CN114625166B - 一种无人机拍摄位置的智能定位方法 - Google Patents
一种无人机拍摄位置的智能定位方法 Download PDFInfo
- Publication number
- CN114625166B CN114625166B CN202210201918.7A CN202210201918A CN114625166B CN 114625166 B CN114625166 B CN 114625166B CN 202210201918 A CN202210201918 A CN 202210201918A CN 114625166 B CN114625166 B CN 114625166B
- Authority
- CN
- China
- Prior art keywords
- point
- shooting
- unmanned aerial
- aerial vehicle
- camera
- 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 18
- 230000011218 segmentation Effects 0.000 claims abstract description 21
- 238000007689 inspection Methods 0.000 claims abstract description 19
- 239000012212 insulator Substances 0.000 claims description 27
- 238000003384 imaging method Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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)
- Image Analysis (AREA)
Abstract
本发明涉及一种无人机拍摄位置的智能定位方法,包括以下步骤:基于点云分类分割模型对电力杆塔点云数据进行自动分类与单体化分割;基于点云数据分类结果和单体化分割结果,按照国网规范要求,并结合用户拍摄需求提取无人机的拍摄目标点;判断提取的无人机拍摄目标点是否符合用户需求,不符合用户需求,需要修改拍摄目标点;符合用户需求,则进行下一步;计算无人机的最佳拍摄位置;根据无人机的最佳拍摄位置生成无人机的巡检航线。基于激光雷达点云数据,进行自动分类与单体化分割,借助于相机成像原理,实现了无人机航迹的全自主规划。
Description
技术领域
本发明涉及电力设备检测技术领域,特别涉及一种无人机拍摄位置的智能定位方法。
背景技术
随着我国电力行业的飞速发展,电网规模也随之不断增大,低效的传统巡线方式已经不能满足当下电网发展需求。无人机巡检作为一门安全、高效的巡检技术,逐渐应用于电力巡检,目前无人机电力巡检大多以人工巡检为主,自主巡检为辅的方式进行。自主巡检依托于航迹规划软件为其规划巡检航迹,但目前航迹规划系统的自主性相对较差,多以人工干预完成航迹规划,因此,实现电力巡检的全自主巡检,航迹规划的无人机智能定位方法是本研究的重中之重。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种无人机拍摄位置的智能定位方法,能实现电力巡检的全自主巡检。
本发明的技术方案为:一种无人机拍摄位置的智能定位方法,包括以下步骤:
步骤S100、基于点云分类分割模型对电力杆塔点云数据进行自动分类与单体化分割;
步骤S200、基于点云数据分类结果和单体化分割结果,按照国网规范要求,并结合用户拍摄需求提取无人机的拍摄目标点;
步骤S300、判断提取的无人机拍摄目标点是否符合用户需求,不符合用户需求,需要修改拍摄目标点;符合用户需求,则进行步骤S400;
步骤S400、计算无人机的最佳拍摄位置;
步骤S500、根据无人机的最佳拍摄位置生成无人机的巡检航线。
进一步地,电力杆塔点云分类的类别包括:杆塔、地线、导线、绝缘子、引流线;根据上述类别对电力杆塔点云进行自动分类。
进一步地,单体化分割:每种类别都包含多个部件,分类后的每个部件作为一个单体,一个单体作为一个实例进行自动分割,即将连续的同一类别的点云分割为一个单体实例。
进一步地,一个拍摄目标点至少有一张拍摄照片,杆塔全貌、塔头、塔身、塔基、通道、地线点至少要设置一个拍摄目标点。
进一步地,绝缘子的拍摄要求可根据用户的需求设置不同的拍摄部位和拍摄目标点的数量。
进一步地,单体化目标物的相机的拍摄距离计算方式如下:
α=atan(sensorWidth/focalLength/2)*180/π;
shootDistance=(objectHeight/2)/tan(α);
其中atan为反正切函数,α为相机垂直视场角的一半,sensorWidth为传感器长度、sensorHeight为宽度、focallength为焦距、objectHeight为单体化目标物的高度,shootDistance为相机拍摄距离。
进一步地,绝缘子的拍摄距离计算方式如下:相机焦距一定时,视场角固定,俯仰角为β,则相机在固定轴线上,相机距离绝缘子串的中心点的距离为L1,L1越大即相机距拍摄点越远时相机拍摄的视场范围越大,上边界点和下边界点的距离为L2,即绝缘子串长度为L2,则:
