CN115932791B - 一种基于激光测距的大地测量系统 - Google Patents
一种基于激光测距的大地测量系统 Download PDFInfo
- Publication number
- CN115932791B CN115932791B CN202211608984.2A CN202211608984A CN115932791B CN 115932791 B CN115932791 B CN 115932791B CN 202211608984 A CN202211608984 A CN 202211608984A CN 115932791 B CN115932791 B CN 115932791B
- Authority
- CN
- China
- Prior art keywords
- value
- laser
- time difference
- measuring point
- marking
- 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
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于激光测距的大地测量系统,涉及地理信息测量技术领域,该系统公开了激光发射模块、测距处理模块、测点重选模块,通过设置激光发射模块,可以控制n个激光发射器在相同时间间隔内,从测量点朝向目标物体发送激光脉冲,为后续测量点的判断提供参考基础,设置测距处理模块,可以判断测量点是否能进行正常且准确的激光测距,当测量点判断正常时,不再需要选择其他的测量点进行激光测距,当测量点判断异常时,及时选择其他的测量点进行激光测距,设置测点重选模块,可以在异常测量点的基础上快速选择测量点,保证每次选择合适的测量点进行重新测量,大大减小测量点的重选次数,提高激光测距的效率以及准确性。
Description
技术领域
本发明涉及地理信息测量技术领域,更具体地说,它涉及一种基于激光测距的大地测量系统。
背景技术
激光测距是以激光器作为光源进行测距。根据激光工作的方式分为连续激光器和脉冲激光器。
现有的大地测量中常用的测量方法就包括激光测距,该测量方法的优点是测量精度高,缺点是测量效率低,需要在选定的多个测量点基础上进行多次测量,并且将多个断测量点的测量数据进行对比,从而判断测量数据是否准确。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种基于激光测距的大地测量系统。
为实现上述目的,本发明提供了如下技术方案:
一种基于激光测距的大地测量系统,包括激光发射模块、测距处理模块、测点重选模块;
所述激光发射模块用于控制n个激光发射器在相同时间间隔内,从测量点朝向目标物体发送激光脉冲。测量点为人工选定,通常选定在视野开阔位置。大地测量系统一共包括10个激光发射器,10个激光发射器每隔5分钟朝向目标发送激光脉冲。
所述测距处理模块用于对测量点进行判断,判断测量点是否可以进行正常的激光测距,具体为:
步骤一:获取得到送返普时差Js;
步骤二:设置每个送返普时差均对应一个送返时差值Gi,将送返普时差与送返时差值进行对比,当送返普时差小于送返时差值时,将该送返普时差标记为送返时差低值,将送返时差值与送返时差低值进行差值计算,获取得到低值标准差;将所有低值标准差进行求和处理,获取得到低值总标准差并标记为Rw;获取得到出现送返时差低值的总次数,并标记为Ky;
步骤三:当送返普时差大于送返时差值时,将该送返普时差标记为送返时差超值,将送返时差超值与送返时差值进行差值计算,获取得到超值标准差;将所有超值标准差进行求和处理,获取得到超值总标准差并标记为Ej;获取得到出现送返时差超值的总次数,并标记为Sc;
利用公式获取得到激光低测准值Hm;其中,b1、b2均为预设比例系数;
利用公式获取得到激光超测准值Bk;其中,c1、c2均为预设比例系数;
利用公式获取得到该测量点的激光预警准值Pe,其中,d1、d2均为预设比例系数,设置激光预警准值阈值为Cz,当激光预警准值Pe≥激光预警准值阈值Cz,将测量点标记为异常测量点,当激光预警准值Pe<激光预警准值阈值Cz,将该测量点标记为正常测量点,当测量点判断正常时,不再需要选择其他的测量点进行激光测距,当测量点判断异常时,及时选择其他的测量点进行激光测距;
所述测点重选模块用于在异常测量点的基础上重新选择测量点,具体为:
步骤一:获取得到异常测量点的位置,并以当前位置为圆心,以预设半径画圆获取得到定点范围,将位置在定点范围内的未测量点标记为预选测量点;
步骤二:测点确定模块控制无人机到达预选测量点后对目标物体拍摄视频,获取得到同一预选测量点所对应视频的首选值Ak;
