基于无人机倾斜摄影的黄土滑坡信息多维提取与应用分析

本文针对黄土地区地质灾害调查与评估需求,探索了一种基于无人机倾斜摄影影像和飞控数据的滑坡单体信息多维提取的方法.通过影像处理获得的DEM、DOM和实景三维模型等多维数据,对贾家村滑坡坡形、坡度、相对高差、植被覆盖率、纵坡比降、表面积与物源体积进行定量提取,结合区域气象数据分析了贾家村滑坡年均降雨量时空分布规律,利用相关...     

改进SAR-SIFT算法的无人机影像匹配方法研究

对SAR-SIFT、SIFT与SURF算法的匹配正确率、数量及时间等进行探究,并提出一种基于SAR-SIFT改进的无人机影像匹配方法,可增加无人机影像的匹配数量和准确率。利用图像的R,G,B分量提取图像特征,将3个分量提取的所有特征去重后进行特征结合,增加特征点提取数量。采用比值判别法(Ratio Test)将不满足最邻近距离、次临近距离以及距离较远关系的特征点去除,并采用余弦相似度进行匹配,最后采用向量一致性算法进行错误剔除。实验结果证明,改进算法提高无人机影像的匹配正确率,增加图像的正确匹配数量。     

环太平洋联合军演,意欲何为?

2012年6月29日到8月3日,由美国主导的"环太平洋2012"联合军事演习(RIMPAC)在美国夏威夷周边海域以空前规模举行。始于1971年的"环太平洋"系列演习今年已经是第23次。比较此前     

无人机动态飞行轨迹的检测处理

无人机无线电测量定位系统的精度，一直无法进行准确、定量检测。通过对飞机飞行轨迹进行监测，并记录其相关数据与无人机无线电测量定位与系统输出的数据进行自动对比分析的“无人机动态定位检测系统”，解决了无人机动态定位精度不能进行定量检测的技术难题。本文叙述了某型号无人机的无线电测量定位系统定位精度误差检测系统和检测方法，给出了无人机动态定位检测系统的硬、软件组成方式，并介绍了研制和测试中遇到的问题及解决措施。     

多旋翼无人机航磁系统误差综合补偿研究

多旋翼无人机磁通门航磁系统以其安全、稳定、高效等特点可广泛应用于中大比例尺矿产资源探测领域,但由于磁通门传感器存在三轴不严格正交,灵敏度、零偏不一致造成的转向差,且系统作业中存在固定场干扰、感应干扰和涡流干扰,需要进行流程繁琐的标定和补偿测试.本文根据实测数据分析出航磁系统机电干扰主要来自机载设备高频干扰,针对机电干扰高频特性设计相应低通滤波器进行误差处理,并基于Tolles-Lawson模型建立仪器转向误差和飞行平台机动误差补偿模型,根据两者结构相似的特点,建立综合补偿模型,该模型简单,实用性强,可通过野外一次补偿测试求取补偿参数进而对工区航磁数据进行补偿处理.最后,将综合补偿研究应用到辽宁省兴城市夹山地区航磁数据,综合补偿后的处理有效去除了航磁数据中的条带状干扰异常,并与地面磁测数据异常形态具有良好的一致性,验证了该研究方法有效性和实用性.     

无人机遥感系统在岸线勘测中的应用

文章介绍了无人机遥感系统的主要组成和作业流程,重点探讨了无人机遥感在岸线勘测中的关键技术,并以青岛小岛湾为例,开展了基于无人机影像的岸线提取,利用现场实测岸线数据和基于激光雷达数据提取的岸线进行比对,以验证提取岸线的正确性。结果表明:基于无人机开展岸线勘测是经济可行的,而且效率比较高,能够满足大比例成图精度要求。     

基于单阶段神经网络的房屋屋顶检测方法

针对现有方法利用无人机影像对房屋目标进行检测的过程中存在错检、漏检率高等问题,构建了单阶段卷积神经网络来实施无人机影像房屋检测,并在德国宇航中心开源数据集(Deutsches Zentrum für Luft-und Raum fahrt,DLR)3KVehicle的基础上,采用多种数字图像增强手段对原始图像进行数据增强处理,提高训练后模型的泛化能力.在测试数据集上对训练后的网络进行测试,采用精度均值(Average Precision,AP)和每秒传输帧数(Frames Per Second,FPS)指标进行评价.并将检测结果与经典的目标检测模型单激发多盒探测器(Single Shot Multi-Box Detector,SSD)以及YOLOv3的检测结果进行对比.结果表明,所构建的卷积神经网络对于无人机影像中的房屋目标尤其是小目标有着较高的检测精度,检测精度可以达到91.3％AP,相比SSD和YOLOv3在精度方面提高了11.5％和8.3％.同时网络的检测速度可以达到每秒传输帧数21m·s-1,能够快速精确地检测出无人机影像中的房屋目标.     

基于卷积神经网络的无人机影像违章建筑检测应用

无人机航拍影像具有分辨率高、回访周期短等特点,利用无人机遥感技术手段对城市范围的建设进行动态监测,可及时、有效地发现涉嫌违法的建设活动。本文结合实际项目需求,研究通过卷积神经网络方法进行违章建筑的自动检测,替代过去靠大量人力检查的模式,目前测试区域无人机影像试验取得了较好的效果,在样本数据不足5000份的情况下,准确率和召回率分别达到了71%和88%。随着样本数据的不断增多,基于该深度学习方法将较大程度上持续提升检测准确率和召回率,能够更精准地发现违法活动,具有较大的实际应用价值及潜力。     

便携式消费级无人机相机标定有效性评估

本文针对近年来在各行业中广泛使用的便携式消费级无人机开展了相机标定有效性研究,分别通过室内标定场和后处理软件对相机进行标定和自标定,在对比无相机标定、飞前相机标定、飞后相机标定和自标定迭代校正等方法所得成图精度后,对不同相机标定方案的有效性进行了评估。结果表明：各种方案成图总体精度差别不大;飞前、飞后相机标定与无相机标定的成图精度相当;自标定迭代校正的成图精度略高于其他方案。可见采用航拍照片自标定参数迭代校正的方法更适合于飞行控制精度和成像系统稳定性都不高的便携式消费级无人机相机标定。     

强跟踪抗差自适应滤波算法及其在无人机导航定位中的应用

针对Sage-Husa自适应滤波算法在无人机导航定位应用中存在滤波发散和定位精度低的问题,本文提出一种强跟踪抗差自适应滤波算法。该算法在Sage-Husa自适应滤波算法基础上,引入强跟踪技术,通过自适应渐消因子降低历史数据对当前滤波的影响,从而抑制滤波发散,增强算法的稳健性;结合量测噪声和系统噪声进行实时估计,并且在估计中加入抗差因子抑制粗差对滤波的干扰,提高定位精度。仿真结果表明,该算法在发生滤波发散和粗差干扰的情况下能够表现出良好的滤波性能,较Sage-Husa算法有更强的稳健性。