CN114913717A - 一种基于智能终端的便携式低空飞行防撞系统及方法 - Google Patents
一种基于智能终端的便携式低空飞行防撞系统及方法 Download PDFInfo
- Publication number
- CN114913717A CN114913717A CN202210852958.8A CN202210852958A CN114913717A CN 114913717 A CN114913717 A CN 114913717A CN 202210852958 A CN202210852958 A CN 202210852958A CN 114913717 A CN114913717 A CN 114913717A
- Authority
- CN
- China
- Prior art keywords
- altitude
- low
- flight
- source
- intelligent terminal
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0047—Navigation or guidance aids for a single aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/04—Anti-collision systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种基于智能终端的便携式低空飞行防撞系统及方法,涉及航空电子系统技术领域,包括:危险源管理识别组件、数据储存组件、定位组件、危险源预警组件;所述危险源管理识别组件将低空障碍物危险源的经纬度坐标和海拔高度信息导出为GIS矢量数据文件;所述危险源预警组件根据GIS矢量数据文件和当前飞行的位置信息计算出与低空障碍物危险源的水平距离和高度差,设置阈值进行低空障碍物预警和低空高程预警;本发明,基于该系统还提出了相应的防撞方法,能够对飞行区域内的危险源进行有效的识别和预警,基于华为国产智能终端进行开发,适配鸿蒙操作系统,实现国产自主可控,具有携带方便,操作简便,实用性强等特点。
Description
技术领域
本发明涉及航空电子系统技术领域,具体涉及一种基于智能终端的便携式低空飞行防撞系统及方法。
背景技术
随着低空空域试点区域的逐步开放,通航产业得到快速发展,保障低空飞行安全成为通航产业一个重要任务;由于飞行高度低(1000m以下),通航飞行安全受到多种因素的影响,比如电力铁塔、低空线缆、山体、高层建筑等障碍物,以及低空湍流,飞机结冰等气象因素;大多数低空飞行事故都是由这些危险因素引起的,目前市面上也没有一款软件系统可以针对低空飞行器进行危险源避障预警;但随着卫星遥感技术、人工智能技术、北斗高精度定位技术的发展,使得低空飞行危险源识别与预警成为可能。
发明内容
本发明的目的在于:针对目前市面上也没有一款软件系统可以针对低空飞行器进行危险源避障预警的问题,提供了一种基于智能终端的便携式低空飞行防撞系统及方法,即以华为智能终端作为承载平台,实时监测预警低空飞行中的电力铁塔、低空线缆、山体、高层建筑等危险源,并实现及时预警的作用,解决了上述问题。
本发明的技术方案如下:
一种基于智能终端的便携式低空飞行防撞系统,包括:
危险源管理识别组件,所述危险源管理识别组件获取低空障碍物危险源的经纬度坐标和海拔高度信息,并导出为GIS矢量数据文件;
基于华为智能终端的数据储存组件,所述数据储存组件提供数据储存服务,导出的GIS矢量数据文件储存至数据储存组件;
定位组件,所述定位组件获取飞行的位置信息;
基于华为智能终端的危险源预警组件,所述危险源预警组件对从数据储存组件提取的GIS矢量数据文件和当前飞行的位置信息进行空间运算,实时计算与低空障碍物危险源的水平距离和高度差,当达到阈值时,进行低空障碍物预警和低空高程预警。
优选地,还可以包括系统组件,所述系统组件用于日志管理、升级管理、系统设置等。
进一步地,所述数据储存组件内储存有高精度DEM数据文件和立体相对影像数据,所述高精度DEM数据文件包括:区域高程数据。
进一步地,所述危险源管理识别组件获取低空障碍物危险源的经纬度坐标和海拔高度信息包括:
危险源管理识别组件通过人工智能遥感解译技术从高分辨率卫星影像和航拍影像中检测出低空障碍物危险源,识别低空障碍物危险源类型,并提取低空障碍物危险源的经纬度坐标;
通过区域高程数据和低空障碍物危险源的经纬度坐标,获取低空障碍物危险源所在点的海拔高度;
通过立体相对影像数据、高精度DEM数据文件、低空障碍物危险源类型,获取低空障碍物危险源的实际高度;
根据低空障碍物危险源所在点的海拔高度和低空障碍物危险源的实际高度,通过计算得到低空障碍物危险源的海拔高度信息。
进一步地,还包括:
基于华为智能终端的GIS地图组件,所述GIS地图组件提供的服务包括:基础地图操作、图层管理控制、地图数据管理、绘制功能;
基于华为智能终端的航线管理组件,所述航线管理组件根据GIS矢量数据文件和高精度DEM数据文件进行航线规划,使航线从水平距离和垂直方向上避开低空障碍物危险源。
进一步地,所述危险源管理识别组件实时获取航线的气象数据;
当航线的气象数据不符合飞行安全条件时,所述危险预警组件进行低空气象预警。
进一步地,所述定位组件包括:华为智能终端内嵌的定位芯片和外接定位装置。
进一步地,还包括智能穿戴设备;
所述智能穿戴设备与华为智能终端进行通讯,当危险源预警组件进行预警时,智能穿戴设备同步进行预警。
一种基于智能终端的便携式低空飞行防撞方法,采用上述的一种基于智能终端的便携式低空飞行防撞系统,包括:
步骤S1:获取低空障碍物危险源的经纬度坐标和海拔高度信息,并导出为GIS矢量数据文件;
步骤S2:获取飞行的位置信息和航线的气象数据;
步骤S3:根据GIS矢量数据文件和当前飞行的位置信息进行空间运算,实时计算与低空障碍物危险源的水平距离和高度差,当达到阈值时,进行低空障碍物预警和低空高程预警;当航线的气象数据不符合飞行安全条件时,进行低空气象预警。
进一步地,所述步骤S1中,获取低空障碍物危险源的经纬度坐标和海拔高度信息,包括:
步骤S11:采用基于深度学习模型的危险源检测识别方法识别输入的高分辨率卫星影像和航拍影像中的低空障碍物危险源和低空障碍物危险源类型,并提取低空障碍物危险源的经纬度坐标;
步骤S12:通过区域高程数据和低空障碍物危险源的经纬度坐标,获取低空障碍物危险源所在点的海拔高度;通过立体相对影像数据、高精度DEM数据文件、低空障碍物危险源类型,获取低空障碍物危险源的实际高度;
步骤S13:根据低空障碍物危险源所在点的海拔高度和低空障碍物危险源的实际高度,通过计算得到低空障碍物危险源的海拔高度信息;
其中,所述基于深度学习模型的危险源检测识别方法,包括:
高分辨率卫星影像和航拍影像输入至深度学习模型中通过一系列的卷积运算操作获取不同尺寸的特征图,选择在7×7、21×21和35×35的特征图中使用检测头,识别可能的特征区域并将结果输出至全连接层进行回归,最终通过计算输出低空障碍物危险源的经纬度坐标;
设高分辨率卫星影像和航拍影像为X,所述卷积运算操作,表达为:
式中:
所述识别可能的特征区域,表达为:
式中:
所述通过计算输出低空障碍物危险源的经纬度坐标,表达为:
式中:
进一步地,还包括:航线优化;
所述航线优化包括如下步骤:
步骤A:根据航线、航线所在区域的高精度DEM数据文件和GIS矢量数据文件计算出飞行安全高度;
步骤B:根据飞行安全高度,对航线进行优化。
与现有的技术相比本发明的有益效果是:
一种基于智能终端的便携式低空飞行防撞系统及方法,包括:危险源管理识别组件,所述危险源管理识别组件获取低空障碍物危险源的经纬度坐标和海拔高度信息,并导出为GIS矢量数据文件;基于华为智能终端的数据储存组件,所述数据储存组件提供数据储存服务,导出的GIS矢量数据文件储存至数据储存组件;定位组件,所述定位组件获取飞行的位置信息;基于华为智能终端的危险源预警组件,所述危险源预警组件对从数据储存组件提取的GIS矢量数据文件和当前飞行的位置信息进行空间运算,实时计算与低空障碍物危险源的水平距离和高度差,当达到阈值时,进行低空障碍物预警和低空高程预警;基于该系统还提出了相应的防撞方法,能够对飞行区域内的危险源进行有效的识别和预警;同时能够基于低空危险源、地形数据、航空气象预警数据对安全航线进行规划和优化,有效确保航线水平位置和垂直高度在安全范围内;且基于华为国产智能终端进行开发,适配鸿蒙操作系统,实现国产自主可控,具有携带方便,操作简便,实用性强等特点。
附图说明
图1为一种基于华为智能终端的便携式低空飞行防撞系统的组件关系图;
图2为一种基于华为智能终端的便携式低空飞行防撞系统的总体构架图;
图3为一种基于华为智能终端的便携式低空飞行防撞方法中低空障碍物危险源识别和矢量化流程;
图4为一种基于华为智能终端的便携式低空飞行防撞方法中深度学习模型网络结构示意图;
图5为一种基于华为智能终端的便携式低空飞行防撞系统的硬件构成示意图;
图6为一种基于华为智能终端的便携式低空飞行防撞系统的预警流程;
图7为一种基于华为智能终端的便携式低空飞行防撞方法中当航线优化的对象为现有航线时的航线优化流程图;
图8为一种基于华为智能终端的便携式低空飞行防撞方法中当航线优化的对象为绘制的当前航线时的航线优化流程图。
具体实施方式
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面结合实施例对本发明的特征和性能作进一步的详细描述。
实施例一
随着低空空域试点区域的逐步开放,通航产业得到快速发展,保障低空飞行安全成为通航产业一个重要任务;由于飞行高度低(1000m以下),通航飞行安全受到多种因素的影响,比如电力铁塔、低空线缆、山体、高层建筑等障碍物,以及低空湍流,飞机结冰等气象因素;大多数低空飞行事故都是由这些危险因素引起的,目前市面上也没有一款软件系统可以针对低空飞行器进行危险源避障预警;但随着卫星遥感技术、人工智能技术、北斗高精度定位技术的发展,使得低空飞行危险源识别与预警成为可能。
本实施例针对于上述问题,提出了一种基于华为智能终端的便携式低空飞行防撞系统及方法,即以华为智能终端作为承载平台,实时监测预警低空飞行中的电力铁塔、低空线缆、山体、高层建筑等危险源;系统利用人工智能遥感解译技术从影像上识别出电力铁塔等障碍物,同时计算出其坐标位置,通过铁塔位置连线推算出高压输电线位置和走向,生成铁塔、低空线缆等危险源分布图;结合高精度DEM数据,利用GIS空间分析等技术,提取山体地形和高层建筑数据,生成山体、高层建筑等危险源分布图;同时利用外置的高精度北斗定位装置提供的实时位置服务,获取飞行的精确位置和飞行高度,结合铁塔、低空线缆、山体、高层建筑的分布情况,实现对目标范围内低空飞行铁塔、低空线缆、山体、高层建筑等危险源的及时预警,包括安全水平距离、安全飞行高度等要素。
系统还能根据危险源的分布情况,结合低空湍流、飞机结冰等航空气象预警信息,实现低空飞行安全航线规划和导航功能,以确保低空飞行航线在水平和垂直方向上跟低空障碍物危险源保持一个安全距离。
请参阅图5,本系统采用基于鸿蒙操作系统的华为国产智能终端设备,外置高精度国产北斗定位装置,从硬件到软件实现完全国产自主可控;整个系统具有方便便携,软件按需加载,可扩展性强等特点。
具体的,请参阅图1-2,一种基于华为智能终端的便携式低空飞行防撞系统,具体包括:
危险源管理识别组件,所述危险源管理识别组件获取低空障碍物危险源的经纬度坐标和海拔高度信息,并导出为GIS矢量数据文件;优选地,所述低空障碍物危险源包括:电力铁塔、低空线缆、山体、高层建筑等;所述华为智能终端为华为平板,所述防撞系统基于华为平板的鸿蒙系统进行部署;
基于华为智能终端的数据储存组件,所述数据储存组件提供数据储存服务,导出的GIS矢量数据文件储存至数据储存组件;即所述数据储存组件为其他组件提供储存服务,其他组件生成的数据和需预存的数据均可储存在数据储存组件中,供其他组件提取;
定位组件,所述定位组件获取飞行的位置信息;优选地,所述定位组件包括:华为智能终端内嵌的定位芯片和外接定位装置;所述外接定位装置的类型包括:高精度北斗定位装置;即定位组件是一个统一对外提供定位的服务模块,默认通过系统提供的API获取华为智能终端内嵌的定位芯片的定位数据,也支持外接高精度定位装置的接入获取定位数据(在本实施例中,通过Type-C接口外接一个北斗高精度定位装置,选择定位模式为外接模块定位,待模块初始化完成后,即可获取到外接模块的定位数据);优选地,所述外接定位装置在当内嵌的定位芯片没有定位信号或信号较弱时使用,提高定位精度;飞行的位置信息包括:飞行时间、飞机所在经度、飞机所在纬度、飞机所在海拔、飞机当前的飞行方位等;
基于华为智能终端的危险源预警组件,所述危险源预警组件对从数据储存组件提取的GIS矢量数据文件和当前飞行的位置信息进行空间运算,实时计算与低空障碍物危险源的水平距离和高度差,当达到阈值时,进行低空障碍物预警和低空高程预警;即进行实时低空防撞预警;
在本实施例中,具体的,所述数据储存组件内储存有高精度DEM数据文件和立体相对影像数据,所述高精度DEM数据文件包括:区域高程数据。
在本实施例中,具体的,所述危险源管理识别组件获取低空障碍物危险源的经纬度坐标和海拔高度信息包括:
危险源管理识别组件通过人工智能遥感解译技术从高分辨率卫星影像和航拍影像中检测出低空障碍物危险源,识别低空障碍物危险源类型,并提取低空障碍物危险源的经纬度坐标;所述低空障碍物危险源类型包括:电力铁塔、低空线缆、山体、高层建筑等;优选地,空间分辨率优于4m的卫星影像称之为高分辨率卫星影像;
通过区域高程数据和低空障碍物危险源的经纬度坐标,获取低空障碍物危险源所在点的海拔高度;
通过立体相对影像数据、高精度DEM数据文件、低空障碍物危险源类型,获取低空障碍物危险源的实际高度;优选地,当低空障碍物危险源类型为电力铁塔、低空线缆等时,可通过铁塔位置连线推算出高压输电线位置和走向,并与立体相对影像数据进行匹配,获取其实际高度;当低空障碍物危险源类型为山体、高层建筑等时,结合高精度DEM数据,利用GIS空间分析等技术,提取山体地形和高层建筑数据,获取其实际高度;
根据低空障碍物危险源所在点的海拔高度和低空障碍物危险源的实际高度,通过计算得到低空障碍物危险源的海拔高度信息;优选地,所述低空障碍物危险源的海拔高度信息等于低空障碍物危险源所在点的海拔高度与低空障碍物危险源的实际高度之和。
在本实施例中,具体的,还包括:
基于华为智能终端的GIS地图组件,所述GIS地图组件提供的服务包括:基础地图操作(放大、平移等)、图层管理控制(图层加载、移除、叠加、隐藏等)、地图数据管理(离线地图数据,在线地图数据等)、绘制功能(点线面等);优选地,即通过GIS地图组件可完成航线规划、现有航线导入等操作;
基于华为智能终端的航线管理组件,所述航线管理组件根据GIS矢量数据文件和高精度DEM数据文件进行航线规划,使航线从水平距离和垂直方向上避开低空障碍物危险源;即通过航线管理组件完成航线规划、航线优化、航线数据管理等功能,做到提前进行低空防撞预防。
在本实施例中,具体的,该系统还可以通过低空气象预警功能,具体包括:
所述危险源管理识别组件实时获取航线的气象数据;优选地,所述危险源管理识别组件通过网络进行实时获取;
当航线的气象数据不符合飞行安全条件时,所述危险预警组件进行低空气象预警;优选地,所述飞行安全条件包括:气象类型和气象等级等;不同的飞机种类,也可能会有不同的飞行安全条件,因此可将多种针对于不同飞机的飞行安全条件存储至数据储存组件,供危险预警组件提取。
在本实施例中,具体的,还包括智能穿戴设备;优选地,所述智能穿戴设备包括:华为手表、华为手环等;
所述智能穿戴设备与华为智能终端进行通讯,当危险源预警组件进行预警时,智能穿戴设备同步进行预警;即所述智能穿戴设备进行高频震动,从而提示驾驶员,进行预警。
在本实施例中,具体的,本实施例中提出的一种基于华为智能终端的便携式低空飞行防撞系统的其中一个使用场景如下:
1、首先在华为平板等华为智能终端上打开低空飞行防碰系统,检查是否能接收到北斗定位信息。
2、通过GIS矢量数据文件和高精度DEM数据文件,结合低空湍流、飞机结冰等航空气象预警信息,规划飞行航线,或加载预先规划好的飞行航线数据,启动低空飞行导航功能;
3、设定预警范围以及安全飞行高度后开启预警模式;
4、预警信息通过华为手表(或手环)以震动方式提醒飞行员。
本实施例中提出的一种基于华为智能终端的便携式低空飞行防撞系统,能够对飞行区域内的危险源进行有效的识别和预警;同时能够基于低空危险源、地形数据、航空气象预警数据对安全航线进行规划和优化,有效确保航线水平位置和垂直高度在安全范围内;且基于华为国产智能终端进行开发,适配鸿蒙操作系统,实现国产自主可控,具有携带方便,操作简便,实用性强等特点。
实施例二
实施例二针对于实施例一中的一种基于华为智能终端的便携式低空飞行防撞系统,提出了一种基于华为智能终端的便携式低空飞行防撞方法,请参阅图6,具体包括如下步骤:
步骤S1:获取低空障碍物危险源的经纬度坐标和海拔高度信息,并导出为GIS矢量数据文件;优选地,可通过危险源管理识别组件进行该步骤;
步骤S2:获取飞行的位置信息和航线的气象数据;优选地,获取飞行的位置信息是用于低空障碍物预警和低空高程预警;获取气象数据,是用于低空气象预警;所述飞行的位置信息由定位组件提供,所述气象数据由华为智能终端从网络中获取;
步骤S3:根据GIS矢量数据文件和当前飞行的位置信息进行空间运算,实时计算与低空障碍物危险源的水平距离和高度差,当达到阈值时,进行低空障碍物预警和低空高程预警;当航线的气象数据不符合飞行安全条件时,进行低空气象预警。
在本实施例中,具体的,请参阅图3,所述步骤S1中,获取低空障碍物危险源的经纬度坐标和海拔高度信息,包括:
步骤S11:采用基于深度学习模型的危险源检测识别方法识别输入的高分辨率卫星影像和航拍影像中的低空障碍物危险源和低空障碍物危险源类型,并提取低空障碍物危险源的经纬度坐标;优选地,所述低空障碍物危险源类型包括:电力铁塔、低空线缆、山体、高层建筑等;
步骤S12:通过区域高程数据和低空障碍物危险源的经纬度坐标,获取低空障碍物危险源所在点的海拔高度;通过立体相对影像数据、高精度DEM数据文件、低空障碍物危险源类型,获取低空障碍物危险源的实际高度;优选地,当低空障碍物危险源类型为电力铁塔、低空线缆等时,可通过铁塔位置连线推算出高压输电线位置和走向,并与立体相对影像数据进行匹配,获取其实际高度;当低空障碍物危险源类型为山体、高层建筑等时,结合高精度DEM数据,利用GIS空间分析等技术,提取山体地形和高层建筑数据,获取其实际高度;
步骤S13:根据低空障碍物危险源所在点的海拔高度和低空障碍物危险源的实际高度,通过计算得到低空障碍物危险源的海拔高度信息;优选地,所述低空障碍物危险源的海拔高度信息等于低空障碍物危险源所在点的海拔高度和低空障碍物危险源的实际高度之和。
其中,请参阅图4,所述基于深度学习模型的危险源检测识别方法,包括:
高分辨率卫星影像和航拍影像输入至深度学习模型中通过一系列的卷积运算操作获取不同尺寸的特征图,选择在7×7、21×21和35×35的特征图中使用检测头,识别可能的特征区域并将结果输出至全连接层进行回归,最终通过计算输出低空障碍物危险源的经纬度坐标;
设高分辨率卫星影像和航拍影像为X,所述卷积运算操作,表达为:
式中:
所述识别可能的特征区域,表达为:
式中:
所述通过计算输出低空障碍物危险源的经纬度坐标,表达为:
式中:
在本实施例中,还包括:航线优化;优选地,所述航线优化包括:对导入的现有航线进行航线优化和对根据需求实时绘制的当前航线进行航线优化;所述航线优化是在飞行前航线规划的时候就自动将低空障碍物危险源的信息考虑进去,规划/优化航线的时候就从水平距离和垂直方向上避开低空障碍物危险源;
所述航线优化包括如下步骤:
步骤A:根据航线、航线所在区域的高精度DEM数据文件和GIS矢量数据文件计算出飞行安全高度;
请参阅图7,优选地,当所述航线优化的对象为:现有航线时,该步骤的详细步骤为:打开系统选择进入到航线规划区域地图,导入选择已有的航线数据,预先设定飞行安全高度后,系统会根据航线数据,以及该区域的高精度DEM数据文件和GIS矢量数据文件,计算出航线的每一个点的飞行安全高度;
请参阅图8,优选地,当所述航线优化的对象为:绘制的当前航线时,该步骤的详细步骤为:打开系统选择进入到航线规划区域地图,在地图上绘制出计划航线,并预先设定飞行安全高度后,系统会根据航线数据,以及该区域的高精度DEM数据文件和GIS矢量数据文件,计算出航线的每一个点的飞行安全高度;
步骤B:根据飞行安全高度,对航线进行优化,并保存。
以上所述实施例仅表达了本申请的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请保护范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请技术方案构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。
Claims (10)
1.一种基于智能终端的便携式低空飞行防撞系统,其特征在于,包括:
危险源管理识别组件,所述危险源管理识别组件获取低空障碍物危险源的经纬度坐标和海拔高度信息,并导出为GIS矢量数据文件;
基于华为智能终端的数据储存组件,所述数据储存组件提供数据储存服务,导出的GIS矢量数据文件储存至数据储存组件;
定位组件,所述定位组件获取飞行的位置信息;
基于华为智能终端的危险源预警组件,所述危险源预警组件对从数据储存组件提取的GIS矢量数据文件和当前飞行的位置信息进行空间运算,实时计算与低空障碍物危险源的水平距离和高度差,当达到阈值时,进行低空障碍物预警和低空高程预警。
2.根据权利要求1所述的一种基于智能终端的便携式低空飞行防撞系统,其特征在于,所述数据储存组件内储存有高精度DEM数据文件和立体相对影像数据,所述高精度DEM数据文件包括:区域高程数据。
3.根据权利要求2所述的一种基于智能终端的便携式低空飞行防撞系统,其特征在于,所述危险源管理识别组件获取低空障碍物危险源的经纬度坐标和海拔高度信息包括:
危险源管理识别组件通过人工智能遥感解译技术从高分辨率卫星影像和航拍影像中检测出低空障碍物危险源,识别低空障碍物危险源类型,并提取低空障碍物危险源的经纬度坐标;
