CN116957360A - 一种基于无人机的空间观测与重建方法及系统 - Google Patents

一种基于无人机的空间观测与重建方法及系统 Download PDF

Info

Publication number
CN116957360A
CN116957360A CN202310946847.8A CN202310946847A CN116957360A CN 116957360 A CN116957360 A CN 116957360A CN 202310946847 A CN202310946847 A CN 202310946847A CN 116957360 A CN116957360 A CN 116957360A
Authority
CN
China
Prior art keywords
module
sub
reconstruction
unmanned aerial
aerial vehicle
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
Application number
CN202310946847.8A
Other languages
English (en)
Inventor
张鹤鸣
吴军
文伟松
涂小芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Zhongke Kaize Information Technology Co ltd
Original Assignee
Guangdong Zhongke Kaize Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Zhongke Kaize Information Technology Co ltd filed Critical Guangdong Zhongke Kaize Information Technology Co ltd
Priority to CN202310946847.8A priority Critical patent/CN116957360A/zh
Publication of CN116957360A publication Critical patent/CN116957360A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U20/00—Constructional aspects of UAVs
    • B64U20/80—Arrangement of on-board electronics, e.g. avionics systems or wiring
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U20/00—Constructional aspects of UAVs
    • B64U20/80—Arrangement of on-board electronics, e.g. avionics systems or wiring
    • B64U20/87—Mounting of imaging devices, e.g. mounting of gimbals
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Remote Sensing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Geometry (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Mechanical Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Navigation (AREA)

Abstract

本发明涉及空间观测与重建方法技术领域，具体为一种基于无人机的空间观测与重建方法及系统，包括以下步骤：数据获取，实时建模与更新，协同观测和重建，自主决策与规划，高精度技术研究，适应复杂环境，数据分析。本发明中，通过无人机的多模态传感器系统提供了一个全面的视觉和空间解决方案，多方位获取视觉及空间数据。采用实时建模和更新的方式，根据实时模型进行决策和规划，而非在整个任务完成后再进行数据处理和分析。通过无人机的群体协同和自主决策大大提高了观测和重建任务的效率和效果，更能有效地利用资源，完成更大规模和复杂度的任务。基于高精度的摄影测量、激光雷达扫描技术和复杂环境的特定观测方法，提高观测和重建的准确性。

Description

一种基于无人机的空间观测与重建方法及系统
技术领域
本发明涉及空间观测与重建方法技术领域，尤其涉及一种基于无人机的空间观测与重建方法及系统。
背景技术
空间观测与重建方法，是一种通过观测和测量现实世界中的空间信息，并将其转化为数字化或可视化形式的过程。这包括数据采集，通过摄影机、激光扫描仪、雷达等设备获取空间数据。数据预处理，对数据进行校准、去噪、对齐等操作。特征提取，从原始数据中提取有意义的特征，如点云、曲面拓扑结构、纹理信息。空间重建，使用算法和技术对特征进行重建，生成三维模型。最后，对生成的模型进行分析和应用，如对象识别、目标跟踪、虚拟现实等。
其中，基于无人机的空间观测与重建方法，具体为使用无人机平台进行航拍或携带传感器进行数据采集。通过收集的图像数据、测量设备和传感器数据，结合图像处理、点云处理和数据处理算法，对目标空间进行分析与重建。常见的方法包括航拍图像处理、摄影测量、结构光扫描、激光雷达扫描以及相关的数据处理与分析。
在现有基于无人机的空间观测与重建方法中，其观测和重建方法只依赖于单一传感器或技术，无法获取全面的信息。方法需要在整个任务完成后才能进行数据处理和分析，无法根据实时数据对任务进行动态调整。且传统的无人机观测方法往往需要一个任务接一个任务地完成，没有有效利用群体协同和自主决策的优势。在观测和重建的准确性上，缺乏更精细的测量方法以及对复杂环境的特定处理方法，需要进行改进。
发明内容
本发明的目的是解决现有技术中存在的缺点，而提出的一种基于无人机的空间观测与重建方法及系统。
为了实现上述目的，本发明采用了如下技术方案：一种基于无人机的空间观测与重建方法，包括以下步骤：
数据获取；
实时建模与更新；
协同观测和重建；
自主决策与规划；
高精度技术研究；
适应复杂环境；
数据分析。
作为本发明的进一步方案，所述数据获取的步骤具体为：
使用无人机搭载光学相机、热红外相机、激光雷达、全球定位系统（GNSS）和惯性导航系统；
通过光学相机进行航拍和摄影测量，获取可见光图像；
通过热红外相机获取热红外图像，用于温度分布和热源检测；
通过激光雷达进行激光扫描，获取点云数据，用于三维重建和环境感知；
通过全球定位系统（GNSS）和惯性导航系统，获取无人机的位置和姿态数据，用于导航和定位。
作为本发明的进一步方案，所述实时建模与更新的步骤具体为：
图像处理；
点云处理；
三维重建；
所述图像处理具体为，利用包括图像匹配和特征提取的实时图像处理算法，结合相机标定，从采集到的图像中提取特征点，实时构建二维视图；
所述点云处理具体为，通过点云配准算法，将不同时刻或不同视角下的点云数据进行配准和融合，实时生成三维模型；
所述三维重建具体为，利用包括结构光扫描、立体匹配的三维重建算法，将采集到的点云数据转换为高精度的三维模型。
作为本发明的进一步方案，所述协同观测和重建的步骤具体为：
无人机集群协同；
数据处理；
所述无人机集群协同具体指，多组无人机之间通过通信协作，共享信息和任务分工，实现更大范围、更高分辨率和更精确的观测和重建任务；
所述数据处理具体为，集群中的无人机将各自采集的数据进行处理和融合，通过点云配准和图像拼接等算法，生成更完整和一致的观测和重建结果。
作为本发明的进一步方案，所述自主决策与规划的步骤具体为：
环境感知；
自主决策；
导航和决策算法；
所述环境感知具体为，无人机利用传感器数据对环境进行感知，包括障碍物检测和地形分析，以确保安全飞行和数据采集；
所述自主决策具体为，无人机根据感知到的环境和任务需求，实时规划航行路径和数据采集策略，以最优方式完成观测和重建任务；
所述导航和决策算法具体为，应用包括A*算法、RRT算法的路径规划和避障算法，实现无人机的自主导航和决策能力。
作为本发明的进一步方案，所述高精度技术研究的步骤具体为：
摄影测量技术；
激光雷达扫描技术；
所述摄影测量技术具体为，研究相机标定和图像匹配算法，提高摄影测量的精度，以获得更准确的三维模型；
所述激光雷达扫描技术具体为，研究高精度的激光雷达扫描技术，包括扫描频率和分辨率的提高，以获取更精细的点云数据。
作为本发明的进一步方案，所述适应复杂环境的步骤具体为：
室内重建技术；
复杂地形和植被覆盖；
所述室内重建技术具体为，研究适用于室内环境的多视角重建技术，考虑室内障碍物和光照变化，提高室内重建的精度和鲁棒性；
所述复杂地形和植被覆盖具体为，研究在复杂地形和植被覆盖条件下的无人机观测和重建方法，包括地形分析和避障算法。
作为本发明的进一步方案，所述数据分析采用地理信息系统（GIS）技术，通过地理信息系统（GIS）技术对采集的数据进行处理和分析，包括图像匹配、特征提取、点云配准、三维建模、地物识别操作，以获得目标区域的三维模型、地图及其他相关信息。
一种基于无人机的空间观测与重建系统是由数据获取模块、实时建模与更新模块、协同观测和重建模块、自主决策与规划模块、高精度技术研究模块、适应复杂环境模块、数据分析模块组成，所述基于无人机的空间观测与重建系统在被运行时，执行如权利要求1-8中任一项所述的基于无人机的空间观测与重建方法。
作为本发明的进一步方案，所述数据获取模块包括光学相机子模块、热红外相机子模块、激光雷达子模块、GNSS和惯性导航系统子模块；
所述实时建模与更新模块包括图像处理子模块、点云处理子模块、三维重建子模块，所述图像处理子模块包括图像匹配子模块、特征提取子模块，所述点云处理子模块包括点云配准子模块、点云融合子模块，所述三维重建子模块包括结构光扫描子模块、立体匹配子模块；
所述协同观测和重建模块包括无人机集群协同子模块、数据处理子模块，所述数据处理子模块包括点云配准子模块、图像拼接子模块；
所述自主决策与规划模块包括环境感知子模块、自主决策子模块、导航和决策算法子模块，所述环境感知子模块包括障碍物检测子模块、地形分析子模块，所述自主决策子模块包括航行路径规划子模块、数据采集策略子模块，所述导航和决策算法子模块包括A*算法子模块、RRT算法子模块
所述高精度技术研究模块包括摄影测量技术子模块、激光雷达扫描技术子模块，所述摄影测量技术子模块包括相机标定子模块、图像匹配算法子模块，所述激光雷达扫描技术子模块包括扫描频率和分辨率提升子模块；
所述适应复杂环境模块包括室内重建技术子模块、复杂地形和植被覆盖子模块，所述室内重建技术子模块包括多视角重建子模块、障碍物和光照变化处理子模块，所述复杂地形和植被覆盖子模块包括地形分析子模块、避障算法子模块；
所述数据分析模块包括地理信息系统（GIS）技术子模块，所述地理信息系统（GIS）技术子模块包括图像匹配子模块、特征提取子模块、点云配准子模块、三维建模子模块、地物识别子模块。
与现有技术相比，本发明的优点和积极效果在于：
本发明中，通过无人机的多模态传感器系统提供了一个全面的视觉和空间解决方案，多方位获取视觉及空间数据。采用实时建模和更新的方式，让无人机能够在任务执行过程中，根据实时模型进行决策和规划，而非在整个任务完成后再进行数据处理和分析。通过无人机的群体协同和自主决策大大提高了观测和重建任务的效率和效果。相比于传统方法一个任务顺序完成，更能有效地利用资源，完成更大规模和复杂度的任务。基于高精度的摄影测量、激光雷达扫描技术和复杂环境的特定观测方法，提高观测和重建的准确性。
附图说明
图1为本发明提出一种基于无人机的空间观测与重建方法及系统的工作流程示意图；
图2为本发明提出一种基于无人机的空间观测与重建方法及系统的步骤1细化流程图；
图3为本发明提出一种基于无人机的空间观测与重建方法及系统的步骤2细化流程图；
图4为本发明提出一种基于无人机的空间观测与重建方法及系统的步骤3细化流程图；
图5为本发明提出一种基于无人机的空间观测与重建方法及系统的步骤4细化流程图；
图6为本发明提出一种基于无人机的空间观测与重建方法及系统的步骤5细化流程图；
图7为本发明提出一种基于无人机的空间观测与重建方法及系统的步骤6细化流程图；
图8为本发明提出一种基于无人机的空间观测与重建方法及系统的步骤7细化流程图；
图9为本发明提出一种基于无人机的空间观测与重建方法及系统的系统主要框架示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的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，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例一
请参阅图1，本发明提供一种技术方案：一种基于无人机的空间观测与重建方法，包括以下步骤：
数据获取；
实时建模与更新；
协同观测和重建；
自主决策与规划；
高精度技术研究；
适应复杂环境；
数据分析。
数据获取和处理在无人机的航拍和摄影测量任务中扮演着重要的角色。光学相机被搭载在无人机上，用于获取可见光图像。这些图像可以通过实时图像处理算法进行处理，如图像匹配和特征提取，结合相机标定，从中提取特征点，并实时构建二维视图。这些视图可以用于创建高精度的二维地图或进行其他分析。
此外，无人机还可以搭载热红外相机，用于获取热红外图像。这些图像可以用于温度分布和热源检测。激光雷达也可以被搭载在无人机上，通过激光扫描获取点云数据。这些点云数据可以用于进行三维重建和环境感知，了解目标区域的几何结构和地形。
为了导航和定位无人机，可以利用全球定位系统（GNSS）和惯性导航系统。这些系统可以提供无人机的位置和姿态数据，帮助无人机准确飞行和定位。
在实时建模与更新方面，通过点云配准算法可以将不同时刻或不同视角下的点云数据进行配准和融合，实时生成三维模型。同时，利用三维重建算法，如结构光扫描或立体匹配，将采集到的点云数据转换为高精度的三维模型。这些技术可以提供准确的三维地图或模型，用于各种应用领域。
在协同观测和重建方面，可以利用无人机集群协同的方式实现更大范围、更高分辨率和更精确的观测和重建任务。集群中的无人机可以共享信息和任务分工，将各自采集的数据进行处理和融合，生成更完整和一致的观测和重建结果。
自主决策与规划是无人机技术的重要组成部分。无人机可以利用传感器数据对环境进行感知，包括障碍物检测和地形分析，以确保安全飞行和数据采集。基于感知到的环境和任务需求，无人机可以实时规划航行路径和数据采集策略，以最优方式完成观测和重建任务。导航和决策算法，如A*算法、RRT算法等，可以应用于无人机的自主导航和决策过程中。
在研究方面，对于摄影测量技术的研究旨在提高相机标定和图像匹配算法的精度，以获得更准确的三维模型。对激光雷达扫描技术的研究则致力于提高扫描频率和分辨率，以获取更精细的点云数据。此外，针对室内重建和复杂地形、植被覆盖等特殊场景，在无人机观测和重建方法方面也进行了相关研究，以提高观测和重建的精度和鲁棒性。
对于数据分析，地理信息系统（GIS）技术可以用于处理和分析采集的数据。图像匹配、特征提取、点云配准、三维建模、地物识别等操作可以在GIS中进行，以获得目标区域的三维模型、地图或其他相关信息。
请参阅图2，数据获取的步骤具体为：
搭载传感器设备：无人机需要搭载光学相机、热红外相机、激光雷达、全球定位系统（GNSS）和惯性导航系统。这些设备通常会被安装在无人机的机身上或底部，以便进行数据采集和测量。
光学相机航拍和摄影测量：通过无人机搭载的光学相机进行航拍和摄影测量，获取可见光图像。无人机会在指定的航线上飞行，同时触发光学相机进行图像采集。这些图像捕捉了目标区域的可见光信息和细节。
热红外相机热源检测：利用搭载的热红外相机进行热红外图像的获取。热红外相机可以测量目标区域中物体的热辐射，并将其转化为热红外图像。这些图像可以用于温度分布分析和热源检测，例如检测建筑物的热漏热点、火灾等。
激光雷达进行激光扫描：通过无人机搭载的激光雷达进行激光扫描，获取点云数据。激光雷达会向地面发射激光束，测量激光反射回来的时间，并根据测量时间和光速计算出物体与无人机的距离。通过连续的扫描可以获取点云数据，包括物体的三维坐标和形状。
全球定位系统（GNSS）和惯性导航系统获取位置和姿态数据：全球定位系统（GNSS）和惯性导航系统被用于获取无人机的位置和姿态数据。GNSS利用多个卫星信号来定位无人机的位置，提供纬度、经度和高度等信息。惯性导航系统则利用加速度计和陀螺仪等传感器来测量无人机的加速度和角速度，进而获取无人机的姿态信息。
请参阅图3，实时建模与更新的步骤具体为：
图像处理：使用实时图像处理算法对采集到的图像进行处理。这包括图像匹配和特征提取等操作。通过分析图像中的特征点，如角点、边缘等，可以检测目标物体的位置和姿态信息。同时，相机标定也是必要的步骤，用于校准图像采集参数，提高重建的精度和准确性。
点云处理：对采集到的点云数据进行处理。在实时建模过程中，可能会有多个时刻或不同视角下的点云数据。点云处理的关键是配准和融合不同时刻或视角的点云数据，以生成一致的三维模型。配准算法利用点云间的特征匹配、刚体变换等方法，将不同时刻或视角的点云对齐。融合算法则将对齐的点云数据进行融合，以生成更新的三维点云供后续处理使用。
三维重建：基于处理后的点云数据进行三维重建。这可以利用结构光扫描、立体匹配等技术实现。结构光扫描通过投射结构光或纹理，利用摄像机拍摄的图像和相应的深度图像，来推断目标物体的形状和表面纹理信息。立体匹配则通过多视角的图像获取目标物体的深度信息，通过匹配不同视角的特征点或图像块来推断物体的三维结构。这些方法能够将点云数据转换为高精度的三维模型。
综合上述步骤，实时建模与更新首先对采集到的图像进行处理，提取特征点和姿态信息。然后通过点云处理对不同时刻或视角下的点云数据进行配准和融合。最后，基于处理后的点云数据进行三维重建，生成高精度的三维模型。这样不断地对新的数据进行处理和更新，可以实现实时的建模和更新，以满足实时应用和需求。
请参阅图4，协同观测和重建的步骤具体为：
无人机集群协同：多组无人机之间通过通信协作，实现协同观测和重建任务。在任务开始前，无人机集群进行任务分工和协调，确保各个无人机按照指定的区域和路径进行观测和数据采集。通过通信和数据共享，无人机可以相互交流位置信息、任务状态和采集数据等，以便更好地协同工作。
数据处理：每个无人机采集到的数据需要进行处理和融合，以生成更完整、一致的观测和重建结果。这涉及对采集到的图像和点云数据进行处理和分析。图像处理包括图像拼接、特征提取和匹配等，以获得全景视图或高分辨率图像。点云处理需要进行配准和融合，以整合不同无人机采集的点云数据，并保持数据的一致性和精度。
算法应用：协同观测和重建中，可以应用多种算法来处理数据。例如，图像拼接算法可以将不同无人机采集的图像进行融合，生成全景图像或高分辨率图像。点云配准算法可以将不同无人机采集的点云数据进行对齐和融合，生成更完整、精确的三维模型。这些算法的选择和应用将根据具体的观测和重建任务而定，以最优化结果为目标。
通过无人机集群的协同工作和数据处理，可以实现更大范围、更高分辨率和更精确的观测和重建任务。不同无人机之间共享信息和任务分工，可以提高数据的全面性和准确性。同时，经过数据处理和算法应用，可以生成更完整、一致的观测和重建结果。这种协同观测和重建方式可以应用于需要大范围或复杂环境的任务，如地质勘探、灾害监测和城市规划等。
请参阅图5，自主决策与规划的步骤具体为：
环境感知：无人机利用各种传感器数据对环境进行感知，包括使用光学相机、激光雷达、热红外相机等传感器，以获取环境的可见光图像、点云数据和热红外图像。通过对这些数据进行处理和分析，无人机能够检测出障碍物、地形信息等，从而确保安全飞行和数据采集。
自主决策：基于感知到的环境信息和任务需求，无人机进行自主决策。这意味着无人机能够实时分析感知到的数据，评估飞行环境的安全性和可行性，确定最优的航行路径和数据采集策略。自主决策能力使无人机能够根据情况做出即时的调整和决策，以适应不同的飞行任务和环境条件。
导航和决策算法：为了实现自主决策和规划，无人机使用导航和决策算法。这些算法可以包括路径规划算法、避障算法等。路径规划算法，如A*算法、RRT（Rapidly-exploring Random Trees）算法等，能够根据目标位置、环境地图和约束条件等因素，规划出最优的航行路径。避障算法能够根据感知到的障碍物信息，进行避障决策，确保无人机安全避开障碍物并保持航行稳定性。
通过环境感知、自主决策和导航决策算法的应用，无人机能够实现自主决策和规划能力。无人机利用传感器数据感知环境，并根据感知到的数据进行自主决策，规划最优航行路径和数据采集策略。导航和决策算法为无人机提供了相应的决策和规划工具，以实现自主导航、避障和决策能力。这样的自主决策和规划能力使无人机能够适应不同的飞行任务和环境条件，提高任务的效率和安全性。
请参阅图6，高精度技术研究的步骤具体为：
摄影测量技术：研究相机标定和图像匹配算法，旨在提高摄影测量的精度。相机标定是通过对相机内部参数（如焦距、主点位置等）和外部参数（如位置、姿态等）进行精确测量和校准，从而减小摄影测量误差。图像匹配算法则可以通过特征提取和匹配，精确识别和定位图像中的特征点，进而提高三维重建的准确性。这些研究工作旨在提高摄影测量技术的精度和可靠性，以获取更准确的三维模型。
激光雷达扫描技术：研究高精度的激光雷达扫描技术，旨在获取更精细、更准确的点云数据。这可能涉及提高激光雷达的扫描频率和空间分辨率。扫描频率的提高可以增加点云数据的密度，捕捉更详细的地形、物体表面和结构信息。空间分辨率的提高可以减小点云数据的尺度误差，提高点云的准确性和精度。通过研究和改进激光雷达扫描技术，可以获得更高精度的点云数据，为后续的三维重建和分析提供更准确的基础。
高精度技术研究的目标是提高测量和感知的精度和准确性，以获得更精细、更准确的三维模型或地理信息。通过改进相机标定和图像匹配算法，摄影测量技术能够提高三维重建的精度。同时，通过研究和改进激光雷达扫描技术，可以获得更高精度的点云数据。这些技术的进一步研究和发展将推动高精度测量和感知领域的发展，应用于各种领域，如地质勘探、建筑测绘、城市规划等，提供更准确、可靠的地理信息和测量结果。
请参阅图7，适应复杂环境的步骤具体为：
室内重建技术：针对室内环境，研究适用于多视角重建的技术，考虑到室内的障碍物和光照变化等因素。这包括对于室内场景的图像采集、图像拼接和三维重建等步骤的优化。由于室内环境中存在墙壁、家具、人物等障碍物，重建过程需要对室内的障碍物进行检测和分割，以排除干扰或将其纳入重建结果中。此外，室内光照的变化也需要考虑，例如，通过动态调整曝光和阈值等参数，以适应不同的光照条件。研究室内重建技术的目标是提高重建的精度和鲁棒性，以适应复杂的室内环境。
复杂地形和植被覆盖：研究在复杂地形和植被覆盖条件下的无人机观测和重建方法。复杂地形可能包括山脉、峡谷、丘陵等地貌，而植被覆盖则包括树林、森林等。在这种环境中，无人机需要考虑地形分析和障碍物避障算法，以确保安全飞行和数据采集。地形分析包括通过点云数据或地形图进行高程分析、地形特征提取等，以获取地形的几何和拓扑信息。障碍物避障算法可以利用传感器数据，如激光雷达或视觉传感器，检测并避开地形和植被中的障碍物。研究适应复杂地形和植被覆盖条件下的观测和重建方法可以提高无人机在这些环境中的应用能力和安全性。
通过室内重建技术和针对复杂地形和植被覆盖环境的研究，可以使无人机能够适应更加复杂和挑战性的环境。对于室内环境，优化室内重建技术，处理障碍物和光照变化等问题，提高重建的精度和鲁棒性。对于复杂地形和植被覆盖环境，研究地形分析和避障算法等方法，以保证无人机在飞行过程中能够安全避开障碍物并获取准确的数据。这样的研究将提高无人机在复杂环境中的感知、观测和重建能力，扩展了无人机在地质勘探、环境监测、灾害管理等领域的应用潜力。
请参阅图8，数据分析采用地理信息系统（GIS）技术，通过地理信息系统（GIS）技术对采集的数据进行处理和分析，包括图像匹配、特征提取、点云配准、三维建模、地物识别操作，以获得目标区域的三维模型、地图及其他相关信息。
图像匹配：通过图像匹配技术，将多个采集的图像进行对齐和匹配，以获得连续覆盖的图像区域。图像匹配可以基于特征点匹配、区域匹配或直接法等方法，将不同图像间的相对位置和姿态关系确定下来。
特征提取：使用图像处理和计算机视觉技术，从采集的图像中提取地物的特征信息。这可以包括提取地物的形状、纹理、颜色等特征，用于进一步的分析和分类。
点云配准：对采集的点云数据进行配准，将不同视角或不同时间采集的点云数据融合成一个整体的点云模型。配准可以通过匹配特征点、优化点云间的相对变换关系来实现，以保证数据的准确性和一致性。
三维建模：基于采集的数据，利用地理信息系统（GIS）技术进行三维建模。这包括将采集的图像纹理映射到点云模型上，生成真实感的三维场景模型，或者根据采集的轮廓和高程数据生成几何精确的三维模型。
地物识别操作：利用图像处理和机器学习等技术，对采集数据进行地物识别和分类。通过训练和应用分类模型，可以自动识别和分类地物，例如建筑物、道路、植被等，从而生成准确的地物图层或地物提取结果。
总的来说，数据分析采用地理信息系统（GIS）技术能够对采集的数据进行处理和分析，并生成目标区域的三维模型、地图及其他相关信息。通过图像匹配、特征提取、点云配准、三维建模和地物识别等操作，可以获得准确、精细的地理数据，支持各种应用领域，如城市规划、环境监测、土地管理等。
请参阅图9，一种基于无人机的空间观测与重建系统是由数据获取模块、实时建模与更新模块、协同观测和重建模块、自主决策与规划模块、高精度技术研究模块、适应复杂环境模块、数据分析模块组成，基于无人机的空间观测与重建系统在被运行时，执行如权利要求1-8中任一项的基于无人机的空间观测与重建方法。
请参阅图9，数据获取模块包括光学相机子模块、热红外相机子模块、激光雷达子模块、GNSS和惯性导航系统子模块；
实时建模与更新模块包括图像处理子模块、点云处理子模块、三维重建子模块，图像处理子模块包括图像匹配子模块、特征提取子模块，点云处理子模块包括点云配准子模块、点云融合子模块，三维重建子模块包括结构光扫描子模块、立体匹配子模块；
协同观测和重建模块包括无人机集群协同子模块、数据处理子模块，数据处理子模块包括点云配准子模块、图像拼接子模块；
自主决策与规划模块包括环境感知子模块、自主决策子模块、导航和决策算法子模块，环境感知子模块包括障碍物检测子模块、地形分析子模块，自主决策子模块包括航行路径规划子模块、数据采集策略子模块，导航和决策算法子模块包括A*算法子模块、RRT算法子模块
高精度技术研究模块包括摄影测量技术子模块、激光雷达扫描技术子模块，摄影测量技术子模块包括相机标定子模块、图像匹配算法子模块，激光雷达扫描技术子模块包括扫描频率和分辨率提升子模块；
适应复杂环境模块包括室内重建技术子模块、复杂地形和植被覆盖子模块，室内重建技术子模块包括多视角重建子模块、障碍物和光照变化处理子模块，复杂地形和植被覆盖子模块包括地形分析子模块、避障算法子模块；
数据分析模块包括地理信息系统（GIS）技术子模块，地理信息系统（GIS）技术子模块包括图像匹配子模块、特征提取子模块、点云配准子模块、三维建模子模块、地物识别子模块。
通过无人机的多模态传感器系统提供了一个全面的视觉和空间解决方案，多方位获取视觉及空间数据。采用实时建模和更新的方式，让无人机能够在任务执行过程中，根据实时模型进行决策和规划，而非在整个任务完成后再进行数据处理和分析。通过无人机的群体协同和自主决策大大提高了观测和重建任务的效率和效果。相比于传统方法一个任务顺序完成，更能有效地利用资源，完成更大规模和复杂度的任务。基于高精度的摄影测量、激光雷达扫描技术和复杂环境的特定观测方法，提高观测和重建的准确性。
工作原理：数据获取和处理在无人机的航拍和摄影测量任务中扮演着重要的角色。光学相机被搭载在无人机上，用于获取可见光图像。这些图像可以通过实时图像处理算法进行处理，如图像匹配和特征提取，结合相机标定，从中提取特征点，并实时构建二维视图。这些视图可以用于创建高精度的二维地图或进行其他分析。此外，无人机还可以搭载热红外相机，用于获取热红外图像。这些图像可以用于温度分布和热源检测。激光雷达也可以被搭载在无人机上，通过激光扫描获取点云数据。这些点云数据可以用于进行三维重建和环境感知，了解目标区域的几何结构和地形。为了导航和定位无人机，可以利用全球定位系统（GNSS）和惯性导航系统。这些系统可以提供无人机的位置和姿态数据，帮助无人机准确飞行和定位。在实时建模与更新方面，通过点云配准算法可以将不同时刻或不同视角下的点云数据进行配准和融合，实时生成三维模型。同时，利用三维重建算法，如结构光扫描或立体匹配，将采集到的点云数据转换为高精度的三维模型。这些技术可以提供准确的三维地图或模型，用于各种应用领域。在协同观测和重建方面，可以利用无人机集群协同的方式实现更大范围、更高分辨率和更精确的观测和重建任务。集群中的无人机可以共享信息和任务分工，将各自采集的数据进行处理和融合，生成更完整和一致的观测和重建结果。自主决策与规划是无人机技术的重要组成部分。无人机可以利用传感器数据对环境进行感知，包括障碍物检测和地形分析，以确保安全飞行和数据采集。基于感知到的环境和任务需求，无人机可以实时规划航行路径和数据采集策略，以最优方式完成观测和重建任务。导航和决策算法，如A*算法、RRT算法等，可以应用于无人机的自主导航和决策过程中。在研究方面，对于摄影测量技术的研究旨在提高相机标定和图像匹配算法的精度，以获得更准确的三维模型。对激光雷达扫描技术的研究则致力于提高扫描频率和分辨率，以获取更精细的点云数据。此外，针对室内重建和复杂地形、植被覆盖等特殊场景，在无人机观测和重建方法方面也进行了相关研究，以提高观测和重建的精度和鲁棒性。对于数据分析，地理信息系统（GIS）技术可以用于处理和分析采集的数据。图像匹配、特征提取、点云配准、三维建模、地物识别等操作可以在GIS中进行，以获得目标区域的三维模型、地图或其他相关信息。
以上，仅是本发明的较佳实施例而已，并非对本发明作其他形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (10)

1.一种基于无人机的空间观测与重建方法，其特征在于，包括以下步骤：
数据获取；
实时建模与更新；
协同观测和重建；
自主决策与规划；
高精度技术研究；
适应复杂环境；
数据分析。
2.根据权利要求1所述的基于无人机的空间观测与重建方法，其特征在于：所述数据获取的步骤具体为：
使用无人机搭载光学相机、热红外相机、激光雷达、全球定位系统（GNSS）和惯性导航系统；
通过光学相机进行航拍和摄影测量，获取可见光图像；
通过热红外相机获取热红外图像，用于温度分布和热源检测；
通过激光雷达进行激光扫描，获取点云数据，用于三维重建和环境感知；
通过全球定位系统（GNSS）和惯性导航系统，获取无人机的位置和姿态数据，用于导航和定位。
3.根据权利要求1所述的基于无人机的空间观测与重建方法，其特征在于：所述实时建模与更新的步骤具体为：
图像处理；
点云处理；
三维重建；
所述图像处理具体为，利用包括图像匹配和特征提取的实时图像处理算法，结合相机标定，从采集到的图像中提取特征点，实时构建二维视图；
所述点云处理具体为，通过点云配准算法，将不同时刻或不同视角下的点云数据进行配准和融合，实时生成三维模型；
所述三维重建具体为，利用包括结构光扫描、立体匹配的三维重建算法，将采集到的点云数据转换为高精度的三维模型。
4.根据权利要求1所述的基于无人机的空间观测与重建方法，其特征在于：所述协同观测和重建的步骤具体为：
无人机集群协同；
数据处理；
所述无人机集群协同具体指多组无人机之间通过通信协作，共享信息和任务分工，实现更大范围、更高分辨率和更精确的观测和重建任务；
所述数据处理具体为，集群中的无人机将各自采集的数据进行处理和融合，通过点云配准和图像拼接等算法，生成更完整和一致的观测和重建结果。
5.根据权利要求1所述的基于无人机的空间观测与重建方法，其特征在于：所述自主决策与规划的步骤具体为：
环境感知；
自主决策；
导航和决策算法；
所述环境感知具体为，无人机利用传感器数据对环境进行感知，包括障碍物检测和地形分析，以确保安全飞行和数据采集；
所述自主决策具体为，无人机根据感知到的环境和任务需求，实时规划航行路径和数据采集策略，以最优方式完成观测和重建任务；
所述导航和决策算法具体为，应用包括A*算法、RRT算法的路径规划和避障算法，实现无人机的自主导航和决策能力。
6.根据权利要求1所述的基于无人机的空间观测与重建方法，其特征在于：所述高精度技术研究的步骤具体为：
摄影测量技术；
激光雷达扫描技术；
所述摄影测量技术具体为，研究相机标定和图像匹配算法，提高摄影测量的精度，以获得更准确的三维模型；
所述激光雷达扫描技术具体为，研究高精度的激光雷达扫描技术，包括扫描频率和分辨率的提高，以获取更精细的点云数据。
7.根据权利要求1所述的基于无人机的空间观测与重建方法，其特征在于：所述适应复杂环境的步骤具体为：
室内重建技术；
复杂地形和植被覆盖；
所述室内重建技术具体为，研究适用于室内环境的多视角重建技术，考虑室内障碍物和光照变化，提高室内重建的精度和鲁棒性；
所述复杂地形和植被覆盖具体为，研究在复杂地形和植被覆盖条件下的无人机观测和重建方法，包括地形分析和避障算法。
8.根据权利要求1所述的基于无人机的空间观测与重建方法，其特征在于：所述数据分析采用地理信息系统（GIS）技术，通过地理信息系统（GIS）技术对采集的数据进行处理和分析，包括图像匹配、特征提取、点云配准、三维建模、地物识别操作，以获得目标区域的三维模型、地图及其他相关信息。
9.一种基于无人机的空间观测与重建系统，其特征在于：所述一种基于无人机的空间观测与重建系统是由数据获取模块、实时建模与更新模块、协同观测和重建模块、自主决策与规划模块、高精度技术研究模块、适应复杂环境模块、数据分析模块组成，所述基于无人机的空间观测与重建系统在被运行时，执行如权利要求1-8中任一项所述的基于无人机的空间观测与重建方法。
10.根据权利要求9所述的基于无人机的空间观测与重建系统，其特征在于：所述数据获取模块包括光学相机子模块、热红外相机子模块、激光雷达子模块、GNSS和惯性导航系统子模块；
所述实时建模与更新模块包括图像处理子模块、点云处理子模块、三维重建子模块，所述图像处理子模块包括图像匹配子模块、特征提取子模块，所述点云处理子模块包括点云配准子模块、点云融合子模块，所述三维重建子模块包括结构光扫描子模块、立体匹配子模块；
所述协同观测和重建模块包括无人机集群协同子模块、数据处理子模块，所述数据处理子模块包括点云配准子模块、图像拼接子模块；
所述自主决策与规划模块包括环境感知子模块、自主决策子模块、导航和决策算法子模块，所述环境感知子模块包括障碍物检测子模块、地形分析子模块，所述自主决策子模块包括航行路径规划子模块、数据采集策略子模块，所述导航和决策算法子模块包括A*算法子模块、RRT算法子模块
所述高精度技术研究模块包括摄影测量技术子模块、激光雷达扫描技术子模块，所述摄影测量技术子模块包括相机标定子模块、图像匹配算法子模块，所述激光雷达扫描技术子模块包括扫描频率和分辨率提升子模块；
所述适应复杂环境模块包括室内重建技术子模块、复杂地形和植被覆盖子模块，所述室内重建技术子模块包括多视角重建子模块、障碍物和光照变化处理子模块，所述复杂地形和植被覆盖子模块包括地形分析子模块、避障算法子模块；
所述数据分析模块包括地理信息系统（GIS）技术子模块，所述地理信息系统（GIS）技术子模块包括图像匹配子模块、特征提取子模块、点云配准子模块、三维建模子模块、地物识别子模块。
CN202310946847.8A 2023-07-31 2023-07-31 一种基于无人机的空间观测与重建方法及系统 Pending CN116957360A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310946847.8A CN116957360A (zh) 2023-07-31 2023-07-31 一种基于无人机的空间观测与重建方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310946847.8A CN116957360A (zh) 2023-07-31 2023-07-31 一种基于无人机的空间观测与重建方法及系统

Publications (1)

Publication Number Publication Date
CN116957360A true CN116957360A (zh) 2023-10-27

Family

ID=88452628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310946847.8A Pending CN116957360A (zh) 2023-07-31 2023-07-31 一种基于无人机的空间观测与重建方法及系统

Country Status (1)

Country Link
CN (1) CN116957360A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117906598A (zh) * 2024-03-19 2024-04-19 深圳市其域创新科技有限公司 无人机设备的定位方法、装置、计算机设备和存储介质
CN117906598B (zh) * 2024-03-19 2024-07-09 深圳市其域创新科技有限公司 无人机设备的定位方法、装置、计算机设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117906598A (zh) * 2024-03-19 2024-04-19 深圳市其域创新科技有限公司 无人机设备的定位方法、装置、计算机设备和存储介质
CN117906598B (zh) * 2024-03-19 2024-07-09 深圳市其域创新科技有限公司 无人机设备的定位方法、装置、计算机设备和存储介质

Similar Documents

Publication Publication Date Title
Zhang et al. Intelligent collaborative localization among air-ground robots for industrial environment perception
Nagai et al. UAV-borne 3-D mapping system by multisensor integration
US8737720B2 (en) System and method for detecting and analyzing features in an agricultural field
KR100912715B1 (ko) 이종 센서 통합 모델링에 의한 수치 사진 측량 방법 및장치
US8031933B2 (en) Method and apparatus for producing an enhanced 3D model of an environment or an object
US8712144B2 (en) System and method for detecting crop rows in an agricultural field
KR20180079428A (ko) 자동 로컬리제이션을 위한 장치 및 방법
EP2660777A2 (en) Image registration of multimodal data using 3D geoarcs
KR102200299B1 (ko) 3d-vr 멀티센서 시스템 기반의 도로 시설물 관리 솔루션을 구현하는 시스템 및 그 방법
CN107917699B (zh) 一种用于提高山区地貌倾斜摄影测量空三质量的方法
KR20220064524A (ko) 이미지 기반 측위 방법 및 시스템
JP2012118666A (ja) 三次元地図自動生成装置
CN112833892B (zh) 一种基于轨迹对齐的语义建图方法
Vacca et al. The use of the UAV images for the building 3D model generation
CN114459467B (zh) 一种未知救援环境中基于vi-slam的目标定位方法
RU2562368C1 (ru) Способ трёхмерного (3d) картографирования
CN115017454A (zh) 无人机和移动测量车空地协同组网遥感数据采集系统
KR101319526B1 (ko) 이동 로봇을 이용하여 목표물의 위치 정보를 제공하기 위한 방법
CN113284239B (zh) 一种关于智慧城市的电子沙盘制作方法及装置
Al-Rawabdeh et al. A robust registration algorithm for point clouds from UAV images for change detection
CN117470259A (zh) 一种子母式空地协同多传感器融合三维建图系统
Hintze Autonomous landing of a rotary unmanned aerial vehicle in a non-cooperative environment using machine vision
CN115601517A (zh) 岩体结构面信息采集方法、装置、电子设备及存储介质
CN113403942B (zh) 一种基于标签辅助的桥梁检测无人机视觉导航方法
CN116957360A (zh) 一种基于无人机的空间观测与重建方法及系统

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