TWI781682B - 無人機之風險評估裝置及其方法 - Google Patents
無人機之風險評估裝置及其方法 Download PDFInfo
- Publication number
- TWI781682B TWI781682B TW110125345A TW110125345A TWI781682B TW I781682 B TWI781682 B TW I781682B TW 110125345 A TW110125345 A TW 110125345A TW 110125345 A TW110125345 A TW 110125345A TW I781682 B TWI781682 B TW I781682B
- Authority
- TW
- Taiwan
- Prior art keywords
- risk assessment
- communication module
- module
- uav
- department
- Prior art date
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Forklifts And Lifting Vehicles (AREA)
Abstract
本發明為有關一種無人機之風險評估裝置及其方法，主要結構包括一風險評估模組及一連接風險評估模組之無人機飛行載具，風險評估模組內具有一第一通訊模組、一數值地理資訊模型部、一大數據資料庫、一無人機資訊接收部、一路徑偏差產生部、一場域資料接收部、一深度學習處理部、及一風險地圖產生部，無人機飛行載具上設有一第二通訊模組、一規劃路徑設定部、一實際路徑紀錄部、一無人機資訊模組、一攝影元件、及一定位元件。藉此，風險評估模組內之風險地圖產生部能以舊有的相關資料產生一風險等級地圖，以供給無人機飛行載具作為規劃飛行時的依據，無人機飛行載具在飛行時，能回饋實際的現場狀況至風險評估模組內，以讓深度學習處理部能根據現場狀況進行校正的動作。
Description
本發明為提供一種無人機之風險評估裝置及其方法，尤指一種能夠根據現場狀況進行校正與深度學習的無人機之風險評估裝置及其方法。
按，所謂的無人機飛行載具，在廣義的定義上就是無需讓駕駛員登機駕駛的遙控飛行器，在用途上主要分為民用與軍事用的兩種。
民用的無人機飛行載具主要用於娛樂、監察、勘查、救災等用途，大多會於無人機飛行載具上裝設攝影機或照相機，一般俗稱為空拍機。而軍事用的除了具有拍攝的功能外，大多會裝載攻擊性武器來達到相關的軍事功效。
而無人機是於空中飛行，所以並不適合使用一般的地圖，因此會配合相對應的地圖，但此種地圖並無法完整的將危險地區與相關風險顯示，也無法根據隨時的狀況產生相應的校正，在使用上的安全性而言會相對較差。
是以，要如何解決上述習用之問題與缺失，即為本發明之申請人與從事此行業之相關廠商所亟欲研究改善之方向所在者。
故，本發明之發明人有鑑於上述缺失，乃蒐集相關資料，經由多方評估及考量，並以從事於此行業累積之多年經驗，經由不斷試作及修改，始設計出此種能夠產生無人機風險圖供無人機飛行時做為參考，並同時能根據現場狀況進行校正的無人機之風險評估裝置及其方法的發明專利者。
本發明之主要目的在於：利用無人機飛行載具回傳現場狀況，以配合深度學習處理部的深度學習效果來產生更加正確的風險等級地圖。
為達成上述目的，本發明之主要結構包括：一風險評估模組、一
與風險評估模組相連接的無人機飛行載具、一設於風險評估模組內的第一通訊模組、一設於無人機飛行載具內的第二通訊模組、一設於無人機飛行載具中並與第二通訊模組相連接的規劃路徑設定部、一設於無人機飛行載具中並與第二通訊模組相連接的實際路徑紀錄部、一設於無人機飛行載具中並與第二通訊模組相連接的無人機資訊模組、一設於無人機飛行載具中並與第二通訊模組相連接的攝影元件、一設於無人機飛行載具中並與第二通訊模組相連接的定位元件、一設於風險評估模組內並與第一通訊模組相連接的數值地理資訊模型部、一設於風險評估模組內並與數值地理資訊模型部相連接的大數據資料庫、一設於風險評估模組內並與第一通訊模組及大數據資料庫相連接的無人機資訊接收部、一設於風險評估模組內並與大數據資料庫相連接的路徑偏差產生部、一設於風險評估模組內並與第一通訊模組及大數據資料庫相連接的場域資料接收部、一設於風險評估模組內並與第一通訊模組及大數據資料庫相連接的深度學習處理部、一設於風險評估模組內並與第一通訊模組及大數據資料庫相連接的風險地圖產生部，且路徑偏差產生部中具有一與第一通訊模組相連接之規劃路徑接收部、及一與第一通訊模組相連接之實際路徑接收部。
藉由上述之結構，使用者能先於飛行前，將飛行地區中所對應的數值地理資訊模型部中之數據傳送至大數據資料庫中，以配合深度學習處理部及風險地圖產生部來產生一對應的風險等級地圖，來給予使用者作為飛行時的參考資料。
而當無人機飛行載具利用風險等級地圖做為參考進行飛行時，會利用第二通訊模組與風險評估模組中的第一通訊模組相連接，藉此隨時傳送相關資料，並將無人機資訊模組中的無人機資料傳送至無人機資訊接收部，以確認無人機資料並傳入大數據資料庫中。且無人機飛行載具會依規劃路徑設定部中所設定的路徑飛行，但由於飛行時可能遇到的各種狀況改變飛行的路徑，因此會將真實的實際飛行路徑紀錄於實際路徑紀錄部中。並同時利用攝影元件來紀錄現場環境及利用定位元件確認無人機飛行載具的實際位置。
且規劃路徑設定部會將預先的規劃路徑傳送至路徑偏差產生部的規劃路徑接收部中，以及將實際路徑紀錄部中紀錄的實際路徑傳送至實際路徑接收部中，藉此利用路徑偏差產生部產生一路徑偏差至大數據資料庫內。
當無人機飛行載具飛行時，場域資料接收部會同時不斷接收飛行
場域的相關資料並導入大數據資料庫中，而大數據資料庫則會隨時更新並儲存上述所提及的資料，讓深度學習處理部能讀取上述的相關資料，以達成不間斷的深度學習效果，並將深度學習處理後的資訊傳送給風險地圖產生部中，來即時產生新的風險等級地圖。
如此就能根據上述的方式，以現場發生的狀況來不斷進行修正，，使深度學習處理模組來達到深度學習的效果，以產生更加準確的風險等級地圖。
藉由上述技術，可針對無人機飛行時的地圖無法進行即時校正的問題點加以突破，達到上述優點之實用進步性。
100:遠端伺服器
1:風險評估模組
11:第一通訊模組
12:數值地理資訊模型部
121:數值地形模型部
122:數值高程模型部
123:數值地表模型部
13:大數據資料庫
14:無人機資訊接收部
141:無人機代號接收部
142:操作員資訊接收部
15:路徑偏差產生部
151:規劃路徑接收部
152:實際路徑接收部
16:場域資料接收部
161:氣象資料接收部
162:空域流量接收部
17:深度學習處理部
18:風險地圖產生部
2:無人機飛行載具
21:第二通訊模組
22:規劃路徑設定部
23:實際路徑紀錄部
24:無人機資訊模組
241:無人機代號紀錄部
242:操作員資訊紀錄部
25:攝影元件
26:定位元件
第一圖 係為本發明較佳實施例之立體透視圖。
第二圖 係為本發明較佳實施例之結構方塊示意圖。
第三圖 係為本發明較佳實施例之步驟流程圖。
第四圖 係為本發明較佳實施例之現場飛行示意圖。
第五圖 係為本發明較佳實施例之風險評估示意圖。
為達成上述目的及功效，本發明所採用之技術手段及構造，茲繪圖就本發明較佳實施例詳加說明其特徵與功能如下，俾利完全了解。
請參閱第一圖至第五圖所示，係為本發明較佳實施例之立體透視圖至風險評估示意圖，由圖中可清楚看出本發明係包括：
一風險評估模組1，於本實施例中風險評估模組1以遠端伺服器100中的處理器作為舉例；
一無人機飛行載具2；
一設於風險評估模組1內的第一通訊模組11；
一設於無人機飛行載具2內的第二通訊模組21，且無人機飛行載具2係經由第二通訊模組21與第一通訊模組11相連接，連接方式並不設限，本實施例暫以5G網路連接之方式連接作為舉例；
一設於無人機飛行載具2中並與第二通訊模組21相連接之規劃路徑設定部22；
一設於無人機飛行載具2中並與第二通訊模組21相連接之實際路徑紀錄部23；
一設於無人機飛行載具2中並與第二通訊模組21相連接之無人機資訊模組24，且無人機資訊模組24具有一與第二通訊模組21相連接之無人機代號紀錄部241、及一與第二通訊模組21相連接之操作員資訊紀錄部242，本實施例之規劃路徑設定部22、實際路徑紀錄部23、無人機代號紀錄部241、及操作員資訊紀錄部242皆以無人機飛行載具2中的電子處理器作為舉例；
一設於無人機飛行載具2中並與第二通訊模組21相連接的攝影元件25；
一設於無人機飛行載具2中並與第二通訊模組21相連接的定位元件26，定位元件26之方式並不設限，可為GPS(GlobalPositioningSystem)定位、或進一步結合RTK(Real-Time Kinematic)定位、或LBS(Location-Based Service)定位、或PPK(Post-Processing Kinematic)定位其中之一者，本實施例以GPS定位作為舉例；
一設於風險評估模組1內的數值地理資訊模型部12；
一設於風險評估模組1內並與數值地理資訊模型部12相連接的大數據資料庫13，而數值地理資訊模型部12中具有一與大數據資料庫13相連接之數值地形模型部121、一與大數據資料庫13相連接之數值高程模型部122、及一與大數據資料庫13相連接之數值地表模型部123；
一設於風險評估模組1內並與第一通訊模組11及大數據資料庫13相連接的無人機資訊接收部14，而無人機資訊接收部14具有一與第一通訊模組11相連接之無人機代號接收部141、及一與第一通訊模組11相連接之操作員資訊接收部142；
一設於風險評估模組1內並與大數據資料庫13相連接的的路徑偏差產生部15，而路徑偏差產生部15中具有一與第一通訊模組11相連接之規劃路徑接收部151、及一與第一通訊模組11相連接之實際路徑接收部152；
一設於風險評估模組1內並與第一通訊模組11及大數據資料庫13相連接的場域資料接收部16，而場域資料接收部16中具有一與第一通訊模組11相連接之氣象資料接收部161、及一與第一通訊模組11相連接之空域流量接收部162；
一設於風險評估模組1內並與大數據資料庫13相連接的深度學習處理部17；及
一設於風險評估模組1內並與深度學習處理部17相連接的風險地圖產生部18。
藉由上述之說明，已可了解本技術之結構，而依據這個結構之對應配合，即可產生供無人飛機飛行時做為參考的風險圖，並可根據實際狀況不斷微調，來達到深度學習的效果，而詳細之解說將於下述說明。
而本發明用於無人機之風險評估方法，其步驟包含：
(a)連接步驟：將一無人機飛行載具2中的一第二通訊模組21與一風險評估模組1中的一第一通訊模組11相連接，並經由一無人機資訊接收部14接收及確認一無人機資訊模組24內的無人機資訊；
(b)路徑紀錄步驟：該無人機飛行載具2於飛行時乃透過一定位元件26確認位置、及利用一攝影元件25拍攝現場狀況，而該無人機飛行載具2係利用一規劃路徑設定部22中之路徑進行飛行，並將實際的飛行路徑紀錄於一實際路徑紀錄部23中；
(c)傳送步驟：該規劃路徑設定部22中的規劃路徑會傳送至一路徑偏差產生部15中的一規劃路徑接收部151中，而該實際路徑紀錄部23所紀錄的實際路徑則會傳送至該路徑偏差產生部15中的一實際路徑接收部152中，藉此產生一路徑偏差至一大數據資料庫13中；
(d)地區資料產生步驟：該風險評估模組1中的數值地理資訊模型部12則會根據該無人機飛行載具2所要飛行的區域，產生對應的數值地理狀況至該大數據資料庫13中；
(e)場域狀況接收步驟：該風險評估模組1中的場域資料接收部16則會隨時接收飛行場域的現場資料，並傳送至該大數據資料庫13中；
(f)深度學習步驟：風險評估模組1中的一深度學習處理部17則會根據該大數據資料庫13隨時更新之數據來進行深度學習的動作；及
(g)地圖產生步驟：該深度學習處理部17係將深度學習後之數據傳送至一風險地圖產生部18來產生一風險等級地圖。
經由上述步驟可得知，使用者能先將無人機飛行載具2將要飛行至預計區域前，可先針對預存於數值地理資訊模型部12中針對該預計區域的相關資料傳送至大數據資料庫13中，如數值地形模型部121中的地形數值資料產生的模型、數值高程模型部122中的高程區域資料產生的模型、及數值地表模型部123中的地表資料所產生的模型，以讓深度學習處理部17及風險地圖產生部18以庫存的資訊產生庫存之風險等級地圖供使用者參考。
並當無人機飛行載具2在預計區域中飛行時，會利用第二通訊模組21與第一通訊模組11相連接，藉此使無人機飛行載具2與風險評估模組1處於連接的狀態，並將無人機資訊模組24中的無人機代號紀錄部241中的無人機代號傳送至無人機資訊接收部14中的無人機代號接收部141，以及將操作員資訊紀錄部242中的操作員代號傳送至操作員資訊接收部142中。
且無人飛行載具會依規劃路徑設定部22中所紀錄的規劃路徑進行飛行，但因為現場狀況並不能達到絕對的準確，有可能產生誤差或意外(如風力雨量過大、計算建築物或地形高度錯誤等)，讓實際飛行時會產生出與規畫路徑有所差異的實際路徑，則會將此實際路徑紀錄於實際路徑紀錄部23中。
並同時將規劃路徑傳送至風險評估模組1中的規劃路徑接收部151中，及將實際路徑紀錄部23中的實際路徑傳送至風險評估模組1中的實際路徑接收部152中。
並在飛行時，能利用定位元件26來確定無人機飛行載具2的位置，同時利用攝影元件25拍攝該地點的實際狀況，以透過第二通訊模組21及第一通訊模組11傳送至風險評估模組1之中。
之後路徑偏差產生部15則會利用規劃路徑與實際路徑計算出一路徑偏差並傳送至大數據資料庫13中，而場域資料接收部16中的氣象資料接收部161及空域流量接收部162會即時接收到定位元件26所定義之位置處的相關氣象資料與空域流量，並在傳送至大數據資料庫13中進行隨時更新的動作。
而大數據資料庫13即可配合上述之資料來進行隨時更新的動作
，以確保大數據資料庫13中的資料皆為最即時及最正確的資料。深度學習處理部17則會不斷讀取大數據資料庫13中所更動的資料，來進行深度學習的演算動作，以計算出更加正確的相關資料數值，並將計算出的資料數值傳至風險地圖產生部18來產生出更加準確的風險等級地圖。
如此藉由上述之方式，即能根據現場的實際狀況，不斷傳輸資料至風險評估模組1中，以更新大數據資料庫13中的相關資料，讓深度學習處理部17達到深度學習的效果，進而使得風險等級地圖能夠更加準確。
惟，以上所述僅為本發明之較佳實施例而已，非因此即侷限本發明之專利範圍，故舉凡運用本發明說明書及圖式內容所為之簡易修飾及等效結構變化，均應同理包含於本發明之專利範圍內，合予陳明。
綜上所述，本發明之無人機之風險評估裝置及其方法於使用時，為確實能達到其功效及目的，故本發明誠為一實用性優異之發明，為符合發明專利之申請要件，爰依法提出申請，盼 審委早日賜准本發明，以保障發明人之辛苦發明，倘若 鈞局審委有任何稽疑，請不吝來函指示，發明人定當竭力配合，實感德便。
100:遠端伺服器
1:風險評估模組
11:第一通訊模組
12:數值地理資訊模型部
121:數值地形模型部
122:數值高程模型部
123:數值地表模型部
13:大數據資料庫
14:無人機資訊接收部
141:無人機代號接收部
142:操作員資訊接收部
15:路徑偏差產生部
151:規劃路徑接收部
152:實際路徑接收部
16:場域資料接收部
161:氣象資料接收部
162:空域流量接收部
17:深度學習處理部
18:風險地圖產生部
2:無人機飛行載具
21:第二通訊模組
22:規劃路徑設定部
23:實際路徑紀錄部
24:無人機資訊模組
241:無人機代號紀錄部
242:操作員資訊紀錄部
25:攝影元件
26:定位元件
Claims (10)
- 一種無人機之風險評估裝置，其主要包含：一風險評估模組；一無人機飛行載具，該無人機飛行載具係與該風險評估模組相連接；一第一通訊模組，該第一通訊模組設於該風險評估模組內；一第二通訊模組，該第二通訊模組設於該無人機飛行載具內；一規劃路徑設定部，該規劃路徑設定部設於該無人機飛行載具中並與該第二通訊模組相連接；一實際路徑紀錄部，該實際路徑紀錄部設於該無人機飛行載具中並與該第二通訊模組相連接；一無人機資訊模組，該無人機資訊模組設於該無人機飛行載具中並與該第二 通訊模組相連接；一攝影元件，該攝影元件設於該無人機飛行載具中並與該第二通訊模組相連接；一定位元件，該定位元件設於該無人機飛行載具中並與該第二通訊模組相連接；一數值地理資訊模型部，該數值地理資訊模型部設於該風險評估模組內；一大數據資料庫，該大數據資料庫設於該風險評估模組內，並與該數值地理資訊模型部相連接；一無人機資訊接收部，該無人機資訊接收部設於該風險評估模組內，並與該第一通訊模組及該大數據資料庫相連接；一路徑偏差產生部，該路徑偏差產生部設於該風險評估模組內並與該大數據資料庫相連接，而該路徑偏差產生部中具有一與該第一通訊模組相連接之規劃路徑接收部、及一與該第一通訊模組相連接之實際路徑接收部；一場域資料接收部，該場域資料接收部設於該風險評估模組內，並與該第一通訊模組及該大數據資料庫相連接；一深度學習處理部，該深度學習處理部設於該風險評估模組內，並與該大數據資料庫相連接；及一風險地圖產生部，該風險地圖產生部設於該風險評估模組內，並與該深度學習處理部相連接，以供產生一風險等級地圖。
- 如申請專利範圍第1項所述之無人機之風險評估裝置，其中該無人機資訊模組中具有一與該第二通訊模組相連接之無人機代號紀錄部、及一與該第二通訊模組相連接之操作員資訊紀錄部。
- 如申請專利範圍第2項所述之無人機之風險評估裝置，其中該無人機資訊接收部具有一與該第一通訊模組相連接之無人機代號接收部、及一與該第一通訊模組相連接之操作員資訊接收部。
- 如申請專利範圍第1項所述之無人機之風險評估裝置，其中該場域資料接收部中具有一與該第一通訊模組相連接之氣象資料接收部、及一與該第一通訊模組相連接之空域流量接收部。
- 如申請專利範圍第1項所述之無人機之風險評估裝置，其中該數值地理資訊模型部中具有一與該大數據資料庫相連接之數值地形模型部、一與該大數據資料庫相連接之數值高程模型部、一與該大數據資料庫相連接之數值地表模型部。
- 一種無人機之風險評估方法，其主要包含：(a)將一無人機飛行載具中的一第一通訊模組與一風險評估模組中的一第二通訊模組相連接，並經由一無人機資訊接收部接收及確認一無人機資訊模組內的無人機資訊；(b)該無人機飛行載具於飛行時乃透過一定位元件確認位置、及利用一攝影元件拍攝現場狀況，而該無人機飛行載具係利用一規劃路徑設定部中之路徑進行飛行，並將實際的飛行路徑紀錄於一實際路徑紀錄部中；(c)該規劃路徑設定部中的規劃路徑會傳送至一路徑偏差產生部中的一規劃路徑接收部中，而該實際路徑紀錄部所紀錄的實際路徑則會傳送至該路徑偏差產生部中的一實際路徑接收部中，藉此產生一路徑偏差至一大數據資料庫中；(d)該風險評估模組中的數值地理資訊模型部則會根據該無人機飛行載具所要飛行的區域，產生對應的數值地理狀況至該大數據資料庫中；(e)該風險評估模組中的場域資料接收部則會隨時接收飛行場域的現場資料，並傳送至該大數據資料庫中；(f)風險評估模組中的一深度學習處理部則會根據該大數據資料庫隨時更新之數據來進行深度學習的動作；及(g)該深度學習處理部係將深度學習後之數據傳送至一風險地圖產生部來產生一風險等級地圖。
- 如申請專利範圍第6項所述之無人機之風險評估方法，其中該無人機資訊模組中具有一與該第二通訊模組相連接之無人機代號紀錄部、及一與該第二通訊模組相連接之操作員資訊紀錄部。
- 如申請專利範圍第7項所述之無人機之風險評估方法，其中該無人機資訊接收部具有一與該第一通訊模組相連接之無人機代號接收部、及一與該第一通訊模組相連接之操作員資訊接收部。
- 如申請專利範圍第6項所述之無人機之風險評估方法，其中該場域資料接收部中具有一與該第一通訊模組相連接之氣象資料接收部、及一與該第一通訊模組相連接之空域流量接收部。
- 如申請專利範圍第6項所述之無人機之風險評估方法，其中該數值地理資訊模型部中具有一與該大數據資料庫相連接之數值地形模型部、一與該大數據資料庫相連接之數值高程模型部、一與該大數據資料庫相連接之數值地表模型部。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110125345A TWI781682B (zh) | 2021-07-09 | 2021-07-09 | 無人機之風險評估裝置及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110125345A TWI781682B (zh) | 2021-07-09 | 2021-07-09 | 無人機之風險評估裝置及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI781682B true TWI781682B (zh) | 2022-10-21 |
| TW202302415A TW202302415A (zh) | 2023-01-16 |
Family
ID=85475859
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW110125345A TWI781682B (zh) | 2021-07-09 | 2021-07-09 | 無人機之風險評估裝置及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI781682B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018065857A1 (en) * | 2016-10-06 | 2018-04-12 | Gopro, Inc. | Systems and methods for determining predicted risk for a flight path of an unmanned aerial vehicle |
| TW201931333A (zh) * | 2017-09-01 | 2019-08-01 | 美商高通公司 | 機器車輛之碰撞管理 |
| CN111874243A (zh) * | 2020-07-06 | 2020-11-03 | 中国民用航空飞行学院 | 基于飞行数据指标飞行员着陆操纵风险监测与预警系统 |
| TWM619572U (zh) * | 2021-07-09 | 2021-11-11 | 國立臺灣大學 | 無人機之風險評估裝置 |
-
2021
- 2021-07-09 TW TW110125345A patent/TWI781682B/zh active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018065857A1 (en) * | 2016-10-06 | 2018-04-12 | Gopro, Inc. | Systems and methods for determining predicted risk for a flight path of an unmanned aerial vehicle |
| TW201931333A (zh) * | 2017-09-01 | 2019-08-01 | 美商高通公司 | 機器車輛之碰撞管理 |
| CN111874243A (zh) * | 2020-07-06 | 2020-11-03 | 中国民用航空飞行学院 | 基于飞行数据指标飞行员着陆操纵风险监测与预警系统 |
| TWM619572U (zh) * | 2021-07-09 | 2021-11-11 | 國立臺灣大學 | 無人機之風險評估裝置 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202302415A (zh) | 2023-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111512256B (zh) | 自动和自适应的三维机器人现场勘测 | |
| US10901435B2 (en) | Heading generation method and system of unmanned aerial vehicle | |
| US10288430B2 (en) | Method and system for producing a vector map | |
| US9335764B2 (en) | Virtual and augmented reality cockpit and operational control systems | |
| US20200342770A1 (en) | System and Program for Setting Flight Plan Route of Unmanned Aerial Vehicle | |
| KR102007567B1 (ko) | 스테레오 드론 및 이를 이용하는 무기준점 토공량 산출 방법과 시스템 | |
| US20160086497A1 (en) | Landing site tracker | |
| AU2014253606A1 (en) | Landing system for an aircraft | |
| KR20170111921A (ko) | 무인 비행체 제어 방법 및 시스템 | |
| CN104035446A (zh) | 无人机的航向生成方法和系统 | |
| CN104118561B (zh) | 一种基于无人机技术的大型濒危野生动物监测的方法 | |
| JP7079125B2 (ja) | 空中写真撮影管理システム及びプログラム | |
| CN106094876A (zh) | 一种无人机目标锁定系统及其方法 | |
| CN106931944A (zh) | 一种无人机实时三维地理测绘系统 | |
| JP2020170213A (ja) | ドローン作業支援システム及びドローン作業支援方法 | |
| Kim et al. | Opportunities for construction site monitoring by adopting first personal view (FPV) of a drone | |
| TWM619572U (zh) | 無人機之風險評估裝置 | |
| KR102104698B1 (ko) | 송배전설비 감시용 무인 항공기, 송배전설비 감시 시스템 및 송배전설비 감시용 무인 항공기 제어방법 | |
| TWI781682B (zh) | 無人機之風險評估裝置及其方法 | |
| Campoy et al. | An stereoscopic vision system guiding an autonomous helicopter for overhead power cable inspection | |
| Cole et al. | System development and demonstration of a UAV control architecture for information gathering missions | |
| Caballero et al. | An automated UAV-assisted 2D mapping system for First Responders | |
| Maxwell et al. | Turning remote-controlled military systems into autonomous force multipliers | |
| Yamauchi et al. | Development of an Accurate Video Shooting Method Using Multiple Drones Automatically Flying over Onuma Quasi-National Park | |
| CN112444824A (zh) | 一种无人机专用定位系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GD4A | Issue of patent certificate for granted invention patent |