CN115827938A - 国土空间规划数据采集方法、电子设备和计算机可读介质 - Google Patents
国土空间规划数据采集方法、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN115827938A CN115827938A CN202310137245.8A CN202310137245A CN115827938A CN 115827938 A CN115827938 A CN 115827938A CN 202310137245 A CN202310137245 A CN 202310137245A CN 115827938 A CN115827938 A CN 115827938A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- space planning
- data set
- planning data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000000007 visual effect Effects 0.000 claims abstract description 32
- 238000003860 storage Methods 0.000 claims abstract description 23
- 239000002689 soil Substances 0.000 claims abstract description 20
- 238000004891 communication Methods 0.000 claims description 55
- 230000004044 response Effects 0.000 claims description 20
- 238000007499 fusion processing Methods 0.000 claims description 19
- 239000010419 fine particle Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000013618 particulate matter Substances 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 33
- 238000010586 diagram Methods 0.000 description 202
- 230000001276 controlling effect Effects 0.000 description 23
- 230000008901 benefit Effects 0.000 description 21
- 230000006870 function Effects 0.000 description 13
- 238000010276 construction Methods 0.000 description 10
- 239000013078 crystal Substances 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 10
- 238000013480 data collection Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 239000004973 liquid crystal related substance Substances 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000012876 topography Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000005055 memory storage Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000006641 stabilisation Effects 0.000 description 3
- 238000011105 stabilization Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 235000015429 Mirabilis expansa Nutrition 0.000 description 2
- 244000294411 Mirabilis expansa Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 235000013536 miso Nutrition 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 208000033749 Small cell carcinoma of the bladder Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 201000007710 urinary bladder small cell neuroendocrine carcinoma Diseases 0.000 description 1
Images
Abstract
本公开的实施例公开了国土空间规划数据采集方法、电子设备和计算机可读介质。该方法的一具体实施方式包括：控制嵌入式处理器对目标区域进行数据采集，得到第一国土空间规划数据集；对无人机进行路径规划，得到飞行路径信息；控制无人机进行数据采集，得到第二国土空间规划数据集；对第一国土空间规划数据集和第二国土空间规划数据集进行融合处理，得到第三国土空间规划数据集；控制终端设备，以对第三国土空间规划数据集进行可视化显示，得到各个可视化显示界面；确定规划用地；控制无人机和嵌入式处理器再次进行数据采集。该实施方式可以携带较少的设备收集更加全面的数据，提高数据的传输效率和存储，减少数据冗余、内存资源和带宽资源的使用。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及国土空间规划数据采集方法、电子设备和计算机可读介质。
背景技术
国土空间规划是对一定区域国土空间开发保护在空间和时间上的安排，是国家空间发展的指南、可持续发展的空间蓝图，是各类开发保护建设活动的基本依据。由于不同乡镇、村庄在区位关系、资源环境、国土空间利用、产业基础、人居环境、设施配套、发展意愿和诉求等方面存在差异性，在开展国土空间规划编制前期，需要对规划的乡村地区进行数据采集，以便充分了解乡村地区的实际情况。对于国土空间规划数据采集，通常采用的方式为：用激光扫描仪采集三维点云数据，采用平板控制无人机采集图像数据，采用全球定位设备采集位置信息，采用相机采集图像数据。
然而，发明人发现，当采用上述方式来采集乡村国土数据，经常会存在如下技术问题：
第一，软件方面，采用较多的采集设备进行数据采集，存在大量的冗余数据，导致数据传输占用较多的内存资源和宽带资源，不便于数据的传输和存储。
第二，对于地图视图的三维建模一般将多个摄像头采集的多个不同角度拍摄的图像转换到统一坐标系下构建三维视图，造成数据冗余，增加计算量，进而导致数据处理周期变长和效率变低。
第三，在确定规划用地时，由于考虑的影响因素比较单一，并且数据传输效率较低并且存在大量冗余信息，使得数据的准确性和时效性较低，导致规划用地的确定的准确较低，进而导致国土空间规划的建设周期较长。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了国土空间规划数据采集方法、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种国土空间规划数据采集方法，包括：响应于接收到数据采集信息，控制嵌入式处理器连接的复用组件对目标区域进行数据采集，得到第一国土空间规划数据集，其中，上述复用组件是可拆卸的组件，上述复用组件包括：定位组件、摄像头和录音组件；对无人机进行路径规划，得到飞行路径信息；根据上述飞行路径信息，控制上述无人机连接的复用组件进行数据采集，得到第二国土空间规划数据集，其中，上述复用组件与上述无人机是可拆卸连接的；对上述第一国土空间规划数据集和上述第二国土空间规划数据集进行融合处理，得到融合处理后的国土空间规划数据集，作为第三国土空间规划数据集；控制终端设备，以对上述第三国土空间规划数据集进行可视化显示，得到各个可视化显示界面；根据上述各个可视化显示界面，确定规划用地；响应于再次接收到数据采集信息，控制上述无人机和上述嵌入式处理器再次进行数据采集。
第二方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第三方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的国土空间规划数据采集方法可以携带较少的设备收集更加全面的数据，提高数据的传输效率和存储，减少数据冗余、内存资源和带宽资源的使用。具体来说，造成相关的数据传输占用较多的内存资源和宽带资源，不便于数据的传输和存储的原因在于：软件方面，采用较多的采集设备进行数据采集，存在大量的冗余数据，导致数据传输占用较多的内存资源和宽带资源，不便于数据的传输和存储。基于此，本公开的一些实施例的国土空间规划数据采集方法可以首先，响应于接收到数据采集信息，控制嵌入式处理器连接的复用组件对目标区域进行数据采集，得到第一国土空间规划数据集，其中，上述复用组件是可拆卸的组件，上述复用组件包括：定位组件、摄像头和录音组件。在这里，由于复用组件在嵌入式处理器和无人机的功能一样，故将复用组件设计成可插拔式的，有利于降低设计成本。采用嵌入式处理器包括复用组件对数据进行采集，复用组件包括的多个组件可以采集多方面的数据，可以代替多种采集设备，减少设备的携带。其次，对无人机进行路径规划，得到飞行路径信息。再次，根据上述飞行路径信息，控制上述无人机连接的复用组件进行数据采集，得到第二国土空间规划数据集，其中，上述复用组件与上述无人机是可拆卸连接的。在这里，采用无人机包括的复用组件对目标区域进行数据采集，并且复用组件与嵌入式处理器与无人机是可拆卸连接到，这样可以代替多种采集设备，减少设备的携带。并且通过规划无人机的飞行路径信息，控制无人机对目标区域进行数据采集，可以得到更加全面的数据，降低相关工作人员的工作风险。接着，对上述第一国土空间规划数据集和上述第二国土空间规划数据集进行融合处理，得到融合处理后的国土空间规划数据集，作为第三国土空间规划数据集。在这里，对上述第一国土空间规划数据集和上述第二国土空间规划数据集进行融合处理，可以去除一些重复数据和错误数据，提高数据的准确性，减少数据传输过程中的网络带宽，更有利于数据的传输。随后，控制终端设备，以对上述第三国土空间规划数据集进行可视化显示，得到各个可视化显示界面。在这里，对采集的乡村国土数据进行显示，有利于对目标区域的情况进行实时查看和掌握。然后，根据上述各个可视化显示界面，确定规划用地。最后，响应于再次接收到数据采集信息，控制上述无人机和上述嵌入式处理器再次进行数据采集。在这里，通过再次进行数据采集可以保证数据的时效性，获取更具时效性的可视化界面。由此可得，该国土空间规划数据采集方法实现国土空间规划数据的多元采集，减少数据冗余，便于进行数据传输，减少存储空间和传输带宽的占用，面向国土空间规划的基础数据采集系统，提高了乡村国土空间规划数据采集效率及质量。该国土空间规划数据采集方法可以使采集的数据更加准确和全面，提高数据传输的效率，同时可以降低相关工作人员的工作风险和疲劳。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的国土空间规划数据采集方法的一些实施例的流程图；
图2是根据本公开的国土空间规划数据采集方法的一些实施例的定位组件的整体电路图的示意图；
图3-图11是根据本公开的国土空间规划数据采集方法的一些实施例的定位组件的各个模块的电路图的示意图；
图12是根据本公开的国土空间规划数据采集方法的一些实施例的摄像头的整体电路图的示意图；
图13-图19是根据本公开的国土空间规划数据采集方法的一些实施例的摄像头的各个模块的电路图的示意图；
图20是根据本公开的国土空间规划数据采集方法的一些实施例的录音组件的整体电路图的示意图；
图21-图25是根据本公开的国土空间规划数据采集方法的一些实施例的录音组件的各个模块的电路图的示意图；
图26是根据本公开的国土空间规划数据采集方法的一些实施例的处理器电源电路组件的整体电路图的示意图；
图27-图33是根据本公开的国土空间规划数据采集方法的一些实施例的处理器电源电路组件的各个模块的电路图的示意图；
图34是根据本公开的国土空间规划数据采集方法的一些实施例的嵌入式处理器芯片的整体电路图的示意图；
图35-图40是根据本公开的国土空间规划数据采集方法的一些实施例的嵌入式处理器芯片的各个模块的电路图的示意图；
图41是根据本公开的国土空间规划数据采集方法的一些实施例的通信组件的整体电路图的示意图；
图42-图44是根据本公开的国土空间规划数据采集方法的一些实施例的通信组件的各个模块的电路图的示意图；
图45是根据本公开的国土空间规划数据采集方法的一些实施例的细颗粒物传感器的电路图的示意图；
图46是根据本公开的国土空间规划数据采集方法的一些实施例的输入组件的电路图的示意图；
图47是根据本公开的国土空间规划数据采集方法的一些实施例的处理器数据收发组件的电路图的示意图；
图48是根据本公开的国土空间规划数据采集方法的一些实施例的显示终端的电路图的示意图；
图49是根据本公开的国土空间规划数据采集方法的一些实施例的蜂鸣器的电路图的示意图；
图50是根据本公开的国土空间规划数据采集方法的一些实施例的陀螺仪传感器的电路图的示意图；
图51是根据本公开的国土空间规划数据采集方法的一些实施例的无人机芯片的电路图的示意图；
图52是根据本公开的国土空间规划数据采集方法的一些实施例的电机驱动组件的整体电路图的示意图；
图53-图59是根据本公开的国土空间规划数据采集方法的一些实施例的电机驱动组件的各个模块的电路图的示意图；
图60是根据本公开的国土空间规划数据采集方法的一些实施例的无人机数据收发组件的电路图的示意图；
图61是根据本公开的国土空间规划数据采集方法的一些实施例的无人机电源电路组件的电路图的示意图；
图62是根据本公开的国土空间规划数据采集方法的一些实施例的图像深度求解的示意图；
图63是适于用来实现本公开的一些实施例的电子设备的结构示意图。
实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1，示出了根据本公开的国土空间规划数据采集方法的一些实施例的流程100。该国土空间规划数据采集方法，包括以下步骤：
步骤101，响应于接收到数据采集信息，控制嵌入式处理器连接的复用组件对目标区域进行数据采集，得到第一国土空间规划数据集。
在一些实施例中，上述国土空间规划数据采集方法的执行主体可以响应于接收到数据采集信息，控制嵌入式处理器连接的复用组件对目标区域进行数据采集，得到第一国土空间规划数据集。其中，上述目标区域可以是需要进行数据采集的区域。上述第一国土空间规划数据集可以是对上述目标区域的周围环境进行数据采集得到的数据集。上述第一国土空间规划数据集可以包括以下至少一项：第一图像集、第一音频数据集、第一位置信息集和空气质量数据集。上述第一图像集中的第一图像可以是嵌入式处理器连接的复用组件的摄像头拍摄的目标区域的环境图。上述第一音频集中的第一音频可以是嵌入式处理器连接的复用组件的录音组件采集的目标区域的声音数据。上述第一位置信息集中的第一位置信息可以是嵌入式处理器连接的复用组件的定位组件收集的目标区域的位置信息。上述嵌入式处理器可以是对上述目标区域进行收集采集的处理器。上述复用组件可以是拔插式。当采用嵌入式处理器进行数据采集时，将复用组件与嵌入式处理器进行连接。当采用无人机进行数据采集时，将复用组件与无人机进行连接。上述复用组件包括：定位组件、摄像头和录音组件。上述定位组件用于收集上述目标区域的位置信息集。上述定位组件的整体电路图如图2所示，其中，上述定位组件的整体电路图包括：第一定位控制模块的电路图、第二定位控制模块的电路图、定位天线模块的电路图、电源地与GSM（Global System for MobileCommunications，全球移动通信系统）天线模块的电路图、麦克风控制模块的电路图、第一无线网络控制模块的电路图、第二无线网络控制模块的电路图、状态指示灯控制模块的电路图和输入输模块的电路图。上述定位组件的各个模块的电路图如图3-图11所示，其中，图3是定位组件的第一定位控制模块的电路图。图4是定位组件的第二定位控制模块的电路图。图5是定位组件的定位天线模块的电路图。图6是定位组件的电源地与GSM（GlobalSystem for Mobile Communications，全球移动通信系统）天线模块的电路图。图7是定位组件的麦克风控制模块的电路图。图8是定位组件的第一无线网络控制模块的电路图。图9是定位组件的第二无线网络控制模块的电路图。图10是定位组件的状态指示灯控制模块的电路图。图11是定位组件的输入输模块的电路图。上述定位组件主要部件有SIM808模块、SIM电话卡、麦克风接口、GPS天线接口。嵌入式处理器芯片和SIM808模块的通讯方式采用的是串口通讯。上述定位组件可以是采用SIM808芯片。上述SIM808模块可以是一个可以在四个波段进行工作、集成了GSM（Global System for Mobile Communications，全球移动通信系统）芯片和GPRS（general packet radio service，通用分组无线业务）芯片的模块。四个波段可以包括：850MHZ、900MHZ、1800MHZ和1900MHz。上述SIM808模块采用GPS（GlobalPositioning System，全球定位系统）技术进行卫星导航定位。上述SIM808模块可以发短信、打电话以及可以在任何地点和任何时间通过信号覆盖对物体进行无缝跟踪。上述SIM808模块可以是集成了SIM（Subscriber Identity Module，用户身份识别卡）电话卡的模块。上述SIM卡可以是将数据通过SIM808模块，以TCP协议的方式发送到云端服务器上的芯片。并且上述定位组件控制数据传输时可以根据实际传输需求进行自定义设计。上述摄像头用于收集上述目标区域的图像集。其中，上述摄像头的整体电路图如图12所示，其中，上述摄像头的整体电路图包括：晶振模块的电路图、电源滤波模块的电路图、电源电路的电路图、摄像头控制模块的电路图、第一摄像头模块的电路图、第二摄像头模块的电路图和数据输入输出模块的电路图。上述摄像头的各个模块的电路图如13-图19所示，其中，图13是摄像头的晶振模块的电路图。图14是摄像头的电源滤波模块的电路图。图15是摄像头的电源电路的电路图。图16是摄像头的摄像头控制模块的电路图。图17是摄像头的第一摄像头模块的电路图。图18是摄像头的第二摄像头模块的电路图。图19是摄像头的数据输入输出模块的电路图。上述摄像头可以是内嵌有源晶振,FIFO（First Input First Output）存储芯片的摄像头。上述FIFO存储芯片可以存储2帧QVGA格式的图像数据。上述摄像头可以是通过8根数据线、控制线和嵌入式处理器芯片进行通信。上述摄像头可以是内嵌OV7670图像传感器的摄像头。上述OV7670图像传感器可以是通过SCCB总线控制，输出整帧的、经过子采样、取窗口等操作的各种分辨率的图像的传感器。上述录音组件用于收集上述目标区域的音频数据集。其中，上述录音组件的整体电路图如图20所示，其中，上述录音组件的整体电路图包括：电源电路模块和晶振模块的电路图、麦克风模块的电路图、内存存储模块和电源滤波模块的电路图、扬声器喇叭功放模块的电路图、语音控制芯片、电源电路及程序下载接口的电路图。上述录音组件的各个模块的电路图如图21-图25所示，其中，图21是录音组件的电源电路模块和晶振模块的电路图，其中，上面是录音组件的电源电路模块的电路图，下面是录音组件的晶振模块的电路图。图22是录音组件的麦克风模块的电路图。图23是录音组件的内存存储模块和电源滤波模块的电路图，其中，左侧为录音组件的电源滤波模块的电路图，右侧为录音组件的内存存储模块的电路图。图24是录音组件的扬声器喇叭功放模块的电路图。图25是录音组件的语音控制芯片、电源电路及程序下载接口的电路图，其中，左侧是录音组件的电源电路及程序下载接口的电路图，右侧是录音组件的语音控制芯片的电路图。上述录音组件可以是采用WT2605X音频录音芯片的组件。上述WT2605X音频录音芯片的功能可以包括以下至少一项：线路录音、麦克风录音、音频播放、UART（UniversalAsynchronous Receiver/Transmitter，通用异步收发传输器）串口连接和外挂USB闪存盘、TF卡。上述WT2605X音频录音芯片与上述嵌入式处理器芯片的通信连接的方式可以是串口通信连接。
