * | 2017-05-24 | 2017-10-13 | 中国电子科技集团公司第二十八研究所 | 无人机视频图像目标定位系统、定位方法及云台控制方法 |
| CN108765298A (zh) * | 2018-06-15 | 2018-11-06 | 中国科学院遥感与数字地球研究所 | 基于三维重建的无人机图像拼接方法和系统 |
| CN110648398B (zh) * | 2019-08-07 | 2020-09-11 | 武汉九州位讯科技有限公司 | 基于无人机航摄数据的正射影像实时生成方法及系统 |
| CN111006645A (zh) * | 2019-12-23 | 2020-04-14 | 青岛黄海学院 | 基于运动与结构重建的无人机测绘方法 |
| CN113485425B (zh) * | 2021-07-22 | 2024-06-14 | 北京中天博地科技有限公司 | 国土调查举证用无人机拍照路径自动规划及飞行的方法 |
-
2021
- 2021-11-09 CN CN202111319355.3A patent/CN113759953B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2224306A2 (en) * | 2009-02-27 | 2010-09-01 | The Boeing Company | Automatic pilot pitch angle compensation |
| CN104035338A (zh) * | 2014-05-21 | 2014-09-10 | 中国人民解放军空军航空大学军事仿真技术研究所 | 一种多发动机的直升机动力系统动态匹配的仿真方法 |
| CN105551053A (zh) * | 2015-12-01 | 2016-05-04 | 中国科学院上海技术物理研究所 | 一种小面阵星载tdi ccd相机的快速几何精校正方法 |
| CN112532557A (zh) * | 2020-07-21 | 2021-03-19 | 靳霞 | 基于ofdm通信的姿态校正系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113759953A (zh) | 2021-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110648398B (zh) | 基于无人机航摄数据的正射影像实时生成方法及系统 | |
| CN107316325B (zh) | 一种基于图像配准的机载激光点云与影像配准融合方法 | |
| CN112288875B (zh) | 一种面向无人机矿山巡检场景的快速三维重建方法 | |
| CN103635935B (zh) | 3d街道 | |
| CN102506824B (zh) | 一种城市低空无人机系统生成数字正射影像图的方法 | |
| US5606627A (en) | Automated analytic stereo comparator | |
| CN110288657A (zh) | 一种基于Kinect的增强现实三维注册方法 | |
| CN111024072B (zh) | 一种基于深度学习的卫星地图辅助导航定位方法 | |
| CN111815765B (zh) | 一种基于异构数据融合的图像三维重建方法 | |
| CN113222820B (zh) | 一种位姿信息辅助的航空遥感图像拼接方法 | |
| CN109801371B (zh) | 一种基于Cesium的网络三维电子地图构建方法 | |
| CN113838059B (zh) | 一种基于要素级别的数字正射影像图生成方法 | |
| CN110986888A (zh) | 一种航空摄影一体化方法 | |
| CN116740288A (zh) | 一种融合激光雷达、倾斜摄影的三维重建方法 | |
| CN118314300B (zh) | 工程测量精准定位与三维建模方法及系统 | |
| CN117253029A (zh) | 基于深度学习的图像匹配定位方法及计算机设备 | |
| CN115950435A (zh) | 无人机巡检影像的实时定位方法 | |
| CN117496103A (zh) | 一种融合无人机倾斜摄影点云与地形图高程信息的多山地形区域dem生产的技术方法 | |
| CN113759953B (zh) | 一种基于开源dem数据的飞行姿态照片纠正方法 | |
| CN106886984B (zh) | 一种矢量要素校正方法及装置 | |
| CN113066181A (zh) | 一种基于卫星影像和数字高程数据的地形模拟方法 | |
| KR20070037956A (ko) | 위성영상을 이용한 네비게이션용 지도 업데이트 방법 | |
| Rosado | Introduction to applied photogrammetry and cartography for civil engineering | |
| CN118640878B (zh) | 一种基于航空测绘技术的地形测绘方法 | |
| CN116907511B (zh) | 一种将管道坐标转换为图像坐标的方法 |
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 |