步骤三:将首选值Ak数值最小的预选测量点标记为终选测量点,在异常测量点的基础上快速选择测量点,保证每次选择合适的测量点进行重新测量。
进一步的,所述送返时差值通过下述步骤获取得到:测距处理模块控制拍照组件对目标物体拍摄照片,对照片进行预处理,获取得到预处理照片,将预处理照片作为图像分析模型的输入数据获取图像分析模型的输出数据,将输出数据标记为目标标签;所述目标标签为每个格子对应的图像标签;设置图像标签的取值范围为[0-3],其中图像标签的取值越大,表示目标物体在格子中所占面积越大,将所有图像标签进行求和处理,获取得到图像标签总值并标记为Tb,利用公式Gi=Tb×m1获取得到送返时差值,其中,m1为预设比例系数。
进一步的,照片的预处理包括对照片的图像去噪、灰度变换以及锐化处理。
进一步的,图像分析模型通过下述步骤:获取得到N张图像素材,将图像素材标记为训练图像,将训练图像通过等间距的多条横线以及等间距的多条纵线划分成多个相同的格子,对每个格子赋予图像标签;将训练图像按照设定比例划分成训练集和验证集;构建神经网络模型;通过训练集和验证集对神经网络模型进行迭代训练,当迭代训练次数大于迭代次数阈值时,则判定神经网络模型完成训练,将训练完成的神经网络模型标记为图像分析模型。
进一步的,同一预选测量点所对应视频的首选值Ak通过下述步骤获取得到:将同一预选测量点所对应视频转换成影像帧,获取得到每个影像帧的平均灰度值并标注为Pv,设置影像帧的低异灰度阈值为Lm,设置影像帧的高异灰度阈值为Yp,当影像帧的灰度点灰度值<低异灰度阈值Lm时,则将该灰度点标注为低异灰度点,当影像帧的灰度点灰度值>高异灰度阈值Yp时,则将该灰度点标注为高异灰度点,将低异灰度点的数量与高异灰度点的数量进行求和处理,获取得到异常灰点数,将异常灰点数与影像帧中像素点的数量进行比值计算,获取得到异常灰度比并标记为Ve,利用公式获取得到影像帧的标异值Qj,将同一预选测量点影像帧的标异值进行求和处理并取均值,获取得到同一预选测量点所对应视频的首选值Ak,其中,n1、n2均为预设比例系数。
进一步的,所述送返普时差Js通过下述步骤获取得到:将n个激光脉冲所对应的激光发送时刻与激光接收时刻按照时间先后顺序进行排序,将相邻两个激光脉冲中后一个激光脉冲的激光发送时刻标记为Lg,后一个激光脉冲的激光接收时刻标记为Lh,将相邻两个激光脉冲中前一个激光脉冲的激光发送时刻标记为Lz,前一个激光脉冲的激光接收时刻标记为Lr,利用公式获取得到送返普时差Js,其中,a1、a2均为预设比例系数。
进一步的,当激光发射器在测量点朝向目标物体发送激光脉冲时,将该时刻标记为激光发送时刻,当测距处理模块接收到从目标物体返回的激光脉冲时,将该时刻标记为激光接收时刻。
与现有技术相比,本发明具备以下有益效果:
1、设置激光发射模块,可以控制n个激光发射器在相同时间间隔内,从测量点朝向目标物体发送激光脉冲,为后续测量点的判断提供参考基础,设置测距处理模块,可以判断测量点是否能进行正常且准确的激光测距,当测量点判断正常时,不再需要选择其他的测量点进行激光测距,当测量点判断异常时,及时选择其他的测量点进行激光测距;
2、设置测点重选模块,可以在异常测量点的基础上快速选择测量点,保证每次选择合适的测量点进行重新测量,大大减小测量点的重选次数,提高激光测距的效率以及准确性。
附图说明
图1为本发明测距处理模块的原理框图;
图2为本发明测点重选模块的原理框图;
图3为本发明的原理框图。
具体实施方式
实施例1
参照图1,一种基于激光测距的大地测量系统,包括激光发射模块、测距处理模块。
激光发射模块用于控制n个激光发射器在相同时间间隔内,从测量点朝向目标物体发送激光脉冲。如大地测量系统一共包括10个激光发射器,10个激光发射器每隔5分钟朝向目标发送激光脉冲。
测量点为人工选定,通常选定在视野开阔位置。
测距处理模块用于对测量点进行判断,判断测量点是否可以进行正常的激光测距,具体为:
步骤一:获取得到送返普时差Js。送返普时差Js通过下述步骤获取得到:将n个激光脉冲所对应的激光发送时刻与激光接收时刻按照时间先后顺序进行排序,将相邻两个激光脉冲中后一个激光脉冲的激光发送时刻标记为Lg,后一个激光脉冲的激光接收时刻标记为Lh,将相邻两个激光脉冲中前一个激光脉冲的激光发送时刻标记为Lz,前一个激光脉冲的激光接收时刻标记为Lr,利用公式获取得到送返普时差Js,其中,a1、a2均为预设比例系数,a1取值为0.1,a2取值为0.2。如相邻两个激光脉冲中后一个激光脉冲的激光发送时刻为12:00:00,后一个激光脉冲的激光接收时刻为12:00:30,前一个激光脉冲的激光发送时刻为11:55:00,前一个激光脉冲的激光接收时刻为11:55:25,则送返普时差Js取值为45.55。
步骤二:设置每个送返普时差均对应一个送返时差值G i,送返时差值通过下述步骤获取得到:测距处理模块控制拍照组件对目标物体拍摄照片,对照片进行预处理,获取得到预处理照片,照片的预处理包括对照片的图像去噪、灰度变换以及锐化处理。图像分析模型通过下述步骤:获取得到N张图像素材,图像素材可以从网络下载获取,将图像素材标记为训练图像,将训练图像通过等间距的多条横线以及等间距的多条纵线划分成多个相同的格子,对每个格子赋予图像标签;将训练图像按照设定比例划分成训练集和验证集;构建神经网络模型;通过训练集和验证集对神经网络模型进行迭代训练,当迭代训练次数大于迭代次数阈值时,则判定神经网络模型完成训练,将训练完成的神经网络模型标记为图像分析模型。将预处理照片作为图像分析模型的输入数据获取图像分析模型的输出数据,将输出数据标记为目标标签;目标标签为每个格子对应的图像标签;设置图像标签的取值范围为[0-3],其中图像标签的取值越大,表示目标物体在格子中所占面积越大,将所有图像标签进行求和处理,获取得到图像标签总值并标记为Tb,利用公式Gi=Tb×m1获取得到送返时差值,其中,m1为预设比例系数,m1取值为0.5。当测量点a的图像标签总值为15时,利用公式获取得到测量点a的送返时差值G i为7.5。
将送返普时差与送返时差值进行对比,当送返普时差小于送返时差值时,将该送返普时差标记为送返时差低值,将送返时差值与送返时差低值进行差值计算,获取得到低值标准差;将所有低值标准差进行求和处理,获取得到低值总标准差并标记为Rw;获取得到出现送返时差低值的总次数,并标记为Ky。
步骤三:当送返普时差大于送返时差值时,将该送返普时差标记为送返时差超值,将送返时差超值与送返时差值进行差值计算,获取得到超值标准差。将所有超值标准差进行求和处理,获取得到超值总标准差并标记为Ej;获取得到出现送返时差超值的总次数,并标记为Sc。
利用公式获取得到激光低测准值Hm;其中,b1、b2均为预设比例系数,a测量点的激光低测准值Hm取值为18,b测量点的激光低测准值Hm取值为10。利用公式/>获取得到激光超测准值Bk;其中,c1、c2均为预设比例系数。a测量点的激光超测准值Bk取值为15,b测量点的激光超测准值Bk取值为9,利用公式/>获取得到该测量点的激光预警准值Pe,其中,d1、d2均为预设比例系数,设置激光预警准值阈值为Cz,当激光预警准值Pe≥激光预警准值阈值Cz,将测量点标记为异常测量点,当激光预警准值Pe<激光预警准值阈值Cz,将该测量点标记为正常测量点。a测量点的激光预警准值Pe取值为30,激光预警准值阈值Cz为28时,将a测量点标记为异常测量点。b测量点的激光预警准值Pe取值为25时,将b测量点标记为正常测量点。
实施例2
参照图2-图3,在实施例1的基础上,还包括测点重选模块,测点重选模块用于在异常测量点的基础上重新选择测量点,具体为:
步骤一:获取得到异常测量点的位置,并以当前位置为圆心,以预设半径画圆获取得到定点范围,将位置在定点范围内的未测量点标记为预选测量点,未测量点为人工选定并且尚未测量过的测量点;
步骤二:测点确定模块控制无人机到达预选测量点后对目标物体拍摄视频,获取得到同一预选测量点所对应视频的首选值Ak。同一预选测量点所对应视频的首选值Ak通过下述步骤获取得到:当激光发射器在测量点朝向目标物体发送激光脉冲时,将该时刻标记为激光发送时刻,当测距处理模块接收到从目标物体返回的激光脉冲时,将该时刻标记为激光接收时刻。将同一预选测量点所对应视频转换成影像帧,获取得到每个影像帧的平均灰度值并标注为Pv,设置影像帧的低异灰度阈值为Lm,设置影像帧的高异灰度阈值为Yp,当影像帧的灰度点灰度值<低异灰度阈值Lm时,则将该灰度点标注为低异灰度点,当影像帧的灰度点灰度值>高异灰度阈值Yp时,则将该灰度点标注为高异灰度点,将低异灰度点的数量与高异灰度点的数量进行求和处理,获取得到异常灰点数,将异常灰点数与影像帧中像素点的数量进行比值计算,获取得到异常灰度比并标记为Ve,利用公式获取得到影像帧的标异值Qj,将同一预选测量点影像帧的标异值进行求和处理并取均值,获取得到同一预选测量点所对应视频的首选值Ak,其中,n1、n2均为预设比例系数。将首选值Ak数值最小的预选测量点标记为终选测量点。当测量点x的所对应视频的首选值Ak为5,测量点y的所对应视频的首选值Ak为3,测量点z的所对应视频的首选值Ak为6,将测量点y标记为终选测量点。
工作原理:
设置激光发射模块,可以控制n个激光发射器在相同时间间隔内,从测量点朝向目标物体发送激光脉冲,为后续测量点的判断提供参考基础,设置测距处理模块,可以判断测量点是否能进行正常且准确的激光测距,当测量点判断正常时,不再需要选择其他的测量点进行激光测距,当测量点判断异常时,及时选择其他的测量点进行激光测距,设置测点重选模块,可以在异常测量点的基础上快速选择测量点,保证每次选择合适的测量点进行重新测量,大大减小测量点的重选次数,提高激光测距的效率以及准确性。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本模板的保护范围。
在本发明的描述中,需要理解的是,术语“上”、“下”、“左”、“右”等指示方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以及特定的方位构造和操作,因此,不能理解为对本发明的限制。此外,“第一”、“第二”仅由于描述目的,且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。因此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”“相连”“连接”等应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接连接,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (4)
1.一种基于激光测距的大地测量系统,其特征在于,包括激光发射模块、测距处理模块、测点重选模块;
所述激光发射模块用于控制n个激光发射器在相同时间间隔内,从测量点朝向目标物体发送激光脉冲;
所述测距处理模块用于对测量点进行判断,判断测量点是否可以进行正常的激光测距,具体为:
步骤一:获取得到送返普时差Js;
步骤二:设置每个送返普时差均对应一个送返时差值Gi,将送返普时差与送返时差值进行对比,当送返普时差小于送返时差值时,将该送返普时差标记为送返时差低值,将送返时差值与送返时差低值进行差值计算,获取得到低值标准差;将所有低值标准差进行求和处理,获取得到低值总标准差并标记为Rw;获取得到出现送返时差低值的总次数,并标记为Ky;
步骤三:当送返普时差大于送返时差值时,将该送返普时差标记为送返时差超值,将送返时差超值与送返时差值进行差值计算,获取得到超值标准差;将所有超值标准差进行求和处理,获取得到超值总标准差并标记为Ej;获取得到出现送返时差超值的总次数,并标记为Sc;
利用公式获取得到激光低测准值Hm;其中,b1、b2均为预设比例系数;
利用公式获取得到激光超测准值Bk;其中,c1、c2均为预设比例系数;
利用公式获取得到该测量点的激光预警准值Pe,其中,d1、d2均为预设比例系数,设置激光预警准值阈值为Cz,当激光预警准值Pe≥激光预警准值阈值Cz,将测量点标记为异常测量点,当激光预警准值Pe<激光预警准值阈值Cz,将该测量点标记为正常测量点;
所述测点重选模块用于在异常测量点的基础上重新选择测量点,具体为:
步骤一:获取得到异常测量点的位置,并以当前位置为圆心,以预设半径画圆获取得到定点范围,将位置在定点范围内的未测量点标记为预选测量点;
步骤二:测点确定模块控制无人机到达预选测量点后对目标物体拍摄视频,获取得到同一预选测量点所对应视频的首选值Ak;
步骤三:将首选值Ak数值最小的预选测量点标记为终选测量点;
所述送返时差值通过下述步骤获取得到:测距处理模块控制拍照组件对目标物体拍摄照片,对照片进行预处理,获取得到预处理照片,将预处理照片作为图像分析模型的输入数据获取图像分析模型的输出数据,将输出数据标记为目标标签;所述目标标签为每个格子对应的图像标签;设置图像标签的取值范围为[0-3],其中图像标签的取值越大,表示目标物体在格子中所占面积越大,将所有图像标签进行求和处理,获取得到图像标签总值并标记为Tb,利用公式获取得到送返时差值,其中,m1为预设比例系数;
同一预选测量点所对应视频的首选值Ak通过下述步骤获取得到:将同一预选测量点所对应视频转换成影像帧,获取得到每个影像帧的平均灰度值并标注为Pv,设置影像帧的低异灰度阈值为Lm,设置影像帧的高异灰度阈值为Yp,当影像帧的灰度点灰度值<低异灰度阈值Lm时,则将该灰度点标注为低异灰度点,当影像帧的灰度点灰度值>高异灰度阈值Yp时,则将该灰度点标注为高异灰度点,将低异灰度点的数量与高异灰度点的数量进行求和处理,获取得到异常灰点数,将异常灰点数与影像帧中像素点的数量进行比值计算,获取得到异常灰度比并标记为Ve,利用公式获取得到影像帧的标异值Qj,将同一预选测量点影像帧的标异值进行求和处理并取均值,获取得到同一预选测量点所对应视频的首选值Ak,其中,n1、n2均为预设比例系数;
所述送返普时差Js通过下述步骤获取得到:将n个激光脉冲所对应的激光发送时刻与激光接收时刻按照时间先后顺序进行排序,将相邻两个激光脉冲中后一个激光脉冲的激光发送时刻标记为Lg,后一个激光脉冲的激光接收时刻标记为Lh,将相邻两个激光脉冲中前一个激光脉冲的激光发送时刻标记为Lz,前一个激光脉冲的激光接收时刻标记为Lr,利用公式获取得到送返普时差Js,其中,a1、a2均为预设比例系数。
2.根据权利要求1所述的一种基于激光测距的大地测量系统,其特征在于,照片的预处理包括对照片的图像去噪、灰度变换以及锐化处理。
3.根据权利要求2所述的一种基于激光测距的大地测量系统,其特征在于,图像分析模型通过下述步骤:获取得到N张图像素材,将图像素材标记为训练图像,将训练图像通过等间距的多条横线以及等间距的多条纵线划分成多个相同的格子,对每个格子赋予图像标签;将训练图像按照设定比例划分成训练集和验证集;构建神经网络模型;通过训练集和验证集对神经网络模型进行迭代训练,当迭代训练次数大于迭代次数阈值时,则判定神经网络模型完成训练,将训练完成的神经网络模型标记为图像分析模型。
4.根据权利要求3所述的一种基于激光测距的大地测量系统,其特征在于,当激光发射器在测量点朝向目标物体发送激光脉冲时,将该时刻标记为激光发送时刻,当测距处理模块接收到从目标物体返回的激光脉冲时,将该时刻标记为激光接收时刻。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211608984.2A CN115932791B (zh) | 2022-12-14 | 2022-12-14 | 一种基于激光测距的大地测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211608984.2A CN115932791B (zh) | 2022-12-14 | 2022-12-14 | 一种基于激光测距的大地测量系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115932791A CN115932791A (zh) | 2023-04-07 |
CN115932791B true CN115932791B (zh) | 2023-09-26 |
Family
ID=86557178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211608984.2A Active CN115932791B (zh) | 2022-12-14 | 2022-12-14 | 一种基于激光测距的大地测量系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115932791B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109307477A (zh) * | 2018-12-04 | 2019-02-05 | 福建汇川物联网技术科技股份有限公司 | 位移测量系统及方法 |
CN109743505A (zh) * | 2019-01-25 | 2019-05-10 | Oppo广东移动通信有限公司 | 基于激光测距的视频拍摄方法、装置及电子设备 |
CN112241015A (zh) * | 2019-07-19 | 2021-01-19 | 北醒(北京)光子科技有限公司 | 一种单点激光雷达去除拖点的方法 |
CN113204027A (zh) * | 2021-05-06 | 2021-08-03 | 武汉海达数云技术有限公司 | 精确选择测距周期的脉冲式激光雷达跨周期测距方法 |
CN114252883A (zh) * | 2020-09-24 | 2022-03-29 | 北京万集科技股份有限公司 | 目标检测方法、装置、计算机设备和介质 |
CN115015875A (zh) * | 2022-08-08 | 2022-09-06 | 探维科技(北京)有限公司 | 一种点云数据的处理方法、装置及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7117092B2 (ja) * | 2017-09-25 | 2022-08-12 | 株式会社トプコン | レーザ測定方法及びレーザ測定装置 |
EP3518001B1 (en) * | 2018-01-25 | 2020-09-16 | Aptiv Technologies Limited | Method for increasing the reliability of determining the position of a vehicle on the basis of a plurality of detection points |
-
2022
- 2022-12-14 CN CN202211608984.2A patent/CN115932791B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109307477A (zh) * | 2018-12-04 | 2019-02-05 | 福建汇川物联网技术科技股份有限公司 | 位移测量系统及方法 |
CN109743505A (zh) * | 2019-01-25 | 2019-05-10 | Oppo广东移动通信有限公司 | 基于激光测距的视频拍摄方法、装置及电子设备 |
CN112241015A (zh) * | 2019-07-19 | 2021-01-19 | 北醒(北京)光子科技有限公司 | 一种单点激光雷达去除拖点的方法 |
CN114252883A (zh) * | 2020-09-24 | 2022-03-29 | 北京万集科技股份有限公司 | 目标检测方法、装置、计算机设备和介质 |
CN113204027A (zh) * | 2021-05-06 | 2021-08-03 | 武汉海达数云技术有限公司 | 精确选择测距周期的脉冲式激光雷达跨周期测距方法 |
CN115015875A (zh) * | 2022-08-08 | 2022-09-06 | 探维科技(北京)有限公司 | 一种点云数据的处理方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115932791A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949372B (zh) | 一种激光雷达与视觉联合标定方法 | |
Yamazato et al. | Image sensor based visible light communication and its application to pose, position, and range estimations | |
CN112525162A (zh) | 一种无人机测量输电线路影像距离的系统及方法 | |
CN111965625B (zh) | 用于激光雷达的校正方法及装置、环境感知系统 | |
CN109598947B (zh) | 一种车辆识别方法及系统 | |
CN109116298B (zh) | 一种定位方法、存储介质及定位系统 | |
CN109540104A (zh) | 一种利用摄影测量技术用于公路管理的无人机系统 | |
CN111896549A (zh) | 一种基于机器学习的建筑物裂缝监测系统和方法 | |
CN114442665B (zh) | 基于无人机的风电叶片巡检线路规划方法 | |
CN116245937A (zh) | 货物堆垛的堆高预测方法及装置、设备、存储介质 | |
CN115932791B (zh) | 一种基于激光测距的大地测量系统 | |
CN115511788A (zh) | 一种机动车驾驶人考试场地自动检测建模的方法 | |
CN104849241A (zh) | 推进剂烟雾光遮蔽能力测试系统的校准方法 | |
CN112949411B (zh) | 一种光谱图像校正方法及装置 | |
CN115291198B (zh) | 一种雷达信号发射及信号处理方法 | |
CN116343534A (zh) | 一种飞机泊位引导系统和方法 | |
CN115015258B (zh) | 一种农作物长势与土壤水分关联确定方法及相关装置 | |
CN113155770B (zh) | 一种光电环境分级系统和方法 | |
CN116310499A (zh) | 一种光学遥感影像的船只偏航检测方法 | |
CN112213265B (zh) | 基于无人机遥感技术的植被覆盖监测系统 | |
CN115355888B (zh) | 一种基于后台图像定位的无人机生姜种植巡检系统 | |
CN117217739B (zh) | 一种智能电力巡检系统 | |
CN111894046B (zh) | 路堑施工监控系统 | |
US12033345B2 (en) | Positioning method and device, and storage medium | |
CN114155290B (zh) | 一种用于大视场高速运动测量的系统与方法 |
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 |