CN117556180A - 一种半航空电磁法探测高程估计方法 - Google Patents
一种半航空电磁法探测高程估计方法 Download PDFInfo
- Publication number
- CN117556180A CN117556180A CN202311508985.4A CN202311508985A CN117556180A CN 117556180 A CN117556180 A CN 117556180A CN 202311508985 A CN202311508985 A CN 202311508985A CN 117556180 A CN117556180 A CN 117556180A
- Authority
- CN
- China
- Prior art keywords
- data
- filtering
- result
- elevation
- point data
- 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 69
- 238000001914 filtration Methods 0.000 claims abstract description 77
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000002457 bidirectional effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/15—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for use during transport, e.g. by a person, vehicle or boat
- G01V3/16—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for use during transport, e.g. by a person, vehicle or boat specially adapted for use from aircraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/15—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for use during transport, e.g. by a person, vehicle or boat
- G01V3/17—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for use during transport, e.g. by a person, vehicle or boat operating with electromagnetic waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
- H03H21/0025—Particular filtering methods
- H03H21/0029—Particular filtering methods based on statistics
- H03H21/003—KALMAN filters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Remote Sensing (AREA)
- Environmental & Geological Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Geology (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Aviation & Aerospace Engineering (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种半航空电磁法探测高程估计方法，包括：S1.对原始高程数据进行判定，获取错点数据和正常数据；S2.对所述错点数据采用改进的卡尔曼滤波方法进行滤波，对所述正常数据采用传统的卡尔曼滤波方法进行滤波；S3.将所述错点数据的滤波结果和所述正常数据的滤波结果进行融合，将融合结果作为下一次工作流程使用的测量值序；S4.重复S1‑S3直到所述融合结果满足预设要求，完成地表高程的有效估计。本发明所公开的高程估计方法，实现了原始高程数据质量差、参考少条件下对地表高程的有效估计，将为后续数据处理与反演解释工作奠定良好的数据基础。
Description
技术领域
本发明属于地球物理勘探技术领域，尤其涉及一种半航空电磁法探测高程估计方法。
背景技术
电磁法(Electromagnetic method,简称EM)是一种应用广泛的地球物理电磁探测方法，通过观测天然或人工源激发的电磁响应获得地下电性信息。在实际野外工作中，传统地面探测方法在沙漠、戈壁、地形复杂区及植被覆盖区等地区难以快速开展。为了克服以上施工困难的同时兼顾较大的探测深度，研究人员将发射源布置在地面，将接收器搭载于飞行平台上，从而产生半航空电磁法(Semi-airborne Electromagnetic method,简称SAEM)，如图1所示。
SAEM探测的接收器处于空中，因此在对半航空电磁数据进行处理时，接收器的离地高度是反演的重要参数。在实际勘探中，为了保证无人机的航行安全，通常采用固定高度飞行的模式，所以，接收器的离地高度可以通过接收器的GPS高程减去地表高程得到。然而，对于很多地区，没有现成的高精度地表高程模型，往往需要通过公开渠道或基于测距仪等小型低成本设备获取地表高程数据。但是，这种由此获得的数据往往有一定的数据缺陷，导致沿测线获得的高程模型存在错点，如图2所示。错点的存在使得高程模型无法直接使用，进而影响反演，这是在地形复杂区域进行半航空电磁法探测工作时需要解决的问题。
对于这种传感器采集和测量的数据中携带噪声干扰，工程应用中一般采用滤波操作进行去除。传统的卡尔曼滤波方法需要建立在模型精确和干扰信号统计特性已知的基础上。但对于高程估计问题，测量数据中的错点统计特性未知，这使得传统的卡尔曼滤波算法失去最优性，估计精度大大降低，如图3所示。所以需要一种鲁棒的卡尔曼滤波方法。目前较常见的一类鲁棒的卡尔曼滤波器针对的是重尾的加性离群值。该类滤波器的一个常用手段是在原有的滤波流程中直接嵌入一个判定因子进行错点判定，再对错点的滤波过程进行调整。这种简单的改进在错点较少时适用，但当错点较多或错点的分布情况复杂时，鲁棒性便迅速下降，如图4所示。为此，针对野外实际情况，在传统卡尔曼滤波器的基础上，亟需设计一套快速滤波方法，能够在野外条件下对性能欠佳的高程观测数据进行快速处理。
发明内容
为解决上述技术问题，本发明提出一种半航空电磁法探测高程估计方法，实现了原始高程数据质量差、参考少背景下的地表高程的有效估计，为后续数据处理与反演解释工作奠定了良好的数据基础。
为实现上述目的，本发明提供了一种半航空电磁法探测高程估计方法，包括：
S1.对原始高程数据进行判定，获取错点数据和正常数据；
S2.对所述错点数据采用改进的卡尔曼滤波方法进行滤波，对所述正常数据采用传统的卡尔曼滤波方法进行滤波；
S3.将所述错点数据的滤波结果和所述正常数据的滤波结果进行融合，将融合结果作为下一次工作流程使用的测量值序；
S4.重复S1-S3直到所述融合结果满足预设要求，完成地表高程的有效估计。
可选地，对原始高程数据进行判定包括：
利用基于马氏距离的判定指数方法，对所述原始高程数据按照从测线的首至尾和尾至首的顺序进行判定，分别得到错点数据集Aforward和Ainverse；
对错点数据集Aforward和Ainverse进行融合，取两个数据集的交集作为所述错点数据，并将所述原始高程数据中除所述错点数据以外的数据，作为所述正常数据。
可选地，获取所述错点数据集包括：
利用基于马氏距离的判定指数方法，对所述原始高程数据进行判定，获取判定指数结果；
将所述判定指数结果与预设阈值进行对比，当所述判定指数结果大于所述预设阈值时，将大于所述预设阈值对应的原始数据标记为错点，获取初始错点数据集；
对所述初始错点数据集进行约束处理，获取所述错点数据集。
可选地，基于马氏距离的判定指数为：
其中，为判定指数，/>为高程的实际测量值，/>为高程的预测测量值，/>为/>的协方差。
可选地，改进的卡尔曼滤波方法为：
其中，为调整后的观测预测值的协方差，κk为调整系数，/>为后验估计值的协方差，Kk为卡尔曼滤波系数，Hk为观测矩阵，/>为真实值与预测值之间的协方差，/>为计算/>的辅助参数，/>为卡尔曼滤波系数的转置，/>为判定指数，χ为预设阈值，/>为观测矩阵的转置，Rk为观测噪声矩阵的协方差。
可选地，将所述错点数据的滤波结果和所述正常数据的滤波结果进行融合包括：
采用改进的卡尔曼滤波方法，对所述错点数据按照从测线的首至尾和尾至首的顺序分别进行滤波，分别获取第一滤波结果和第二滤波结果；
采用传统的卡尔曼滤波方法，对所述正常数据按照从测线的首至尾和尾至首的顺序分别进行滤波，获取第三滤波结果和第四滤波结果；
基于所述第一滤波结果和第三滤波结果构成第一集合
基于所述第二滤波结果和第四滤波结果构成第二集合
对所述第一集合和第二集合进行融合取均值，获得融合结果
与现有技术相比，本发明具有如下优点和技术效果：
本发明所公开的高程估计方法，实现了原始高程数据质量差、参考少背景下的地表高程的有效估计，为后续数据处理与反演解释工作奠定了良好的数据基础。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为半航空电磁法示意图；
图2为临时测绘得到的高程数据示意图；
图3为传统卡尔曼滤波处理结果示意图；
图4为一种鲁棒卡尔曼滤波处理结果示意图；
图5为本发明实施例的鲁棒卡尔曼滤波工作流程示意图；
图6为本发明实施例的鲁棒卡尔曼滤波工作流程处理结果示意图；
图7为本发明实施例的鲁棒卡尔曼滤波工作流程处理结果细节示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例提出了一种对半航空电磁法探测中地表高程的有效估计方法。此方法主要包含以下步骤：
1)采用一种基于马氏距离的判定指数，对原始高程数据进行判定，得到错点数据集。判定流程如下：
首先针对原始数据点计算其判定指数：
然后将与预先设定好的阈值χ进行对比，若/>大于χ，则将该点标记为错点。
2)为了提高判定的准确性，将原始数据按照从测线的首至尾和尾至首的顺序进行判定，分别得到错点数据集Aforward和Ainverse。融合双向判定的结果，取两个数据集的交集O，记录为真正的错点数据集。有时恰当的阈值很难寻找，一个合理的手段是先选择一个较小的阈值进行初步判定，再利用先验信息对得到的数据集做进一步的约束(如，错点的高程往往更低，便可取一高程阈值，小于其的为错点)，这种手段额外融入了先验信息，准确度也比较高。
3)错点采用调整的卡尔曼滤波方法，正常数据仍然采用传统的卡尔曼滤波方法。错点采用的卡尔曼滤波方法的具体调整如下：
4)同样地，基于步骤3所述分析，将原始数据(此时已做好错点和正常数据的区分)按照从测线的首至尾和尾至首的顺序进行滤波，分别得到滤波结果(第一滤波结果和第三滤波结果的集合)和/>(第二滤波结果和第四滤波结果的集合)。将双向滤波的结果融合(一般取均值)，得到/>作为下一次工作流程使用的测量值序列/>
5)重复上述步骤，直到取得的结果符合要求(如，数据中不再有错点)，详细的流程如图5所示。/>与/>为初始设定值，用于启动整个工作流程。首先，通过判定流得到错点数据集O。需要注意的是，判定流中的滤波过程仅用于驱动判定流的进行，先验信息可以对判定得到的数据集做进一步的约束。之后，通过滤波流对原始数据进行滤波处理，错点数据集的点采用调整的卡尔曼滤波方法，正常数据采用传统的卡尔曼滤波方法。
以图2中的实测高程数据为例，原始数据中的错点可以简单地分为两类，一类错点分布散，可称脉冲型错点，一类错点分布密，可称心电图型错点。在此例中，取值与序列起始点相同，/>Fk-1、Hk、Qk-1、Rk均取单位值。为了提高计算结果的精度，先选取较小阈值χ为20，之后引入错点的高程相对较低这一先验信息对数据集做了进一步的约束。参数设定完毕后，将图5所示的鲁棒卡尔曼滤波工作流程应用于上述数据，迭代6次，所得结果见图6和图7。
由图3可知，传统卡尔曼滤波方法对于0-200m范围、600m左右、1200m左右的脉冲型错点失去作用。由图4可知，一般的鲁棒卡尔曼滤波方法稍有进步，对于200-400m范围、800-1000m范围的心电图型错点也有一定的作用，但整体仍然存在较大的误差。由图6可知，鲁棒卡尔曼滤波工作流程针对以上两种类型的错点都能起到作用。采用鲁棒卡尔曼滤波工作流程能从错点情况复杂的原始高程数据中恢复高可信度的地表高程曲线。由图7可知，在细节上，鲁棒卡尔曼滤波工作流程的处理结果也让人满意。
本实施例公开的一种半航空电磁法探测高程估计方法，主要步骤包括：(1)采用基于马氏距离的判定指数对原始高程数据进行判定，得到错点数据集；(2)进行双向的错点判定，融合双向判定的结果，并可以借助先验信息对判定得到的数据集做进一步的约束；(3)对错点使用一种调整的卡尔曼滤波方法，对正常数据使用传统的卡尔曼滤波方法；(4)采用双向滤波的策略，融合双向滤波的结果，提高估计的准确性。本实施例所公开的高程估计方法，实现了原始高程数据质量差、参考少背景下的地表高程的有效估计，为后续数据处理与反演解释工作奠定了良好的数据基础。
以上，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种半航空电磁法探测高程估计方法，其特征在于，包括：
S1.对原始高程数据进行判定，获取错点数据和正常数据；
S2.对所述错点数据采用改进的卡尔曼滤波方法进行滤波，对所述正常数据采用传统的卡尔曼滤波方法进行滤波；
S3.将所述错点数据的滤波结果和所述正常数据的滤波结果进行融合，将融合结果作为下一次工作流程使用的测量值序；
S4.重复S1-S3直到所述融合结果满足预设要求，完成地表高程的有效估计。
2.根据权利要求1所述的半航空电磁法探测高程估计方法，其特征在于，对原始高程数据进行判定包括：
利用基于马氏距离的判定指数方法，对所述原始高程数据按照从测线的首至尾和尾至首的顺序进行判定，分别得到错点数据集Aforward和Ainverse；
对错点数据集Aforward和Ainverse进行融合，取两个数据集的交集作为所述错点数据，并将所述原始高程数据中除所述错点数据以外的数据，作为所述正常数据。
3.根据权利要求2所述的半航空电磁法探测高程估计方法，其特征在于，获取所述错点数据集包括：
利用基于马氏距离的判定指数方法，对所述原始高程数据进行判定，获取判定指数结果；
将所述判定指数结果与预设阈值进行对比，当所述判定指数结果大于所述预设阈值时，将大于所述预设阈值对应的原始数据标记为错点，获取初始错点数据集；
对所述初始错点数据集进行约束处理，获取所述错点数据集。
4.根据权利要求2所述的半航空电磁法探测高程估计方法，其特征在于，基于马氏距离的判定指数为：
其中，为判定指数，/>为高程的实际测量值，/>为高程的预测测量值，/>为/>的协方差。
5.根据权利要求1所述的半航空电磁法探测高程估计方法，其特征在于，改进的卡尔曼滤波方法为：
其中，为调整后的观测预测值的协方差，κk为调整系数，/>为后验估计值的协方差，Kk为卡尔曼滤波系数，Hk为观测矩阵，/>为真实值与预测值之间的协方差，/>为计算的辅助参数，/>为卡尔曼滤波系数的转置，/>为判定指数，χ为预设阈值，/>为观测矩阵的转置，Rk为观测噪声矩阵的协方差。
6.根据权利要求1所述的半航空电磁法探测高程估计方法，其特征在于，将所述错点数据的滤波结果和所述正常数据的滤波结果进行融合包括：
采用改进的卡尔曼滤波方法，对所述错点数据按照从测线的首至尾和尾至首的顺序分别进行滤波，分别获取第一滤波结果和第二滤波结果；
采用传统的卡尔曼滤波方法，对所述正常数据按照从测线的首至尾和尾至首的顺序分别进行滤波，获取第三滤波结果和第四滤波结果；
基于所述第一滤波结果和第三滤波结果构成第一集合
基于所述第二滤波结果和第四滤波结果构成第二集合
对所述第一集合和第二集合进行融合取均值，获得融合结果
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311508985.4A CN117556180B (zh) | 2023-11-14 | 2023-11-14 | 一种半航空电磁法探测高程估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311508985.4A CN117556180B (zh) | 2023-11-14 | 2023-11-14 | 一种半航空电磁法探测高程估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117556180A true CN117556180A (zh) | 2024-02-13 |
| CN117556180B CN117556180B (zh) | 2024-06-25 |
Family
ID=89817908
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311508985.4A Active CN117556180B (zh) | 2023-11-14 | 2023-11-14 | 一种半航空电磁法探测高程估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117556180B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120243775A1 (en) * | 2011-03-22 | 2012-09-27 | Honeywell International, Inc. | Wide baseline feature matching using collobrative navigation and digital terrain elevation data constraints |
| US20170060132A1 (en) * | 2015-08-31 | 2017-03-02 | Korea University Research And Business Foundation | Method for detecting floor obstacle using laser range finder |
| CN109459705A (zh) * | 2018-10-24 | 2019-03-12 | 江苏理工学院 | 一种抗野值鲁棒无迹卡尔曼滤波的动力电池soc估计方法 |
| CN111766632A (zh) * | 2020-06-24 | 2020-10-13 | 中国科学院地质与地球物理研究所 | 一种地球物理观测信息融合方法和装置 |
| CN116127406A (zh) * | 2022-12-09 | 2023-05-16 | 聊城大学 | 一种基于混合h∞自适应卡尔曼滤波的数据融合方法 |
| CN116361616A (zh) * | 2022-12-16 | 2023-06-30 | 合肥中科深谷科技发展有限公司 | 一种鲁棒卡尔曼滤波方法 |
-
2023
- 2023-11-14 CN CN202311508985.4A patent/CN117556180B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120243775A1 (en) * | 2011-03-22 | 2012-09-27 | Honeywell International, Inc. | Wide baseline feature matching using collobrative navigation and digital terrain elevation data constraints |
| US20170060132A1 (en) * | 2015-08-31 | 2017-03-02 | Korea University Research And Business Foundation | Method for detecting floor obstacle using laser range finder |
| CN109459705A (zh) * | 2018-10-24 | 2019-03-12 | 江苏理工学院 | 一种抗野值鲁棒无迹卡尔曼滤波的动力电池soc估计方法 |
| CN111766632A (zh) * | 2020-06-24 | 2020-10-13 | 中国科学院地质与地球物理研究所 | 一种地球物理观测信息融合方法和装置 |
| CN116127406A (zh) * | 2022-12-09 | 2023-05-16 | 聊城大学 | 一种基于混合h∞自适应卡尔曼滤波的数据融合方法 |
| CN116361616A (zh) * | 2022-12-16 | 2023-06-30 | 合肥中科深谷科技发展有限公司 | 一种鲁棒卡尔曼滤波方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周波;戴先中;韩建达;: "基于激光扫描的移动机器人3D室外环境实时建模", 机器人, no. 03, 15 May 2012 (2012-05-15), pages 67 - 74 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117556180B (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105404844B (zh) | 一种基于多线激光雷达的道路边界检测方法 | |
| US8779967B2 (en) | Sensor cart positioning system and method | |
| CN102463990B (zh) | 用于跟踪物体的***和方法 | |
| CN111652914B (zh) | 一种多传感器目标融合、追踪方法及*** | |
| Hautière et al. | Enhanced fog detection and free-space segmentation for car navigation | |
| CN110794409B (zh) | 一种可估计未知有效声速的水下单信标定位方法 | |
| CN109829365B (zh) | 基于机器视觉的多场景适应驾驶偏离及转弯预警方法 | |
| CN104766302A (zh) | 一种利用无人机图像优化激光扫描点云数据的方法及*** | |
| CN114460654B (zh) | 基于l1l2混合范数的半航空瞬变电磁数据反演方法及装置 | |
| CN110749891B (zh) | 一种可估计未知有效声速的自适应水下单信标定位方法 | |
| CN103197346A (zh) | 一种拖缆勘探导航定位数据的处理方法 | |
| CN110703272B (zh) | 一种基于车车通信和gmphd滤波的周边目标车辆状态估计方法 | |
| CN115015911A (zh) | 一种基于雷达图像的导航地图制作和使用方法及*** | |
| CN114235679B (zh) | 一种基于激光雷达的路面附着系数估计方法及*** | |
| CN114120150B (zh) | 一种基于无人机成像技术的道路目标检测方法 | |
| CN117538861A (zh) | 视觉、激光slam和探地雷达结合的无人机检测方法 | |
| CN117556180B (zh) | 一种半航空电磁法探测高程估计方法 | |
| US20230314169A1 (en) | Method and apparatus for generating map data, and non-transitory computer-readable storage medium | |
| WO2019188820A1 (ja) | 情報送信装置、データ構造、制御方法、プログラム及び記憶媒体 | |
| CN115436966A (zh) | 一种激光雷达参考水深控制点批量提取方法 | |
| CN108709553A (zh) | 云端估算隧道内任意点通过速度模型的方法和装置 | |
| AU2002366366A1 (en) | Method of processing marine magnetic gradient data and exploration methods using that data | |
| CN109633760B (zh) | 一种基于自然电位等效融合成像的地下流体监测方法 | |
| JP2019174675A (ja) | データ構造、地図データ生成装置、制御方法、プログラム及び記憶媒体 | |
| Gim et al. | Ground vehicle localization based on inertial measurement signals |
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 |