在一些实施例的一些可选的实现方式中，上述嵌入式处理器包括：处理器电源电路组件、通信组件、嵌入式处理器芯片、细颗粒物传感器、输入组件、处理器数据收发组件、显示终端和蜂鸣器，其特征在于：
上述处理器电源电路组件与上述嵌入式处理器芯片通信连接，用于为上述嵌入式处理器提供电源。其中，上述处理器电源电路组件与上述嵌入式处理器芯片的通信连接方式可以是串口连接。上述处理器电源电路组件的整体电路图如图26所示，其中，上述处理器电源电路组件的整体电路图包括：1.25V电路模块的电路图、3.3V电路模块的电路图、4V电路模块的电路图、5V电路模块的电路图、数字转换器模拟信号检测模块的电路图、电源接口模块的电路图和电源指示灯模块的电路图。上述处理器电源电路组件的各个模块的电路图如图27-图33所示，其中，图27是处理器电路组件的1.25V电路模块的电路图。图28是处理器电路组件的3.3V电路模块的电路图。图29是处理器电路组件的4V电路模块的电路图。图30是处理器电路组件的5V电路模块的电路图。图31是处理器电路组件的数字转换器模拟信号检测模块的电路图。图32是处理器电路组件的电源接口模块的电路图。图33是处理器电路组件的电源指示灯模块的电路图。上述处理器电源电路组件的设计采用MP2359直流降压芯片、LM2596直流稳压芯片、AMS1117直流稳压芯片和MAX8860EUA18稳压芯片。LM2596是4V稳压芯片。AMS1117是3.3V稳压芯片。MAX8860EUA18是1.25V稳压芯片。上述处理器电源电路组件给定位组件提供4V的直流电。上述处理器电源电路组件给摄像头和录音组件提供3V的直流电。上述处理器电源电路组件的设计可以适用于多种规格电压输入。上述处理器电源电路组件的输入电压范围可以是4.5V-24V。上述嵌入式处理器芯片的整体电路图如图34所示，其中，上述嵌入式处理器芯片的整体电路图包括：控制端模块的电路图、数据端模块的电路图、电源地线模块的电路图、第一3.3V供电电源模块的电路图、1.25V供电电源模块的电路图和第二3.3V供电电源模块的电路图。上述嵌入式处理器芯片的各个模块的电路图如图35-图40所示，其中，图35是嵌入式处理器芯片的控制端模块的电路图。图36是嵌入式处理器芯片的数据端模块的电路图。图37是嵌入式处理器芯片的电源地线模块的电路图。图38是嵌入式处理器芯片的第一3.3V供电电源模块的电路图。图39是嵌入式处理器芯片的1.25V供电电源模块的电路图。图40是嵌入式处理器芯片的第二3.3V供电电源模块的电路图。上述嵌入式处理器芯片可以是采用S3C2440X芯片作为主控制器的芯片。上述嵌入式处理器芯片可以是支持TFT（Thin Film Transistor，薄膜晶体管）、SD（Secure DigitalMemory Card，安全数码卡）、MMC（Multi-Media Card，多媒体卡）接口、USB HOST接口、触摸屏接口和摄像头接口的芯片。上述S3C2440X芯片可以支持Linux操作系统，并且内部集成度高。
上述通信组件与上述嵌入式处理器芯片通信连接，用于将上述第一国土空间规划数据集传输至上述云端服务器。其中，上述通信组件的整体电路图如图41所示，其中，上述通信组件的整体电路图包括：接口模块的电路图、电源供电模块的电路图、电源滤波模块、电平转换芯片和数据传输接口模块的电路图。上述通信组件的各个模块的电路图如图42-图44所示，其中，图42是通信组件的接口模块的电路图。图43是通信组件的电源供电模块的电路图。图44是通信组件的电源滤波模块、电平转换芯片和数据传输接口的电路图，其中，左侧是通信组件的电源滤波模块的电路图，中间是通信组件的电平转换芯片的电路图，右侧是通信组件的数据传输接口模块的电路图。上述通信组件通过DB9接口与上述嵌入式处理器芯片的通信连接。上述通信组件可以是采用SP3232数据转换芯片的组件。
上述细颗粒物传感器与上述嵌入式处理器芯片通信连接，用于确定上述目标区域的空气质量。其中，上述细颗粒物传感器的电路图如图45所示，其中，上述嵌入式处理器芯片可以控制上述细颗粒传感器中的三极管Q4来开启和断开细颗粒物传感器的测量。上述细颗粒物传感器可以利用内嵌的LM358运算放大器，将放大后的信号发送给嵌入式处理器芯片，以便嵌入式处理器芯片进行信号检测。上述细颗粒物传感器可以被设计成：将红外发光二极管和光电晶体管对角放置，形成一个供空气流通的空间。其中，对角放置可以是红外发光二极管放在左上角，光电晶体管放置在右下角。其次，定向发射LED光，检测LED光通过空气中的灰尘的折射后的光线，确定空气质量。上述细颗粒物传感器可以是具有极低的电流消耗，并且可以搭载额定电压为7伏特传感器。上述细颗粒传感器的输出的模拟电压与确定的空气质量成正比。上述细颗粒传感器的敏感性可以是0.5V/0.1mg/m3。上述电流消耗可以是最大电流20mA，平均电流11mA。
上述输入组件与上述嵌入式处理器芯片通信连接，用于接收操作信息。其中，上述输入组件与上述嵌入式处理器芯片的通信连接方式可以是串口连接。上述输入组件的电路图如图46所示。上述输入组件可以是采用了4个独立按键输入，分别是功能按键、上键、下键、确认按键。当输入组件有按键按下时，上述嵌入式处理器芯片可以检测到低电压。
上述处理器数据收发组件与上述嵌入式处理器芯片通信连接，用于接收上述第一国土空间规划数据集，以及向上述嵌入式处理器发送操作信息。其中，上述处理器数据收发组件的电路图如图47所示，其中芯片引脚MOSI、CSN、CE、SCK、MISO分别和嵌入式处理器芯片的输入输出接口连接。上述处理器数据收发组件可以是一款2.4GHz，100mW，具有高速和高稳定性，将数据的接收和发送配置在一个组件中的组件。上述处理器数据收发组件可以是采用nRF24L01P射频芯片的组件。上述处理器数据收发组件可以是自带高性能PCB（PrintedCircuit Board，印制电路板）天线、内置RFX2401功放芯片、内建LNA（Low NoiseAmplifier，低噪声功率放大器）的组件。上述处理器收发组件的工作ISM（IndustrialScientific Medical）频段在2.4GHz至2.5GHz。上述处理器数据收发组件的优点可以包括以下至少一项：发射功率足、频谱特性好、谐波小、频道串扰小、体积小、处理器数据收发组件的工作电压低、可靠性高、功率等级高、可以传输更远的距离和接收灵敏度高。上述接收灵敏度可以是10dBm。上述处理器数据收发组件的工作电压可以是3.3V。上述处理器数据收发组件的传输距离可以是5米。
上述显示终端与上述嵌入式处理器芯片通信连接，用于对上述第三国土空间规划数据集进行显示。其中，上述显示终端的电路图如图48所示。上述显示终端与上述嵌入式处理器芯片的通信连接方式可以是串口连接。上述显示终端可以是3.5寸触摸液晶显示屏。上述触摸液晶显示屏可以是内嵌控制器、显存、大容量RAM（Random Access Memory，随机访问存储器）的显示器。上述触摸液晶显示屏的优点可以包括以下至少一项：高分辨率、超薄、功耗低、导光路径较少和采用双面钢框的显示屏。上述大容量RAM可以是480×320×24bit的存储容量。上述高分辨率可以是480×320像素的分辨率。上述触摸液晶显示屏还可以以预设时间间隔自动刷新。上述预设时间可以是30秒。上述触摸液晶显示屏的16根数据线、7根控制线和上述嵌入式处理器芯片进行连接。上述触摸液晶显示屏的供电电压可以是3.3V。
上述蜂鸣器与上述嵌入式处理器芯片通信连接，用于播放上述嵌入式处理器的声音。其中，上述蜂鸣器的电路图如图49所示，上述嵌入式处理器芯片控制三极管Q3用于打开和关闭蜂鸣器。上述声音可以包括以下至少一项：按键声音，低电量提示声音。上述蜂鸣器可以是采用3.3V供电的蜂鸣器。
在一些实施例的一些可选的实现方式中，上述无人机包括：陀螺仪传感器、电机驱动组件、无人机芯片、无人机数据收发组件和无人机电源电路组件，其特征在于：
上述陀螺仪传感器与上述无人机芯片通信连接，用于控制上述无人机进行飞行。其中，上述陀螺仪传感器的电路图如图50所示，其中，MPU6050芯片的供电电压是3.3V。上述陀螺仪传感器被设计成保持无人机飞行的平衡性和稳定性。上述MPU6050芯片的I2C（Inter-Integrated Circuit，双向二线制同步串行总线）总线的SCL时钟信号线、SDA数据线和上述无人机芯片的输入输出接口相连接。上述陀螺仪传感器可以是集成了3轴MEMS（Micro-Electro-Mechanical System，微机电系统）陀螺仪，3轴MEMS加速度计和一个可扩展的数字运动处理器DMP（DigitalMotion Processor，数字运动处理器）的传感器。上述无人机芯片的电路图如图51所示。上述无人机芯片可以是上述无人机的主控制器。
上述电机驱动组件与上述无人机芯片通信连接，用于控制无人机电机转动。其中，上述电机驱动组件可以是采用L9110（半导体集成产品）芯片的组件。上述L9110集成电路器件可以是为控制和驱动电机、设计的两通道推挽式功率放大专用集成电路器件。上述L9110芯片可以是将分立电路集成在单片IC（Integrated Circuit Chip）芯片之中的芯片。上述IC芯片有两个TTL（Transistor Transistor Logic）、CMOS（Complementary Metal OxideSemiconductor）兼容电平的输入，具有良好的抗干扰性。上述电机驱动组件的两个输出端可以直接驱动电机的正反向运动。上述电机驱动组件可以是具有较大的电流驱动能力的组件。例如，上述电机驱动组件的每通道可以通过800mA的持续电流，峰值电流可以达到1.5A。上述电机驱动组件的整体电路图如图52所示，其中，上述电机驱动组件的整体电路图包括：8Mhz晶振模块的电路图、32.768晶振模块的电路图、按键复位模块和3.3V电源模块的电路图、程序下载检测模块的电路图、角度传感器控制模块和无线接收模块的电路图、滤波模块和电源地线模块的电路图、显示屏控制模块和程序下载模块的电路图。上述电机驱动组件的各个模块的电路图如图53-图59所示，其中，图53是电机驱动组件的8Mhz晶振模块的电路图。图54是电机驱动组件的32.768晶振模块的电路图。图55是电机驱动组件的按键复位模块和3.3V电源模块的电路图，其中，左侧是电机驱动组件的按键复位模块的电路图，右侧是电机驱动组件的3.3V电源模块的电路图。图56是电机组件的程序下载检测模块的电路图。图57是电机组件的角度传感器控制模块和无线接收模块的电路图，其中，引脚18和引脚19是电机组件的角度传感器控制模块的电路图，余下的是电机组件的无线接收模块的电路图。图58是电机组件的滤波模块和电源地线模块的电路图，其中，左侧是电机组件的电源地线模块的电路图，右侧是电机组件的电源地线模块的电路图。图59是电机组件的显示屏控制模块和程序下载模块的电路图，其中，引脚30和引脚31是电机组件的程序下载模块的电路图，余下的是电机组件的显示屏控制模块的电路图。上述电机驱动组件的IB2至IB4引脚可以是直流电机用于驱动无人机扇翼转动的引脚。上述电机驱动组件驱动电机IB2至IB4引脚的转动可以实现对PWM（PWM DC motor）电机速度的控制。上述电机驱动组件通过IB引脚和IA引脚连接到无人机芯片的输入输出接口，用于单片机控制L9110芯片实现电机转动。
上述无人机数据收发组件与上述无人机芯片通信连接，用于接收上述第二国土空间规划数据集，以及向上述无人机发送操作信息。其中，上述无人机数据收发组件与上述无人机芯片的通信连接方式可以是串口连接。上述无人机数据收发组件的电路图如图60所示，其中，芯片引脚MOSI、CSN、CE、SCK、MISO分别和无人机芯片的输入输出接口连接。上述无人机数据收发组件可以是一款2.4GHz，100mW，具有高速和高稳定性，将数据的接收和发送配置在一个组件中的组件。上述无人机数据收发组件可以是采用nRF24L01P射频芯片的组件。上述无人机数据收发组件可以是自带高性能PCB（Printed Circuit Board，印制电路板）天线、内置RFX2401功放芯片、内建LNA（Low Noise Amplifier，低噪声功率放大器）的组件。上述无人机收发组件的工作ISM（Industrial Scientific Medical）频段在2.4GHz至2.5GHz。上述无人机数据收发组件的优点可以包括以下至少一项：发射功率足、频谱特性好、谐波小、频道串扰小、体积小、处理器数据收发组件的工作电压低、可靠性高、功率等级高、可以传输更远的距离和接收灵敏度高。上述接收灵敏度可以是10dBm。上述无人机数据收发组件的工作电压可以是3.3V。上述无人机数据收发组件传输距离可以是5米。
上述无人机电源电路组件与上述无人机芯片通信连接，可以用于为无人机提供电源的组件。其中，上述无人机电源电路组件与上述嵌入式处理器芯片的通信连接方式可以是串口连接。上述无人机电源电路组件的电路图如图61所示。
步骤102，对无人机进行路径规划，得到飞行路径信息。
在一些实施例中，上述执行主体可以对无人机进行路径规划，得到飞行路径信息。其中，上述飞行路径信息可以是上述无人机对目标区域进行数据采集的路径信息。
作为示例，上述执行主体可以利用迪杰斯特拉算法，依据无人机的起始位置信息和目标采集区域的位置信息，确定的一条最短的飞行路径信息。
在一些实施例的一些可选的实现方式中，上述对上述无人机进行路径规划，得到飞行路径信息，可以包括以下步骤：
第一步，获取目标区域内多个目标采集区域的目标位置信息集和上述无人机的初始位置信息。其中，上述多个目标采集区域中的目标采集区域可以是需要无人机进行数据采集的区域。上述目标位置信息集可以是多个目标采集区域的位置信息集合。
第二步，根据上述目标位置信息集、上述初始位置信息和上述无人机的电量消耗速率，生成全局路径信息。其中，上述全局路径信息可以是一条确定了初始位置、需要采集数据的目标位置的路径信息。
作为示例，上述执行主体可以利用A*算法，根据上述目标位置信息集、上述初始位置信息和上述无人机的电量消耗速率，生成全局路径信息。
第三步，根据上述全局路径信息，控制上述无人机对周围环境进行检测。
作为示例，上述执行主体可以控制上述无人机按照上述全局路径信息进行航行，以及在航行过程中通过装载的摄像机，对周围环境进行检测。
第四步，响应于检测到障碍物，确定上述障碍物的类别。上述障碍物的类别可以包括：移动障碍物和静止障碍物。例如，上述移动障碍物可以是其他无人机。上述静止障碍物可以是树枝。
作为示例，上述执行主体可以利用目标检测模型，对上述障碍物进行目标检测，得到上述障碍物的类别。上述目标检测模型可以是YOLO（You Only Look Once）模型。
第五步，响应于确定上述障碍物为移动障碍物，确定上述移动障碍物的移动轨迹。
作为示例，上述执行主体可以首先，通过获取上述障碍物的障碍图像集。然后，对上述障碍图像集进行特征提取，得到上述障碍物的位置信息集。最后，将上述位置信息集输入至轨迹预测模型中，以对上述移动障碍物进行的轨迹进行预测，得到障碍物的移动轨迹。上述轨迹预测模型可以是马尔可夫模型。
第六步，根据上述移动轨迹，控制上述无人机进行避障。
作为示例，上述执行主体可以通过上述移动轨迹，重新规划上述无人机的路径信息，以控制上述无人机进行避障。
第七步，响应于确定上述障碍物为静止障碍物，确定上述障碍物的轮廓点和上述轮廓点对应的轮廓位置信息。其中，上述障碍物的轮廓点可以是上述障碍物的边界信息。上述轮廓位置信息可以是上述轮廓点的位置信息。
第八步，根据上述轮廓位置信息，控制上述无人机进行避障。
作为示例，上述执行主体可以通过上述轮廓位置信息，对上述无人机的路径信息进行更改，以便控制上述无人机进行避障。
第九步，响应于检测到上述无人机进行避障，根据无人机装载的摄像头的采集范围，确定是否存在未采集区域。上述未采集区域可以是上述无人机没有进行数据采集的区域。
作为示例，上述执行主体可以首先，确定上述无人机避障时的避障面积。然后，确定上述避障面积与上述摄像头的采集范围对应的面积是否重叠。最后，当上述避障面积与上述摄像头的采集范围对应的面积完全重叠时，确定不存在未采集区域。当上述避障面积与上述摄像头的采集范围对应的面积未完全重叠时，确定存在未采集区域。
第十步，响应于确定不存在未采集区域，将上述全局路径信息，确定为飞行路径信息。
第十一步，响应于确定存在未采集区域，获取无人机当前位置信息。
第十二步，根据上述当前位置信息和未采集的至少一个目标采集区域对应的位置信息，重新规划路径信息，得到更新后路径信息，作为飞行路径信息。
作为示例，上述执行主体可以利用A*算法，根据上述当前位置信息和未采集的至少一个目标采集区域对应的位置信息，重新规划路径信息，得到更新后路径信息，作为飞行路径信息。
步骤103，根据飞行路径信息，控制无人机连接的复用组件进行数据采集，得到第二国土空间规划数据集。
在一些实施例中，上述执行主体可以根据上述飞行路径信息，控制上述无人机连接的复用组件进行数据采集，得到第二国土空间规划数据集。其中，上述第二国土空间规划数据集可以是通过无人机对上述目标区域进行数据采集得到的数据集。上述第二国土空间规划数据集可以包括以下至少一项：第二图像集、第二音频数据集和第二位置信息集。上述第二图像集中的第二图像可以是无人机连接的复用组件包括的摄像头拍摄的目标区域的环境图。上述第二音频集中的第二音频可以是无人机连接的复用组件包括的录音组件采集的目标区域上空的声音数据。上述第二位置信息集中的第二位置可以是无人机连接的复用组件包括的定位组件收集的目标区域的位置信息。
作为示例，上述执行主体可以控制上述无人机按照上述飞行路径信息对应的飞行路径进行飞行，以控制无人机装载的摄像头对上述飞行路径周围的环境进行数据采集，得到第二国土空间规划数据集。
步骤104，对第一国土空间规划数据集和第二国土空间规划数据集进行融合处理，得到融合处理后的国土空间规划数据集，作为第三国土空间规划数据集。
在一些实施例中，上述执行主体可以对上述第一国土空间规划数据集和上述第二国土空间规划数据集进行融合处理，得到融合处理后的国土空间规划数据集，作为第三国土空间规划数据集。其中，上述第三国土空间规划数据集可以包括以下至少一项：第一图像集、第二图像集、第一音频数据集、第二音频数据集、融合后的位置信息集和空气质量数据集。
作为示例，上述执行主体可以利用多源数据融合技术，对第一国土空间规划数据集包括的第一位置信息集和第二国土空间规划数据集包括的第二位置信息集进行融合处理，得到融合处理后的国土空间规划数据集，作为第三国土空间规划数据集。
可选地，在上述对上述第一国土空间规划数据集和上述第二国土空间规划数据集进行融合处理，得到融合处理后的国土空间规划数据集，作为第三国土空间规划数据集之后，还可以包括以下步骤：
将上述第三国土空间规划数据集发送至云端服务器，以供云端服务器进行数据存储。
步骤105，控制终端设备，以对第三国土空间规划数据集进行可视化显示，得到各个可视化显示界面。
在一些实施例中，上述执行主体可以控制终端设备，以对上述第三国土空间规划数据集进行可视化显示，得到各个可视化显示界面。其中，上述各个可视化显示界面包括：用户管理界面、空间定位界面、地图视图界面、问卷界面、无人机航飞界面、数据编辑界面。
在一些实施例的一些可选的实现方式中，上述各个可视化显示界面包括：用户管理界面、空间定位界面、地图视图界面、问卷界面、无人机航飞界面、数据编辑界面，其特征在于：
上述用户管理界面用于对目标用户信息进行显示。其中，上述目标用户信息可以是使用终端设备的用户的一些基本信息。例如，上述基本信息可以包括以下至少一项：目标用户的姓名、性别、账户、密码和使用权限。上述用户管理界面可以是对目标用户进行用户验证和登陆权限的授权的界面。
上述空间定位界面用于对上述嵌入式处理器的位置信息和上述无人机的位置信息、上述嵌入式处理器的运行轨迹信息和上述无人机的运行轨迹信息进行显示。
上述地图视图界面用于对上述第三国土空间规划数据集包括的图像集和位置信息集进行显示。其中，上述地图视图界面可以对多种格式的图像数据进行图像精简和分级显示控制，以便得到更加精准的地图视图界面。上述多种格式可以包括：TIFF（Tag ImageFile Format，标签图像文件）格式和img格式。
上述问卷界面用于对问卷内容、问卷答复内容和对问卷答复内容的分析结果进行显示。其中，上述问卷可以是一些关于目标区域规划问题的问卷。上述分析结果可以是对上述问卷答复内容进行统计，以不同图表进行占比显示的结果。
上述无人机航飞界面用于向上述无人机发送操控信息，以及对无人机的状态信息进行显示。
上述数据编辑界面用于对上述第三国土空间规划数据集进行显示。其中，上述第三国土空间规划数据集包括以下至少一项：音频数据集、图像集、位置信息集和空气质量数据集。
在一些实施例的一些可选的实现方式中，上述第三国土空间规划数据集包括的图像数据包括：第一图像集和第二图像集。其中，上述第一图像集和第二图像集可以是位于同一坐标系下的，从不同角度对上述目标区域进行拍摄得到的图像集。以及上述地图视图可以是通过以下步骤得到的：
对于上述第一图像集中的每个第一图像，执行以下生成步骤：
第一步，对上述第一图像进行卷积运算，得到至少一个卷积图。其中，卷积图可以是对第一图像中的每个第一像素值进行至少一种卷积运算后得到的新的像素值对应的图像。卷积运算可以是高斯核卷积运算。
第二步，对上述至少一个卷积图进行不同方向梯度运算，得到梯度方向图集。其中，上述不同方向梯度可以包括：横向梯度和纵向梯度。上述梯度方向图集中的梯度方向图可以是上述至少一个卷积图中每个卷积图中的每个像素向多个方向求梯度得到的图像。
作为示例，上述执行主体可以首先，确定上述至少一个卷积图在横向方向上的梯度和纵向方向上的梯度，得到梯度图集。然后，对上述梯度图集中的每个梯度图进行多个方向进行投影，以生成每个梯度图对应的梯度方向图，得到梯度方向图集。其中，多个方向可以是根据计算精度和硬件的运算效率确定。例如，多个方向可以是6个方向。
第三步，根据上述梯度方向图集，构建第一图像中每个第一像素在上述梯度方向图集中对应的第一像素向量。其中，上述第一像素向量可以是上述第一像素在梯度方向图集中对应像素值构成的向量。
作为示例，上述至少一个卷积图可以对上述第一图像进行3种不同高斯核的卷积运算得到的卷积图，并且对平面内8个方向进行投影计算梯度方向图，得到24个卷积梯度方向图。上述执行主体可以对于第一图像中的每个第一像素，执行以下确定步骤：首先，确定上述像素到卷积图的距离。然后，通过上述距离，确定在与上述卷积图对应的梯度方向图集中对应的像素，得到上述第一像素的第一像素向量。
第四步，对于上述第一图像中的每个第一像素，执行以下确定步骤：
子步骤1，确定与上述第一像素存在位置对应关系的第二像素。其中，上述第二像素可以是与上述第一像素存在位置相同，并且在上述第二图像中沿极线方向搜索得到的像素。
子步骤2，根据上述第二像素，确定第二像素向量。
作为示例，上述执行主体可以对于第二图像中的每个第二像素，执行以下确定步骤：首先，确定与上述第一图像对应的第二图像。其中，上述第二图像可以是与第一图像拍摄的同一物体，但是拍摄角度不同的图像。其次，对上述第二图像进行卷积运算，得到至少一个像素卷积图。然后，对上述至少一个像素卷积图进行不同方向梯度运算，得到像素梯度方向图集。最后，对于第二图像中的每个第二像素，执行以下确定步骤：确定上述像素到像素卷积图的距离。通过上述距离，确定在与上述像素卷积图对应的像素梯度方向图集中对应的像素，得到上述第二像素的第二像素向量。
子步骤3，确定上述第一像素向量中每个像素值与上述第二像素向量中对应的第二像素值之间的距离，得到距离集。其中，上述距离可以是欧式距离。上述对应的第二像素值可以是与第一像素值在第一像素向量中的顺序相同的像素值。例如，第一像素值可以是位于第一像素向量第三位置的像素值，则第二像素值是位于第二像素向量第三位置的像素向量。
子步骤4，将上述距离集中满足预设条件的距离对应的第二像素，确定为与上述第一像素匹配的第二匹配像素。其中，满足预设条件的距离可以是距离集中距离对应的数值最小的距离。
第五步，根据所得到的第二匹配像素集，生成视差图。
作为示例，上述执行主体可以利用稠密匹配算法，根据所得到的第二匹配像素集，生成视差图。
第六步，根据上述视差图，生成上述视差图中各个像素点对应的各个空间点对应的深度集。
作为示例，上述执行主体可以利用相似三角形性质，根据上述视差图，生成上述视差图中各个像素点对应的各个空间点对应的深度集。例如，如图62所示，P(X，Y，Z)表示空间点，X1表示空间点P在第一图像中像点的横坐标值，X2表示空间点P在第二图像中像素点的横坐标值，f表示摄像头的焦距，TX表示图像变换后两幅图像之间光心的距离，即在同一空间坐标系中描述的两幅图像之间光心的距离。利用P点与其在两图像中像点构成的三角形，和P点与光心O1、O2构成的三角形之间的相似性质，计算P点深度。
第七步，基于无人机包括的摄像头的参数矩阵和上述深度集，确定上述各个空间点的空间位置集。其中，上述参数矩阵包括：内参数矩阵和外参数矩阵。空间点的空间位置可以表示为：
。
其中，
表示像素对应的空间点的空间位置信息。
表示像素对应的空间点的横坐标。
表示像素对应的空间点的纵坐标。
表示像素对应的空间点的竖轴坐标。
表示像素坐标。
表示像素的横坐标。
表示像素的纵坐标。
表示摄像头的外参数矩阵的逆矩阵。
表示为摄像头的外参数矩阵。
表示摄像头的内参数矩阵的逆矩阵。
表示摄像头的内参数矩阵。
表示空间点在单位空间中的深度。
表示由世界坐标系转换到摄像头坐标系的旋转矩阵。
表示由世界坐标系转换到摄像头坐标系的平移向量。
表示像素是位于第一图像中的像素。
表示像素是位于三维空间中的像素。
第八步，根据所得到的空间位置集组，生成地图视图界面。
作为示例，上述执行主体可以利用渲染技术，对所得到的空间位置集组进行渲染，得到地图视图界面。
上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“对于地图视图的三维建模一般将多个摄像头采集的多个不同角度拍摄的图像转换到统一坐标系下构建三维视图，造成数据冗余，增加计算量，进而导致数据处理周期变长和效率变低”。导致数据处理周期变长和效率较低的因素往往如下：对于地图视图的三维建模一般将多个摄像头采集的多个不同角度拍摄的图像转换到统一坐标系下构建三维视图，造成数据冗余，增加计算量。如果解决了上述因素，就能达到缩短数据处理周期，提高效率和减少携带设备的数量。为了达到这一效果，上述第三国土空间规划数据集包括的图像数据包括：第一图像集和第二图像集。其中，上述第一图像集和第二图像集可以是位于同一坐标系下的，从不同角度对上述目标区域进行拍摄得到的图像集。以及上述地图视图可以是通过以下步骤得到的：首先，对上述第一图像进行卷积运算，得到至少一个卷积图。其次，对上述至少一个卷积图进行不同方向梯度运算，得到梯度方向图集。在这里，对采集的第一图像进行多次卷积运算和梯度运算，运算的数据量变少，减少运算量，以及对上述第一图像进行多次卷积运算和多次梯度运算，得到的梯度方向图集更加精确。再次，根据上述梯度方向图集，构建第一图像中每个第一像素在上述梯度方向图集中对应的第一像素向量。接着，对于上述第一图像中的每个第一像素，执行以下确定步骤：确定与上述第一像素存在位置对应关系的第二像素。其中，上述第二像素可以是与上述第一像素存在位置相同，并且在上述第二图像中沿极线方向搜索得到的像素。根据上述第二像素，确定第二像素向量。确定上述第一像素向量中每个像素值与上述第二像素向量中对应的第二像素值之间的距离，得到距离集。将上述距离集中满足预设条件的距离对应的第二像素，确定为与上述第一像素匹配的第二匹配像素。在这里，通过在第二图像的极线方向搜索与第一像素对应的第二像素向量，由于第一图像和第二图像是是同一摄像头拍摄得到了，即第一图像和第二图像是位于同一坐标系下，减少了坐标转换的步骤，进而减少计算量，提高效率。随后，根据所得到的第二匹配像素集，生成视差图。在这里，得到视差图的精度更高，更有利于构建更加精细的地图视图。然后，根据上述视差图，生成上述视差图中各个像素点对应的各个空间点对应的深度集。在这里，通过视差图获取每个空间点对应的深度用于后续构建地图视图的三维建模。最后，基于无人机包括的摄像头的参数矩阵和上述深度集，确定上述各个空间点的空间位置集。根据所得到的空间位置集组，生成地图视图界面。由此，该地图视图构建方法通过从两个不同角度拍摄的目标区域的图像对目标区域进行地图视图的三维建模构建，使用设备成本较低，数据采集简单，采集的数据量少，减少了数据的计算量，提高了地图视图的三维建模的效率，以及提高了地图视图的精确度。
步骤106，根据各个可视化显示界面，确定规划用地。
在一些实施例中，上述执行主体可以根据上述各个可视化显示界面，确定规划用地。上述规划用地可以是上述目标区域需要进行土地规划的规划方案。
作为示例，上述执行主体可以通过上述各个可视化显示界面，获取上述目标区域的土地用地现状。然后，对上述土地用地现状进行规划，得到规划用地。
在一些实施例的一些可选的实现方式中，上述根据上述各个可视化显示界面，确定规划用地，可以包括以下步骤：
第一步，对上述各个可视化显示界面中的地图视图进行地貌特征识别，得到各个地貌的用地类型和各个地貌的区域边界线。其中，上述各个地貌可以包括：耕地地貌、建设地貌、园林地貌、经济作物地貌和土地性质无法改变的地貌。
作为示例，上述执行主体可以利用图像识别技术，对上述规划用地地图进行地貌识别，得到各个地貌的用地类型和各个地貌的区域边界线。
第二步，在上述区域边界线上进行边界点标记，得到相邻边界点之间的矢量线段。
第三步，对上述矢量线段的曲率进行平滑，得到平滑后区域边界线。
作为示例，上述执行主体可以利用插值法，对上述矢量线段的曲率进行平滑，得到平滑后区域边界线。
第四步，根据上述平滑后区域边界线，对上述各个地貌进行网格划分，得各个地貌的用地面积集。
作为示例，上述执行主体可以在各个地貌进行网格划分，每个网格与区域边界线相交的两点之间生成面积计算边界。通过对生成网格的个数以及区域边界线处网格的面积对各个地貌的面积进行确定。
第五步，根据上述用地面积集和上述各个地貌的用地类型，构建规划用地模型和用地约束模型。其中，上述规划用地模型可以表征对上述目标区域进行用地规划的模型。上述规划用地模型可以是从多个角度对现有规划用地进行规划的模型。上述规划用地模型可以包括经济效益目标模型、生态效益目标模型、空间协调性模型。上述经济效益目标模型可以是从经济的角度对目标区域进行用地规划构建的模型。上述生态效益目标模型可以是从生态的角度对目标区域进行用地规划构建的模型。上述空间协调性模型可以表征相邻地貌所形成的生产、生活方面的舒适度的模型。上述规划用地模型可以是第一权重系数乘以上述经济效益目标模型、第二权重系数乘以上述生态效益目标模型、第三权重系数乘以上述空间协调性模型之和的模型。上述用地约束模型可以是依据当地实际情况和土地政策确定的模型。上述用地约束模型可以包括：用地规划前后，用地总面积保持不变和各个地貌的用地类型的指标不低于预设指标。上述经济效益目标模型可以是：
其中，
表示经济效益目标模型。
表示地貌的用地类型为
时对应的经济效应系数。
表示地貌的用地类型为
时的决策变量。
表示各个地貌的用地类型。
表示各个地貌对应的地貌数目。
上述生态效益目标模型可以是：
。
其中，
表示为生态效益目标模型。
表示地貌的用地类型为
时的决策变量。
表示地貌的用地类型为
时对应的生态效益系数。
表示各个地貌对应的地貌数目。
上述空间协调性模型可以是：
。
其中，
表示为空间协调性模型。
表示地貌为
的用地类型和地貌为
的用地类型之间的协调度。
表示网格化后各个地貌的用地类型在横坐标中的个数。
表示网格化后各个地貌的用地类型在纵坐标中的数目。
上述用地约束模型中的用地总面积保持不变约束可以是：
。
其中，
表示地貌的用地类型为
时地貌的用地面积。
表示优化后的各个地貌的总面积。
表示各个地貌对应的地貌数目。
上述用地约束模型中的各个地貌的用地类型的指标不低于预设指标约束可以是：
。
其中，
表示地貌的用地类型为
的地貌的用地类型优化后的指标。
表示地貌的用地类型为
的地貌对应的指标下限。
作为示例，上述执行主体可以神经网络模型，根据上述用地面积集和上述各个地貌的用地类型，构建规划用地模型和用地约束模型。
第六步，利用规划用地模型和用地约束模型，对各个地貌进行用地规划，得到规划用地。
上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题三“在确定规划用地时，由于考虑的影响因素比较单一，并且数据传输效率较低并且存在大量冗余信息，使得数据的准确性和时效性较低，导致规划用地的确定的准确较低，进而导致国土空间规划的建设周期较长”。导致国土空间规划的建设周期较长的因素往往如下：在确定规划用地时，由于考虑的影响因素比较单一，并且数据传输效率较低并且存在大量冗余信息，使得数据的准确性和时效性较低，导致规划用地的确定的准确较低。如果解决了上述因素，就能缩短国土空间规划的建设周期。为了达到这一效果，上述地图视图可以是通过以下步骤得到的：首先，对上述各个可视化显示界面中的地图视图进行地貌特征识别，得到各个地貌的用地类型和各个地貌的区域边界线。在这里，得到各个地貌的用地类型和各个地貌的区域边界线可以对目标区域的规划用地状况进行全面了解，从而能够合理的对目标区域进行规划以及边界线的确定。其次，在上述区域边界线上进行边界点标记，得到相邻边界点之间的矢量线段。再次，对上述矢量线段的曲率进行平滑，得到平滑后区域边界线。在这里，通过对上述矢量线段的曲率进行矫正，使对区域边界线的评估更加准确。随着，根据上述平滑后区域边界线，对上述各个地貌进行网格划分，得各个地貌的用地面积集。在这里，采用网格划分的方式对各个地貌的用地面积的确定，保证了对各个地貌的用地面积的确定的准确性和高效性。然后，根据上述用地面积集和上述各个地貌的用地类型，构建规划用地模型和用地约束模型。其中，上述规划用地模型可以表征对上述目标区域的最优用地规划。上述规划用地模型是从多个角度对现有规划用地进行规划的函数。上述规划用地模型可以包括经济效益目标模型、生态效益目标模型和空间协调性模型。在这里，从经济效益、生态效益、空间协调性和用地约束等多个方面对用地规划进行确定，保证了用地规划的准确性和合理性，并且依据目标区域的现状进行确定，使得用地规划模型更具有针对性和适用性。最后，利用规划用地模型和用地约束模型，对各个地貌进行用地规划，得到规划用地。由此，完成了对规划用地的确定，达到了提高规划用地的准确性和适用性，缩短国土空间规划的建设周期。
步骤107，响应于再次接收到数据采集信息，控制无人机和嵌入式处理器再次进行数据采集。
在一些实施例中，上述执行主体可以响应于再次接收到数据采集信息，控制上述无人机和上述嵌入式处理器再次进行数据采集。
本公开的上述各个实施例中具有如下有益效果：本公开的一些实施例的国土空间规划数据采集方法可以携带较少的设备收集更加全面的数据，提高数据的传输效率和存储，减少数据冗余、内存资源和带宽资源的使用。具体来说，造成相关的数据传输占用较多的内存资源和宽带资源，不便于数据的传输和存储的原因在于：软件方面，采用较多的采集设备进行数据采集，存在大量的冗余数据，导致数据传输占用较多的内存资源和宽带资源，不便于数据的传输和存储。基于此，本公开的一些实施例的国土空间规划数据采集方法可以首先，响应于接收到数据采集信息，控制嵌入式处理器连接的复用组件对目标区域进行数据采集，得到第一国土空间规划数据集，其中，上述复用组件是可拆卸的组件，上述复用组件包括：定位组件、摄像头和录音组件。在这里，由于复用组件在嵌入式处理器和无人机的功能一样，故将复用组件设计成可插拔式的，有利于降低设计成本。采用嵌入式处理器包括复用组件对数据进行采集，复用组件包括的多个组件可以采集多方面的数据，可以代替多种采集设备，减少设备的携带。其次，对无人机进行路径规划，得到飞行路径信息。再次，根据上述飞行路径信息，控制上述无人机连接的复用组件进行数据采集，得到第二国土空间规划数据集，其中，上述复用组件与上述无人机是可拆卸连接的。在这里，采用无人机包括的复用组件对目标区域进行数据采集，并且复用组件与嵌入式处理器与无人机是可拆卸连接到，这样可以代替多种采集设备，减少设备的携带。并且通过规划无人机的飞行路径信息，控制无人机对目标区域进行数据采集，可以得到更加全面的数据，降低相关工作人员的工作风险。接着，对上述第一国土空间规划数据集和上述第二国土空间规划数据集进行融合处理，得到融合处理后的国土空间规划数据集，作为第三国土空间规划数据集。在这里，对上述第一国土空间规划数据集和上述第二国土空间规划数据集进行融合处理，可以去除一些重复数据和错误数据，提高数据的准确性，减少数据传输过程中的网络带宽，更有利于数据的传输。随后，控制终端设备，以对上述第三国土空间规划数据集进行可视化显示，得到各个可视化显示界面。在这里，对采集的乡村国土数据进行显示，有利于对目标区域的情况进行实时查看和掌握。然后，根据上述各个可视化显示界面，确定规划用地。最后，响应于再次接收到数据采集信息，控制上述无人机和上述嵌入式处理器再次进行数据采集。在这里，通过再次进行数据采集可以保证数据的时效性，获取更具时效性的可视化界面。由此可得，该国土空间规划数据采集方法实现国土空间规划数据的多元采集，减少数据冗余，便于进行数据传输，减少存储空间和传输带宽的占用，面向国土空间规划的基础数据采集系统，提高了乡村国土空间规划数据采集效率及质量。该国土空间规划数据采集方法可以使采集的数据更加准确和全面，提高数据传输的效率，同时可以降低相关工作人员的工作风险和疲劳。
下面参考图56，其示出了适于用来实现本公开的一些实施例的电子设备（例如，电子设备）的结构示意图。图63示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图63所示，电子设备可以包括处理装置6301（例如中央处理器、图形处理器等），其可以根据存储在只读存储器6302中的程序或者从存储装置6308加载到随机访问存储器6303中的程序而执行各种适当的动作和处理。在随机访问存储器6303中，还存储有电子设备操作所需的各种程序和数据。处理装置6301、只读存储器6302以及随机访问存储器6303通过总线6304彼此相连。输入/输出接口6305也连接至总线6304。
通常，以下装置可以连接至输入/输出接口6305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置6306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置6307；包括例如磁带、硬盘等的存储装置6308；以及通信装置6309。通信装置6309可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图63示出了具有各种装置的电子设备，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。图63中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置6309从网络上被下载和安装，或者从存储装置6308被安装，或者从只读存储器6302被安装。在该计算机程序被处理装置6301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器、只读存储器、可擦式可编程只读存储器、光纤、便携式紧凑磁盘只读存储器、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（Hyper Text TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：响应于接收到数据采集信息，控制嵌入式处理器连接的复用组件对目标区域进行数据采集，得到第一国土空间规划数据集，其中，上述复用组件是可拆卸的组件，上述复用组件包括：定位组件、摄像头和录音组件；对无人机进行路径规划，得到飞行路径信息；根据上述飞行路径信息，控制上述无人机连接的复用组件进行数据采集，得到第二国土空间规划数据集，其中，上述复用组件与上述无人机是可拆卸连接的；对上述第一国土空间规划数据集和上述第二国土空间规划数据集进行融合处理，得到融合处理后的国土空间规划数据集，作为第三国土空间规划数据集；控制终端设备，以对上述第三国土空间规划数据集进行可视化显示，得到各个可视化显示界面；根据上述各个可视化显示界面，确定规划用地；响应于再次接收到数据采集信息，控制上述无人机和上述嵌入式处理器再次进行数据采集。
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一些实施例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。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (8)
1.一种国土空间规划数据采集方法，其特征在于，包括：
响应于接收到数据采集信息，控制嵌入式处理器连接的复用组件对目标区域进行数据采集，得到第一国土空间规划数据集，其中，所述复用组件是可拆卸的组件，所述复用组件包括：定位组件、摄像头和录音组件；
对无人机进行路径规划，得到飞行路径信息；
根据所述飞行路径信息，控制所述无人机连接的复用组件进行数据采集，得到第二国土空间规划数据集，其中，所述复用组件与所述无人机是可拆卸连接的；
对所述第一国土空间规划数据集和所述第二国土空间规划数据集进行融合处理，得到融合处理后的国土空间规划数据集，作为第三国土空间规划数据集；
控制终端设备，以对所述第三国土空间规划数据集进行可视化显示，得到各个可视化显示界面；
根据所述各个可视化显示界面，确定规划用地；
响应于再次接收到数据采集信息，控制所述无人机和所述嵌入式处理器再次进行数据采集。
2.根据权利要求1所述的方法，其特征在于，在所述对所述第一国土空间规划数据集和所述第二国土空间规划数据集进行融合处理，得到融合处理后的国土空间规划数据集，作为第三国土空间规划数据集之后，还包括：
将所述第三国土空间规划数据集发送至云端服务器，以供云端服务器进行数据存储。
3.根据权利要求2所述的方法，其特征在于，所述嵌入式处理器包括：处理器电源电路组件、通信组件、嵌入式处理器芯片、细颗粒物传感器、输入组件、处理器数据收发组件、显示终端和蜂鸣器，
所述处理器电源电路组件与所述嵌入式处理器芯片通信连接，用于为所述嵌入式处理器提供电源；
所述通信组件与所述嵌入式处理器芯片通信连接，用于将所述第一国土空间规划数据集传输至所述云端服务器；
所述细颗粒物传感器与所述嵌入式处理器芯片通信连接，用于确定所述目标区域的空气质量；
所述输入组件与所述嵌入式处理器芯片通信连接，用于接收操作信息；
所述处理器数据收发组件与所述嵌入式处理器芯片通信连接，用于接收所述第一国土空间规划数据集，以及向所述嵌入式处理器发送操作信息；
所述显示终端与所述嵌入式处理器芯片通信连接，用于对所述第三国土空间规划数据集进行显示；
所述蜂鸣器与所述嵌入式处理器芯片通信连接，用于播放所述嵌入式处理器的声音。
4.根据权利要求1所述的方法，其特征在于，所述无人机包括：陀螺仪传感器、电机驱动组件、无人机芯片、无人机数据收发组件和无人机电源电路组件，
所述陀螺仪传感器与所述无人机芯片通信连接，用于控制所述无人机进行飞行；
所述电机驱动组件与所述无人机芯片通信连接，用于控制无人机电机转动；
所述无人机数据收发组件与所述无人机芯片通信连接，用于接收所述第二国土空间规划数据集，以及向所述无人机发送操作信息；
所述无人机电源电路组件与所述无人机芯片通信连接，用于为无人机提供电源。
5.根据权利要求1所述的方法，其特征在于，所述各个可视化显示界面包括：用户管理界面、空间定位界面、地图视图界面、问卷界面、无人机航飞界面、数据编辑界面，
所述用户管理界面用于对目标用户信息进行显示；
所述空间定位界面用于对所述嵌入式处理器的位置信息和所述无人机的位置信息、所述嵌入式处理器的运行轨迹信息和所述无人机的运行轨迹信息进行显示；
所述地图视图界面用于对所述第三国土空间规划数据集包括的图像集和位置信息集进行显示；
所述问卷界面用于对问卷内容、问卷答复内容和对问卷答复内容的分析结果进行显示；
所述无人机航飞界面用于向所述无人机发送操控信息，以及对无人机的状态信息进行显示；
所述数据编辑界面用于对所述第三国土空间规划数据集进行显示。
6.根据权利要求1所述的方法，其特征在于，所述对所述无人机进行路径规划，得到飞行路径信息，包括：
获取目标区域内多个目标采集区域的目标位置信息集和所述无人机的初始位置信息；
根据所述目标位置信息集、所述初始位置信息和所述无人机的电量消耗速率，生成全局路径信息；
根据所述全局路径信息，控制所述无人机对周围环境进行检测；
响应于检测到障碍物，确定所述障碍物的类别；
响应于确定所述障碍物为移动障碍物，确定所述移动障碍物的移动轨迹；
根据所述移动轨迹，控制所述无人机进行避障；
响应于确定所述障碍物为静止障碍物，确定所述障碍物的轮廓点和所述轮廓点对应的轮廓位置信息；
根据所述轮廓位置信息，控制所述无人机进行避障；
响应于检测到所述无人机进行避障，根据无人机装载的摄像机的采集范围，确定是否存在未采集区域；
响应于确定不存在未采集区域，将所述全局路径信息，确定为飞行路径信息；
响应于确定存在未采集区域，获取无人机当前位置信息；
根据所述当前位置信息和未采集的至少一个目标采集区域对应的位置信息，重新规划路径信息，得到更新后路径信息，作为飞行路径信息。
7.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
8.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310137245.8A CN115827938B (zh) | 2023-02-20 | 2023-02-20 | 国土空间规划数据采集方法、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310137245.8A CN115827938B (zh) | 2023-02-20 | 2023-02-20 | 国土空间规划数据采集方法、电子设备和计算机可读介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115827938A true CN115827938A (zh) | 2023-03-21 |
| CN115827938B CN115827938B (zh) | 2023-04-21 |
Family
ID=85521940
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310137245.8A Active CN115827938B (zh) | 2023-02-20 | 2023-02-20 | 国土空间规划数据采集方法、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115827938B (zh) |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车系统股份有限公司 | 一种高精度地图生成系统及生成方法 |
| CN108832986A (zh) * | 2018-05-20 | 2018-11-16 | 北京工业大学 | 一种基于天地一体化的多源数据管控平台 |
| CN109945845A (zh) * | 2019-02-02 | 2019-06-28 | 南京林业大学 | 一种私家园林空间数字化测绘和三维可视化方法 |
| CN110781171A (zh) * | 2019-09-03 | 2020-02-11 | 宿州山海经测地理信息科技有限公司 | 一种国土空间规划数据采集系统及数据采集方法 |
| US20200284883A1 (en) * | 2019-03-08 | 2020-09-10 | Osram Gmbh | Component for a lidar sensor system, lidar sensor system, lidar sensor device, method for a lidar sensor system and method for a lidar sensor device |
| CN212008498U (zh) * | 2020-03-20 | 2020-11-24 | 邢台职业技术学院 | 一种基于NB-IoT的空气参数检测装置 |
| CN112257921A (zh) * | 2020-10-21 | 2021-01-22 | 山东财经大学 | 一种国土空间规划方法 |
| CN112633774A (zh) * | 2021-01-06 | 2021-04-09 | 广东华远国土工程有限公司 | 一种智慧国土空间规划辅助编制方法和系统 |
| US20210116916A1 (en) * | 2019-10-22 | 2021-04-22 | Baidu Usa Llc | End dynamics and constraints relaxation algorithm on optimizing an open space trajectory |
| CN112902977A (zh) * | 2021-01-27 | 2021-06-04 | 中山大学 | 一种数据采集搭载支架、数据采集装置及其定位建图方法 |
| CN113148206A (zh) * | 2020-12-22 | 2021-07-23 | 温州因非科技有限公司 | 一种无人机测绘数据采集装置 |
| CN113434623A (zh) * | 2021-06-30 | 2021-09-24 | 广东省城乡规划设计研究院有限责任公司 | 一种基于多源异构空间规划数据的融合方法 |
| CN113656477A (zh) * | 2021-08-17 | 2021-11-16 | 东南大学 | 一种国土空间多源异构数据的校验与融合方法 |
| LU500215B1 (en) * | 2021-05-28 | 2021-11-29 | Univ Beijing Normal | Method of identifying ecological corridor spatial range for ecosystem protection planning and implementation |
| CN114332385A (zh) * | 2021-11-23 | 2022-04-12 | 南京国图信息产业有限公司 | 一种基于三维虚拟地理场景的单目相机目标检测与空间定位方法 |
| CN114661846A (zh) * | 2022-03-15 | 2022-06-24 | 胡波 | 一种用于国土空间规划的数据处理方法及系统 |
| CN217022887U (zh) * | 2022-02-28 | 2022-07-22 | 中国煤炭地质总局水文物测队 | 一种国土空间规划地形测量装置 |
| US20220245574A1 (en) * | 2019-11-05 | 2022-08-04 | Strong Force Vcn Portfolio 2019, Llc | Systems, Methods, Kits, and Apparatuses for Digital Product Network Systems and Biology-Based Value Chain Networks |
| CN115540896A (zh) * | 2022-12-06 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
-
2023
- 2023-02-20 CN CN202310137245.8A patent/CN115827938B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108036794A (zh) * | 2017-11-24 | 2018-05-15 | 华域汽车系统股份有限公司 | 一种高精度地图生成系统及生成方法 |
| CN108832986A (zh) * | 2018-05-20 | 2018-11-16 | 北京工业大学 | 一种基于天地一体化的多源数据管控平台 |
| CN109945845A (zh) * | 2019-02-02 | 2019-06-28 | 南京林业大学 | 一种私家园林空间数字化测绘和三维可视化方法 |
| US20200284883A1 (en) * | 2019-03-08 | 2020-09-10 | Osram Gmbh | Component for a lidar sensor system, lidar sensor system, lidar sensor device, method for a lidar sensor system and method for a lidar sensor device |
| CN110781171A (zh) * | 2019-09-03 | 2020-02-11 | 宿州山海经测地理信息科技有限公司 | 一种国土空间规划数据采集系统及数据采集方法 |
| US20210116916A1 (en) * | 2019-10-22 | 2021-04-22 | Baidu Usa Llc | End dynamics and constraints relaxation algorithm on optimizing an open space trajectory |
| US20220245574A1 (en) * | 2019-11-05 | 2022-08-04 | Strong Force Vcn Portfolio 2019, Llc | Systems, Methods, Kits, and Apparatuses for Digital Product Network Systems and Biology-Based Value Chain Networks |
| CN212008498U (zh) * | 2020-03-20 | 2020-11-24 | 邢台职业技术学院 | 一种基于NB-IoT的空气参数检测装置 |
| CN112257921A (zh) * | 2020-10-21 | 2021-01-22 | 山东财经大学 | 一种国土空间规划方法 |
| CN113148206A (zh) * | 2020-12-22 | 2021-07-23 | 温州因非科技有限公司 | 一种无人机测绘数据采集装置 |
| CN112633774A (zh) * | 2021-01-06 | 2021-04-09 | 广东华远国土工程有限公司 | 一种智慧国土空间规划辅助编制方法和系统 |
| CN112902977A (zh) * | 2021-01-27 | 2021-06-04 | 中山大学 | 一种数据采集搭载支架、数据采集装置及其定位建图方法 |
| LU500215B1 (en) * | 2021-05-28 | 2021-11-29 | Univ Beijing Normal | Method of identifying ecological corridor spatial range for ecosystem protection planning and implementation |
| CN113434623A (zh) * | 2021-06-30 | 2021-09-24 | 广东省城乡规划设计研究院有限责任公司 | 一种基于多源异构空间规划数据的融合方法 |
| CN113656477A (zh) * | 2021-08-17 | 2021-11-16 | 东南大学 | 一种国土空间多源异构数据的校验与融合方法 |
| CN114332385A (zh) * | 2021-11-23 | 2022-04-12 | 南京国图信息产业有限公司 | 一种基于三维虚拟地理场景的单目相机目标检测与空间定位方法 |
| CN217022887U (zh) * | 2022-02-28 | 2022-07-22 | 中国煤炭地质总局水文物测队 | 一种国土空间规划地形测量装置 |
| CN114661846A (zh) * | 2022-03-15 | 2022-06-24 | 胡波 | 一种用于国土空间规划的数据处理方法及系统 |
| CN115540896A (zh) * | 2022-12-06 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 路径规划方法、装置、电子设备和计算机可读介质 |
Non-Patent Citations (2)
| Title |
|---|
| RAMÓN ALCARRIA等: "Analyzing UAV-Based Remote Sensing and WSN Support for Data Fusion" * |
| 崔媛媛: "多数据源建筑物三维建模方法研究" * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115827938B (zh) | 2023-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN207117844U (zh) | 多vr/ar设备协同系统 | |
| CN110147705B (zh) | 一种基于视觉感知的车辆定位方法及电子设备 | |
| EP3885871B1 (en) | Surveying and mapping system, surveying and mapping method and apparatus, device and medium | |
| EP3683647A1 (en) | Surveying sample point planning method and apparatus, control terminal, and storage medium | |
| CN109962939B (zh) | 位置推荐方法、装置、服务器、终端及存储介质 | |
| CN107870669A (zh) | 用于增强现实体系架构中改进的数据集成的系统和方法 | |
| CN107450088A (zh) | 一种基于位置的服务lbs的增强现实定位方法及装置 | |
| CN106370190A (zh) | 车辆导航、位置标记方法、装置及系统 | |
| CN111415409B (zh) | 一种基于倾斜摄影的建模方法、系统、设备和存储介质 | |
| CN112815923B (zh) | 视觉定位方法和装置 | |
| KR20220028042A (ko) | 포즈 결정 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
| CN110244765B (zh) | 一种飞行器航线轨迹生成方法、装置、无人机及存储介质 | |
| CN109115221A (zh) | 室内定位、导航方法及装置、计算机可读介质和电子设备 | |
| AU2018449839B2 (en) | Surveying and mapping method and device | |
| CN109040968A (zh) | 路况提醒方法、移动终端及计算机可读存储介质 | |
| CN113535865A (zh) | 一种地图网格划分方法和电子设备 | |
| CN112802369B (zh) | 获取飞行航线的方法、装置、计算机设备及可读存储介质 | |
| CN113205515B (zh) | 目标检测方法、装置、及计算机存储介质 | |
| Aydın et al. | ARCAMA-3D–a context-aware augmented reality mobile platform for environmental discovery | |
| CN112269939B (zh) | 自动驾驶的场景搜索方法、装置、终端、服务器及介质 | |
| CN109656319A (zh) | 一种用于呈现地面行动辅助信息方法与设备 | |
| CN115827938B (zh) | 国土空间规划数据采集方法、电子设备和计算机可读介质 | |
| CN107289952A (zh) | 室内双向导航方法 | |
| CN205080435U (zh) | 控制服务器、无人机及街景地图制作装置 | |
| AU2018450271A1 (en) | Operation control system, and operation control method and device |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240311 Address after: No. 38 Qinghua Road, Qingyang District, Chengdu City, Sichuan Province, 610000 Patentee after: Surveying and Mapping Geographic Information Center of Sichuan Geological Survey and Research Institute Country or region after: China Address before: 610000 No. 39, Qinghua Road, Qingyang District, Chengdu, Sichuan Patentee before: Sichuan Coal Field Surveying and Mapping Engineering Institute Country or region before: China |