CN114489149A - 一种面向三维重建的多无人机覆盖路径规划方法 - Google Patents
一种面向三维重建的多无人机覆盖路径规划方法 Download PDFInfo
- Publication number
- CN114489149A CN114489149A CN202210169116.2A CN202210169116A CN114489149A CN 114489149 A CN114489149 A CN 114489149A CN 202210169116 A CN202210169116 A CN 202210169116A CN 114489149 A CN114489149 A CN 114489149A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- target area
- cells
- cell
- 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 55
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 230000000903 blocking effect Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000002922 simulated annealing Methods 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique 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
- G05D1/12—Target-seeking control
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种面向三维重建的多无人机覆盖路径规划方法,该方法包括:获取目标区域并对目标区域进行网格化分割,得到网格化地图;计算网格化地图内的单元格边长并确定无人机的覆盖路径;基于单元格扫描的区域分块法对网格化地图进行处理,得到均等子区域;基于近似最优路径规划方法求解均等子区域中的近似最优路径,引导无人机飞行。通过使用本发明,能够在降低无人机的能耗的同时提高图像采集效率。本发明作为一种面向三维重建的多无人机覆盖路径规划方法,可广泛应用于无人机技术领域。
Description
技术领域
本发明涉及无人机技术领域,尤其涉及一种面向三维重建的多无人机覆盖路径规划方法。
背景技术
随着现代控制技术的不断发展,无人机的应用越来越广泛。在目标搜索和区域探测等任务中,无人机搭载传感器并对目标区域实施全覆盖式侦察。在面积较大的目标区域中,由于现有商业无人机电池续航能力弱,单台无人机的工作效率和单次飞行可完成的任务量都比较有限,需要多台无人机来执行任务。如在海洋带科考中,大范围的区域探测任务需要多无人机协同完成。现有的研究在单目标区域中的区域分解和路径形式仍高度取决于区域边界形状,导致只能实现部分无人机的能耗优化而无法从整体上优化无人机群的能耗。以三维重建为应用背景,解决多架无人机协同问题的关键技术挑战,需要在图像采集过程中对无人机进行合理的路径规划,从而降低无人机的能耗并提高图像采集效率。
发明内容
为了解决上述技术问题,本发明的目的是提供一种面向三维重建的多无人机覆盖路径规划方法,能够在降低无人机的能耗的同时提高图像采集效率。
本发明所采用的第一技术方案是:一种面向三维重建的多无人机覆盖路径规划方法,包括以下步骤:
获取目标区域并对目标区域进行网格化分割,得到网格化地图;
计算网格化地图内的单元格边长并确定无人机的覆盖路径;
基于单元格扫描的区域分块法对网格化地图进行处理,得到均等子区域;
基于近似最优路径规划方法求解均等子区域中的近似最优路径,引导无人机飞行。
进一步,所述获取目标区域并对目标区域进行网格化分割,得到网格化地图这一步骤,其具体包括:
根据用户需要确定目标区域;
根据无人机飞行高度、拍摄点之间的距离和摄像机的视场角计算图片重合度;
基于图片重合度,通过正方形分块方法对目标区域进行网格化分割,得到网格化地图。
进一步,所述图片重合度的计算公式如下:
上式中,r表示图片重合度,d表示无人机移动的距离,H表示飞行高度,θ表示摄像机的视场角。
进一步,所述计算网格化地图内的单元格边长并确定无人机的覆盖路径这一步骤,其具体包括:
考虑飞行高度的约束,结合图片重合度、图片分辨率和无人机飞行高度的关系,计算网格化地图内的单元格边长;
根据网格化地图内的单元格边长,结合目标区域面积,得到单元格数量;
根据网格化地图内的单元格边长和单元格数量,得到完整的网格化地图;
