CN115824163B - 一种基于无人机的智能测绘方法及系统 - Google Patents

Abstract

本发明涉及智能测绘技术领域，提供了一种基于无人机的智能测绘方法及系统，所述方法包括：对螺旋桨与发动机进行震动分析，获取第一震动模型与第二震动模型，合成无人机运行震动模型，获取实时飞行震动信息；在飞行经过目标测绘区域时，获取飞行日志信息；以飞行日志信息为第一修正信息，以实时飞行震动信息为第二修正信息，输入图像采集设备，获取图像采集修正信息，合成目标测绘图像，解决因仪器震动，捕捉图像存在重影、拖影，无法直接应用于测绘图像合成的技术问题，实现将飞行震动与飞行参数作为修正信息，对捕捉图像防抖动补偿，避免图像重影、拖影问题，将修正后图像应用于测绘图像合成，保证测绘图像清晰度，提高测绘精度的技术效果。

Description

一种基于无人机的智能测绘方法及系统

技术领域

本发明涉及智能测绘相关技术领域，具体涉及一种基于无人机的智能测绘方法及系统。

背景技术

无人机在需要进行测绘的区域的领空飞过，对需要进行测绘的区域进行地理信息测绘信息采集，无人机内部搭载图像采集设备，可以极大的提升区域测绘信息的采集效率，一般的，在无人机运行状态，因图像采集设备存在运动，采集的图像信息不可避免的存在重影、拖影现象，无人机内部搭载图像采集设备具备电子/光学防抖功能，可以补偿抖动，以降低图像的重影、拖影现象。

但，电子防抖采用强制提高 CCD（Charge coupled Device，电荷耦合元件，也可以称为CCD图像传感器）感光参数，利用边缘图像进行补偿的防抖，从本质上说，电子防抖需要通过降低画质来补偿抖动，画面清晰度存在一定的损失，会降低测绘精度；光学防抖需要通过光学元器件（包括镜头）的设置来减少因捕捉图像的重影、拖影问题，但光学防抖需要运用额外的部件实现，成本居高不下，难以广泛应用于自动测绘系统。

综上所述，现有技术中存在因仪器震动，捕捉图像存在重影、拖影，无法直接应用于测绘图像合成的技术问题。

发明内容

本申请通过提供了一种基于无人机的智能测绘方法及系统，旨在解决现有技术中的因仪器震动，捕捉图像存在重影、拖影，无法直接应用于测绘图像合成的技术问题。

鉴于上述问题，本申请实施例提供了一种基于无人机的智能测绘方法及系统。

本申请公开的第一个方面，提供了一种基于无人机的智能测绘方法，其中，所述方法应用于智能测绘系统，所述智能测绘系统与图像采集设备通信连接，所述方法包括：在目标无人机的运行状态，针对螺旋桨进行震动分析，获取第一震动模型；在目标无人机的运行状态，针对发动机进行震动分析，获取第二震动模型；通过所述第一震动模型与所述第二震动模型，获取无人机运行震动模型；基于所述无人机运行震动模型，获取目标无人机的实时飞行震动信息；在所述目标无人机飞行经过目标测绘区域时，获取所述目标无人机的飞行日志信息；以所述飞行日志信息为第一修正信息，以所述实时飞行震动信息为第二修正信息，输入所述图像采集设备中；获取图像采集修正信息，同步至所述智能测绘系统，合成目标测绘图像。

本申请公开的另一个方面，提供了一种基于无人机的智能测绘系统，其中，所述系统包括：第一震动分析模块，用于在目标无人机的运行状态，针对螺旋桨进行震动分析，获取第一震动模型；第二震动分析模块，用于在目标无人机的运行状态，针对发动机进行震动分析，获取第二震动模型；震动模型获取模块，用于通过所述第一震动模型与所述第二震动模型，获取无人机运行震动模型；震动信息获取模块，用于基于所述无人机运行震动模型，获取目标无人机的实时飞行震动信息；飞行日志获取模块，用于在所述目标无人机飞行经过目标测绘区域时，获取所述目标无人机的飞行日志信息；修正信息输入模块，用于以所述飞行日志信息为第一修正信息，以所述实时飞行震动信息为第二修正信息，输入图像采集设备中；测绘图像合成模块，用于获取图像采集修正信息，同步至所述智能测绘系统，合成目标测绘图像。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了针对螺旋桨进行震动分析，获取第一震动模型；针对发动机进行震动分析，获取第二震动模型；通过第一震动模型与第二震动模型，获取无人机运行震动模型，获取目标无人机的实时飞行震动信息；在目标无人机飞行经过目标测绘区域时，获取目标无人机的飞行日志信息；以飞行日志信息为第一修正信息，以实时飞行震动信息为第二修正信息，输入图像采集设备中；获取图像采集修正信息，同步至智能测绘系统，合成目标测绘图像，实现了将飞行震动与飞行参数作为修正信息，对捕捉图像防抖动补偿，避免图像重影、拖影问题，将修正后图像应用于测绘图像合成，保证测绘图像清晰度，提高测绘精度的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种基于无人机的智能测绘方法可能的流程示意图；

图2为本申请实施例提供了一种基于无人机的智能测绘方法中获取微震监测数据集可能的流程示意图；

图3为本申请实施例提供了一种基于无人机的智能测绘方法中获取第二震动模型可能的流程示意图；

图4为本申请实施例提供了一种基于无人机的智能测绘系统可能的结构示意图。

附图标记说明：第一震动分析模块100，第二震动分析模块200，震动模型获取模块300，震动信息获取模块400，飞行日志获取模块500，修正信息输入模块600，测绘图像合成模块700。

具体实施方式

本申请实施例提供了一种基于无人机的智能测绘方法及系统，解决了因仪器震动，捕捉图像存在重影、拖影，无法直接应用于测绘图像合成的技术问题，实现了将飞行震动与飞行参数作为修正信息，对捕捉图像防抖动补偿，避免图像重影、拖影问题，将修正后图像应用于测绘图像合成，保证测绘图像清晰度，提高测绘精度的技术效果。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种基于无人机的智能测绘方法，其中，所述方法应用于智能测绘系统，所述智能测绘系统与图像采集设备通信连接，所述方法包括：

S10：在目标无人机的运行状态，针对螺旋桨进行震动分析，获取第一震动模型；

步骤S10包括步骤：

S11：在所述目标无人机的运行状态，获取螺旋桨转速信息；

S12：通过所述螺旋桨转速信息与微震监测数据集，确定微震监测画像；

S13：通过所述微震监测画像与螺旋桨历史运行记录，获取第一震动模型。

具体而言，所述目标无人机搭载图像采集设备，在经过目标测绘区域的领空时，进行图像信息采集，将采集所得图像信息发送至智能测绘系统，对目标测绘区域进行自动测绘，所述智能测绘系统与图像采集设备通信连接，所述通信连接简单来说就是通过信号的传输交互，在所述智能测绘系统与图像采集设备之间构成通讯网络，为进行自动测绘提供硬件基础；

在目标无人机的运行状态，针对螺旋桨进行震动分析，获取第一震动模型，具体包括：螺旋桨位于所述目标无人机的空间上方，常见的，所述螺旋桨可以是两片螺旋桨叶、三片螺旋桨叶，在目标无人机的运行状态，螺旋桨需要保证一定的转速，螺旋桨转动会对图像采集设备产生运动分量，基于此，获取螺旋桨转速信息（一般的，螺旋桨转速信息可以是5000rpm，Revolutions Per Minute的缩写，即转每分）；

通过所述螺旋桨转速信息与微震监测数据集，确定微震监测画像，所述微震监测画像包括加速飞行微震监测画像、减速飞行微震监测画像与匀速飞行微震监测画像，对所述螺旋桨转速信息与微震监测数据集进行关联绑定，确定微震监测画像（将螺旋桨转速信息代入螺旋桨拉力计算公式：拉力（千克）=直径（米)×螺距(米）×浆宽度（米）×螺旋桨转速²（转/秒）×1大气压力（单位标准大气压）×经验系数（0.25），加速飞行微震监测画像-螺旋桨加速拉力、减速飞行微震监测画像-螺旋桨减速拉力、匀速飞行微震监测画像-螺旋桨稳定拉力）；

通过所述微震监测画像与螺旋桨历史运行记录，获取第一震动模型，具体包括：在所述智能测绘系统的数据存储单元中，获取螺旋桨历史运行记录，通过不同的数据标签（角速度、微震传动波速、波速梯度等参数指标）（螺旋桨转动会对图像采集设备产生运动分量，微震传动一般为接触式传动），对微震监测数据集的数据划分，确定加速飞行数据子集、减速飞行数据子集与匀速飞行数据子集，获取加速飞行数据子集-加速飞行微震监测画像-螺旋桨加速拉力、减速飞行数据子集-减速飞行微震监测画像-螺旋桨减速拉力、匀速飞行数据子集-匀速飞行微震监测画像-螺旋桨稳定拉力的关联映射函数，将加速飞行数据子集-加速飞行微震监测画像-螺旋桨加速拉力、减速飞行数据子集-减速飞行微震监测画像-螺旋桨减速拉力、匀速飞行数据子集-匀速飞行微震监测画像-螺旋桨稳定拉力的关联映射函数记为第一震动模型，为后续对螺旋桨进行震动分析提供模型支持。

补充说明：“-”作为常用的一种语言符号，多用于编号中连接顺序号、连接年、月、日等情况，在本申请实施例中“-”表征为数据属性关联绑定（数据属性关联绑定属于简单数据绑定，简单数据绑定为现有技术），便于后续进行数据调取。

如图2所示，步骤S12包括步骤：

S121：在匀速飞行阶段，螺旋桨以第一状态运行，进行震动检测，获取第一状态微震基本量；

S122：在加速飞行阶段，螺旋桨以第二状态运行，进行震动检测，获取第二状态微震基本量；

S123：在减速飞行阶段，螺旋桨以第三状态运行，进行震动检测，获取第三状态微震基本量；

S124：对所述第一状态微震基本量、第二状态微震基本量与第三状态微震基本量进行合并，获取所述微震监测数据集。

具体而言，微震监测数据集，具体包括：在目标无人机匀速飞行阶段，螺旋桨以第一状态运行，采用振动检测仪进行震动检测，对匀速飞行阶段的震动检测数据进行整理，获取第一状态微震基本量；在目标无人机加速飞行阶段，螺旋桨以第二状态运行，采用振动检测仪进行震动检测，对加速飞行阶段的震动检测数据进行整理，获取第二状态微震基本量；在目标无人机减速飞行阶段，螺旋桨以第三状态运行，采用振动检测仪进行震动检测，对减速飞行阶段的震动检测数据进行整理，获取第三状态微震基本量；将所述第一状态微震基本量添加至加速飞行数据子集（加速飞行数据子集还包括：桨叶迎角、螺旋桨转速、飞行速度数据），将第二状态微震基本量添加至减速飞行数据子集，将第三状态微震基本量添加至匀速飞行数据子集，将所述加速飞行数据子集、减速飞行数据子集与匀速飞行数据子集进行合并，获取所述微震监测数据集，为进行微震分析提供数据支持；

以加速飞行为例，结合所述螺旋桨拉力计算公式，对目标无人机的飞行速度变化进行分阶段说明：第一阶段为螺旋桨转速（切向速度）增加，螺旋桨转速增加的同时，桨叶迎角持续变大，飞行速度还暂时没变；第二阶段为螺旋桨转速增加到一定值，桨叶迎角变大，螺旋桨拉力增加，目标无人机的飞行速度增加；第三阶段为目标无人机的飞行速度增加，由于飞行速度增大，致使桨叶迎角又开始逐渐减小（或桨叶迎角的增大率减小），螺旋桨拉力也随之逐渐降低，飞机阻力逐渐增大，从而目标无人机的飞行速度的增加趋势也逐渐减慢；第四阶段为当螺旋桨拉力降低到一定程度(即螺旋桨拉力等于阻力)后，目标无人机的飞行速度则不再增加（不考虑随着螺旋桨速度上升造成的诸如桨叶翼尖失速、阻力上升等问题）。

S20：在目标无人机的运行状态，针对发动机进行震动分析，获取第二震动模型；

如图3所示，步骤S20包括步骤：

S21：在所述目标无人机的运行状态，获取发动机曲轴转速信息；

S22：通过发动机功率、扭矩与所述发动机曲轴转速信息，构建发动机转速特性曲线；

S23：通过所述发动机转速特性曲线与发动机历史运行记录，获取第二震动模型。

具体而言，在目标无人机的运行状态，针对发动机进行震动分析，获取第二震动模型，具体包括：一般的，无人机多采用喷气发动机作为推动装置，在所述目标无人机的运行状态，获取发动机曲轴转速信息；构建一坐标系，所述坐标系的单位网格的横坐标为发动机曲轴转速，所述坐标系的单位网格的纵坐标可以为发动机功率、扭矩（示例性的，发动机功率∈（15KW，70KW），单位网格发动机功率为5KW，发动机曲轴转速∈（1000rpm，6000rpm），单位网格的横轴可以是250rpm，对坐标系进行单位网格均匀分格，将所述发动机功率在坐标系中进行标记，将标记所得点进行曲线拟合，获取发动机功率曲线），分别构建发动机功率曲线、扭矩曲线（所述发动机功率曲线、扭矩曲线在同一坐标系中，发动机功率曲线、扭矩曲线可以通过颜色进行区分），将发动机功率曲线、扭矩曲线，代入扭矩=（k×发动机功率）/发动机曲轴转速（其中，k为发动机转速特性参数，为验证推导所得）中，构建发动机转速特性曲线；通过所述发动机转速特性曲线与发动机历史运行记录，获取第二震动模型，为后续对发动机进行震动分析提供模型支持。

步骤S23包括步骤：

S231：对减震橡胶进行参数采集，获取物理减震信息；

S232：以前馈型网络为模型基础，将所述发动机历史运行记录作为训练数据，将所述发动机转速特性曲线作为隐藏层激活函数，将物理减震信息作为损失函数的修正参数，进行训练；

S233：在模型输出趋于稳定状态，确定第二震动模型。

具体而言，通过所述发动机转速特性曲线与发动机历史运行记录，获取第二震动模型，具体包括：对减震橡胶进行参数采集（可以在减震橡胶的使用说明中进行相关参数参数提取，若减震橡胶存在磨损，则需要采用结构动力学，代入阻尼矩阵中计算获取，为公知常识），获取物理减震信息，所述物理减震信息包括静态刚度、阻尼性能等相关参数指标；以前馈型网络为模型基础，基于所述智能测绘系统的数据存储单元，以所述发动机功率、扭矩与发动机曲轴转速信息为检索内容，设置检索符，在所述智能测绘系统的数据存储单元中，进行关联检索，获取发动机历史运行记录，将所述发动机历史运行记录作为训练数据，将所述发动机转速特性曲线作为隐藏层激活函数（若发动机转速特性曲线为周期性函数，可以通过sin、cos等常用周期性函数，采用代入夹逼法确定发动机转速特性曲线的周期性表达的系数，确定发动机转速特性曲线的横坐标数据与纵坐标数据之间的函数关系，获取发动机转速特性曲线的函数表达式，将发动机转速特性曲线的函数表达式作为隐藏层激活函数），将物理减震信息作为损失函数的修正参数，进行模型收敛训练，设置模型稳定阈值（预设参数指标），在模型输出满足模型稳定阈值，即型输出趋于稳定状态，确定第二震动模型，为构建发动机的震动模型提供参照。

S30：通过所述第一震动模型与所述第二震动模型，获取无人机运行震动模型；

S40：基于所述无人机运行震动模型，获取目标无人机的实时飞行震动信息；

S50：在所述目标无人机飞行经过目标测绘区域时，获取所述目标无人机的飞行日志信息；

具体而言，对所述第一震动模型与所述第二震动模型进行并行化处理，合成无人机运行震动模型；获取螺旋桨实时转速与发动机曲轴实时转速，将螺旋桨实时转速与发动机曲轴实时转速输入至所述无人机运行震动模型，输出目标无人机的实时飞行震动信息（发动机、螺旋桨的震动通过目标无人机机身，传导至所述图像采集设备，因测绘阶段需要保证图像采集设备与目标无人机机身的机械连接的稳定性，不考虑目标无人机的机身与所述图像采集设备之间的传导损耗，由此，目标无人机的实时飞行震动信息默认等于图像采集设备的实时震动信息）；在所述目标无人机飞行经过目标测绘区域（目标测绘区域即需要进行测绘的目标区域）时，获取所述目标无人机的飞行日志信息，为后续进行精准测绘提供数据支持。

S60：以所述飞行日志信息为第一修正信息，以所述实时飞行震动信息为第二修正信息，输入所述图像采集设备中；

S70：获取图像采集修正信息，同步至所述智能测绘系统，合成目标测绘图像。

步骤S70包括步骤：

S71：获取图像采集修正信息，将所述图像采集修正信息同步至所述智能测绘系统的测绘单元；

S72：测绘单元利用VisualSFM，在3D重建的交互界面，合成测绘稀疏点云；

S73：配合PMVS/CMVS，进行重构后，合成测绘稠密点云；

S74：基于所述测绘稠密点云，获取目标测绘图像。

具体而言，在所述图像采集设备进行采集之前，以所述飞行日志信息作为第一修正信息，以所述实时飞行震动信息作为第二修正信息，输入所述图像采集设备中，对所述图像采集设备进行防抖动补偿，完成防抖动补偿设置后，通过图像采集设备进行图像采集，获取图像采集修正信息；将图像采集修正信息同步至所述智能测绘系统，合成目标测绘图像，具体包括：读取所述图像采集修正信息，将所述图像采集修正信息同步至所述智能测绘系统的测绘单元，测绘单元利用VisualSFM（软件名），点击“open Multiple Images”指令按钮，运用shift选取所述图像采集修正信息，在3D重建的交互界面，点击“Compute MissingMatches”指令按钮匹配照片之间的特征点，点击“Compute 3D Reconstruction”指令按钮合成测绘稀疏点云；配合PMVS/CMVS，进行重构后，合成测绘稠密点云；基于所述测绘稠密点云，将所述测绘稠密点云作为测绘坐标点，合成所述目标测绘区域的目标测绘图像，为保证测绘图像的精度提供技术支持。

步骤S73包括步骤：

S731：在所述目标无人机飞行经过目标测绘区域时，发出检索指令；

S732：通过所述检索指令，在所述智能测绘系统中，提取所述目标测绘区域的历史测绘图像；

S733：通过所述历史测绘图像，使用PMVS/CMVS的效果，获取测绘稠密点云。

具体而言，配合PMVS/CMVS，进行重构后，合成测绘稠密点云，具体包括：在所述目标无人机飞行经过目标测绘区域时，发出检索指令，所述检索指令用于对历史测绘图像进行检索并读取；通过所述检索指令，在所述智能测绘系统中，检索并读取所述目标测绘区域的历史测绘图像，将所述历史测绘图像提取至3D重建的交互界面，点击“Run DenseReconstruction”指令按钮进行重构，使用PMVS/CMVS（PMVS即Multi-View Stereo，CMVS即clustering multi-view stereo，两种多视图匹配经典算法，均属于工具包）的效果，对重构后的测绘稠密点云进行展示，结合历史测绘图像进行点云重构，可以在不进行过度运算的基础上，最大限度的提升测绘稠密点云的精确度，为提升测绘精度提供数据基础。

综上所述，本申请实施例所提供的一种基于无人机的智能测绘方法及系统具有如下技术效果：

1.由于采用了针对螺旋桨进行震动分析，获取第一震动模型；针对发动机进行震动分析，获取第二震动模型，结合第一震动模型，获取无人机运行震动模型，获取目标无人机的实时飞行震动信息；在目标无人机飞行经过目标测绘区域时，获取目标无人机的飞行日志信息；以飞行日志信息为第一修正信息，以实时飞行震动信息为第二修正信息，输入图像采集设备中；获取图像采集修正信息，同步至智能测绘系统，合成目标测绘图像，本申请通过提供了一种基于无人机的智能测绘方法及系统，实现了将飞行震动与飞行参数作为修正信息，对捕捉图像防抖动补偿，避免图像重影、拖影问题，将修正后图像应用于测绘图像合成，保证测绘图像清晰度，提高测绘精度的技术效果。

2.由于采用了在所述目标无人机飞行经过目标测绘区域时，发出检索指令，在所述智能测绘系统中，提取所述目标测绘区域的历史测绘图像，使用PMVS/CMVS的效果，获取测绘稠密点云，结合历史测绘图像进行点云重构，在不进行过度运算的基础上，最大限度的提升测绘稠密点云的精确度，为提升测绘精度提供数据基础。

实施例二

基于与前述实施例中一种基于无人机的智能测绘方法相同的发明构思，如图4所示，本申请实施例提供了一种基于无人机的智能测绘系统，其中，所述系统包括：

第一震动分析模块100，用于在目标无人机的运行状态，针对螺旋桨进行震动分析，获取第一震动模型；

第二震动分析模块200，用于在目标无人机的运行状态，针对发动机进行震动分析，获取第二震动模型；

震动模型获取模块300，用于通过所述第一震动模型与所述第二震动模型，获取无人机运行震动模型；

震动信息获取模块400，用于基于所述无人机运行震动模型，获取目标无人机的实时飞行震动信息；

飞行日志获取模块500，用于在所述目标无人机飞行经过目标测绘区域时，获取所述目标无人机的飞行日志信息；

修正信息输入模块600，用于以所述飞行日志信息为第一修正信息，以所述实时飞行震动信息为第二修正信息，输入图像采集设备中；

测绘图像合成模块700，用于获取图像采集修正信息，同步至所述智能测绘系统，合成目标测绘图像。

进一步的，所述系统包括：

螺旋桨转速获取模块，用于在所述目标无人机的运行状态，获取螺旋桨转速信息；

微震监测画像确定模块，用于通过所述螺旋桨转速信息与微震监测数据集，确定微震监测画像；

第一震动模型获取模块，用于通过所述微震监测画像与螺旋桨历史运行记录，获取第一震动模型。

进一步的，所述系统包括：

第一震动检测模块，用于在匀速飞行阶段，螺旋桨以第一状态运行，进行震动检测，获取第一状态微震基本量；

第二震动检测模块，用于在加速飞行阶段，螺旋桨以第二状态运行，进行震动检测，获取第二状态微震基本量；

第三震动检测模块，用于在减速飞行阶段，螺旋桨以第三状态运行，进行震动检测，获取第三状态微震基本量；

微震监测数据集获取模块，用于对所述第一状态微震基本量、第二状态微震基本量与第三状态微震基本量进行合并，获取所述微震监测数据集。

进一步的，所述系统包括：

曲轴转速获取模块，用于在所述目标无人机的运行状态，获取发动机曲轴转速信息；

转速特性曲线构建模块，用于通过发动机功率、扭矩与所述发动机曲轴转速信息，构建发动机转速特性曲线；

第二震动模型获取模块，用于通过所述发动机转速特性曲线与发动机历史运行记录，获取第二震动模型。

进一步的，所述系统包括：

物理减震信息获取模块，用于对减震橡胶进行参数采集，获取物理减震信息；

模型训练模块，用于以前馈型网络为模型基础，将所述发动机历史运行记录作为训练数据，将所述发动机转速特性曲线作为隐藏层激活函数，将物理减震信息作为损失函数的修正参数，进行训练；

第二震动模型确定模块，用于在模型输出趋于稳定状态，确定第二震动模型。

进一步的，所述系统包括：

修正信息同步模块，用于获取图像采集修正信息，将所述图像采集修正信息同步至所述智能测绘系统的测绘单元；

测绘稀疏点云合成模块，用于测绘单元利用VisualSFM，在3D重建的交互界面，合成测绘稀疏点云；

测绘稠密点云合成模块，用于配合PMVS/CMVS，进行重构后，合成测绘稠密点云；

目标测绘图像获取模块，用于基于所述测绘稠密点云，获取目标测绘图像。

进一步的，所述系统包括：

检索指令发出模块，用于在所述目标无人机飞行经过目标测绘区域时，发出检索指令；

历史测绘图像提取模块，用于通过所述检索指令，在所述智能测绘系统中，提取所述目标测绘区域的历史测绘图像；

测绘稠密点云获取模块，用于通过所述历史测绘图像，使用PMVS/CMVS的效果，获取测绘稠密点云。

综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。

进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.一种基于无人机的智能测绘方法，其特征在于，所述方法应用于智能测绘系统，所述智能测绘系统与图像采集设备通信连接，所述方法包括：

在目标无人机的运行状态，针对螺旋桨进行震动分析，获取第一震动模型；

在目标无人机的运行状态，针对发动机进行震动分析，获取第二震动模型；

通过所述第一震动模型与所述第二震动模型，获取无人机运行震动模型；

基于所述无人机运行震动模型，获取目标无人机的实时飞行震动信息；

在所述目标无人机飞行经过目标测绘区域时，获取所述目标无人机的飞行日志信息；

以所述飞行日志信息为第一修正信息，以所述实时飞行震动信息为第二修正信息，输入所述图像采集设备中，基于所述第一修正信息、第二修正信息对所述图像采集设备进行防抖动补偿，完成防抖动补偿设置；

利用完成防抖动补偿设置的图像采集设备对采集的图像进行修正，获取图像采集修正信息，同步至所述智能测绘系统，合成目标测绘图像。

2.如权利要求1所述的方法，其特征在于，在目标无人机的运行状态，针对螺旋桨进行震动分析，获取第一震动模型，包括：

在所述目标无人机的运行状态，获取螺旋桨转速信息；

通过所述螺旋桨转速信息与微震监测数据集，确定微震监测画像；

通过所述微震监测画像与螺旋桨历史运行记录，获取第一震动模型。

3.如权利要求2所述的方法，其特征在于，所述微震监测数据集，包括：

在匀速飞行阶段，螺旋桨以第一状态运行，进行震动检测，获取第一状态微震基本量；

在加速飞行阶段，螺旋桨以第二状态运行，进行震动检测，获取第二状态微震基本量；

在减速飞行阶段，螺旋桨以第三状态运行，进行震动检测，获取第三状态微震基本量；

对所述第一状态微震基本量、第二状态微震基本量与第三状态微震基本量进行合并，获取所述微震监测数据集。

4.如权利要求1所述的方法，其特征在于，在目标无人机的运行状态，针对发动机进行震动分析，获取第二震动模型，包括：

在所述目标无人机的运行状态，获取发动机曲轴转速信息；

通过发动机功率、扭矩与所述发动机曲轴转速信息，构建发动机转速特性曲线；

通过所述发动机转速特性曲线与发动机历史运行记录，获取第二震动模型。

5.如权利要求4所述的方法，其特征在于，通过所述发动机转速特性曲线与发动机历史运行记录，获取第二震动模型，包括：

对减震橡胶进行参数采集，获取物理减震信息；

以前馈型网络为模型基础，将所述发动机历史运行记录作为训练数据，将所述发动机转速特性曲线作为隐藏层激活函数，将物理减震信息作为损失函数的修正参数，进行训练；

在模型输出趋于稳定状态，确定第二震动模型。

6.如权利要求1所述的方法，其特征在于，获取图像采集修正信息，同步至所述智能测绘系统，合成目标测绘图像，包括：

获取图像采集修正信息，将所述图像采集修正信息同步至所述智能测绘系统的测绘单元；

测绘单元利用VisualSFM，在3D重建的交互界面，合成测绘稀疏点云；

配合PMVS/CMVS，进行重构后，合成测绘稠密点云；

基于所述测绘稠密点云，获取目标测绘图像。

7.如权利要求6所述的方法，其特征在于，所述配合PMVS/CMVS，进行重构后，合成测绘稠密点云，包括：

在所述目标无人机飞行经过目标测绘区域时，发出检索指令；

通过所述检索指令，在所述智能测绘系统中，提取所述目标测绘区域的历史测绘图像；

通过所述历史测绘图像，使用PMVS/CMVS的效果，获取测绘稠密点云。

8.一种基于无人机的智能测绘系统，其特征在于，用于实施权利要求1-7任一一项所述的一种基于无人机的智能测绘方法，包括：

第一震动分析模块，用于在目标无人机的运行状态，针对螺旋桨进行震动分析，获取第一震动模型；

第二震动分析模块，用于在目标无人机的运行状态，针对发动机进行震动分析，获取第二震动模型；

震动模型获取模块，用于通过所述第一震动模型与所述第二震动模型，获取无人机运行震动模型；

震动信息获取模块，用于基于所述无人机运行震动模型，获取目标无人机的实时飞行震动信息；

飞行日志获取模块，用于在所述目标无人机飞行经过目标测绘区域时，获取所述目标无人机的飞行日志信息；

修正信息输入模块，用于以所述飞行日志信息为第一修正信息，以所述实时飞行震动信息为第二修正信息，输入图像采集设备中，基于所述第一修正信息、第二修正信息对所述图像采集设备进行防抖动补偿，完成防抖动补偿设置；

测绘图像合成模块，用于利用完成防抖动补偿设置的图像采集设备对采集的图像进行修正，获取图像采集修正信息，同步至所述智能测绘系统，合成目标测绘图像。

Images