基于RTK高精度定位与机器视觉融合的无人机自主巡检方法

    公开(公告)号:CN112711267A

    公开(公告)日:2021-04-27

    申请号:CN202010329874.7

    申请日:2020-04-24

    IPC分类号: G05D1/10 G05D3/12 G01C21/20

    摘要: 本发明是基于RTK高精度定位与机器视觉融合的无人机自主巡检方法,该方法在无人机自动巡检前能够进行航线选取,通过基于关键点和轨迹夹角的轨迹筛选方法进行冗余点过滤,输出优化后的巡检航线;无人机在飞行至接近拍照点时,无人机通过基于RTK的高精度定位方法调整无人机空间位置,精确到达拍照点;无人机通过基于巡检对象差异特性的动态优化定位方法在拍照前控制云台转动,在目标设备图片位于照片中心位置后进行拍照。该种无人机自主巡检方法解决了航线采集以及定位优化问题,贯穿航线学习到自主巡检的流程之中,兼顾了巡检效率以及巡检精确度,提供了精细化巡检的高效率解决方案。

    一种基于离线高斯模型的目标检测分割方法及系统

    公开(公告)号:CN111985488A

    公开(公告)日:2020-11-24

    申请号:CN202010901955.X

    申请日:2020-09-01

    摘要: 本发明涉及一种基于离线高斯模型的目标检测分割方法,包括:利用训练集训练Mask R-CNN模型,合并各个训练图像中的候选区域框和真实物体框作为更新候选区域框;对各个训练图像的更新候选区域框进行特征提取,采用离线计算的方式,利用提取的特征以及所含物体的类别对中心矩阵、方差和样本数量进行更新;对测试图像的候选区域框进行特征提取,基于高斯计算模型计算候选区域框在第i类别上的概率值,将计算得到的概率值与Softmax分类器的输出结果的平均值作为目标检测分割结果进行输出;使用离线高斯模型去增强Mask R-CNN中的分类器,结合离线高斯模型和Softmax分类器实现样本对不均衡数据的分类,简单易行,应用范围广,能够有效的提高目标检测分割的精度。

    一种基于离线高斯模型的目标检测分割方法及系统

    公开(公告)号:CN111985488B

    公开(公告)日:2022-06-10

    申请号:CN202010901955.X

    申请日:2020-09-01

    摘要: 本发明涉及一种基于离线高斯模型的目标检测分割方法,包括:利用训练集训练Mask R‑CNN模型,合并各个训练图像中的候选区域框和真实物体框作为更新候选区域框;对各个训练图像的更新候选区域框进行特征提取,采用离线计算的方式,利用提取的特征以及所含物体的类别对中心矩阵、方差和样本数量进行更新;对测试图像的候选区域框进行特征提取,基于高斯计算模型计算候选区域框在第i类别上的概率值,将计算得到的概率值与Softmax分类器的输出结果的平均值作为目标检测分割结果进行输出;使用离线高斯模型去增强Mask R‑CNN中的分类器,结合离线高斯模型和Softmax分类器实现样本对不均衡数据的分类,简单易行,应用范围广,能够有效的提高目标检测分割的精度。

    基于RTK高精度定位与机器视觉融合的无人机自主巡检方法

    公开(公告)号:CN112711267B

    公开(公告)日:2021-09-28

    申请号:CN202010329874.7

    申请日:2020-04-24

    IPC分类号: G05D1/10 G05D3/12 G01C21/20

    摘要: 本发明是基于RTK高精度定位与机器视觉融合的无人机自主巡检方法,该方法在无人机自动巡检前能够进行航线选取,通过基于关键点和轨迹夹角的轨迹筛选方法进行冗余点过滤,输出优化后的巡检航线;无人机在飞行至接近拍照点时,无人机通过基于RTK的高精度定位方法调整无人机空间位置,精确到达拍照点;无人机通过基于巡检对象差异特性的动态优化定位方法在拍照前控制云台转动,在目标设备图片位于照片中心位置后进行拍照。该种无人机自主巡检方法解决了航线采集以及定位优化问题,贯穿航线学习到自主巡检的流程之中,兼顾了巡检效率以及巡检精确度,提供了精细化巡检的高效率解决方案。