对完整的网格化地图内单元格进行遍历,得到无人机的覆盖路径。
进一步,所述单元格边长的计算公式如下:
d≥D
D≤2(1-r)2H tanθ
上式中,D表示网格化地图的单元格边长,r表示图片重合度,d表示无人机移动的距离,H表示飞行高度,θ表示摄像机的视场角,(Ix,Iy)表示机载摄像机采集到的图片的分辨率,Rd表示重建模型要求的最低空间分辨率,Hmax表示无人机的最大飞行高度。
进一步,所述基于单元格扫描的区域分块法对网格化地图进行处理,得到均等子区域这一步骤,其具体包括:
选取起飞点;
以起飞点为原点引出射线,所述射线沿轴负方向开始顺时针扫过360°;
判断到射线完整的扫描过了目标区域中的单元格,对该单元格标上序号;
判断到射线完成扫描360°,停止扫描和标序,得到单元格总数;
根据单元格总数和预设的无人机数量,将目标区域中的所有单元格平均划分至无人机,得到均等子区域。
进一步,所述基于近似最优路径规划方法求解均等子区域中的近似最优路径,引导无人机飞行这一步骤,其具体包括:
以起飞点所在的单元格为原点,构建笛卡尔坐标系,得到目标区域内单元格的坐标;
根据单元格的坐标构建坐标集并计算单元格之间的距离;
根据单元格之间的距离构建目标区域的矩阵;
基于模拟退火算法,以目标区域的矩阵为唯一输入参数输,计算出均等子区域的近似最优路径;
根据均等子区域的近似最优路径,转化为航点文件并引导无人机飞行。
进一步,所述目标区域的矩阵的公式表示如下:
上式中,dN(N-1)表示单元格N和单元格N-1之间的距离。
本发明方法的有益效果是:本发明相比于传统Zigzag路径规划方法,在路径长度和飞行耗时两个方面均实现了一定程度的减少,且能得到相近的图片采集效果,能够有效的在单目标区域中进行数据采集。
附图说明
图1是本发明一种面向三维重建的多无人机覆盖路径规划方法的步骤流程图;
图2是本发明具体实施例无人机在两相邻单元格上拍照的重叠区域示意图;
图3是本发明具体实施例扫描的分块结果;
图4是本发明具体实施例中实机实验中的起飞点和目标区域。
图5是本发明具体实施例中实验的路径长度与飞行时长对比示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
如图1所示,本发明提供了一种面向三维重建的多无人机覆盖路径规划方法,该方法包括以下步骤:
S1、获取目标区域并对目标区域进行网格化分割,得到网格化地图;
S1.1、根据用户需要确定目标区域;
S1.2、根据无人机飞行高度、拍摄点之间的距离和摄像机的视场角计算图片重合度;
具体地,无人机在两相邻单元格上拍照的重叠区域示意图参照图2。
设单元格边长D,一台无人机飞行高度为H,两个拍摄点之间的距离为d,摄像机在地面的投影面长度为L1,宽度为L2,两投影面的重合区域,宽度为L3,θ表示摄像机的视场角,因此无人机移动的距离d=L2-L3;
图片重合度的计算公式如下:
S1.3、基于图片重合度对目标区域进行地图网格化分割,得到网格化地图。
具体地,用基于图片重合度实现目标区域的地图网格化分割,将对目标区域的覆盖路径规划问题转变成对网格化地图内所有单元格的遍历问题。三维重建过程中,为避免冗余增加计算或点云匹配度不够无法重建,对图片集重合度有要求。由于摄像机采集到的图片都是矩形的,因此使用正方形分块的方法来实现地图网格化。将照片的拍摄点都被定在单元格中心的正上方,以保证在每个单元格中拍摄的图片都与相邻单元格上的图片有足够的重合度。对目标区域进行地图网格化后,将对目标区域的覆盖路径规划问题转变成对网格化地图内所有单元格的遍历问题。以某单元格为例,若该单元格四角的经纬坐标为分别(lon1,lat1),(lon,lat2),(lon3,lat3),(lon4,lat4),则照片拍摄点的经纬为坐标(lon0,b0):
S2、计算网格化地图内的单元格边长并确定无人机的覆盖路径;
S2.1、考虑飞行高度的约束,结合图片重合度、图片分辨率和无人机飞行高度的关系,计算网格化地图内的单元格边长;
具体地,需要计算出既能够保证图片重合度要求又不会产生额外能耗的单元格边长,即满足条件的单元格边长的最大值。
根据d≥D,D≤2(1-r)2Htanθ可求出单元格边长D。
除图片重合度外,图像采集过程中还应该考虑分辨率对飞行高度的约束。若机载摄像机采集到的图片的分辨率为(Ix,Iy),则用于三维重建的图像空间分辨率R可表示为: 由于图片分辨率的比例是固定的,因此Ix与R的关系也是确定的。在三维重建时,若重建模型要求的最低空间分辨率为Rd,则有:即无人机的最大飞行高度为Hmax.若无人机飞行高度超过这一阈值,则拍摄到的图像在空间分辨率上无法满足三维重建的要求。
根据单元格边长D、图片重合度r、图片分辨率(Ix,Iy)和飞行高度H之间的关系,得到满足条件的D的最大值.
S2.2、根据网格化地图内的单元格边长,结合目标区域面积,得到单元格数量;
S2.3、根据网格化地图内的单元格边长和单元格数量,得到完整的网格化地图;
S2.4、对完整的网格化地图内单元格进行遍历,得到无人机的覆盖路径。
具体地,得到单元格边长后,根据目标区域面积可得到单元格数量,即得到完整的网格化地图。网格化地图即为无人机的总覆盖范围,对网格化地图内全部单元格的遍历一次可得到无人机的总覆盖路径。后续步骤将根据网格化地图对多无人机进行任务分配和路径优化。
S3、基于单元格扫描的区域分块法对网格化地图进行处理,得到均等子区域;
S3.1、选取起飞点;
S3.2、以起飞点为原点引出射线,所述射线沿轴负方向开始顺时针扫过360°;
S3.3、判断到射线完整的扫描过了目标区域中的单元格,对该单元格标上序号;
另外,若多个单元格被同时扫描完,则离上一个被标序号单元格越近的单元格被优先标序;
S3.4、判断到射线完成扫描360°,停止扫描和标序,得到单元格总数;
具体地,在射线扫描过了360°或完整扫描完了整个目标区域之后,停止扫描和标序。
S3.5、根据单元格总数和预设的无人机数量,将目标区域中的所有单元格平均划分至无人机,得到均等子区域。
具体地,扫描分块的示意图参照图3。
S4、基于近似最优路径规划方法求解均等子区域中的近似最优路径,引导无人机飞行。
S4.1、以起飞点所在的单元格为原点,构建笛卡尔坐标系,得到目标区域内单元格的坐标;
S4.2、根据单元格的坐标构建坐标集并计算单元格之间的距离;
具体地,任意两个单元i和单元j之间的距离可表示为:
上式中,(xi,yi),(xj,yj)分别为单元i和单元j在该坐标系上的坐标值。
S4.3、根据单元格之间的距离构建目标区域的矩阵;
具体地,整个目标区域矩阵公式表示如下:
矩阵A包含了目标区域中任意两对单元的距离长度,且在A中,有:dij=dji成立。
S4.4、基于模拟退火算法,以目标区域的矩阵为唯一输入参数输,计算出均等子区域的近似最优路径;
在模拟退火算法中,用E(S)表示一个解的温度状态,用Metropolis准则进行迭代求出最优解。本方法以解的温度状态表示的路径长度,为了在每个子区域中都寻求长度最短的遍历路径,解的E(S)的值越小越好。
上式中,S={c1,c2,…,cN)来表示某一个特定的解,解S是一个包含了某一子区域中所有单元格的集合,且单元格是按顺序排列的。用dk,代表单元格ci与单元格ci+1之间的距离。
本方法的每一迭代,都会使用ci,ci+1=ci+1,ci的变化来生成新的解,直到E(S)收敛。得到的近似最优解,即为每个子区域的最短遍历路径。
S4.5、根据均等子区域的近似最优路径,转化为航点文件并引导无人机飞行。
如图2所示,一种面向三维重建的多无人机覆盖路径规划方法,包括:
网格化模块,用于获取目标区域并对目标区域进行网格化分割,得到网格化地图;
第一计算模块,用于计算网格化地图内的单元格边长并确定无人机的覆盖路径;
扫描模块,基于单元格扫描的区域分块法对网格化地图进行处理,得到均等子区域;
第二计算模块,基于近似最优路径规划方法求解均等子区域中的近似最优路径,引导无人机飞行。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
一种面向三维重建的多无人机覆盖路径规划装置:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如上所述一种面向三维重建的多无人机覆盖路径规划方法。
上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
一种存储介质,其中存储有处理器可执行的指令,其特征在于:所述处理器可执行的指令在由处理器执行时用于实现如上所述一种面向三维重建的多无人机覆盖路径规划方法。
上述方法实施例中的内容均适用于本存储介质实施例中,本存储介质实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.一种面向三维重建的多无人机覆盖路径规划方法,其特征在于,包括以下步骤:
获取目标区域并对目标区域进行网格化分割,得到网格化地图;
计算网格化地图内的单元格边长并确定无人机的覆盖路径;
基于单元格扫描的区域分块法对网格化地图进行处理,得到均等子区域;
基于近似最优路径规划方法求解均等子区域中的近似最优路径,引导无人机飞行。
2.根据权利要求1所述一种面向三维重建的多无人机覆盖路径规划方法,其特征在于,所述获取目标区域并对目标区域进行网格化分割,得到网格化地图这一步骤,其具体包括:
根据用户需要确定目标区域;
根据无人机飞行高度、拍摄点之间的距离和摄像机的视场角计算图片重合度;
基于图片重合度,通过正方形分块方法对目标区域进行网格化分割,得到网格化地图。
4.根据权利要求2所述一种面向三维重建的多无人机覆盖路径规划方法,其特征在于,所述计算网格化地图内的单元格边长并确定无人机的覆盖路径这一步骤,其具体包括:
考虑飞行高度的约束,结合图片重合度、图片分辨率和无人机飞行高度的关系,计算网格化地图内的单元格边长;
根据网格化地图内的单元格边长,结合目标区域面积,得到单元格数量;
根据网格化地图内的单元格边长和单元格数量,得到完整的网格化地图;
对完整的网格化地图内单元格进行遍历,得到无人机的覆盖路径。
6.根据权利要求5所述一种面向三维重建的多无人机覆盖路径规划方法,其特征在于,所述基于单元格扫描的区域分块法对网格化地图进行处理,得到均等子区域这一步骤,其具体包括:
选取起飞点;
以起飞点为原点引出射线,所述射线沿轴负方向开始顺时针扫过360°;
判断到射线完整的扫描过了目标区域中的单元格,对该单元格标上序号;
判断到射线完成扫描360°,停止扫描和标序,得到单元格总数;
根据单元格总数和预设的无人机数量,将目标区域中的所有单元格平均划分至无人机,得到均等子区域。
7.根据权利要求6所述一种面向三维重建的多无人机覆盖路径规划方法,其特征在于,所述基于近似最优路径规划方法求解均等子区域中的近似最优路径,引导无人机飞行这一步骤,其具体包括:
以起飞点所在的单元格为原点,构建笛卡尔坐标系,得到目标区域内单元格的坐标;
根据单元格的坐标构建坐标集并计算单元格之间的距离;
根据单元格之间的距离构建目标区域的矩阵;
基于模拟退火算法,以目标区域的矩阵为唯一输入参数,计算出均等子区域的近似最优路径;
根据均等子区域的近似最优路径,转化为航点文件并引导无人机飞行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210169116.2A CN114489149A (zh) | 2022-02-23 | 2022-02-23 | 一种面向三维重建的多无人机覆盖路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210169116.2A CN114489149A (zh) | 2022-02-23 | 2022-02-23 | 一种面向三维重建的多无人机覆盖路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114489149A true CN114489149A (zh) | 2022-05-13 |
Family
ID=81483875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210169116.2A Pending CN114489149A (zh) | 2022-02-23 | 2022-02-23 | 一种面向三维重建的多无人机覆盖路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114489149A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024136821A1 (en) * | 2022-12-20 | 2024-06-27 | Turkcell Teknoloji Arastirma Ve Gelistirme Anonim Sirketi | A coverage area analysis system |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295141A (zh) * | 2016-08-01 | 2017-01-04 | 清华大学深圳研究生院 | 用于三维模型重建的多条无人机路径确定方法及装置 |
CN107544540A (zh) * | 2017-09-11 | 2018-01-05 | 陕西土豆数据科技有限公司 | 一种应用于旋翼无人机的航线规划方法 |
US20180308371A1 (en) * | 2017-04-19 | 2018-10-25 | Beihang University | Joint search method for uav multiobjective path planning in urban low altitude environment |
CN111695776A (zh) * | 2020-05-11 | 2020-09-22 | 清华大学 | 无人机集群分布式在线协同区域侦察方法及装置 |
CN111699455A (zh) * | 2019-05-27 | 2020-09-22 | 深圳市大疆创新科技有限公司 | 飞行航线生成方法、终端和无人机 |
CN111966129A (zh) * | 2020-08-31 | 2020-11-20 | 金陵科技学院 | 一种光伏巡检无人机及其仿地飞行方法 |
CN112945255A (zh) * | 2021-01-29 | 2021-06-11 | 中国人民解放军国防科技大学 | 汽车搭载多架无人机协同多区域覆盖路径规划方法及系统 |
WO2021213540A1 (zh) * | 2020-09-23 | 2021-10-28 | 中国民航大学 | 三维无人机安全航路规划方法 |
-
2022
- 2022-02-23 CN CN202210169116.2A patent/CN114489149A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295141A (zh) * | 2016-08-01 | 2017-01-04 | 清华大学深圳研究生院 | 用于三维模型重建的多条无人机路径确定方法及装置 |
US20180308371A1 (en) * | 2017-04-19 | 2018-10-25 | Beihang University | Joint search method for uav multiobjective path planning in urban low altitude environment |
CN107544540A (zh) * | 2017-09-11 | 2018-01-05 | 陕西土豆数据科技有限公司 | 一种应用于旋翼无人机的航线规划方法 |
CN111699455A (zh) * | 2019-05-27 | 2020-09-22 | 深圳市大疆创新科技有限公司 | 飞行航线生成方法、终端和无人机 |
CN111695776A (zh) * | 2020-05-11 | 2020-09-22 | 清华大学 | 无人机集群分布式在线协同区域侦察方法及装置 |
CN111966129A (zh) * | 2020-08-31 | 2020-11-20 | 金陵科技学院 | 一种光伏巡检无人机及其仿地飞行方法 |
WO2021213540A1 (zh) * | 2020-09-23 | 2021-10-28 | 中国民航大学 | 三维无人机安全航路规划方法 |
CN112945255A (zh) * | 2021-01-29 | 2021-06-11 | 中国人民解放军国防科技大学 | 汽车搭载多架无人机协同多区域覆盖路径规划方法及系统 |
Non-Patent Citations (1)
Title |
---|
SICHEN XIAO等: "A Simulated Annealing Algorithm and Grid Map-Based UAV Coverage Path Planning Method for 3D Reconstruction", 《ELECTRONICS》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024136821A1 (en) * | 2022-12-20 | 2024-06-27 | Turkcell Teknoloji Arastirma Ve Gelistirme Anonim Sirketi | A coverage area analysis system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2768997C1 (ru) | Способ, устройство и оборудование для распознавания препятствий или земли и управления полетом, и носитель данных | |
CN112884894B (zh) | 场景重建数据采集方法、装置、计算机设备和存储介质 | |
US11302060B2 (en) | Method and system for vector-raster overlay analysis of ground surface image area based on edge clipping | |
WO2020024234A1 (zh) | 路径导航方法、相关装置及计算机可读存储介质 | |
CN111028327B (zh) | 一种三维点云的处理方法、装置及设备 | |
WO2020062338A1 (zh) | 无人机迁移轨迹生成方法、装置、电子设备和存储介质 | |
CN108508916B (zh) | 一种无人机编队的控制方法、装置、设备及存储介质 | |
CN110825101A (zh) | 一种基于深度卷积神经网络的无人机自主降落方法 | |
WO2019242516A1 (zh) | 建立室内3d地图的方法和无人机 | |
CN112287824A (zh) | 基于双目视觉的三维目标检测方法、装置及系统 | |
CN112184867B (zh) | 点云特征提取方法、装置、设备及存储介质 | |
CN114489149A (zh) | 一种面向三维重建的多无人机覆盖路径规划方法 | |
CN110209847A (zh) | 航空遥感数据机上准实时处理方法、装置和存储介质 | |
CN110727903B (zh) | 一种有限覆盖资源实现最大观测面积的卫星任务规划方法 | |
CN107742276A (zh) | 一种基于无人机遥感图像机载一体化快速处理系统和方法 | |
CN110807579B (zh) | 一种资源充足情形下最小完工时间的卫星任务规划方法 | |
CN112967388A (zh) | 三维时序图像神经网络模型的训练方法和装置 | |
CN115349138A (zh) | 图像处理系统和方法 | |
CN113034347A (zh) | 倾斜摄影图像处理方法、装置、处理设备及存储介质 | |
CN110940318A (zh) | 航空遥感实时成像方法、电子设备以及存储介质 | |
CN116740681B (zh) | 目标检测方法、装置、车辆和存储介质 | |
CN113625771A (zh) | 一种影子跟随的单无人机区域覆盖路径规划方法 | |
CN113324537A (zh) | 车辆位姿获取方法、车辆定位方法和装置、设备和介质 | |
CN114937007B (zh) | 一种基于角点特征的无人机视觉着陆跑道起始线检测方法 | |
CN114460961A (zh) | 无人设备作业路线确定方法、装置、设备和存储介质 |
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: 20220513 |