CN113110602A - 一种神经网络的高鲁邦性无人机电力设备自动巡检*** - Google Patents
一种神经网络的高鲁邦性无人机电力设备自动巡检*** Download PDFInfo
- Publication number
- CN113110602A CN113110602A CN202110378552.6A CN202110378552A CN113110602A CN 113110602 A CN113110602 A CN 113110602A CN 202110378552 A CN202110378552 A CN 202110378552A CN 113110602 A CN113110602 A CN 113110602A
- Authority
- CN
- China
- Prior art keywords
- module
- navigation
- aerial vehicle
- unmanned aerial
- neural network
- 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.)
- Pending
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 18
- 238000007689 inspection Methods 0.000 claims abstract description 30
- 230000000007 visual effect Effects 0.000 claims abstract description 30
- 238000010276 construction Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000000034 method Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036544 posture Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G05D1/12—Target-seeking control
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种神经网络的高鲁邦性无人机电力设备自动巡检***,所述自动巡检***包括无人机巡线单元、无人机巡线视觉定位单元、无人机巡线路径规划单元、数据传输单元和三维坐标构建单元,所述无人机巡线单元包括组合导航模块,本发明采用多种可操作导航,多种导航***的使用可大幅度提高不同环境中无人机巡检工作能力,进一步节省人力成本,提升电力线巡检乃至整个电网***的运营效率。
Description
技术领域
本发明涉及无人机电力设备自动巡检技术领域,具体为一种神经网络的高鲁邦性无人机电力设备自动巡检***。
背景技术
目前,对输电线路电力巡检正逐步转向可信息共享、可识别等方向,而其中多旋翼无人机以其独特的功能平台和快速性是电力巡检体系中重要的补充,近年来得到了大量的应用。随着MEMS元器件的发展,近几年来多旋翼无人机完成任务的能力有了很大的提高,在电力巡检领域,装配有可见光相机和红外镜头以及GPS定位***的多旋翼无人机,可沿输电线路进行自主巡线,实时回传线路的图像。监控人员可在手机、平板及PC等客户端进行同步收看与操控,并且能在客户端上自动识别出杂物以及发热不正常的线路段,大大提高了电力巡检的效率,极大的减轻了巡检人员的负担而且避免了人工巡检时可能发生的安全事故。在洪漠灾害、地震灾害等危急情况下,多旋翼无人机可对存在安全隐患的线路诸如杆塔陷落等问题进行检查与自动识别,丝毫不受道路交通状况的影响,不仅减少了巡检人员攀爬杆塔之苦,而且对于迅速恢复供电很有帮助。
现有的无人机电力设备巡检***在使用的过程中,还存在一些缺陷,现有的巡检***大多采用的都是单一的导航***,导致受限制的局限性较大,无法在不同环境下进行精准的导航巡检工作。
发明内容
本发明的目的在于提供一种神经网络的高鲁邦性无人机电力设备自动巡检***,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种神经网络的高鲁邦性无人机电力设备自动巡检***,包括自动巡检***,所述自动巡检***包括无人机巡线单元、无人机巡线视觉定位单元、无人机巡线路径规划单元、数据传输单元和三维坐标构建单元,所述无人机巡线单元包括组合导航模块。
进一步,所述导航组合模块包括INS/GPS组合导航模块、惯导/多普勒组合导航模块、惯导/地磁组合导航模块、惯导/地形匹配组合导航模块和GPS/航迹推算组合导航模块。
进一步,所述无人机巡线视觉定位单元包括视觉传感器图像获取模块、有标记视觉定位模块和无标记视觉定位模块,视觉传感器获取目标图像,经过数字图像处理及特征点提取,得到目标的图像坐标,再由计算机实现被测物体空间几何参数和位置姿态等参数的快速计算,主要分为有标记的视觉定位和无标记的视觉定位两种,其中无标记的定位需要关于场景的先验知识,首先获得环境地图。
进一步,所述无人机巡线路径规划单元包括环境分割路径规划模块、可视图路径规划模块、人工势场路径规划模块和神经网路路径规划模块,环境分割路径规划模块用预先确立的单元以及其间的联系组成一个连通图,构造出一个与环境同构的虚拟空间,在这个定义的虚拟空间中运用一些图搜索方法寻找最优路径,可视图路径规划模块把无人机看作一个质点,把起始点、目标点和障碍物的各顶点连接起来,但不能穿越障碍物,每段连线看成是可达的路径段,最优路径的搜索过程就变成了起始点(或者机器人质点)到目标点的最优线路问题。
进一步,所述三维坐标构建单元包括模型解析模块、塔身模型建立模块、数据标准化模块和精细化塔杆模型模块,其中模型解析模块通过读取杆塔相关信息数据,对数据进行解析处理计算,并转换存储塔身模型建立所需要的数据,塔身模型建立模块根据模型解析获取的数据构建三维杆塔塔身模型,并可对塔身模型进行编辑处理,数据标准化模块将解析出的模型数据存储为特定、标准化类型的数据,用于三维GIS平台对三维杆塔模型的加载和处理,精细化塔杆模型模块主要是通过前三步建立的初步模型配置高低腿和组装杆塔模型,通过对杆塔的塔腿的长度进行设置,将解析建立的杆塔的塔身模型和塔腿模型进行组装形成完整的杆塔模型。
进一步,所述INS/GPS组合导航模块为INS导航和GPS导航相结合的导航***模块,组合的优点表现在对惯导***可以实现惯性传感器的校准、惯导***的空中对准、惯导***高度通道的稳定等,从而可以有效地提高惯导***的性能和精度,对GPS***来说,惯导***的辅助可以提高其跟踪卫星的能力,提高接收机动态特性和抗干扰性,另外,INS/GPS综合还可以实现GPS完整性的检测,从而提高可靠性,另外,INS/GPS组合可以实现一体化,把GPS接收机放入惯导部件中,以进一步减少***的体积、质量和成本,便于实现惯导和GPS同步,减小非同步误差,所述惯导/多普勒组合导航模块为惯性导航和多普勒导航相结合的导航***模块,这种组合方式既解决了多普勒导航受到地形因素的影响,又可以解决惯导自身的累积误差,同时在隐蔽性上二者实现了较好的互补。
进一步,所述惯导/地磁组合导航模块为惯性导航和地磁导航相结合的导航***模块,利用地磁匹配技术的长期稳定性弥补惯***误差随时间累积的缺点,利用惯导***的短期高精度弥补地磁匹配***易受干扰等不足,则可实现惯性/地磁导航,具备自主性强、隐蔽性好、成本低、可用范围广等优点,是当前导航研究领域的一个热点,所述惯导/地形匹配组合导航模块为惯性导航和地形匹配导航相结合的模块,由于地形匹配定位的精度很高,因此可以利用这种精确的位置信息来消除惯性导航***长时间工作的累计误差,提高惯性导航***的定位精度,由于地形匹配辅助导航***具有自主性和高精度的突出优点,将其应用于装载有多种图像传感器的无人机导航***,构成惯性/地形匹配组合导航***,将是地形匹配辅助导航技术发展和应用的未来趋势,所述GPS/航迹推算组合导航模块为GPS导航和航迹推算导航相结合的导航***模块,在GPS失效情况下,依据大气数据计算机测得的空速、磁航向测得的真北航向以及当地风速风向,推算出地速及航迹角。当GPS定位信号中断或质量较差时,由航迹推算***确定无人机的位置和速度,当GPS定位信号质量较好时,利用GPS高精度的定位信息对航迹推算***进行校正,从而构成了高精度、高可靠性的无人机导航定位***,在以较高质量保证了飞行安全和品质的同时,有效降低了***的成本,使无人机摆脱对雷达、测控站等地面***的依赖。
进一步,所述塔身模型建立模块包括塔身模型构建模块和塔身模型编辑模块。
与现有技术相比,本发明具备以下有益效果:
该无人机电力设备自动巡检***,通过设置组合导航模块将其导航分为多种可操作导航,多种导航***的使用可大幅度提高不同环境中无人机巡检工作能力,大大提高了其精准性,进一步节省人力成本,提升电力线巡检乃至整个电网***的运营效率。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为本发明***结构示意图;
图2为本发明无人机巡线视觉定位单元结构示意图;
图3为本发明无人机巡线路径规划单元结构示意图;
图4为本发明三维坐标构建单元结构示意图;
图5为本发明组合导航模块结构示意图。
图中:1自动巡检***、2无人机巡线单元、3无人机巡线视觉定位单元、4无人机巡线路径规划单元、5数据传输单元、6三维坐标构建单元、7组合导航模块。
具体实施方式
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,所描述的实施例仅仅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做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。
在本发明的描述中,需要理解的是,术语“纵向”、“长度”、“周向”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接或可以互相通讯;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
如图1至图5所示,本发明的一种神经网络的高鲁邦性无人机电力设备自动巡检***,包括自动巡检***1,自动巡检***1包括无人机巡线单元2、无人机巡线视觉定位单元3、无人机巡线路径规划单元4、数据传输单元5和三维坐标构建单元6,无人机巡线单元2包括组合导航模块7,导航组合模块7包括INS/GPS组合导航模块、惯导/多普勒组合导航模块、惯导/地磁组合导航模块、惯导/地形匹配组合导航模块和GPS/航迹推算组合导航模块,无人机巡线视觉定位单元3包括视觉传感器图像获取模块、有标记视觉定位模块和无标记视觉定位模块,视觉传感器获取目标图像,经过数字图像处理及特征点提取,得到目标的图像坐标,再由计算机实现被测物体空间几何参数和位置姿态等参数的快速计算,主要分为有标记的视觉定位和无标记的视觉定位两种,其中无标记的定位需要关于场景的先验知识,首先获得环境地图。
无人机巡线路径规划单元4包括环境分割路径规划模块、可视图路径规划模块、人工势场路径规划模块和神经网路路径规划模块,环境分割路径规划模块用预先确立的单元以及其间的联系组成一个连通图,构造出一个与环境同构的虚拟空间,在这个定义的虚拟空间中运用一些图搜索方法寻找最优路径,可视图路径规划模块把无人机看作一个质点,把起始点、目标点和障碍物的各顶点连接起来,但不能穿越障碍物,每段连线看成是可达的路径段,最优路径的搜索过程就变成了起始点(或者机器人质点)到目标点的最优线路问题,三维坐标构建单元6包括模型解析模块、塔身模型建立模块、数据标准化模块和精细化塔杆模型模块,其中模型解析模块通过读取杆塔相关信息数据,对数据进行解析处理计算,并转换存储塔身模型建立所需要的数据,塔身模型建立模块根据模型解析获取的数据构建三维杆塔塔身模型,并可对塔身模型进行编辑处理,数据标准化模块将解析出的模型数据存储为特定、标准化类型的数据,用于三维GIS平台对三维杆塔模型的加载和处理,精细化塔杆模型模块主要是通过前三步建立的初步模型配置高低腿和组装杆塔模型,通过对杆塔的塔腿的长度进行设置,将解析建立的杆塔的塔身模型和塔腿模型进行组装形成完整的杆塔模型,INS/GPS组合导航模块为INS导航和GPS导航相结合的导航***模块,组合的优点表现在对惯导***可以实现惯性传感器的校准、惯导***的空中对准、惯导***高度通道的稳定等,从而可以有效地提高惯导***的性能和精度。
对GPS***来说,惯导***的辅助可以提高其跟踪卫星的能力,提高接收机动态特性和抗干扰性,另外,INS/GPS综合还可以实现GPS完整性的检测,从而提高可靠性,另外,INS/GPS组合可以实现一体化,把GPS接收机放入惯导部件中,以进一步减少***的体积、质量和成本,便于实现惯导和GPS同步,减小非同步误差,惯导/多普勒组合导航模块为惯性导航和多普勒导航相结合的导航***模块,这种组合方式既解决了多普勒导航受到地形因素的影响,又可以解决惯导自身的累积误差,同时在隐蔽性上二者实现了较好的互补,惯导/地磁组合导航模块为惯性导航和地磁导航相结合的导航***模块,利用地磁匹配技术的长期稳定性弥补惯***误差随时间累积的缺点,利用惯导***的短期高精度弥补地磁匹配***易受干扰等不足,则可实现惯性/地磁导航,具备自主性强、隐蔽性好、成本低、可用范围广等优点,是当前导航研究领域的一个热点,惯导/地形匹配组合导航模块为惯性导航和地形匹配导航相结合的模块,由于地形匹配定位的精度很高,因此可以利用这种精确的位置信息来消除惯性导航***长时间工作的累计误差,提高惯性导航***的定位精度,由于地形匹配辅助导航***具有自主性和高精度的突出优点,将其应用于装载有多种图像传感器的无人机导航***,构成惯性/地形匹配组合导航***,将是地形匹配辅助导航技术发展和应用的未来趋势,GPS/航迹推算组合导航模块为GPS导航和航迹推算导航相结合的导航***模块,在GPS失效情况下,依据大气数据计算机测得的空速、磁航向测得的真北航向以及当地风速风向,推算出地速及航迹角。当GPS定位信号中断或质量较差时,由航迹推算***确定无人机的位置和速度,当GPS定位信号质量较好时,利用GPS高精度的定位信息对航迹推算***进行校正,从而构成了高精度、高可靠性的无人机导航定位***,在以较高质量保证了飞行安全和品质的同时,有效降低了***的成本,使无人机摆脱对雷达、测控站等地面***的依赖。
塔身模型建立模块包括塔身模型构建模块和塔身模型编辑模块,通过设置组合导航模块7将其导航分为多种可操作导航,其各类导航方式可以总体分为有源导航以和无源导航,其中有源导航,即高精度惯性导航,卫星导航,星光制导等技术或者以上技术的组合,主要依赖外部设备提供的位置及姿态数据或者昂贵的惯导器件进行位置及姿态判定,有源导航的优点是定位精度高,但是此方法需要稳定的GPS或者外部信息并且对惯导器件要求极高,所以有源导航成本较高且不适用于树木较多,建筑物较多等没有稳定GPS信号的区域,多种导航***的使用可大幅度提高不同环境中无人机巡检工作能力,大大提高了其精准性,进一步节省人力成本,提升电力线巡检乃至整个电网***的运营效率。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种神经网络的高鲁邦性无人机电力设备自动巡检***,包括自动巡检***(1),其特征在于:所述自动巡检***(1)包括无人机巡线单元(2)、无人机巡线视觉定位单元(3)、无人机巡线路径规划单元(4)、数据传输单元(5)和三维坐标构建单元(6),所述无人机巡线单元(2)包括组合导航模块(7)。
2.根据权利要求1所述的一种神经网络的高鲁邦性无人机电力设备自动巡检***,其特征在于:所述导航组合模块(7)包括INS/GPS组合导航模块、惯导/多普勒组合导航模块、惯导/地磁组合导航模块、惯导/地形匹配组合导航模块和GPS/航迹推算组合导航模块。
3.根据权利要求1所述的一种神经网络的高鲁邦性无人机电力设备自动巡检***,其特征在于:所述无人机巡线视觉定位单元(3)包括视觉传感器图像获取模块、有标记视觉定位模块和无标记视觉定位模块。
4.根据权利要求1所述的一种神经网络的高鲁邦性无人机电力设备自动巡检***,其特征在于:所述无人机巡线路径规划单元(4)包括环境分割路径规划模块、可视图路径规划模块、人工势场路径规划模块和神经网路路径规划模块。
5.根据权利要求1所述的一种神经网络的高鲁邦性无人机电力设备自动巡检***,其特征在于:所述三维坐标构建单元(6)包括模型解析模块、塔身模型建立模块、数据标准化模块和精细化塔杆模型模块。
6.根据权利要求2所述的一种神经网络的高鲁邦性无人机电力设备自动巡检***,其特征在于:所述INS/GPS组合导航模块为INS导航和GPS导航相结合的导航***模块,所述惯导/多普勒组合导航模块为惯性导航和多普勒导航相结合的导航***模块。
7.根据权利要求2所述的一种神经网络的高鲁邦性无人机电力设备自动巡检***,其特征在于:所述惯导/地磁组合导航模块为惯性导航和地磁导航相结合的导航***模块,所述惯导/地形匹配组合导航模块为惯性导航和地形匹配导航相结合的模块,所述GPS/航迹推算组合导航模块为GPS导航和航迹推算导航相结合的导航***模块。
8.根据权利要求5所述的一种神经网络的高鲁邦性无人机电力设备自动巡检***,其特征在于:所述塔身模型建立模块包括塔身模型构建模块和塔身模型编辑模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378552.6A CN113110602A (zh) | 2021-04-08 | 2021-04-08 | 一种神经网络的高鲁邦性无人机电力设备自动巡检*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378552.6A CN113110602A (zh) | 2021-04-08 | 2021-04-08 | 一种神经网络的高鲁邦性无人机电力设备自动巡检*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113110602A true CN113110602A (zh) | 2021-07-13 |
Family
ID=76715188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110378552.6A Pending CN113110602A (zh) | 2021-04-08 | 2021-04-08 | 一种神经网络的高鲁邦性无人机电力设备自动巡检*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113110602A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114115361A (zh) * | 2021-11-08 | 2022-03-01 | 苏州热工研究院有限公司 | 一种基于光伏电站的无人机巡检***及其巡检方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106403948A (zh) * | 2015-07-27 | 2017-02-15 | 国家电网公司 | 用于输电线路巡检无人机的三维航迹规划方法 |
CN110221333A (zh) * | 2019-04-11 | 2019-09-10 | 同济大学 | 一种车载ins/od组合导航***的量测误差补偿方法 |
CN112233270A (zh) * | 2020-10-30 | 2021-01-15 | 国家电网有限公司 | 一种无人机自主智能绕塔巡检*** |
-
2021
- 2021-04-08 CN CN202110378552.6A patent/CN113110602A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106403948A (zh) * | 2015-07-27 | 2017-02-15 | 国家电网公司 | 用于输电线路巡检无人机的三维航迹规划方法 |
CN110221333A (zh) * | 2019-04-11 | 2019-09-10 | 同济大学 | 一种车载ins/od组合导航***的量测误差补偿方法 |
CN112233270A (zh) * | 2020-10-30 | 2021-01-15 | 国家电网有限公司 | 一种无人机自主智能绕塔巡检*** |
Non-Patent Citations (2)
Title |
---|
冯智慧等: "基于三维GIS的无人机巡检航迹规划研究", 《高压电器》 * |
苏中,张双彪,赵旭,刘福期,连晓峰著: "《仿生蛇形机器人技术》", 31 December 2015 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114115361A (zh) * | 2021-11-08 | 2022-03-01 | 苏州热工研究院有限公司 | 一种基于光伏电站的无人机巡检***及其巡检方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111522043B (zh) | 一种无人车激光雷达快速重新匹配定位方法 | |
CN108536145A (zh) | 一种使用机器视觉进行智能跟随的机器人***及运行方法 | |
CN108896044B (zh) | 一种基于惯性导航和卫星导航的定位方法及装置 | |
CN111487642A (zh) | 基于三维激光和双目视觉的变电站巡检机器人定位导航***及方法 | |
CN113074727A (zh) | 基于蓝牙与slam的室内定位导航装置及其方法 | |
CN113156998B (zh) | 一种无人机飞控***的控制方法 | |
CN108775901B (zh) | 一种实时slam场景地图构建***、导航***及方法 | |
CN208027170U (zh) | 一种电力巡线无人机及*** | |
CN113566833A (zh) | 一种多传感器融合的车辆定位方法及*** | |
CN105388908A (zh) | 基于机器视觉的无人机定位着降方法及*** | |
CN114459467B (zh) | 一种未知救援环境中基于vi-slam的目标定位方法 | |
CN111694001A (zh) | 一种用于无人机的实时测距定位*** | |
CN112179338A (zh) | 一种基于视觉和惯导融合的低空无人机自身定位方法 | |
CN113419235A (zh) | 一种基于毫米波雷达的无人机定位方法 | |
CN112286228A (zh) | 无人机三维可视化避障方法及*** | |
CN110989670B (zh) | 一种用于输变电工程环水保监测的无人机***及其航拍方法 | |
CN115855041A (zh) | 一种农业机器人定位方法、***及装置 | |
CN113920186B (zh) | 一种低空无人机多源融合定位方法 | |
CN113110602A (zh) | 一种神经网络的高鲁邦性无人机电力设备自动巡检*** | |
CN113311452B (zh) | 一种基于多传感器的定位方法及其*** | |
CN107291092A (zh) | 一种WiFi支撑的空地协同无人机*** | |
CN113063401A (zh) | 一种无人机航测*** | |
CN116957360A (zh) | 一种基于无人机的空间观测与重建方法及*** | |
CN115951369A (zh) | 面向复杂港口环境的多传感器融合定位方法 | |
Jingjing et al. | Research on autonomous positioning method of UAV based on binocular vision |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210713 |
|
RJ01 | Rejection of invention patent application after publication |