CN116719334A - 一种水库智能巡检系统及方法 - Google Patents
一种水库智能巡检系统及方法 Download PDFInfo
- Publication number
- CN116719334A CN116719334A CN202310601282.XA CN202310601282A CN116719334A CN 116719334 A CN116719334 A CN 116719334A CN 202310601282 A CN202310601282 A CN 202310601282A CN 116719334 A CN116719334 A CN 116719334A
- Authority
- CN
- China
- Prior art keywords
- inspection
- image
- data
- hidden danger
- intelligent
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 238000011179 visual inspection Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种水库智能巡检方法,涉及无人机航测领域,特别涉及一种水库智能巡检系统及方法;可实现无人机的自动巡检,并根据采集的数据生成数字高程模型,并输出对应的正射影像,可以实现通过无人机搭载航摄系统,快速、高效、自动化的完成曲库及相关河道和山体的重点检查范围内的低空航拍任务,采集的现场影像对应的隐患坐标精准,更准确的引导管理人员进行现场排查和治理;可以一键将巡检记录、飞行日志、现场影像等资料上传至风险管理系统,并完成隐患的智能分析,并自动将隐患点、隐患报告和巡检记录自动推送给相关管理部门;实现巡检工作流程的规范化、数字化,是信息化升级和推动长效管理模式的有力技术支撑。
Description
技术领域
本发明涉及无人机航测领域,特别涉及一种水库智能巡检系统及方法。
背景技术
无人机及其衍生技术近几年更是发展迅猛,除了在传统的民用航拍以及新型测绘领域广泛应用外,在各行各业中早已崭露头角并逐渐扩大应用,无人机技术的可行性和优越性也得到了大量验证。无人机巡检技术已经广泛应用于农业、能源、公共安全、基础设施及建筑等行业,相比于传统的人工巡检,无人机巡检效益和质量均有明显的提高。比如无人机技术在电力行业中就已发挥出较大功用,在电站电网建设阶段可用于地形初勘和选址,在运维阶段可用于电力走廊巡线等,通过无人机搭载各种不同的传感器,包括激光雷达、航拍镜头、高光谱等进行高效的数据采集,并通过专业软件进行数据处理和分析,能满足更多环节的应用需求。
在水电领域,以富春江水电站为例,每年汛前都将对整个上库流域及库区进行安全检查,主要是针对人为或者自然因素威胁水电站人员及重要设施安全及正常生产工作的因素,包括堤岸受损、废船脱出或者出现乱排、乱堆、乱占、乱采、乱建,以及沿岸边坡滑坡等情况。但目前主要是以人工、高频次的现场巡查方式进行巡检,库区岸坡检查以目测为主,该方式不利于充分发挥巡视检查在监视水工建筑物运行安全中的作用:第一,因为富春江水电站库区流域地形环境复杂、植被茂密,水工建筑物的分布范围较大,包括大坝、边坡、厂房、公路、库区及下游河道的巡检,且工程边坡及河道等条件复杂,人员作业风险高且耗时耗力;第二,人员现场巡检的方式视角受限,部分高陡边坡段和危险区域无法到达,存在巡检“盲区”,难以对巡检区域进行多角度完整覆盖;第三,进入汛期降雨情况较多,路面湿滑,水位普遍高的情况,本身作业风险增高,人员难以在野外完成完整的巡检检查,难以及时发现问题并采取针对性的整改和治理措施。
发明内容
本发明的目的在于避免现有技术中的不足之处而提供一种基于无人机的水库智能巡检技术。
本发明的目的通过以下技术方案实现:
因此,根据本发明公开的一个方面,提供了一种水库智能巡检方法,包括以下步骤:
S1:根据地形数据确定巡检航线,并根据巡检航线获取各个拍摄点的拍摄图像;
S2:根据基站数据以及无人机的POS数据和姿态数据,分别计算出各个拍摄点对应的定位数据;
S3:分别对各个拍摄图像中确定的各个控制点进行空中三角测量,计算出各个控制点对应的坐标数据;
S4:根据对应的坐标数据对各个拍摄图像进行图像镶嵌,并形成对应的点云数据;
S5:对点云数据进行分类,确定各个点云对应的类型,并进行网格化处理,生成对应的数字高程模型;
S6:分别对各个拍摄图像进行数字微分纠正,生成对应的数字正射影像。
具体的,巡检航线设有若干路。
以上的,步骤S1还包括以下步骤:
S11:确定巡检路线以及相对航高;
S12:根据地形数据确定巡检路线上各点的基准高度,并结合相对航高计算出巡检路线上个点的飞行高度,生成对应的巡检航线。
具体的,还包括以下步骤:
S7:匹配出与数字正射影像相对应的基准图像;
S8:通过对比数字正射影像与基准图像进行隐患识别,若识别出数字正射影像中存在隐患信息,则对数字正射影像进行标记。
进一步的,隐患信息包括隐患类型以及隐患位置。
另一具体的,点云的类型包括地面点、噪点、植被和建筑物,且分别设有对应的高程。
根据本发明公开的另一个方面,提供了一种水库智能巡检系统,采用上述的一种水库智能巡检方法,包括:控制端、遥控器和无人机;遥控器分别与控制端以及无人机连接;
遥控器用于控制无人机按照设定的巡检航线飞行并拍摄图像;
控制端包括:
数据读取模块,用于获取地形数据;
航线规划模块,用于确定各个无人机对应的巡检航线;
坐标计算模块,用于对各个拍摄图像中确定的各个控制点进行空中三角测量,计算出各个控制点对应的坐标数据;
合成模块,用于根据对应的坐标数据对各个拍摄图像进行图像镶嵌;
点云数据处理模块,用于根据镶嵌后的各个拍摄图像以及对应的各个控制点的坐标数据生成点云数据,并对各个点云进行分类;
模型生成模块,用于根据点云的类型以及对应的高程生成数字高程模型;
正射影像生成模块,用于对各个拍摄图像进行数字微分纠正,生成对应的数字正射影像。
具体的,控制端还包括:隐患识别模块;
隐患识别模块内置有基准图像,用于与生成的数字正射影像进行匹配,识别出隐患信息,并进行标记。
更具体的,控制端还包括:报告生成模块,用于根据隐患信息,生成可视化巡检报告。
另一具体的,还包括若干地表位移监测站,用于采集坐标数据;控制端还包括边坡检测模块,用于根据各个地表位移监测站采集的坐标数据,计算出对应的位移值。
本发明的有益效果:本申请的一种水库智能巡检方法,可实现无人机的自动巡检,并根据采集的数据生成数字高程模型,并输出对应的正射影像,可以实现通过无人机搭载航摄系统,快速、高效、自动化的完成曲库及相关河道和山体的重点检查范围内的低空航拍任务,采集的现场影像对应的隐患坐标精准,更准确的引导管理人员进行现场排查和治理;可以一键将巡检记录、飞行日志、现场影像等资料上传至风险管理系统,并完成隐患的智能分析,并自动将隐患点、隐患报告和巡检记录自动推送给相关管理部门;实现巡检工作流程的规范化、数字化,是信息化升级和推动长效管理模式的有力技术支撑。
附图说明
通过结合附图对于本发明公开的示例性实施例进行描述,可以更好地理解本发明,在附图中:
图1所示的是根据本发明公开实施例一的一种水库智能巡检系统的模块方框示意图;
图2所示的是根据本发明公开实施例一的一种水库智能巡检方法示意性流程图。
具体实施方式
以下将描述本发明的具体实施方式,需要指出的是,在这些实施方式的具体描述过程中,为了进行简明扼要的描述,本说明书不可能对实际的实施方式的所有特征均作详尽的描述。应当可以理解的是,在任意一种实施方式的实际实施过程中,正如在任意一个工程项目或者设计项目的过程中,为了实现开发者的具体目标,为了满足系统相关的或者商业相关的限制,常常会做出各种各样的具体决策,而这也会从一种实施方式到另一种实施方式之间发生改变。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本发明公开的内容相关的本领域的普通技术人员而言,在本发明揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本发明的内容不充分。
除非另作定义,权利要求书和说明书中使用的技术术语或者科学术语应当为本发明所属技术领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“一个”或者“一”等类似词语并不表示数量限制,而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同元件,并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,也不限于是直接的还是间接的连接。
实施例一
请参阅图1,本实施例提出一种水库智能巡检系统,包括:控制端、服务器、遥控器、无人机及若干地表位移监测站;服务器分别与遥控器、控制端以及表位移监测站单独连接;各个遥控器分别与控制端以及无人机连接。
其中,无人机搭载有相机以及北斗高精度定位传感系统,遥控器用于控制无人机按照设定的巡检航线飞行并拍摄图像;地表位移监测站,用于采集坐标数据;服务器用于对获取的数据进行存储。
在本实施例中,服务器存储有水电站区域已有的地形图、无人机的拍摄图像,以及各个地表位移监测站采集的坐标数据。
具体的,控制端包括:通讯模块、数据读取模块、航线规划模块、坐标计算模块、合成模块、点云数据处理模块、模型生成模块、正射影像生成模块、隐患识别模块、报告生成模块以及边坡检测模块。
其中,通讯模块用于与服务器和遥控器进行数据交互。
数据读取模块用于获取地形数据。具体为,读取服务器中已有的地形图和拍摄图像,提取对应的地形数据,并进行显示。工作人员可根据提取的地形数据,了解航摄分区内形状与空间分布特征。
航线规划模块,用于进行航线敷设,确定无人机的飞行参数,进而确定无人机的巡检航线,并通过通讯模块,把巡检航线发送到无人机对应的遥控器中,遥控器根据接收到的巡检航线控制无人机进行自主飞行。
在本实施例中,巡检航线设有若干路,无人机设有若干架,分别对应各路巡检航线,且各架无人机分别设有对应的遥控器。
坐标计算模块,用于计算出各个拍摄点对应的定位数据,以及用于对各个拍摄图像中确定的各个控制点进行空中三角测量,计算出各个控制点对应的坐标数据。