D1=cos(β)*(L2/2);
D2=cos(β)*(L2/2);
S1=sin(β)*(L2/2);
S2=sin(β)*(L2/2);
D1为上边界点到相机与中心点连线的垂线段的长度;D2为下边界点到相机与中心点连线的垂线段的长度;S1为上边界点到相机与中心点连线的垂线的垂足到中心点的距离;S2为下边界点到相机与中心点连线的垂线的垂足到中心点的距离;
能捕获绝缘子串上边界点的相机点到拍摄目标点的直线距离为:
L1_up=ctan(α)*D1+S1;
能捕获绝缘子串下边界点的相机点到拍摄点的直线距离为:
L1_down=ctan(α)*D2–S2;
由D1=D2,可得:
L1_up-L1_down=S1+S2;
上下边界满足都被捕获时,使用上下捕获距离最远的一个,平视为0,俯视为正值,仰视为负值,即:
平视:S1+S2=0,则L1_up=L1_down任取其一;
俯视:S1+S2>0,则L1_up>L1_down使用L1_up;
仰视:S1+S2<0,则L1_up<L1_down使用L1_down;
进一步地,俯视情况下为满足上边界点在预览范围内,会有下边界溢出的情况;平视情况下上边界和下边界无溢出情况;仰视情况下为满足下边界点在预览范围内,会有上边界溢出的情况。
本发明具有以下有益效果:基于激光雷达点云数据,进行自动分类与单体化分割,借助于相机成像原理,实现了无人机航迹的全自主规划。有效提高航迹自主规划效率,提升系统使用性能,提高巡检工作效率,减少事故发生率,保障电网系统安全运行。
附图说明
图1是无人机拍摄的成像原理示意图。
图2是无人机拍摄绝缘子的位置示意图。
图3是俯视情况下的模拟捕获示意图。
图4是平视情况下的模拟捕获示意图。
图5是仰视情况下的模拟捕获示意图。
图6是无人机拍摄位置的智能定位方法的流程示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
一种无人机拍摄位置的智能定位方法,具体包括以下步骤:
步骤S100、基于点云分类分割模型对电力杆塔点云数据进行自动分类与单体化分割。
电力杆塔点云数据的点云分类分割模型包括点云分类分支和点云分割分支。
点云分类分支采用单层感知机,使用softmax函数对电力杆塔点云数据中的每个点进行各个类别的置信度计算,取置信度最大的类别作为该点的最终类别。
点云分割分支采用单层感知机,将电力杆塔点云特征映射为32维的特征向量,使用MeanShift聚类算法对特征向量进行聚类,得到点云中每点所属的簇,作为部件实例。
使用点云分类分支与点云分割分支,可以在单次特征提取的基础上,同时计算得到电力杆塔点云数据中的每个点所属类别和所属部件实例。
基于深度学习算法构建的点云分类分割模型,可同步输出电力杆塔点云数据的分类和单体化分割后的数据结果。
电力杆塔点云分类的类别包括:杆塔、地线、导线、绝缘子、引流线;根据上述类别对电力杆塔点云进行自动分类。
单体化分割:每种类别都包含多个部件,分类后的每个部件作为一个单体,一个单体作为一个实例进行自动分割,即将连续的同一类别的点云分割为一个单体实例,此过程就是从整体杆塔点云数据中找出单个的部件的点云。
步骤S200、基于点云数据分类结果和单体化分割结果,按照国网规范要求,并结合用户拍摄需求提取无人机的拍摄目标点。
对杆塔的拍摄要求,包括拍摄哪些部位,例如要求拍摄杆塔全貌、塔头、塔基、塔身。提取无人机的拍摄目标点,一个拍摄目标点至少有一张拍摄照片,杆塔全貌、塔头、塔身、塔基、通道、地线点至少要设置一个拍摄目标点。自动提取时,一个部位提取一个目标点,也可根据特殊拍摄要求灵活添加目标点的数量。
绝缘子通常包括上挂点、下挂点、绝缘子串等,绝缘子的拍摄要求可根据用户自身的工作需求灵活设置,例如可对拍摄部位进行选择,包括上挂点、下挂点或绝缘子串;对拍摄数量进行选择,一串绝缘子设置2个或3个拍摄目标点等拍摄方式。
步骤S300、判断提取的无人机拍摄目标点是否符合用户需求,不符合用户需求,需要修改拍摄目标点;符合用户需求,则进行步骤S400。
步骤S400、计算无人机的最佳拍摄位置。
单体化的目标物的相机拍摄距离计算方式如下:如图1所示,2D image为相机传感器,每一款相机的传感器有固定的尺寸参数,相机成像的范围和传感器的尺寸有一定的关系。根据官方获取传感器长度sensorWidth、宽度sensorHeight、焦距focallength、单体化目标物的高度objectHeight,计算相机拍摄距离shootDistance;
根据相机成像原理计算视场角α(这里为垂直视场角的一半):
α=atan(sensorWidth/focalLength/2)*180/π;(atan为反正切函数)
根据单体化目标物的高度计算相机距离拍摄目标点的距离:
shootDistance=(objectHeight/2)/tan(α);
根据成像要求,单体化目标物要完全出现在照片范围内,且保障目标位置在成像范围中心。根据上述计算的相机拍摄距离、无人机水平角、云台俯仰角计算无人机的最佳拍摄位置。
绝缘子的拍摄距离计算方式如下:如图2所示,绝缘子串的中心点12,上边界点14,下边界点13,相机焦距一定时,视场角α固定,俯仰角为β,则相机在固定轴线上,相机距离绝缘子串的中心点12的距离为L1,L1越大即相机距拍摄点越远时相机拍摄的视场范围越大.上边界点14和下边界点13的距离为L2,即绝缘子串长度为L2,则:
