CN117371640A - 基于无人机遥感的测绘路线优化方法及系统 - Google Patents
基于无人机遥感的测绘路线优化方法及系统 Download PDFInfo
- Publication number
- CN117371640A CN117371640A CN202311676227.3A CN202311676227A CN117371640A CN 117371640 A CN117371640 A CN 117371640A CN 202311676227 A CN202311676227 A CN 202311676227A CN 117371640 A CN117371640 A CN 117371640A
- Authority
- CN
- China
- Prior art keywords
- mapping
- route
- optimization
- flight
- optimized
- 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
- 238000013507 mapping Methods 0.000 title claims abstract description 351
- 238000005457 optimization Methods 0.000 title claims abstract description 172
- 238000000034 method Methods 0.000 title claims abstract description 63
- 239000011159 matrix material Substances 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims description 59
- 238000010586 diagram Methods 0.000 claims description 28
- 238000012163 sequencing technique Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 4
- 238000005286 illumination Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q10/04—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
- 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
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- 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
-
- 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)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及基于无人机遥感的测绘路线优化方法及系统,属于遥感测绘优化技术领域,根据递归方法组合计算得到多条待优化路线,基于所述实际测绘点计算点位权重并排序筛选,得到多个优化后的测绘点位,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行轨迹,构建测绘点位距离矩阵对所述无人机的飞行轨迹进行距离计算得到轨迹偏移的最低优化指标,根据所述轨迹偏移的最低优化指标调整并通过层次分析法得到若干调优权重,最终得到测绘优化路线集,根据所述测绘优化路线集进行评分,获取最大的路线调优值作为优化方案上传至终端。本发明能够优化无人机测绘时的飞行路线,从而提高遥感测绘拍摄质量。
Description
技术领域
本发明涉及遥感测绘优化技术领域,尤其涉及基于无人机遥感的测绘路线优化方法及系统。
背景技术
无人机遥感测绘是利用无人机进行遥感数据采集和地图绘制的技术。通过无人机搭载的相机和传感器获取地表的图像和数据,结合定位和导航技术,可以实现高精度的测绘和地图制作。无人机遥感测绘可以应用于土地调查、测绘制图、城市规划、环境监测等领域,相比传统的测绘方法,无人机遥感测绘具有高效、快速、成本低廉、数据精确度高等优势,可以大大提高测绘工作的效率和准确性。在无人机测绘过程中,风力会对无人机的定位和导航系统产生干扰,影响飞行精度和位置控制,飞行轨迹往往会偏移预定的测绘路线,导致无人机无法在原定的测绘点进行遥感拍摄,进而出现数据位置偏差的现象,测绘结果不准确,强风可能使无人机失去平衡或无法稳定飞行,从而导致飞行事故或数据采集质量下降、图像模糊、重叠不充分等问题,降低测绘数据的质量,同时测绘过程中太阳光线对遥感摄像头的入射逆光会影响图像的分辨率,使得图像内容曝光模糊,因此如何对无人机遥感测绘路线进行优化是目前一个难题。
发明内容
本发明克服了现有技术的不足,提供了基于无人机遥感的测绘路线优化方法及系统。
为达上述目的,本发明采用的技术方案为:
本发明提供了基于无人机遥感的测绘路线优化方法,包括以下步骤:
获取历史测绘区域的实际测绘点,根据递归方法组合所述实际测绘点建立测绘路线集,并通过所述测绘路线集计算得到多条待优化路线;
基于所述实际测绘点获取多个子测绘区域的历史图像信息,计算多个所述子测绘区域的历史图像信息内的点位权重并排序筛选,得到多个优化后的测绘点位;
获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标;
根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集;
对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端。
进一步的,本发明的一个较佳的实施例中,所述获取历史测绘区域的实际测绘点,根据递归方法组合所述实际测绘点建立测绘路线集,并通过所述测绘路线集计算得到多条待优化路线,具体包括以下步骤:
获取历史测绘区域,并提取所述历史测绘区域的实际测绘点位;
通过递归方法对多个所述实际测绘点位进行组合规划,在每个递归层级中选取一个点位作为初始点固定于当前位置,递归函数再依次将剩余每个点位固定并对递归排列,直至所有点位都被固定在某个位置,最终生成完整的排列并添加至结果列表中,得到测绘路线集;
调取无人机终端的飞行日志,获取所述历史测绘区域的多条实际飞行轨迹,将多条所述实际飞行轨迹导入所述测绘路线集进行匹配计算,得到每条飞行轨迹的偏差阈值;
判断所述每条飞行轨迹的偏差阈值是否小于预设偏差阈值,若小于,则剔除该条飞行轨迹,剔除后将剩余小于预设偏差阈值的飞行轨迹提取并标记为多条待优化路线。
进一步的,本发明的一个较佳的实施例中,所述基于所述实际测绘点获取多个子测绘区域的历史图像信息,计算多个所述子测绘区域的图像信息内的点位权重并排序筛选,得到多个优化后的测绘点位,具体包括以下步骤:
基于所述实际测绘点位在所述历史测绘区域中的具体分布划分为多个子测绘区域,并获取多个子测绘区域的历史图像信息;
构建平面网格坐标系,将所述每个子测绘区域的历史图像信息导入所述平面网格坐标系中,得到点位分布图,对所述点位分布图中的网格交叉点进行定位获取多个点位坐标系,以交叉点为初始点,计算每个子测绘区域交叉点上的阴影线条到达下一个交叉点前的覆盖面积并赋予点位权重,得到若干个点位权重值;
判断所述每个点位权重值是否位于预设范围内,若位于,则提取并对所述点位权重值进行由大到小的排序,得到排序表,并在排序表中依次提取点位,得到多个优化后的测绘点位。
进一步的,本发明的一个较佳的实施例中,所述获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标,具体包括以下步骤:
获取历史测绘区域的历史风向参数和历史风速参数,将所述历史风向参数表示为单位风向向量,所述历史风速参数表示为单位飞行方向向量,计算所述单位风向向量与所述单位飞行方向向量之间的夹角,得到飞行轨迹偏移率。
根据多个所述优化后的测绘点位绘制布局图,基于Dijkstra算法对所述布局图进行路径规划,在所述布局图中设置起始节点的距离值为0并放入优先队列,从优先队列取出距离值最小的节点标记为已访问,计算所述起始节点经过当前节点与相邻节点之间的最短路线,并从当前节点回溯至起始节点,得到最佳测绘路线。
基于所述飞行轨迹偏移率对所述最佳测绘路线进行拟合,得到无人机的飞行偏移轨迹;
基于多个所述优化后的测绘点位计算每个点位的曼哈顿距离,构建测绘点位距离矩阵,将所述飞行偏移轨迹导入所述测绘点位距离矩阵中进行计算,得到飞行轨迹的偏移值,并将所述飞行轨迹的偏差值设置为轨迹偏移的最低优化指标。
进一步的,本发明的一个较佳的实施例中,所述根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集,具体包括以下步骤:
基于所述轨迹偏移的最低优化指标对多条所述待优化路线进行调整优化,得到多条调优后的路线;
通过层次分析法对多条所述调优后的路线进行计算,并根据所述轨迹偏移的最低优化指标得到若干个调优权重;
判断所述每个调优权重是否位于预设权重范围内,若调优权重若位于预设权重范围,则提取所有达到优化预期路线的调优值并归置为第一路线集;
若不位于,则对未达到优化预期的测绘路线进行重新调整后提取调优值并归置为第二路线集,整合所述第一路线集和所述第二路线集,得到测绘优化路线集。
进一步的,本发明的一个较佳的实施例中,所述对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端,具体包括以下步骤:
构建分数评价体系,将所述测绘优化路线集导入所述分数评价体系中进行评分,得到多个评价分数;
对多个所述评价分数进行分数排序,得到分数排序表,基于所述分数排序表提取最大的分数;
根据所述最大的评价分数在所述测绘优化路线集中获取对应的路线调优值,并将所述路线调优值作为优化方案输出并上传至无人机控制终端。
本发明另一方面提供了基于无人机遥感的测绘路线优化系统,所述基于无人机遥感的测绘路线优化系统包括存储器与处理器,所述存储器中储存基于无人机遥感的测绘路线优化方法程序,所述基于无人机遥感的测绘路线优化方法程序被所述处理器执行时,实现以下步骤:
获取历史测绘区域的实际测绘点,根据递归方法组合所述实际测绘点建立测绘路线集,并通过所述测绘路线集计算得到多条待优化路线;
基于所述实际测绘点获取多个子测绘区域的历史图像信息,计算多个所述子测绘区域的历史图像信息内的点位权重并排序筛选,得到多个优化后的测绘点位;
获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标;
根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集;
对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端。
进一步的,本发明的一个较佳的实施例中,所述获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标,具体包括以下步骤:
获取历史测绘区域的历史风向参数和历史风速参数,将所述历史风向参数表示为单位风向向量,所述历史风速参数表示为单位飞行方向向量,计算所述单位风向向量与所述单位飞行方向向量之间的夹角,得到飞行轨迹偏移率。
根据多个所述优化后的测绘点位绘制布局图,基于Dijkstra算法对所述布局图进行路径规划,在所述布局图中设置起始节点的距离值为0并放入优先队列,从优先队列取出距离值最小的节点标记为已访问,计算所述起始节点经过当前节点与相邻节点之间的最短路线,并从当前节点回溯至起始节点,得到最佳测绘路线。
基于所述飞行轨迹偏移率对所述最佳测绘路线进行拟合,得到无人机的飞行偏移轨迹;
基于多个所述优化后的测绘点位计算每个点位的曼哈顿距离,构建测绘点位距离矩阵,将所述飞行偏移轨迹导入所述测绘点位距离矩阵中进行计算,得到飞行轨迹的偏移值,并将所述飞行轨迹的偏差值设置为轨迹偏移的最低优化指标。
进一步的,本发明的一个较佳的实施例中,所述根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集,具体包括以下步骤:
基于所述轨迹偏移的最低优化指标对多条所述待优化路线进行调整优化,得到多条调优后的路线;
通过层次分析法对多条所述调优后的路线进行计算,并根据所述轨迹偏移的最低优化指标得到若干个调优权重;
判断所述每个调优权重是否位于预设权重范围内,若调优权重若位于预设权重范围,则提取所有达到优化预期路线的调优值并归置为第一路线集;
若不位于,则对未达到优化预期的测绘路线进行重新调整后提取调优值并归置为第二路线集,整合所述第一路线集和所述第二路线集,得到测绘优化路线集。
进一步的,本发明的一个较佳的实施例中,所述对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端,具体包括以下步骤:
构建分数评价体系,将所述测绘优化路线集导入所述分数评价体系中进行评分,得到多个评价分数;
对多个所述评价分数进行分数排序,得到分数排序表,基于所述分数排序表提取最大的分数;
根据所述最大的评价分数在所述测绘优化路线集中获取对应的路线调优值,并将所述路线调优值作为优化方案输出并上传至无人机控制终端。
本发明解决了背景技术中存在的技术缺陷,本发明的有益技术效果在于:
根据递归方法组合计算得到多条待优化路线,基于所述实际测绘点获取多个子测绘区域的图像信息,计算多个所述子测绘区域的图像信息内的点位权重并排序筛选,得到多个优化后的测绘点位,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行轨迹,构建测绘点位距离矩阵对所述无人机的飞行轨迹进行距离计算,得到轨迹偏移的最低优化指标,根据所述轨迹偏移的最低优化指标调整优化并通过层次分析法得到若干调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集,根据所述测绘优化路线集进行评分,获取最大的路线调优值作为优化方案上传至终端。本发明能够对无人机测绘路线的飞行轨迹偏移进行调整优化,使得无人机遥感获取高质量的测绘数据,提高测绘精准度和稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他实施例的附图。
图1示出了基于无人机遥感的测绘路线优化方法的第一方法流程图;
图2示出了基于无人机遥感的测绘路线优化方法的第二方法流程图;
图3示出了基于无人机遥感的测绘路线优化方法的第三方法流程图;
图4示出了基于无人机遥感的测绘路线优化系统的系统框架图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明提供了基于无人机遥感的测绘路线优化方法,如图1所示,包括以下步骤:
S102:获取历史测绘区域的实际测绘点,根据递归方法组合所述实际测绘点建立测绘路线集,并通过所述测绘路线集计算得到多条待优化路线;
S104:基于所述实际测绘点获取多个子测绘区域的历史图像信息,计算多个所述子测绘区域的历史图像信息内的点位权重并排序筛选,得到多个优化后的测绘点位;
S106:获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标;
S108:根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集;
S110:对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端。
进一步的,本发明的一个较佳的实施例中,所述获取历史测绘区域的实际测绘点,根据递归方法组合所述实际测绘点建立测绘路线集,并通过所述测绘路线集计算得到多条待优化路线,如图2所示,具体包括以下步骤:
S202:获取历史测绘区域,并提取所述历史测绘区域的实际测绘点位;
S204:通过递归方法对多个所述实际测绘点位进行组合规划,在每个递归层级中选取一个点位作为初始点固定于当前位置,递归函数再依次将剩余每个点位固定并对递归排列,直至所有点位都被固定在某个位置,最终生成完整的排列并添加至结果列表中,得到测绘路线集;
S206:调取无人机终端的飞行日志,获取所述历史测绘区域的多条实际飞行轨迹,将多条所述实际飞行轨迹导入所述测绘路线集进行匹配计算,得到每条飞行轨迹的偏差阈值;
S208:判断所述每条飞行轨迹的偏差阈值是否小于预设偏差阈值,若小于,则剔除该条飞行轨迹,剔除后将剩余小于预设偏差阈值的飞行轨迹提取并标记为多条待优化路线。
需要说明的是,所述实际测绘点位为无人机在历史测绘区域中若干个测绘点位,根据无人机的飞行日志可得知,在测绘过程中受到风力影响导致会有多条测绘路线发生偏移,因此需先获取待优化的测绘路线。多个测绘点位能够组合连接成多条飞行路线,可通过递归方法在实际测绘点位中选取初始点进行固定,并利用递归函数对剩余的点位依次排列输出,从而生成由多条最佳测绘路线集成的测绘路线集,根据飞行日志可得知实际飞行轨迹有若干条,测绘路线集能够作为轨迹偏差计算基准获取每条实际飞行轨迹的偏差阈值,所述飞行轨迹的偏差阈值为无人机偏移最佳测绘路线的具体值,判断每条飞行轨迹的偏差阈值是否小于预设偏差阈值作为待优化路线的挑选标准,最终筛选出多条偏移较为严重的测绘路线设置为优化对象。本方法能够以多条实际飞行轨迹与最佳测绘路线的偏差阈值作为筛选标准得到待优化的测绘路线,为优化方案的制定提供对象,提高优化方案的数据可靠性以及准确性。
进一步的,本发明的一个较佳的实施例中,所述基于所述实际测绘点获取多个子测绘区域的历史图像信息,计算多个所述子测绘区域的图像信息内的点位权重并排序筛选,得到多个优化后的测绘点位,具体包括以下步骤:
基于所述实际测绘点位在所述历史测绘区域中的具体分布划分为多个子测绘区域,并获取多个子测绘区域的历史图像信息;
构建平面网格坐标系,将所述每个子测绘区域的历史图像信息导入所述平面网格坐标系中,得到点位分布图,对所述点位分布图中的网格交叉点进行定位获取多个点位坐标系,以交叉点为初始点,计算每个子测绘区域交叉点上的阴影线条到达下一个交叉点前的覆盖面积并赋予点位权重,得到若干个点位权重值;
判断所述每个点位权重值是否位于预设范围内,若位于,则提取并对所述点位权重值进行由大到小的排序,得到排序表,并在排序表中依次提取点位,得到多个优化后的测绘点位。
需要说明的是,由于无人机飞行轨迹的偏移导致无法精准飞行至实际测绘点位,从而无法在实际测绘点位完成测绘任务,影响测绘进度和质量,故而需对测绘点位进行重新选取和优化,减小轨迹偏移对无人机到达测绘点位的干扰程度。根据实际测绘点位的分布将历史测绘区域划分为多个子测绘区域并获取对应的图像信息,便于每个实际测绘点位的重新优化选点,通过每个子测绘区域的历史图像数据在平面网格坐标系中进行点位权重的计算和分析,首先对所属图像内的网格交叉点赋值坐标系,并根据图像提取测绘物体的轮廓特征点设置为干扰因素,接着基于初始交叉点到下个交叉点的网格计算轮廓特征的覆盖面积在范围内点位权重便可判断每个点位的干扰程度,最后对权重值进行判断并依次选取得到基于实际测绘点位重新选点优化的点位。本方法能够对实际测绘点位所在的区域进行重新优化选点,进而为重新规划参考测绘路线提供依据,降低飞行轨迹偏移动对测绘点位的干扰度,保证无人机能够在测绘点位稳定拍摄,提高数据采集质量。
进一步的,本发明的一个较佳的实施例中,所述获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标,如图3所示,具体包括以下步骤:
S302:获取历史测绘区域的历史风向参数和历史风速参数,将所述历史风向参数表示为单位风向向量,所述历史风速参数表示为单位飞行方向向量,计算所述单位风向向量与所述单位飞行方向向量之间的夹角,得到飞行轨迹偏移率。
S304:根据多个所述优化后的测绘点位绘制布局图,基于Dijkstra算法对所述布局图进行路径规划,在所述布局图中设置起始节点的距离值为0并放入优先队列,从优先队列取出距离值最小的节点标记为已访问,计算所述起始节点经过当前节点与相邻节点之间的最短路线,并从当前节点回溯至起始节点,得到最佳测绘路线。
S306:基于所述飞行轨迹偏移率对所述最佳测绘路线进行拟合,得到无人机的飞行偏移轨迹;
S308:基于多个所述优化后的测绘点位计算每个点位的曼哈顿距离,构建测绘点位距离矩阵,将所述飞行偏移轨迹导入所述测绘点位距离矩阵中进行计算,得到飞行轨迹的偏移值,并将所述飞行轨迹的偏差值设置为轨迹偏移的最低优化指标。
需要说明的是,根据获得的优化点位重新规划测绘路线,可规划的路线同样有若干条,而由于风向和风速的影响,无人机在每条测绘路线上的轨迹偏移均不相同,首先通过测绘区域的历史风向参数以及历史风速参数所对应的单位向量计算对无人机的影响夹角,从而得到飞行轨迹的偏移率,然后根据Dijkstra算法对优化后的测绘点位规划并提取最短的路线作为最佳测绘路线,所述最佳测绘路线为由两点位之间的直线距离规划组成的最佳路线,飞行轨迹偏移率模拟无人机在最佳测绘路线的飞行轨迹,再构建测绘点位距离矩阵计算飞行轨迹和最佳测绘路线的差值得到飞行轨迹偏移值,所述飞行轨迹偏移值为无人机在新点位上轨迹的最小偏移程度,故可作为优化的最低指标。本方法能够基于优化后的测绘点位重新模拟最佳飞行轨迹并获取轨迹偏移的偏移值设置为最低优化指标,进而根据该最低优化指标对历史待优化路线进行调整优化,保证路线优化的准确度,提高测绘质量,避免出现优化误差。
进一步的,本发明的一个较佳的实施例中,所述根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集,具体包括以下步骤:
基于所述轨迹偏移的最低优化指标对多条所述待优化路线进行调整优化,得到多条调优后的路线;
通过层次分析法对多条所述调优后的路线进行计算,并根据所述轨迹偏移的最低优化指标得到若干个调优权重;
判断所述每个调优权重是否位于预设权重范围内,若调优权重若位于预设权重范围,则提取所有达到优化预期路线的调优值并归置为第一路线集;
若不位于,则对未达到优化预期的测绘路线进行重新调整后提取调优值并归置为第二路线集,整合所述第一路线集和所述第二路线集,得到测绘优化路线集。
需要说明的是,轨迹偏移的最低优化标准是特定的优化标准数值,基于该数值调整多条待优化路线时会产生不同的优化结果,优化后可能仍存在轨迹偏移过大的情况,则应进行二次调整,路线调优后,通过层次分析法对每条调优后的路线计算赋予调优权重,判断每个权重值是否位于预设权重范围,符合范围的则优先提取并获取对应的调优值合并为第一路线集,不符合的则进一步调整直至位于预设范围内为止并合并为第二路线集,最后整合两个路线集得到测绘优化路线集。本方法能够通过轨迹偏移的最低优化标准优化待优化路线,并通过层次分析法赋值权重判断是否达到预期范围,最终获取优化路线的调优值,使得准确得知每条待优化路线的调优效果,从而基于调优效果制定优化方案,提高测绘路线的优化精准度,保障无人机的测绘质量。
进一步的,本发明的一个较佳的实施例中,所述对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端,具体包括以下步骤:
构建分数评价体系,将所述测绘优化路线集导入所述分数评价体系中进行评分,得到多个评价分数;
对多个所述评价分数进行分数排序,得到分数排序表,基于所述分数排序表提取最大的分数;
根据所述最大的评价分数在所述测绘优化路线集中获取对应的路线调优值,并将所述路线调优值作为优化方案输出并上传至无人机控制终端。
需要说明的是,通过获取的包含多个调优值的测绘优化路线集进行优化方案制定,由于调优效果质量不一,可能导致无人机测绘无法满足最佳测绘需求,因此可构建分数评价体系对每个调优值评价赋予评估分数,并对所有评价分数进行排序以筛选出其中最大的分数值,所述最大的评价分数表示该分数对应的调优值能够将待优化测绘路线调整至最佳测绘效果,从而使得无人机测绘时不受风力导致的轨迹偏移影响,实现无人机遥感对测绘点完成精准的拍摄,满足测绘路线优化的需求。
此外,所述基于无人机遥感的测绘路线优化方法,还包括以下步骤:
获取无人机的平均飞行速度,基于所述测绘点位距离矩阵计算所述最佳测绘路线的总路程,并根据所述平均飞行速度和所述总路线计算无人机到达每个优化后测绘点位的具体时间,得到时间节点集;
获取太阳光线照射信息,基于深度学习网络构建光照预测模型,将所述太阳光线照射信息导入所述装置故障预测模型中进行训练,得到训练完成的光照预测模型;
在所述时间节点集中提取某个点位的时间节点,将所述某个点位的时间节点导入所述光照预测模型中,得到点位在时间节点上对应的光照入射方位;
基于无人机遥感摄像头获取所述点位在时间节点上对应的光照入射方位的图像信息,并通过提取所述图像信息的特征进行计算,得到图像分辨率;
判断所述图像分辨率是否小于预设图像分辨率,若小于,则计算所述图像分辨率与预设图像分辨率的偏差值,基于所述偏差值调整无人机拍摄高度和角度。
需要说明的是,在无人机测绘过程中,太阳光的照射是影响测绘拍摄效果的因素之一,当太阳光线直射无人机遥感摄像头时,此时为逆光状态,导致所拍摄的图像分辨率低,内容过度曝光且模糊,进而降低测绘质量。通过本方法能够预测测绘点位在某一时间节点的光照入射方位,基于所述光照入射方位判断拍摄图像并与预设图像分辨率进行比较,判断所述光照入射方位对无人机遥感拍摄的影响,从而调整无人机的拍摄高度和角度,保障图像清晰度,有效提高无人机测绘质量。
本发明另一方面提供了基于无人机遥感的测绘路线优化系统,所述基于无人机遥感的测绘路线优化系统包括存储器41与处理器42,所述存储器41中储存基于无人机遥感的测绘路线优化方法程序,所述基于无人机遥感的测绘路线优化方法程序被所述处理器42执行时,如图4所示,实现以下步骤:
获取历史测绘区域的实际测绘点,根据递归方法组合所述实际测绘点建立测绘路线集,并通过所述测绘路线集计算得到多条待优化路线;
基于所述实际测绘点获取多个子测绘区域的历史图像信息,计算多个所述子测绘区域的历史图像信息内的点位权重并排序筛选,得到多个优化后的测绘点位;
获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标;
根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集;
对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端。
进一步的,本发明的一个较佳的实施例中,所述获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标,具体包括以下步骤:
获取历史测绘区域的历史风向参数和历史风速参数,将所述历史风向参数表示为单位风向向量,所述历史风速参数表示为单位飞行方向向量,计算所述单位风向向量与所述单位飞行方向向量之间的夹角,得到飞行轨迹偏移率。
根据多个所述优化后的测绘点位绘制布局图,基于Dijkstra算法对所述布局图进行路径规划,在所述布局图中设置起始节点的距离值为0并放入优先队列,从优先队列取出距离值最小的节点标记为已访问,计算所述起始节点经过当前节点与相邻节点之间的最短路线,并从当前节点回溯至起始节点,得到最佳测绘路线。
基于所述飞行轨迹偏移率对所述最佳测绘路线进行拟合,得到无人机的飞行偏移轨迹;
基于多个所述优化后的测绘点位计算每个点位的曼哈顿距离,构建测绘点位距离矩阵,将所述飞行偏移轨迹导入所述测绘点位距离矩阵中进行计算,得到飞行轨迹的偏移值,并将所述飞行轨迹的偏差值设置为轨迹偏移的最低优化指标。
进一步的,本发明的一个较佳的实施例中,所述根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集,具体包括以下步骤:
基于所述轨迹偏移的最低优化指标对多条所述待优化路线进行调整优化,得到多条调优后的路线;
通过层次分析法对多条所述调优后的路线进行计算,并根据所述轨迹偏移的最低优化指标得到若干个调优权重;
判断所述每个调优权重是否位于预设权重范围内,若调优权重若位于预设权重范围,则提取所有达到优化预期路线的调优值并归置为第一路线集;
若不位于,则对未达到优化预期的测绘路线进行重新调整后提取调优值并归置为第二路线集,整合所述第一路线集和所述第二路线集,得到测绘优化路线集。
进一步的,本发明的一个较佳的实施例中,所述对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端,具体包括以下步骤:
构建分数评价体系,将所述测绘优化路线集导入所述分数评价体系中进行评分,得到多个评价分数;
对多个所述评价分数进行分数排序,得到分数排序表,基于所述分数排序表提取最大的分数;
根据所述最大的评价分数在所述测绘优化路线集中获取对应的路线调优值,并将所述路线调优值作为优化方案输出并上传至无人机控制终端。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.基于无人机遥感的测绘路线优化方法,其特征在于,包括以下步骤:
获取历史测绘区域的实际测绘点,根据递归方法组合所述实际测绘点建立测绘路线集,并通过所述测绘路线集计算得到多条待优化路线;
基于所述实际测绘点获取多个子测绘区域的历史图像信息,计算多个所述子测绘区域的历史图像信息内的点位权重并排序筛选,得到多个优化后的测绘点位;
获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标;
根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集;
对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端。
2.根据权利要求1所述的基于无人机遥感的测绘路线优化方法,其特征在于,所述获取历史测绘区域的实际测绘点,根据递归方法组合所述实际测绘点建立测绘路线集,并通过所述测绘路线集计算得到多条待优化路线,具体包括以下步骤:
获取历史测绘区域,并提取所述历史测绘区域的实际测绘点位;
通过递归方法对多个所述实际测绘点位进行组合规划,在每个递归层级中选取一个点位作为初始点固定于当前位置,递归函数再依次将剩余每个点位固定并对递归排列,直至所有点位都被固定在某个位置,最终生成完整的排列并添加至结果列表中,得到测绘路线集;
调取无人机终端的飞行日志,获取所述历史测绘区域的多条实际飞行轨迹,将多条所述实际飞行轨迹导入所述测绘路线集进行匹配计算,得到每条飞行轨迹的偏差阈值;
判断所述每条飞行轨迹的偏差阈值是否小于预设偏差阈值,若小于,则剔除该条飞行轨迹,剔除后将剩余小于预设偏差阈值的飞行轨迹提取并标记为多条待优化路线。
3.根据权利要求1所述的基于无人机遥感的测绘路线优化方法,其特征在于,所述基于所述实际测绘点获取多个子测绘区域的历史图像信息,计算多个所述子测绘区域的图像信息内的点位权重并排序筛选,得到多个优化后的测绘点位,具体包括以下步骤:
基于所述实际测绘点位在所述历史测绘区域中的具体分布划分为多个子测绘区域,并获取多个子测绘区域的历史图像信息;
构建平面网格坐标系,将所述每个子测绘区域的历史图像信息导入所述平面网格坐标系中,得到点位分布图,对所述点位分布图中的网格交叉点进行定位获取多个点位坐标系,以交叉点为初始点,计算每个子测绘区域交叉点上的阴影线条到达下一个交叉点前的覆盖面积并赋予点位权重,得到若干个点位权重值;
判断所述每个点位权重值是否位于预设范围内,若位于,则提取并对所述点位权重值进行由大到小的排序,得到排序表,并在排序表中依次提取点位,得到多个优化后的测绘点位。
4.根据权利要求1所述的基于无人机遥感的测绘路线优化方法,其特征在于,所述获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标,具体包括以下步骤:
获取历史测绘区域的历史风向参数和历史风速参数,将所述历史风向参数表示为单位风向向量,所述历史风速参数表示为单位飞行方向向量,计算所述单位风向向量与所述单位飞行方向向量之间的夹角,得到飞行轨迹偏移率;
根据多个所述优化后的测绘点位绘制布局图,基于Dijkstra算法对所述布局图进行路径规划,在所述布局图中设置起始节点的距离值为0并放入优先队列,从优先队列取出距离值最小的节点标记为已访问,计算所述起始节点经过当前节点与相邻节点之间的最短路线,并从当前节点回溯至起始节点,得到最佳测绘路线;
基于所述飞行轨迹偏移率对所述最佳测绘路线进行拟合,得到无人机的飞行偏移轨迹;
基于多个所述优化后的测绘点位计算每个点位的曼哈顿距离,构建测绘点位距离矩阵,将所述飞行偏移轨迹导入所述测绘点位距离矩阵中进行计算,得到飞行轨迹的偏移值,并将所述飞行轨迹的偏差值设置为轨迹偏移的最低优化指标。
5.根据权利要求1所述的基于无人机遥感的测绘路线优化方法,其特征在于,所述根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集,具体包括以下步骤:
基于所述轨迹偏移的最低优化指标对多条所述待优化路线进行调整优化,得到多条调优后的路线;
通过层次分析法对多条所述调优后的路线进行计算,并根据所述轨迹偏移的最低优化指标得到若干个调优权重;
判断所述每个调优权重是否位于预设权重范围内,若调优权重若位于预设权重范围,则提取所有达到优化预期路线的调优值并归置为第一路线集;
若不位于,则对未达到优化预期的测绘路线进行重新调整后提取调优值并归置为第二路线集,整合所述第一路线集和所述第二路线集,得到测绘优化路线集。
6.根据权利要求1所述的基于无人机遥感的测绘路线优化方法,其特征在于,所述对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端,具体包括以下步骤:
构建分数评价体系,将所述测绘优化路线集导入所述分数评价体系中进行评分,得到多个评价分数;
对多个所述评价分数进行分数排序,得到分数排序表,基于所述分数排序表提取最大的分数;
根据所述最大的评价分数在所述测绘优化路线集中获取对应的路线调优值,并将所述路线调优值作为优化方案输出并上传至无人机控制终端。
7.基于无人机遥感的测绘路线优化系统,其特征在于,所述基于无人机遥感的测绘路线优化系统包括存储器与处理器,所述存储器中储存基于无人机遥感的测绘路线优化方法程序,所述基于无人机遥感的测绘路线优化方法程序被所述处理器执行时,实现以下步骤:
获取历史测绘区域的实际测绘点,根据递归方法组合所述实际测绘点建立测绘路线集,并通过所述测绘路线集计算得到多条待优化路线;
基于所述实际测绘点获取多个子测绘区域的历史图像信息,计算多个所述子测绘区域的历史图像信息内的点位权重并排序筛选,得到多个优化后的测绘点位;
获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标;
根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集;
对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端。
8.根据权利要求7所述的基于无人机遥感的测绘路线优化系统,其特征在于,所述获取飞行轨迹偏移率,基于Dijkstra算法对所述多个所述优化后的测绘点位进行规划并结合飞行轨迹偏移率,得到无人机的飞行偏移轨迹,构建测绘点位距离矩阵对所述飞行偏移轨迹进行距离计算,得到轨迹偏移的最低优化指标,具体包括以下步骤:
获取历史测绘区域的历史风向参数和历史风速参数,将所述历史风向参数表示为单位风向向量,所述历史风速参数表示为单位飞行方向向量,计算所述单位风向向量与所述单位飞行方向向量之间的夹角,得到飞行轨迹偏移率;
根据多个所述优化后的测绘点位绘制布局图,基于Dijkstra算法对所述布局图进行路径规划,在所述布局图中设置起始节点的距离值为0并放入优先队列,从优先队列取出距离值最小的节点标记为已访问,计算所述起始节点经过当前节点与相邻节点之间的最短路线,并从当前节点回溯至起始节点,得到最佳测绘路线;
基于所述飞行轨迹偏移率对所述最佳测绘路线进行拟合,得到无人机的飞行偏移轨迹;
基于多个所述优化后的测绘点位计算每个点位的曼哈顿距离,构建测绘点位距离矩阵,将所述飞行偏移轨迹导入所述测绘点位距离矩阵中进行计算,得到飞行轨迹的偏移值,并将所述飞行轨迹的偏差值设置为轨迹偏移的最低优化指标。
9.根据权利要求7所述的基于无人机遥感的测绘路线优化系统,其特征在于,所述根据所述轨迹偏移的最低优化指标调整优化多条所述待优化路线,并通过层次分析法计算调优后的路线的调优权重,得到若干个调优权重,判断所述若干个调优权重是否符合预设范围,最终得到测绘优化路线集,具体包括以下步骤:
基于所述轨迹偏移的最低优化指标对多条所述待优化路线进行调整优化,得到多条调优后的路线;
通过层次分析法对多条所述调优后的路线进行计算,并根据所述轨迹偏移的最低优化指标得到若干个调优权重;
判断所述每个调优权重是否位于预设权重范围内,若调优权重若位于预设权重范围,则提取所有达到优化预期路线的调优值并归置为第一路线集;
若不位于,则对未达到优化预期的测绘路线进行重新调整后提取调优值并归置为第二路线集,整合所述第一路线集和所述第二路线集,得到测绘优化路线集。
10.根据权利要求7所述的基于无人机遥感的测绘路线优化系统,其特征在于,所述对所述测绘优化路线集进行评分,得到多个评价分数,根据多个所述评价分数的排序获取最大的路线调优值作为优化方案上传至终端,具体包括以下步骤:
构建分数评价体系,将所述测绘优化路线集导入所述分数评价体系中进行评分,得到多个评价分数;
对多个所述评价分数进行分数排序,得到分数排序表,基于所述分数排序表提取最大的分数;
根据所述最大的评价分数在所述测绘优化路线集中获取对应的路线调优值,并将所述路线调优值作为优化方案输出并上传至无人机控制终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311676227.3A CN117371640B (zh) | 2023-12-08 | 2023-12-08 | 基于无人机遥感的测绘路线优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311676227.3A CN117371640B (zh) | 2023-12-08 | 2023-12-08 | 基于无人机遥感的测绘路线优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117371640A true CN117371640A (zh) | 2024-01-09 |
CN117371640B CN117371640B (zh) | 2024-04-12 |
Family
ID=89398857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311676227.3A Active CN117371640B (zh) | 2023-12-08 | 2023-12-08 | 基于无人机遥感的测绘路线优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117371640B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117848303A (zh) * | 2024-03-07 | 2024-04-09 | 山东建勘集团有限公司 | 一种建筑工程的测绘智能规划方法及系统 |
CN118050028A (zh) * | 2024-04-15 | 2024-05-17 | 三和数码测绘地理信息技术有限公司 | 一种降低测绘误差的测绘无人机及测绘方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160202695A1 (en) * | 2014-09-12 | 2016-07-14 | 4D Tech Solutions, Inc. | Unmanned aerial vehicle 3d mapping system |
CN108958288A (zh) * | 2018-07-26 | 2018-12-07 | 杭州瓦屋科技有限公司 | 基于地理信息的低空作业无人机系统及其航迹规划方法 |
US20190035286A1 (en) * | 2017-07-27 | 2019-01-31 | Beihang University | Airplane flight path planning method and device based on the pigeon-inspired optimization |
CN111752305A (zh) * | 2020-06-30 | 2020-10-09 | 国电南瑞科技股份有限公司 | 一种山地型分布式光伏电站无人机巡检避障方法及系统 |
CN111813167A (zh) * | 2020-07-22 | 2020-10-23 | 南通大学 | 一种飞行速度和轨迹的联合优化方法及系统 |
CN113138606A (zh) * | 2021-03-31 | 2021-07-20 | 江南大学 | 一种无人机湖泊测绘任务航迹规划方法 |
CN114065364A (zh) * | 2022-01-17 | 2022-02-18 | 山东省地质测绘院 | 基于无人机遥感测绘的城市工程规划方法及系统 |
WO2022104848A1 (zh) * | 2020-11-19 | 2022-05-27 | 苏州极目机器人科技有限公司 | 快速测绘方法和装置 |
KR20220147921A (ko) * | 2021-04-28 | 2022-11-04 | 연세대학교 산학협력단 | 다수의 uav 궤도 최적화 장치 및 방법 |
CN115421509A (zh) * | 2022-08-05 | 2022-12-02 | 北京微视威信息科技有限公司 | 一种无人机飞行拍摄规划方法、装置及存储介质 |
CN115752383A (zh) * | 2022-11-23 | 2023-03-07 | 浙江吉翱空间规划科技有限公司 | 一种无人机测绘方法、测绘系统以及可读存储介质 |
CN115854995A (zh) * | 2022-12-28 | 2023-03-28 | 北京中建建筑科学研究院有限公司 | 一种基于无人机测绘的基桩测量系统及方法 |
CN115880466A (zh) * | 2023-02-14 | 2023-03-31 | 山东省地质测绘院 | 基于无人机遥感的城市工程测绘方法及系统 |
WO2023137285A1 (en) * | 2022-01-11 | 2023-07-20 | Vayual Corp. | Systems and methods for cloud-based flight path optimization for unmanned aerial vehicles |
CN117133158A (zh) * | 2023-08-25 | 2023-11-28 | 南京迪航数智科技有限公司 | 一种协同运行下的机场群交通流战略冲突告警方法 |
CN117148851A (zh) * | 2023-08-30 | 2023-12-01 | 华东理工大学 | 基于粒子群优化算法的无人翼伞分段式航迹规划方法 |
-
2023
- 2023-12-08 CN CN202311676227.3A patent/CN117371640B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160202695A1 (en) * | 2014-09-12 | 2016-07-14 | 4D Tech Solutions, Inc. | Unmanned aerial vehicle 3d mapping system |
US20190035286A1 (en) * | 2017-07-27 | 2019-01-31 | Beihang University | Airplane flight path planning method and device based on the pigeon-inspired optimization |
CN108958288A (zh) * | 2018-07-26 | 2018-12-07 | 杭州瓦屋科技有限公司 | 基于地理信息的低空作业无人机系统及其航迹规划方法 |
CN111752305A (zh) * | 2020-06-30 | 2020-10-09 | 国电南瑞科技股份有限公司 | 一种山地型分布式光伏电站无人机巡检避障方法及系统 |
CN111813167A (zh) * | 2020-07-22 | 2020-10-23 | 南通大学 | 一种飞行速度和轨迹的联合优化方法及系统 |
WO2022104848A1 (zh) * | 2020-11-19 | 2022-05-27 | 苏州极目机器人科技有限公司 | 快速测绘方法和装置 |
CN113138606A (zh) * | 2021-03-31 | 2021-07-20 | 江南大学 | 一种无人机湖泊测绘任务航迹规划方法 |
KR20220147921A (ko) * | 2021-04-28 | 2022-11-04 | 연세대학교 산학협력단 | 다수의 uav 궤도 최적화 장치 및 방법 |
WO2023137285A1 (en) * | 2022-01-11 | 2023-07-20 | Vayual Corp. | Systems and methods for cloud-based flight path optimization for unmanned aerial vehicles |
CN114065364A (zh) * | 2022-01-17 | 2022-02-18 | 山东省地质测绘院 | 基于无人机遥感测绘的城市工程规划方法及系统 |
CN115421509A (zh) * | 2022-08-05 | 2022-12-02 | 北京微视威信息科技有限公司 | 一种无人机飞行拍摄规划方法、装置及存储介质 |
CN115752383A (zh) * | 2022-11-23 | 2023-03-07 | 浙江吉翱空间规划科技有限公司 | 一种无人机测绘方法、测绘系统以及可读存储介质 |
CN115854995A (zh) * | 2022-12-28 | 2023-03-28 | 北京中建建筑科学研究院有限公司 | 一种基于无人机测绘的基桩测量系统及方法 |
CN115880466A (zh) * | 2023-02-14 | 2023-03-31 | 山东省地质测绘院 | 基于无人机遥感的城市工程测绘方法及系统 |
CN117133158A (zh) * | 2023-08-25 | 2023-11-28 | 南京迪航数智科技有限公司 | 一种协同运行下的机场群交通流战略冲突告警方法 |
CN117148851A (zh) * | 2023-08-30 | 2023-12-01 | 华东理工大学 | 基于粒子群优化算法的无人翼伞分段式航迹规划方法 |
Non-Patent Citations (5)
Title |
---|
KEVIN DANANCIER 等: ""Comparsion of path planning algorithms for an unmanned aerial vehicle deployment under threats"", 《IFAC PAPERSONLINE》, vol. 52, no. 13, 31 December 2019 (2019-12-31), pages 1978 - 1983, XP093034126, DOI: 10.1016/j.ifacol.2019.11.493 * |
何修齐等: ""基于递归算法的航空器高空飞行绿色轨迹优化"", 《航空计算技术》, vol. 50, no. 02, 25 March 2020 (2020-03-25), pages 32 - 36 * |
侯悦: ""基于最短路算法的无人机测绘路线规划研究"", 《北京测绘》, vol. 32, no. 07, 25 July 2018 (2018-07-25), pages 855 - 858 * |
曾佳 等: ""一种无人机平滑飞行轨迹规划方法"", 《系统仿真学报》, vol. 20, no. 1, 23 September 2008 (2008-09-23), pages 470 - 473 * |
韩亚平等: ""工程测绘中无人机遥感技术应用分析"", 《信息与电脑》, no. 14, 31 July 2023 (2023-07-31), pages 55 - 58 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117848303A (zh) * | 2024-03-07 | 2024-04-09 | 山东建勘集团有限公司 | 一种建筑工程的测绘智能规划方法及系统 |
CN117848303B (zh) * | 2024-03-07 | 2024-05-14 | 山东建勘集团有限公司 | 一种建筑工程的测绘智能规划方法及系统 |
CN118050028A (zh) * | 2024-04-15 | 2024-05-17 | 三和数码测绘地理信息技术有限公司 | 一种降低测绘误差的测绘无人机及测绘方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117371640B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117371640B (zh) | 基于无人机遥感的测绘路线优化方法及系统 | |
CN105808948B (zh) | 一种自动修正的多模式数值降雨集合预报方法 | |
JP6018433B2 (ja) | 航空機軌道に沿った気象データ選択 | |
CN110418354A (zh) | 一种基于机器学习的免传播模型无线网络规划方法 | |
CN109814405B (zh) | 一种测控布站方案综合量化评估方法 | |
CN111667101A (zh) | 融合高分辨率遥感影像与地形的个性化电力野外作业路径规划方法及系统 | |
CN112132144B (zh) | 一种基于遥感图像的无人机航线撞地风险评估方法 | |
CN104268423A (zh) | 大尺度动态演化沙尘型气溶胶反演方法 | |
CN112528746A (zh) | 危岩落石防护网设置方法 | |
CN110910440B (zh) | 一种基于电力影像数据的输电线路长度确定方法和系统 | |
CN115240093B (zh) | 基于可见光和激光雷达点云融合的输电通道自动巡检方法 | |
CN114240868A (zh) | 一种基于无人机的巡检分析系统及方法 | |
CN116736891B (zh) | 一种多机协同巡检电网线路的自主航迹规划系统和方法 | |
CN113033508B (zh) | 一种基于点云的精细巡检航点快速生成方法 | |
CN116310891A (zh) | 一种云边协同输电线路缺陷智能检测系统和方法 | |
CN115761535A (zh) | 应用于土壤质量数据分析方法和系统 | |
CN106875756B (zh) | 一种基于蚁群算法的连续下降进近的航空器噪声优化方法 | |
CN113902792A (zh) | 基于改进RetinaNet网络的建筑物高度检测方法、系统和电子设备 | |
CN109784225B (zh) | 一种基于可达空间的地理空间模式识别方法 | |
KR102002593B1 (ko) | 특정공간에서의 유해기체 확산 해석 방법 및 장치 | |
CN113378700B (zh) | 基于无人机航拍影像的草原鼠害动态监测方法 | |
CN113780086B (zh) | 一种基于无人机的远程自然资源动态监测方法 | |
CN112632799A (zh) | 输电线路设计风速取值方法及装置 | |
CN111860626A (zh) | 基于无人机遥感和面向对象分类的水土保持监测方法及系统 | |
CN110929808A (zh) | 舞动温度的多要素智能修正方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |