CN113671979A - 一种无人机复位固定装置及应用其的降落定位方法 - Google Patents
一种无人机复位固定装置及应用其的降落定位方法 Download PDFInfo
- Publication number
- CN113671979A CN113671979A CN202110975031.9A CN202110975031A CN113671979A CN 113671979 A CN113671979 A CN 113671979A CN 202110975031 A CN202110975031 A CN 202110975031A CN 113671979 A CN113671979 A CN 113671979A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- fixing device
- tag
- edge
- 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 42
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 16
- 239000010959 steel Substances 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000007689 inspection Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012795 verification Methods 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
- G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
- G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft
-
- 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
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Image Analysis (AREA)
Abstract
一种无人机复位固定装置及应用其的降落定位方法，涉及无人机技术领域。为解决现有的无人机降落技术定位的方法通常是依赖GPS定位***以及网络RTK实时动态差分算法。普通的GPS定位精度一般都在2米到3米左右，无法保证无人机的精准降落，进而导致无法进行无人机充电操作的问题。起降平台上设有两对钢轨，且两对钢轨十字交叉设置，两对钢轨的十字交叉处设有一对停机支架，且一对停机支架的底面设有滑块，且滑块与导轨滑动连接。本发明适用于无人机技术领域。
Description
技术领域
本发明涉及无人机技术领域，具体涉及一种无人机复位固定装置及应用其的降落定位方法。
背景技术
传统电力巡检方式以人工巡检为主，效率较低，很难进行全方位的巡检。无人机作为国家电网巡检中的一种新型应用，避免了地形对巡检的限制，在电力巡检上的运用成为必然。现有无人机由于受限于电池容量，续航能力差，不能大范围覆盖和长时间开展电力巡检，每次结束短暂飞行后须人工手动进行充电、换电，比较繁琐，而现有的无人机自动换电、充电技术，往往需要控制无人机精准的降落在指定地点。
现有的无人机降落技术定位的方法通常是依赖GPS定位***以及网络RTK实时动态差分算法。普通的GPS定位精度一般都在2米到3米左右，无法保证无人机的精准降落。而利用网络RTK实时动态差分算法进行GPS测量，精度可达厘米级别，但对于GPS信号较差或不稳定的地区，依旧难以实现精准降落定位，进而导致无法进行无人机充电操作。
发明内容
本发明为解决现有的无人机降落技术定位的方法通常是依赖GPS定位***以及网络RTK实时动态差分算法。普通的GPS定位精度一般都在2米到3米左右，无法保证无人机的精准降落，进而导致无法进行无人机充电操作的问题，而提出一种无人机复位固定装置及应用其的降落定位方法。
本发明的一种无人机复位固定装置，包括起降平台、两对钢轨和一对停机支架；起降平台上设有两对钢轨，且两对钢轨十字交叉设置，两对钢轨的十字交叉处设有一对停机支架，且一对停机支架的底面设有滑块，且滑块与导轨滑动连接；
进一步的，所述的起降平台的上表面其中一角处设有一号标记，起降平台的上表面其他三角处分别设有一个二号标记；
进一步的，所述的二号标记的面积小于一号标记；
本发明的一种应用无人机复位固定装置的降落定位方法，其具体方法如下：
步骤一、检测出图像中的各种边缘；
步骤二、根据步骤一检测出来的边缘，下边缘的图像中找出需要的四边形图案并进行筛选，尽可能的对检测出的边缘检测，首先剔除非直线边缘，在直线边缘进行邻接边缘查找，最终若形成闭环则为检测到一个四边形；
步骤三、对步骤二检测出的图形进行AR tag编码和AR tag解码，对于解码内容，要在检测到的四边形内生成点阵列用于计算每色块的值，再根据局部二值模式构造简单分类器对四边形内的色块进行分类，将正例色块编码为1，将负例色块编码为0，就可以得到该ARtag的编码；
步骤四、得到编码以后再与已知库内的编码进行匹配，确定解码出的AR tag是否为正确；
进一步的，所述的步骤一中使用Canny算子方法寻找图像中的边缘；
进一步的，所述的步骤二中对边缘图形进行检测的具体方法如下：
对于得到的二值化边缘图像，需要对其进行多边形分析，首先运用边缘结构分析查找多边形，该方法用于确定二值图像边缘的围绕关系，即确定外边缘，内边缘以及它们之间嵌套关系，确定的边缘都与原图都有相对应的关系。
利用多边形凸包寻找算法，计算每一个多边形本身的凸包，并求凸包及其多边形的面积，将两个面积进行比较，当多边形面积比凸包大时将该多边形排除，这样子可以有效的排除非凸多边形，保留满足条件的其余多边形；
对于最终满足条件的多边形，通过以下方法进行四边形逼近：
①寻找曲线的两个端点A，B，作曲线间的弦即线段AB；
②求线段AB到曲线上的距离最远的点C，并求其间的距离d；。
③将该距离d与提前设定的阈值进行比较，如果小于阈值，就可直接将该直线近似为曲线，该段曲线处理完毕；
④如果距离d大于给定的阈值，用点C将曲线分割成为AC与BC，并分别对两段取线进行1至3的处理；
⑤当所有曲线都处理完毕时，依次连接各个分割点形成的折线，这样就可将处理前的曲线近似成为直线，排除该情况下顶点数不为4的多边形；
进一步的，所述的步骤四中确定解码出的AR tag是否为正确的具体方法如下：
首先要确定其内部的点阵，四边形是以四个顶点的形式进行存储的，根据这四个点可以确定其四边形内的点阵的具体坐标，不同编码方式其点阵的个数不相同，其编码方式由使用者对物体进行标定时确定，根据编码方式的不同，生成不同的内点坐标，进而确定解码出的AR tag是正确的。
本发明与现有技术相比具有以下有益效果：
本发明克服了现有技术的缺点，通过在RTK技术的基础上增加AR tag技术，增加了无人机的降落精准度，有效地减少了降落意外的发生；
采用底板上设有两对钢轨，且两对钢轨十字交叉设置，两对钢轨的十字交叉处设有一对停机支架，且一对停机支架的底面设有滑块，且滑块与导轨滑动连接，在更换无人机的无人机电池前，调整无人机的位置，实现对无人机充电操作，使得无人机在后续更换电池过程中，效率高，能有效降低意外事故发生，保护了无人机的安全。此种复位固定装置结构简单、维护成本低、自动化程度高、稳定性与可靠性高。
附图说明
图1是本发明所述的一种无人机复位固定装置的三维立体示意图；
图2是本发明所述的一种无人机复位固定装置的俯视图；
图3是本发明所述的一种无人机复位固定装置的侧视图；
图4是本发明所述的一种应用无人机复位固定装置的降落定位方法的检测图像一；
图5是本发明所述的一种应用无人机复位固定装置的降落定位方法的检测图像二；
图6是本发明所述的一种应用无人机复位固定装置的降落定位方法的轨迹示意图。
具体实施方式
具体实施方式一：结合图1至图3说明本实施方式，本实施方式所述的一种无人机复位固定装置包括起降平台1、两对钢轨2和一对停机支架3；起降平台1上设有两对钢轨2，且两对钢轨2十字交叉设置，两对钢轨2的十字交叉处设有一对停机支架3，且一对停机支架3的底面设有滑块，且滑块与导轨滑动连接；
本具体实施方式，在更换无人机的无人机电池前，需要调整无人机的位置，使其固定在一个点上，起降平台1上设有两对钢轨2，且两对钢轨2十字交叉设置，两对钢轨2的十字交叉处设有一对停机支架3，且一对停机支架3的底面设有滑块，且滑块与导轨滑动连接形成可供无人机移动的直线通道；无人机穿越直线通道的过程中，最终无人机固定于起降的中心位置，后续起降平台可对无人机执行换电或者充电等动作。
具体实施方式二：结合图1说明本实施方式，本实施方式是对具体实施方式一所述的复位固定装置的进一步的限定，本实施方式所述的一种无人机复位固定装置，所述的起降平台1的上表面其中一角处设有一号标记4，起降平台1的上表面其他三角处分别设有一个二号标记5。
具体实施方式三：结合图1说明本实施方式，本实施方式是对具体实施方式二所述的复位固定装置的进一步的限定，本实施方式所述的一种无人机复位固定装置，所述的二号标记5的面积小于一号标记4。
具体实施方式四：结合图6说明本实施方式，本实施方式所述的一种应用无人机复位固定装置的降落定位方法，其具体方法如下：
步骤一、检测出图像中的各种边缘；
步骤二、根据步骤一检测出来的边缘，下边缘的图像中找出需要的四边形图案并进行筛选，尽可能的对检测出的边缘检测，首先剔除非直线边缘，在直线边缘进行邻接边缘查找，最终若形成闭环则为检测到一个四边形；
步骤三、对步骤二检测出的图形进行AR tag编码和AR tag解码，对于解码内容，要在检测到的四边形内生成点阵列用于计算每色块的值，再根据局部二值模式构造简单分类器对四边形内的色块进行分类，将正例色块编码为1，将负例色块编码为0，就可以得到该ARtag的编码；
步骤四、得到编码以后再与已知库内的编码进行匹配，确定解码出的AR tag是否为正确；
本具体实施方式，在无人机起降平台上，增加AR Tag标签，使得无人机在原有的RTK定位技术上，增加AR Tag技术，无人机基站的遥控天线与无人机之间建立的通信链路，从专用通信链路接收无人机发送的视频数据流，将视频数据流进行解码，获取无人机的视频图像，检测识别到AR Tag后，即可得对无人机相对于起降平台的位置和姿势，无人机相对于起降平台的位置是由各个检测到的AR Tag得到的相对位置求平均值算出。起降平台有4个AR Tag，除开1个AR Tag还有3个AR Tag是为了方便无人机在距离起降板比较近的时候无法识别大AR Tag可以继续识别小AR Tag来进行自身定位，从而算出标签在相机坐标中的位置与姿态。
具体实施方式五：结合图6说明本实施方式，本实施方式是对具体实施方式四所述的降落定位方法的进一步的限定，本实施方式所述的一种应用无人机复位固定装置的降落定位方法，所述的步骤一中使用Canny算子方法寻找图像中的边缘。
具体实施方式六：结合图6说明本实施方式，本实施方式是对具体实施方式四所述的降落定位方法的进一步的限定，本实施方式所述的一种应用无人机复位固定装置的降落定位方法，所述的步骤二中对边缘图形进行检测的具体方法如下：
对于得到的二值化边缘图像，需要对其进行多边形分析，首先运用边缘结构分析查找多边形，该方法用于确定二值图像边缘的围绕关系，即确定外边缘，内边缘以及它们之间嵌套关系，确定的边缘都与原图都有相对应的关系。
利用多边形凸包寻找算法，计算每一个多边形本身的凸包，并求凸包及其多边形的面积，将两个面积进行比较，当多边形面积比凸包大时将该多边形排除，这样子可以有效的排除非凸多边形，保留满足条件的其余多边形；
对于最终满足条件的多边形，通过以下方法进行四边形逼近：
①寻找曲线的两个端点A，B，作曲线间的弦即线段AB；
②求线段AB到曲线上的距离最远的点C，并求其间的距离d；。
③将该距离d与提前设定的阈值进行比较，如果小于阈值，就可直接将该直线近似为曲线，该段曲线处理完毕；
④如果距离d大于给定的阈值，用点C将曲线分割成为AC与BC，并分别对两段取线进行1至3的处理；
⑤当所有曲线都处理完毕时，依次连接各个分割点形成的折线，这样就可将处理前的曲线近似成为直线，排除该情况下顶点数不为4的多边形。
具体实施方式七：结合图6说明本实施方式，本实施方式是对具体实施方式四所述的降落定位方法的进一步的限定，本实施方式所述的一种应用无人机复位固定装置的降落定位方法，所述的步骤四中确定解码出的AR tag是否为正确的具体方法如下：
首先要确定其内部的点阵，四边形是以四个顶点的形式进行存储的，根据这四个点可以确定其四边形内的点阵的具体坐标，不同编码方式其点阵的个数不相同，其编码方式由使用者对物体进行标定时确定，根据编码方式的不同，生成不同的内点坐标，进而确定解码出的AR tag是正确的。
具体实施方式八：结合图4和图5说明本实施方式，本实施方式是对具体实施方式四所述的降落定位方法的进一步的限定，本实施方式所述的一种应用无人机复位固定装置的降落定位方法，在确定的四边形中明确点阵坐标，在灰度图像中提取点阵的最***一圈的像素的平均值Value1，再提取点阵次外***一圈的像素的平均值Value2，根据AR tag的设计，四边形最外一层的虽有点的灰度值都是黑色的，而此外层的灰度值是黑色与白色混合，因此在同一光照环境下，Value1和Value2有明显的阈值分界线，确定阈值为Value1与Value2的均值。
进一步确定编码是否可靠，要与已知的编码库进行匹配，由于观察到的编码存在旋转的情况，所以应先将得到的编码进行三次90°旋转共得到四个方向上的编码，再逐一与编码库进行比较，求解编码之间的汉明距离，就确定该观察编码的ID为与之匹配的编码库里的ID，并记录下该汉明距离，若编码库并没有一个与之匹配就确定该观察编码有误，则舍弃该编码对应的四边形。
经过上述的筛选与验证，至此观察编码的ID以及编码的旋转已经可以确定，便可计算该AR tag的其他参数，包括AR tag相对于原AR tag的旋转方位，观察AR tag与匹配ARtag的相似程度，其中主要为AR tag的单线性变换矩阵，根据上一个步骤求出的四个顶点的坐标即可求出相对于原始坐标的单线性变换矩阵，利用单线性变换矩阵结合多相机的信息，可以得到无人机相对于AR tag的相关姿势信息及位置信息，从而实现无人机的精准降落。
Claims (7)
1.一种无人机复位固定装置，其特征在于：它包括起降平台(1)、两对钢轨(2)和一对停机支架(3)；起降平台(1)上设有两对钢轨(2)，且两对钢轨(2)十字交叉设置，两对钢轨(2)的十字交叉处设有一对停机支架(3)，且一对停机支架(3)的底面设有滑块，且滑块与导轨滑动连接。
2.根据权利要求1所述的一种无人机复位固定装置，其特征在于：所述的起降平台(1)的上表面其中一角处设有一号标记(4)，起降平台(1)的上表面其他三角处分别设有一个二号标记(5)。
3.根据权利要求2所述的一种无人机复位固定装置，其特征在于：所述的二号标记(5)的面积小于一号标记(4)。
4.根据权利要求1所述的一种应用无人机复位固定装置的降落定位方法，其特征在于：其具体方法如下：
步骤一、检测出图像中的各种边缘；
步骤二、根据步骤一检测出来的边缘，下边缘的图像中找出需要的四边形图案并进行筛选，尽可能的对检测出的边缘检测，首先剔除非直线边缘，在直线边缘进行邻接边缘查找，最终若形成闭环则为检测到一个四边形；
步骤三、对步骤二检测出的图形进行AR tag编码和AR tag解码，对于解码内容，要在检测到的四边形内生成点阵列用于计算每色块的值，再根据局部二值模式构造简单分类器对四边形内的色块进行分类，将正例色块编码为1，将负例色块编码为0，就可以得到该AR tag的编码；
步骤四、得到编码以后再与已知库内的编码进行匹配，确定解码出的AR tag是否为正确。
5.根据权利要求4所述的一种应用无人机复位固定装置的降落定位方法，其特征在于：所述的步骤一中使用Canny算子方法寻找图像中的边缘。
6.根据权利要求4所述的一种应用无人机复位固定装置的降落定位方法，其特征在于：所述的步骤二中对边缘图形进行检测的具体方法如下：
对于得到的二值化边缘图像，需要对其进行多边形分析，首先运用边缘结构分析查找多边形，该方法用于确定二值图像边缘的围绕关系，即确定外边缘，内边缘以及它们之间嵌套关系，确定的边缘都与原图都有相对应的关系。
利用多边形凸包寻找算法，计算每一个多边形本身的凸包，并求凸包及其多边形的面积，将两个面积进行比较，当多边形面积比凸包大时将该多边形排除，这样子可以有效的排除非凸多边形，保留满足条件的其余多边形；
对于最终满足条件的多边形，通过以下方法进行四边形逼近：
一、寻找曲线的两个端点A，B，作曲线间的弦即线段AB；
二、求线段AB到曲线上的距离最远的点C，并求其间的距离d；。
三、将该距离d与提前设定的阈值进行比较，如果小于阈值，就可直接将该直线近似为曲线，该段曲线处理完毕；
四、如果距离d大于给定的阈值，用点C将曲线分割成为AC与BC，并分别对两段取线进行处理；
五、当所有曲线都处理完毕时，依次连接各个分割点形成的折线，这样就可将处理前的曲线近似成为直线，排除该情况下顶点数不为4的多边形。
7.根据权利要求4所述的一种应用无人机复位固定装置的降落定位方法，其特征在于：所述的步骤四中确定解码出的AR tag是否为正确的具体方法如下：
首先要确定其内部的点阵，四边形是以四个顶点的形式进行存储的；然后根据这四个点确定其四边形内的点阵的具体坐标，不同编码方式其点阵的个数不相同，其编码方式由使用者对物体进行标定时确定，根据编码方式的不同，生成不同的内点坐标；最后确定解码出的AR tag是正确的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110975031.9A CN113671979B (zh) | 2021-08-24 | 2021-08-24 | 一种无人机复位固定装置及应用其的降落定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110975031.9A CN113671979B (zh) | 2021-08-24 | 2021-08-24 | 一种无人机复位固定装置及应用其的降落定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113671979A true CN113671979A (zh) | 2021-11-19 |
| CN113671979B CN113671979B (zh) | 2024-03-08 |
Family
ID=78545616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110975031.9A Active CN113671979B (zh) | 2021-08-24 | 2021-08-24 | 一种无人机复位固定装置及应用其的降落定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113671979B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106628211A (zh) * | 2017-03-16 | 2017-05-10 | 山东大学 | 基于led点阵的地面引导式无人机飞行降落***及方法 |
| CN107065896A (zh) * | 2017-04-27 | 2017-08-18 | 杨睿 | 无人机出仓回仓的控制方法 |
| CN107544550A (zh) * | 2016-06-24 | 2018-01-05 | 西安电子科技大学 | 一种基于视觉引导的无人机自动着陆方法 |
| CN108873943A (zh) * | 2018-07-20 | 2018-11-23 | 南京奇蛙智能科技有限公司 | 一种无人机厘米级精准降落的图像处理方法 |
| CN109131922A (zh) * | 2018-08-30 | 2019-01-04 | 上海复亚智能科技有限公司 | 一种无人机自动机场*** |
| CN109739257A (zh) * | 2018-12-21 | 2019-05-10 | 中科院合肥技术创新工程院 | 融合卫星导航与视觉感知的巡检无人机停机方法及*** |
| CN109992006A (zh) * | 2019-05-31 | 2019-07-09 | 江苏方天电力技术有限公司 | 一种电力巡检无人机的精准回收方法和*** |
| CN110989661A (zh) * | 2019-11-19 | 2020-04-10 | 山东大学 | 一种基于多个定位二维码的无人机精准降落方法及*** |
| CN211180658U (zh) * | 2019-11-18 | 2020-08-04 | 国网江苏省电力有限公司泰州供电分公司 | 一种无人机配电网智能巡检*** |
| CN111596674A (zh) * | 2020-03-31 | 2020-08-28 | 广州中科云图智能科技有限公司 | 无人机的降落定位方法、装置及无人机巢 |
| CN112925334A (zh) * | 2021-02-02 | 2021-06-08 | 国网江苏省电力有限公司泰州供电分公司 | 一种智能巡检无人机降落***及降落方法 |
-
2021
- 2021-08-24 CN CN202110975031.9A patent/CN113671979B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107544550A (zh) * | 2016-06-24 | 2018-01-05 | 西安电子科技大学 | 一种基于视觉引导的无人机自动着陆方法 |
| CN106628211A (zh) * | 2017-03-16 | 2017-05-10 | 山东大学 | 基于led点阵的地面引导式无人机飞行降落***及方法 |
| CN107065896A (zh) * | 2017-04-27 | 2017-08-18 | 杨睿 | 无人机出仓回仓的控制方法 |
| CN108873943A (zh) * | 2018-07-20 | 2018-11-23 | 南京奇蛙智能科技有限公司 | 一种无人机厘米级精准降落的图像处理方法 |
| CN109131922A (zh) * | 2018-08-30 | 2019-01-04 | 上海复亚智能科技有限公司 | 一种无人机自动机场*** |
| CN109739257A (zh) * | 2018-12-21 | 2019-05-10 | 中科院合肥技术创新工程院 | 融合卫星导航与视觉感知的巡检无人机停机方法及*** |
| CN109992006A (zh) * | 2019-05-31 | 2019-07-09 | 江苏方天电力技术有限公司 | 一种电力巡检无人机的精准回收方法和*** |
| CN211180658U (zh) * | 2019-11-18 | 2020-08-04 | 国网江苏省电力有限公司泰州供电分公司 | 一种无人机配电网智能巡检*** |
| CN110989661A (zh) * | 2019-11-19 | 2020-04-10 | 山东大学 | 一种基于多个定位二维码的无人机精准降落方法及*** |
| CN111596674A (zh) * | 2020-03-31 | 2020-08-28 | 广州中科云图智能科技有限公司 | 无人机的降落定位方法、装置及无人机巢 |
| CN112925334A (zh) * | 2021-02-02 | 2021-06-08 | 国网江苏省电力有限公司泰州供电分公司 | 一种智能巡检无人机降落***及降落方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113671979B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mi et al. | Vision-based measurement: actualities and developing trends in automated container terminals | |
| CN110532889B (zh) | 基于旋翼无人飞行器和YOLOv3的轨道异物检测方法 | |
| CN109525194B (zh) | 光伏板故障光斑检测识别方法和*** | |
| CN110054089B (zh) | 一种轮胎吊机器视觉自动纠偏***及纠偏方法 | |
| CN101398907B (zh) | 一种用于移动机器人的二维码结构及解码方法 | |
| Mi et al. | Research on regional clustering and two-stage SVM method for container truck recognition | |
| EP3196853A1 (en) | Machine vision-based method and system for aircraft docking guidance and aircraft type identification | |
| CN111598952B (zh) | 一种多尺度合作靶标设计与在线检测识别方法及*** | |
| CN110766979A (zh) | 一种用于自动驾驶车辆的泊车车位检测方法 | |
| CN105203552A (zh) | 一种360°踏面图像检测***及其检测方法 | |
| CN114049294B (zh) | 基于三维轮廓的路面技术状况检测方法及设备 | |
| CN110619329A (zh) | 基于机载视觉的铁路货运敞车车厢编号及装载状态识别方法 | |
| CN104835173A (zh) | 一种基于机器视觉的定位方法 | |
| CN111596674A (zh) | 无人机的降落定位方法、装置及无人机巢 | |
| CN112477533B (zh) | 设施农业路轨两用运输机器人 | |
| Wang et al. | Autonomous landing of multi-rotors UAV with monocular gimbaled camera on moving vehicle | |
| CN113538503A (zh) | 一种基于红外图像的太阳能板缺陷检测方法 | |
| CN111238365B (zh) | 基于立体视觉的地铁列车测距和定位方法及*** | |
| CN110490342B (zh) | 一种基于Faster R-CNN的接触网静态几何参数检测方法 | |
| CN115014371A (zh) | 一种用于智慧粮库粮食转运车的定位与建图方法、装置及存储介质 | |
| Li et al. | Real-time accurate deep learning-based edge detection for 3-D pantograph pose status inspection | |
| Wang et al. | Geometry constraints-based visual rail track extraction | |
| CN113885504A (zh) | 一种列检机器人自主巡检方法、***及存储介质 | |
| CN105447431A (zh) | 一种基于机器视觉的入坞飞机跟踪定位方法及*** | |
| CN113671979A (zh) | 一种无人机复位固定装置及应用其的降落定位方法 |
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 |