D1=cos(β)*(L2/2);
D2=cos(β)*(L2/2);
S1=sin(β)*(L2/2);
S2=sin(β)*(L2/2);
D1为上边界点14到相机与中心点12连线的垂线段的长度;D2为下边界点13到相机与中心点12连线的垂线段的长度;S1为上边界点14到相机与中心点12连线的垂线的垂足到中心点12的距离;S2为下边界点13到相机与中心点12连线的垂线的垂足到中心点12的距离;
能捕获绝缘子串上边界点14的相机点到拍摄目标点的直线距离为:
L1_up=ctan(α)*D1+S1;
能捕获绝缘子串下边界点13的相机点到拍摄点的直线距离为:
L1_down=ctan(α)*D2–S2;
由上述公式可得D1=D2,则:
L1_up-L1_down=S1+S2;
根据上述计算出的拍摄点位置(相机放置位置)和视场角,可满足绝缘子的上下边界都被捕获。
上下边界满足都被捕获时,使用上下捕获距离最远的一个,平视为0,俯视为正值,仰视为负值,即
平视:S1+S2=0则L1_up=L1_down任取其一。
俯视:S1+S2>0则L1_up>L1_down使用L1_up。
仰视:S1+S2<0则L1_up<L1_down使用L1_down。
根据上述计算的相机拍摄距离、无人机水平角、云台俯仰角最终确定相机的拍摄位置。
如图3所示,俯视情况下为满足上边界点在预览范围内,会有下边界溢出的情况,属于正常现象;如图4所示,平视情况下上边界和下边界无溢出情况;如图5所示,仰视情况下为满足下边界点在预览范围内,会有上边界溢出的情况,属于正常现象。
步骤S500、根据无人机的最佳拍摄位置生成无人机的巡检航线。
考虑点云避障算法,自动生成拐点,最终生成安全的巡检航线。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种无人机拍摄位置的智能定位方法,其特征在于,包括以下步骤:步骤S100、基于点云分类分割模型对电力杆塔点云数据进行自动分类与单体化分割;
步骤S200、基于点云数据分类结果和单体化分割结果,按照国网规范要求,并结合用户拍摄需求提取无人机的拍摄目标点;
步骤S300、判断提取的无人机拍摄目标点是否符合用户需求,不符合用户需求,需要修改拍摄目标点;符合用户需求,则进行步骤S400;
步骤S400、计算无人机的最佳拍摄位置;
步骤S500、根据无人机的最佳拍摄位置生成无人机的巡检航线;
单体化目标物的拍摄距离计算方式如下:
α=atan(sensorWidth/focalLength/2)*180/π;
shootDistance=(objectHeight/2)/tan(α);
其中atan为反正切函数,α为相机垂直视场角的一半,sensorWidth为传感器长度、sensorHeight为宽度、focallength为焦距、objectHeight为单体化目标物的高度,shootDistance为相机拍摄距离;
绝缘子的拍摄距离计算方式如下:相机焦距一定时,视场角固定,俯仰角为β,则相机在固定轴线上,相机距离绝缘子串的中心点的距离为L1,L1越大即相机距拍摄点越远时相机拍摄的视场范围越大,上边界点和下边界点的距离为L2,即绝缘子串长度为L2,则:
D1=cos(β)*(L2/2);
D2=cos(β)*(L2/2);
S1=sin(β)*(L2/2);
S2=sin(β)*(L2/2);
D1为上边界点到相机与中心点连线的垂线段的长度;D2为下边界点到相机与中心点连线的垂线段的长度;S1为上边界点到相机与中心点连线的垂线的垂足到中心点的距离;S2为下边界点到相机与中心点连线的垂线的垂足到中心点的距离;
能捕获绝缘子串上边界点的相机点到拍摄目标点的直线距离为:
L1_up=ctan(α)*D1+S1;
能捕获绝缘子串下边界点的相机点到拍摄点的直线距离为:
L1_down=ctan(α)*D2–S2;
由D1=D2,可得:
L1_up-L1_down=S1+S2;
上下边界满足都被捕获时,使用上下捕获距离最远的一个,平视为0,俯视为正值,仰视为负值,即:
平视:S1+S2=0,则L1_up=L1_down任取其一;
俯视:S1+S2>0,则L1_up>L1_down使用L1_up;
仰视:S1+S2<0,则L1_up。
2.根据权利要求1所述的一种无人机拍摄位置的智能定位方法,其特征在于,电力杆塔点云分类的类别包括:杆塔、地线、导线、绝缘子、引流线;根据上述类别对电力杆塔点云进行自动分类。
3.根据权利要求1所述的一种无人机拍摄位置的智能定位方法,其特征在于,单体化分割:每种类别都包含多个部件,分类后的每个部件作为一个单体,一个单体作为一个实例进行自动分割,即将连续的同一类别的点云分割为一个单体实例。
4.根据权利要求1所述的一种无人机拍摄位置的智能定位方法,其特征在于,一个拍摄目标点至少有一张拍摄照片,杆塔全貌、塔头、塔身、塔基、通道、地线点至少每个部位要设置一个拍摄目标点。
5.根据权利要求1所述的一种无人机拍摄位置的智能定位方法,其特征在于,绝缘子的拍摄要求可根据用户的需求设置不同的拍摄部位和拍摄目标点的数量。
