CN116858229A - 一种桥梁缺陷定位方法 - Google Patents
一种桥梁缺陷定位方法 Download PDFInfo
- Publication number
- CN116858229A CN116858229A CN202310849809.0A CN202310849809A CN116858229A CN 116858229 A CN116858229 A CN 116858229A CN 202310849809 A CN202310849809 A CN 202310849809A CN 116858229 A CN116858229 A CN 116858229A
- Authority
- CN
- China
- Prior art keywords
- drone
- bridge defect
- dimensional map
- uav
- 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.)
- Pending
Links
- 230000007547 defect Effects 0.000 claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000033001 locomotion Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 2
- 230000004927 fusion Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000013480 data collection Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002360 preparation 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
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0008—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of bridges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
- G01M5/0041—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress
- G01M5/005—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress by means of external apparatus, e.g. test benches or portable test systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/933—Lidar systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种桥梁缺陷定位方法，包括以下步骤：获取三维地图；获取记录无人机偏移数据；根据三维地图和无人机偏移数据定位无人机自身位置；获得无人机采集的图像，从图像中获得桥梁缺陷位置；根据桥梁缺陷位置确定无人机相对于三维地图的无人机偏移数据。本发明技术方案优点在于，采用三维地图和无人机偏移数据属于对已经获得的数据进行执行，无需考虑GPS信号强弱问题。另一方面，如果无人机移动过程中被外界因素影响偏移路线或位置，可以通过三维地图和无人机偏移数据重新回到正确路线或位置。
Description
技术领域
本发明涉及缺陷定位领域，尤其涉及一种桥梁缺陷定位方法。
背景技术
在现有技术中，无人机在无GPS信号或GPS信号弱的桥底等位置进行桥梁缺陷定位时，无人机缺乏方向指引，再加上风或者其他恶劣环境等对无人机产生影响，使得无人机偏移，无人机无法做到准确地定位。
发明内容
本发明提供一种桥梁缺陷定位方法，是通过以下技术方案来实现的：
一种桥梁缺陷定位方法，包括以下步骤：
获取三维地图；
获取记录无人机偏移数据；
根据三维地图和无人机偏移数据定位无人机自身位置；
获得无人机采集的图像，从图像中获得桥梁缺陷位置；
根据桥梁缺陷位置确定无人机相对于三维地图的无人机偏移数据。
进一步的，所述获取三维地图包括以下步骤：
通过无人机的GPS和惯性导航系统，结合激光雷达数据，计算出空间坐标并生成三维点云数据；
处理分析三维点云数据并转化为三维地图。
进一步的，所述处理分析三维点云数据并转化为三维地图，具体为，利用SLAM算法处理分析三维点云数据并转化为三维地图。
进一步的，所述获取记录无人机偏移数据，包括以下步骤：
通过无人机上的激光里程计获取距离和高度数据；
通过计算和比较距离和高度数据获得无人机在三维地图中参照物的位置和姿态。
进一步的，所述获得无人机采集的图像，从图像中获得桥梁缺陷位置，包括以下步骤：
制定无人机的飞行路线；
通过无人机在飞行路线过程中进行图像采集；
对采集到的图像进行处理和分析获得桥梁缺陷位置。
进一步的，还包括以下步骤：
根据相对于三维地图的无人机偏移数据规划无人机路线，根据所述路线控制无人机重新前往桥梁缺陷位置。
进一步的，所述根据所述路线控制无人机重新前往桥梁缺陷位置，包括以下步骤：
根据桥梁缺陷位置确定对应记录的三维地图和无人机偏移数据，记录为第一定位信息；
在无人机移动过程中，确定无人机当前位置的无人机偏移数据，定义为第二定位信息；
将第一定位信息和第二定位信息进行比对，在第一定位信息和第二定位信息相匹配时，确定无人机到达桥梁缺陷位置且姿态确定。
进一步的，添加符号、注释和其他信息至所述三维地图中。
进一步的，所述根据根据三维地图和无人机偏移数据定位无人机自身位置，具体为，利用自适应卡尔曼滤波算法将三维地图和无人机偏移数据进行融合。
如此设计具有如下优点：本发明通过采用三维地图和无人机偏移数据属于对已经获得的数据进行执行，无需考虑GPS信号强弱问题。另一方面，如果无人机移动过程中被外界因素影响偏移路线或位置，可以通过三维地图和无人机偏移数据重新回到正确路线或位置。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
如图1，本实施例提供的一种桥梁缺陷定位方法，包括以下步骤：
S1、通过激光雷达获取三维地图，具体包括以下内容：
首先选择合适的激光雷达设备，并将激光雷达设备装配到无人机上，并确保它稳定安装并且能够获得所需的视野范围。
其次运行激光雷达设备并调整其设置，以使其能够扫描需要获取的区域，并定位和准确记录数据。
S11、使用无人机的GPS和惯性导航系统，结合激光雷达数据，计算出每个数据点的空间坐标，并生成三维点云数据。
S12、对所获得的三维点云数据进行处理和分析，使用三维建模软件或地图制作软件，将数据转化为三维地图。利用获得三维点云数据，建立三维地图：将三维点云数据导入到计算机中进行处理，利用SLAM算法(即同时定位与地图构建)，构建三维地图。SLAM算法会把无人机当成一个可移动的参考点，不断地采集新的数据与以往数据进行匹配，同时卡尔曼滤波或粒子滤波算法得出无人机自身的实时位姿(Position和Orientation)。
优化和编辑三维地图，可以添加标记、箭头、文字等符号，以及注释和其他信息，以便更好地理解和使用该地图。最后，将三维地图保存为常见的文件格式，例如.obj、.stl或.collada，这些文件格式可以在各种三维建模软件和地图查看器中使用。可以选择适合自己需求的文件格式，并保存三维地图，以便在其他软件或平台上使用和共享。
S2、通过记录无人机偏移数据，具体包括以下内容：
将激光里程计设备安装在无人机的顶部，并将其连接到飞行控制系统。安装后需要校准设备以确保最佳性能。
S21、开始记录激光里程计数据，可以使用无人机的遥控器或通过计算机软件启动记录功能。在记录过程中，激光里程计会发送激光束并记录反射的返回时间和强度，以获取距离和高度数据。
S22、处理数据：在记录数据之后，可以将其导入到计算机软件中进行处理和分析。可以使用现有的软件来处理数据，例如ROS(机器人操作系统)和PCL(点云库)。可以使用滤波算法对数据进行平滑处理，去除噪声。另外，还可以使用机器学习或深度学习技术对数据进行分析和特征提取，以进一步优化和提高定位精度。
S23、在选择激光雷达和激光里程计设备时，需要考虑作业需求和要求。主要考虑的因素包括扫描频率、精度、测量范围、功耗等。扫描频率决定了数据采集的速度，精度决定了定位的准确性，测量范围决定了能够覆盖的距离范围，功耗决定了设备的运行时间和能耗。根据需求选择适合的设备，并将其连接到无人机系统的主控板上。可以通过软件开发工具(如SDK)对设备进行配置和信息采集的设置，以满足作业需求和要求。
在选择激光雷达和激光里程计设备时，需要考虑作业需求和要求。主要考虑的因素包括扫描频率、精度、测量范围、功耗等。扫描频率决定了数据采集的速度，精度决定了定位的准确性，测量范围决定了能够覆盖的距离范围，功耗决定了设备的运行时间和能耗。根据需求选择适合的设备，并将其连接到无人机系统的主控板上。可以通过软件开发工具(如SDK)对设备进行配置和信息采集的设置，以满足作业需求和要求。
S3、根据三维地图和无人机偏移数据定位无人机自身位置(通过参照物相对自身位移定位自身位置)；
在无人机的飞行过程中，实时更新无人机相对于三维地图的偏移数据。在无人机下一次工作时，当无人机实时位置与地图中的当前位置匹配时，就可以得出无人机的实际位置和方向。
利用自适应卡尔曼滤波(AdaptiveKalmanFilter,AKF)等算法将激光雷达和激光里程计的数据进行融合，以得到更加准确的位置。
S4、通过无人机采集的图像，确定缺陷所在位置，包括以下步骤：
通过飞机在桥底去做图像采集检查【因为续航问题一次飞行部分，通过多次飞行扫描采集整座桥梁的图像】，图像采集检查回来后做AI分析或人工筛查，分析到病害后进行二次定位检查工作或增加定期重点巡查工作。
S41、计划和准备：确定检测目标，选定适当的无人机和相机，制定合理的飞行路线，并确保相关设备充分充电和存储空间充足。
S42、图像采集：通过无人机在飞行路线过程中进行图像采集。一次飞行可能只采集到桥梁的一部分，因此需要通过多次飞行扫描采集整座桥梁的图像。在飞行过程中，需要注意飞机的高度和角度，以确保采集到的图像质量和完整性。
S43、图像处理和分析：对采集到的图像进行处理和分析，检测出可能存在的缺陷和问题。可以使用AI算法或人工筛查进行分析，以保证数据的准确性和完整性。
S44、在所述检测出可能存在的缺陷和问题的位置，记录可能存在的缺陷和问题的位置所对应记录的三维地图和无人机偏移数据。将记录的三维地图和无人机偏移数据定义为第一定位信息，便于无人机重新回到可能存在的缺陷和问题的位置，确保缺陷和问题得到及时处理和维护。
现有技术采用GPS，无人机在无GPS信号或GPS信号弱的桥底等位置进行桥梁缺陷定位时，无人机缺乏方向指引，再加上风或者其他恶劣环境等对无人机产生影响，使得无人机偏移，无人机无法做到准确地定位。相对于现有技术，本发明技术的优势在于，采用三维地图和无人机偏移数据属于对已经获得的数据进行执行，也即无人机的定位参考的是，三维地图上的参考物和所记录的参照物与无人机之间的距离，而不是卫星定位，因此无需考虑GPS信号强弱问题。另一方面，如果无人机移动过程中被外界因素影响偏移路线或位置，可以通过三维地图和无人机偏移数据重新回到正确路线或位置。
S5、根据相对于三维地图的无人机偏移数据规划无人机路线，根据所述路线控制无人机重新前往桥梁缺陷位置。
第一步，获得第一定位信息；
第二步，确定无人机当前位置信息，定义为第二定位信息：在自主行驶过程中，需要不断确定自身的当前位置，也就是不断更新第二位置信息，定位当前位置的方式可以通过GPS、惯性导航系统(InertialNavigationSystem，INS)等方式。
第三步，将第一定位信息和第二定位信息进行比对：将获取的第一定位信息和第二定位信息导入计算机中，生成地图，并进行路径规划，基于生成的地图，进行路径规划，确定自主行驶的路径。最后，基于确定的路径，进行自主行驶，前往桥梁缺陷位置。在第一定位信息和第二定位信息相匹配时，就到达了桥梁缺陷位置，并且无人机的姿态确定。
最终也就实现了无人机对桥梁缺陷位置的重新定位，能用于再次对桥梁缺陷位置进行长期的跟踪，便于长期观察桥梁缺陷位置的变化。
综上，本发明通过获得根据三维地图和无人机偏移数据，能够实现定位无人机自身位置，再通过获得无人机采集的图像确定桥梁缺陷位置，通过桥梁缺陷位置还原相对于三维地图的无人机偏移数据，从而确定桥梁缺陷位置。优势在于，采用三维地图和无人机偏移数据属于对已经获得的数据进行执行，无需考虑GPS信号强弱问题。另一方面，如果无人机移动过程中被外界因素影响偏移路线或位置，可以通过三维地图和无人机偏移数据重新回到正确路线或位置。
上列详细说明是针对本发明可行实施例的具体说明，该实施例并非用以限制本发明的保护范围，凡未脱离本发明所为的等效实施或变更，均应包含于本发明的保护范围中。
Claims (9)
1.一种桥梁缺陷定位方法，其特征在于：包括以下步骤：
获取三维地图；
获取记录无人机偏移数据；
根据三维地图和无人机偏移数据定位无人机自身位置；
获得无人机采集的图像，从图像中获得桥梁缺陷位置；
根据桥梁缺陷位置确定无人机相对于三维地图的无人机偏移数据。
2.根据权利要求1所述的桥梁缺陷定位方法，其特征在于：所述获取三维地图包括以下步骤：
通过无人机的GPS和惯性导航系统，结合激光雷达数据，计算出空间坐标并生成三维点云数据；
处理分析三维点云数据并转化为三维地图。
3.根据权利要求2所述的桥梁缺陷定位方法，其特征在于：所述处理分析三维点云数据并转化为三维地图，具体为，利用SLAM算法处理分析三维点云数据并转化为三维地图。
4.根据权利要求1所述的桥梁缺陷定位方法，其特征在于：所述获取记录无人机偏移数据，包括以下步骤：
通过无人机上的激光里程计获取距离和高度数据；
通过计算和比较距离和高度数据获得无人机在三维地图中参照物的位置和姿态。
5.根据权利要求1所述的桥梁缺陷定位方法，其特征在于：所述获得无人机采集的图像，从图像中获得桥梁缺陷位置，包括以下步骤：
制定无人机的飞行路线；
通过无人机在飞行路线过程中进行图像采集；
对采集到的图像进行处理和分析获得桥梁缺陷位置。
6.根据权利要求1所述的桥梁缺陷定位方法，其特征在于：还包括以下步骤：
根据相对于三维地图的无人机偏移数据规划无人机路线，根据所述无人机路线驱使无人机重新前往桥梁缺陷位置。
7.根据权利要求6所述的桥梁缺陷定位方法，其特征在于：所述根据所述无人机路线控制无人机重新前往桥梁缺陷位置，包括以下步骤：
根据桥梁缺陷位置确定对应记录的三维地图和无人机偏移数据，记录为第一定位信息；
在无人机移动过程中，确定无人机当前位置的无人机偏移数据，定义为第二定位信息；
将第一定位信息和第二定位信息进行比对，在第一定位信息和第二定位信息相匹配时，确定无人机到达桥梁缺陷位置且姿态确定。
8.根据权利要求1所述的桥梁缺陷定位方法，其特征在于：添加符号、注释和其他信息至所述三维地图中。
9.根据权利要求1所述的桥梁缺陷定位方法，其特征在于：所述根据三维地图和无人机偏移数据定位无人机自身位置，具体为，利用自适应卡尔曼滤波算法将三维地图和无人机偏移数据进行融合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310849809.0A CN116858229A (zh) | 2023-07-12 | 2023-07-12 | 一种桥梁缺陷定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310849809.0A CN116858229A (zh) | 2023-07-12 | 2023-07-12 | 一种桥梁缺陷定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116858229A true CN116858229A (zh) | 2023-10-10 |
Family
ID=88226460
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310849809.0A Pending CN116858229A (zh) | 2023-07-12 | 2023-07-12 | 一种桥梁缺陷定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116858229A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119414875A (zh) * | 2024-09-29 | 2025-02-11 | 重庆市交通工程质量检测有限公司 | 一种基于桥梁检测的无人机导航定位方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180114441A1 (en) * | 2016-10-25 | 2018-04-26 | Centre National D'etudes Spatiales | Collaborative improvement of a vehicle's positioning |
| CN108108850A (zh) * | 2017-12-29 | 2018-06-01 | 江苏高科物流科技股份有限公司 | 一种运动装置及其寻路控制方法和具有存储功能的装置 |
| CN109901624A (zh) * | 2019-04-11 | 2019-06-18 | 株洲时代电子技术有限公司 | 一种桥梁巡检方法 |
| CN109901625A (zh) * | 2019-04-11 | 2019-06-18 | 株洲时代电子技术有限公司 | 一种桥梁巡检系统 |
| CN110221623A (zh) * | 2019-06-17 | 2019-09-10 | 酷黑科技（北京）有限公司 | 一种空地协同作业系统及其定位方法 |
| CN114858226A (zh) * | 2022-07-05 | 2022-08-05 | 武汉大水云科技有限公司 | 一种无人机山洪流量测量方法、装置及设备 |
-
2023
- 2023-07-12 CN CN202310849809.0A patent/CN116858229A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180114441A1 (en) * | 2016-10-25 | 2018-04-26 | Centre National D'etudes Spatiales | Collaborative improvement of a vehicle's positioning |
| CN108108850A (zh) * | 2017-12-29 | 2018-06-01 | 江苏高科物流科技股份有限公司 | 一种运动装置及其寻路控制方法和具有存储功能的装置 |
| CN109901624A (zh) * | 2019-04-11 | 2019-06-18 | 株洲时代电子技术有限公司 | 一种桥梁巡检方法 |
| CN109901625A (zh) * | 2019-04-11 | 2019-06-18 | 株洲时代电子技术有限公司 | 一种桥梁巡检系统 |
| CN110221623A (zh) * | 2019-06-17 | 2019-09-10 | 酷黑科技（北京）有限公司 | 一种空地协同作业系统及其定位方法 |
| CN114858226A (zh) * | 2022-07-05 | 2022-08-05 | 武汉大水云科技有限公司 | 一种无人机山洪流量测量方法、装置及设备 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119414875A (zh) * | 2024-09-29 | 2025-02-11 | 重庆市交通工程质量检测有限公司 | 一种基于桥梁检测的无人机导航定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3850456B1 (en) | Control and navigation systems, pose optimisation, mapping, and localisation techniques | |
| US11714416B2 (en) | Method of navigating a vehicle and system thereof | |
| Loupos et al. | Autonomous robotic system for tunnel structural inspection and assessment | |
| CN110832279B (zh) | 对准由自主车辆捕获的数据以生成高清晰度地图 | |
| US10690525B2 (en) | Systems and methods associated with unmanned aerial vehicle targeting accuracy | |
| Templeton et al. | Autonomous vision-based landing and terrain mapping using an MPC-controlled unmanned rotorcraft | |
| Scherer et al. | Autonomous landing at unprepared sites by a full-scale helicopter | |
| JP6975513B2 (ja) | カメラベースの自動化された高精度道路地図の生成システム及び方法 | |
| CN109358071B (zh) | 自主覆盖式作业的大型设备表面损伤检测系统及其方法 | |
| CN116050277A (zh) | 一种煤矿井下场景现实捕捉感知及仿真方法及设备 | |
| CN111263308A (zh) | 定位数据采集方法及系统 | |
| CN112146627B (zh) | 在无特征表面上使用投影图案的飞行器成像系统 | |
| CN113140003A (zh) | 使用图像中所示的现有界标创建地面控制点文件 | |
| CN114879699A (zh) | 针对埋地管道野外巡检机器人的自主导航系统及方法 | |
| CN119987412A (zh) | 一种基于多传感器融合技术的无人机自主飞行与巡检系统 | |
| CN116858229A (zh) | 一种桥梁缺陷定位方法 | |
| KR102252295B1 (ko) | 실내 토폴로지맵 생성 방법 및 이를 위한 자율주행 로봇 | |
| CN117742358A (zh) | 一种无人机城轨列车巡检机器人系统 | |
| CN116109675A (zh) | 一种煤矿井下场景现实捕捉感知方法及设备 | |
| CN116129669A (zh) | 一种基于激光雷达的车位测评方法、系统、设备及介质 | |
| Cesetti et al. | Vision-based autonomous navigation and landing of an unmanned aerial vehicle using natural landmarks | |
| Behringer et al. | Rascal-an autonomous ground vehicle for desert driving in the darpa grand challenge 2005 | |
| CN119002538A (zh) | 一种基于icp的激光雷达仿线飞行方法及装置 | |
| Zou et al. | Automated UAV route planning for bridge inspection using BIM-GIS data | |
| Guan et al. | Review on UAV-based remote sensing technologies for construction and civil applications. Drones 2022, 6, 117 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20231010 |