在本实施例中,无人机飞行结束后,控制端获取无人机的POS数据、姿态数据以及对应的基站数据并进行解算,解算出各个拍摄点对应的定位数据。进而通过在拍摄图像中确定各个控制点,并计算出各个控制点对应的坐标数据。控制点即同名点,可通过系统自动识别,或人工手动确定。同名点要求分布均匀,尽量选择在每张拍摄图像的四个角上;确定各个同名点后,对相同或相对应的同名点进行自动匹配,并通过空中三测计算出各个控制点对应的坐标数据。
合成模块,用于根据对应的坐标数据对各个拍摄图像进行图像镶嵌。
点云数据处理模块,用于根据镶嵌后的各个拍摄图像以及对应的各个控制点的坐标数据生成点云数据,并对各个点云进行分类。
在本实施例中,通过TerraSolid软件进行自动滤波分类,将点云数据大致的分为地面点、噪点、植被和建筑物等。
模型生成模块,用于根据点云的类型以及对应的高程生成数字高程模型。
正射影像生成模块,用于对各个拍摄图像进行数字微分纠正,生成对应的数字正射影像。
在本实施例中,具体的,通过SOUTH UAV2.0和pixel 4d软件,利用影像内外方位元素、空中三测的结果、以及数字高程模型对原始的拍摄图像进行数字微分纠正,生成最终的数字正射影像成果。
隐患识别模块用于调取基准图像并与生成的数字正射影像进行匹配,识别出隐患信息,并进行标记。
报告生成模块,用于根据隐患信息,生成可视化巡检报告。
可实现针对性的完成可见光照片人工缺陷标记功能、隐患点AI识别功能、建立隐患样本库。通过无人机现场采集的影像回传之后,系统可自动生成进行隐患分析,导出巡检记录和隐患情况的风险排查情况,对重要隐患区域和点位形成周期性监测和管理,预判性规避可能发生的风险,提高常规检查的高效性和分析成果的科学性。
边坡检测模块,用于根据各个地表位移监测站采集的坐标数据,计算出对应的位移值。
地表位移监测站用于跟踪GNSS卫星以及各类监测传感器并实时采集数据,解算出对应的坐标数据,并实时发送至服务器进行保存;控制端的边坡检测模块对该坐标数据进行分析,实时监测边坡的位移情况,一旦监测数据出现异常情况,可生成对应的预警信号。
进一步的,在本申请的一种实施例中,还包括图像质量检测模块,用于图像概况检查以及图像质量检查。其中,图像概况检查包括:检查拍摄图像是否存在不能打开或存储时影像损坏的情况、检查影像是否有发虚现象、以及检查拍摄图像的曝光情况,是否影响影像的判读;图像质量检查包括:判断航向重叠度、旁向重叠度、旋片角、航线弯曲度是否满足要求,即是否在对应的阈值范围内。若检查发现存在质量问题的图像,则生成对应的补拍航线,并发送到对应的遥控器,控制无人机完成补拍任务。
请继续参阅图2,示出了一种水库智能巡检方法,应用于上述的一种水库智能巡检系统,其包括以下步骤S1至S8:
S1:根据地形数据确定巡检航线,并根据巡检航线获取各个拍摄点的拍摄图像;
其中,步骤S1还包括以下步骤:
S11:确定巡检路线以及相对航高;
S12:根据地形数据确定巡检路线上各点的基准高度,并结合相对航高计算出巡检路线上个点的飞行高度,生成对应的巡检航线;
S2:根据基站数据以及无人机的POS数据和姿态数据,分别计算出各个拍摄点对应的定位数据;
S3:分别对各个拍摄图像中确定的各个控制点进行空中三角测量,计算出各个控制点对应的坐标数据;
S4:根据对应的坐标数据对各个拍摄图像进行图像镶嵌,并形成对应的点云数据;
S5:对点云数据进行分类,确定各个点云对应的类型,并进行网格化处理,生成对应的数字高程模型;
其中,点云的类型包括地面点、噪点、植被和建筑物,且分别设有对应的高程;
S6:分别对各个拍摄图像进行数字微分纠正,生成对应的数字正射影像;
S7:匹配出与数字正射影像相对应的基准图像;
S8:通过对比数字正射影像与基准图像进行隐患识别,若识别出数字正射影像中存在隐患信息,则对数字正射影像进行标记;
其中,隐患信息包括隐患类型以及隐患位置。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
流程图中或在此以其它方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
本技术领域的普通技术人员可以理解,实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种水库智能巡检方法,其特征在于,包括以下步骤:
S1:根据地形数据确定巡检航线,并根据所述巡检航线获取各个拍摄点的拍摄图像;
S2:根据基站数据以及无人机的POS数据和姿态数据,分别计算出所述各个拍摄点对应的定位数据;
S3:分别对各个所述拍摄图像中确定的各个控制点进行空中三角测量,计算出各个控制点对应的坐标数据;
S4:根据对应的坐标数据对所述各个拍摄图像进行图像镶嵌,并形成对应的点云数据;
S5:对所述点云数据进行分类,确定各个点云对应的类型,并进行网格化处理,生成对应的数字高程模型;
S6:分别对各个所述拍摄图像进行数字微分纠正,生成对应的数字正射影像。
2.根据权利要求1所述的一种水库智能巡检方法,其特征在于:
所述巡检航线设有若干路。
3.根据权利要求1或2所述的一种水库智能巡检方法,其特征在于,所述步骤S1还包括以下步骤:
S11:确定巡检路线以及相对航高;
S12:根据地形数据确定所述巡检路线上各点的基准高度,并结合所述相对航高计算出巡检路线上个点的飞行高度,生成对应的巡检航线。
4.根据权利要求3所述的一种水库智能巡检方法,其特征在于,还包括以下步骤:
S7:匹配出与所述数字正射影像相对应的基准图像;
S8:通过对比所述数字正射影像与所述基准图像进行隐患识别,若识别出所述数字正射影像中存在隐患信息,则对所述数字正射影像进行标记。
5.根据权利要求4所述的一种水库智能巡检方法,其特征在于:
所述隐患信息包括隐患类型以及隐患位置。
6.根据权利要求1所述的一种水库智能巡检方法,其特征在于:
所述点云的类型包括地面点、噪点、植被和建筑物,且分别设有对应的高程。
7.一种水库智能巡检系统,采用权利要求1至6任一种所述的一种水库智能巡检方法,其特征在于,包括:控制端、遥控器和无人机;所述遥控器分别与所述控制端以及无人机连接;
所述遥控器用于控制所述无人机按照设定的巡检航线飞行并拍摄图像;
所述控制端包括:
数据读取模块,用于获取地形数据;
航线规划模块,用于确定各个无人机对应的巡检航线;
坐标计算模块,用于对各个拍摄图像中确定的各个控制点进行空中三角测量,计算出各个控制点对应的坐标数据;
合成模块,用于根据对应的坐标数据对所述各个拍摄图像进行图像镶嵌;
点云数据处理模块,用于根据所述镶嵌后的各个拍摄图像以及对应的各个控制点的坐标数据生成点云数据,并对各个点云进行分类;
模型生成模块,用于根据点云的类型以及对应的高程生成数字高程模型;
正射影像生成模块,用于对各个所述拍摄图像进行数字微分纠正,生成对应的数字正射影像。
8.根据权利要求7所述的一种水库智能巡检系统,其特征在于,所述控制端还包括:隐患识别模块;
所述隐患识别模块用于调取基准图像并与生成的所述数字正射影像进行匹配,识别出隐患信息,并进行标记。
9.根据权利要求8所述的一种水库智能巡检系统,其特征在于,所述控制端还包括:报告生成模块,用于根据所述隐患信息,生成可视化巡检报告。
10.根据权利要求7所述的一种水库智能巡检系统,其特征在于:还包括若干地表位移监测站,用于采集坐标数据;所述控制端还包括边坡检测模块,用于根据各个所述地表位移监测站采集的坐标数据,计算出对应的位移值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310601282.XA CN116719334A (zh) | 2023-05-25 | 2023-05-25 | 一种水库智能巡检系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310601282.XA CN116719334A (zh) | 2023-05-25 | 2023-05-25 | 一种水库智能巡检系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116719334A true CN116719334A (zh) | 2023-09-08 |
Family
ID=87874371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310601282.XA Pending CN116719334A (zh) | 2023-05-25 | 2023-05-25 | 一种水库智能巡检系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116719334A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117690093A (zh) * | 2024-01-31 | 2024-03-12 | 华能澜沧江水电股份有限公司 | 大坝安全监测运行维护方法、装置、电子设备及存储介质 |
CN117711082A (zh) * | 2024-02-05 | 2024-03-15 | 深圳市广汇源环境水务有限公司 | 一种基于水源工程的智能巡检方法及装置 |
-
2023
- 2023-05-25 CN CN202310601282.XA patent/CN116719334A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117690093A (zh) * | 2024-01-31 | 2024-03-12 | 华能澜沧江水电股份有限公司 | 大坝安全监测运行维护方法、装置、电子设备及存储介质 |
CN117690093B (zh) * | 2024-01-31 | 2024-04-26 | 华能澜沧江水电股份有限公司 | 大坝安全监测运行维护方法、装置、电子设备及存储介质 |
CN117711082A (zh) * | 2024-02-05 | 2024-03-15 | 深圳市广汇源环境水务有限公司 | 一种基于水源工程的智能巡检方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pereira et al. | Suitability of laser data for DTM generation: a case study in the context of road planning and design | |
CN116719334A (zh) | 一种水库智能巡检系统及方法 | |
CN114353876A (zh) | 一种黄土公路边坡健康监测方法 | |
Lehtomäki et al. | Power line mapping technique using all-terrain mobile laser scanning | |
CN115331130B (zh) | 基于地理标志物辅助导航的无人机巡检方法和无人机 | |
Karantanellis et al. | 3D hazard analysis and object-based characterization of landslide motion mechanism using UAV imagery | |
Fraštia et al. | Mapping of debris flows by the morphometric analysis of DTM: A case study of the Vrátna dolina Valley, Slovakia | |
Alshaiba et al. | Automatic manhole extraction from MMS data to update basemaps | |
CN111678502B (zh) | 基于无人机航测影像提取冻土灾害信息的方法 | |
Griesbaum et al. | Direct local building inundation depth determination in 3-D point clouds generated from user-generated flood images | |
Africani et al. | Integration of LIDAR data into a municipal GIS to study solar radiation | |
Brook et al. | Monitoring active landslides in the Auckland region utilising UAV/structure-from-motion photogrammetry | |
Cunningham et al. | The Louisiana statewide lidar project | |
Liu et al. | Architecture planning and geo-disasters assessment mapping of landslide by using airborne LiDAR data and UAV images | |
Collins et al. | Topographic change detection at select archeological sites in Grand Canyon National Park, Arizona, 2007-2010 | |
Smith et al. | Exploitation of new data types to create digital surface models for flood inundation modelling | |
Tao et al. | Assessment of airborne lidar and imaging technology for pipeline mapping and safety applications | |
Nguyen et al. | Flight height of UAV and its influence on the precise digital elevation model at complex terrain | |
CN115638772A (zh) | 基于无人机影像数据提取高山峡谷区滑坡灾害信息的方法 | |
Carter et al. | Innovative use of GIS and drone photogrammetry for cliff stability modelling | |
Paar et al. | Vision-based terrestrial surface monitoring | |
Morocho et al. | Mass movements detection from UAV images analysis | |
Hostens et al. | Assessing the Role of sUAS Mission Design in the Accuracy of Digital Surface Models Derived from Structure-from-Motion Photogrammetry | |
Kuzmić et al. | Modern geodetic methods with application in the environmental management and its protection | |
He et al. | Implementation of aerial LiDAR technology to update highway feature inventory. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |