CN114253287A - 基于潮汐分析的潮间带无人机航线规划方法、终端及系统 - Google Patents
基于潮汐分析的潮间带无人机航线规划方法、终端及系统 Download PDFInfo
- Publication number
- CN114253287A CN114253287A CN202111307872.9A CN202111307872A CN114253287A CN 114253287 A CN114253287 A CN 114253287A CN 202111307872 A CN202111307872 A CN 202111307872A CN 114253287 A CN114253287 A CN 114253287A
- Authority
- CN
- China
- Prior art keywords
- tide
- aerial vehicle
- unmanned aerial
- data
- tidal
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004891 communication Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 11
- 239000013535 sea water Substances 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012876 topography Methods 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于潮汐分析的潮间带无人机航线规划方法、终端及系统,该基于潮汐分析的潮间带无人机航线规划方法包括:S101:获取测区的相关数据,根据相关数据计算分潮调和常数;S102:根据潮汐预报分析的数据或潮汐预报数据获取测区的最低潮位信息,通过最低潮位信息、相关数据获取测区的测区范围,其中,根据分潮调和常数进行潮汐预报分析;S103:根据测区范围、无人机的飞行数据进行无人机航线规划,飞行数据包括飞行速度、航线间隔。本发明操作简单、工作量小且耗时短,并且能够准确根据潮间带的最大范围进行航线规划,不容易造成测量疏漏,便于选择最优的无人机航线规划线路。
Description
技术领域
本发明涉及潮间带数据采集领域,尤其涉及一种基于潮汐分析的潮间带无人机航线规划方法、终端及系统。
背景技术
潮间带即是指大潮期的最高潮位和大潮期的最低潮位间的海岸带,也就是海水涨至最高时所淹没的地方开始至潮水退到最低时露出水面的范围。常规的潮间带测量一般是采用人工测量或无人机测量的方式进行测量,然而,人工测量和无人机测量的方式都是根据操作者自身经验确定最低潮位以及根据该最低潮位进行路径规划。这种方式不能准确获取潮间带的范围,需要在出现更新潮位时进行再次进行路径规划以获取更多的测量数据,工作量大、耗时长,且容易造成测量疏漏,导致无法准确获取潮间带的测量数据。
发明内容
为了克服现有技术的不足,本发明提出一种基于潮汐分析的潮间带无人机航线规划方法、终端及系统,根据测区的相关数据计算分潮调和常数,通过潮汐预报分析获取最低潮位信息,进而获取潮间带的最大范围数据,根据该最大范围数据进行无人机的航线规划,操作简单、工作量小且耗时短,并且能够准确根据潮间带的最大范围进行航线规划,不容易造成测量疏漏,便于选择最优的无人机航线规划线路。
为解决上述问题,本发明采用的一个技术方案为:一种基于潮汐分析的潮间带无人机航线规划方法,所述基于潮汐分析的潮间带无人机航线规划方法包括:所述基于潮汐分析的潮间带无人机航线规划方法包括:S101:获取测区的相关数据,根据所述相关数据计算分潮调和常数,所述相关数据包括所述测区的气象、海岸线、地形地貌数据以及验潮站的验潮数据、潮汐预报平台的潮汐预报数据;S102:根据潮汐预报分析的数据或潮汐预报数据获取所述测区的最低潮位信息,通过所述最低潮位信息、相关数据获取所述测区的测区范围,其中,根据所述分潮调和常数进行潮汐预报分析;S103:根据测区范围、无人机的飞行数据进行无人机航线规划,所述飞行数据包括飞行速度、航线间隔。
进一步地,所述根据所述相关数据计算分潮调和常数的步骤具体包括:将所述验潮数据代入公式计算分潮调和常数,其中,h(t)代表时刻t的潮位值,S0为平均潮位高度,N为分潮数总和,Hi为各分潮的振幅,gi为各分潮的迟角,t为时刻,σi为分潮的角速率,v0i为天文初相角,γ(t)为t时刻的扰动项,各分潮振幅Hi和迟角gi为各分潮的调和常数。
进一步地,所述根据潮汐预报分析的数据或潮汐预报数据获取所述测区的最低潮位信息的步骤具体包括:根据所述分潮调和常数进行潮汐预报分析以预测不同时刻的潮位值,通过所述潮位值获取所述测区的最低潮位值以及所述最低潮位值对应的时刻;或,根据所述潮汐预报数据获取所述测区的最低潮位值以及所述最低潮位值对应的时刻。
进一步地,所述根据所述分潮调和常数进行潮汐预报分析以预测不同时刻的潮位值的步骤具体包括:通过公式预测不同时刻的潮位值,其中,h(t)代表t时刻的潮位值,A为潮高基准面或深度基准面,N为分潮数总和,Hi为各分潮的振幅,gi为各分潮的迟角,t为时刻,σi为分潮的角速率,v0i为天文初相角。
进一步地,所述通过所述最低潮位信息、相关数据获取所述测区的测区范围的步骤具体包括:根据所述最低潮位信息获取最低潮位值,基于最低潮位值、地形地貌数据、海岸线数据获取测区范围。
进一步地,所述根据测区范围、无人机的飞行数据进行无人机航线规划的步骤具体包括:通过公式进行无人机航线规划,其中,INT为向下取整函数,H为测区长度,W为测区宽度,L为航线间隔,v为无人机的飞行速度,n分区航线条数为航线的数量,n′拐弯次数为无人机的拐弯次数,S航线总长为航线的总长度,T总用时为无人机的总飞行用时。
进一步地,所述根据测区范围、无人机的飞行数据进行无人机航线规划的步骤还包括:根据所述最低潮位信息、无人机的总飞行用时确定所述无人机的起飞时间以及每条航线的飞行时间。
进一步地,所述根据测区范围、无人机的飞行数据进行无人机航线规划的步骤之后还包括:根据所述无人机航线规划的数据控制无人机沿航线飞行采集所述测区的激光点云数据。
基于相同的发明构思,本发明还提出一种智能终端,所述存储器存储有计算机程序,所述处理器与所述存储器通信连接,所述处理器根据所述计算机程序执行如上所述的基于潮汐分析的潮间带无人机航线规划方法。
基于相同的发明构思,本发明还提出一种基于潮汐分析的潮间带无人机航线规划系统,所述基于潮汐分析的潮间带无人机航线规划系统包括智能终端、无人机,所述无人机与所述智能终端通信连接,所述智能终端包括如上所述的智能终端。
相比现有技术,本发明的有益效果在于:根据测区的相关数据计算分潮调和常数,通过潮汐预报分析获取最低潮位信息,进而获取潮间带的最大范围数据,根据该最大范围数据进行无人机的航线规划,操作简单、工作量小且耗时短,并且能够准确根据潮间带的最大范围进行航线规划,不容易造成测量疏漏,便于选择最优的无人机航线规划线路。
附图说明
图1为本发明基于潮汐分析的潮间带无人机航线规划方法一实施例的流程图;
图2为本发明基于潮汐分析的潮间带无人机航线规划方法另一实施例的流程图;
图3为本发明基于潮汐分析的潮间带无人机航线规划方法中潮间带范围一实施例的示意图;
图4为本发明基于潮汐分析的潮间带无人机航线规划方法中无人机航线规划一实施例的示意图;
图5为本发明基于潮汐分析的潮间带无人机航线规划方法中无人机航线规划另一实施例的示意图;
图6为本发明基于潮汐分析的潮间带无人机航线规划方法中潮汐预报数据的潮位曲线一实施例的示意图;
图7为本发明智能终端一实施例的结构图;
图8为本发明基于潮汐分析的潮间带无人机航线规划系统一实施例的结构图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
请参阅图1-6,图1为本发明基于潮汐分析的潮间带无人机航线规划方法一实施例的流程图;图2为本发明基于潮汐分析的潮间带无人机航线规划方法另一实施例的流程图;图3为本发明基于潮汐分析的潮间带无人机航线规划方法中潮间带范围一实施例的示意图;图4为本发明基于潮汐分析的潮间带无人机航线规划方法中无人机航线规划一实施例的示意图;图5为本发明基于潮汐分析的潮间带无人机航线规划方法中无人机航线规划另一实施例的示意图;图6为本发明基于潮汐分析的潮间带无人机航线规划方法中潮汐预报数据的潮位曲线一实施例的示意图,结合图1-6对本发明基于潮汐分析的潮间带无人机航线规划方法进行详细说明。
在本实施例中,执行基于潮汐分析的潮间带无人机航线规划方法的智能终端可以为手机、平板电脑、笔记本计算机、台式机、服务器以及其他能够获取相关数据,根据相关数据进行无人机航线规划的智能终端。
在本实施例中,无人机航线规划为无人LiDAR航线规划,通过无人机LiDAR沿规划的航线获取潮间带的激光点云数据。其中,无人机LiDAR获取激光点云数据,是目前较为常用的高精度地表三维信息获取的途径之一,主要以无人机为载体,通过高精度定位系统、激光雷达扫描系统、相机系统和中心控制系统4个主要部分组成,通过激光雷达扫描系统发射、接收光源,可获取地表三维点信息(X,Y,Z)、颜色信息、回波信息(包括强度、次数等),无人机LiDAR获取激光点云数据具有以下特点:1)极高的分辨率,无人机LiDAR工作于光学波段,频率比微波高2~3个数量级以上,具有极高的距离分辨率、角分辨率和速度分辨率;2)抗干扰能力强,由于无人机LiDAR发射激光波长短,可发射发散角非常小(μrad量级)的激光束,多路径效应小(不会形成定向发射,与微波或者毫米波产生多路径效应),可探测低空/超低空目标;3)获取的信息量丰富,无人机LiDAR可直接获取目标的距离、反射强度、颜色等信息;4)可全天时工作,无人机LiDAR发射激光主动探测,不依赖于外界光照条件或目标本身的辐射特性,发射激光束,通过探测发射激光束的回波信号来获取目标信息。
在其他实施例中,也可以通过无人机获取潮间带的影像数据以及其他数据,相应地,无人机的航线规划方式也随无人机携带的设备和数据采集方式进行相应改变。
基于潮汐分析的潮间带无人机航线规划方法包括:
S101:获取测区的相关数据,根据相关数据计算分潮调和常数,相关数据包括测区的气象、海岸线、地形地貌数据以及验潮站的验潮数据、潮汐预报平台的潮汐预报数据。
在本实施例中,潮汐预报数据为全球潮汐预报服务平台发布的测区潮汐预报数据。通过获取相关数据的方式进行已有资料收集汇总,①测区所在地区的气象数据是用于施测时间计算的首要考虑因素,这是由于无人机无法在台风、暴雨等极端天气作业,即便规划最低潮位时间出现最优,仍需放弃该施测方案,进而重新规划施测方案;②已有海岸线数据,由于潮间带是多年平均大潮高潮线(也即海岸线)与平均最低低潮面间的隔离带,由于确定测区范围,海岸线也可现场施测获得;③已有海岸的地形地貌数据,由于海岸带地形情况复杂多变,一方面可能为砂质岸线,地形平缓,且多年平均大潮高潮线(即海岸线)与平均最低低潮面间的隔离带间距较长,从而导致测区范围较大;另一方面可能为基岩岸线,地形变化较大,多年平均大潮高潮线(即海岸线)与平均最低低潮面间的隔离带间距较少,从而导致测区范围较小,地形要素直接影响我们无人机机载LiDAR的施测范围,地形要素也可现场探勘获得;④验潮站多年验潮数据,用于计算测区调和常数,进而进行潮汐预报分析,从而得到最低潮时的水位值与对应时刻;⑤全球潮汐预报服务平台获取测区潮汐预报数据,根据全球潮汐预报服务平台提供的服务,直接得到最低潮时的水位值与对应时刻;⑥其他可能在无人机LiDAR获取激光点云数据有用的相关数据,用于辅助激光点云数据获取与分类使用。
在本实施例中,根据相关数据计算分潮调和常数的步骤具体包括:将验潮数据代入公式计算分潮调和常数,其中,h(t)代表时刻t的潮位值,S0为平均潮位高度,N为分潮数总和,Hi为各分潮的振幅,gi为各分潮的迟角,t为时刻,σi为分潮的角速率,v0i为天文初相角,γ(t)为t时刻的扰动项,各分潮振幅Hi和迟角gi为各分潮的调和常数。
S102:根据潮汐预报分析的数据或潮汐预报数据获取测区的最低潮位信息,通过最低潮位信息、相关数据获取测区的测区范围,其中,根据分潮调和常数进行潮汐预报分析。
在本实施例中,根据潮汐预报分析的数据或潮汐预报数据获取测区的最低潮位信息的步骤具体包括:根据分潮调和常数进行潮汐预报分析以预测不同时刻的潮位值,通过潮位值获取测区的最低潮位值以及最低潮位值对应的时刻;或,根据潮汐预报数据获取测区的最低潮位值以及最低潮位值对应的时刻。
其中,根据分潮调和常数进行潮汐预报分析以预测不同时刻的潮位值的步骤具体包括:通过公式预测不同时刻的潮位值,其中,h(t)代表t时刻的潮位值,A为潮高基准面或深度基准面,根据使用的基准类型确定A代表的基准面类型,N为分潮数总和,Hi为各分潮的振幅,gi为各分潮的迟角,t为时刻,σi为分潮的角速率,v0i为天文初相角。
通过最低潮位信息、相关数据获取测区的测区范围的步骤具体包括:根据最低潮位信息获取最低潮位值,基于最低潮位值、地形地貌数据、海岸线数据获取测区范围。
在一个具体的实施例中,根据最低潮位信息获取未来最低潮位值以及该最低潮位值对应的时刻,将最低潮位值归算至1985国家高程基准,这是为了与海岸线高程基准一致;进一步,根据归算至1985国家高程基准的最低潮位值,通过已有的地形数据或现场探勘,确定潮水最低位,海水能到达的最低位置;根据上述最低潮位时,海水能退到的最低位置形成的潮位线与海岸线数据,共同组成无人机LiDAR获取激光点云数据的测区范围。
S103:根据测区范围、无人机的飞行数据进行无人机航线规划,飞行数据包括飞行速度、航线间隔。
由于需覆盖测区的潮间带中所有地形要素,因此,航线的敷设需与测区边界重叠或超出测区范围,根据测区范围、无人机的飞行数据进行无人机航线规划的步骤具体包括:通过公式
进行无人机航线规划,其中,INT为向下取整函数,H为测区长度,W为测区宽度,L为航线间隔,v为无人机的飞行速度,n分区航线条数为航线的数量,n′拐弯次数为无人机的拐弯次数,S航线总长为航线的总长度,T总用时为无人机的总飞行用时。
在本实施例中,根据测区范围、无人机的飞行数据进行无人机航线规划的步骤还包括:根据最低潮位信息、无人机的总飞行用时确定无人机的起飞时间以及每条航线的飞行时间。并在根据测区范围、无人机的飞行数据进行无人机航线规划的步骤之后,根据无人机航线规划的数据,无人机沿航线飞行采集测区的激光点云数据。
在一个具体的实施例中,据上述方式计算出无人机航飞测区用时T总用时,结合获取的最低潮位信息,可将无人机航飞时间分三种情况:①根据无人机航线规划原则:最低潮出现前进行无人机LiDAR施测,无人机最后一条航线飞行时间与最低潮出现时刻重叠,无人机航飞方向从陆地向海洋方向敷设;②根据无人机航线规划原则:最低潮出现时进行无人机LiDAR施测,无人机第一条航线飞行时间与最低潮出现时刻重叠,无人机航飞方向从海洋向陆地方向敷设;③根据潮汐预报分析最低潮的时刻及其时长,结合无人机直飞完测区所用时间T总用时,在最低潮出现的时间内进行无人机机载LiDAR点云数据获取,无人机航线规划可参考上述①②的航线规划方式进行。上述三种无人机航线规划方式均可到达在最大程度获取潮间带尽量大的激光点云数据,在实际的工作中,仍需结合气象条件,选择无人机航飞时间。
通过对测区进行调和分析,获得未来某一时刻海水退潮时最低潮水位值及其对应时刻,根据最低潮水位值与现有水下地形数据或实地探勘获取海水最低潮时,可以退到的区域,然后根据多年平均大潮高潮线与最低低潮面构建无人机机载LiDAR获取激光点云数据测区范围,而后根据无人机飞行时间、高度、传感器参数规划计划航线,使无人机LiDAR获得尽量多的潮间带激光点云数据。采用基于潮汐分析下潮间带无人机LiDAR航线动态规划方法有着以下优点:①能获取尽量多的潮间带范围激光点云数据;②无人机LiDAR获取激光点云数据沿潮间带方向直飞,节省航飞次数、航飞时间且航飞覆盖区域尽量大,很好地节省成本;③节省时间成本。
有益效果:本发明基于潮汐分析的潮间带无人机航线规划方法根据测区的相关数据获取分潮调和常数,通过高分潮调和常数获取最低潮位信息,进而获取潮间带的最大范围数据,根据该最大范围数据进行无人机的航线规划,操作简单、工作量小且耗时短,并且能够准确根据潮间带的最大范围进行航线规划,不容易造成测量疏漏,便于选择最优的无人机航线规划线路。
基于相同的发明构思,本发明还提出一种智能终端,请参阅图7,图7为本发明智能终端一实施例的结构图。结合图7对本发明的智能终端进行说明。
在本实施例中,智能终端包括处理器、存储器,存储器存储有计算机程序,处理器与所述存储器通信连接,处理器根据计算机程序执行如上述实施例所述的基于潮汐分析的潮间带无人机航线规划方法。
在一些实施例中,存储器可能包括但不限于高速随机存取存储器、非易失性存储器。例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(NetworkProcessor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
基于相同的发明构思,本发明还提出一种基于潮汐分析的潮间带无人机航线规划系统,请参阅图8,图8为本发明基于潮汐分析的潮间带无人机航线规划系统一实施例的结构图,结合图8对本发明的基于潮汐分析的潮间带无人机航线规划系统进行说明。
在本实施例中,基于潮汐分析的潮间带无人机航线规划系统包括智能终端、无人机,无人机与智能终端通信连接,智能终端包括如上述实施例所述的智能终端。
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他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于潮汐分析的潮间带无人机航线规划方法,其特征在于,所述基于潮汐分析的潮间带无人机航线规划方法包括:
S101:获取测区的相关数据,根据所述相关数据计算分潮调和常数,所述相关数据包括所述测区的气象、海岸线、地形地貌数据以及验潮站的验潮数据、潮汐预报平台的潮汐预报数据;
S102:根据潮汐预报分析的数据或潮汐预报数据获取所述测区的最低潮位信息,通过所述最低潮位信息、相关数据获取所述测区的测区范围,其中,根据所述分潮调和常数进行潮汐预报分析;
S103:根据测区范围、无人机的飞行数据进行无人机航线规划,所述飞行数据包括飞行速度、航线间隔。
3.如权利要求1所述的基于潮汐分析的潮间带无人机航线规划方法,其特征在于,所述根据潮汐预报分析的数据或潮汐预报数据获取所述测区的最低潮位信息的步骤具体包括:
根据所述分潮调和常数进行潮汐预报分析以预测不同时刻的潮位值,通过所述潮位值获取所述测区的最低潮位值以及所述最低潮位值对应的时刻;
或,根据所述潮汐预报数据获取所述测区的最低潮位值以及所述最低潮位值对应的时刻。
5.如权利要求1所述的基于潮汐分析的潮间带无人机航线规划方法,其特征在于,所述通过所述最低潮位信息、相关数据获取所述测区的测区范围的步骤具体包括:
根据所述最低潮位信息获取最低潮位值,基于最低潮位值、地形地貌数据、海岸线数据获取测区范围。
7.如权利要求6所述的基于潮汐分析的潮间带无人机航线规划方法,其特征在于,所述根据测区范围、无人机的飞行数据进行无人机航线规划的步骤还包括:
根据所述最低潮位信息、无人机的总飞行用时确定所述无人机的起飞时间以及每条航线的飞行时间。
8.如权利要求1所述的基于潮汐分析的潮间带无人机航线规划方法,其特征在于,所述根据测区范围、无人机的飞行数据进行无人机航线规划的步骤之后还包括:
根据所述无人机航线规划的数据控制无人机沿航线飞行采集所述测区的激光点云数据。
9.一种智能终端,其特征在于,所述智能终端包括处理器、存储器,所述存储器存储有计算机程序,所述处理器与所述存储器通信连接,所述处理器根据所述计算机程序执行如权利要求1-8任一项所述的基于潮汐分析的潮间带无人机航线规划方法。
10.一种基于潮汐分析的潮间带无人机航线规划系统,其特征在于,所述基于潮汐分析的潮间带无人机航线规划系统包括智能终端、无人机,所述无人机与所述智能终端通信连接,所述智能终端包括如权利要求9所述的智能终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111307872.9A CN114253287A (zh) | 2021-11-05 | 2021-11-05 | 基于潮汐分析的潮间带无人机航线规划方法、终端及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111307872.9A CN114253287A (zh) | 2021-11-05 | 2021-11-05 | 基于潮汐分析的潮间带无人机航线规划方法、终端及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114253287A true CN114253287A (zh) | 2022-03-29 |
Family
ID=80790549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111307872.9A Pending CN114253287A (zh) | 2021-11-05 | 2021-11-05 | 基于潮汐分析的潮间带无人机航线规划方法、终端及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114253287A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376230A (zh) * | 2014-12-03 | 2015-02-25 | 大连海事大学 | 潮汐预报方法 |
CN104463470A (zh) * | 2014-12-10 | 2015-03-25 | 中国水产科学研究院东海水产研究所 | 基于无人机航拍的潮间带生境调查方法 |
KR20170138238A (ko) * | 2016-06-07 | 2017-12-15 | 에스아이에스 주식회사 | 드론을 이용한 적조 예찰 및 추적 시스템 및 방법 |
CN108956392A (zh) * | 2018-07-05 | 2018-12-07 | 河海大学 | 一种潮滩沉积物类型的无人机识别方法 |
CN110727923A (zh) * | 2019-11-01 | 2020-01-24 | 江苏省有色金属华东地质勘查局地球化学勘查与海洋地质调查研究院 | 一种短期潮位预报方法 |
CN111982073A (zh) * | 2020-07-29 | 2020-11-24 | 南京师范大学 | 一种可回收抗潮汐无人机航测像控点标识装置及布设方法 |
CN112926393A (zh) * | 2021-01-26 | 2021-06-08 | 遥相科技发展(北京)有限公司 | 一种基于无人机和路侧单元rsu的观潮方法及系统 |
CN113175917A (zh) * | 2021-04-27 | 2021-07-27 | 天津水运工程勘察设计院有限公司 | 一种利用低空无人机测量沿海浅水区地形的方法 |
-
2021
- 2021-11-05 CN CN202111307872.9A patent/CN114253287A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376230A (zh) * | 2014-12-03 | 2015-02-25 | 大连海事大学 | 潮汐预报方法 |
CN104463470A (zh) * | 2014-12-10 | 2015-03-25 | 中国水产科学研究院东海水产研究所 | 基于无人机航拍的潮间带生境调查方法 |
KR20170138238A (ko) * | 2016-06-07 | 2017-12-15 | 에스아이에스 주식회사 | 드론을 이용한 적조 예찰 및 추적 시스템 및 방법 |
CN108956392A (zh) * | 2018-07-05 | 2018-12-07 | 河海大学 | 一种潮滩沉积物类型的无人机识别方法 |
CN110727923A (zh) * | 2019-11-01 | 2020-01-24 | 江苏省有色金属华东地质勘查局地球化学勘查与海洋地质调查研究院 | 一种短期潮位预报方法 |
CN111982073A (zh) * | 2020-07-29 | 2020-11-24 | 南京师范大学 | 一种可回收抗潮汐无人机航测像控点标识装置及布设方法 |
CN112926393A (zh) * | 2021-01-26 | 2021-06-08 | 遥相科技发展(北京)有限公司 | 一种基于无人机和路侧单元rsu的观潮方法及系统 |
CN113175917A (zh) * | 2021-04-27 | 2021-07-27 | 天津水运工程勘察设计院有限公司 | 一种利用低空无人机测量沿海浅水区地形的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gatziolis et al. | A guide to LIDAR data acquisition and processing for the forests of the Pacific Northwest | |
CN112306084B (zh) | 一种无人机迫降方法、装置、无人机和存储介质 | |
CN116490791A (zh) | Gnss信号建模 | |
Gallay | Direct acquisition of data: airborne laser scanning | |
US11714189B2 (en) | Systems and methods for mapping manmade objects buried in subterranean surfaces using an unmanned aerial vehicle integrated with radar sensor equipment | |
Steinvall et al. | Experimental evaluation of an airborne depth-sounding lidar | |
JP2019211342A (ja) | 気象解析装置、気象解析方法、およびプログラム | |
Middleton et al. | Resolution and accuracy of an airborne scanning laser system for beach surveys | |
Gruno et al. | Determining sea surface heights using small footprint airborne laser scanning | |
CN114186484B (zh) | 一种适用于高海拔地区的地表土壤湿度遥感反演方法 | |
Coquillat et al. | SAETTA: high-resolution 3-D mapping of the total lightning activity in the Mediterranean Basin over Corsica, with a focus on a mesoscale convective system event | |
CN113192192A (zh) | 一种实景三维数字孪生航道场景构建方法 | |
Steinvall et al. | Airborne laser depth sounding: system aspects and performance | |
CN104614722A (zh) | 一种基于信噪比识别雷达遮挡的方法 | |
Fraser et al. | Towards precise drone-based measurement of elevation change in permafrost terrain experiencing thaw and thermokarst | |
CN111488553B (zh) | 一种太阳辐照度计算方法及装置 | |
CN114253287A (zh) | 基于潮汐分析的潮间带无人机航线规划方法、终端及系统 | |
Grünthal et al. | Monitoring of coastal processes by using airborne laser scanning data | |
Leng et al. | Satellite derived active-passive fusion bathymetry based on GRU model | |
Xu et al. | The study on retrieval technique of significant wave height using airborne GNSS-R | |
Jeyaraj et al. | Application of Unmanned Aerial Vehicle (UAV) in the assessment of beach volume change–A case study of Malgund beach | |
Gao et al. | Accuracy comparison and analysis of interpolation methods in DEM generation with 3D laser point cloud data | |
Vecchi | Impact of Geomatic Techniques on Topo-Bathymetric Surveys for Coastal Analysis | |
Carter et al. | Airborne laser swath mapping: applications to shoreline mapping | |
Wu et al. | An improved DEM construction method for mudflats based on BJ-1 small satellite images: A case study on Bohai Bay |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220329 |