CN114820777B - 无人机三维数据前端处理方法、装置及无人机 - Google Patents

无人机三维数据前端处理方法、装置及无人机 Download PDF

Info

Publication number
CN114820777B
CN114820777B CN202110310011.XA CN202110310011A CN114820777B CN 114820777 B CN114820777 B CN 114820777B CN 202110310011 A CN202110310011 A CN 202110310011A CN 114820777 B CN114820777 B CN 114820777B
Authority
CN
China
Prior art keywords
image
point cloud
cloud data
target object
preset
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
Application number
CN202110310011.XA
Other languages
English (en)
Other versions
CN114820777A (zh
Inventor
蒋梦
张淮
王鹤
康秋静
丁海有
高飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Dacheng Guoce Technology Co ltd
Original Assignee
Beijing Dacheng Guoce Science And Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Dacheng Guoce Science And Technology Co ltd filed Critical Beijing Dacheng Guoce Science And Technology Co ltd
Priority to CN202110310011.XA priority Critical patent/CN114820777B/zh
Publication of CN114820777A publication Critical patent/CN114820777A/zh
Application granted granted Critical
Publication of CN114820777B publication Critical patent/CN114820777B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/04—Systems determining the presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本公开实施例中提供了一种无人机三维数据前端处理方法、装置及无人机，属于数据处理技术领域，该方法包括：控制无人机按照预设路线对所述预设路线上存在的目标对象进行拍摄飞行操作；利用所述无人机上设置的定位设备，实时获取无人机的当前位置信息；基于设置于所述无人机之上的图像采集设备，采集当前位置下预设路线上的目标对象，形成的第一图像；获取与当前位置信息匹配的第二图像，将所述第一图像与所述第二图像进行差分匹配后，形成第三图像；将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合。通过本公开的处理方案，能够有效的对侵入的异物进行检测和监控。

Description

无人机三维数据前端处理方法、装置及无人机
技术领域
本公开涉及数据处理技术领域，尤其涉及一种无人机三维数据前端处理方法、装置及无人机。
背景技术
随着中国经济的飞速发展和城市化进程的加速，铁路交通已经成为重要交通工具，与城市居民通勤、旅游、商务人士的日常出行息息相关。
铁轨异物检测是指为保证列车行驶安全，需要对铁轨区域进行异物排查的措施。按照我国列车安全行驶的有关规定，在铁路线路安全保护区及其邻近区域，不得有危害列车正常行驶的异物在国家规定的铁路限界内，以免因为司机在较近距离内才能看到异物后进行刹车处理，但刹车不及时、刹车距离过长与异物相撞造成的财产损失和安全事故。
近年来，随着国家无人机行业的不断发展，无人机得到了越来越多的应用，通过无人机航拍图像实时进行铁轨异物检测也得到了长足的发展。
无人机拍摄数据的过程中，如何对无人机的数据进行处理，成为需要解决的问题。
发明内容
有鉴于此，本公开实施例提供一种无人机三维数据前端处理方法、装置及无人机，以至少部分解决现有技术中存在的问题。
第一方面，本公开实施例提供了一种无人机三维数据前端处理方法，包括：
控制无人机按照预设路线对所述预设路线上存在的目标对象进行拍摄飞行操作；
利用所述无人机上设置的定位设备，实时获取无人机的当前位置信息；
基于设置于所述无人机之上的图像采集设备，采集当前位置下预设路线上的目标对象，形成的第一图像；
获取与当前位置信息匹配的第二图像，将所述第一图像与所述第二图像进行差分匹配后，形成第三图像；
对所述第三图像中进行目标识别，形成目标对象集合，实时采集目标对象集合中的每个目标对象形成的点云数据，形成点云数据序列，将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合。
根据本公开实施例的一种具体实现方式，所述采集当前位置下预设路线上的目标对象，形成的第一图像，包括：
利用所述图像采集设备上的左目相机和右目相机，分别采集左目视频帧和右目视频帧；
基于所述左目视频帧图像和右目视频帧图像，计算当前视野下采集到的目标对象的深度值；
当所述深度值小于预设深度值时，舍弃当前时刻采集到的左目视频帧和右目视频帧；
当所述深度值大于预设深度值时，基于左目视频帧和右目视频帧生成所述第一图像。
根据本公开实施例的一种具体实现方式，所述当所述深度值大于预设深度值时，基于左目视频帧和右目视频帧生成所述第一图像之后，所述方法还包括：
生成激活信号，以便于基于所述激活信号，启动所述激光雷达。
根据本公开实施例的一种具体实现方式，所述基于设置于所述无人机之上的图像采集设备，采集当前位置下预设路线上的目标对象，形成的第一图像之前，所述方法还包括：
在所述无人机的图像采集设备中，提前存储于所述预设线路相关的视频图像，所述视频图像中包含所述第二图像。
根据本公开实施例的一种具体实现方式，所述对所述第三图像中进行目标识别，形成目标对象集合，包括：
对所述第三图像进行边缘检测，形成边缘检测结果；
在所述边缘检测结果中查找形成封闭曲线的目标对象，形成目标对象集合。
根据本公开实施例的一种具体实现方式，所述实时采集目标对象集合中的每个目标对象形成的点云数据，包括：
获取识别到的目标对象在第三图像中的平面位置坐标；
基于所述平面位置坐标和所述无人机当前的高度值，确定所述激光雷达的扫描角度；
基于所述扫描角度，对所述识别到的目标的对象进行雷达数据采集；
基于采集到的雷达数据，形成与识别到的目标对象相关的点云数据。
根据本公开实施例的一种具体实现方式，所述将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合，包括：
获取点云数据序列中的任意三个连续点云数据的位置坐标；
基于所述位置坐标，形成两个由两个连续点云数据形成的第一线段和第二线段；
计算第一线段和第二线段之间的夹角，以判断点云数据序列中空间夹角是否大于预设夹角。
根据本公开实施例的一种具体实现方式，所述基于当前位置信息，形成点云数据集合之后，所述方法还包括：
对点云数据集合进行三维建模，通过对三维建模后存在的目标对象进行检测，判断预设路线上是否存在异物。
第二方面，本公开实施例提供了一种无人机三维数据前端处理装置，包括：
控制模块，控制无人机按照预设路线对所述预设路线上存在的目标对象进行拍摄飞行操作；
获取模块，用于利用所述无人机上设置的定位设备，实时获取无人机的当前位置信息；
采集模块，用于基于设置于所述无人机之上的图像采集设备，采集当前位置下预设路线上的目标对象，形成的第一图像；
形成模块，用于获取与当前位置信息匹配的第二图像，将所述第一图像与所述第二图像进行差分匹配后，形成第三图像；
执行模块，用于对所述第三图像中进行目标识别，形成目标对象集合，实时采集目标对象集合中的每个目标对象形成的点云数据，形成点云数据序列，将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合。
第三方面，本公开实施例还提供了一种无人机，该无人机包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的无人机三维数据前端处理方法。
第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的无人机三维数据前端处理方法。
第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的无人机三维数据前端处理方法。
本公开实施例中的无人机三维数据前端处理方案，包括控制无人机按照预设路线对所述预设路线上存在的目标对象进行拍摄飞行操作；利用所述无人机上设置的定位设备，实时获取无人机的当前位置信息；基于设置于所述无人机之上的图像采集设备，采集当前位置下预设路线上的目标对象，形成的第一图像；获取与当前位置信息匹配的第二图像，将所述第一图像与所述第二图像进行差分匹配后，形成第三图像；对所述第三图像中进行目标识别，形成目标对象集合，实时采集目标对象集合中的每个目标对象形成的点云数据，形成点云数据序列，将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合。通过本公开的处理方案，提高了无人机三维数据前端处理的效率。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种无人机三维数据前端处理方法的流程图；
图2为本公开实施例提供的另一种无人机三维数据前端处理方法的流程图；
图3为本公开实施例提供的另一种无人机三维数据前端处理方法的流程图；
图4为本公开实施例提供的另一种无人机三维数据前端处理方法的流程图；
图5为本公开实施例提供的一种无人机三维数据前端处理装置的结构示意图；
图6为本公开实施例提供的无人机示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种无人机三维数据前端处理方法。本实施例提供的无人机三维数据前端处理方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、客户端等中。
参见图1，本公开实施例中的无人机三维数据前端处理方法，可以包括如下步骤：
S101，控制无人机按照预设路线对所述预设路线上存在的目标对象进行拍摄飞行操作。
无人机可以是多旋翼飞机，也可以是其他类型的飞机，无人机通过有线或无线的方式与地面控制终端进行通信，通过地面控制终端设置的一个或多个指令，所述无人机按照预设路线对预设目标进行拍摄操作。该预设路线可以是铁路轨道交通路线，也可以是其他的需要进行巡检的路线。
S102，利用所述无人机上设置的定位设备，实时获取无人机的当前位置信息。
定位设备用于实时的获取无人机当前的位置信息，作为一种情况，所述定位设备包括GPS模块和RTK模块，通过GPS模块和RTK模块，能够实时获取无人机的当前位置信息，通过获取当前的位置信息，能够判断无人机是否在预设路线上巡检。
S103，基于设置于所述无人机之上的图像采集设备，采集当前位置下预设路线上的目标对象，形成的第一图像。
图像采集设备用于采集巡检路线上的图像，所述图像采集设备设置于所述无人机之上，用于采集当前位置下形成的第一图像。
作为一种情况，图像采集设备为双目相机，图像采集设备包括左目相机和右目相机，所述左目相机用于基于左目视角采集左目视频帧，所述右目相机用于基于右目视角采集右目视频帧。左目相机和右目相机间隔预设的距离，这样一来，便可以基于左目相机和右目相机来确定拍摄到的目标对象的深度图像信息。
为此，图像采集设备上还设置有计算单元，所述计算单元基于所述左目视频帧图像和右目视频帧图像，计算当前视野下采集到的目标对象的深度值，对于深度值的计算可以采用多种方式来进行，在此不作限制。
通过判断采集到的左目视频帧图像和右目视频帧图像形成的深度值，可以判断图像中的目标对象是否为需要巡检的对象，此时，当所述深度值小于预设深度值时，舍弃当前时刻采集到的左目视频帧和右目视频帧，通过这种方式，能够减少系统资源的占用；当所述深度值大于预设深度值时，在基于左目视频帧和右目视频帧生成第一图像之后，生成激活信号，以便于基于所述激活信号，启动所述激光雷达。通过在激活信号之后再启动激光雷达，能够在需要激光雷达进行拍摄的时候再启动激光雷达，从而进一步的节省激光雷达对于系统资源的消耗。
S104，获取与当前位置信息匹配的第二图像，将所述第一图像与所述第二图像进行差分匹配后，形成第三图像。
为了进一步提高图像处理的效率，可以在图像采集设备中设置存储单元，所述存储单元用于提前存储于所述预设线路相关的视频图像，所述视频图像中包括所述第二图像，该视频图像可以是在无异物的情况下，专门拍摄的预设线路的视频图像，视频图像中包含其拍摄地所在的位置信息，通过这种方式，能够基于当前的位置信息来获取与当前位置信息匹配的第二图像，将所述第一图像与所述第二图像进行差分匹配后，形成第三图像。第一图像和第二图像差分匹配的过程中，可以通过目标识别的方式，将第二图像中存在的目标对象在第一图像中删除，通过这种方式，能够进一步的减少目标对象的检测量，从而减少系统的计算，提高目标检测的效率。
S105，对所述第三图像中进行目标识别，形成目标对象集合，实时采集目标对象集合中的每个目标对象形成的点云数据，形成点云数据序列，将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合。
激光雷达在检测到目标对象之后进一步的采集目标对象的点云数据。具体的，所述激光雷达针对所述第三图像中进行目标识别，形成目标对象集合，通过对目标集合中的对象进行分析，能够进一步判断目标对象集合中是否存在异物。
为此，可以利用激光雷达实时采集目标对象集合中的每个目标对象形成的点云数据，形成点云数据序列，点云数据序列为按照时间顺序排列的目标对象的雷达发射数据。点云数据中包含基于激光雷达坐标而确定的目标对象的空间坐标信息。
由于环境的复杂性，激光雷达中的点云数据会存在噪声数据，为此，需要快速的将雷达数据中的噪声数据进行过滤，从而保证点云数据序列中数据的准确性。
具体的，可以获取点云数据序列中的任意三个连续点云数据的位置坐标；基于所述位置坐标，形成两个由两个连续点云数据形成的第一线段和第二线段；计算第一线段和第二线段之间的夹角，以判断点云数据序列中空间夹角是否大于预设夹角，以便于将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合。
通过上述实施例中的方案，提高了数据处理的能力。
参见图2，根据本公开实施例的一种具体实现方式，所述采集当前位置下预设路线上的目标对象，形成的第一图像，包括：
S201，利用所述图像采集设备上的左目相机和右目相机，分别采集左目视频帧和右目视频帧；
S202，基于所述左目视频帧图像和右目视频帧图像，计算当前视野下采集到的目标对象的深度值；
S203，当所述深度值小于预设深度值时，舍弃当前时刻采集到的左目视频帧和右目视频帧；
S204，当所述深度值大于预设深度值时，基于左目视频帧和右目视频帧生成所述第一图像。
根据本公开实施例的一种具体实现方式，所述当所述深度值大于预设深度值时，基于左目视频帧和右目视频帧生成所述第一图像之后，所述方法还包括：
生成激活信号，以便于基于所述激活信号，启动所述激光雷达。
根据本公开实施例的一种具体实现方式，所述基于设置于所述无人机之上的图像采集设备，采集当前位置下预设路线上的目标对象，形成的第一图像之前，所述方法还包括：
在所述无人机的图像采集设备中，提前存储于所述预设线路相关的视频图像，所述视频图像中包含所述第二图像。
根据本公开实施例的一种具体实现方式，所述对所述第三图像中进行目标识别，形成目标对象集合，包括：
对所述第三图像进行边缘检测，形成边缘检测结果；
在所述边缘检测结果中查找形成封闭曲线的目标对象，形成目标对象集合。
参见图3，根据本公开实施例的一种具体实现方式，所述实时采集目标对象集合中的每个目标对象形成的点云数据，包括：
S301，获取识别到的目标对象在第三图像中的平面位置坐标；
S302，基于所述平面位置坐标和所述无人机当前的高度值，确定所述激光雷达的扫描角度；
S303，基于所述扫描角度，对所述识别到的目标的对象进行雷达数据采集；
S304，基于采集到的雷达数据，形成与识别到的目标对象相关的点云数据。
参见图4，根据本公开实施例的一种具体实现方式，所述将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合，包括：
S401，获取点云数据序列中的任意三个连续点云数据的位置坐标；
S402，基于所述位置坐标，形成两个由两个连续点云数据形成的第一线段和第二线段；
S403，计算第一线段和第二线段之间的夹角，以判断点云数据序列中空间夹角是否大于预设夹角。
根据本公开实施例的一种具体实现方式，所述基于当前位置信息，形成点云数据集合之后，所述方法还包括：
对点云数据集合进行三维建模，通过对三维建模后存在的目标对象进行检测，判断预设路线上是否存在异物。
作为一种可选方式，在获取到无人机拍摄到的三维点云数据集合之后，即在步骤S105之后，还可以继续执行基于三维图像的缺陷识别方法，可以包括如下步骤A101~A105：
A101，获取无人机拍摄的三维点云数据集合。
可以设置无人机按照预设的路线进行缺陷拍摄，通过拍摄得到的数据可以得到三维点云数据集合，三维点云数据集合中包含了预设路线（例如，轨道路线）上包含的所有的目标对象。
点云数据集合中包含了目标对象在三维空间的空间位置信息，为此可以基于三维点云数据集合来计算和分析无人机拍摄到的目标对象。
A102，基于所述点云数据集合描述的目标对象的三维目标对象的尺寸，确定n个所述目标对象在水平方向的投影轮廓长度序列，形成第一特征向量。
具体的，可以获取所述水平方向投影轮廓的中心点以及所述投影轮廓在所述中心点上的最长连接线，对所述最长连接线进行n等分，计算n个等分点在所述最长连接线的垂直方向上的长度，最后将n个等分点在所述最长连接线的垂直方向上的长度作为所述第一特征向量中的n个元素，得到第一特征向量。
A103，在所述目标对象三维模型的垂直方向，以所述目标对象三维模型的中心点为中心，以360/n作为步进角度，依次轴向旋转360/n次，形成n个轴向轮廓特征矩阵，基于n个轴向轮廓特征矩阵的特征值，形成第二特征向量。
具体的，可以以所述最长连接线所在的垂直面为起始旋转面，以360/n作为步进角度，形成n个轴向轮廓面；将所述n个轴向轮廓面的水平方向和垂直方向上的相对位置坐标作为元素，形成n个轴向轮廓特征矩阵。通过计算n个特征矩阵的特征值，最终得到第二特征向量。
A104，将所述第一特征向量和所述第二特征向量分别作为水平向量和垂直向量进行乘计算，得到所述三维点云数据集合中目标对象的特征矩阵。
A105，将所述特征矩阵与模型库中已经存在的模型矩阵进行匹配计算，基于匹配计算的结果，确定所述三维点云数据集合中的目标对象的类型以及相应缺陷。
具体的，可以判断所述特征矩阵与模型库中已经存在的模型矩阵的匹配值是否大于预设值；若否，则判定所述目标对象为异物对象；基于所述异物对象的最长连接线的长度，确定所述异物对象所对应的缺陷类型。
与上面的实施例相对应，参见图5，本公开实施例还提供了一种无人机三维数据前端处理装置50，包括：
控制模块501，控制无人机按照预设路线对所述预设路线上存在的目标对象进行拍摄飞行操作；
获取模块502，用于利用所述无人机上设置的定位设备，实时获取无人机的当前位置信息；
采集模块503，用于基于设置于所述无人机之上的图像采集设备，采集当前位置下预设路线上的目标对象，形成的第一图像；
形成模块504，用于获取与当前位置信息匹配的第二图像，将所述第一图像与所述第二图像进行差分匹配后，形成第三图像；
执行模块505，用于对所述第三图像中进行目标识别，形成目标对象集合，实时采集目标对象集合中的每个目标对象形成的点云数据，形成点云数据序列，将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合。
本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。
参见图6，本公开实施例还提供了一种无人机60，该无人机包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中的无人机三维数据前端处理方法。
下面参考图6，其示出了适于用来实现本公开实施例的无人机60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，无人机60可以包括处理装置（例如中央处理器、图形处理器等）601，其可以根据存储在只读存储器（ROM）602中的程序或者从存储装置608加载到随机访问存储器（RAM）603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有无人机60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出（I/O）接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许无人机60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的无人机60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
除此之外，无人机还可以包括定位设备、图像采集设备以及激光雷达。
所述图像采集设备包括：
左目相机，所述左目相机用于基于左目视角采集左目视频帧；
右目相机，所述右目相机用于基于右目视角采集右目视频帧；
计算单元，所述计算单元基于所述左目视频帧图像和右目视频帧图像，计算当前视野下采集到的目标对象的深度值；
当所述深度值小于预设深度值时，舍弃当前时刻采集到的左目视频帧和右目视频帧；
当所述深度值大于预设深度值时，在基于左目视频帧和右目视频帧生成第一图像之后，生成激活信号，以便于基于所述激活信号，启动所述激光雷达。
根据本公开实施例的一种具体实现方式，所述图像采集设备还包括：
图像预处理模块，所述图像预处理模块用于对获取到的左目视频帧和右目视频帧进行图像预处理操作。
根据本公开实施例的一种具体实现方式，所述图像采集设备还包括：
存储单元，所述存储单元用于提前存储于所述预设线路相关的视频图像，所述视频图像中包括所述第二图像。
根据本公开实施例的一种具体实现方式，所述图像采集设备还包括：
电源电路，所述电源电路包括第一线路和第二线路；所述第一线路产生固定的预稳压电压第一输出电压，启动核心功能电路并给所述第二线路供电；所述第二线路产生实际电路所需的预稳压电压第二输出电压；
所述第一线路包括预基准端、第一差分放大器、第一晶体管、第二晶体管、第三晶体管、第一电阻和第二电阻；
所述基准端产生预基准端输入至所述第一差分放大器的负输入端，其输出端接第三晶体管的栅端；
所述第三晶体管的源端接地，漏端接第一晶体管漏端；
第一晶体管栅端接第二晶体管栅端，第二晶体管漏端接第二电阻的第一端，第二电阻的第二端接第一电阻的第一端，第一电阻的第二端接地；第一差分放大器的正输入端接第一电阻的第一端。
根据本公开实施例的一种具体实现方式，所述激光雷达，包括：
电源输入端，用于接收所述电源电路输出的第二输出电压；
比较器，所述比较器具有第一输入端、第二输入端和输出端，所述第一输入端耦接到所述激光供电电源，所述第一输入端并通过电容耦接到跨阻放大器的输入端；
所述第二输入端耦接所述激活信号，用以在激活信号的激励下启动所述激光雷达；
开关器件，所述开关器件具有控制端、第一端和第二端，所述控制端耦接到所述比较器的输出端，所述第一端耦接到第二电压源，所述第二端耦接到所述跨阻放大器的输入端或输出端。
根据本公开实施例的一种具体实现方式，所述激光雷达，还包括：
目标识别模块，用于所述第三图像中进行目标识别，形成目标对象集合。
根据本公开实施例的一种具体实现方式，所述激光雷达还用于：
获取识别到的目标对象在第三图像中的平面位置坐标；
基于所述平面位置坐标和所述无人机当前的高度值，确定所述激光雷达的扫描角度；
基于所述扫描角度，对所述识别到的目标的对象进行雷达数据采集；
基于采集到的雷达数据，形成与识别到的目标对象相关的点云数据。
根据本公开实施例的一种具体实现方式，所述激光雷达还用于：
获取点云数据序列中的任意三个连续点云数据的位置坐标；
基于所述位置坐标，形成两个由两个连续点云数据形成的第一线段和第二线段；
计算第一线段和第二线段之间的夹角，以判断点云数据序列中空间夹角是否大于预设夹角。
本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中的无人机三维数据前端处理方法。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的的无人机三维数据前端处理方法。
上述计算机可读介质可以是上述无人机中所包含的；也可以是单独存在，而未装配入该无人机中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该无人机执行时，使得该无人机：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该无人机执行时，使得该无人机：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种无人机三维数据前端处理方法，其特征在于，包括：
控制无人机按照预设路线对所述预设路线上存在的目标对象进行拍摄飞行操作；
利用所述无人机上设置的定位设备，实时获取无人机的当前位置信息；
基于设置于所述无人机之上的图像采集设备，采集当前位置下预设路线上的目标对象，形成的第一图像；
获取与当前位置信息匹配的第二图像，将所述第一图像与所述第二图像进行差分匹配后，形成第三图像；
对所述第三图像中进行目标识别，形成目标对象集合，实时采集目标对象集合中的每个目标对象形成的点云数据，形成点云数据序列，将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合；
图像采集设备用于采集巡检路线上的图像，所述图像采集设备设置于所述无人机之上，用于采集当前位置下形成的第一图像；
图像采集设备为双目相机，图像采集设备包括左目相机和右目相机，所述左目相机用于基于左目视角采集左目视频帧，所述右目相机用于基于右目视角采集右目视频帧；左目相机和右目相机间隔预设的距离，以便基于左目相机和右目相机来确定拍摄到的目标对象的深度图像信息；
图像采集设备上还设置有计算单元，所述计算单元基于左目视频帧图像和右目视频帧图像，计算当前视野下采集到的目标对象的深度值；
通过判断采集到的左目视频帧图像和右目视频帧图像形成的深度值，判断图像中的目标对象是否为需要巡检的对象，当所述深度值小于预设深度值时，舍弃当前时刻采集到的左目视频帧和右目视频帧，通过这种方式减少系统资源的占用；当所述深度值大于预设深度值时，在基于左目视频帧和右目视频帧生成第一图像之后，生成激活信号，以便于基于所述激活信号，启动激光雷达；通过在激活信号之后再启动激光雷达，能够在需要激光雷达进行拍摄的时候再启动激光雷达，从而进一步的节省激光雷达对于系统资源的消耗；
为了进一步提高图像处理的效率，在图像采集设备中设置存储单元，所述存储单元用于提前存储于预设线路相关的视频图像，所述视频图像中包括所述第二图像，该视频图像是在无异物的情况下，专门拍摄的预设线路的视频图像，视频图像中包含其拍摄地所在的位置信息，通过这种方式，能够基于当前的位置信息来获取与当前位置信息匹配的第二图像，将所述第一图像与所述第二图像进行差分匹配后，形成第三图像；第一图像和第二图像差分匹配的过程中，通过目标识别的方式，将第二图像中存在的目标对象在第一图像中删除，通过这种方式，能够进一步的减少目标对象的检测量，从而减少系统的计算，提高目标检测的效率；
激光雷达在检测到目标对象之后进一步的采集目标对象的点云数据；所述激光雷达针对所述第三图像中进行目标识别，形成目标对象集合，通过对目标集合中的对象进行分析，能够进一步判断目标对象集合中是否存在异物；
为此，利用激光雷达实时采集目标对象集合中的每个目标对象形成的点云数据，形成点云数据序列，点云数据序列为按照时间顺序排列的目标对象的雷达发射数据；点云数据中包含基于激光雷达坐标而确定的目标对象的空间坐标信息；
将雷达数据中的噪声数据进行过滤，从而保证点云数据序列中数据的准确性，包括：获取点云数据序列中的任意三个连续点云数据的位置坐标；基于所述位置坐标，形成两个由两个连续点云数据形成的第一线段和第二线段；计算第一线段和第二线段之间的夹角，以判断点云数据序列中空间夹角是否大于预设夹角，以便于将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合。
2.根据权利要求1所述的方法，其特征在于，所述采集当前位置下预设路线上的目标对象，形成的第一图像，包括：
利用所述图像采集设备上的左目相机和右目相机，分别采集左目视频帧和右目视频帧；
基于所述左目视频帧图像和右目视频帧图像，计算当前视野下采集到的目标对象的深度值；
当所述深度值小于预设深度值时，舍弃当前时刻采集到的左目视频帧和右目视频帧；
当所述深度值大于预设深度值时，基于左目视频帧和右目视频帧生成所述第一图像。
3.根据权利要求2所述的方法，其特征在于，所述当所述深度值大于预设深度值时，基于左目视频帧和右目视频帧生成所述第一图像之后，所述方法还包括：
生成激活信号，以便于基于所述激活信号，启动激光雷达。
4.根据权利要求2所述的方法，其特征在于，所述基于设置于所述无人机之上的图像采集设备，采集当前位置下预设路线上的目标对象，形成的第一图像之前，所述方法还包括：
在所述无人机的图像采集设备中，提前存储于预设线路相关的视频图像，所述视频图像中包含所述第二图像。
5.根据权利要求1所述的方法，其特征在于，所述对所述第三图像中进行目标识别，形成目标对象集合，包括：
对所述第三图像进行边缘检测，形成边缘检测结果；
在所述边缘检测结果中查找形成封闭曲线的目标对象，形成目标对象集合。
6.根据权利要求1所述的方法，其特征在于，所述实时采集目标对象集合中的每个目标对象形成的点云数据，包括：
获取识别到的目标对象在第三图像中的平面位置坐标；
基于所述平面位置坐标和所述无人机当前的高度值，确定激光雷达的扫描角度；
基于所述扫描角度，对所述识别到的目标的对象进行雷达数据采集；
基于采集到的雷达数据，形成与识别到的目标对象相关的点云数据。
7.根据权利要求1所述的方法，其特征在于，所述将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合，包括：
获取点云数据序列中的任意三个连续点云数据的位置坐标；
基于所述位置坐标，形成两个由两个连续点云数据形成的第一线段和第二线段；
计算第一线段和第二线段之间的夹角，以判断点云数据序列中空间夹角是否大于预设夹角；
将空间夹角大于预设夹角的点云数据在所述点云数据序列中删除后，将剩余的点云数据组成所述点云数据集合。
8.根据权利要求1所述的方法，其特征在于，所述基于当前位置信息，形成点云数据集合之后，所述方法还包括：
对点云数据集合进行三维建模，通过对三维建模后存在的目标对象进行检测，判断预设路线上是否存在异物。
9.一种无人机三维数据前端处理装置，其特征在于，包括：
控制模块，控制无人机按照预设路线对所述预设路线上存在的目标对象进行拍摄飞行操作；
获取模块，用于利用所述无人机上设置的定位设备，实时获取无人机的当前位置信息；
采集模块，用于基于设置于所述无人机之上的图像采集设备，采集当前位置下预设路线上的目标对象，形成的第一图像；
形成模块，用于获取与当前位置信息匹配的第二图像，将所述第一图像与所述第二图像进行差分匹配后，形成第三图像；
执行模块，用于对所述第三图像中进行目标识别，形成目标对象集合，实时采集目标对象集合中的每个目标对象形成的点云数据，形成点云数据序列，将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合；
图像采集设备用于采集巡检路线上的图像，所述图像采集设备设置于所述无人机之上，用于采集当前位置下形成的第一图像；
图像采集设备为双目相机，图像采集设备包括左目相机和右目相机，所述左目相机用于基于左目视角采集左目视频帧，所述右目相机用于基于右目视角采集右目视频帧；左目相机和右目相机间隔预设的距离，以便基于左目相机和右目相机来确定拍摄到的目标对象的深度图像信息；
图像采集设备上还设置有计算单元，所述计算单元基于左目视频帧图像和右目视频帧图像，计算当前视野下采集到的目标对象的深度值；
通过判断采集到的左目视频帧图像和右目视频帧图像形成的深度值，判断图像中的目标对象是否为需要巡检的对象，当所述深度值小于预设深度值时，舍弃当前时刻采集到的左目视频帧和右目视频帧，通过这种方式减少系统资源的占用；当所述深度值大于预设深度值时，在基于左目视频帧和右目视频帧生成第一图像之后，生成激活信号，以便于基于所述激活信号，启动激光雷达；通过在激活信号之后再启动激光雷达，能够在需要激光雷达进行拍摄的时候再启动激光雷达，从而进一步的节省激光雷达对于系统资源的消耗；
为了进一步提高图像处理的效率，在图像采集设备中设置存储单元，所述存储单元用于提前存储于预设线路相关的视频图像，所述视频图像中包括所述第二图像，该视频图像是在无异物的情况下，专门拍摄的预设线路的视频图像，视频图像中包含其拍摄地所在的位置信息，通过这种方式，能够基于当前的位置信息来获取与当前位置信息匹配的第二图像，将所述第一图像与所述第二图像进行差分匹配后，形成第三图像；第一图像和第二图像差分匹配的过程中，通过目标识别的方式，将第二图像中存在的目标对象在第一图像中删除，通过这种方式，能够进一步的减少目标对象的检测量，从而减少系统的计算，提高目标检测的效率；
激光雷达在检测到目标对象之后进一步的采集目标对象的点云数据；所述激光雷达针对所述第三图像中进行目标识别，形成目标对象集合，通过对目标集合中的对象进行分析，能够进一步判断目标对象集合中是否存在异物；
为此，利用激光雷达实时采集目标对象集合中的每个目标对象形成的点云数据，形成点云数据序列，点云数据序列为按照时间顺序排列的目标对象的雷达发射数据；点云数据中包含基于激光雷达坐标而确定的目标对象的空间坐标信息；
将雷达数据中的噪声数据进行过滤，从而保证点云数据序列中数据的准确性，包括：获取点云数据序列中的任意三个连续点云数据的位置坐标；基于所述位置坐标，形成两个由两个连续点云数据形成的第一线段和第二线段；计算第一线段和第二线段之间的夹角，以判断点云数据序列中空间夹角是否大于预设夹角，以便于将点云数据序列中空间夹角大于预设夹角的点云数据剔除之后，基于当前位置信息，形成点云数据集合。
10.一种无人机，其特征在于，所述无人机包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述权利要求1-8中任一项所述的无人机三维数据前端处理方法。
CN202110310011.XA 2021-03-24 2021-03-24 无人机三维数据前端处理方法、装置及无人机 Active CN114820777B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110310011.XA CN114820777B (zh) 2021-03-24 2021-03-24 无人机三维数据前端处理方法、装置及无人机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110310011.XA CN114820777B (zh) 2021-03-24 2021-03-24 无人机三维数据前端处理方法、装置及无人机

Publications (2)

Publication Number Publication Date
CN114820777A CN114820777A (zh) 2022-07-29
CN114820777B true CN114820777B (zh) 2022-12-16

Family

ID=82526594

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110310011.XA Active CN114820777B (zh) 2021-03-24 2021-03-24 无人机三维数据前端处理方法、装置及无人机

Country Status (1)

Country Link
CN (1) CN114820777B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108317953A (zh) * 2018-01-19 2018-07-24 东北电力大学 一种基于无人机的双目视觉目标表面3d检测方法及系统
CN109035397A (zh) * 2018-07-02 2018-12-18 四川国软科技发展有限责任公司 一种基于无人机的轨道站台建模系统及其建模方法
US11710415B2 (en) * 2019-08-01 2023-07-25 Halkin Inc. Methods and devices for unmanned aerial vehicle based site inspection and scale rendered analysis
CN111105398A (zh) * 2019-12-19 2020-05-05 昆明能讯科技有限责任公司 一种基于可见光图像数据的输电线路部件裂纹检测方法
CN111243083A (zh) * 2020-01-10 2020-06-05 丽水正阳电力建设有限公司 一种基于无人机倾斜摄影测量技术的三维建模方法
CN112378336B (zh) * 2020-11-13 2023-02-17 南通中远海运川崎船舶工程有限公司 一种基于无人机的舱容测量系统及其测量方法

Also Published As

Publication number Publication date
CN114820777A (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN112598668B (zh) 基于三维图像的缺陷识别方法、装置及电子设备
EP2092270A1 (en) Method and apparatus for identification and position determination of planar objects in images
CN109284801B (zh) 交通指示灯的状态识别方法、装置、电子设备及存储介质
WO2020039937A1 (ja) 位置座標推定装置、位置座標推定方法およびプログラム
CN112712023B (zh) 车型识别方法、系统及电子设备
CN111319560B (zh) 信息处理系统、程序和信息处理方法
CN104422426B (zh) 在高架道路区域内提供车辆导航信息的方法和设备
CN113221756A (zh) 交通标志检测方法及相关设备
CN109544981B (zh) 图像处理方法、装置、设备和介质
CN109300322B (zh) 引导线绘制方法、装置、设备和介质
CN112859109B (zh) 无人机全景图像处理方法、装置及电子设备
CN114554391A (zh) 一种停车场寻车方法、装置、设备和存储介质
CN114820777B (zh) 无人机三维数据前端处理方法、装置及无人机
CN112616118A (zh) 一种车辆所经过的etc门架确定方法、装置及存储介质
CN112532929A (zh) 路况信息确定方法及装置、服务器、存储介质
JP7261090B2 (ja) 車載装置、運転支援方法、および運転支援システム
CN112005275B (zh) 使用视频内存池进行点云渲染的系统和方法
CN112857254B (zh) 基于无人机数据的参数测量方法、装置及电子设备
CN111105641A (zh) 基于bim模型的寻车方法、设备及可读存储介质
CN113984109B (zh) 轨道检测数据校正方法、装置及电子设备
JP2020193956A5 (zh)
CN106840181B (zh) 用于确定车辆位置的系统和方法
CN113962107A (zh) 对行驶路段仿真的方法、装置、电子设备及存储介质
JP7232727B2 (ja) 地図データ管理装置及び地図データ管理方法
CN111383337B (zh) 用于识别对象的方法和装置

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
CP01 Change in the name or title of a patent holder

Address after: 102206 room 503, building 6, No.97, Changping Road, Changping District, Beijing

Patentee after: Beijing Dacheng Guoce Technology Co.,Ltd.

Address before: 102206 room 503, building 6, No.97, Changping Road, Changping District, Beijing

Patentee before: BEIJING DACHENG GUOCE SCIENCE AND TECHNOLOGY CO.,LTD.

CP01 Change in the name or title of a patent holder