CN117891274A - 用于水利测绘的无人机航线大数据规划系统及方法 - Google Patents
用于水利测绘的无人机航线大数据规划系统及方法 Download PDFInfo
- Publication number
- CN117891274A CN117891274A CN202311817019.0A CN202311817019A CN117891274A CN 117891274 A CN117891274 A CN 117891274A CN 202311817019 A CN202311817019 A CN 202311817019A CN 117891274 A CN117891274 A CN 117891274A
- Authority
- CN
- China
- Prior art keywords
- flight
- route
- unmanned aerial
- aerial vehicle
- module
- 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 71
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 230000008859 change Effects 0.000 claims description 34
- 238000012163 sequencing technique Methods 0.000 claims description 33
- 238000007667 floating Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 10
- 230000007613 environmental effect Effects 0.000 description 8
- 230000002349 favourable effect Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000005422 algal bloom Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Navigation (AREA)
Abstract
本发明公开了用于水利测绘的无人机航线大数据规划系统及方法,涉及航线规划技术领域,通过实时数据模块获取测绘飞行路线的实时数据,历史数据模块获取测绘飞行路线的历史数据,分析模块综合分析实时数据以及历史数据后,为每条飞行路线生成飞行值,将飞行值小于飞行阈值的飞行路线筛除,路线排序模块获取筛选后飞行路线的飞行值后,将所有飞行路线依据飞行值进行排序,生成飞行路线排序表,控制模块控制无人机在飞行路线排序表中排序第一的飞行路线上飞行。该规划系统能够综合分析飞行路线的多项数据后,选出测绘效果最好以及安全性和稳定性最佳的飞行路线自动控制无人机飞行,大大提高测绘效率和测绘效果,并保证无人机的稳定飞行。
Description
技术领域
本发明涉及航线规划技术领域,具体涉及用于水利测绘的无人机航线大数据规划系统及方法。
背景技术
水资源是人类社会生存和发展的基础,因此水利工作具有重要战略地位,水利测绘是水利工作中的重要组成部分,用于测量、监测和管理水资源、河流、湖泊、水库等水域信息,以支持生态保护;
无人机技术的快速发展使得高分辨率、高精度的水域数据采集变得更加容易和经济高效,无人机能够携带各种传感器,如高分辨率相机、激光雷达、红外传感器等,能够实现多角度、多波段的数据采集,以及对复杂地形的快速响应,这使得无人机成为水利测绘的理想工具。
现有技术存在以下不足:
现有进行水利测绘时,通常采取人工操作无人机飞行进行水利测绘,然而,人工操作一是人工无法判断飞行路线是否存在异常,当飞行路线存在异常时,容易导致测绘不准确或无人机坠毁,二是人工无法判断对湖泊的哪些区域进行测绘效果更好,降低测绘效果和测绘效率;
因此,本发明提供用于水利测绘的无人机航线大数据规划系统,结合路线异常判断和测绘区域选择来自动规划无人机的飞行路线,保证无人机稳定飞行的同时,提高测绘效率和测绘效果。
发明内容
本发明的目的是提供用于水利测绘的无人机航线大数据规划系统及方法,以解决背景技术中不足。
为了实现上述目的,本发明提供如下技术方案:用于水利测绘的无人机航线大数据规划系统,包括路线获取模块、实时数据模块、历史数据模块、分析模块、路线排序模块、控制模块以及显示模块;
路线获取模块:若湖泊为二次或多次测绘,基于飞行路线数据库获取多条无人机的初始飞行路线,若湖泊为初次测绘,则由人工选择多条飞行路线;
实时数据模块:用于获取测绘飞行路线的实时数据;
历史数据模块:用于获取测绘飞行路线的历史数据;
分析模块:综合分析实时数据以及历史数据后,为每条飞行路线生成飞行值,筛除飞行值小于飞行阈值的飞行路线;
路线排序模块:获取筛选后飞行路线的飞行值后,将所有飞行路线依据飞行值进行排序,生成飞行路线排序表;
控制模块:控制无人机在飞行路线排序表中排序第一的飞行路线上飞行,并实时分析实时数据后自动控制无人机避开飞行路线上存在的异常区域;
显示模块:用于显示飞行路线排序信息、无人机选择的飞行路线和无人机飞行状态。
优选的,所述分析模块综合分析实时数据以及历史数据,实时数据包括障碍物存在率、无人机摇摆浮动系数,历史数据包括飞行路线区域湖泊色彩变化指数。
优选的,所述分析模块综合分析障碍物存在率、无人机摇摆浮动系数、飞行路线区域湖泊色彩变化指数后生成飞行值,计算表达式为:
式中,fx为飞行值,od为障碍物存在率,jyb为无人机摇摆浮动系数,CCI为飞行路线区域湖泊色彩变化指数,α、β、γ分别为障碍物存在率、无人机摇摆浮动系数、飞行路线区域湖泊色彩变化指数的比例系数,且α、β、γ均大于0。
优选的,所述障碍物存在率的计算表达式为:
式中,od为障碍物存在率,N_obstacles为飞行路线上存在的障碍物数量,L_route为无人机飞行路线的总长度。
优选的,所述无人机摇摆浮动系数的计算表达式为:
式中,jyb为无人机摇摆浮动系数,Y(t)为无人机的实时姿态角变化,[tx,ty]为风速预警的时段,[ti,tj]为风向变化预警的时段。
优选的,所述飞行路线区域湖泊色彩变化指数的计算表达式为:
式中,CCI为飞行路线区域湖泊色彩变化指数,NIRt1和NIRt2分别是t1时刻和t2时刻的近红外波段值,Redt1和Redt2分别是t1时刻和t2时刻的红光波段值。
优选的,所述路线排序模块将所有飞行路线依据飞行值由大到小进行排序,生成飞行路线排序表。
优选的,所述分析模块获取多条飞行路线的飞行值后,将飞行值小于飞行阈值的飞行路线筛除,将飞行值大于等于飞行阈值的飞行路线发送至路线排序模块。
本发明还提供用于水利测绘的无人机航线大数据规划方法,所述规划方法包括以下步骤:
S1:若湖泊为二次或多次测绘,基于飞行路线数据库获取多条无人机的初始飞行路线,若湖泊为初次测绘,则由人工选择多条飞行路线;
S2:获取测绘飞行路线的实时数据以及历史数据;
S3:综合分析实时数据以及历史数据后,为每条飞行路线生成飞行值;
S4:将飞行值小于飞行阈值的飞行路线筛除后,所有飞行路线依据飞行值进行排序,生成飞行路线排序表;
S5:控制无人机在飞行路线排序表中排序第一的飞行路线上飞行,并实时分析实时数据后自动控制无人机避开飞行路线上存在的异常区域。
在上述技术方案中,本发明提供的技术效果和优点:
本发明通过实时数据模块获取测绘飞行路线的实时数据,实时数据主要用于分析湖泊环境是否有利于无人机飞行,历史数据模块获取测绘飞行路线的历史数据,历史数据主要用于分析湖泊环境是否有利于无人机飞行以及获取最佳测绘区域,分析模块综合分析实时数据以及历史数据后,为每条飞行路线生成飞行值,将飞行值小于飞行阈值的飞行路线筛除,路线排序模块获取筛选后飞行路线的飞行值后,将所有飞行路线依据飞行值进行排序,生成飞行路线排序表,控制模块控制无人机在飞行路线排序表中排序第一的飞行路线上飞行,并实时分析实时数据后自动控制无人机避开飞行路线上存在的异常区域。该规划系统能够综合分析飞行路线的多项数据后,选出测绘效果最好以及安全性和稳定性最佳的飞行路线自动控制无人机飞行,大大提高测绘效率和测绘效果,并保证无人机的稳定飞行。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的系统模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:请参阅图1所示,本实施例所述用于水利测绘的无人机航线大数据规划系统,包括路线获取模块、实时数据模块、历史数据模块、分析模块、路线排序模块、控制模块以及显示模块;
路线获取模块:若湖泊为二次或多次测绘,基于飞行路线数据库获取多条无人机的初始飞行路线,若湖泊为初次测绘,则由人工选择多条飞行路线,飞行路线信息发送至实时数据模块、历史数据模块以及路线排序模块,包括以下步骤:
湖泊测绘类型判断:首先,系统需要确定湖泊是初次测绘还是二次或多次测绘。这可以通过系统的输入或者数据库中的信息进行判断。
多次测绘的情况:
如果湖泊已经进行过多次测绘,系统可以基于飞行路线数据库中的历史数据获取多条无人机的初始飞行路线。这些历史数据包括以前的飞行路线、数据采集质量评估、地形信息等。
获取的历史飞行路线信息需要进行筛选和适应性调整,以适应当前测绘任务的需求。可能需要考虑新的测绘区域、改进的传感器配置等因素。
初次测绘的情况:
如果湖泊是初次测绘,系统需要让人工选择多条飞行路线。这通常需要用户或操作员通过图形界面或其他方式手动创建或编辑飞行路线。
操作员可以选择飞行路线的起始点、终止点、高度、覆盖范围等参数,以满足特定的测绘需求。
飞行路线信息发送:无论是多次测绘还是初次测绘,获取的飞行路线信息都需要发送给其他模块,以支持无人机的实时控制和任务执行。
实时数据模块:飞行路线信息可能包括无人机的飞行计划、起飞时间、目标区域坐标等,这些信息将被传递给实时数据模块,以协调和监控无人机的实际飞行。
历史数据模块:历史数据模块可能会记录和存储已完成任务的飞行路线信息,以供将来的参考和分析。
路线排序模块:如果有多个飞行路线需要执行,路线排序模块可以帮助确定执行的优先顺序,以最大程度地提高效率和数据质量。
实时数据模块:用于获取测绘飞行路线的实时数据,实时数据主要用于分析湖泊环境是否有利于无人机飞行,将实时数据预处理后发送至分析模块以及控制模块,包括以下步骤:
数据采集:实时数据模块首先需要从无人机传感器、设备或其他数据源中收集实时数据。这些数据包括飞行器状态、环境条件、图像、传感器测量值等。
数据预处理:收集的数据通常需要进行预处理,以清洗、校正或修复可能存在的错误或噪声。预处理步骤可能包括:
数据去噪和平滑:移除传感器数据中的噪声,确保数据的稳定性。
数据校正:根据飞行器的状态信息进行数据校正,如姿态、飞行速度等。
图像处理:对于图像数据,可能需要进行几何校正、去畸变、镜头校正等处理。
数据时间同步:确保不同传感器数据的时间戳一致,以便进行时空关联分析。
环境条件监测:实时数据模块需要监测湖泊周围的环境条件,包括:
天气状况:监测风速、风向、降雨、温度等气象因素,以评估飞行条件是否适宜。
光照条件:考虑光照水平和日照时间,这对于图像和传感器数据的质量至关重要。
水面状态:监测湖泊表面的波浪、浪涌、湍流等情况,以评估飞行安全性。
飞行环境分析:将实时数据与先前的飞行路线进行比较,分析当前环境是否适合执行计划的飞行任务。这可能涉及飞行安全性、数据采集效率和质量的评估。
历史数据模块:用于获取测绘飞行路线的历史数据,历史数据主要用于分析湖泊环境是否有利于无人机飞行以及获取最佳测绘区域,历史数据模块预处理后发送至分析模块,包括以下步骤:
数据检索:历史数据模块需要从数据库或存储系统中检索以前的飞行任务的历史数据。这些数据包括飞行路线、传感器数据、环境条件、测绘成果等。
数据预处理:获取的历史数据通常需要进行预处理,以确保其质量和可用性。预处理可能包括:
数据清洗:移除无效或错误的数据点。
数据校正:对数据进行校正,以考虑飞行器状态、传感器校准等因素。
数据时间同步:确保不同传感器数据的时间戳一致,以便进行时空关联分析。
历史飞行路线分析:分析模块将历史飞行路线与湖泊环境条件进行比较和分析,以确定哪些部分的湖泊环境更适合无人机飞行。这包括:
飞行任务成功率:分析以前的任务中哪些飞行路线成功完成,哪些出现了问题或失败。
环境条件:考虑历史任务期间的气象、水体状态、风速等环境因素,以确定湖泊环境的季节性或周期性变化。
数据质量:评估历史任务中的数据质量,包括图像质量、传感器数据的准确性等。
最佳测绘区域:根据历史数据和任务成功的区域,确定最佳的测绘区域,以便今后的任务计划。
分析模块:综合分析实时数据以及历史数据后,为每条飞行路线生成飞行值,将飞行值小于飞行阈值的飞行路线筛除后,将每条飞行路线的飞行值发送至路线排序模块。
路线排序模块:获取筛选后飞行路线的飞行值后,将所有飞行路线依据飞行值进行排序,生成飞行路线排序表,飞行路线排序表信息发送至控制模块以及显示模块。
控制模块:控制无人机在飞行路线排序表中排序第一的飞行路线上飞行,并实时分析实时数据后自动控制无人机避开飞行路线上存在的异常区域,如异常区域绕行等,无人机的飞行状态信息发送至显示模块,包括以下步骤:
获取飞行路线:控制模块需要获取测绘任务中排序第一的飞行路线,这通常是通过路线排序模块提供的。该路线包括起始点、终止点、高度、速度等飞行参数。
实时数据分析:控制模块接收来自实时数据模块的数据,包括无人机的当前位置、环境条件、图像数据等。模块需要实时分析这些数据以确定是否存在异常情况,如障碍物或不利于飞行的环境条件。
飞行控制:控制模块根据分析的数据和飞行路线的要求,控制无人机的飞行。这包括以下方面:
航向控制:控制无人机的飞行方向,确保其沿着飞行路线飞行。
高度控制:控制无人机的飞行高度,以保持在规定的高度范围内。
速度控制:控制无人机的飞行速度,以满足任务要求。
避障控制:如果分析数据显示存在障碍物或异常情况,控制模块需要自动调整飞行路线或执行避障动作,例如绕行、悬停或返航。
显示模块:用于显示飞行路线排序信息,显示无人机选择的飞行路线和飞行状态,包括以下步骤:
飞行路线信息显示:显示模块需要呈现飞行路线排序信息,包括各个飞行路线的起始点、终止点、飞行高度、速度、预计飞行时间等。这可以以图形方式显示在地图上或通过列表方式呈现。
无人机位置和轨迹:显示无人机的当前位置和飞行轨迹。这可以通过地图上的图标或轨迹线来实现,以便操作员实时了解无人机的位置和运动路径。
飞行状态信息:显示无人机的飞行状态信息,包括高度、速度、姿态、电池状态、传感器状态等。这有助于操作员了解无人机的运行情况。
任务执行监控:提供任务执行的进度监控,包括任务开始时间、预计完成时间、任务百分比等,以便操作员了解任务的执行情况。
警报和异常情况显示:在出现警报或异常情况时,显示模块需要发出警报并在界面上突出显示,以便操作员能够及时采取必要的措施。这可以包括遇到障碍物、不利的气象条件、电池低电量等情况。
用户交互功能:提供用户交互功能,以允许操作员手动干预飞行,例如修改飞行路线、调整飞行高度、启动紧急避障程序等。
地图和环境信息:显示湖泊地图和环境信息,包括湖泊边界、地形、湖泊水质信息等,以帮助操作员更好地理解任务环境。
本申请通过实时数据模块获取测绘飞行路线的实时数据,实时数据主要用于分析湖泊环境是否有利于无人机飞行,历史数据模块获取测绘飞行路线的历史数据,历史数据主要用于分析湖泊环境是否有利于无人机飞行以及获取最佳测绘区域,分析模块综合分析实时数据以及历史数据后,为每条飞行路线生成飞行值,将飞行值小于飞行阈值的飞行路线筛除,路线排序模块获取筛选后飞行路线的飞行值后,将所有飞行路线依据飞行值进行排序,生成飞行路线排序表,控制模块控制无人机在飞行路线排序表中排序第一的飞行路线上飞行,并实时分析实时数据后自动控制无人机避开飞行路线上存在的异常区域。该规划系统能够综合分析飞行路线的多项数据后,选出测绘效果最好以及安全性和稳定性最佳的飞行路线自动控制无人机飞行,大大提高测绘效率和测绘效果,并保证无人机的稳定飞行。
实施例2:分析模块综合分析实时数据以及历史数据后,为每条飞行路线生成飞行值,将飞行值小于飞行阈值的飞行路线筛除后,将每条飞行路线的飞行值发送至路线排序模块;
分析模块综合分析实时数据以及历史数据,实时数据包括障碍物存在率、无人机摇摆浮动系数,历史数据包括飞行路线区域湖泊色彩变化指数;
障碍物存在率的计算表达式为:
式中,od为障碍物存在率,N_obstacles为飞行路线上存在的障碍物数量,这可能是建筑物、树木、电线杆等潜在干扰无人机飞行的物体,L_route为无人机飞行路线的总长度;
障碍物存在率od值越大,则表明飞行路线存在以下问题:
较高的障碍物存在率可能意味着更高的飞行风险,如果无人机在飞行路线上遇到太多的障碍物,可能会增加碰撞或坠毁的风险,尤其是在飞行操作不慎或无法及时应对突发情况的情况下;
障碍物存在率较大可能导致数据采集不完整,飞行路线上的障碍物可能会遮挡部分地区,使得数据采集不完整或不准确,这可能会影响测绘任务的质量和效率;
高障碍物存在率可能增加任务的复杂性,飞行中需要更多的飞行规划、障碍物避让和监测工作,这可能需要更多的时间和资源。
无人机摇摆浮动系数的计算表达式为:
式中,jyb为无人机摇摆浮动系数,Y(t)为无人机的实时姿态角变化,[tx,ty]为风速预警的时段,[ti,tj]为风向变化预警的时段;
风速预警的时段的获取逻辑为:在测绘无人机进行飞行前,会先通过路线检测无人机进行试飞行,无人机在每条飞行路线上飞行,飞行过程中会受到风速的影响,风速越大,会使得无人机飞行中摇摆幅度越大,不仅会影响无人机的测绘效果,而且容易导致无人机掉落,因此,风速超过风速阈值的时段为风速预警的时段。
风向变化预警的时段的获取逻辑为:在测绘无人机进行飞行前,会先通过路线检测无人机进行试飞行,无人机在每条飞行路线上飞行,当飞行过程中,飞行路线上的风向反复发生变化时,会导致无人机摇摆甚至掉落,因此,风向变化次数超过次数阈值的时段为风向变化预警的时段;
无人机摇摆浮动系数越大,表明该飞行路线越不利于测绘无人机的飞行。
获取湖泊色彩变化指数通常需要使用遥感数据,例如卫星图像或无人机图像,以分析湖泊水体的颜色变化,这有助于监测水体的水质、藻类水华、水生植被健康等信息;
色彩变化指数(ColorChangeIndex,CCI)的计算表达式可以基于不同波段的图像数据,通常使用红光(Red)和近红外光(Near-Infrared,NIR)波段;
飞行路线区域湖泊色彩变化指数的计算表达式为:
式中,CCI为飞行路线区域湖泊色彩变化指数,NIRt1和NIRt2分别是两个时刻(t1和t2)的近红外波段值,Redt1和Redt2分别是两个时刻的红光波段值;
飞行路线区域湖泊色彩变化指数通常在-1到1之间,可用于表示湖泊水体颜色的变化,CCI值越接近1,表示颜色变化较大,可能反映了水质或水体中的某些特定变化。值越接近-1,则表示颜色变化较小;
因此,湖泊历史的飞行路线区域湖泊色彩变化指数越大,表明在该飞行路线上,湖泊颜色发生变化越明显,越需要进行测绘。
分析模块综合分析障碍物存在率、无人机摇摆浮动系数、飞行路线区域湖泊色彩变化指数后生成飞行值,计算表达式为:
式中,fx为飞行值,od为障碍物存在率,jyb为无人机摇摆浮动系数,CCI为飞行路线区域湖泊色彩变化指数,α、β、γ分别为障碍物存在率、无人机摇摆浮动系数、飞行路线区域湖泊色彩变化指数的比例系数,且α、β、γ均大于0;
基于飞行值计算的各项参数的计算表达式可知,飞行值越大,表明该飞行路线越适合用于测绘飞行,因此,获取多条飞行路线的飞行值后,将飞行值小于飞行阈值的飞行路线筛除,将飞行值大于等于飞行阈值的飞行路线发送至路线排序模块。
路线排序模块获取筛选后飞行路线的飞行值后,将所有飞行路线依据飞行值进行排序,生成飞行路线排序表,飞行路线排序表信息发送至控制模块以及显示模块;
路线排序模块将所有飞行路线依据飞行值由大到小进行排序,生成飞行路线排序表,这样在飞行路线排序表中排序第一的飞行路线为飞行值最大的飞行路线,即最佳飞行路线。
实施例3:本实施例所述用于水利测绘的无人机航线大数据规划方法,所述规划方法包括以下步骤:
若湖泊为二次或多次测绘,基于飞行路线数据库获取多条无人机的初始飞行路线,若湖泊为初次测绘,则由人工选择多条飞行路线,获取测绘飞行路线的实时数据,实时数据主要用于分析湖泊环境是否有利于无人机飞行,获取测绘飞行路线的历史数据,历史数据主要用于分析湖泊环境是否有利于无人机飞行以及获取最佳测绘区域,综合分析实时数据以及历史数据后,为每条飞行路线生成飞行值,将飞行值小于飞行阈值的飞行路线筛除,获取筛选后飞行路线的飞行值,将所有飞行路线依据飞行值进行排序,生成飞行路线排序表,控制无人机在飞行路线排序表中排序第一的飞行路线上飞行,并实时分析实时数据后自动控制无人机避开飞行路线上存在的异常区域,如异常区域绕行等。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况,其中A,B可以是单数或者复数。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系,但也可能表示的是一种“和/或”的关系,具体可参考前后文进行理解。
本申请中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-onlymemory,ROM)、随机存取存储器(randomaccessmemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.用于水利测绘的无人机航线大数据规划系统,其特征在于:包括路线获取模块、实时数据模块、历史数据模块、分析模块、路线排序模块、控制模块以及显示模块;
路线获取模块:若湖泊为二次或多次测绘,基于飞行路线数据库获取多条无人机的初始飞行路线,若湖泊为初次测绘,则由人工选择多条飞行路线;
实时数据模块:用于获取测绘飞行路线的实时数据;
历史数据模块:用于获取测绘飞行路线的历史数据;
分析模块:综合分析实时数据以及历史数据后,为每条飞行路线生成飞行值,筛除飞行值小于飞行阈值的飞行路线;
路线排序模块:获取筛选后飞行路线的飞行值后,将所有飞行路线依据飞行值进行排序,生成飞行路线排序表;
控制模块:控制无人机在飞行路线排序表中排序第一的飞行路线上飞行,并实时分析实时数据后自动控制无人机避开飞行路线上存在的异常区域;
显示模块:用于显示飞行路线排序信息、无人机选择的飞行路线和无人机飞行状态。
2.根据权利要求1所述的用于水利测绘的无人机航线大数据规划系统,其特征在于:所述分析模块综合分析实时数据以及历史数据,实时数据包括障碍物存在率、无人机摇摆浮动系数,历史数据包括飞行路线区域湖泊色彩变化指数。
3.根据权利要求2所述的用于水利测绘的无人机航线大数据规划系统,其特征在于:所述分析模块综合分析障碍物存在率、无人机摇摆浮动系数、飞行路线区域湖泊色彩变化指数后生成飞行值,计算表达式为:
式中,fx为飞行值,od为障碍物存在率,jyb为无人机摇摆浮动系数,CCI为飞行路线区域湖泊色彩变化指数,α、β、γ分别为障碍物存在率、无人机摇摆浮动系数、飞行路线区域湖泊色彩变化指数的比例系数,且α、β、γ均大于0。
4.根据权利要求3所述的用于水利测绘的无人机航线大数据规划系统,其特征在于:所述障碍物存在率的计算表达式为:
式中,od为障碍物存在率,N_obstacles为飞行路线上存在的障碍物数量,L_route为无人机飞行路线的总长度。
5.根据权利要求4所述的用于水利测绘的无人机航线大数据规划系统,其特征在于:所述无人机摇摆浮动系数的计算表达式为:
式中,jyb为无人机摇摆浮动系数,Y(t)为无人机的实时姿态角变化,[tx,ty]为风速预警的时段,[ti,tj]为风向变化预警的时段。
6.根据权利要求5所述的用于水利测绘的无人机航线大数据规划系统,其特征在于:所述飞行路线区域湖泊色彩变化指数的计算表达式为:
式中,CCI为飞行路线区域湖泊色彩变化指数,NIRt1和NIRt2分别是t1时刻和t2时刻的近红外波段值,Redt1和Redt2分别是t1时刻和t2时刻的红光波段值。
7.根据权利要求6所述的用于水利测绘的无人机航线大数据规划系统,其特征在于:所述路线排序模块将所有飞行路线依据飞行值由大到小进行排序,生成飞行路线排序表。
8.根据权利要求7所述的用于水利测绘的无人机航线大数据规划系统,其特征在于:所述分析模块获取多条飞行路线的飞行值后,将飞行值小于飞行阈值的飞行路线筛除,将飞行值大于等于飞行阈值的飞行路线发送至路线排序模块。
9.用于水利测绘的无人机航线大数据规划方法,通过权利要求1-8任一项所述的规划系统实现,其特征在于:所述规划方法包括以下步骤:
S1:若湖泊为二次或多次测绘,基于飞行路线数据库获取多条无人机的初始飞行路线,若湖泊为初次测绘,则由人工选择多条飞行路线;
S2:获取测绘飞行路线的实时数据以及历史数据;
S3:综合分析实时数据以及历史数据后,为每条飞行路线生成飞行值;
S4:将飞行值小于飞行阈值的飞行路线筛除后,所有飞行路线依据飞行值进行排序,生成飞行路线排序表;
S5:控制无人机在飞行路线排序表中排序第一的飞行路线上飞行,并实时分析实时数据后自动控制无人机避开飞行路线上存在的异常区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311817019.0A CN117891274B (zh) | 2023-12-27 | 2023-12-27 | 用于水利测绘的无人机航线大数据规划系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311817019.0A CN117891274B (zh) | 2023-12-27 | 2023-12-27 | 用于水利测绘的无人机航线大数据规划系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117891274A true CN117891274A (zh) | 2024-04-16 |
CN117891274B CN117891274B (zh) | 2024-06-21 |
Family
ID=90645069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311817019.0A Active CN117891274B (zh) | 2023-12-27 | 2023-12-27 | 用于水利测绘的无人机航线大数据规划系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117891274B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118259690A (zh) * | 2024-05-30 | 2024-06-28 | 江西科晨洪兴信息技术有限公司 | 一种变电站无人机自主巡视航线优化方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100131121A1 (en) * | 2008-11-25 | 2010-05-27 | Honeywell International, Inc. | System and methods for unmanned aerial vehicle navigation |
JP2020019336A (ja) * | 2018-07-31 | 2020-02-06 | 旻新科技股▲分▼有限公司 | 鳥の飛行ルートを使用する、無人航空機の飛行経路の計画方法 |
CN111240211A (zh) * | 2020-03-19 | 2020-06-05 | 北京航空航天大学 | 一种无人机群动态回收方法 |
CN112799426A (zh) * | 2020-12-25 | 2021-05-14 | 陈南方 | 一种基于大数据分析的无人机导航控制系统及方法 |
CN113589841A (zh) * | 2021-07-21 | 2021-11-02 | 杭州启飞智能科技有限公司 | 无人机航线生成方法、无人机及计算机可读存储介质 |
CN114647256A (zh) * | 2022-05-23 | 2022-06-21 | 山东省地质测绘院 | 一种基于无人机的地质测绘方法和系统 |
CN114840023A (zh) * | 2022-05-19 | 2022-08-02 | 湖南璟德科技有限公司 | 无人机多路径规划方法及系统、计算机设备与存储介质 |
CN115014343A (zh) * | 2022-03-07 | 2022-09-06 | 广州思谋信息科技有限公司 | 一种水利测绘无人机的航线大数据规划系统及方法 |
-
2023
- 2023-12-27 CN CN202311817019.0A patent/CN117891274B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100131121A1 (en) * | 2008-11-25 | 2010-05-27 | Honeywell International, Inc. | System and methods for unmanned aerial vehicle navigation |
JP2020019336A (ja) * | 2018-07-31 | 2020-02-06 | 旻新科技股▲分▼有限公司 | 鳥の飛行ルートを使用する、無人航空機の飛行経路の計画方法 |
CN111240211A (zh) * | 2020-03-19 | 2020-06-05 | 北京航空航天大学 | 一种无人机群动态回收方法 |
CN112799426A (zh) * | 2020-12-25 | 2021-05-14 | 陈南方 | 一种基于大数据分析的无人机导航控制系统及方法 |
CN113589841A (zh) * | 2021-07-21 | 2021-11-02 | 杭州启飞智能科技有限公司 | 无人机航线生成方法、无人机及计算机可读存储介质 |
CN115014343A (zh) * | 2022-03-07 | 2022-09-06 | 广州思谋信息科技有限公司 | 一种水利测绘无人机的航线大数据规划系统及方法 |
CN114840023A (zh) * | 2022-05-19 | 2022-08-02 | 湖南璟德科技有限公司 | 无人机多路径规划方法及系统、计算机设备与存储介质 |
CN114647256A (zh) * | 2022-05-23 | 2022-06-21 | 山东省地质测绘院 | 一种基于无人机的地质测绘方法和系统 |
Non-Patent Citations (1)
Title |
---|
乔茜华: "基于UAV与MEC的园区配电网智能巡检通信方案研究", 《信息技术》, no. 5, 31 May 2023 (2023-05-31), pages 84 - 91 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118259690A (zh) * | 2024-05-30 | 2024-06-28 | 江西科晨洪兴信息技术有限公司 | 一种变电站无人机自主巡视航线优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117891274B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
FI129716B (en) | Use of unmanned aerial vehicles (drones) in applications related to imaging and evaluation | |
EP3743332B1 (en) | Solar panel inspection by unmanned aerial vehicle | |
CN117891274B (zh) | 用于水利测绘的无人机航线大数据规划系统及方法 | |
CN107148633B (zh) | 用于使用无人机系统进行农艺和农业监测的方法 | |
US10891483B2 (en) | Texture classification of digital images in aerial inspection | |
CN108427438A (zh) | 飞行环境检测方法、装置、电子设备及存储介质 | |
CN110703802A (zh) | 基于多无人机协同作业的桥梁自动检测方法及系统 | |
DK3126871T3 (en) | BIRD DETECTION SYSTEM USING ADS-B TRANSPONDER DATA | |
US10991258B2 (en) | Real-time learning and detection of a border in a flight path | |
JPWO2019082519A1 (ja) | 情報処理装置、情報処理方法、プログラム、情報処理システム | |
JP2023028354A (ja) | 植生管理システム及び植生管理方法 | |
CN116647651B (zh) | 一种基于北斗卫星的无人机施工监控方法及系统 | |
CN114863369B (zh) | 激光雷达监测玉米倒伏的方法、装置、设备及介质 | |
US20240103537A1 (en) | Methods, systems, and devices for inspecting structures and objects | |
Howell et al. | Structure from motion techniques for estimating the volume of wood chips | |
CN113412498A (zh) | 自动移动田地勘察传感器数据和图像分类设备 | |
US20240287748A1 (en) | Road surface management device, road surface management method, and recording medium | |
US11667382B1 (en) | Systems and methods for utilizing unmanned vehicles to facilitate claims processing | |
Wirabudi et al. | Design autonomous drone control for monitoring tea plantation using dynamic programming and kruskal algorithm | |
Estlin et al. | Enabling autonomous science for a Mars rover | |
RU2822718C1 (ru) | Способ мониторинга в реальном времени безопасности при проведении полевых геологоразведочных работ с использованием беспилотных авиационных систем | |
Bakhshande et al. | What is needed to build a precision-and task-oriented drone for agricultural use: State-of-the-art and new perspectives | |
Almalki et al. | Coupling an Autonomous UAV With a ML Framework for Sustainable Environmental Monitoring and Remote Sensing | |
WO2023107637A1 (en) | Colorizing x-ray images | |
Howell et al. | 7 Structure from Motion |
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 |