CN116401622A - 多源数据融合航空器起飞一发失效障碍物筛选方法及系统 - Google Patents
多源数据融合航空器起飞一发失效障碍物筛选方法及系统 Download PDFInfo
- Publication number
- CN116401622A CN116401622A CN202310372770.8A CN202310372770A CN116401622A CN 116401622 A CN116401622 A CN 116401622A CN 202310372770 A CN202310372770 A CN 202310372770A CN 116401622 A CN116401622 A CN 116401622A
- Authority
- CN
- China
- Prior art keywords
- obstacle
- screening
- data
- airport
- coordinate system
- 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
- 238000012216 screening Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 84
- 230000004927 fusion Effects 0.000 title claims abstract description 29
- 230000002093 peripheral effect Effects 0.000 claims abstract description 60
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000004888 barrier function Effects 0.000 claims description 36
- 230000011218 segmentation Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000012876 topography Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012896 Statistical algorithm Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
- B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
- B64F5/60—Testing or inspecting aircraft components or systems
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Manufacturing & Machinery (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种多源数据融合航空器起飞一发失效障碍物筛选方法及系统,构建有栅格化的机场周边数字地形模型,模型融合了机场周边多源障碍物数据及起飞跑道数据,通过模拟飞行划设一发失效保护区并在模型中进行分割,然后利用焦点统计算法进行栅格化像元统计并筛选所有焦点存储为第一筛选障碍物数据库,将第一筛选障碍物数据库的各个障碍物对应投射到标称航迹上,构建以起飞跑道末端为原点的直角坐标系进行各个障碍物进一步筛选判断处理,筛选得到关键障碍物数据并输出。本发明能够实现自动化筛选障碍物,用于运输类飞机起飞一发失效性能障碍物筛选分析计算,具有筛选效果佳、筛选质量高、实用性强等优点,提高工作效率。
Description
技术领域
本发明涉及航空器起飞性能分析领域(具体涉及运输类飞机起飞性能分析领域,用于为运输类飞机起飞重量计算而精确筛选关键障碍物),尤其涉及一种多源数据融合航空器起飞一发失效障碍物筛选方法及系统。
背景技术
航空器(比如运输类飞机)的起飞阶段是飞行的重要阶段,对运输类飞机的安全飞行影响重大。起飞重量是起飞阶段的重要性能参数,直接影响运输类飞机的飞行效益。计算运输类飞机起飞重量需要考虑的重要因素之一是飞机起飞一发失效需要考虑的障碍物。机场周边障碍物来源广泛,主要来自机场周边地形、机场公布的障碍物A型图、机场细则中公布的障碍物以及机场发布的航行通告。其中,机场周边地形是连续数据,其他孤立的障碍物点是离散数据。障碍物数据类型不同,增加了机场周边障碍物信息分析的难度。
在一定范围内的障碍物才会被认为可能影响运输类飞机的一发失效起飞重量,这个范围即运输类飞机起飞一发失效保护区。在保护区内,利用数字地形模型,筛选出需要分析的障碍物。由于障碍物来源是数字地形模型,因此在该区域内能筛选出数量庞大的障碍物,这个过程需要进行大量的绘图与计算,工作量非常大、过程复杂(而且机场的离场飞行程序变化多样,机场的地形复杂,飞行影响因素众多)、耗时长;目前需要人工查找障碍物的位置和高度,占据了飞行性能分析设计人员的大部分工作量(即通过计算机计算,计算机在计算机场起飞性能时的工作量也极大),该项工作负担重,时间周期长,故此现有技术占用较多的人工工作量,在进行大量的机场分析时力不从心。
发明内容
本发明的目的在于解决背景技术所提出的技术问题,提供一种多源数据融合航空器起飞一发失效障碍物筛选方法及系统,构建有栅格化的机场周边数字地形模型,模型融合了机场周边多源障碍物数据及起飞跑道数据,通过模拟飞行划设一发失效保护区并在模型中进行分割,然后利用焦点统计算法进行栅格化像元统计并筛选所有焦点存储为第一筛选障碍物数据库,将第一筛选障碍物数据库的各个障碍物对应投射到标称航迹上,构建以起飞跑道末端为原点的直角坐标系进行各个障碍物进一步筛选判断处理,筛选得到关键障碍物数据并输出。本发明能够实现自动化筛选障碍物,用于运输类飞机起飞一发失效性能障碍物筛选分析计算,减少人工工作量,提高工作效率。
本发明的目的通过下述技术方案实现:
一种多源数据融合航空器起飞一发失效障碍物筛选方法,其方法包括:
S1、收集机场周边障碍物数据、起飞跑道数据基于数字高程模型融合构建得到栅格化的机场周边数字地形模型,机场周边障碍物数据来源于包括机场周边地形、障碍物A型图、机场发布航行通告在内的多源数据融合;让航空器在机场周边数字地形模型的起飞跑道按标称航迹划设出航空器的一发失效保护区:
S2、在机场周边数字地形模型中分割出一发失效保护区,一发失效保护区在机场周边数字地形模型中所对应的区域为分割后一发失效保护区;筛选位于分割后一发失效保护区内的障碍物数据,利用焦点统计算法对分割后一发失效保护区内的障碍物数据进行栅格化像元统计处理,筛选得到邻域内高程最大值的障碍物位置及数据,邻域内高程最大值的障碍物位置及数据为第一筛选障碍物数据库;
S3、将第一筛选障碍物数据库的各个障碍物对应投射到标称航迹上,构建以起飞跑道末端为原点的直角坐标系,直角坐标系的横坐标为障碍物投影点的位置与原点的距离,纵坐标为障碍物的高度,将第一筛选障碍物数据库的各个障碍物对应投射到直角坐标系上;
S4、对直角坐标系上各个障碍物依次进行如下筛选处理:
S41、按照标称航迹的方向,对直角坐标系按两个障碍物一组进行比较,若后一个障碍物的高度低于前一个障碍物的高度,则剔除后一个障碍物、保留前一个障碍物,否则前后障碍物暂时保留;
S42、按照标称航迹的方向,对直角坐标系保留的障碍物按三个一组进行高差梯度比较,计算同一组中第一、第二障碍物的高差梯度a%以及第二、第三障碍物的高差梯度b%,若a%<b%,则剔除同一组中的第二障碍物;
S43、设定高差梯度阈值;按照标称航迹的方向,对直角坐标系保留的障碍物按两个一组计算相邻两个障碍物的高差梯度c%,若高差梯度c%小于高差梯度阈值,则剔除同一组的后一个障碍物;
最后直角坐标系保留的障碍物为筛选后的关键障碍物数据并输出,在一发失效保护区中标注显示。
本发明进一步优选的技术方案是:步骤S41中按照分轮比较筛选处理,第一轮比较筛选处理对直角坐标系所有障碍物依次处理,第二轮比较筛选处理对直角坐标系保留后的所有障碍物依次处理,依次类推,直到该轮比较筛选处理无剔除障碍物为止。
本发明更进一步优选的技术方案是:步骤S42中按照分轮比较筛选处理,第一轮比较筛选处理对直角坐标系所有障碍物依次处理,第二轮比较筛选处理对直角坐标系保留后的所有障碍物依次处理,依次类推,直到该轮比较筛选处理无剔除障碍物为止。
优选地,对分割后一发失效保护区内的障碍物数据进行栅格图形邻域分析,利用焦点统计算法进行焦点统计、提取分析分割后一发失效保护区内的障碍物数据范围中邻域栅格的最大值,计算后提取焦点的高程值和坐标将其赋值给焦点,继续栅格重分类并筛选所有焦点。
优选地,在步骤S2中,焦点统计算法在执行过程中访问分割后一发失效保护区内的障碍物数据中每个像元,根据识别出的邻域范围计算出指定的统计数据,将统计数据的像元定义为待处理像元,待处理像元的值以及所识别出邻域中的所有像元值都包含在邻域统计数据的计算中,各邻域可以重叠;统计计算出邻域中的像元高程属性的最大值,并筛选得到邻域内高程最大值的障碍物位置及数据。
优选地,在步骤S1中,航空器在机场周边数字地形模型中执行RNP离场飞行程序一发失效模拟飞行得到标称航迹,按照如下方法并划设出航空器的一发失效保护区:
在机场周边数字地形模型的起飞跑道末端,以标称航迹为中心构建保护区,从起飞跑道末端开始,保护区的半宽从90米开始以12.5%的扩张率扩张至半宽900米,然后保持半宽900米至RNP离场飞行程序起飞航迹的终点,得到一发失效保护区;
若以传统导航方式飞行,若飞行航迹有转弯,在转弯时从转弯开始点两侧半宽900米开始以12.5%的扩张率扩展,直至传统离场飞行程序取得航迹引导的一点,然后以25%的收缩率恢复至正常900米半宽,得到一发失效保护区。
优选地,所述机场周边障碍物数据的机场周边地形为栅格地形数据,机场周边障碍物数据还包括航行资料汇编中的障碍物数据,其中障碍物A型图的障碍物数据、航行资料汇编中的障碍物数据、机场发布航行通告的障碍物数据均为离散的障碍物数据;所有机场周边障碍物数据均对应融合至机场周边数字地形模型中。
一种多源数据融合航空器起飞一发失效障碍物筛选系统,包括采集模块、障碍物筛选处理模块和存储输出模块;采集模块用于收集机场周边障碍物数据、起飞跑道数据,机场周边障碍物数据来源于包括机场周边地形、障碍物A型图、机场发布航行通告在内的多源数据融合;
障碍物筛选处理模块包括机场周边数字地形模型、保护区划设及分割模块、第一障碍物筛选计算模块和第二障碍物筛选计算模块,障碍物筛选处理模块基于数字高程模型融合机场周边障碍物数据、起飞跑道数据构建得到栅格化的机场周边数字地形模型;
所述保护区划设及分割模块用于让航空器在机场周边数字地形模型的起飞跑道按标称航迹划设出航空器的一发失效保护区,以一发失效保护区在机场周边数字地形模型中所对应的区域确定为分割后一发失效保护区;
所述第一障碍物筛选计算模块用于筛选位于分割后一发失效保护区内的障碍物数据,利用焦点统计算法对分割后一发失效保护区内的障碍物数据进行栅格化像元统计处理,筛选得到邻域内高程最大值的障碍物位置及数据,邻域内高程最大值的障碍物位置及数据为第一筛选障碍物数据库;
所述第二障碍物筛选计算模块内部构建有以起飞跑道末端为原点的直角坐标系,直角坐标系的横坐标为障碍物投影点的位置与原点的距离,纵坐标为障碍物的高度,将第一筛选障碍物数据库的各个障碍物对应投射到直角坐标系上;第二障碍物筛选计算模块对直角坐标系上各个障碍物依次进行如下筛选处理:
S41、按照标称航迹的方向,对直角坐标系按两个障碍物一组进行比较,若后一个障碍物的高度低于前一个障碍物的高度,则剔除后一个障碍物、保留前一个障碍物,否则前后障碍物暂时保留;
S42、按照标称航迹的方向,对直角坐标系保留的障碍物按三个一组进行高差梯度比较,计算同一组中第一、第二障碍物的高差梯度a%以及第二、第三障碍物的高差梯度b%,若a%<b%,则剔除同一组中的第二障碍物;
S43、设定高差梯度阈值;按照标称航迹的方向,对直角坐标系保留的障碍物按两个一组计算相邻两个障碍物的高差梯度c%,若高差梯度c%小于高差梯度阈值,则剔除同一组的后一个障碍物;最后直角坐标系保留的障碍物为筛选后的关键障碍物数据;
所述存储输出模块用于对筛选后的关键障碍物数据进行存储,在一发失效保护区中显示。
本发明较现有技术相比,具有以下优点及有益效果:
(1)本发明构建有栅格化的机场周边数字地形模型,模型融合了机场周边多源障碍物数据及起飞跑道数据,通过模拟飞行划设一发失效保护区并在模型中进行分割,然后利用焦点统计算法进行栅格化像元统计并筛选所有焦点存储为第一筛选障碍物数据库,将第一筛选障碍物数据库的各个障碍物对应投射到标称航迹上,构建以起飞跑道末端为原点的直角坐标系进行各个障碍物进一步筛选判断处理,筛选得到关键障碍物数据并输出。本发明能够实现自动化筛选障碍物,用于运输类飞机起飞一发失效性能障碍物筛选分析计算,减少人工工作量,提高工作效率。
(2)本发明机场周边数字地形模型融合连续和离散的多源障碍物数据并统一为栅格地形对象,通过焦点统计计算数字地形模型栅格最大值位置进而筛选障碍物,结合障碍物间的遮蔽原则进一步筛选处理,减少了需要考虑的障碍物数量,具有筛选效果佳、筛选质量高、实用性强等优点,可广泛应用于运输类飞机等航空器起飞性能分析领域。
附图说明
图1为本发明实施例中的流程示意图;
图2为本发明实施例中直角坐标系障碍物筛选处理方法流程示意图;
图3为本发明机场周边障碍物数据融合航空器起飞一发失效障碍物筛选系统的原理框图;
图4为实施例中基于多源信息融合构建得到的机场周边数字地形模型案例;
图5为实施例中举例的第一种一发失效保护区示意图;
图6为实施例中举例的第二种一发失效保护区示意图;
图7为图6的第二种一发失效保护区进行分割的示意图;
图8为实施例中举例采用两个矩形邻域处理方法的原理示意图;
图9为以第二种一发失效保护区为例焦点统计计算得到周边数字地形模型障碍物结果示例图;
图10为实施例中步骤S41筛选原理的举例示意图;
图11为实施例中步骤S42筛选原理的举例示意图;
图12为实施例中步骤S43筛选原理的举例示意图;
图13为实施例中举例经过筛选处理最终确定的关键障碍物数据;
具体实施方式
下面结合实施例对本发明作进一步地详细说明:
实施例
如图1~图10所示,一种多源数据融合航空器起飞一发失效障碍物筛选方法,本实施例的航空器为运输类飞机,主要为分析运输类飞机一发失效情况下沿离场程序飞行越障性能,需要收集机场周边的关键障碍物,其方法包括:
S1、收集机场周边障碍物数据、起飞跑道数据基于数字高程模型(DigitalElevation Model,DEM)融合构建得到栅格化的机场周边数字地形模型(图4为本实施例举例基于多源信息融合构建得到的机场周边数字地形模型),机场周边障碍物数据来源于包括机场周边地形、障碍物A型图、机场发布航行通告在内的多源数据融合。优选地,机场周边障碍物数据的机场周边地形为栅格地形数据,机场周边障碍物数据还包括航行资料汇编中的障碍物数据,其中障碍物A型图的障碍物数据、航行资料汇编中的障碍物数据、机场发布航行通告的障碍物数据均为离散的障碍物数据;所有机场周边障碍物数据均对应融合至机场周边数字地形模型中。
让航空器在机场周边数字地形模型的起飞跑道按标称航迹并划设出航空器的一发失效保护区(一发失效保护区为起飞一发失效障碍物分析考虑的水平范围)。一发失效保护区可以基于机场的离场飞行程序来得到(按照《飞机起飞一发失效应急程序和一发失效复飞应急程序制作规范》(AC-121-FS-2014-123)中的规定,根据离场飞行程序的标称飞行航迹扩展出飞机执行离场飞行程序需要考虑的保护区范围)。在一些实施例中,步骤S1中航空器在机场周边数字地形模型中执行RNP离场飞行程序一发失效模拟飞行得到标称航迹,可以按照如下方法并划设出航空器的一发失效保护区:
在机场周边数字地形模型的起飞跑道末端,以标称航迹为中心构建保护区,从起飞跑道末端开始,保护区的半宽从90米开始以12.5%的扩张率扩张至半宽900米,然后保持半宽900米至RNP离场飞行程序起飞航迹的终点,得到一发失效保护区,一发失效保护区参考图5所示。
若以传统导航方式飞行(即传统离场飞行程序)且飞行航迹有转弯,在转弯时从转弯开始点两侧半宽900米开始以12.5%的扩张率扩展,直至传统离场飞行程序取得航迹引导的一点,然后以25%的收缩率恢复至正常900米半宽,得到一发失效保护区,一发失效保护区参考图6所示。
S2、在机场周边数字地形模型中分割出一发失效保护区,一发失效保护区在机场周边数字地形模型中所对应的区域为分割后一发失效保护区(理论上,步骤S1扩展出的一发失效保护区中所有障碍物均会对航空器的起飞性能造成影响,需要根据保护区范围,对机场周边区域的机场周边数字地形模型进行分割,在机场周边数字地形模型分割出保护区区域的障碍物就是对航空器的起飞性能造成影响的所有障碍物,参考图7以第二种一发失效保护区为例的分割示意图,若每个障碍物来进行起飞性能影响评估,则工作量非常大,则需要最好进行障碍物数据的逐步筛选)。筛选位于分割后一发失效保护区内的障碍物数据,利用焦点统计算法对分割后一发失效保护区内的障碍物数据进行栅格化像元统计处理,筛选得到邻域内高程最大值的障碍物位置及数据,邻域内高程最大值的障碍物位置及数据为第一筛选障碍物数据库。在分割后即得到了可能影响运输类飞机起飞一发失效性能的障碍物区域,该区域是栅格对象,需要对该区域内的栅格进行焦点统计,找出栅格邻域内最大值焦点。在一些实施例中,对分割后一发失效保护区内的障碍物数据进行栅格图形邻域分析,利用焦点统计算法进行焦点统计、提取分析分割后一发失效保护区内的障碍物数据范围中邻域栅格的最大值,计算后提取焦点的高程值和坐标将其赋值给焦点,继续栅格重分类并筛选所有焦点。
在一些实施例中,焦点统计算法在执行过程中访问分割后一发失效保护区内的障碍物数据中每个像元,根据识别出的邻域范围计算出指定的统计数据,将统计数据的像元定义为待处理像元,待处理像元的值以及所识别出邻域中的所有像元值都包含在邻域统计数据的计算中,各邻域可以重叠;统计计算出邻域中的像元高程属性的最大值,并筛选得到邻域内高程最大值的障碍物位置及数据。进一步的,用矩形邻域对分割后的数字地形模型进行处理,统计出某一邻域中的像元高程属性的最大值,以下是矩形邻域形状描述及邻域处理方法:
(1)通过提供以像元或地图举元为单位的宽度和高度值,指定矩形邻域。
(2)仅将中心在定义对象内的像元作为矩形邻域的一部分进行处理。
(3)默认矩形邻域为高和宽为三个像元的正方形。
(4)邻域范围内待处理像元相对于邻域左上角的(x,y)位置可通过以下公式来确定:
如果输入像元数为偶数,则可通过截断操作来计算(x,y)坐标。例如,在5×5的像元邻域中,x的值为3,y的值为3;而在4×4的像元邻域中,x的值为3,y的值为3;图8是两个矩形邻域的示例图,双矩形邻域示例处理像元。
执行焦点统计算法后,计算得出数字地形模型邻域内最大值的点及其位置,如图9所示,以第二种一发失效保护区为例计算出的最大值点及其位置,即飞机一发失效需要考虑的障碍物及其位置。
S3、将第一筛选障碍物数据库的各个障碍物对应投射到标称航迹上,构建以起飞跑道末端为原点的直角坐标系(在一些实施例中,一发失效保护区内部包含有净空道数据,构建的直角坐标系以净空道末端为原点进行构建,其原理相同,再次不再累述),直角坐标系的横坐标为障碍物投影点的位置与原点的距离,纵坐标为障碍物的高度,将第一筛选障碍物数据库的各个障碍物对应投射到直角坐标系上。机场每一条跑道的离场飞行程序都有标称航迹,离场飞行程序标称航迹是确定障碍物距离跑道起飞末端距离的参照;离场飞行程序标称航迹是一个包含距离属性的线段和圆弧,离场飞行程序标称航迹具有方向性,一般以起飞跑道末端为原点,沿离场方向,根据实际距离,确定离场标称航迹上各个点与原点的距离。每一个飞机一发失效需要考虑的障碍物,沿离场飞行程序标称航迹的法线,投影到离场飞行程序标称航迹上(也即将第一筛选障碍物数据库的各个障碍物对应投射到标称航迹上);记录每一个障碍物投影点的位置与原点的距离(此处的距离为障碍物投射到标称航迹上后形成障碍物投影点,标称航迹上的障碍物投影点相对于原点的飞行距离,并不是直线距离,是障碍物投射到标称航迹上点距离原点的航迹段长度值,若航迹段是曲线,则是航迹段曲线的长度),以每一个障碍物投影点的位置与原点的距离为横坐标,以机场周边数字地形中障碍物的高度为纵坐标,建立直角坐标系;直角坐标系说明了障碍物在离场飞行程序标称航迹上的法向投影位置与障碍物高度的关系。
S4、如图3所示,对直角坐标系上各个障碍物依次进行如下筛选处理(计算位置的障碍物数量过多,需要根据障碍物之间法向投影位置关系和障碍物高度,进一步筛选障碍物,作为可能影响运输类飞机起飞一发失效性能的障碍物):
S41、按照标称航迹的方向,对直角坐标系按两个障碍物一组进行比较,若后一个障碍物的高度低于前一个障碍物的高度,则剔除后一个障碍物、保留前一个障碍物,否则前后障碍物暂时保留。在一些实施例中,步骤S41中按照分轮比较筛选处理,每轮均按照如下方法处理:标称航迹的方向,对直角坐标系按两个障碍物一组进行比较,若后一个障碍物的高度低于前一个障碍物的高度,则剔除后一个障碍物、保留前一个障碍物,否则前后障碍物暂时保留。第一轮比较筛选处理对直角坐标系所有障碍物依次处理,第二轮比较筛选处理对直角坐标系保留后的所有障碍物依次处理,依次类推,直到该轮比较筛选处理无剔除障碍物为止。当然,步骤S41中可以不按照分轮比较筛选处理,直接依次比较,即第一、第二障碍物比较后结果后,再进行第三障碍物比较,依次类推,举例如下:参见图10所示,在沿离场飞行程序标称航迹的方向上,将障碍物分为两个一组进行比较,随着距离的增加,如果剖面上后一个障碍物比前一个障碍物低,则不再将后一个障碍物纳入为可能影响运输类飞机起飞一发失效性能的障碍物。以图10为例,有1号、2号、3号和4号一共四个地形障碍物。比较1号障碍物和2号障碍物的高度,1号障碍物高度低于2号障碍物高度,因此需要将1号障碍物和2号障碍物纳入可能影响运输类飞机起飞一发失效性能的障碍物。比较2号障碍物和3号障碍物的高度,2号障碍物高度低于3号障碍物高度,因此需要将3号障碍物纳入可能影响运输类飞机起飞一发失效性能的障碍物。比较3号障碍物和4号障碍物的高度,3号障碍物高度高于4号障碍物高度,因此不再将4号障碍物纳入可能影响运输类飞机起飞一发失效性能的障碍物。
S42、按照标称航迹的方向,对直角坐标系保留的障碍物按三个一组进行高差梯度比较,计算同一组中第一、第二障碍物的高差梯度a%以及第二、第三障碍物的高差梯度b%,若a%<b%,则剔除同一组中的第二障碍物。在一些实施例中,步骤S42中按照分轮比较筛选处理,每轮均按照如下方法处理:按照标称航迹的方向,对直角坐标系保留的障碍物按三个一组进行高差梯度比较,计算同一组中第一、第二障碍物的高差梯度a%以及第二、第三障碍物的高差梯度b%,若a%<b%,则剔除同一组中的第二障碍物。第一轮比较筛选处理对直角坐标系所有障碍物依次处理,第二轮比较筛选处理对直角坐标系保留后的所有障碍物依次处理,依次类推,直到该轮比较筛选处理无剔除障碍物为止。参见图11,在沿离场飞行程序标称航迹的方向上,将障碍物分为三个一组进行比较,如图11所示,随着距离的增加,比较前一对障碍物的高差梯度a%和后一对障碍物的高差梯度b%,如果a%<b%,则不再考虑三个障碍物中中间的障碍物为可能影响运输类飞机起飞一发失效性能的障碍物。
S43、设定高差梯度阈值(本实施例设定为1.2%);按照标称航迹的方向,对直角坐标系保留的障碍物按两个一组计算相邻两个障碍物的高差梯度c%,若高差梯度c%小于高差梯度阈值,则剔除同一组的后一个障碍物。如图12所示,在沿离场飞行程序标称航迹的方向上,将障碍物分为两个一组,计算相邻两个障碍物的高差梯度c%,在图12中,共有三个地形障碍物,1号障碍物和2号障碍物的高差梯度为c%。如果c%<1.2%,则2号障碍物不再被考虑为影响运输类飞机一发失效起飞性能的障碍物。
最后直角坐标系保留的障碍物为筛选后的关键障碍物数据并输出,在一发失效保护区中标注显示。如图13所示,经过障碍物筛选处理,最终有4个障碍物经过筛选,被考虑为可能影响运输类飞机一发失效起飞性能的障碍物,经过筛选处理,确定了最终的障碍物位置及高度。本发明多源数据融合航空器起飞一发失效障碍物筛选,一方面融合了多种障碍物数据,构建机场周边区域数字地形模型,融合了障碍物数据,利用焦点统计算法实现了障碍物的批量查找。另一方面利用了保护区范围对数字地形模型进行分割,缩小了障碍物筛选范围,结合障碍物间的遮蔽原则进一步筛选处理,减少了需要考虑的障碍物数量,本发明计算简洁、实用性强,在运输类飞机起飞性能分析方面可广泛应用。
如图3所示,一种多源数据融合航空器起飞一发失效障碍物筛选系统,包括采集模块、障碍物筛选处理模块和存储输出模块;采集模块用于收集机场周边障碍物数据、起飞跑道数据,机场周边障碍物数据来源于包括机场周边地形、障碍物A型图、机场发布航行通告在内的多源数据融合。
障碍物筛选处理模块包括机场周边数字地形模型、保护区划设及分割模块、第一障碍物筛选计算模块和第二障碍物筛选计算模块,障碍物筛选处理模块基于数字高程模型融合机场周边障碍物数据、起飞跑道数据构建得到栅格化的机场周边数字地形模型。
所述保护区划设及分割模块用于让航空器在机场周边数字地形模型的起飞跑道按标称航迹(标称航迹为起飞的标称航迹)划设出航空器的一发失效保护区,以一发失效保护区在机场周边数字地形模型中所对应的区域确定为分割后一发失效保护区。保护区划设及分割模块对筛选位于分割后一发失效保护区内的障碍物数据进行分割,只保留位于分割后一发失效保护区内的障碍物数据内容。
所述第一障碍物筛选计算模块用于筛选位于分割后一发失效保护区内的障碍物数据,利用焦点统计算法对分割后一发失效保护区内的障碍物数据进行栅格化像元统计处理,筛选得到邻域内高程最大值的障碍物位置及数据,邻域内高程最大值的障碍物位置及数据为第一筛选障碍物数据库。
所述第二障碍物筛选计算模块内部构建有以起飞跑道末端为原点的直角坐标系,直角坐标系的横坐标为障碍物投影点的位置与原点的距离,纵坐标为障碍物的高度,将第一筛选障碍物数据库的各个障碍物对应投射到直角坐标系上;第二障碍物筛选计算模块对直角坐标系上各个障碍物依次进行如下筛选处理:
S41、按照标称航迹的方向,对直角坐标系按两个障碍物一组进行比较,若后一个障碍物的高度低于前一个障碍物的高度,则剔除后一个障碍物、保留前一个障碍物,否则前后障碍物暂时保留;
S42、按照标称航迹的方向,对直角坐标系保留的障碍物按三个一组进行高差梯度比较,计算同一组中第一、第二障碍物的高差梯度a%以及第二、第三障碍物的高差梯度b%,若a%<b%,则剔除同一组中的第二障碍物;
S43、设定高差梯度阈值;按照标称航迹的方向,对直角坐标系保留的障碍物按两个一组计算相邻两个障碍物的高差梯度c%,若高差梯度c%小于高差梯度阈值,则剔除同一组的后一个障碍物;最后直角坐标系保留的障碍物为筛选后的关键障碍物数据;
所述存储输出模块用于对筛选后的关键障碍物数据进行存储,在一发失效保护区中显示,可以输出可能影响起飞性能的障碍物位置信息、高度信息和在离场飞行程序航径上的垂直投影点与起飞跑道末端的距离。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种多源数据融合航空器起飞一发失效障碍物筛选方法,其特征在于:其方法包括:
S1、收集机场周边障碍物数据、起飞跑道数据基于数字高程模型融合构建得到栅格化的机场周边数字地形模型,机场周边障碍物数据来源于包括机场周边地形、障碍物A型图、机场发布航行通告在内的多源数据融合;让航空器在机场周边数字地形模型的起飞跑道按标称航迹划设出航空器的一发失效保护区:
S2、在机场周边数字地形模型中分割出一发失效保护区,一发失效保护区在机场周边数字地形模型中所对应的区域为分割后一发失效保护区;筛选位于分割后一发失效保护区内的障碍物数据,利用焦点统计算法对分割后一发失效保护区内的障碍物数据进行栅格化像元统计处理,筛选得到邻域内高程最大值的障碍物位置及数据,邻域内高程最大值的障碍物位置及数据为第一筛选障碍物数据库;
S3、将第一筛选障碍物数据库的各个障碍物对应投射到标称航迹上,构建以起飞跑道术端为原点的直角坐标系,直角坐标系的横坐标为障碍物投影点的位置与原点的距离,纵坐标为障碍物的高度,将第一筛选障碍物数据库的各个障碍物对应投射到直角坐标系上;
S4、对直角坐标系上各个障碍物依次进行如下筛选处理:
S41、按照标称航迹的方向,对直角坐标系按两个障碍物一组进行比较,若后一个障碍物的高度低于前一个障碍物的高度,则剔除后一个障碍物、保留前一个障碍物,否则前后障碍物暂时保留;
S42、按照标称航迹的方向,对直角坐标系保留的障碍物按三个一组进行高差梯度比较,计算同一组中第一、第二障碍物的高差梯度a%以及第二、第三障碍物的高差梯度b%,若a%<b%,则剔除同一组中的第二障碍物;
S43、设定高差梯度阈值;按照标称航迹的方向,对直角坐标系保留的障碍物按两个一组计算相邻两个障碍物的高差梯度c%,若高差梯度c%小于高差梯度阈值,则剔除同一组的后一个障碍物;
最后直角坐标系保留的障碍物为筛选后的关键障碍物数据并输出,在一发失效保护区中标注显示。
2.按照权利要求1所述的多源数据融合航空器起飞一发失效障碍物筛选方法,其特征在于:步骤S41中按照分轮比较筛选处理,第一轮比较筛选处理对直角坐标系所行障碍物依次处理,第二轮比较筛选处理对直角坐标系保留后的所有障碍物依次处理,依次类推,直到该轮比较筛选处理无剔除障碍物为止。
3.按照权利要求1或2所述的多源数据融合航空器起飞一发失效障碍物筛选方法,其特征在于:步骤S42中按照分轮比较筛选处理,第一轮比较筛选处理对直角坐标系所有障碍物依次处理,第二轮比较筛选处理对直角坐标系保留后的所有障碍物依次处理,依次类推,直到该轮比较筛选处理无剔除障碍物为止。
4.按照权利要求1所述的多源数据融合航空器起飞一发失效障碍物筛选方法,其特征在于:对分割后一发失效保护区内的障碍物数据进行栅格图形邻域分析,利用焦点统计算法进行焦点统计、提取分析分割后一发失效保护区内的障碍物数据范围中邻域栅格的最大值,计算后提取焦点的高程值和坐标将其赋值给焦点,继续栅格重分类并筛选所有焦点。
5.按照权利要求1所述的多源数据融合航空器起飞一发失效障碍物筛选方法,其特征在于:在步骤S2中,焦点统计算法在执行过程中访问分割后一发失效保护区内的障碍物数据中每个像元,根据以别出的邻域范围计算出指定的统计数据,将统计数据的像元定义为待处理像元,待处理像元的值以及所识别出邻域中的所行像元值都包含在邻域统计数据的计算中,各邻域可以重叠;统计计算出邻域中的像元高程属性的最大值,并筛选得到邻域内高程最大值的障碍物位置及数据。
6.按照权利要求1所述的多源数据融合航空器起飞一发失效障碍物筛选方法,其特征在于:
在步骤S1中,航空器在机场周边数字地形模型中执行RNP离场飞行程序一发失效模拟飞行得到标称航迹,按照如下方法并划设出航空器的一发失效保护区:
在机场周边数字地形模型的起飞跑道末端,以标称航迹为中心构建保护区,从起飞跑道末端开始,保护区的半宽从90米开始以12.5%的扩张率扩张至半宽900米,然后保持半宽900米至RNP离场飞行程序起飞航迹的终点,得到一发失效保护区;
若以传统导航方式飞行,若飞行航迹有转弯,在转弯时从转弯开始点两侧半宽900米开始以12.5%的扩张率扩展,直至传统离场飞行程序取得航迹引导的一点,然后以25%的收缩率恢复至正常900米半宽,得到一发失效保护区。
7.按照权利要求1所述的多源数据融合航空器起飞一发失效障碍物筛选方法,其特征在于:所述机场周边障碍物数据的机场周边地形为栅格地形数据,机场周边障碍物数据还包括航行资料汇编中的障碍物数据,其中障碍物A型图的障碍物数据、航行资料汇编中的障碍物数据、机场发布航行通告的障碍物数据均为离散的障碍物数据;所有机场周边障碍物数据均对应融合至机场周边数字地形模型中。
8.一种多源数据融合航空器起飞一发失效障碍物筛选系统,其特征在于:包括采集模块、障碍物筛选处理模块和存储输出模块;采集模块用于收集机场周边障碍物数据、起飞跑道数据,机场周边障碍物数据来源于包括机场周边地形、障碍物A型图、机场发布航行通告在内的多源数据融合;
障碍物筛选处理模块包括机场周边数字地形模型、保护区划设及分割模块、第一障碍物筛选计算模块和第二障碍物筛选计算模块,障碍物筛选处理模块基于数字高程模型融合机场周边障碍物数据、起飞跑道数据构建得到栅格化的机场周边数字地形模型;
所述保护区划设及分割模块用于让航空器在机场周边数字地形模型的起飞跑道按标称航迹划设出航空器的一发失效保护区,以一发失效保护区在机场周边数字地形模型中所对应的区域确定为分割后一发失效保护区;
所述第一障碍物筛选计算模块用于筛选位于分割后一发失效保护区内的障碍物数据,利用焦点统计算法对分割后一发失效保护区内的障碍物数据进行栅格化像元统计处理,筛选得到邻域内高程最大值的障碍物位置及数据,邻域内高程最大值的障碍物位置及数据为第一筛选障碍物数据库;
所述第二障碍物筛选计算模块内部构建有以起飞跑道末端为原点的直角坐标系,直角坐标系的横坐标为障碍物投影点的位置与原点的距离,纵坐标为障碍物的高度,将第一筛选障碍物数据库的各个障碍物对应投射到直角坐标系上;第二障碍物筛选计算模块对直角坐标系上各个障碍物依次进行如下筛选处理:
S41、按照标称航迹的方向,对直角坐标系按两个障碍物一组进行比较,若后一个障碍物的高度低于前一个障碍物的高度,则剔除后一个障碍物、保留前一个障碍物,否则前后障碍物暂时保留;
S42、按照标称航迹的方向,对直角坐标系保留的障碍物按三个一组进行高差梯度比较,计算同一组中第一、第二障碍物的高差梯度a%以及第二、第三障碍物的高差梯度b%,若a%<b%,则剔除同一组中的第二障碍物;
S43、设定高差梯度阈值;按照标称航迹的方向,对直角坐标系保留的障碍物按两个一组计算相邻两个障碍物的高差梯度c%,若高差梯度c%小于高差梯度阈值,则剔除同一组的后一个障碍物;最后直角坐标系保留的障碍物为筛选后的关键障碍物数据;
所述存储输出模块用于对筛选后的关键障碍物数据进行存储,在一发失效保护区中显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310372770.8A CN116401622B (zh) | 2023-04-10 | 2023-04-10 | 多源数据融合航空器起飞一发失效障碍物筛选方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310372770.8A CN116401622B (zh) | 2023-04-10 | 2023-04-10 | 多源数据融合航空器起飞一发失效障碍物筛选方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116401622A true CN116401622A (zh) | 2023-07-07 |
CN116401622B CN116401622B (zh) | 2024-06-18 |
Family
ID=87015574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310372770.8A Active CN116401622B (zh) | 2023-04-10 | 2023-04-10 | 多源数据融合航空器起飞一发失效障碍物筛选方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116401622B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118314295A (zh) * | 2024-05-10 | 2024-07-09 | 航科院中宇(北京)新技术发展有限公司 | 用于一发失效性能参数计算的障碍物模型构建方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100026525A1 (en) * | 2008-07-31 | 2010-02-04 | Honeywell International Inc. | Aircraft synthetic vision system for approach and landing |
RU2008133801A (ru) * | 2008-08-19 | 2010-02-27 | Открытое акционерное общество "Корпорация "Русские системы" (RU) | Способ оценки близости траекторий летательных аппаратов к земной поверхности |
WO2014092563A1 (en) * | 2012-12-13 | 2014-06-19 | Stichting Nationaal Lucht- En Ruimtevaartlaboratorium | System and method for determining an instrument approach procedure for an aircraft |
CN105564664A (zh) * | 2015-12-15 | 2016-05-11 | 刘可平 | 超短距飞机起飞方法 |
WO2017173416A1 (en) * | 2016-03-31 | 2017-10-05 | Netjets Inc. | Aviation sector special departure procedure systems and methods |
CN107808053A (zh) * | 2017-10-29 | 2018-03-16 | 中国民航科学技术研究院 | 一种超长跑道的障碍物评估方法 |
US20180130362A1 (en) * | 2016-11-08 | 2018-05-10 | Alaska Airlines, Inc. | Method for evaluating flight paths and flight path engine |
CN108153751A (zh) * | 2016-12-02 | 2018-06-12 | 上海航空电器有限公司 | 一种机载设备地图数据库飞行期间主动更新方法 |
CN108614485A (zh) * | 2018-05-24 | 2018-10-02 | 杨翼 | 一种全球机场障碍物筛选评估的系统 |
US20190106089A1 (en) * | 2017-10-06 | 2019-04-11 | Rockwell Collins, Inc. | Automated takeoff system for an aircraft |
CN109918818A (zh) * | 2019-03-15 | 2019-06-21 | 中国民航科学技术研究院 | 一种基于性能导航的pbn单发程序保护区划设方法 |
US20210101695A1 (en) * | 2019-10-03 | 2021-04-08 | AeroData, Inc. | System and method of determining and displaying procedures for an engine-out takeoff for an aircraft |
KR102371147B1 (ko) * | 2021-09-16 | 2022-03-04 | 주식회사 위젠텍에어로스페이스 | 회전익 항공기의 장애물 경보 시스템 |
US20220250768A1 (en) * | 2019-06-14 | 2022-08-11 | Panasonic Intellectual Property Corporation Of America | Lifting system |
CN115641448A (zh) * | 2022-11-02 | 2023-01-24 | 国网宁夏电力有限公司电力科学研究院 | 一种基于无人机遥感快速识别电力线下树障高度的方法 |
-
2023
- 2023-04-10 CN CN202310372770.8A patent/CN116401622B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100026525A1 (en) * | 2008-07-31 | 2010-02-04 | Honeywell International Inc. | Aircraft synthetic vision system for approach and landing |
RU2008133801A (ru) * | 2008-08-19 | 2010-02-27 | Открытое акционерное общество "Корпорация "Русские системы" (RU) | Способ оценки близости траекторий летательных аппаратов к земной поверхности |
WO2014092563A1 (en) * | 2012-12-13 | 2014-06-19 | Stichting Nationaal Lucht- En Ruimtevaartlaboratorium | System and method for determining an instrument approach procedure for an aircraft |
CN105564664A (zh) * | 2015-12-15 | 2016-05-11 | 刘可平 | 超短距飞机起飞方法 |
WO2017173416A1 (en) * | 2016-03-31 | 2017-10-05 | Netjets Inc. | Aviation sector special departure procedure systems and methods |
US20180130362A1 (en) * | 2016-11-08 | 2018-05-10 | Alaska Airlines, Inc. | Method for evaluating flight paths and flight path engine |
CN108153751A (zh) * | 2016-12-02 | 2018-06-12 | 上海航空电器有限公司 | 一种机载设备地图数据库飞行期间主动更新方法 |
US20190106089A1 (en) * | 2017-10-06 | 2019-04-11 | Rockwell Collins, Inc. | Automated takeoff system for an aircraft |
CN107808053A (zh) * | 2017-10-29 | 2018-03-16 | 中国民航科学技术研究院 | 一种超长跑道的障碍物评估方法 |
CN108614485A (zh) * | 2018-05-24 | 2018-10-02 | 杨翼 | 一种全球机场障碍物筛选评估的系统 |
CN109918818A (zh) * | 2019-03-15 | 2019-06-21 | 中国民航科学技术研究院 | 一种基于性能导航的pbn单发程序保护区划设方法 |
US20220250768A1 (en) * | 2019-06-14 | 2022-08-11 | Panasonic Intellectual Property Corporation Of America | Lifting system |
US20210101695A1 (en) * | 2019-10-03 | 2021-04-08 | AeroData, Inc. | System and method of determining and displaying procedures for an engine-out takeoff for an aircraft |
KR102371147B1 (ko) * | 2021-09-16 | 2022-03-04 | 주식회사 위젠텍에어로스페이스 | 회전익 항공기의 장애물 경보 시스템 |
CN115641448A (zh) * | 2022-11-02 | 2023-01-24 | 国网宁夏电力有限公司电力科学研究院 | 一种基于无人机遥感快速识别电力线下树障高度的方法 |
Non-Patent Citations (3)
Title |
---|
WANG XIAOLEI 等: "Analysis of Aerodynamic Parameters Change for Drift Down Situation", 《HTTPS://DOI.ORG/10.1145/3544109.3544113》, 31 December 2022 (2022-12-31) * |
XIGUANG CHEN 等: "A New Flight Procedure and Obstacle Limitation Surface Based Approach to Airport Clearance Area Analysis", 《2020IEEE》, 31 December 2020 (2020-12-31) * |
刘鑫 等: "基于动态窗口法的一发失效应急路径规划方法 刘", 《中国民航飞行学院学报》, 31 January 2021 (2021-01-31) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118314295A (zh) * | 2024-05-10 | 2024-07-09 | 航科院中宇(北京)新技术发展有限公司 | 用于一发失效性能参数计算的障碍物模型构建方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116401622B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462275B (zh) | 一种基于激光点云的地图生产方法和装置 | |
CN105513127B (zh) | 基于密度峰值聚类的杆状物规则化三维建模方法及系统 | |
CA2657957C (en) | Geospatial modeling system providing building roof type identification features and related methods | |
CN116401622B (zh) | 多源数据融合航空器起飞一发失效障碍物筛选方法及系统 | |
WO2021098082A1 (zh) | 一种融合概率和高度信息的栅格地图障碍物检测方法 | |
CN111325138B (zh) | 一种基于点云局部凹凸特征的道路边界实时检测方法 | |
CN105701798A (zh) | 柱状物体的点云提取方法及装置 | |
EP4120123A1 (en) | Scan line-based road point cloud extraction method | |
CN114114314A (zh) | 基于激光点云的输电线路巡检检测系统及检测方法 | |
CN113240689A (zh) | 一种洪涝灾害区域快速提取方法 | |
CN117132915B (zh) | 一种基于点云自动分类的输电线路树障隐患分析方法 | |
CN113310491A (zh) | 一种考虑具体结构的无人机航路网自动生成方法 | |
CN113345094A (zh) | 基于三维点云的电力走廊安全距离分析方法及系统 | |
Van Phat et al. | Deep4air: A novel deep learning framework for airport airside surveillance | |
CN114387293A (zh) | 道路边缘检测方法、装置、电子设备及车辆 | |
CN113176548B (zh) | 基于多边形建模的路侧雷达的实时滤除背景的方法 | |
CN117237913A (zh) | 一种多激光雷达障碍物识别方法 | |
CN116071707B (zh) | 一种机场特种车辆识别方法及系统 | |
KR101737889B1 (ko) | 데이터 마이닝 기법을 이용한 지상 라이다 데이터의 필터링 및 현황선 추출 방법과 그 장치 | |
CN115760876A (zh) | 基于地物形态特征的行道树点云渐进提取方法 | |
CN114910881A (zh) | 一种负障碍物检测方法及其装置、车辆 | |
Su et al. | An Efficient Background Filtering Method for Roadside LiDARs | |
CN115984291B (zh) | 一种地灾险情区域重构方法 | |
Uthai et al. | Deep Learning-Based Automation of Road Surface Extraction from UAV-Derived Dense Point Clouds in Large-Scale Environment | |
CN113176547B (zh) | 基于贝塞尔建模的路侧雷达的实时滤除背景的方法 |
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 |