6.根据权利要求1所述的一种无人机拍摄位置的智能定位方法,其特征在于,俯视情况下为满足上边界点在预览范围内,会有下边界溢出的情况;平视情况下上边界和下边界无溢出情况;仰视情况下为满足下边界点在预览范围内,会有上边界溢出的情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210201918.7A CN114625166B (zh) | 2022-03-03 | 2022-03-03 | 一种无人机拍摄位置的智能定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210201918.7A CN114625166B (zh) | 2022-03-03 | 2022-03-03 | 一种无人机拍摄位置的智能定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114625166A CN114625166A (zh) | 2022-06-14 |
CN114625166B true CN114625166B (zh) | 2024-04-30 |
Family
ID=81899208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210201918.7A Active CN114625166B (zh) | 2022-03-03 | 2022-03-03 | 一种无人机拍摄位置的智能定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114625166B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115410104B (zh) * | 2022-09-16 | 2023-06-16 | 湖南胜云光电科技有限公司 | 一种获取飞行器的图像采集点的数据处理系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488988A (zh) * | 2013-09-06 | 2014-01-01 | 广东电网公司电力科学研究院 | 基于无人机巡线可见光影像的电力设备中绝缘子的提取方法 |
CN105261011A (zh) * | 2015-09-22 | 2016-01-20 | 武汉大学 | 一种无人机巡检航拍复杂背景影像中绝缘子的提取方法 |
JP2018074757A (ja) * | 2016-10-28 | 2018-05-10 | 株式会社東芝 | 巡視点検システム、情報処理装置、巡視点検制御プログラム |
WO2018227350A1 (zh) * | 2017-06-12 | 2018-12-20 | 深圳市大疆创新科技有限公司 | 无人机返航控制方法、无人机和机器可读存储介质 |
JP2019009919A (ja) * | 2017-06-26 | 2019-01-17 | 株式会社東芝 | 巡視点検支援システム及び巡視点検支援制御プログラム |
CN113205116A (zh) * | 2021-04-15 | 2021-08-03 | 江苏方天电力技术有限公司 | 输电线路无人机巡检拍摄目标点自动提取及航迹规划方法 |
CN113494913A (zh) * | 2021-09-07 | 2021-10-12 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 无人机电力巡检规划方法、装置、计算机设备和存储介质 |
CN113641187A (zh) * | 2021-08-26 | 2021-11-12 | 江苏方天电力技术有限公司 | 一种输电线路无人机巡检航迹规划自动命名方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8289393B2 (en) * | 2007-05-31 | 2012-10-16 | Panasonic Corporation | Camera control unit, camera display system, and camera control method |
-
2022
- 2022-03-03 CN CN202210201918.7A patent/CN114625166B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488988A (zh) * | 2013-09-06 | 2014-01-01 | 广东电网公司电力科学研究院 | 基于无人机巡线可见光影像的电力设备中绝缘子的提取方法 |
CN105261011A (zh) * | 2015-09-22 | 2016-01-20 | 武汉大学 | 一种无人机巡检航拍复杂背景影像中绝缘子的提取方法 |
JP2018074757A (ja) * | 2016-10-28 | 2018-05-10 | 株式会社東芝 | 巡視点検システム、情報処理装置、巡視点検制御プログラム |
WO2018227350A1 (zh) * | 2017-06-12 | 2018-12-20 | 深圳市大疆创新科技有限公司 | 无人机返航控制方法、无人机和机器可读存储介质 |
JP2019009919A (ja) * | 2017-06-26 | 2019-01-17 | 株式会社東芝 | 巡視点検支援システム及び巡視点検支援制御プログラム |