通过区域高程数据和低空障碍物危险源的经纬度坐标,获取低空障碍物危险源所在点的海拔高度;
通过立体相对影像数据、高精度DEM数据文件、低空障碍物危险源类型,获取低空障碍物危险源的实际高度;
根据低空障碍物危险源所在点的海拔高度和低空障碍物危险源的实际高度,通过计算得到低空障碍物危险源的海拔高度信息。
4.根据权利要求3所述的一种基于智能终端的便携式低空飞行防撞系统,其特征在于,还包括:
基于华为智能终端的GIS地图组件,所述GIS地图组件提供的服务包括:基础地图操作、图层管理控制、地图数据管理、绘制功能;
基于华为智能终端的航线管理组件,所述航线管理组件根据GIS矢量数据文件和高精度DEM数据文件进行航线规划,使航线从水平距离和垂直方向上避开低空障碍物危险源。
5.根据权利要求4所述的一种基于智能终端的便携式低空飞行防撞系统,其特征在于,所述危险源管理识别组件实时获取航线的气象数据;
当航线的气象数据不符合飞行安全条件时,所述危险预警组件进行低空气象预警。
6.根据权利要求5所述的一种基于智能终端的便携式低空飞行防撞系统,其特征在于,所述定位组件包括:华为智能终端内嵌的定位芯片和外接定位装置。
7.根据权利要求6所述的一种基于智能终端的便携式低空飞行防撞系统,其特征在于,还包括智能穿戴设备;
所述智能穿戴设备与华为智能终端进行通讯,当危险源预警组件进行预警时,智能穿戴设备同步进行预警。
8.一种基于智能终端的便携式低空飞行防撞方法,其特征在于,采用权利要求1-7任意一项所述的一种基于智能终端的便携式低空飞行防撞系统,包括:
步骤S1:获取低空障碍物危险源的经纬度坐标和海拔高度信息,并导出为GIS矢量数据文件;
步骤S2:获取飞行的位置信息和航线的气象数据;
步骤S3:根据GIS矢量数据文件和当前飞行的位置信息进行空间运算,实时计算与低空障碍物危险源的水平距离和高度差,当达到阈值时,进行低空障碍物预警和低空高程预警;当航线的气象数据不符合飞行安全条件时,进行低空气象预警。
9.根据权利要求8所述的一种基于智能终端的便携式低空飞行防撞方法,其特征在于,所述步骤S1中,获取低空障碍物危险源的经纬度坐标和海拔高度信息,包括:
步骤S11:采用基于深度学习模型的危险源检测识别方法识别输入的高分辨率卫星影像和航拍影像中的低空障碍物危险源和低空障碍物危险源类型,并提取低空障碍物危险源的经纬度坐标;
步骤S12:通过区域高程数据和低空障碍物危险源的经纬度坐标,获取低空障碍物危险源所在点的海拔高度;通过立体相对影像数据、高精度DEM数据文件、低空障碍物危险源类型,获取低空障碍物危险源的实际高度;
步骤S13:根据低空障碍物危险源所在点的海拔高度和低空障碍物危险源的实际高度,通过计算得到低空障碍物危险源的海拔高度信息;
其中,所述基于深度学习模型的危险源检测识别方法,包括:
高分辨率卫星影像和航拍影像输入至深度学习模型中通过一系列的卷积运算操作获取不同尺寸的特征图,选择在7×7、21×21和35×35的特征图中使用检测头,识别可能的特征区域并将结果输出至全连接层进行回归,最终通过计算输出低空障碍物危险源的经纬度坐标;
设高分辨率卫星影像和航拍影像为X,所述卷积运算操作,表达为:
式中:
所述识别可能的特征区域,表达为:
式中:
所述通过计算输出低空障碍物危险源的经纬度坐标,表达为:
式中:
10.根据权利要求8所述的一种基于智能终端的便携式低空飞行防撞方法,其特征在于,还包括:航线优化;
所述航线优化包括如下步骤:
步骤A:根据航线、航线所在区域的高精度DEM数据文件和GIS矢量数据文件计算出飞行安全高度;
步骤B:根据飞行安全高度,对航线进行优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210852958.8A CN114913717B (zh) | 2022-07-20 | 2022-07-20 | 一种基于智能终端的便携式低空飞行防撞系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210852958.8A CN114913717B (zh) | 2022-07-20 | 2022-07-20 | 一种基于智能终端的便携式低空飞行防撞系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114913717A true CN114913717A (zh) | 2022-08-16 |
CN114913717B CN114913717B (zh) | 2022-09-27 |
Family
ID=82772534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210852958.8A Active CN114913717B (zh) | 2022-07-20 | 2022-07-20 | 一种基于智能终端的便携式低空飞行防撞系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114913717B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116860215A (zh) * | 2023-08-29 | 2023-10-10 | 中国兵器装备集团兵器装备研究所 | 一种基于开源鸿蒙系统的地图呈现方法、装置和存储介质 |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6101431A (en) * | 1997-08-28 | 2000-08-08 | Kawasaki Jukogyo Kabushiki Kaisha | Flight system and system for forming virtual images for aircraft |
JP2007212216A (ja) * | 2006-02-08 | 2007-08-23 | Matsushita Electric Ind Co Ltd | オブジェクト高さ算出装置およびそれを用いたオブジェクト検索装置ならびにオブジェクト高さ算出方法 |
CN101178312A (zh) * | 2007-12-12 | 2008-05-14 | 南京航空航天大学 | 基于多信息融合的航天器组合导航方法 |
CN101620672A (zh) * | 2009-08-14 | 2010-01-06 | 华中科技大学 | 一种利用立体地标定位识别地面立体建筑物的方法 |
CN102946417A (zh) * | 2012-07-10 | 2013-02-27 | 郭建国 | 低空航空器空中监管物联网系统 |
CN104238377A (zh) * | 2014-09-30 | 2014-12-24 | 中国航天空气动力技术研究院 | 一种用于无人机航空物探的低空飞行仿真方法 |
CN105023468A (zh) * | 2015-08-06 | 2015-11-04 | 北京航空航天大学 | 一种基于碰撞风险模型的终端区航线安全容限监测方法和系统 |
CN204926552U (zh) * | 2015-08-14 | 2015-12-30 | 成都翼比特科技有限责任公司 | 无人机低空预警管理系统 |
KR20160107819A (ko) * | 2015-03-05 | 2016-09-19 | 국방과학연구소 | 비행체의 고도 산출 장치 및 그 방법 |
CN106529495A (zh) * | 2016-11-24 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种飞行器的障碍物检测方法和装置 |
EP3276374A1 (en) * | 2015-06-29 | 2018-01-31 | Yuneec Technology Co., Limited | Aircraft and obstacle avoidance method and system thereof |
CN108594851A (zh) * | 2015-10-22 | 2018-09-28 | 飞智控(天津)科技有限公司 | 一种基于双目视觉的无人机自主障碍物检测系统、方法及无人机 |
CN109541584A (zh) * | 2018-12-29 | 2019-03-29 | 中国人民解放军空军工程大学 | 一种基于智能终端的低空飞行器侦察预警系统及方法 |
CN109682378A (zh) * | 2018-12-20 | 2019-04-26 | 南京航空航天大学 | 一种完全基于视觉信息的无人机室内定位与多目标跟踪方法 |
CN109948484A (zh) * | 2019-03-07 | 2019-06-28 | 景遥(上海)信息技术有限公司 | 基于无人机影像dsm提取植物高度的系统及方法 |
CN110175991A (zh) * | 2019-05-24 | 2019-08-27 | 四川九洲北斗导航与位置服务有限公司 | 基于高分遥感的观景评价方法及装置 |
CN111429509A (zh) * | 2020-03-24 | 2020-07-17 | 北京大学深圳研究生院 | 一种目标物高度的集中测算方法 |
US20200326729A1 (en) * | 2016-02-29 | 2020-10-15 | Thinkware Corporation | Method and system for providing route of unmanned air vehicle |
CN112115911A (zh) * | 2020-09-28 | 2020-12-22 | 安徽大学 | 一种基于深度学习的轻量型sar图像目标检测方法 |
CN112489032A (zh) * | 2020-12-14 | 2021-03-12 | 北京科技大学 | 一种复杂背景下无人机载小目标检测定位方法及系统 |
CN112712500A (zh) * | 2020-12-28 | 2021-04-27 | 同济大学 | 一种基于深度神经网络的遥感图像目标提取方法 |
CN113253760A (zh) * | 2021-06-08 | 2021-08-13 | 北京远度互联科技有限公司 | 路径规划方法、装置、可移动载具及存储介质 |
CN113454558A (zh) * | 2020-09-24 | 2021-09-28 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、装置、无人机和存储介质 |
CN113807435A (zh) * | 2021-09-16 | 2021-12-17 | 中国电子科技集团公司第五十四研究所 | 一种基于多传感器的遥感图像特征点高程获取方法 |
CN114022545A (zh) * | 2022-01-04 | 2022-02-08 | 中国科学院空天信息创新研究院 | 一种适应于复杂地形的机载sar图像无控制点实时定位方法 |
-
2022
- 2022-07-20 CN CN202210852958.8A patent/CN114913717B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6101431A (en) * | 1997-08-28 | 2000-08-08 | Kawasaki Jukogyo Kabushiki Kaisha | Flight system and system for forming virtual images for aircraft |
JP2007212216A (ja) * | 2006-02-08 | 2007-08-23 | Matsushita Electric Ind Co Ltd | オブジェクト高さ算出装置およびそれを用いたオブジェクト検索装置ならびにオブジェクト高さ算出方法 |
CN101178312A (zh) * | 2007-12-12 | 2008-05-14 | 南京航空航天大学 | 基于多信息融合的航天器组合导航方法 |
CN101620672A (zh) * | 2009-08-14 | 2010-01-06 | 华中科技大学 | 一种利用立体地标定位识别地面立体建筑物的方法 |
CN102946417A (zh) * | 2012-07-10 | 2013-02-27 | 郭建国 | 低空航空器空中监管物联网系统 |
CN104238377A (zh) * | 2014-09-30 | 2014-12-24 | 中国航天空气动力技术研究院 | 一种用于无人机航空物探的低空飞行仿真方法 |
KR20160107819A (ko) * | 2015-03-05 | 2016-09-19 | 국방과학연구소 | 비행체의 고도 산출 장치 및 그 방법 |
EP3276374A1 (en) * | 2015-06-29 | 2018-01-31 | Yuneec Technology Co., Limited | Aircraft and obstacle avoidance method and system thereof |
CN105023468A (zh) * | 2015-08-06 | 2015-11-04 | 北京航空航天大学 | 一种基于碰撞风险模型的终端区航线安全容限监测方法和系统 |
CN204926552U (zh) * | 2015-08-14 | 2015-12-30 | 成都翼比特科技有限责任公司 | 无人机低空预警管理系统 |
CN108594851A (zh) * | 2015-10-22 | 2018-09-28 | 飞智控(天津)科技有限公司 | 一种基于双目视觉的无人机自主障碍物检测系统、方法及无人机 |
US20200326729A1 (en) * | 2016-02-29 | 2020-10-15 | Thinkware Corporation | Method and system for providing route of unmanned air vehicle |
CN106529495A (zh) * | 2016-11-24 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种飞行器的障碍物检测方法和装置 |
CN109682378A (zh) * | 2018-12-20 | 2019-04-26 | 南京航空航天大学 | 一种完全基于视觉信息的无人机室内定位与多目标跟踪方法 |
CN109541584A (zh) * | 2018-12-29 | 2019-03-29 | 中国人民解放军空军工程大学 | 一种基于智能终端的低空飞行器侦察预警系统及方法 |
CN109948484A (zh) * | 2019-03-07 | 2019-06-28 | 景遥(上海)信息技术有限公司 | 基于无人机影像dsm提取植物高度的系统及方法 |
CN110175991A (zh) * | 2019-05-24 | 2019-08-27 | 四川九洲北斗导航与位置服务有限公司 | 基于高分遥感的观景评价方法及装置 |
CN111429509A (zh) * | 2020-03-24 | 2020-07-17 | 北京大学深圳研究生院 | 一种目标物高度的集中测算方法 |
CN113454558A (zh) * | 2020-09-24 | 2021-09-28 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、装置、无人机和存储介质 |
CN112115911A (zh) * | 2020-09-28 | 2020-12-22 | 安徽大学 | 一种基于深度学习的轻量型sar图像目标检测方法 |
CN112489032A (zh) * | 2020-12-14 | 2021-03-12 | 北京科技大学 | 一种复杂背景下无人机载小目标检测定位方法及系统 |
CN112712500A (zh) * | 2020-12-28 | 2021-04-27 | 同济大学 | 一种基于深度神经网络的遥感图像目标提取方法 |
CN113253760A (zh) * | 2021-06-08 | 2021-08-13 | 北京远度互联科技有限公司 | 路径规划方法、装置、可移动载具及存储介质 |
CN113807435A (zh) * | 2021-09-16 | 2021-12-17 | 中国电子科技集团公司第五十四研究所 | 一种基于多传感器的遥感图像特征点高程获取方法 |
CN114022545A (zh) * | 2022-01-04 | 2022-02-08 | 中国科学院空天信息创新研究院 | 一种适应于复杂地形的机载sar图像无控制点实时定位方法 |
Non-Patent Citations (3)
Title |
---|
曹玉杰: "基于Android的低空飞行器监视系统的设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
林琪琪: "基于深度学习的图像目标检测算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
谢小魁: "基于高精度DEM的地形感知和低空防撞预警飞行地理信息系统", 《北部湾大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116860215A (zh) * | 2023-08-29 | 2023-10-10 | 中国兵器装备集团兵器装备研究所 | 一种基于开源鸿蒙系统的地图呈现方法、装置和存储介质 |
CN116860215B (zh) * | 2023-08-29 | 2023-12-08 | 中国兵器装备集团兵器装备研究所 | 一种基于开源鸿蒙系统的地图呈现方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114913717B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7269513B2 (en) | Ground-based sense-and-avoid display system (SAVDS) for unmanned aerial vehicles | |
US10962650B2 (en) | Polyhedral geofences | |
CN102736632B (zh) | 一种用于无人机巡检带电导线的电场差分避障系统及方法 | |
CN102891453B (zh) | 一种基于毫米波雷达的无人机巡检线路走廊方法与装置 | |
US20170082745A1 (en) | Enhancement of airborne weather radar performance using external weather data | |
CN107783545B (zh) | 基于ooda环多传感器信息融合的灾后救援旋翼无人机避障系统 | |
CN106910376B (zh) | 一种空中交通运行管制指令监控方法与系统 | |
CN111506115A (zh) | 一种无人机集群调控方法及装置 | |
EP2975598A1 (en) | System and method for sending in-flight weather alerts | |
CN105511491B (zh) | 一种无人机驱赶装置及方法 | |
CN109541602B (zh) | 一种多普勒雷达气象矢量化电网精细预警及调控系统 | |
CN108225111B (zh) | 一种分布式反无人机系统和干扰拦截无人机的方法 | |
US9620024B1 (en) | Planned flight tracking and divert alerting through the employment of trusted automatic dependent surveillance-broadcast (ADS-B) position reporting system | |
CN109521792A (zh) | 一种基于输变电设备三维模型的无人机地面飞行控制系统 | |
CN114913717B (zh) | 一种基于智能终端的便携式低空飞行防撞系统及方法 | |
CN103413465A (zh) | 一种机载防撞与近地告警监视系统及监视方法 | |
De Sousa et al. | Aerial forest fire detection and monitoring using a small uav | |
CN105372722B (zh) | 一种空域风场探测方法及其装置 | |
JP7153820B2 (ja) | 画像識別に基づく飛行体強制着陸経路計画方法、システムおよび装置 | |
US9401093B2 (en) | Procedure for the detection and display of artificial obstacles for a rotary-wing aircraft | |
CN109669198A (zh) | 基于rtk技术的无人机地质滑坡监测预警方法及其系统 | |
CN204495357U (zh) | 一种多基多模组网融合室内人员导航定位系统 | |
EP3989034B1 (en) | Automatic safe-landing-site selection for unmanned aerial systems | |
Zheng et al. | Forest farm fire drone monitoring system based on deep learning and unmanned aerial vehicle imagery | |
CN109143166B (zh) | 一种超远距离的无人机导航方法 |
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 |