CN115077489B - 一种无人机倾斜摄影土方量计算的方法 - Google Patents
一种无人机倾斜摄影土方量计算的方法 Download PDFInfo
- Publication number
- CN115077489B CN115077489B CN202210668393.8A CN202210668393A CN115077489B CN 115077489 B CN115077489 B CN 115077489B CN 202210668393 A CN202210668393 A CN 202210668393A CN 115077489 B CN115077489 B CN 115077489B
- Authority
- CN
- China
- Prior art keywords
- information
- acquisition
- acquisition position
- image
- acquired
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种无人机倾斜摄影土方量计算的方法,包括以下步骤:步骤一:采集天气信息对天气信息进行处理,得到允许采集与不允许采集信息;步骤二:当获取到允许采集信息时,先使用一个无人机进行巡视,获取到周围影像与初步采集位置影像,当获取到不允许采集信息时,即等待天气信息符合条件后再进行无人机调控;步骤三:对初步采集位置影像进行处理获取到计算种类信息,再对周围影像与采集位置影像进行处理得到采集警示信息与初步分析信息;步骤四:对初步分析信息进行处理,确定采集位置安全后按照采集面积大小不同进行不同方式的采集位置信息采集,获取到实时采集位置参数信息。本发明能够计算出误差更小的土方量信息,更加值得推广使用。
Description
技术领域
本发明涉及土方量计算领域,具体涉及一种无人机倾斜摄影土方量计算的方法。
背景技术
土方量是建筑术语,土方量的计算是建筑工程施工的一个重要步骤。工程施工前的设计阶段必须对土石方量进行预算,它直接关系到工程的费用概算及方案选优;
土方量计算前需要进行计算地点的多种数据采集,通过无人机倾斜摄影进行土方量相关信息采集也是土方量计算前多种数据采集方法中的一种,其后,对土方量计算时,即需要使用到土方量计算方法。
现有的土方量计算方法,数据采集容易受到环境等因素影响导致采集数据不够准确使得最终的土方量计算结果偏差较大,给土方量计算方法的使用带来了一定的影响,因此,提出一种无人机倾斜摄影土方量计算的方法。
发明内容
本发明所要解决的技术问题在于:如何解决现有的土方量计算方法,数据采集容易受到环境等因素影响导致采集数据不够准确使得最终的土方量计算结果偏差较大,给土方量计算方法的使用带来了一定的影响的问题,提供了一种无人机倾斜摄影土方量计算的方法。
本发明是通过以下技术方案解决上述技术问题的,本发明包括以下步骤:
步骤一:采集天气信息对天气信息进行处理,得到允许采集与不允许采集信息;
步骤二:当获取到允许采集信息时,先使用一个无人机进行巡视,获取到周围影像与初步采集位置影像,当获取到不允许采集信息时,即等待天气信息符合条件后再进行无人机调控;
步骤三:对初步采集位置影像进行处理获取到计算种类信息,再对周围影像与采集位置影像进行处理得到采集警示信息与初步分析信息;
步骤四:对初步分析信息进行处理,确定采集位置安全后按照采集面积大小不同进行不同方式的采集位置信息采集,获取到实时采集位置参数信息;
步骤五:对实时采集位置参数信息进行计算处理得到土方量信息;
步骤六:对获取到的土方量信息进行评估处理,评估通过即确定为最终土方量信息,评估不通过即生成重新采集数据信息。
进一步在于,所述对天气信息进行处理,得到允许采集与不允许采集信息的具体过程如下:提取出采集到的天气信息,天气信息包括降雨量信息与风力大小信息,将降雨量信息标记为J,将风力大小信息标记为F,当降雨量信息T与风力大小信息之间任意一个大于预设值时,即生成不允许采集信息,当降雨量信息T与风力大小信息均小于预设值时,即生成允许采集信息。
进一步在于,所述步骤三中的计算种类信息的具体处理过程如下:提取出采集到的采集位置影像,对采集位置影像进行清晰度强化之后,从清晰的采集位置影像信息中获取到采集位置的槽宽和槽长信息,将槽宽标记为G,将槽长标记为T。当槽宽小于预设值,且槽长T大于三倍槽宽G时,即生成,即判定其为沟槽,当槽长T在三倍槽宽G内,且底面积在预设值范围内的为基坑。
进一步在于,所述采集警示信息的具体处理过程如下:提取出获取到的周围影像信息与初步采集位置影像,从周围影像信息中进行第一特征图像的识别,获取到第一识别信息,再从初步采集位置影像中进行第二特征图像的识别,获取到第二识别信息,当第一识别信息为识别成功,第二识别信息为无特征目标时,即不生成采集警示信息,当第一识别信息为识别失败或第二识别信息为存在特征目标时,即采集警示信息。
进一步在于,所述对周围影像信息中进行第一特征图像的识别,获取到第一识别信息的具体过程如下:采集位置的预设位置需设置防护栏,防护栏上每隔预设距离即设置一个第一特征图案,即第一特征图像,记录下获取到的第一特征图像的数量信息,即实时第一特征图像数量信息,再记录下每个特征图像之间的间隔,从数据库中获取到预设的第一图像数量信息,将预设的第一图像数量信息标记为Q1,将实时第一特征图像数量信息标记为Q2,计算出Q1和Q2的差值得到数量差Qq差,当数量差Qq差大于预设值或每个特征图像之间的间隔大于预设间隔的数量超过预设数量时,即生成识别失败,反之即识别成功。
进一步在于,所述对初步采集位置影像中进行第二特征图像的识别,获取到第二识别信息,工人进入施工工地需要佩戴安全帽,在安全帽上设置了用于识别工人的第二特征图案,即第二特征图像,当从初步采集位置影像中识别出第二特征图像时,即表示初步采集位置内存在施工工人,即存在特征目标。
进一步在于,所述确定采集位置安全后按照采集面积大小不同进行不同方式的基坑信息采集中的采集面积获取过程如下:对初步采集位置影像进行采集位置的长度和宽度提取,对采集位置的长度和宽度进行处理即得到预估面积信息,当预估面积大于预设值时,即采集第一采集方式,当预估面积在预设值范围内时,即采集第二采集方式,当预估面积小于预设值时,即采用第三采集方式;
进一步在于,所述第一采集方式的具体采集过程如下:确定采集位置的四个边角,将四个无人机设置到四个边角,将其按照顺时针或者逆时针的先后顺序依次运行,进行采集位置的数据采集;
所述第二采集方式的具体采集过程如下:确定采集位置的四个边角,将两个无人机设置到其中两个对角,将其按照顺时针或者逆时针的先后顺序依次运行,进行采集位置的数据采集;
所述第三采集方式的具体采集过程如下:确定采集位置的四个边角,随机选择一个边角,无人机设置到选定边角,让其运行进行采集位置的数据采集;
当采集位置为基坑时,采集位置的数据包括长、宽、工作面、放坡系数与挖深,当采集位置为基槽时,采集位置的数据包括底宽、工作面、放坡系数与基槽长度。
进一步在于,所述对实时采集位置参数信息进行计算处理得到土方量信息的具体过程如下:当采集位置为基坑时,提取出获取到的单个或者采集位置数据导入到计算库中,计算库采集用方格网法、DTM法、断面法、等高线法与区域土方量平衡同时对导入的采集位置数据进行计算,得到多个土方量结果信息,对多个土方量信息进行处理评估通过信息或评估不通过信息。
进一步在于,所述评估通过信息或评估不通过信息的具体处理过程如下:提取出获取到的多个土方量结果信息,提取出其中的最大值Wmax与最小值Wmin,并计算出最大值Wmax与最小值Wmin之间的差值Ww差,当差值Ww差大于预设值时,即生成评估不通过信息,当差值Ww差小于预设值时或者为0时,计算出多个土方量结果信息平均值,多个土方量结果信息平均值即为最终土方量信息。
本发明相比现有技术具有以下优点:该无人机倾斜摄影土方量计算的方法,通过根据采集位置的采集面积的大小,进了不同采集方式的设置,对于较大面积地区进行更多次的数据采集,保证采集数据的准确性,即更进一步的提升了该方法计算出的土方量的准确性,并且对于面积较小的采集位置,在保证了次精度的情况下,只进行单次数据采集,但还设置了多种不同的土方量计算方式,通过多种不同的土方量计算方式,在即使只有单次数据的情况下,也能起到验证数据准确度的作用,从而保证最后计算出的土方量的准确性,让该方法更加值得推广使用。
附图说明
图1是本发明的流程图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种无人机倾斜摄影土方量计算的方法,包括以下步骤:
步骤一:采集天气信息对天气信息进行处理,得到允许采集与不允许采集信息;
所述对天气信息进行处理,得到允许采集与不允许采集信息的具体过程如下:提取出采集到的天气信息,天气信息包括降雨量信息与风力大小信息,将降雨量信息标记为J,将风力大小信息标记为F,当降雨量信息T与风力大小信息之间任意一个大于预设值时,即生成不允许采集信息,当降雨量信息T与风力大小信息均小于预设值时,即生成允许采集信息;
再进行采集位置的数据采集之前先进行环境的评估,环境评估不通过即不进行采集位置的数据采集,该种设置能够有效的减少在降雨天进行数据采集导致的无人机损坏和无人机受到雨水拍打晃动数据采集出现偏差导致的最终土方量计算结果出现偏差的状况发生,也有效的减少了大风天采集无人机晃动导致的最终土方量计算结果出现偏差的状况发生,有效的保证了该方法的土方量计算准确性,减少了计算误差;
步骤二:当获取到允许采集信息时,先使用一个无人机进行巡视,获取到周围影像与初步采集位置影像,当获取到不允许采集信息时,即等待天气信息符合条件后再进行无人机调控;
步骤三:对初步采集位置影像进行处理获取到计算种类信息,再对周围影像与采集位置影像进行处理得到采集警示信息与初步分析信息;
所述步骤三中的计算种类信息的具体处理过程如下:提取出采集到的采集位置影像,对采集位置影像进行清晰度强化之后,从清晰的采集位置影像信息中获取到采集位置的槽宽和槽长信息,将槽宽标记为G,将槽长标记为T。当槽宽小于预设值,且槽长T大于三倍槽宽G时,即生成,即判定其为沟槽,当槽长T在三倍槽宽G内,且底面积在预设值范围内的为基坑;
通过上述过程,能够更加准确的确定好采集位置的类型,根据采集位置的类型采集对应的计算方式,从而保证计算出的土方量的准确性;
所述采集警示信息的具体处理过程如下:提取出获取到的周围影像信息与初步采集位置影像,从周围影像信息中进行第一特征图像的识别,获取到第一识别信息,再从初步采集位置影像中进行第二特征图像的识别,获取到第二识别信息,当第一识别信息为识别成功,第二识别信息为无特征目标时,即不生成采集警示信息,当第一识别信息为识别失败或第二识别信息为存在特征目标时,即采集警示信息;
通过上述过程,能够了解到采集地周围是否进行了安全防护,设置了安全防护能够有效的减少人员再进行数据采集时进入到采集地内导致的意外的发生,也减少了无人机因为避让进入到采集地内的人员导致的数据采集出现的偏差的状况发生,并且还能够了解到采集地内是否存在施工人员,在发现施工人员即不进行数据采集,待人员被驱逐后再进行采集的设置,不仅保证了数据采集的准确性,还能够减少无人机伤人的状况发生。
所述对周围影像信息中进行第一特征图像的识别,获取到第一识别信息的具体过程如下:采集位置的预设位置需设置防护栏,防护栏上每隔预设距离即设置一个第一特征图案,即第一特征图像,记录下获取到的第一特征图像的数量信息,即实时第一特征图像数量信息,再记录下每个特征图像之间的间隔,从数据库中获取到预设的第一图像数量信息,将预设的第一图像数量信息标记为Q1,将实时第一特征图像数量信息标记为Q2,计算出Q1和Q2的差值得到数量差Qq差,当数量差Qq差大于预设值或每个特征图像之间的间隔大于预设间隔的数量超过预设数量时,即生成识别失败,反之即识别成功;
所述对初步采集位置影像中进行第二特征图像的识别,获取到第二识别信息,工人进入施工工地需要佩戴安全帽,在安全帽上设置了用于识别工人的第二特征图案,即第二特征图像,当从初步采集位置影像中识别出第二特征图像时,即表示初步采集位置内存在施工工人,即存在特征目标;
设置好预设的特征图像,能够有效的加快识别的速度,提升验证速度,即加快了数据采集的速度,省去了复杂的人员和安全防护识别的麻烦;
步骤四:对初步分析信息进行处理,确定采集位置安全后按照采集面积大小不同进行不同方式的采集位置信息采集,获取到实时采集位置参数信息;
所述确定采集位置安全后按照采集面积大小不同进行不同方式的基坑信息采集中的采集面积获取过程如下:对初步采集位置影像进行采集位置的长度和宽度提取,对采集位置的长度和宽度进行处理即得到预估面积信息,当预估面积大于预设值时,即采集第一采集方式,当预估面积在预设值范围内时,即采集第二采集方式,当预估面积小于预设值时,即采用第三采集方式;
所述第一采集方式的具体采集过程如下:确定采集位置的四个边角,将四个无人机设置到四个边角,将其按照顺时针或者逆时针的先后顺序依次运行,进行采集位置的数据采集;
所述第二采集方式的具体采集过程如下:确定采集位置的四个边角,将两个无人机设置到其中两个对角,将其按照顺时针或者逆时针的先后顺序依次运行,进行采集位置的数据采集;
所述第三采集方式的具体采集过程如下:确定采集位置的四个边角,随机选择一个边角,无人机设置到选定边角,让其运行进行采集位置的数据采集;
当采集位置为基坑时,采集位置的数据包括长、宽、工作面、放坡系数与挖深,当采集位置为基槽时,采集位置的数据包括底宽、工作面、放坡系数与基槽长度;
通过上述过程,能够实现根据实际采集面积大小来进行不同方式的采集地数据采集,多种不同的采集方式不仅满足了实际的采集数据,还能够保证采集的数据更加准确,误差更小;
步骤五:对实时采集位置参数信息进行计算处理得到土方量信息;
步骤六:对获取到的土方量信息进行评估处理,评估通过即确定为最终土方量信息,评估不通过即生成重新采集数据信息;
所述对实时采集位置参数信息进行计算处理得到土方量信息的具体过程如下:当采集位置为基坑时,提取出获取到的单个或者采集位置数据导入到计算库中,计算库采集用方格网法、DTM法、断面法、等高线法与区域土方量平衡同时对导入的采集位置数据进行计算,得到多个土方量结果信息,对多个土方量信息进行处理评估通过信息或评估不通过信息;
同时还设置了多种不同土方量计算方法,通过多种不同土方量计算方法计算出多个土方量结果后再对多个土方量结果进行处理,能够了解到获取到土方量信息是否偏差过大。
所述评估通过信息或评估不通过信息的具体处理过程如下:提取出获取到的多个土方量结果信息,提取出其中的最大值Wmax与最小值Wmin,并计算出最大值Wmax与最小值Wmin之间的差值Ww差,当差值Ww差大于预设值时,即生成评估不通过信息,当差值Ww差小于预设值时或者为0时,计算出多个土方量结果信息平均值,多个土方量结果信息平均值即为最终土方量信息;
通过上述过程,更进一步的了解到多个土方量结果之间的偏差是否过大,当多个土方量结果之间的偏差过大即表示采集的数据存在较大误差,当发现误差在正常范围内时,即确定其为最终土方量信息,实现了保证最终计算出的土方量准确性的目的;
该无人机倾斜摄影土方量计算的方法,通过根据采集位置的采集面积的大小,进了不同采集方式的设置,对于较大面积地区进行更多次的数据采集,保证采集数据的准确性,即更进一步的提升了该方法计算出的土方量的准确性,同时对于面积较小的采集位置,在保证了次精度的情况下,只进行单次数据采集,但还设置了多种不同的土方量计算方式,通过多种不同的土方量计算方式,在即使只有单次数据的情况下,也能起到验证数据准确度的作用,从而保证最后计算出的土方量的准确性,让该方法更加值得推广使用。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (1)
1.一种无人机倾斜摄影土方量计算的方法,其特征在于,包括以下步骤:
步骤一:采集天气信息,对天气信息进行处理,得到允许采集与不允许采集信息;
步骤二:当获取到允许采集信息时,先使用一个无人机进行巡视,获取到周围影像与初步采集位置影像,当获取到不允许采集信息时,即等待天气信息符合条件后再进行无人机调控;
步骤三:对初步采集位置影像进行处理获取到计算种类信息,再对周围影像与采集位置影像进行处理得到采集警示信息与初步分析信息;
步骤四:对初步分析信息进行处理,确定采集位置安全后按照采集面积大小不同进行不同方式的采集位置信息采集,获取到实时采集位置参数信息;
步骤五:对实时采集位置参数信息进行计算处理得到土方量信息;
步骤六:对获取到的土方量信息进行评估处理,评估通过即确定为最终土方量信息,评估不通过即生成重新采集位置参数信息;
所述对天气信息进行处理,得到允许采集与不允许采集信息的具体过程如下:提取出采集到的天气信息,天气信息包括降雨量信息与风力大小信息,将降雨量信息标记为J,将风力大小信息标记为F,当降雨量信息J与风力大小信息之间F任意一个大于预设值时,即生成不允许采集信息,当降雨量信息J与风力大小信息F均小于预设值时,即生成允许采集信息;
所述步骤三中的计算种类信息的具体处理过程如下:提取出采集到的采集位置影像,对采集位置影像进行清晰度强化之后,从清晰的采集位置影像信息中获取到采集位置的槽宽和槽长信息,将槽宽标记为G,将槽长标记为T,当槽宽G小于预设值,且槽长T大于三倍槽宽G时,即判定其为沟槽,当槽长T在三倍槽宽G内,且底面积在预设值范围内的为基坑;
所述采集警示信息的具体处理过程如下:提取出获取到的周围影像信息与初步采集位置影像,从周围影像信息中进行第一特征图像的识别,获取到第一识别信息,再从初步采集位置影像中进行第二特征图像的识别,获取到第二识别信息,当第一识别信息为识别成功,第二识别信息为无特征目标时,即不生成采集警示信息,当第一识别信息为识别失败或第二识别信息为存在特征目标时,即生成采集警示信息;
所述对周围影像信息中进行第一特征图像的识别,获取到第一识别信息的具体过程如下:采集位置的预设位置需设置防护栏,防护栏上每隔预设距离即设置一个第一特征图案,即第一特征图像,记录下获取到的第一特征图像的数量信息,即实时第一特征图像数量信息,再记录下每个第一特征图像之间的间隔,从数据库中获取到预设的第一图像数量信息,将预设的第一图像数量信息标记为Q1,将实时第一特征图像数量信息标记为Q2,计算出Q1和Q2的差值得到数量差Qq差,当数量差Qq差大于预设值或每个第一特征图像之间的间隔大于预设间隔的数量超过预设数量时,即生成识别失败,反之即识别成功;
所述对初步采集位置影像中进行第二特征图像的识别,获取到第二识别信息,工人进入施工工地需要佩戴安全帽,在安全帽上设置了用于识别工人的第二特征图案,即第二特征图像,当从初步采集位置影像中识别出第二特征图像时,即表示初步采集位置内存在施工工人,即存在特征目标;
所述步骤四中确定采集位置安全后按照采集面积大小不同进行不同方式的采集位置信息采集的过程如下:对初步采集位置影像进行采集位置的长度和宽度提取,对采集位置的长度和宽度进行处理即得到预估面积信息,当预估面积大于预设值时,即采集第一采集方式,当预估面积等于预设值时,即采集第二采集方式,当预估面积小于预设值时,即采用第三采集方式;
所述第一采集方式的具体采集过程如下:确定采集位置的四个边角,将四个无人机设置到四个边角,将其按照顺时针或者逆时针的先后顺序依次运行,进行采集位置的位置参数信息采集;
所述第二采集方式的具体采集过程如下:确定采集位置的四个边角,将两个无人机设置到其中两个对角,将其按照顺时针或者逆时针的先后顺序依次运行,进行采集位置的位置参数信息采集;
所述第三采集方式的具体采集过程如下:确定采集位置的四个边角,随机选择一个边角,无人机设置到选定边角,让其运行进行采集位置的位置参数信息采集;
当采集位置为基坑时,采集位置的位置参数信息包括长、宽、工作面、放坡系数与挖深,当采集位置为基槽时,采集位置的位置参数信息包括底宽、工作面、放坡系数与基槽长度;
所述对实时采集位置参数信息进行计算处理得到土方量信息的具体过程如下:当采集位置为基坑时,提取出获取到的单个或者采集位置参数信息导入到计算库中,计算库采集用方格网法、DTM法、断面法、等高线法与区域土方量平衡同时对导入的采集位置参数信息进行计算,得到多个土方量结果信息,对多个土方量信息进行处理评估通过信息或评估不通过信息;
所述评估通过信息或评估不通过信息的具体处理过程如下:提取出获取到的多个土方量结果信息,提取出其中的最大值Wmax与最小值Wmin,并计算出最大值Wmax与最小值Wmin之间的差值Ww
差,当差值Ww差大于预设值时,即生成评估不通过信息,当差值Ww差小于或者等于预设值时,计算出多个土方量结果信息平均值,多个土方量结果信息平均值即为最终土方量信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668393.8A CN115077489B (zh) | 2022-06-14 | 2022-06-14 | 一种无人机倾斜摄影土方量计算的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668393.8A CN115077489B (zh) | 2022-06-14 | 2022-06-14 | 一种无人机倾斜摄影土方量计算的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115077489A CN115077489A (zh) | 2022-09-20 |
CN115077489B true CN115077489B (zh) | 2023-08-29 |
Family
ID=83252453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210668393.8A Active CN115077489B (zh) | 2022-06-14 | 2022-06-14 | 一种无人机倾斜摄影土方量计算的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115077489B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115937773B (zh) * | 2022-12-06 | 2023-10-24 | 南京小网科技有限责任公司 | 一种基于ai识别的智能影像识别系统 |
CN116957883B (zh) * | 2023-07-25 | 2024-04-05 | 南京智绘星图信息科技有限公司 | 一种基于数据分析的建设用地用途管制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106705940A (zh) * | 2016-12-22 | 2017-05-24 | 上海华测导航技术股份有限公司 | 一种土方量计算方法及装置 |
CN109117749A (zh) * | 2018-07-23 | 2019-01-01 | 福建中海油应急抢维修有限责任公司 | 一种基于无人机巡检影像的异常目标监管方法及系统 |
CN111765867A (zh) * | 2020-06-12 | 2020-10-13 | 中国二十冶集团有限公司 | 基于倾斜摄影技术的道路有效土方量计算方法 |
CN111860416A (zh) * | 2020-07-29 | 2020-10-30 | 郑刚 | 一种无人机图像监控控制装置及其控制方法 |
-
2022
- 2022-06-14 CN CN202210668393.8A patent/CN115077489B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106705940A (zh) * | 2016-12-22 | 2017-05-24 | 上海华测导航技术股份有限公司 | 一种土方量计算方法及装置 |
CN109117749A (zh) * | 2018-07-23 | 2019-01-01 | 福建中海油应急抢维修有限责任公司 | 一种基于无人机巡检影像的异常目标监管方法及系统 |
CN111765867A (zh) * | 2020-06-12 | 2020-10-13 | 中国二十冶集团有限公司 | 基于倾斜摄影技术的道路有效土方量计算方法 |
CN111860416A (zh) * | 2020-07-29 | 2020-10-30 | 郑刚 | 一种无人机图像监控控制装置及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115077489A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115077489B (zh) | 一种无人机倾斜摄影土方量计算的方法 | |
CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN108335377B (zh) | 一种基于gis技术的道路巡查车辆业务自动考核的方法 | |
KR102112046B1 (ko) | 시설물 안전진단 및 유지관리 방법 | |
EP3541071A1 (en) | System and method for detecting features in aerial images using disparity mapping and segmentation techniques | |
CN105302151A (zh) | 一种飞机入坞引导和机型识别的系统及方法 | |
DE102016214027A1 (de) | Verfahren und System zum Erfassen von Landmarken in einem Verkehrsumfeld einer mobilen Einheit | |
CN103955923A (zh) | 一种快速的基于图像的路面病害检测方法 | |
CN112633722B (zh) | 车载道路安全风险评估系统及方法 | |
JP6960168B2 (ja) | リアルタイム浸水ハザードマッピングのための現地情報同化装置及び方法並びにプログラム | |
CN114241215B (zh) | 一种桥梁表观裂缝非接触式检测方法及系统 | |
CN104900057A (zh) | 一种城市快速路主辅道的浮动车地图匹配方法 | |
CN116486289A (zh) | 一种多源数据和知识驱动下的燃气管道高后果区识别方法 | |
Champion | 2D building change detection from high resolution aerial images and correlation digital surface models | |
CN116912068B (zh) | 一种基于面域形变观测的滑坡预警方法 | |
CN117423213A (zh) | 一种滑坡灾害监测系统及方法 | |
CN115440071A (zh) | 一种自动驾驶违规停车检测方法 | |
CN113033443B (zh) | 一种基于无人机的行人过街设施全路网自动化排查方法 | |
CN112285734B (zh) | 基于道钉的港口无人集卡高精度对准方法及其对准系统 | |
Ferrer-Espinoza et al. | Evaluation of the use of Cascade Detection algorithms based on Machine Learning for Crack Detection in asphalt Pavements | |
Aoki et al. | Evaluation model for pavement surface distress on 3D point clouds from mobile mapping system | |
CN117036611B (zh) | 一种非矿山安全监测平台的三维场景构建方法及系统 | |
CN113074694A (zh) | 用于隧道断面变形的自动监测装置 | |
Joao | Road Construction Assessment Model (RC-AM) to Prevent Contract Overbilling in Angola | |
CN112835376B (zh) | 一种用于无人机验电的机头定位方法及系统 |
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 |