CN113205116A (zh) * | 2021-04-15 | 2021-08-03 | 江苏方天电力技术有限公司 | 输电线路无人机巡检拍摄目标点自动提取及航迹规划方法 |
CN113641187A (zh) * | 2021-08-26 | 2021-11-12 | 江苏方天电力技术有限公司 | 一种输电线路无人机巡检航迹规划自动命名方法 |
CN113494913A (zh) * | 2021-09-07 | 2021-10-12 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 无人机电力巡检规划方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
输电线路多旋翼无人机精细化自主巡检航迹优化方法;梁文勇;吴大伟;谷山强;王海涛;严碧武;刘辉;;高电压技术;20201231(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114625166A (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110873565B (zh) | 用于城市场景重建的无人机实时路径规划方法 | |
Sohn et al. | Automatic powerline scene classification and reconstruction using airborne lidar data | |
CN104865971B (zh) | 一种输电线路巡检无人机的控制方法及无人机 | |
CN113641187B (zh) | 一种输电线路无人机巡检航迹规划自动命名方法 | |
CN110780681A (zh) | 一种基于激光点云的无人机自主巡检绝缘子路径规划方法 | |
CN112767391A (zh) | 融合三维点云和二维图像的电网线路部件缺陷定位方法 | |
CN113205116B (zh) | 输电线路无人机巡检拍摄目标点自动提取及航迹规划方法 | |
CN113298035A (zh) | 基于图像识别的无人机电力杆塔检测及自主巡航方法 | |
CN115240093B (zh) | 基于可见光和激光雷达点云融合的输电通道自动巡检方法 | |
CN116719339A (zh) | 一种基于无人机的电力线路巡检控制方法及系统 | |
CN114625166B (zh) | 一种无人机拍摄位置的智能定位方法 | |
CN113947724A (zh) | 一种基于双目视觉的线路覆冰厚度自动测量方法 | |
CN115793689A (zh) | 基于前端目标识别的无人机自动化架空输电线路巡检方法及系统 | |
CN115240087A (zh) | 基于双目立体视觉及激光点云的树障定位分析方法及系统 | |
CN114170535A (zh) | 目标检测定位方法、装置、控制器及存储介质和无人机 | |
CN114037895A (zh) | 一种无人机杆塔巡检图像识别方法 | |
CN116893685A (zh) | 一种无人机航线规划方法及系统 | |
CN109145905A (zh) | 一种基于视觉显著性的输电线路配件检测方法 | |
CN117826854A (zh) | 基于三维空间目标点提取的电力巡检航线全自主规划方法 | |
CN114252883A (zh) | 目标检测方法、装置、计算机设备和介质 | |
CN116482700A (zh) | 一种鲁棒的无人机激光雷达仿线杆塔识别方法、装置 | |
CN114659499B (zh) | 一种基于无人机技术的智慧城市3d地图模型摄影建立方法 | |
CN115689939A (zh) | 用于输电线路可视化检测场景的视频稳像方法 | |
CN115686056A (zh) | 一种针对配电网络的无人机飞行航线实时生成系统及方法 | |
CN113487601A (zh) | 基于高精度三维点云数据计算雷击保护角的方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231030 Address after: 211112 No.19 Tianyuan Middle Road, Science Park, Jiangning District, Nanjing City, Jiangsu Province Applicant after: JIANGSU FANGTIAN POWER TECHNOLOGY Co.,Ltd. Address before: 211112 No.19 Tianyuan Middle Road, Science Park, Jiangning District, Nanjing City, Jiangsu Province Applicant before: JIANGSU FANGTIAN POWER TECHNOLOGY Co.,Ltd. Applicant before: Beijing Zhongguancun Zhilian Safety Science Research Institute Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |