CN117689846A - 线状目标的无人机摄影重建多交向视点生成方法及装置 - Google Patents
线状目标的无人机摄影重建多交向视点生成方法及装置 Download PDFInfo
- Publication number
- CN117689846A CN117689846A CN202410147571.1A CN202410147571A CN117689846A CN 117689846 A CN117689846 A CN 117689846A CN 202410147571 A CN202410147571 A CN 202410147571A CN 117689846 A CN117689846 A CN 117689846A
- Authority
- CN
- China
- Prior art keywords
- linear target
- aerial vehicle
- unmanned aerial
- photographing
- normal vector
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005070 sampling Methods 0.000 claims abstract description 64
- 239000013598 vector Substances 0.000 claims abstract description 62
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种线状目标的无人机摄影重建多交向视点生成方法及装置。首先获取待重建场景的参考模型,绘制线状目标,通过射线与三角面相交检测计算出线状目标端点的空间坐标,根据重叠度要求计算采样间距,生成采样点。提取出采样点邻域三角面的表面法向量,计算平均法向量表示朝向,根据设定的转角,,分别在朝向上生成左右偏转和上下偏转的四个摄影方向,以确定多交向摄影角度。通过朝向、摄影高度,结合多交向摄影角度生成拍照视点。本方法能够利用直线目标结构特征,生成多交向摄影点,充分获取几何重建所需的观测影像方位参数,利用带高精度定位能力的无人机系统,可实现高精度、高质量的线状目标物体的自动化摄影采集和几何重建。
Description
技术领域
本发明涉及无人机三维航线规划技术领域,具体涉及线状目标的无人机摄影重建多交向视点生成方法及装置。
背景技术
随着无人机技术的日益发展和普及,它们在各种领域的应用也越来越广泛,尤其是在三维建模和摄影重建方面。无人机能够快速、高效地从多个视角捕获大型场景或复杂结构的图像,这对于后续的三维建模和分析具有巨大的价值。
传统的无人机三维航线规划方法通常基于地形或预定的航迹来制定,这种方法虽然简单,但往往无法确保从最佳的角度或方向捕获目标。特别是对于线状目标,如公路、河流、输电线、桥梁钢索、管道等,需要从多交向进行摄影,以获得更高的重建准确性和完整性。
为了解决这一问题,许多研究和技术尝试采用更复杂的算法和策略来优化无人机的航线规划。但这些方法往往需要大量的计算,而且在实际操作中可能不够灵活。此外,尽管这些方法可能考虑到地形或建筑物,但它们往往忽略了线状目标的特点和需求。
发明内容
针对现有技术中存在的问题,有必要开发一种新的无人机摄影重建的视点生成方法,特别是针对线状目标的摄影重建,能够确保从多交向捕获图像,从而提高重建的质量和准确性。
本发明通过提供一种线状目标的无人机摄影重建多交向视点生成方法,解决线状目标的航线规划问题,实现高精度的线状目标重建,包括:
获取重建场景的参考模型;
计算线状目标端点的空间坐标;
根据重叠度在线状目标区域生成采样点;
提取采样点邻域法向量,计算朝向;
根据平均法向量与摄影高度,结合交向摄影角度生成视点。
进一步的,通过射线与三角面相交检测计算线状目标端点的空间坐标,具体包括:
采用Möller-Trumbore 相交算法,在手动标记待重建的线性目标时,进行快速射线与三角形相交计算;选择线性目标时,鼠标光标产生的射线表示为,/>为射线原点,/>为射线方向向量,/>控制沿线距离,模型表面三角面上的任意点/>由表示,其中/>是三角面的三个顶点坐标,/>表示三角形的质心坐标,/>表示/>在参数空间中的权重,通过等式求解参数/>的值,通过三个参数的范围判断是否相交,当/>,/>,且/>时可以确定射线与三角面相交,当用户界面点击一个位置时即可快速计算出交点的空间坐标,此交点坐标即为线状目标端点的空间坐标。
进一步的,求解参数的具体实现方式如下;
将等式转化成矩阵形式(2.1),使用Cramer法则,计算主行列式/>,每个未知数的相关行列式、/>和/>,当/>非零时,可得唯一解/>,由(2.2)(2.3)(2.4)获得;
当,/>,且/>时可以确定射线与三角面相交。
进一步的,根据重叠度生成采样点包括:
针对三角面基元,根据线状目标区域采用预设的航向重叠度计算采样间距,在线状目标区域生成采样点。
进一步的,采样间距如公式(3.1)所示,
其中表示像素数量,/>表示地面采样间隔,影像重叠度/>,表示重叠范围,/>为地面范围,对于线状目标,针对像素为/>的相机来说,计算航向重叠度时,/>取/>。
进一步的,在提取采样点邻域法向量时根据需求选择邻域深度,提取采样点三邻域集合的三角面的法向量,计算朝向,包括:
选取采样点为种子点,从采样点所在的三角面出发找到共享一条边的三角形列表,针对列表中的三角面继续查找共享一条边且未加入列表的三角面,将其加入并更新列表,直至满足三邻域深度条件;
遍历三角面列表,提取三角面的顶点坐标,计算两条边向量,/>,边向量叉积/>确定三角面的法向量,基于法向量的模长来表示三角面的面积权重;
然后归一化所提取的邻域表面法向量,采用三角面面积加权平均的方法计算出邻域的平均法向量的方向来表示朝向。
进一步的,基于法向量的模长表示三角面的面积权重,由公式(4.1)求得;将提取的表面法向量归一化,由公式(4.2)求得,采用三角面面积加权平均的方法计算邻域的平均法向量的方向来表示朝向/>,由公式(4.3)求得:/>
其中,N表示列表中的三邻域三角面的总数。
进一步的,根据平均法向量与摄影高度,结合多交向摄影生成视点,包括:
针对采样点,通过公式计算视点的空间位置坐标/>,其中/>为采样点的坐标,/>为摄影高度,/>为采样点的朝向;根据设定的转角/>,/>,分别在朝向上生成左右偏转/>和上下偏转/>的四个摄影方向,以确定视点的多交向摄影角度,结合朝向、摄影高度和多交向的摄影角度生成包含位置与方向信息的视点,无人机在视点处进行多交向摄影。
进一步的,参考模型为目标区域已有的空间三维模型,或者通过使用无人机进行常规下视摄影,在相同航高采集目标区域的影像,利用三维重建处理软件生成,得到网格模型。
本发明还提供线状目标的无人机摄影重建多交向视点生成装置,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述技术方案所述的线状目标的无人机摄影重建多交向视点生成方法。
本发明中提供了一个技术方案,至少具有如下技术效果或优点:
首先获取待重建场景的参考模型,通过射线与三角面相交检测计算出线状目标端点的空间坐标,根据重叠度要求计算采样间距,生成采样点。提取出采样点邻近三角面的法向量,计算平均法向量表示朝向,根据设定的转角,/>,分别在朝向上生成左右偏转/>和上下偏转/>的四个摄影方向,确定多交向摄影角度。通过朝向、摄影高度和多交向摄影角度生成视点。本算法通过生成多交向摄影点,实现高精度、高质量的线状目标物体的自动化摄影采集和几何重建。
附图说明
图1为本发明实施例的流程图;
图2为本发明实施例中射线与三角网格面检测交点示意图;
图3为本发明实施例中提取三角面表面法向量示意图;
图4为本发明实施例中计算朝向示意图;
图5为本发明实施例中采样点生成视点的示意图。
具体实施方式
本发明实施例通过提供一种线状目标的无人机摄影重建多交向视点生成方法及装置,解决了单一视角重建的遮挡问题,可实现高精度、高质量的线状目标物体的自动化摄影采集和几何重建。
本发明实施例中的技术方案为实现上述技术效果,总体思路如下:
在已有的概略参考模型中绘制待重建的线状目标,通过射线与三角面相交确定线状目标端点的空间坐标,设定重叠度,根据重叠度要求计算采样间距,生成采样点。提取采样点邻域三角面的表面法向量,计算平均法向量表示朝向,根据设定的转角,/>,分别在朝向上生成左右偏转/>和上下偏转/>的四个摄影方向,确定多交向摄影角度。通过朝向、摄影高度和多交向摄影角度生成视点。本发明实施例中,无人机在每个视点处能够采集到包含完整细节信息的影像用于线状目标的高精度重建,其中提取采样区域三角面表面法向量并计算朝向,并结合多交向摄影角度的视点生成是本方法的关键技术。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体实施方式对上述技术方案进行详细的说明。
参见图1,本发明实施例提供的线状目标的无人机摄影重建多交向视点生成方法,包括:
步骤S110,获取待重建场景的参考模型:
本实施例中的参考模型可以是目标区域已有的空间三维模型,也可以通过使用无人机进行常规下视摄影,在相同航高采集目标区域的影像,利用三维重建处理软件生成,得到网格模型。支持的格式可以是obj,osgb等支持三角面结构的文件类型。在本发明实施例中,线状目标是空间参考模型的一部分,或能根据参考模型表面进行定义。通过在参考模型的表面上的线状目标端点定位坐标和朝向,获得线状目标的空间参数。因此,参考模型的完整度和精细度会影响线状目标的定义和最终摄影视点的生成精度。
步骤S120,计算线状目标端点的空间坐标:
对本步骤进行具体说明,通过射线与三角面相交检测计算线状目标端点的空间坐标,包括:
采用Möller-Trumbore 相交算法,用户在参考模型上绘制线状目标时,进行快速射线与三角面的相交检测并计算出线状目标端点的空间坐标即定位坐标。鼠标光标产生的射线可表示为,/>为射线原点,/>为射线方向向量,/>用于表示射线原点到交点的距离。此模型中,模型表面任意三角面上的任意点/>可由表示,其中/>是三角面的三个顶点坐标,/>表示/>在参数空间中的权重,/>表示/>在参数空间中的权重。
为了判断射线与三角面是否相交,将上述两个方程组合。具体来说,需要通过求解方程得到参数/>的值,通过三个参数的范围判断是否相交,当/>,/>,且/>时可以确定射线与三角面相交。当用户界面点击一个位置时就可以快速计算出交点的空间坐标,此交点坐标即为线状目标端点的空间坐标。
步骤S130,根据重叠度生成采样点:
根据线状目标区域采用预设的航向重叠度计算采样间距,在所述线状目标区域上生成采样点。
步骤S140,提取采样点邻域法向量,计算朝向:
对本步骤进行具体说明,提取采样点邻域三角面的表面法向量,计算朝向,包括:
在提取邻域法向量时可以根据需求选择邻域深度,本发明中以提取采样点三邻域集合的三角面法向量为例,设置邻域深度条件为3,表示在查找共享边三角形时,最多进行3次递归,当达到深度条件时,停止查找。选取采样点为种子点,从采样点所在的三角面出发找到共享一条边的三角面后加入列表,针对列表中的三角面继续查找共享一条边且未加入列表的三角面,将其加入并更新列表,直至满足三邻域深度条件。
遍历三角面列表,提取三角面的顶点坐标,计算两条边向量,/>,边向量叉积/>确定三角面的法向量,基于法向量的模长来表示三角面的面积权重。
为了提高数据质量和简化摄影过程,在提取采样点邻域三角面的法向量之后,还包括:
归一化所提取的邻域表面法向量,采用三角面面积加权平均的方法计算出邻域的平均法向量的方向来表示朝向。
步骤S150,根据朝向与摄影高度,结合多交向摄影角度生成视点:
对本步骤进行具体说明,根据朝向与摄影高度,结合交向摄影生成视点,包括:
针对采样点,通过公式计算视点的空间位置坐标/>,其中/>为采样点的坐标,/>为摄影高度,/>为采样点的朝向。根据设定的转角/>,/>,分别在朝向上生成左右偏转/>和上下偏转/>的四个摄影方向,以确定视点的多交向摄影角度,结合朝向、摄影高度和多交向的摄影角度生成包含位置与方向信息的视点,无人机在视点处将会进行多交向摄影。
下面对本发明实施例进行具体说明:
步骤1:首先获取目标区域的参考模型,作为整个视点生成的结构基础,参考模型可以是目标区域已有的空间三维模型,也可以通过使用无人机进行常规下视摄影,在相同航高采集目标区域的影像,利用三维重建处理软件生成,得到网格模型。支持的格式可以是obj,osgb等支持三角面结构的文件类型。线状目标的空间参数根据参考模型表面进行定义,因此,参考模型的完整度和精细度会影响线状目标的定义和最终摄影视点的生成精度。
步骤2:空间中线段表示为端点连接的向量,定义线状目标时需要通过端点定位坐标与朝向一起确定。采用Möller-Trumbore 相交算法,用户在参考模型上绘制线状目标时,进行快速射线与三角面的相交检测并计算出线状目标端点的空间坐标。鼠标光标产生的射线可表示为,/>为射线原点,/>为射线方向向量,/>用于表示射线原点到交点的距离。此模型中,模型表面任意三角面上的任意点/>可由表示,其中/>是三角面的三个顶点坐标,/>表示/>在参数空间中的权重,/>表示/>在参数空间中的权重,通过等式求解参数/>,将等式转化成矩阵形式(2.1),使用Cramer法则,计算主行列式/>,每个未知数的相关行列式、/>和/>,当/>非零时,可得唯一解/>,由(2.2)(2.3)(2.4)得。
当,/>,且/>时可以确定射线与三角面相交。检测射线与三角网格面交点示意图如图2所示。当用户界面点击一个位置时就可以快速计算出交点的空间坐标/>,此交点坐标即为线状目标端点的空间坐标。
步骤3:针对用户在参考模型上绘制的线状目标,根据其包含的线状区域采用50-75%的航向重叠率,生成线状分布的采样点。为了捕捉线状目标的全部细节,采样点需要覆盖线状区域的每个部分,因此,采取等间距采样的方式进行空间采样,采样间距如公式(3.1)所示,其中/>表示像素数量,/>表示地面采样间隔,影像重叠度/>,/>表示重叠范围,/>为地面范围。对于线状目标,针对像素为/>的相机来说,计算航向重叠度时,/>取/>。
步骤4:在提取邻域法向量时可以根据需求选择邻域深度,本发明中以提取采样点三邻域集合的三角面法向量为例,设置邻域深度条件为3,表示在查找共享边邻近三角形时,最多进行3次递归,当达到深度条件时,停止查找。选取采样点为种子点,从采样点所在的三角面出发找到共享一条边的三角面后加入列表,针对列表中的三角面继续查找共享一条边且未加入列表的三角面,将其加入并更新列表,直至满足三邻域深度条件。
遍历三角面列表,提取三角面的顶点坐标,计算两条边向量,/>,边向量叉积/>确定三角面的法向量,基于法向量的模长/>表示三角面的面积权重,由公式/>求得,N表示列表中的三邻域三角面的总数。将提取的表面法向量归一化,/>采用三角面面积加权平均的方法计算邻域的平均法向量的方向来表示朝向/>,使得朝向既保证了空间分布又考虑了三角面的面积权重,提取三角面表面法向量示意图如图3所示,计算朝向示意图如图4所示。
步骤5:对于每个采样点,根据朝向、摄影高度、多交向摄影角度生成拍照视点,其中摄影距离需要根据实际情况手动指定,多交向摄影角度由设定的转角,/>分别在朝向上生成左右偏转/>和上下偏转/>的四个摄影方向以确定。交向拍摄角度的投影与线状目标平行或夹角微小,实现对线状目标的全面细节覆盖。针对采样点生成视点的具体内容如下:
根据每个采样点的三维坐标以及其朝向/>,并考虑摄影高度/>可计算得到对应视点的空间坐标/>,通过公式/>求得,根据设定的转角/>,/>,分别在朝向上生成左右偏转/>和上下偏转/>的四个摄影方向,以确定视点的多交向摄影角度,结合朝向、摄影高度和多交向的摄影角度生成包含位置与方向信息的视点,无人机在视点处将会进行多交向摄影。
生成视点示意图如图5所示。
本发明针对线状目标的高精度重建提供了一种全面且高效的方法。首先,通过参考模型中的射线与三角面相交的技术,准确地锁定了线状目标端点的空间坐标,确保了重建的基准点的准确性。其次,通过设定的重叠度,采样间距得以精确计算,从而确保了采样点的连续性与准确性,进一步增强了模型的细节表现。
更为关键的是,本发明通过提取邻域三角面的表面法向量并计算其平均值,有效地确定了摄影的朝向,通过用户定义的转角,生成了四个交向的摄影方向。端点定位坐标与朝向准确定义了待重建的线状目标,使得从多个角度捕捉的影像数据更为丰富,为后续的重建工作提供了更为全面的视角影像。
在生成了所有视点之后,若进一步考虑航线规划问题,从无人机能耗问题出发,生成的路径应尽可能最短。因此,对于视点的连接,可采用LKH算法,通过局部搜索改进当前解,循环迭代直到找到局部最优解为止。通过LKH算法求解计算出最短航线的连接方案,生成用以拍摄的无人机航线。
本发明基于多角度视点的全面考虑,不仅保证了重建模型的准确性和细节,而且提高了采集效率,避免了不必要的数据冗余。
本发明还提供线状目标的无人机摄影重建多交向视点生成装置,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述技术方案所述的线状目标的无人机摄影重建多交向视点生成方法。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换和变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (10)
1.一种线状目标的无人机摄影重建多交向视点生成方法,其特征在于,包括:
获取重建场景的参考模型;
计算线状目标端点的空间坐标;
根据重叠度在线状目标区域生成采样点;
提取采样点邻域法向量,计算朝向;
根据平均法向量与摄影高度,结合交向摄影角度生成视点。
2.如权利要求1所述的线状目标的无人机摄影重建多交向视点生成方法,其特征在于:通过射线与三角面相交检测计算线状目标端点的空间坐标,具体包括:
采用Möller-Trumbore 相交算法,在手动标记待重建的线性目标时,进行快速射线与三角形相交计算;选择线性目标时,鼠标光标产生的射线表示为,/>为射线原点,/>为射线方向向量,/>控制沿线距离,模型表面三角面上的任意点/>由表示,其中/>是三角面的三个顶点坐标,/>表示三角形的质心坐标,/>表示/>在参数空间中的权重,通过等式求解参数/>的值,通过三个参数的范围判断是否相交,当/>,/>,且/>时可以确定射线与三角面相交,当用户界面点击一个位置时即可快速计算出交点的空间坐标,此交点坐标即为线状目标端点的空间坐标。
3.如权利要求2所述的线状目标的无人机摄影重建多交向视点生成方法,其特征在于:求解参数的具体实现方式如下;
将等式转化成矩阵形式(2.1),使用Cramer法则,计算主行列式/>,每个未知数的相关行列式/>、 和/>,当/>非零时,可得唯一解/>,由(2.2)(2.3)(2.4)获得;/>
当,/>,且/>时可以确定射线与三角面相交。
4.如权利要求1所述的线状目标的无人机摄影重建多交向视点生成方法,其特征在于:根据重叠度生成采样点包括:
针对三角面基元,根据线状目标区域采用预设的航向重叠度计算采样间距,在线状目标区域生成采样点。
5.如权利要求4所述的线状目标的无人机摄影重建多交向视点生成方法,其特征在于:采样间距如公式(3.1)所示,/>
其中 表示像素数量,/> 表示地面采样间隔,影像重叠度/>,/>表示重叠范围,/>为地面范围,对于线状目标,针对像素为/>的相机来说,计算航向重叠度时,/>取/>。
6.如权利要求1所述的线状目标的无人机摄影重建多交向视点生成方法,其特征在于:在提取采样点邻域法向量时根据需求选择邻域深度,提取采样点三邻域集合的三角面的法向量,计算朝向,包括:
选取采样点为种子点,从采样点所在的三角面出发找到共享一条边的三角形列表,针对列表中的三角面继续查找共享一条边且未加入列表的三角面,将其加入并更新列表,直至满足三邻域深度条件;
遍历三角面列表,提取三角面的顶点坐标,计算两条边向量/>,,边向量叉积/>确定三角面的法向量,基于法向量的模长来表示三角面的面积权重;
然后归一化所提取的邻域表面法向量,采用三角面面积加权平均的方法计算出邻域的平均法向量的方向来表示朝向。
7.如权利要求6所述的线状目标的无人机摄影重建多交向视点生成方法,其特征在于:基于法向量的模长表示三角面的面积权重,由公式(4.1)求得;将提取的表面法向量归一化,由公式(4.2)求得,采用三角面面积加权平均的方法计算邻域的平均法向量的方向来表示朝向/>,由公式(4.3)求得:/>
其中,N表示列表中的三邻域三角面的总数。
8.如权利要求1所述的线状目标的无人机摄影重建多交向视点生成方法,其特征在于:根据平均法向量与摄影高度,结合多交向摄影生成视点,包括:
针对采样点,通过公式计算视点的空间位置坐标/>,其中/>为采样点的坐标,/>为摄影高度,/>为采样点的朝向;根据设定的转角/>,/>,分别在朝向上生成左右偏转/>和上下偏转/>的四个摄影方向,以确定视点的多交向摄影角度,结合朝向、摄影高度和多交向的摄影角度生成包含位置与方向信息的视点,无人机在视点处进行多交向摄影。
9.如权利要求1所述的线状目标的无人机摄影重建多交向视点生成方法,其特征在于:参考模型为目标区域已有的空间三维模型,或者通过使用无人机进行常规下视摄影,在相同航高采集目标区域的影像,利用三维重建处理软件生成,得到网格模型。
10.线状目标的无人机摄影重建多交向视点生成装置,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至9中任一项所述的线状目标的无人机摄影重建多交向视点生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410147571.1A CN117689846B (zh) | 2024-02-02 | 2024-02-02 | 线状目标的无人机摄影重建多交向视点生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410147571.1A CN117689846B (zh) | 2024-02-02 | 2024-02-02 | 线状目标的无人机摄影重建多交向视点生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117689846A true CN117689846A (zh) | 2024-03-12 |
CN117689846B CN117689846B (zh) | 2024-04-12 |
Family
ID=90137500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410147571.1A Active CN117689846B (zh) | 2024-02-02 | 2024-02-02 | 线状目标的无人机摄影重建多交向视点生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117689846B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006089417A1 (en) * | 2005-02-23 | 2006-08-31 | Craig Summers | Automatic scene modeling for the 3d camera and 3d video |
RU2584368C1 (ru) * | 2015-02-13 | 2016-05-20 | Открытое акционерное общество "Лётно-исследовательский институт имени М.М. Громова" | Способ определения контрольных значений параметров пространственно-угловой ориентации самолёта на трассах и приаэродромных зонах при лётных испытаниях пилотажно-навигационного оборудования и система для его осуществления |
JP2017217170A (ja) * | 2016-06-07 | 2017-12-14 | キヤノン株式会社 | 画像表示装置 |
US9857172B1 (en) * | 2017-09-25 | 2018-01-02 | Beijing Information Science And Technology University | Method for implementing high-precision orientation and evaluating orientation precision of large-scale dynamic photogrammetry system |
AU2019100363A4 (en) * | 2019-04-05 | 2019-05-09 | Gao, Guohong Mr | Unmanned Aerial Vehicle And Its Program Control Device Unmanned Aerial Vehicle And Its Program Control Device |
WO2019090480A1 (zh) * | 2017-11-07 | 2019-05-16 | 深圳市大疆创新科技有限公司 | 基于无人机航拍的三维重建方法、系统及装置 |
WO2020006941A1 (zh) * | 2018-07-03 | 2020-01-09 | 上海亦我信息技术有限公司 | 一种基于拍照重建三维空间场景的方法 |
CN112507799A (zh) * | 2020-11-13 | 2021-03-16 | 幻蝎科技(武汉)有限公司 | 基于眼动注视点引导的图像识别方法、mr眼镜及介质 |
US20210358206A1 (en) * | 2020-05-14 | 2021-11-18 | Star Institute Of Intelligent Systems | Unmanned aerial vehicle navigation map construction system and method based on three-dimensional image reconstruction technology |
CN115855060A (zh) * | 2022-12-06 | 2023-03-28 | 武汉先恒信息技术有限公司 | 一种几何基元引导的航线规划方法及装置 |
CN116543117A (zh) * | 2023-03-16 | 2023-08-04 | 中国科学院地理科学与资源研究所 | 一种无人机影像的高精度大场景三维建模方法 |
CN116977580A (zh) * | 2023-07-13 | 2023-10-31 | 贵州电网有限责任公司 | 一种基于机载LiDAR的山区大比例尺DEM制作方法 |
-
2024
- 2024-02-02 CN CN202410147571.1A patent/CN117689846B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006089417A1 (en) * | 2005-02-23 | 2006-08-31 | Craig Summers | Automatic scene modeling for the 3d camera and 3d video |
RU2584368C1 (ru) * | 2015-02-13 | 2016-05-20 | Открытое акционерное общество "Лётно-исследовательский институт имени М.М. Громова" | Способ определения контрольных значений параметров пространственно-угловой ориентации самолёта на трассах и приаэродромных зонах при лётных испытаниях пилотажно-навигационного оборудования и система для его осуществления |
JP2017217170A (ja) * | 2016-06-07 | 2017-12-14 | キヤノン株式会社 | 画像表示装置 |
US9857172B1 (en) * | 2017-09-25 | 2018-01-02 | Beijing Information Science And Technology University | Method for implementing high-precision orientation and evaluating orientation precision of large-scale dynamic photogrammetry system |
WO2019090480A1 (zh) * | 2017-11-07 | 2019-05-16 | 深圳市大疆创新科技有限公司 | 基于无人机航拍的三维重建方法、系统及装置 |
WO2020006941A1 (zh) * | 2018-07-03 | 2020-01-09 | 上海亦我信息技术有限公司 | 一种基于拍照重建三维空间场景的方法 |
AU2019100363A4 (en) * | 2019-04-05 | 2019-05-09 | Gao, Guohong Mr | Unmanned Aerial Vehicle And Its Program Control Device Unmanned Aerial Vehicle And Its Program Control Device |
US20210358206A1 (en) * | 2020-05-14 | 2021-11-18 | Star Institute Of Intelligent Systems | Unmanned aerial vehicle navigation map construction system and method based on three-dimensional image reconstruction technology |
CN112507799A (zh) * | 2020-11-13 | 2021-03-16 | 幻蝎科技(武汉)有限公司 | 基于眼动注视点引导的图像识别方法、mr眼镜及介质 |
CN115855060A (zh) * | 2022-12-06 | 2023-03-28 | 武汉先恒信息技术有限公司 | 一种几何基元引导的航线规划方法及装置 |
CN116543117A (zh) * | 2023-03-16 | 2023-08-04 | 中国科学院地理科学与资源研究所 | 一种无人机影像的高精度大场景三维建模方法 |
CN116977580A (zh) * | 2023-07-13 | 2023-10-31 | 贵州电网有限责任公司 | 一种基于机载LiDAR的山区大比例尺DEM制作方法 |
Non-Patent Citations (3)
Title |
---|
JIAYI LI,: "A Hierarchical Deformable Deep Neural Network and an Aerial Image Benchmark Dataset for Surface Multiview Stereo Reconstruction", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》, vol. 63, 31 December 2023 (2023-12-31), pages 1 - 12 * |
杨应;: "组合宽角低空航测相机关键技术研究", 北京测绘, no. 12, 25 December 2019 (2019-12-25), pages 163 * |
陶磊;洪韬;钞旭;: "基于YOLOv3的无人机识别与定位追踪", 工程科学学报, no. 04, 15 April 2020 (2020-04-15), pages 67 - 72 * |
Also Published As
Publication number | Publication date |
---|---|
CN117689846B (zh) | 2024-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112085844B (zh) | 面向野外未知环境的无人机影像快速三维重建方法 | |
US9942535B2 (en) | Method for 3D scene structure modeling and camera registration from single image | |
CN108519102B (zh) | 一种基于二次投影的双目视觉里程计算方法 | |
Chen et al. | Transforming a 3-d lidar point cloud into a 2-d dense depth map through a parameter self-adaptive framework | |
Wang et al. | Accurate georegistration of point clouds using geographic data | |
CN109900274B (zh) | 一种图像匹配方法及系统 | |
Kim et al. | Interactive 3D building modeling method using panoramic image sequences and digital map | |
CN111383335A (zh) | 一种众筹照片与二维地图结合的建筑物三维建模方法 | |
CN116883251B (zh) | 基于无人机视频的图像定向拼接与三维建模方法 | |
CN116563377A (zh) | 一种基于半球投影模型的火星岩石测量方法 | |
Kang et al. | An automatic mosaicking method for building facade texture mapping using a monocular close-range image sequence | |
Xiao et al. | Monitoring excavation slope stability using drones | |
CN117456114A (zh) | 基于多视图的三维图像重建方法及系统 | |
CN117689846B (zh) | 线状目标的无人机摄影重建多交向视点生成方法及装置 | |
Chen et al. | Densefusion: Large-scale online dense pointcloud and dsm mapping for uavs | |
CN114170376B (zh) | 一种针对室外大场景的多源信息融合分组式运动恢复结构方法 | |
CN111197986A (zh) | 一种无人机三维路径实时预警避障方法 | |
CN113850293B (zh) | 基于多源数据和方向先验联合优化的定位方法 | |
CN115830116A (zh) | 一种鲁棒视觉里程计方法 | |
Zhao et al. | An ORB-SLAM3 autonomous positioning and orientation approach using 360-degree panoramic video | |
Chen et al. | SGSR-Net: Structure Semantics Guided LiDAR Super-Resolution Network for Indoor LiDAR SLAM | |
Li et al. | Learning dense consistent features for aerial-to-ground structure-from-motion | |
Chen et al. | 360ORB-SLAM: A Visual SLAM System for Panoramic Images with Depth Completion Network | |
CN114359389A (zh) | 一种基于像面核线对的大影像分块核线制作方法 | |
CN116206050A (zh) | 三维重建方法、电子设备和计算机可读存储介质 |
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 |