CN115586797A - 基于点对点的无人机拍摄轨迹校正方法及*** - Google Patents
基于点对点的无人机拍摄轨迹校正方法及*** Download PDFInfo
- Publication number
- CN115586797A CN115586797A CN202211380799.2A CN202211380799A CN115586797A CN 115586797 A CN115586797 A CN 115586797A CN 202211380799 A CN202211380799 A CN 202211380799A CN 115586797 A CN115586797 A CN 115586797A
- Authority
- CN
- China
- Prior art keywords
- point
- data
- aerial vehicle
- unmanned aerial
- track
- 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
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012937 correction Methods 0.000 title claims abstract description 32
- 230000033001 locomotion Effects 0.000 claims description 61
- 230000015654 memory Effects 0.000 claims description 24
- 238000012216 screening Methods 0.000 claims description 23
- 230000002776 aggregation Effects 0.000 claims description 13
- 238000004220 aggregation Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 8
- 239000006185 dispersion Substances 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 description 33
- 230000008569 process Effects 0.000 description 21
- 238000012545 processing Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000007499 fusion processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000016507 interphase Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000013519 translation 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
- G05D1/10—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)
Abstract
本申请涉及一种基于点对点的无人机拍摄轨迹校正方法及***,方法包括响应于获取到的多组线数据,获取线数据中的一组连续数据;基于连续数据构建模型,得到多个弧线段并将长度最短的弧线段记为标准弧线段;将飞行高度调整至与标准弧线段的曲率圆心位于同一高度;响应于获取到的点云数据,构建曲面模型基于曲面模型生成移动轨迹以及在移动轨迹使用超过设定值时生成新的移动轨迹,多组连续数据的生成角度均不相同。本申请公开的基于点对点的无人机拍摄轨迹校正方法及***,通过实时动态的方式来调整无人机的飞行轨迹,使无人机能够沿着既定轨迹移动,用以得到连续数据。
Description
技术领域
本申请涉及数据处理技术领域,尤其是涉及一种基于点对点的无人机拍摄轨迹校正方法及***。
背景技术
输电线路导线弧垂过大,将使得线路最低点与大地之间的距离不满足设计要求的安全距离。在大风和线路发生短路故障时,导线的摇摆度会使得线路的相间距离不能满足安全距离要求。而且弧垂过大,导致输电线所承担的应力过大,在冬天温度过低时,有可能导致导线断开而发生安全事故。
人工检测的方式存在野外设备架设困难和数据集计算量大,部分区域甚至无法架设设备。目前已有使用无人机采集数据的方式,但目前无人机高空飞行中,飞行轨迹不确定,导致传感器会生成离散数据。
发明内容
本申请提供一种基于点对点的无人机拍摄轨迹校正方法及***,通过实时动态的方式来调整无人机的飞行轨迹,使无人机能够沿着既定轨迹移动,用以得到连续数据。
本申请的上述目的是通过以下技术方案得以实现的:
第一方面,本申请提供了一种基于点对点的无人机拍摄轨迹校正方法,包括:
响应于获取到的多组线数据,获取线数据中的一组连续数据;
基于连续数据构建模型,得到多个弧线段并将长度最短的弧线段记为标准弧线段;
将飞行高度调整至与标准弧线段的曲率圆心位于同一高度;
响应于获取到的点云数据,构建曲面模型;
基于曲面模型生成移动轨迹;以及
在移动轨迹使用超过设定值时生成新的移动轨迹;
其中,多组连续数据的生成角度均不相同。
在第一方面的一种可能的实现方式中,基于连续数据构建模型包括:
计算相邻点之间的距离,得到多个距离值;
根据距离值的离散程度筛选达到聚集度的多个数据点;以及
根据筛选得到的多个数据点生成弧线段,弧线段是圆形的一部分。
在第一方面的一种可能的实现方式中,还包括:
将筛选得到的多个数据点放置到两条互相平行的线段之间;
缩小两条线段之间的距离至两条线段之间的最小直线距离小于等于距离阈值;全部筛选得到的多个数据点全部位于两条线段之间或者超过允许数量的多个数据点全部位于两条线段之间;以及
生成代替线段,代替线段位于两条互相平行的线段之间且两条线段关于代替线段对称。
在第一方面的一种可能的实现方式中,构建曲面模型包括:
计算相邻点之间的距离,得到多个距离值,距离值包括横向距离值与纵向距离值;
根据距离值的离散程度筛选达到聚集度的多个相邻点;
使用相邻点生成边界,边界包括两条间距不变的长弧线与两条互相平行的短弧线;以及
使用两条长弧线生成移动轨迹,移动轨迹上的任意位置到两条长弧线的最短距离相等。
在第一方面的一种可能的实现方式中,生成新的移动轨迹后,还包括:
得到新的移动轨迹后,获得在时间序列上的两个相邻移动轨迹的重合部分;
计算两个重合部分的对应点处的距离值,得到多个参考距离值;以及
根据参考距离值对两个相邻移动轨迹的重合部分进行融合;
其中,当多个参考距离值的均值大于距离允许值时,以新的移动轨迹作为移动轨迹;当多个参考距离值的均值小于等于距离允许值时,以时间序列上的前一个移动轨迹重合部分的起点和后一个移动轨迹重合部分的终点为端点重新绘制移动轨迹。
在第一方面的一种可能的实现方式中,重新绘制的移动轨迹的曲率半径参考时间序列上的前一个移动轨迹重合部分和/或后一个移动轨迹重合部分的曲率半径。
在第一方面的一种可能的实现方式中,计算时间序列上的前一个移动轨迹重合部分的曲率半径和后一个移动轨迹重合部分的曲率半径的平均值并将该平均值作为重新绘制的移动轨迹的曲率半径值。
第二方面,本申请提供了一种基于点对点的无人机拍摄轨迹校正装置,包括:
第一获取单元,用于响应于获取到的多组线数据,获取线数据中的一组连续数据,多组连续数据的生成角度均不相同;
第一构建单元,用于基于连续数据构建模型,得到多个弧线段并将长度最短的弧线段记为标准弧线段;
高度调整单元,用于将飞行高度调整至与标准弧线段的曲率圆心位于同一高度;
第二构建单元,用于响应于获取到的点云数据,构建曲面模型;
第一轨迹生成单元,用于基于曲面模型生成移动轨迹;以及
第二轨迹生成单元,用于在移动轨迹使用超过设定值时生成新的移动轨迹。
第三方面,本申请提供了一种基于点对点的无人机拍摄轨迹校正***,所述***包括:
一个或多个存储器,用于存储指令;以及
一个或多个处理器,用于从所述存储器中调用并运行所述指令,执行如第一方面及第一方面任意可能的实现方式中所述的方法。
第四方面,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质包括:
程序,当所述程序被处理器运行时,如第一方面及第一方面任意可能的实现方式中所述的方法被执行。
第五方面,本申请提供了一种计算机程序产品,包括程序指令,当所述程序指令被计算设备运行时,如第一方面及第一方面任意可能的实现方式中所述的方法被执行。
第六方面,本申请提供了一种芯片***,该芯片***包括处理器,用于实现上述各方面中所涉及的功能,例如,生成,接收,发送,或处理上述方法中所涉及的数据和/或信息。
该芯片***,可以由芯片构成,也可以包括芯片和其他分立器件。
在一种可能的设计中,该芯片***还包括存储器,该存储器,用于保存必要的程序指令和数据。该处理器和该存储器可以解耦,分别设置在不同的设备上,通过有线或者无线的方式连接,或者处理器和该存储器也可以耦合在同一个设备上。
整体而言,本申请提供的基于点对点的无人机拍摄轨迹校正方法,可以使无人机在飞行过程中根据对象(输电线缆)的形状生成飞行轨迹,飞行轨迹的生成过程同时兼顾了数据获取与处理速度和无人机的续航能力,得到的点云数据组也具有更高的连续性,在后续的多段数据融合处理过程中,这些点云数据组能够直接通过对连接端数据的处理进行融合。
附图说明
图1是本申请提供的一种基于点对点的无人机拍摄轨迹校正方法的步骤流程示意图。
图2(A)至图2(D)是本申请提供的连续数据的数据点示意图。
图3是本申请提供的一种飞行高度调整示意图。
图4是本申请提供的一种飞行轨迹的分段示意图,图中数字表示顺序。
图5是本申请提供的一种数据点的筛选示意图。
图6是本申请提供的数据点的聚集度示意图。
图7是本申请提供的一种代替线段的生成过程示意图。
图8是本申请提供的一种长弧线的生成过程示意图。
图9是本申请提供的一种移动轨迹的分段示意图。
图10是本申请提供的一种两段移动轨迹的融合示意图。
图11是本申请提供的另一种两段移动轨迹的融合示意图。
具体实施方式
以下结合附图,对本申请中的技术方案作进一步详细说明。
本申请公开的基于点对点的无人机拍摄轨迹校正方法,应用于无人机飞行过程中的轨迹校正,具体地说,是无人机在高空飞行过程中沿着输电线缆飞行过程中的轨迹校正。
应理解,野外输电线缆架空的间隔距离大,无人机需要贴近飞行才能够得到精确的数据,无人机上携带的激光扫描传感器,只能够对输电线缆的部分面进行扫描,通过部分数据反向推算得到输电线缆的三维空间模型。
这就要求无人机在贴近输电线缆的飞行过程中,能够沿着输电线缆飞行,用以保证扫描过程的连续性,扫描过程连续意味着点云数据的连续,这样在后续的数据处理过程中,才能够根据连续的点云数据得到输电线缆的三维空间模型。
本申请使用的无人机,携带有激光扫描传感器和转动式线扫描传感器,激光扫描传感器用于对输电线缆进行面扫描,转动式线扫描传感器用于对输电线缆进行线扫描。
无人机飞行过程中,使用步距式的数据采集方式,转动式线扫描传感器负责确定去人机的飞行高度,激光扫描传感器通过扫描输电线缆外形的方式生成移动轨迹,两个传感器生成的数据相互纠正,使得无人机能够沿着输电线缆飞行。
对于输电线缆的三维空间模型构建,使用激光扫描传感器生成的点云数据来生成,生成输电线缆三维空间模型的点云数据是从激光扫描传感器生成的数据中挑选得到的。这些数据在输电线缆上长度上具有相近的间距,并且在重叠处具有一定的数据重叠量,可以方便的进行数据融合。
请参阅图1,为本申请公开的一种基于点对点的无人机拍摄轨迹校正方法,包括以下步骤:
S101,响应于获取到的多组线数据,获取线数据中的一组连续数据;
S102,基于连续数据构建模型,得到多个弧线段并将长度最短的弧线段记为标准弧线段;
S103,将飞行高度调整至与标准弧线段的曲率圆心位于同一高度;
S104,响应于获取到的点云数据,构建曲面模型;
S105,基于曲面模型生成移动轨迹;以及
S106,在移动轨迹使用超过设定值时生成新的移动轨迹;
其中,多组连续数据的生成角度均不相同。
具体而言,在步骤S101中,响应于获取到的多组线数据,获取线数据中的一组连续数据,此处的连续数据是基于扫描输电线缆生成的,转动式线扫描传感器在扫描过程中会生成多组连续数据,每一组连续数据的生成角度均不相同,如图2(A)至图2(D)所示。
每一组线数据的连续数据均能够得到一段弧线段,这些弧线段的长度不同,在其生成时间序列上,弧线段的长度会顺序变化(长度依次增加或者减少)。
接着执行步骤S102,该步骤中会基于连续数据构建模型,得到多个弧线段并将长度最短的弧线段记为标准弧线段,弧线段的内容在步骤S101中进行了描述,此处不再赘述。
请参阅图3,标准弧线段可以认为是基于输电线缆的截面生成的,那么基于标准弧线段,可以得到输电线缆截面在此处的圆心。然后执行步骤S103,该步骤中,将飞行高度调整至(图3中箭头所示方向)与标准弧线段的曲率圆心位于同一高度。或者具体的说,将激光扫描传感器调整至与标准弧线段的曲率圆心位于同一高度处。
此时激光扫描传感器开始对输电线缆进行扫描,那么响应于激光扫描传感器生成的点云数据,在步骤S104中,会基于点云数据构建曲面模型,此处的曲面模型用于生成无人机的移动轨迹,也就是步骤S105中的内容。
在一个实际的场景中可以看到,无人机会沿着输电线缆的形状在输电线缆的左侧或者右侧飞行。在飞行过程中,无人机会使用转动式线扫描传感器和激光扫描传感器生成的数据来不断的校正飞行轨迹。
该过程中,需要着重考虑到转动式线扫描传感器与激光扫描传感器的数据生成速度和对这些数据的处理速度,因为快速且大量的获取与分析数据,会带来更高的能耗,导致无人机的续航能力降低,并且频繁的校正无人机的飞行轨迹也不会带来更好或者说更精确的三维空间模型,因为频繁的飞行轨迹校正会导致无人机的飞行轨迹产生较大波动。
针对于此问题,本申请采用了分段校正的方式。如图4中,将一段无人机的飞行轨迹分为了八段。在无人机的飞行轨迹上,会根据每一段轨迹的长度来对无人机的飞行轨迹进行校正。步骤S106中,在移动轨迹使用超过设定值时生成新的移动轨迹,例如一段移动轨迹的长度是十个单位长度,那么在使用了五至七个单位长度后,会开始生成下一段移动轨迹并对这两段轨迹的连接处进行融合处理。
这种方式还考虑到了激光扫描传感器的有限扫描域和无人机的飞行速度,有限扫描域指的是激光扫描传感器获取到的点云数据的准确程度,采集距离越远,数据失真的可能性就越大,同时还会产生畸变,因此需要限定激光扫描传感器的扫描域,超出扫描域范围的数据直接舍弃。
同时,数据的处理速度还要匹配无人机的飞行速度,例如在得到下一段移动轨迹前,上一段移动轨迹应该未使用完成或者将近使用完成,移动轨迹的高频次校正可能导致无人机无飞行轨迹可用的情况出现,因此需要对后一段移动轨迹的生成进行前置处理。
整体而言,本申请提供的基于点对点的无人机拍摄轨迹校正方法,可以使无人机在飞行过程中根据对象(输电线缆)的形状生成飞行轨迹,飞行轨迹的生成过程同时兼顾了数据获取与处理速度和无人机的续航能力,得到的点云数据组也具有更高的连续性,在后续的多段数据融合处理过程中,这些点云数据组能够直接通过对连接端数据的处理进行融合。
作为申请提供的基于点对点的无人机拍摄轨迹校正方法的一种具体实施方式,基于连续数据构建模型包括以下步骤:
S201,计算相邻点之间的距离,得到多个距离值;
S202,根据距离值的离散程度筛选达到聚集度的多个数据点;以及
S203,根据筛选得到的多个数据点生成弧线段,弧线段是圆形的一部分。
步骤S201至步骤S203提供一种数据点的筛选方法,具体就是根据相邻的点之间的距离进行筛选。请参阅图5,一组线数据会包括一些具有聚集性的点(基于输电线缆生成)和一些零散的点(基于输电线缆周围的环境生成),这些零散的点不具有聚集性,或者即使具有一定的聚集性,其对应的模型也不是输电线缆,请参阅图6,基于输电线缆生成的数据点的聚集度更高,或者说位于一个聚集区的数据点的数量更多。
应当注意到,输电线缆的截面形状是圆形,基于输电线缆得到的弧线段应当符合输电线缆的特征,也就是这个弧线段应当是一个圆形的一部分,这个圆形就是输电线缆的截面形状。
一个地区的输电线缆的直径是已知的,通过对得到的弧线段所在圆形的半径值比较,就可以将不符合要求的弧线段排除。另外,还可以使用扫描距离对这些相邻点进行筛选,例如无人机与输电线缆时间的距离是三米,那么对于四米之外的点,就可以直接进行舍弃处理。
对于弧线段的生成,可以使用如下步骤:
S301,将筛选得到的多个数据点放置到两条互相平行的线段之间;
S302,缩小两条线段之间的距离至两条线段之间的最小直线距离小于等于距离阈值;全部筛选得到的多个数据点全部位于两条线段之间或者超过允许数量的多个数据点全部位于两条线段之间;以及
S303,生成代替线段,代替线段位于两条互相平行的线段之间且两条线段关于代替线段对称。
请参阅图7,在步骤S301至步骤S303中会使用两条平行的线段来对线段筛选得到的多个数据点,两条平行的线段会不断的向靠近彼此的方向移动。该过程中,同时还对这两条平行的线段之间的最小直线距离进行计算,用以使两条线段之间的最小直线距离小于等于距离阈值。
这两条平行的线段的移动方式有平移和转动两种方式,转动可以使这两条平行的线段之间的距离进一步减小。最终的判断依据是全部筛选得到的多个数据点全部位于两条线段之间或者超过允许数量的多个数据点全部位于两条线段之间。
当全部筛选得到的多个数据点全部位于两条线段之间或者超过允许数量的多个数据点全部位于两条线段之间时,生成一条代替线段,代替线段位于两条互相平行的线段之间且两条线段关于代替线段对称,此处还可以以为代替线段经由这两条平行的线段融合得到,融合方式就是这两条平行的线段向靠近彼此的方向移动至重合,并且这两条平行的线段的移动距离相等。
作为申请提供的基于点对点的无人机拍摄轨迹校正方法的一种具体实施方式,构建曲面模型包括以下步骤:
S401,计算相邻点之间的距离,得到多个距离值,距离值包括横向距离值与纵向距离值;
S402,根据距离值的离散程度筛选达到聚集度的多个相邻点;
S403,使用相邻点生成边界,边界包括两条间距不变的长弧线与两条互相平行的短弧线;以及
S404,使用两条长弧线生成移动轨迹,移动轨迹上的任意位置到两条长弧线的最短距离相等。
在步骤S401和步骤S402中,同样使用聚集程度的方式对点云数据中的数据点进行筛选,经过筛选的点认为位于一个曲面上,这个曲面的边界包括两条间距不变的长弧线与两条互相平行的短弧线,也就是步骤S403中的内容。
请参阅图8,长弧线的生成过程是使用一个纵向面与曲面相交,得到两条第一弧线,两条第一弧线就是步骤S403中提到的两条间距不变的长弧线。短弧线的生成过程是使用以长弧线的圆心制作两条射线,每一条射线均与长弧线有两个交点且两条射线的夹角尽可能大,每条射线上两个交点之间的部分在曲面的投影就是短弧线。
最后在步骤S404中,使用两条长弧线生成移动轨迹,如图9所示,移动轨迹的末端分为准备段和融合段,剩余部分为使用段,在准备段生成下一段移动轨迹并对两段移动轨迹进行融合。融合方式就是这两条长弧线向靠近彼此的方向移动至重合,并且这两条长弧线的移动距离相等。
请参阅图10和图11,生成新的移动轨迹后,继续执行以下步骤:
S501,得到新的移动轨迹后,获得在时间序列上的两个相邻移动轨迹的重合部分;
S502,计算两个重合部分的对应点处的距离值,得到多个参考距离值;以及
S503,根据参考距离值对两个相邻移动轨迹的重合部分进行融合;
其中,当多个参考距离值的均值大于距离允许值时,以新的移动轨迹作为移动轨迹,如图10所示;当多个参考距离值的均值小于等于距离允许值时,以时间序列上的前一个移动轨迹重合部分的起点和后一个移动轨迹重合部分的终点为端点重新绘制移动轨迹,如图11所示。
重新绘制的移动轨迹的曲率半径参考时间序列上的前一个移动轨迹重合部分和/或后一个移动轨迹重合部分的曲率半径,具体分为以下几种情况:
1.使用前一个移动轨迹重合部分的曲率半径作为两个相邻移动轨迹的曲率半径;
2.使用后一个移动轨迹重合部分的曲率半径作为两个相邻移动轨迹的曲率半径;
3. 计算时间序列上的前一个移动轨迹重合部分的曲率半径和后一个移动轨迹重合部分的曲率半径的平均值并将该平均值作为重新绘制的移动轨迹的曲率半径值。
本申请还提供了一种基于点对点的无人机拍摄轨迹校正装置,包括:
第一获取单元,用于响应于获取到的多组线数据,获取线数据中的一组连续数据,多组连续数据的生成角度均不相同;
第一构建单元,用于基于连续数据构建模型,得到多个弧线段并将长度最短的弧线段记为标准弧线段;
高度调整单元,用于将飞行高度调整至与标准弧线段的曲率圆心位于同一高度;
第二构建单元,用于响应于获取到的点云数据,构建曲面模型;
第一轨迹生成单元,用于基于曲面模型生成移动轨迹;以及
第二轨迹生成单元,用于在移动轨迹使用超过设定值时生成新的移动轨迹。
进一步地,还包括:
第一计算单元,用于计算相邻点之间的距离,得到多个距离值;
第一筛选单元,用于根据距离值的离散程度筛选达到聚集度的多个数据点;以及
第三轨迹生成单元,用于根据筛选得到的多个数据点生成弧线段,弧线段是圆形的一部分。
进一步地,还包括:
第一处理单元,用于将筛选得到的多个数据点放置到两条互相平行的线段之间;
第二处理单元,用于缩小两条线段之间的距离至两条线段之间的最小直线距离小于等于距离阈值;全部筛选得到的多个数据点全部位于两条线段之间或者超过允许数量的多个数据点全部位于两条线段之间;以及
第四轨迹生成单元,用于根生成代替线段,代替线段位于两条互相平行的线段之间且两条线段关于代替线段对称。
进一步地,还包括:
第二计算单元,用于计算相邻点之间的距离,得到多个距离值,距离值包括横向距离值与纵向距离值;
第二筛选单元,用于根据距离值的离散程度筛选达到聚集度的多个相邻点;
第三处理单元,用于使用相邻点生成边界,边界包括两条间距不变的长弧线与两条互相平行的短弧线;以及
第四处理单元,用于使用两条长弧线生成移动轨迹,移动轨迹上的任意位置到两条长弧线的最短距离相等。
进一步地,还包括:
第二获取单元,用于得到新的移动轨迹后,获得在时间序列上的两个相邻移动轨迹的重合部分;
第三计算单元,用于计算两个重合部分的对应点处的距离值,得到多个参考距离值;以及
第五轨迹生成单元,用于根据参考距离值对两个相邻移动轨迹的重合部分进行融合;
其中,当多个参考距离值的均值大于距离允许值时,以新的移动轨迹作为移动轨迹;当多个参考距离值的均值小于等于距离允许值时,以时间序列上的前一个移动轨迹重合部分的起点和后一个移动轨迹重合部分的终点为端点重新绘制移动轨迹。
进一步地,重新绘制的移动轨迹的曲率半径参考时间序列上的前一个移动轨迹重合部分和/或后一个移动轨迹重合部分的曲率半径。
进一步地,计算时间序列上的前一个移动轨迹重合部分的曲率半径和后一个移动轨迹重合部分的曲率半径的平均值并将该平均值作为重新绘制的移动轨迹的曲率半径值。
在一个例子中,以上任一装置中的单元可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个专用集成电路(application specificintegratedcircuit,ASIC),或,一个或多个数字信号处理器(digital signal processor,DSP),或,一个或者多个现场可编程门阵列(field programmable gate array,FPGA),或这些集成电路形式中至少两种的组合。
再如,当装置中的单元可以通过处理元件调度程序的形式实现时,该处理元件可以是通用处理器,例如中央处理器(central processing unit,CPU)或其它可以调用程序的处理器。再如,这些单元可以集成在一起,以片上***(system-on-a-chip,SOC)的形式实现。
在本申请中可能出现的对各种消息/信息/设备/网元/***/装置/动作/操作/流程/概念等各类客体进行了赋名,可以理解的是,这些具体的名称并不构成对相关客体的限定,所赋名称可随着场景,语境或者使用习惯等因素而变更,对本申请中技术术语的技术含义的理解,应主要从其在技术方案中所体现/执行的功能和技术效果来确定。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
还应理解,在本申请的各个实施例中,第一、第二等只是为了表示多个对象是不同的。例如第一时间窗和第二时间窗只是为了表示出不同的时间窗。而不应该对时间窗的本身产生任何影响,上述的第一、第二等不应该对本申请的实施例造成任何限制。
还应理解,在本申请的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个计算机可读存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的计算机可读存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请还提供了一种计算机程序产品,该计算机程序产品包括指令,当该指令被执行时,以使得该轨迹校正设备执行对应于上述方法的轨迹校正设备的操作。
本申请还提供了一种基于点对点的无人机拍摄轨迹校正***,所述***包括:
一个或多个存储器,用于存储指令;以及
一个或多个处理器,用于从所述存储器中调用并运行所述指令,执行如上述内容中所述的方法。
本申请还提供了一种芯片***,该芯片***包括处理器,用于实现上述内容中所涉及的功能,例如,生成,接收,发送,或处理上述方法中所涉及的数据和/或信息。
该芯片***,可以由芯片构成,也可以包括芯片和其他分立器件。
上述任一处提到的处理器,可以是一个CPU,微处理器,ASIC,或一个或多个用于控制上述的反馈信息传输的方法的程序执行的集成电路。
在一种可能的设计中,该芯片***还包括存储器,该存储器,用于保存必要的程序指令和数据。该处理器和该存储器可以解耦,分别设置在不同的设备上,通过有线或者无线的方式连接,以支持该芯片***实现上述实施例中的各种功能。或者,该处理器和该存储器也可以耦合在同一个设备上。
可选地,该计算机指令被存储在存储器中。
可选地,该存储器为该芯片内的存储单元,如寄存器、缓存等,该存储器还可以是该终端内的位于该芯片外部的存储单元,如ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM等。
可以理解,本申请中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。
非易失性存储器可以是ROM、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electricallyEPROM,EEPROM)或闪存。
易失性存储器可以是RAM,其用作外部高速缓存。RAM有多种不同的类型,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhancedSDRAM,ESDRAM)、同步连接动态随机存取存储器(synch link DRAM,SLDRAM)和直接内存总线随机存取存储器。
本具体实施方式的实施例均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种基于点对点的无人机拍摄轨迹校正方法,其特征在于,包括:
响应于获取到的多组线数据,获取线数据中的一组连续数据;
基于连续数据构建模型,得到多个弧线段并将长度最短的弧线段记为标准弧线段;
将飞行高度调整至与标准弧线段的曲率圆心位于同一高度;
响应于获取到的点云数据,构建曲面模型;
基于曲面模型生成移动轨迹;以及
在移动轨迹使用超过设定值时生成新的移动轨迹;
其中,多组连续数据的生成角度均不相同。
2.根据权利要求1所述的基于点对点的无人机拍摄轨迹校正方法,其特征在于,基于连续数据构建模型包括:
计算相邻点之间的距离,得到多个距离值;
根据距离值的离散程度筛选达到聚集度的多个数据点;以及
根据筛选得到的多个数据点生成弧线段,弧线段是圆形的一部分。
3.根据权利要求2所述的基于点对点的无人机拍摄轨迹校正方法,其特征在于,还包括:
将筛选得到的多个数据点放置到两条互相平行的线段之间;
缩小两条线段之间的距离至两条线段之间的最小直线距离小于等于距离阈值;全部筛选得到的多个数据点全部位于两条线段之间或者超过允许数量的多个数据点全部位于两条线段之间;以及
生成代替线段,代替线段位于两条互相平行的线段之间且两条线段关于代替线段对称。
4.根据权利要求1至3中任意一项所述的基于点对点的无人机拍摄轨迹校正方法,其特征在于,构建曲面模型包括:
计算相邻点之间的距离,得到多个距离值,距离值包括横向距离值与纵向距离值;
根据距离值的离散程度筛选达到聚集度的多个相邻点;
使用相邻点生成边界,边界包括两条间距不变的长弧线与两条互相平行的短弧线;以及
使用两条长弧线生成移动轨迹,移动轨迹上的任意位置到两条长弧线的最短距离相等。
5.根据权利要求4所述的基于点对点的无人机拍摄轨迹校正方法,其特征在于,生成新的移动轨迹后,还包括:
得到新的移动轨迹后,获得在时间序列上的两个相邻移动轨迹的重合部分;
计算两个重合部分的对应点处的距离值,得到多个参考距离值;以及
根据参考距离值对两个相邻移动轨迹的重合部分进行融合;
其中,当多个参考距离值的均值大于距离允许值时,以新的移动轨迹作为移动轨迹;当多个参考距离值的均值小于等于距离允许值时,以时间序列上的前一个移动轨迹重合部分的起点和后一个移动轨迹重合部分的终点为端点重新绘制移动轨迹。
6.根据权利要求5所述的基于点对点的无人机拍摄轨迹校正方法,其特征在于,重新绘制的移动轨迹的曲率半径参考时间序列上的前一个移动轨迹重合部分和/或后一个移动轨迹重合部分的曲率半径。
7.根据权利要求5所述的基于点对点的无人机拍摄轨迹校正方法,其特征在于,计算时间序列上的前一个移动轨迹重合部分的曲率半径和后一个移动轨迹重合部分的曲率半径的平均值并将该平均值作为重新绘制的移动轨迹的曲率半径值。
8.一种基于点对点的无人机拍摄轨迹校正装置,其特征在于,包括:
第一获取单元,用于响应于获取到的多组线数据,获取线数据中的一组连续数据,多组连续数据的生成角度均不相同;
第一构建单元,用于基于连续数据构建模型,得到多个弧线段并将长度最短的弧线段记为标准弧线段;
高度调整单元,用于将飞行高度调整至与标准弧线段的曲率圆心位于同一高度;
第二构建单元,用于响应于获取到的点云数据,构建曲面模型;
第一轨迹生成单元,用于基于曲面模型生成移动轨迹;以及
第二轨迹生成单元,用于在移动轨迹使用超过设定值时生成新的移动轨迹。
9.一种基于点对点的无人机拍摄轨迹校正***,其特征在于,所述***包括:
一个或多个存储器,用于存储指令;以及
一个或多个处理器,用于从所述存储器中调用并运行所述指令,执行如权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括:
程序,当所述程序被处理器运行时,如权利要求1至7中任意一项所述的方法被执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211380799.2A CN115586797A (zh) | 2022-11-04 | 2022-11-04 | 基于点对点的无人机拍摄轨迹校正方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211380799.2A CN115586797A (zh) | 2022-11-04 | 2022-11-04 | 基于点对点的无人机拍摄轨迹校正方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115586797A true CN115586797A (zh) | 2023-01-10 |
Family
ID=84782562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211380799.2A Pending CN115586797A (zh) | 2022-11-04 | 2022-11-04 | 基于点对点的无人机拍摄轨迹校正方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115586797A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116878396A (zh) * | 2023-09-06 | 2023-10-13 | 国网山西省电力公司超高压输电分公司 | 一种基于远程激光的弧垂测量方法及*** |
-
2022
- 2022-11-04 CN CN202211380799.2A patent/CN115586797A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116878396A (zh) * | 2023-09-06 | 2023-10-13 | 国网山西省电力公司超高压输电分公司 | 一种基于远程激光的弧垂测量方法及*** |
CN116878396B (zh) * | 2023-09-06 | 2023-12-01 | 国网山西省电力公司超高压输电分公司 | 一种基于远程激光的弧垂测量方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020029728A1 (zh) | 运动轨迹的重构方法和装置、存储介质、电子装置 | |
CN115586797A (zh) | 基于点对点的无人机拍摄轨迹校正方法及*** | |
CN105121999B (zh) | 用于无人驾驶飞机的天底对准的航拍图像采集的图像触发控制 | |
CN110561423A (zh) | 位姿变换的方法、机器人及存储介质 | |
CN104807457A (zh) | 飞行器航线的生成方法、装置及终端设备 | |
CN115829892A (zh) | 一种点云数据与可见光数据的融合方法及*** | |
CN113741539B (zh) | 无人机植保作业航线规划方法 | |
CN113093128A (zh) | 用于标定毫米波雷达的方法、装置、电子设备及路侧设备 | |
CN115546406B (zh) | 基于无人机产生点云数据的逆向建模方法及*** | |
CN109910908B (zh) | 一种驾驶参考线处理方法、装置、车辆及服务器 | |
CN115661357B (zh) | 基于融合点云数据的空间模型构建方法及*** | |
EP3200353A1 (en) | Method and device for compressing stream data | |
Hao et al. | Application of UAV Digital Photogrammetry in Geological Investigation and Stability Evaluation of High-Steep Mine Rock Slope | |
CN112148811A (zh) | 一种车载gps轨迹路径压缩方法 | |
CN103364167A (zh) | 一种观察窗折射偏移校正方法 | |
CN112100869B (zh) | 电力线补点方法、装置及电子设备 | |
CN108198241A (zh) | 一种三维图像构建的方法和装置 | |
CN105910639A (zh) | 一种基于拐点的航线分割方法及*** | |
CN206209409U (zh) | 无人机控制***和无人机 | |
EP2749982A2 (de) | Bezugsmodellerzeugung und Aktualisierung | |
CN102372093B (zh) | 一种星敏感器头部布局的方法 | |
CN116878396B (zh) | 一种基于远程激光的弧垂测量方法及*** | |
CN110794849A (zh) | 路径的处理方法、装置、机器人、计算机设备和存储介质 | |
CN102132662B (zh) | 改进的制作热带气旋风带的方法 | |
CN115690339A (zh) | 一种柱坐标空间下的高精度空域通视分析方法 |
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 |