CN117268418B - 一种无人机野外路径规划方法、终端设备及储存介质 - Google Patents
一种无人机野外路径规划方法、终端设备及储存介质 Download PDFInfo
- Publication number
- CN117268418B CN117268418B CN202311215078.0A CN202311215078A CN117268418B CN 117268418 B CN117268418 B CN 117268418B CN 202311215078 A CN202311215078 A CN 202311215078A CN 117268418 B CN117268418 B CN 117268418B
- Authority
- CN
- China
- Prior art keywords
- surface features
- photo
- infrared
- color
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000010801 machine learning Methods 0.000 claims abstract description 8
- 239000002131 composite material Substances 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 7
- 239000011435 rock Substances 0.000 claims description 7
- 230000008878 coupling Effects 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- -1 building Substances 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种无人机野外路径规划方法、终端设备及储存介质。通过无人机拍摄出发点到目的地的地表照片,通过机器学习识别出可供通行的潜在路径并给出通行路径。采用本发明的路径规划方法,通过机器学习自动识别彩色和灰度照片的地形特征,根据地形特征规划通过路径,时效性强,节省人力物力。同时本发明由两种不同拍摄条件下的地形特征,相互印证提高识别准确率。
Description
技术领域
本发明属于机器学习自动规划路径技术领域,尤其是涉及一种无人机野外路径规划方法、终端设备及储存介质。
背景技术
现有户外工作中,对于部分地图无法覆盖区域进行作业过程中往往需要进行现场路径规划。而目前路径规划主要采用人工前行探测方式,效率低且浪费人力。在无人机技术普及后,现有路径规划也有采用无人机先拍摄图像,人工查看图像然后根据图像初步排除不合适通过地段,而后再进行人工探路的方式,对于一些需要紧急通过的情况仍然无法满足。
发明内容
为了弥补上述人工探测规划路径浪费人力、时效性差的缺陷,本发明提出一种无人机野外路径规划方法、终端设备及储存介质。
其方法技术方案包括:一种无人机野外路径规划方法,通过无人机拍摄出发点到目的地的地表照片,通过机器学习识别出可供通行的潜在路径并给出通行路径推荐;具体步骤包括:
分别获取户外地表红外照片和彩色照片;
根据所述红外照片和所述彩色照片分别训练神经网络,以实现分别对所述红外照片和所述彩色照片中地表特征的识别;
将所述红外照片中的地表特征与所述彩色照片中的地表特征进行匹配,若地表特征相匹配,则根据所述地表特征规划路径;若地表特征不匹配,则重新获取红外照片/彩色照片替换上述红外照片/彩色照片重新识别,直至地表特征相匹配。
进一步的,根据所述地表特征规划路径的步骤包括:
将所述彩色照片转换为灰度图像;
将所述灰度图像与所述红外照片耦合获取综合图像;
在所述综合图像中标识出所述地表特征,并根据所述地表特征将所述综合图像划分为多个子图像;
根据地表特征类型将所述子图像划分为可通过、不可通过及未知,根据所有可通过类型的子图像规划路径。
进一步的,所述灰度图像与所述红外照片耦合过程包括,将所述灰度图像与所述红外照片的灰度值相加后除2。
进一步的,所述将所述红外照片中的地表特征与所述彩色照片中的地表特征进行匹配的过程包括:
判断所述红外照片中的地表特征与所述彩色照片中的地表特征类型是否一致;
判断所述红外照片中的地表特征与所述彩色照片中的地表特征类型形状是否对应;
所述判断所述红外照片中的地表特征与所述彩色照片中的地表特征类型形状是否对应过程包括:
分别提取所述红外照片中的地表特征与所述彩色照片中的地表特征的形状并分别计算各自几何中心,判断是否存在一方形状与几何中心完全落入另一方形状内,若存在则表示对应,若否,则表示不对应。
若所述红外照片中的地表特征与所述彩色照片中的地表特征类型一致,形状对应,则认为所述红外照片中的地表特征与所述彩色照片中的地表特征匹配。
进一步的,在所述综合图像中标识出所述地表特征的过程包括:
选择所述红外照片中的地表特征与所述彩色照片中的地表特征中较大的作为地表特征标识到所述综合图像中。
进一步的,所述地表特征类型包括:岩石、建筑、泥沼、树木、湖泊、断崖、河流。
本发明还公开一种终端设备,所述终端设备与无人机信号连接,包括用于执行上述的方法的单元。
本发明还公开一种储存介质,其储存有计算机程序,所述计算机程序指令被运行时,执行上述的方法。
采用本发明的路径规划方法,通过机器学习自动识别彩色和灰度照片的地形特征,根据地形特征规划通过路径,时效性强,节省人力物力。同时本发明由两种不同拍摄条件下的地形特征,相互印证提高识别准确率。
附图说明
图1为本发明的一种实施方式的方法流程示意图。
具体实施方式
下面将结合附图对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“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申请和简化描述,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申请的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请的描述中,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”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相连,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申请中的具体含义
下面结合附图,对本发明做进一步详细说明。
本发明公开一种无人机野外路径规划方法,通过无人机拍摄出发点到目的地的地表照片,通过机器学习识别出可供通行的潜在路径并给出通行路径推荐;具体步骤包括:分别获取户外地表红外照片和彩色照片;根据所述红外照片和所述彩色照片分别训练神经网络,以实现分别对所述红外照片和所述彩色照片中地表特征的识别;将所述红外照片中的地表特征与所述彩色照片中的地表特征进行匹配,若地表特征相匹配,则根据所述地表特征规划路径;若地表特征不匹配,则重新获取红外照片/彩色照片替换上述红外照片/彩色照片重新识别,直至地表特征相匹配。本实施例中,对于野外地区的各个地表特征,利用其在不同季节的红外特征和不同季节的彩色特征综合进行识别,提高识别准确度。同时本申请利用彩色图像轮廓和红外图像中各个地表特征轮廓分界特征的不同分别训练神经网络,保障神经网络识别的准确度。
在上述一个或几个实施例的基础上,根据所述地表特征规划路径的步骤包括:将所述彩色照片转换为灰度图像;将所述灰度图像与所述红外照片耦合获取综合图像;在所述综合图像中标识出所述地表特征,并根据所述地表特征将所述综合图像划分为多个子图像;根据地表特征类型将所述子图像划分为可通过、不可通过及未知,根据所有可通过类型的子图像规划路径。在本实施例中,根据所有可通过类型的子图像规划路径过程包括,在综合图像中排除所有不可通过和未知子图像,保留可通过子图像,判断可通过子图像是否将起点与终点连接,若是,则根据起点与终点连接通道的不同按照通行距离、最大可通行宽度、最大坡度等对各个可通行子图像的通行通道进行标定,然后根据待通行车辆/人员/器材宽度、越野能力、通行时间等进行权重排序,在满足通行宽度前提下以爬坡最小、通行时间最短的路径作为通行路径。
在上述一个或几个实施例的基础上,本发明还进一步通过多角度拍摄方式对地表特征进而实现多角度识别,以提高地表特征的准确率。上述多角度识别过程包括,所述无人机拍摄出发点到目的地的地表照片,根据出发点到目的地距离将所述地表照片划分为多个网格,每个所述网格大小一致;对每个所述网格进行二次采集,从至少从三个角度分别拍摄该网格内的红外照片和彩色照片,分别识别上述三个角度的地表特征进行识别并判断识别结果是否符合,若不符合则无人机变换角度后再次采集图像,直至识别结果符合。上述识别并判断识别结果过程为综合彩色图像与红外图像协同进行识别,且当第一识别特征对应率超过60%(包括80%)且其他识别特征低于20%的情况下视为符合,若否则增加拍摄角度进一步进行识别。如本实施例中,无人机分别从三个角度获取红外照片和彩色照片,识别过程中某一地表特征第一、第二角度红外图像识别为树木,第三角度识别为长条状岩石,而第一、第二角度彩色图像识别为树木第三角度识别为长条阴影,由于第一特征树木占比4/6,约66%超过60%,且第二识别特征岩石占比约16%、第三识别特征约16%,均低于20%,则视为该地表特征为树木。
在上述多角度拍摄实施例中,由于地表特征进行识别并判断识别结果是否符合过程中地表特征的大小及透视关系会对识别结果产生影响,因此本实施例进一步还通过无人机对于拍摄距离的定位找准过程。所述定位找准过程包括,无人机选取该网格中心点和至少三个特征点作为标定点,以三个特征点进行距离定位,确定无人机拍摄高度后以网格中心点为拍摄中心进行多角度拍摄。通过本拍摄方式,确定拍摄的图像中心以保证各个地表特征在图像中的比例和拍摄角度;通过距离定位获取拍摄中心的拍摄距离,在确定拍摄距离和拍摄角度后,进一步修正拍摄畸变,保障地表特征比例和角度对应,提地表特征识别与对应过程中的准确率。
在上述一个或几个实施例的基础上,所述灰度图像与所述红外照片耦合过程包括,将所述灰度图像与所述红外照片的灰度值相加后除2。本实施例中,为避免彩色图像在转换为灰度图像过程中可能潜在的反光、背光等情况造成的灰度差异,在与红外照片的灰度进行耦合时将灰度值相加后除2,在保留形状特征同时降低光线影响,提高地表特征轮廓的清晰度。
在上述一个或几个实施例的基础上,所述将所述红外照片中的地表特征与所述彩色照片中的地表特征进行匹配的过程包括:判断所述红外照片中的地表特征与所述彩色照片中的地表特征形状是否一致;判断所述红外照片中的地表特征与所述彩色照片中的地表特征类型形状是否对应,过程包括:分别提取所述红外照片中的地表特征与所述彩色照片中的地表特征的形状并分别计算各自几何中心,判断是否存在一方形状与几何中心完全落入另一方形状内,若存在则表示对应,若否,则表示不对应,若所述红外照片中的地表特征与所述彩色照片中的地表特征类型一致,形状对应,则认为所述红外照片中的地表特征与所述彩色照片中的地表特征匹配。本实施例中,即便通过红外照片和彩色照片获取的地表特征类型一致,但由于图像感光范围的不同,地表特征形状也存在不同,极端情况如水坑水面有岩石或树木的大角度倒影,而机器学习对于倒影识别容易出现混淆,前期多角度识别中红外与彩色照片均识别出树木、岩石和水体特征,但对于水体位置边界并未明确识别,因此为了提高对地表特征识别的准确率,本实施例通过形状比对方式进一步进行识别,以进一步消除形状误差。
在上述一个或几个实施例的基础上,在所述综合图像中标识出所述地表特征的过程包括:选择所述红外照片中的地表特征与所述彩色照片中的地表特征中较大的作为地表特征标识到所述综合图像中。在本实施例中,通过较大的形状特征作为参考,提高路径规划的准确性,避免规划好的路径被漏掉的障碍物遮挡。
在上述一个或几个实施例的基础上,所述地表特征类型包括:岩石、建筑、泥沼、树木、湖泊、断崖、河流。
本发明还公开一种终端设备,所述终端设备与无人机信号连接,包括用于执行上述任一种实施例所述的方法的单元。
本发明还公开了一种储存介质,其储存有计算机程序,所述计算机程序指令被运行时,执行上述任一种实施例所述的方法。
采用本发明的路径规划方法,通过机器学习自动识别彩色和灰度照片的地形特征,根据地形特征规划通过路径,时效性强,节省人力物力。同时本发明由两种不同拍摄条件下的地形特征,相互印证提高识别准确率。
本发明的保护范围不局限于此,任何不经过创造性的劳动能够想到的技术方案的变化或者替换,都应该涵盖在本发明的保护范围之内。本发明的保护范围以权利要求书所限定的保护范围为准。
Claims (7)
1.一种无人机野外路径规划方法,其特征在于,通过无人机拍摄出发点到目的地的地表照片,通过机器学习识别出可供通行的潜在路径并给出通行路径推荐;具体步骤包括:
分别获取户外地表红外照片和彩色照片;
根据所述红外照片和所述彩色照片分别训练神经网络,以实现分别对所述红外照片和所述彩色照片中地表特征的识别;
将所述红外照片中的地表特征与所述彩色照片中的地表特征进行匹配,若地表特征相匹配,则根据所述地表特征规划路径;若地表特征不匹配,则重新获取红外照片/彩色照片替换上述红外照片/彩色照片重新识别,直至地表特征相匹配;
根据所述地表特征规划路径的步骤包括:将所述彩色照片转换为灰度图像;将所述灰度图像与所述红外照片耦合获取综合图像;在所述综合图像中标识出所述地表特征,并根据所述地表特征将所述综合图像划分为多个子图像;根据地表特征类型将所述子图像划分为可通过、不可通过及未知,根据所有可通过类型的子图像规划路径;根据所有可通过类型的子图像规划路径过程包括,在综合图像中排除所有不可通过和未知子图像,保留可通过子图像,判断可通过子图像是否将起点与终点连接,若是,则根据起点与终点连接通道的不同按照通行距离、最大可通行宽度、最大坡度对各个可通行子图像的通行通道进行标定,然后根据待通行车辆/人员/器材宽度、越野能力、通行时间进行权重排序,在满足通行宽度前提下以爬坡最小、通行时间最短的路径作为通行路径;
还包括:通过多角度拍摄方式对地表特征进而实现多角度识别,所述多角度识别过程包括,所述无人机拍摄出发点到目的地的地表照片,根据出发点到目的地距离将所述地表照片划分为多个网格,每个所述网格大小一致;对每个所述网格进行二次采集,至少从三个角度分别拍摄该网格内的红外照片和彩色照片,分别识别上述三个角度的地表特征并判断识别结果是否符合,若不符合则无人机变换角度后再次采集图像,直至识别结果符合。
2.根据权利要求1所述无人机野外路径规划方法,其特征在于,所述灰度图像与所述红外照片耦合过程包括,将所述灰度图像与所述红外照片的灰度值相加后除2。
3.根据权利要求2所述无人机野外路径规划方法,其特征在于,所述将所述红外照片中的地表特征与所述彩色照片中的地表特征进行匹配的过程包括:
判断所述红外照片中的地表特征与所述彩色照片中的地表特征类型是否一致;
判断所述红外照片中的地表特征与所述彩色照片中的地表特征类型形状是否对应,过程包括:
分别提取所述红外照片中的地表特征与所述彩色照片中的地表特征的形状并分别计算各自几何中心,判断是否存在一方形状与几何中心完全落入另一方形状内,若存在则表示对应,若否,则表示不对应;
若所述红外照片中的地表特征与所述彩色照片中的地表特征类型一致,形状对应,则认为所述红外照片中的地表特征与所述彩色照片中的地表特征匹配。
4.根据权利要求1所述无人机野外路径规划方法,其特征在于,在所述综合图像中标识出所述地表特征的过程包括:
选择所述红外照片中的地表特征与所述彩色照片中的地表特征中较大的作为地表特征标识到所述综合图像中。
5.根据权利要求1所述无人机野外路径规划方法,其特征在于,所述地表特征类型包括:岩石、建筑、泥沼、树木、湖泊、断崖、河流。
6.一种终端设备,其特征在于,所述终端设备与无人机信号连接,包括用于执行根据权利要求1至5中任一项所述的方法的单元。
7.一种储存介质,其储存有计算机程序,其特征在于,所述计算机程序指令被运行时,执行权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311215078.0A CN117268418B (zh) | 2023-09-20 | 2023-09-20 | 一种无人机野外路径规划方法、终端设备及储存介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311215078.0A CN117268418B (zh) | 2023-09-20 | 2023-09-20 | 一种无人机野外路径规划方法、终端设备及储存介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117268418A CN117268418A (zh) | 2023-12-22 |
CN117268418B true CN117268418B (zh) | 2024-08-20 |
Family
ID=89207472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311215078.0A Active CN117268418B (zh) | 2023-09-20 | 2023-09-20 | 一种无人机野外路径规划方法、终端设备及储存介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117268418B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110047241A (zh) * | 2019-04-27 | 2019-07-23 | 刘秀萍 | 一种森林火灾无人机巡航监控系统 |
CN116188545A (zh) * | 2022-12-29 | 2023-05-30 | 东南大学 | 基于imu和里程计的红外与可见光传感器在线配准方法 |
CN116698044A (zh) * | 2023-08-01 | 2023-09-05 | 北京共创晶桔科技服务股份有限公司 | 一种无人机导航方法及系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103090875A (zh) * | 2012-11-26 | 2013-05-08 | 华南理工大学 | 一种基于双摄像头的实时实景匹配车载导航方法及装置 |
US10579059B2 (en) * | 2018-02-28 | 2020-03-03 | Walmart Apollo, Llc | System and method for utilizing drones for intermittent flights |
CN109787679A (zh) * | 2019-03-15 | 2019-05-21 | 郭欣 | 基于多旋翼无人机的警用红外搜捕系统及方法 |
CN109974713B (zh) * | 2019-04-26 | 2023-04-28 | 安阳全丰航空植保科技股份有限公司 | 一种基于地表特征群的导航方法及系统 |
CN110147122A (zh) * | 2019-06-14 | 2019-08-20 | 深圳市道通智能航空技术有限公司 | 一种移动目标的追踪方法、装置及无人机 |
CN110749323B (zh) * | 2019-10-22 | 2022-03-18 | 广州极飞科技股份有限公司 | 一种作业路线的确定方法及装置 |
CN112686108A (zh) * | 2020-12-22 | 2021-04-20 | 中国人民解放军空军预警学院 | 一种基于无人机的目标识别以及数量统计方法 |
CN112669280B (zh) * | 2020-12-28 | 2023-08-08 | 莆田市山海测绘技术有限公司 | 一种基于lsd算法的无人机倾斜航拍直角像控点目标检测方法 |
CN115272276A (zh) * | 2022-08-12 | 2022-11-01 | 东南大学 | 基于红外光摄像的悬索桥主缆亚表面病害识别方法、装置 |
CN116257076A (zh) * | 2022-09-07 | 2023-06-13 | 广东工业大学 | 一种用于光伏发电站辅助巡检的无人机路径规划控制和检测方法 |
-
2023
- 2023-09-20 CN CN202311215078.0A patent/CN117268418B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110047241A (zh) * | 2019-04-27 | 2019-07-23 | 刘秀萍 | 一种森林火灾无人机巡航监控系统 |
CN116188545A (zh) * | 2022-12-29 | 2023-05-30 | 东南大学 | 基于imu和里程计的红外与可见光传感器在线配准方法 |
CN116698044A (zh) * | 2023-08-01 | 2023-09-05 | 北京共创晶桔科技服务股份有限公司 | 一种无人机导航方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117268418A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107830846B (zh) | 一种利用无人机和卷积神经网络测量通信塔天线角度方法 | |
CN104123730B (zh) | 基于道路特征的遥感影像与激光点云配准方法及系统 | |
CN108109437B (zh) | 一种基于地图特征的无人机自主航线提取生成方法 | |
CN106373088A (zh) | 大倾斜低重叠率航空图像的快速拼接方法 | |
KR101261409B1 (ko) | 영상 내 노면표시 인식시스템 | |
CN109614871B (zh) | 一种光伏屋顶及光伏障碍物自动识别方法 | |
CN112486207A (zh) | 一种基于视觉识别的无人机自主降落方法 | |
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 | |
CN109863547A (zh) | 用于使用机器学习和图像处理来构建地图的设备 | |
CN113065446A (zh) | 一种用于舰艇锈蚀区自动化识别的深度巡检方法 | |
CN105606123B (zh) | 一种低空航空摄影测量自动纠正数字地面高程模型的方法 | |
CN111247564A (zh) | 一种数字地表模型的构建方法及处理设备、系统 | |
CN114065339A (zh) | 一种基于三维可视化模型的高塔建设选址方法 | |
CN107741233A (zh) | 一种三维室外地图的构建方法 | |
US20230222642A1 (en) | Inundation damage determination device, inundation damage determination method, and program | |
CN103453882B (zh) | 一种基于飞行器的云层高度测量系统及云层高度测量方法 | |
CN117268418B (zh) | 一种无人机野外路径规划方法、终端设备及储存介质 | |
CN114037895A (zh) | 一种无人机杆塔巡检图像识别方法 | |
CN110826364A (zh) | 一种库位识别方法及装置 | |
CN112950543A (zh) | 一种桥梁养护方法、系统、存储介质及智能终端 | |
CN112815911B (zh) | 基于三目视觉的输电线路交跨距离测量方法 | |
CN115690610A (zh) | 一种基于图像匹配的无人机导航方法 | |
CN112396699A (zh) | 一种基于无人机影像进行地块自动勾画的方法 | |
CN111666959A (zh) | 矢量图像匹配方法及装置 | |
CN116596508B (zh) | 一种边坡裂缝病害发展识别记录方法 |
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 |