FR3107359A1 - Procede et dispositif de determination d'obstacles d'altitude - Google Patents
Procede et dispositif de determination d'obstacles d'altitude Download PDFInfo
- Publication number
- FR3107359A1 FR3107359A1 FR2001594A FR2001594A FR3107359A1 FR 3107359 A1 FR3107359 A1 FR 3107359A1 FR 2001594 A FR2001594 A FR 2001594A FR 2001594 A FR2001594 A FR 2001594A FR 3107359 A1 FR3107359 A1 FR 3107359A1
- Authority
- FR
- France
- Prior art keywords
- obstacles
- altitude
- height
- geographical area
- images
- 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
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000007596 consolidation process Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/106—Change initiated in response to external conditions, e.g. avoidance of elevated terrain or of no-fly zones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
-
- 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
- G06T2207/10016—Video; Image sequence
- G06T2207/10021—Stereoscopic video; Stereoscopic image sequence
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Aviation & Aerospace Engineering (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Procédé et dispositif de détermination d’obstacles d’altitude L’invention concerne un procédé et un dispositif de détermination d’obstacles d’altitude. Le procédé comporte, pour une zone géographique déterminée, l’obtention (50) d’images numériques aériennes de portions de terrain de ladite zone géographique à partir d’au moins une source d’images numériques aériennes, formant un ensemble d’images numériques aériennes couvrant ladite zone géographique. Le procédé comporte l’application (54) d’un premier traitement d’images aux images numériques dudit ensemble d’images pour obtenir un premier ensemble d’obstacles présents dans ladite zone géographique et une première estimation de hauteur associée, puis l’application (56) d’un deuxième traitement d’images aux images dudit ensemble d’images numériques pour obtenir un deuxième ensemble d’obstacles présents dans ladite zone géographique et une deuxième estimation de hauteur associée, supérieure ou égale à ladite hauteur minimale prédéterminée. En fonction des première et deuxième estimations de hauteur, un ensemble consolidé d’obstacles d’altitude, de hauteur supérieure ou égale à ladite hauteur minimale prédéterminée, présents dans ladite zone géographique, est obtenu (66, 68) et des attributs desdits obstacles d’altitude sont mémorisés (70). Figure pour l'abrégé : Figure 2
Description
La présente invention concerne un procédé et un dispositif de détermination d’obstacles d’altitude de hauteur supérieure ou égale à une hauteur prédéterminée, lesdits obstacles d’altitude étant susceptibles d’entraver la navigation d’aéronefs à très basse ou basse altitude.
L’invention concerne également un procédé et un dispositif de navigation d’aéronefs pour un vol à basse ou très basse altitude associés.
L’invention se situe dans le domaine de l’aéronautique, et en particulier de la navigation d’aéronefs à très basse ou basse altitude.
En effet, de manière connue, l’espace aérien est divisé en plusieurs secteurs d’altitude, comportant notamment un secteur basse altitude d’altitude supérieure à 30 mètres et inférieure à 100 mètres et de très basse altitude inférieure à 30 mètres.
Pour les aéronefs volant à très basse ou basse altitude, les obstacles d’altitude sont présents, par exemple des poteaux électriques ou de télécommunications, des éoliennes, des câbles électriques…, et ils constituent des dangers potentiels.
De tels obstacles d’altitude sont cartographiés en général dans des zones aéroportuaires circonscrites à des périmètres géographiques précis, et définis selon des règles spécifiques.
Cependant, différents types d’aéronefs, comme les aéronefs sans pilote à bord (e.g. drones) ou des aérostats, qui volent à basse et très basse altitude, sont utilisés de plus en plus et leur vol n’est pas limité à des zones aéroportuaires.
Les dispositions réglementaires différentes s’appliquent dans diverses zones géographiques, et le niveau d’exhaustivité des produits commerciaux disponibles à ce jour listant les obstacles d’altitude présents n’est pas satisfaisant.
Il existe un besoin de fournir une détermination d’obstacles d’altitude, avec localisation et identification, qui soit plus exhaustive et qui s’applique à n’importe quelle zone géographique.
A cet effet, l’invention propose, selon un premier aspect, un procédé de détermination d’obstacles d’altitude, de hauteur supérieure ou égale à une hauteur minimale prédéterminée, lesdits obstacles d’altitude étant susceptibles d’entraver la navigation d’aéronefs à très basse ou basse altitude. Ce procédé comporte des étapes de:
- pour une zone géographique déterminée, obtention d’images numériques aériennes de portions de terrain de ladite zone géographique à partir d’au moins une source d’images numériques aériennes, formant un ensemble d’images numériques aériennes couvrant ladite zone géographique,
- application d’un premier traitement d’images aux images numériques dudit ensemble d’images pour obtenir un premier ensemble d’obstacles présents dans ladite zone géographique et une première estimation de hauteur associée,
- application d’un deuxième traitement d’images aux images dudit ensemble d’images numériques pour obtenir un deuxième ensemble d’obstacles présents dans ladite zone géographique et une deuxième estimation de hauteur associée, supérieure ou égale à ladite hauteur minimale prédéterminée,
- en fonction des première et deuxième estimations de hauteur, détermination d’un ensemble consolidé d’obstacles d’altitude, de hauteur supérieure ou égale à ladite hauteur minimale prédéterminée présents dans ladite zone géographique, et mémorisation d’attributs desdits obstacles d’altitude.
Avantageusement, le procédé de détermination d’obstacles d’altitude selon l’invention permet d’obtenir automatiquement un ensemble consolidé d’obstacles, grâce à la mise en œuvre d’un premier traitement d’images et d’un deuxième traitement d’images, et à l’utilisation des estimations de hauteur obtenues par ces traitements.
Le procédé de détermination d’obstacles d’altitude selon l’invention peut également présenter une ou plusieurs des caractéristiques ci-dessous, prises indépendamment ou selon toutes les combinaisons techniquement envisageables.
Le premier traitement d’images fournit en outre, une indication d’appartenance de chaque obstacle dudit premier ensemble d’obstacles à une catégorie prédéterminée parmi une pluralité de catégories d’obstacles susceptibles de constituer des obstacles d’altitude.
Le premier traitement d’images comporte une segmentation par application d’un réseau de neurones, préalablement entraîné à identifier des obstacles appartenant à l’une des catégories de ladite pluralité de catégories d’obstacles.
Le premier traitement d’images comporte, pour chaque obstacle identifié, un calcul permettant d’obtenir une première estimation de hauteur dudit obstacle.
Le calcul est fonction d’un angle de prise de vue d’un dispositif d’acquisition d’une image numérique aérienne comportant ledit obstacle identifié ou d’un angle d’illumination du soleil correspondant et d’une estimation de longueur de l’ombre dudit obstacle identifié dans ladite image numérique aérienne.
Le deuxième traitement d’images est un traitement stéréoscopique, comprenant un traitement par paires d’images numériques dudit ensemble d’images numériques aériennes, une paire d’images numériques comportant deux images numériques d’une même portion de terrain acquises avec un décalage spatial de prise de vue connu, ledit traitement stéréoscopique consistant à obtenir une reconstitution en trois dimensions de ladite portion de terrain.
Le deuxième traitement comporte en outre une détection et une localisation d’objets ponctuels et linéaires de hauteur supérieure ou égale à ladite hauteur minimale prédéterminée dans ladite reconstitution en trois dimensions de la portion de terrain.
La détermination d’un ensemble consolidé d’obstacles comporte en outre une étape de vérification de la hauteur estimée desdits obstacles en fonction d’au moins une source de données indépendante.
La source de données indépendante est un modèle numérique de terrain.
Le procédé comporte en outre une mémorisation d’un ensemble d’attributs pour chaque obstacle de l’ensemble consolidé d’obstacles de hauteur supérieure ou égale à ladite hauteur minimale prédéterminée présents dans ladite zone géographique, ledit ensemble d’attributs comportant des attributs de localisation, de hauteur et de type d’obstacle.
L’ensemble d’attributs est mémorisé dans un format choisi de manière à former une base de données d’obstacles d’altitude.
Selon un autre aspect, l’invention concerne un dispositif de détermination d’obstacles d’altitude, de hauteur supérieure ou égale à une hauteur minimale prédéterminée, lesdits obstacles d’altitude étant susceptibles d’entraver la navigation d’aéronefs à très basse ou basse altitude. Ce dispositif comporte au moins un processeur (4) configuré pour mettre en œuvre des modules adaptés à:
- pour une zone géographique déterminée, obtenir des images numériques aériennes de portions de terrain de ladite zone géographique à partir d’au moins une source d’images numériques aériennes, formant un ensemble d’images numériques aériennes couvrant ladite zone géographique,
- appliquer un premier traitement d’images aux images numériques dudit ensemble d’images pour obtenir un premier ensemble d’obstacles présents dans ladite zone géographique et une première estimation de hauteur associée,
- appliquer un deuxième traitement d’images aux images dudit ensemble d’images numériques pour obtenir un deuxième ensemble d’obstacles présents dans ladite zone géographique et une deuxième estimation de hauteur associée, supérieure ou égale à ladite hauteur minimale prédéterminée,
- en fonction des première et deuxième estimations de hauteur, déterminer un ensemble consolidé d’obstacles d’altitude, de hauteur supérieure ou égale à ladite hauteur minimale prédéterminée présents dans ladite zone géographique, et mémoriser des attributs desdits obstacles d’altitude.
Selon un autre aspect, l’invention concerne un support d’enregistrement d’informations, sur lequel sont mémorisées des instructions logicielles pour l’exécution d’un procédé de détermination d’obstacles d’altitude tel que brièvement décrit ci-dessus, lorsque ces instructions sont exécutées par un dispositif électronique programmable.
Selon un autre aspect, l’invention concerne un programme d’ordinateur comportant des instructions logicielles qui, lorsqu’elles sont mises en œuvre par un dispositif électronique programmable, mettent en œuvre un procédé de détermination d’obstacles d’altitude tel que brièvement décrit ci-dessus.
Selon un autre aspect, l’invention concerne un procédé de navigation d’aéronef adapté à voler à basse altitude pour suivre une trajectoire survolant une zone géographique donnée, comportant une étape d’obtention d’un ensemble consolidé d’obstacles d’altitude présents dans ladite zone géographique, ledit ensemble consolidé d’obstacle étant déterminé par un procédé de détermination d’obstacles d’altitude tel que brièvement décrit ci-dessus, et un évitement des obstacles d’altitude dudit ensemble d’obstacles.
D’autres caractéristiques et avantages de l’invention ressortiront de la description qui en est donnée ci-dessous, à titre indicatif et nullement limitatif, en référence aux figures annexées, parmi lesquelles:
La figure 1 illustre schématiquement un dispositif 2 de détermination d’obstacles d’altitude selon un mode de réalisation de l’invention, qui sont susceptibles d’entraver le vol d’aéronefs volant à très basse altitude ou à basse altitude, donc à des altitudes comprises entre 0 et 100 mètres.
Le terme obstacle d’altitude désigne ci-après un objet fixe, ayant au moins un point culminant de hauteur par rapport au sol sur lequel repose l’obstacle supérieure ou égale à une hauteur minimale prédéterminée.
Par exemple, la hauteur minimale prédéterminée est fixée à 30m. La hauteur ainsi définie est une première indication de hauteur d’un objet fixe constituant un obstacle d’altitude.
Une autre indication de hauteur d’un obstacle d’altitude, qui peut être fournie en complément, est une élévation du point culminant de l’obstacle par rapport au niveau moyen de la mer (ou altitude). L’élévation par rapport au niveau moyen de la mer est une deuxième indication de hauteur d’un objet fixe constituant un obstacle d’altitude.
Un des objets de l’invention est de déterminer automatiquement la présence d’obstacles d’altitude dans une zone géographique choisie, et de caractériser les obstacles d’altitude déterminés par au moins une localisation spatiale, une indication de hauteur et en complément, une identification d’appartenance à une catégorie parmi un ensemble de catégories prédéterminé.
La zone géographique choisie est une zone géographique quelconque. Bien entendu, il n’y a pas de difficulté à mettre en œuvre l’invention sur une pluralité de zones géographiques.
La localisation spatiale d’un obstacle est par exemple fournie par des coordonnées dans un référentiel géolocalisé. Par exemple, les coordonnées sont des coordonnées de latitude et de longitude, exprimées en degrés décimaux.
Au moins deux catégories d’obstacles d’altitude sont distinguées, comportant des obstacles ponctuels, par exemple pylônes, poteaux, éoliennes, et des obstacles linéaires, par exemple des câbles électriques, téléphériques, lignes téléphoniques.
De préférence, un plus grand nombre de catégories est utilisé, de manière à identifier plus précisément les obstacles d’altitude présents dans une zone géographique donnée.
Le dispositif 2 de détermination automatique d’obstacles d’altitude est un dispositif électronique programmable, par exemple un ordinateur ou un système informatique comportant une pluralité d’ordinateurs connectés.
Le dispositif 2 comporte au moins une électronique unité de calcul, par exemple un processeur de calcul 4, et une unité électronique de stockage de données 6, par exemple sous forme de fichiers ou de registres. Le processeur de calcul 4 est apte à exécuter des calculs et des instructions de code de programme d’ordinateur ou instructions logicielles lorsque le dispositif 2 est mis sous tension.
Le dispositif 2 comporte une unité 10 d’acquisition d’images numériques adaptée à recevoir des images numériques aériennes acquises par un dispositif d’acquisition d’images numériques aériennes 8, par exemple un satellite, ou un drone, ou un aéronef porteur d’un dispositif d’acquisition d’images embarqué, par exemple un capteur optique ou un radar.
Les images numériques aériennes sont par exemple des images numériques dans le domaine visible. En variante, les images aériennes utilisées sont des images radar ou des images dans le domaine infrarouge.
Selon une autre variante, le dispositif 2 de détermination d’obstacles d’altitude reçoit des images numériques aériennes acquises par plusieurs sources d’acquisition.
Pour une zone géographique donnée, les images numériques aériennes acquises par l’unité d’acquisition d’images 10 sont des images numériques de portions de terrain de la zone géographique qui recouvrent en totalité la zone géographique considérée.
L’unité 10 d’acquisition d’images numériques comporte un module 12 de réception et mémorisation d’images numériques et un module 14 de normalisation d’images numériques pour les mettre dans un format choisi. Un ensemble d’images numériques en format homogène en termes de taille d’images, résolution et format de codage est ainsi obtenu.
Le dispositif 2 de détermination d’obstacles d’altitude comporte en outre une unité 20 de localisation et d’identification d’obstacles d’altitude dans une zone géographique, qui comporte un module 22 d’application d’un premier traitement d’images, un module 24 d’application d’un deuxième traitement d’images, un module 26 de fusion des résultats des premier et deuxième traitements d’images, un module 28 de consolidation des résultats et un module 30 de mémorisation de l’ensemble consolidé d’obstacles dans un format choisi de manière à former une base de données d’obstacles d’altitude 32. Plusieurs modes de réalisation d’un procédé de détermination d’obstacles d’altitude seront décrits ci-après.
Dans un mode de réalisation, les modules 22, 24, 26, 28 et 30 sont réalisés sous forme d’instructions logicielles exécutables, qui sont enregistrées sur un support d’informations non transitoire, lisible par ordinateur. Le support lisible par ordinateur est par exemple, un médium apte à mémoriser des instructions électroniques et à être couplé à un bus d’un système informatique. A titre d’exemple, le support lisible est un disque optique, un disque magnéto-optique, une mémoire ROM, une mémoire RAM, tout type de mémoire non volatile (par exemple EPROM, EEPROM, FLASH, NVRAM), une carte magnétique ou une carte optique.
Dans une variante de mise en œuvre, ces modules 22, 24, 26, 28 et 30 sont réalisés chacun sous forme d’un composant logique programmable, tel qu’un FPGA (de l’anglaisField Programmable Gate Array), un GPU (processeur graphique) ou un GPGPU (de l’anglaisGeneral-purpose processing on graphics processing), ou encore sous forme d’un circuit intégré dédié, tel qu’un ASIC (de l’anglaisApplication Specific Integrated Circuit).
Le dispositif 2 de détermination d’obstacles d’altitude est en outre adapté à recevoir des données d’une source de données indépendante 35. Par exemple, la source de données indépendante 35 est une base de données cartographiques comportant un modèle numérique de terrain avec des informations d’altitude des points du terrain de la zone géographique considérée.
Le dispositif 2 de détermination d’obstacles d’altitude génère une base de données d’obstacles d’altitude 32, pour la zone géographique donnée.
Une telle base de données d’obstacles est par la suite utilisable pour la navigation d’aéronef volant à très basse ou basse altitude.
Dans un mode de réalisation, un dispositif 34 de calcul de trajectoire de navigation est configuré pour utiliser une base de données d’obstacles d’altitude 32 préalablement générée par un procédé de détermination d’obstacles d’altitude selon l’invention. Un tel dispositif 34 de calcul de trajectoire de navigation comporte par exemple un module 36 de réception de base de données d’obstacles d’altitude pour une zone géographique choisie, et un module 38 de calcul de trajectoire permettant d’éviter les obstacles d’altitude répertoriés.
Dans un mode de réalisation, un dispositif 34 de calcul de trajectoire, par exemple en fonction d’une mission d’aéronef, est situé dans un centre de contrôle au sol. En variante, le dispositif 34 de calcul de trajectoire est embarqué à bord d’un aéronef pour un calcul ou une modification dynamique de trajectoire en cours de vol.
La trajectoire est ensuite utilisée par un système de pilotage d’aéronef 40, embarqué à bord d’un aéronef, par exemple par un dispositif de pilotage automatique 42.
La figure 2 est un bloc diagramme des principales étapes d’un procédé de détermination d’obstacles d’altitude dans un mode de réalisation de l’invention.
Le procédé comporte une étape 50 d’obtention d’images aériennes, sous forme d’images numériques, d’une source d’acquisition d’images numériques aériennes, par exemple l’unité 10 d’acquisition d’images, représentatives de portions de terrain faisant partie d’une zone géographique donnée. Les images numériques obtenues forment un ensemble d’images couvrant la zone géographique.
La zone géographique est de taille quelconque.
Par exemple, les images numériques acquises sont dans le domaine visible. En variante, les images numériques sont dans le domaine infrarouge ou sont des images numériques radar ou lidar.
Les images numériques reçues sont, de manière connue, représentées par des matrices de pixels, chaque pixel ayant une valeur numérique associée, dans un intervalle de valeurs. Les dimensions de la matrice indiquent la résolution de l’image.
Outre l’acquisition des images numériques, des informations relatives à l’acquisition de ces images, par exemple enregistrées dans des métadonnées du format de fichier encapsulant les images numériques, sont également reçues.
Ces informations relatives à l’acquisition sont de préférence mémorisées, en lien avec chaque image numérique. Par exemple, les informations relatives à l’acquisition comportent au moins une information de géolocalisation associée à l’image, permettant de géolocaliser précisément la portion de terrain représentée, une information de résolution spatiale permettant d’indiquer la taille réelle de surface de terrain représentée par chaque pixel, ainsi qu’une information de date de prise de vue. Dans un mode de réalisation, les informations relatives à l’acquisition comportent en outre, pour chaque image numérique, des informations d’angle de prise de vue.
Le procédé comporte en outre une étape 52 de standardisation des images numériques de l’ensemble d’images, consistant à les mettre à une même résolution et dans un même format d’image. Le format d’images est par exemple un format de codage d’images numériques connu tel que JPEG, MPEG, GIF.
Pour chaque image numérique, des informations de géolocalisation associées sont mémorisées, ce qui permet de calculer des coordonnées spatiales dans un référentiel donné, par exemple des coordonnées GPS, pour chaque point de l’image numérique.
Le procédé met en œuvre, en parallèle ou successivement, un premier traitement d’images 54 et un deuxième traitement d’images 56.
Dans un mode de réalisation, les premier et deuxième traitement d’images sont exécutés sensiblement en parallèle.
Le premier traitement d’images 54 permet d’obtenir un premier ensemble d’obstacles présents dans la zone géographique et une estimation de hauteur associée.
Le premier traitement d’images 54 comporte une étape 58 de segmentation permettant d’obtenir une segmentation d’objets susceptibles de constituer des obstacles d’altitude, chaque obstacle étant classifié dans une catégorie d’obstacles préalablement identifiée.
De préférence, la segmentation mise en œuvre est une segmentation sémantique.
La segmentation sémantique consiste à déterminer, pour chaque pixel, la catégorie d’objet (obstacle ou autre) à laquelle il appartient, le but étant de les regrouper en régions afin de créer une partition de l'image. De plus, il est utile d’identifier les pixels appartenant à l’obstacle et ceux appartenant à son ombre projetée pour en déduire la hauteur.
De préférence, l’étape 58 met en œuvre une segmentation sémantique par un réseau de neurones, préalablement entraîné à reconnaitre les catégories d’obstacles identifiées, par apprentissage supervisé.
De préférence, la segmentation sémantique est réalisée par un réseau de neurones convolutionnel de type U-net, décrit initialement dans l’article «U-Net: Convolutional Networks for Biomedical Image Segmentation» de O. Ronnenberger et al, publié dans «Computer Vision and Pattern Recognition» en 2015. Des versions optimisées de cette architecture de réseau de neurones convolutionnel sont bien entendu également utilisables. Avantageusement, l’architecture de réseau de neurones convolutionnel permet à la fois d’optimiser la qualité des résultats de segmentation et la complexité calculatoire.
Par exemple, une pluralité de catégories d’obstacles est utilisée, comprenant les catégories d’obstacles suivantes: obstacles ponctuels, ayant des sous-catégories poteau, éolienne, château-d’eau; obstacles linéaires.
L’apprentissage supervisé se fait, de manière connue, sur des images numériques comportant des obstacles dans chacune des catégories, segmentés et identifiés.
A l’étape 58, les obstacles et la catégorie associée sont détectés automatiquement, et forment un premier ensemble d’obstacles.
De plus, le premier traitement d’images 54 comporte une étape 60 de calcul d’une première hauteur de chaque obstacle détecté à l’étape 58.
Pour un obstacle dit ponctuel, la hauteur est associée à un point de l’obstacle, considéré point culminant de l’obstacle.
Pour un obstacle dit linéaire, plusieurs segments sont distingués, chaque segment étant défini par deux points d’extrémité, et la hauteur estimée est associée au point d’extrémité le plus haut (point culminant) de tous les segments constituant l’obstacle linéaire.
Dans un mode de réalisation, ce calcul est effectué à partir d’une image numérique dans laquelle l’obstacle considéré a été détecté, en utilisant des informations relatives à l’acquisition de l’image numérique.
Par exemple, comme illustré schématiquement à la figure 3, le calcul utilise une longueur estimée X de l’ombre de l’obstacle, ainsi que l’angle de prise et vue par le dispositif d’acquisition d’images (un satellite SAT dans l’exemple) et/ou l’angle d’illumination du soleil α. Au moins un de ces deux angles est suffisant pour calculer une hauteur par rapport au sol.
La hauteur par rapport au sol estimée Y est donnée par la formule:
Où la longueur X est la longueur de l’ombre de l’objet projetée au sol, α l’angle d’incidence du soleil et Y la hauteur par rapport au sol estimée.
La première estimation de hauteur est directement calculée par la formule [Math 1]. L’élévation associée est par exemple déduite de l’estimation de la hauteur par rapport au sol, connaissant par exemple un modèle numérique de terrain avec des informations d’altitude associées.
La première estimation de hauteur est mémorisée, en lien avec la localisation spatiale de l’obstacle détecté et avec la catégorie d’appartenance de l’obstacle.
Optionnellement, si l’obstacle d’altitude détecté est un obstacle ponctuel, une largeur est également calculée en fonction de la segmentation et de la résolution d’une image numérique dans laquelle l’obstacle a été détecté.
Si l’obstacle d’altitude est un obstacle linéaire, il est découpé en une pluralité de segments, et une première estimation de hauteur est associée à chaque segment. La première estimation de hauteur de l’obstacle est par exemple égale à la valeur maximale des estimations de hauteur à des points d’extrémité de chaque segment.
Le deuxième traitement d’images 56 permet d’obtenir un deuxième ensemble d’obstacles présents dans ladite zone géographique et une deuxième estimation de hauteur associée, supérieure ou égale à la hauteur minimale prédéterminée.
Le deuxième traitement d’images 56 comporte une étape 62 de traitement stéréoscopique, consistant à construire, à partir d’une paire d’images numériques comportant deux images d’une même portion de terrain acquises avec un décalage spatial de prise de vue connu, une reconstitution en trois dimensions de ladite portion de terrain avec un niveau de profondeur calculé également. La reconstitution en trois dimensions est par exemple représentée par une matrice à trois dimensions, dans laquelle chaque point a également une hauteur associée.
Tout algorithme de traitement stéréoscopique connu peut être utilisé à l’étape 62.
L’étape 62 est mise en œuvre pour des pluralités de paires d’images numériques du premier ensemble d’images numériques.
L’étape 62 de traitement stéréoscopique est suivie d’une étape 64 de détection et de localisation d’objets ponctuels et linéaires de hauteur supérieure ou égale à une hauteur minimale prédéterminée (Hseuil), par exemple égale à 30 mètres.
A l’issue de l’étape 64, des points susceptibles d’appartenir à des obstacles d’altitude sont mémorisés, ainsi que la hauteur associée, qui constitue une deuxième estimation de hauteur.
Ces étapes sont suivies d’une étape 66 de fusion des données mémorisées, et d’une étape 68 de consolidation, permettant d’obtenir un ensemble consolidé d’obstacles d’altitude, de hauteur supérieure ou égale à Hseuil.
Dans un mode de réalisation, la fusion 66 consiste à mettre en relation, pour un même obstacle d’altitude potentiel détecté, les première et deuxième estimations de hauteur, et vérifier que ces deux estimations indiquent une hauteur supérieure ou égale à Hseuil.
En cas de vérification positive, la détection d’obstacle d’altitude est validée, et l’obstacle identifié est mémorisé dans l’ensemble consolidé d’obstacles d’altitude.
En cas de vérification négative, si seulement l’une des première et deuxième estimations indique une hauteur supérieure à Hseuil, alors lors de l’étape 68 de consolidation, des données complémentaires d’une source de données indépendante sont utilisées.
Par exemple, les données complémentaires comprennent un modèle numérique de terrain et/ou des données de type LIDAR ou des données Radar permettant estimer l’élévation d’un obstacle au-dessus du sol.
L’étape de consolidation permet de vérifier la cohérence des obstacles détectés avec la ou les données complémentaires. Par exemple, si le point culminant d’un obstacle est inférieur à l’élévation d’un point correspondant du modèle numérique de terrain, l’obstacle est écarté. Dans un autre exemple, la catégorie de l’obstacle peut ne pas être cohérente avec la localisation géographique (e.g. une éolienne en centre-ville), auquel cas l’obstacle détecté est écarté.
Un ensemble consolidé d’obstacles détectés est obtenu à l’issue de l’étape 68.
Le procédé comporte une étape 70 de mémorisation d’un ensemble d’attributs pour chaque obstacle de l’ensemble consolidé d’obstacles de hauteur supérieure ou égale à Hseuilprésents dans ladite zone géographique.
L’ensemble d’attributs comprend par exemple des attributs de localisation spatiale, de hauteur et de type d’obstacle, codés selon un format de codage donné, afin de former une base de données d’obstacles.
Par exemple, pour les obstacles ponctuels sont mémorisés les attributs suivants:
-OBS_ID: identifiant unique de l’obstacle sur P caractères, par exemple P=10;
-DEC_LON: longitude de la position de l’obstacle en degrés décimaux;
-DEC_LAT: latitude de la position de l’obstacle en degrés décimaux;
-ELEV_M: élévation du point culminant de l’obstacle en mètres
-HEIGHT_M: hauteur du point culminant de l’obstacle (par rapport au sol) en mètres
-WIDTH_M: largeur en mètres [optionnel]
-OBS_TYPE: type de l’obstacle
Par exemple, pour les obstacles linéaires sont mémorisés les attributs suivants:
-LINE_ID: identifiant unique sur P caractères (même identifiant pour tous les segments de l’obstacle linéaire), par exemple P=10;
-SEG_ID: identifiant du segment de l’obstacle linéaire sur Q caractères, par exemple Q=4;
-SEG_TYPE: type de segment de l’obstacle linéaire;
-P1_ID: identifiant du premier obstacle ponctuel associé au segment;
-P2_ID: : identifiant du deuxième obstacle ponctuel associé au segment.
Pour chaque obstacle ponctuel, les attributs d’obstacle ponctuel mentionnés ci-dessus sont renseignés.
Une base de données d’obstacles d’altitude dans la zone géographique choisie est ainsi constituée et mémorisée.
La base de données d’obstacles d’altitude ainsi constituée, comportant des attributs de localisation et d’identification d’obstacles, est utilisée par la suite dans la navigation d’aéronef à très basse ou à basse altitude.
La figure 4 est un bloc diagramme des principales étapes d’un procédé de navigation d’aéronef dans un mode de réalisation de l’invention.
Le procédé comporte une étape 72 de requête de détermination d’obstacles d’altitude spécifiant une zone géographique donnée, et une étape 74 de réception d’attributs d’obstacles, par exemple sous la forme d’une base de données, calculés par un procédé de détermination d’obstacles d’altitude tel que décrit ci-dessus.
Le procédé comporte ensuite une étape 76 d’utilisation de cette base de données pour la navigation. Par exemple l’étape 76 consiste en un calcul de trajectoire de de vol d’aéronef évitant ces obstacles.
En variante ou en complément, les obstacles ainsi identifiés sont également exploités à l’étape 78 par des dispositifs de navigation, par exemple un dispositif de pilotage automatique, et, optionnellement, affichés sur une interface graphique d’utilisateur pour utilisation par un pilote d’aéronef.
L’invention a été décrite ci-dessus pour un premier traitement d’images mettant en œuvre une segmentation par réseau de neurones et un deuxième traitement d’images mettant en œuvre un traitement stéréoscopique.
Selon une variante, un premier ensemble d’images aériennes obtenues d’une première source d’images aériennes est utilisé pour le premier traitement d’images, et un deuxième ensemble d’images aériennes obtenues d’une deuxième source d’images aériennes, indépendante de la première source, est utilisé pour le deuxième traitement d’images.
Claims (14)
- Procédé de détermination d’obstacles d’altitude, de hauteur supérieure ou égale à une hauteur minimale prédéterminée, lesdits obstacles d’altitude étant susceptibles d’entraver la navigation d’aéronefs à très basse ou basse altitude, caractérisé en ce qu’il comporte des étapes de:
- pour une zone géographique déterminée, obtention (50) d’images numériques aériennes de portions de terrain de ladite zone géographique à partir d’au moins une source d’images numériques aériennes, formant un ensemble d’images numériques aériennes couvrant ladite zone géographique,
- application d’un premier traitement d’images (54) aux images numériques dudit ensemble d’images pour obtenir un premier ensemble d’obstacles présents dans ladite zone géographique et une première estimation de hauteur associée,
- application d’un deuxième traitement d’images (56) aux images dudit ensemble d’images numériques pour obtenir un deuxième ensemble d’obstacles présents dans ladite zone géographique et une deuxième estimation de hauteur associée, supérieure ou égale à ladite hauteur minimale prédéterminée,
- en fonction des première et deuxième estimations de hauteur, détermination (66, 68) d’un ensemble consolidé d’obstacles d’altitude, de hauteur supérieure ou égale à ladite hauteur minimale prédéterminée présents dans ladite zone géographique, et mémorisation (70) d’attributs desdits obstacles d’altitude.
- Procédé selon la revendication 1, dans lequel ledit premier traitement d’images fournit en outre, une indication d’appartenance de chaque obstacle dudit premier ensemble d’obstacles à une catégorie prédéterminée parmi une pluralité de catégories d’obstacles susceptibles de constituer des obstacles d’altitude.
- Procédé selon la revendication 2, dans lequel ledit premier traitement d’images (54) comporte une segmentation (58) par application d’un réseau de neurones, préalablement entraîné à identifier des obstacles appartenant à l’une des catégories de ladite pluralité de catégories d’obstacles.
- Procédé selon l’une des revendications 1 à 3, dans lequel le premier traitement d’images (54) comporte, pour chaque obstacle identifié, un calcul (60) permettant d’obtenir une première estimation de hauteur dudit obstacle.
- Procédé selon la revendication 4, dans lequel ledit calcul est fonction d’un angle de prise de vue d’un dispositif d’acquisition d’une image numérique aérienne comportant ledit obstacle identifié ou d’un angle d’illumination du soleil correspondant et d’une estimation de longueur de l’ombre dudit obstacle identifié dans ladite image numérique aérienne.
- Procédé selon l’une des revendications 1 à 5, dans lequel le deuxième traitement d’images (56) est un traitement stéréoscopique, comprenant un traitement (62) par paires d’images numériques dudit ensemble d’images numériques aériennes, une paire d’images numériques comportant deux images numériques d’une même portion de terrain acquises avec un décalage spatial de prise de vue connu, ledit traitement stéréoscopique consistant à obtenir une reconstitution en trois dimensions de ladite portion de terrain.
- Procédé selon la revendication 6, dans lequel le deuxième traitement comporte en outre une détection et une localisation (64) d’objets ponctuels et linéaires de hauteur supérieure ou égale à ladite hauteur minimale prédéterminée dans ladite reconstitution en trois dimensions de la portion de terrain.
- Procédé selon l’une des revendications 1 à 7, dans lequel la détermination d’un ensemble consolidé d’obstacles comporte en outre une étape de vérification de la hauteur estimée desdits obstacles en fonction d’au moins une source de données indépendante.
- Procédé selon la revendication 8, dans lequel ladite source de données indépendante est un modèle numérique de terrain.
- Procédé selon l’une des revendications 1 à 9, comportant en outre une mémorisation d’un ensemble d’attributs pour chaque obstacle de l’ensemble consolidé d’obstacles de hauteur supérieure ou égale à ladite hauteur minimale prédéterminée présents dans ladite zone géographique, ledit ensemble d’attributs comportant des attributs de localisation, de hauteur et de type d’obstacle.
- Procédé selon la revendication 10, dans lequel ledit ensemble d’attributs est mémorisé dans un format choisi de manière à former une base de données (32) d’obstacles d’altitude.
- Procédé de navigation d’aéronef adapté à voler à basse altitude pour suivre une trajectoire survolant une zone géographique donnée, comportant une étape d’obtention d’un ensemble consolidé d’obstacles d’altitude présents dans ladite zone géographique, ledit ensemble consolidé d’obstacle étant déterminé par un procédé de détermination d’obstacles d’altitude conforme aux revendications 1 à 11, et un évitement des obstacles d’altitude dudit ensemble d’obstacles.
- Dispositif de détermination d’obstacles d’altitude, de hauteur supérieure ou égale à une hauteur minimale prédéterminée, lesdits obstacles d’altitude étant susceptibles d’entraver la navigation d’aéronefs à très basse ou basse altitude, caractérisé en ce qu’il comporte au moins un processeur (4) configuré pour mettre en œuvre des modules adaptés à:
- pour une zone géographique déterminée, obtenir (10) des images numériques aériennes de portions de terrain de ladite zone géographique à partir d’au moins une source d’images numériques aériennes, formant un ensemble d’images numériques aériennes couvrant ladite zone géographique,
- appliquer un premier traitement d’images (22) aux images numériques dudit ensemble d’images pour obtenir un premier ensemble d’obstacles présents dans ladite zone géographique et une première estimation de hauteur associée,
- appliquer un deuxième traitement d’images (24) aux images dudit ensemble d’images numériques pour obtenir un deuxième ensemble d’obstacles présents dans ladite zone géographique et une deuxième estimation de hauteur associée, supérieure ou égale à ladite hauteur minimale prédéterminée,
- en fonction des première et deuxième estimations de hauteur, déterminer (26, 28) un ensemble consolidé d’obstacles d’altitude, de hauteur supérieure ou égale à ladite hauteur minimale prédéterminée présents dans ladite zone géographique, et mémoriser (30) des attributs desdits obstacles d’altitude.
- Programme d’ordinateur comportant des instructions logicielles qui lorsqu’elles sont mises en œuvre par un dispositif électronique programmable, mettent en œuvre un procédé de détermination d’obstacles d’altitude conforme aux revendications 1 à 11.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2001594A FR3107359B1 (fr) | 2020-02-18 | 2020-02-18 | Procede et dispositif de determination d'obstacles d'altitude |
PCT/EP2021/053730 WO2021165237A1 (fr) | 2020-02-18 | 2021-02-16 | Procédé et dispositif de détermination d'obstacles d'altitude |
US17/800,641 US20230069829A1 (en) | 2020-02-18 | 2021-02-16 | Method and device for determining altitude obstacles |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2001594 | 2020-02-18 | ||
FR2001594A FR3107359B1 (fr) | 2020-02-18 | 2020-02-18 | Procede et dispositif de determination d'obstacles d'altitude |
Publications (2)
Publication Number | Publication Date |
---|---|
FR3107359A1 true FR3107359A1 (fr) | 2021-08-20 |
FR3107359B1 FR3107359B1 (fr) | 2022-02-25 |
Family
ID=72178610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR2001594A Active FR3107359B1 (fr) | 2020-02-18 | 2020-02-18 | Procede et dispositif de determination d'obstacles d'altitude |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230069829A1 (fr) |
FR (1) | FR3107359B1 (fr) |
WO (1) | WO2021165237A1 (fr) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20240124137A1 (en) * | 2022-10-13 | 2024-04-18 | Wing Aviation Llc | Obstacle avoidance for aircraft from shadow analysis |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050273223A1 (en) * | 2004-05-18 | 2005-12-08 | Airbus France | Method and device for ensuring the safety of a low-altitude flight of an aircraft |
US20170084038A1 (en) * | 2015-09-18 | 2017-03-23 | Qualcomm Incorporated | Systems and methods for non-obstacle area detection |
US20180218214A1 (en) * | 2015-08-06 | 2018-08-02 | Accenture Global Services Limited | Condition detection using image processing |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06149376A (ja) * | 1992-11-05 | 1994-05-27 | Mitsubishi Electric Corp | 経路生成装置 |
US5943164A (en) * | 1994-11-14 | 1999-08-24 | Texas Instruments Incorporated | Curved 3-D object description from single aerial images using shadows |
IL155034A0 (en) * | 2003-03-23 | 2004-06-20 | M A M D Digital Data Proc Syst | Automatic aerial digital photography and digital data processing systems |
FR2853978B1 (fr) * | 2003-04-16 | 2006-02-03 | Eurocopter France | Procede et dispositif de securisation du vol d'un aeronef en conditions de vol aux instruments hors infrastructures de vol aux instruments |
US7440591B1 (en) * | 2003-11-12 | 2008-10-21 | Rockwell Collins, Inc. | Validation of terrain and obstacle databases |
US8600589B2 (en) * | 2012-04-24 | 2013-12-03 | Exelis, Inc. | Point cloud visualization of acceptable helicopter landing zones based on 4D LIDAR |
ITRM20130115A1 (it) * | 2013-02-28 | 2014-08-29 | Univ Roma La Sapienza | Procedura e dispositivo di matching per la modellizzazione digitale di oggetti mediante immagini stereoscopiche |
US20160085238A1 (en) * | 2013-08-30 | 2016-03-24 | Insitu, Inc. | Display of terrain along flight paths |
WO2015075700A1 (fr) * | 2013-11-25 | 2015-05-28 | First Resource Management Group Inc. | Appareil et procédé de gestion d'inventaire forestier |
US9384398B2 (en) * | 2014-06-11 | 2016-07-05 | Here Global B.V. | Method and apparatus for roof type classification and reconstruction based on two dimensional aerial images |
US10032311B1 (en) * | 2014-09-29 | 2018-07-24 | Rockwell Collins, Inc. | Synthetic image enhancing system, device, and method |
US10008123B2 (en) * | 2015-10-20 | 2018-06-26 | Skycatch, Inc. | Generating a mission plan for capturing aerial images with an unmanned aerial vehicle |
CA2951533C (fr) * | 2015-12-10 | 2023-08-08 | Ocean Networks Canada Society | Generation automatisee de modeles d'elevation numeriques |
US9846975B2 (en) * | 2016-02-18 | 2017-12-19 | Skycatch, Inc. | Generating filtered, three-dimensional digital ground models utilizing multi-stage filters |
US10054445B2 (en) * | 2016-05-16 | 2018-08-21 | Northrop Grumman Systems Corporation | Vision-aided aerial navigation |
US10520943B2 (en) * | 2016-08-12 | 2019-12-31 | Skydio, Inc. | Unmanned aerial image capture platform |
WO2018086140A1 (fr) * | 2016-11-14 | 2018-05-17 | SZ DJI Technology Co., Ltd. | Détermination de trajectoire de vol |
AU2018301706B2 (en) * | 2017-07-14 | 2023-01-12 | Memorial Sloan Kettering Cancer Center | Weakly supervised image classifier |
JP6962775B2 (ja) * | 2017-10-24 | 2021-11-05 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co., Ltd | 情報処理装置、空撮経路生成方法、プログラム、及び記録媒体 |
CN111344738B (zh) * | 2017-11-15 | 2024-03-29 | 日本电气方案创新株式会社 | 在农场中收集育种数据、分析育种特征的设备、方法 |
KR102275572B1 (ko) * | 2018-12-21 | 2021-07-09 | 한국전자통신연구원 | 이종 고도 항공영상을 이용한 3차원 지형정보 정합 방법 및 장치 |
CN110264572B (zh) * | 2019-06-21 | 2021-07-30 | 哈尔滨工业大学 | 一种融合几何特性与力学特性的地形建模方法及系统 |
WO2020261183A1 (fr) * | 2019-06-25 | 2020-12-30 | Owkin Inc. | Systèmes et procédés de prétraitement d'image |
DE102019134324A1 (de) * | 2019-12-13 | 2021-06-17 | Connaught Electronics Ltd. | Ein Verfahren zum Messen der Topografie einer Umgebung |
-
2020
- 2020-02-18 FR FR2001594A patent/FR3107359B1/fr active Active
-
2021
- 2021-02-16 WO PCT/EP2021/053730 patent/WO2021165237A1/fr active Application Filing
- 2021-02-16 US US17/800,641 patent/US20230069829A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050273223A1 (en) * | 2004-05-18 | 2005-12-08 | Airbus France | Method and device for ensuring the safety of a low-altitude flight of an aircraft |
US20180218214A1 (en) * | 2015-08-06 | 2018-08-02 | Accenture Global Services Limited | Condition detection using image processing |
US20170084038A1 (en) * | 2015-09-18 | 2017-03-23 | Qualcomm Incorporated | Systems and methods for non-obstacle area detection |
Also Published As
Publication number | Publication date |
---|---|
US20230069829A1 (en) | 2023-03-09 |
WO2021165237A1 (fr) | 2021-08-26 |
FR3107359B1 (fr) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11710219B2 (en) | Detection and replacement of transient obstructions from high elevation digital images | |
Kuželka et al. | Automatic detection and quantification of wild game crop damage using an unmanned aerial vehicle (UAV) equipped with an optical sensor payload: a case study in wheat | |
EP2517152B1 (fr) | Procede de classification d'objets dans un systeme de veille par imagerie | |
CN115240168A (zh) | 感知结果获取方法、装置、计算机设备、存储介质 | |
EP2924458B1 (fr) | Procédé de détection et de visualisation des obstacles artificiels d'un aéronef à voilure tournante | |
Yin et al. | Individual tree parameters estimation for chinese fir (cunninghamia lanceolate (lamb.) hook) plantations of south china using UAV Oblique Photography: Possibilities and Challenges | |
Bohlin et al. | Deciduous forest mapping using change detection of multi-temporal canopy height models from aerial images acquired at leaf-on and leaf-off conditions | |
WO2021165237A1 (fr) | Procédé et dispositif de détermination d'obstacles d'altitude | |
WO2017093057A1 (fr) | Procede de caracterisation d'une scene par calcul d'orientation 3d | |
FR3003356A1 (fr) | Procede d'observation d'une zone au moyen d'un drone | |
FR3085082A1 (fr) | Estimation de la position geographique d'un vehicule routier pour la production participative de base de donnees routieres | |
FR2987151A1 (fr) | Systeme d'aide au sauvetage par helicoptere | |
EP3488383B1 (fr) | Procede et dispositif d'aide a la navigation d'un vehicule | |
FR3103305A1 (fr) | Procédé et dispositif de prédiction d’au moins une caractéristique dynamique d’un véhicule en un point d’un segment routier. | |
EP3757943B1 (fr) | Procédé et dispositif de télémétrie passive par traitement d'image et utilisation de modeles en trois dimensions | |
EP3640841B1 (fr) | Dispositif électronique et procédé de surveillance d'une scène via un ensemble de capteur(s) électronique(s), programme d'ordinateur associé | |
Komárek et al. | The Potential of Widespread Ready-Made UAVs in Quantifying Conifers and Delineating Their Crowns | |
FR3146517A1 (fr) | Procédé de reconstruction en trois dimensions d'un élément mobile | |
FR3138944A1 (fr) | Dispositif et procédé d'estimation de la traversabilité d'un terrain par un système mobile | |
FR3143814A1 (fr) | Procédé de caractérisation de l’environnement d’un porteur mobile, produisant une grille d’espace statique et/ou une grille d’espace libre | |
FR3145730A1 (fr) | Modélisation d’une situation de conduite pour guidage latéral d’un véhicule | |
CA3233479A1 (fr) | Procede de detection d'obstacles | |
Ouedraogo et al. | The high resolution digital terrain model, its errors and their propagation. A review. | |
EP4203664A1 (fr) | Procédé de désherbage automatisé d'un terrain agricole et système autonome associé | |
FR3110250A1 (fr) | Méthode et système de génération d'une carte de probabilité de présence d'un émetteur |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20210820 |
|
PLFP | Fee payment |
Year of fee payment: 3 |
|
PLFP | Fee payment |
Year of fee payment: 4 |
|
PLFP | Fee payment |
Year of fee payment: 5 |