-
公开(公告)号：CN120013774A
公开(公告)日：2025-05-16
申请号：CN202411953524.2
申请日：2024-12-27
Applicant: 南方电网通用航空服务有限公司
Abstract: 本发明涉及一种基于多光谱影像与激光点云数据配准融合方法，该方法采用对配准的数据源进行转换，利用多视几何原理从影像序列中恢复出三维信息，从而将三维激光点和二维影像的配准转化为2个三维点集的空间配准问题，以克服三维激光点云和二维光学影像之间特征差异大这一问题。
-
公开(公告)号：CN119942354A
公开(公告)日：2025-05-06
申请号：CN202510431104.6
申请日：2025-04-08
Applicant: 南方电网通用航空服务有限公司
IPC: G06V20/10 , G06V20/52 , G06V20/64 , G06V10/26 , G06V10/80 , G06V10/82 , G06T7/33 , G06T7/60 , G01B11/00 , G01N21/25 , G01N21/84
Abstract: 本发明公开了一种基于多期点云与深度学习的单木动态监测方法及系统，包括采集研究区域的多期多光谱影像与激光点云数据，并进行预处理；将预处理后的多期多光谱影像与激光点云数据进行配准融合，生成多期融合点云；基于所述多期融合点云，使用深度学习模型进行单木分割；基于所述单木分割结果，反演单木的冠幅和树高，并根据冠幅和树高的反演结果分析单木的生长参数。通过融合多时相点云与多光谱影像数据，结合深度学习模型，实现了单木的精准分割与动态生长监测，克服了现有技术中单木分割准确率低、多源数据融合不充分、无法捕捉林木生长变化的缺陷。采用冠幅和树高的反演模型，有效提升了生长参数估计的精度，为森林资源管理提供了科学依据。
-
公开(公告)号：CN119759076A
公开(公告)日：2025-04-04
申请号：CN202411899983.7
申请日：2024-12-23
Applicant: 南方电网通用航空服务有限公司
IPC: G05D1/495 , G05D1/46 , G05D101/15 , G05D109/20
Abstract: 本申请提供了一种多传感器融合定位下的自主飞行方法、装置及设备，该自主飞行方法确定出点位信息和采样频率，并对采样数据进行滤波和一致性处理得到目标采样数据，并将从目标采样数据中确定的飞行状态观测值、已获得的输入控制量和飞行状态预测值输入到飞行状态估算模型中，输出状态估算值；再将点位信息、状态估算值和指定传感器的定位误差输入到已训练的定位估算预测模型中，输出传感器预测状态和飞行预测参数；若传感器预测状态满足飞行要求，则控制本无人机按照飞行预测参数飞向下一个点位执行飞行任务。可见，本申请实施例在不对无人机原有的感知硬件和芯片算力进行提升的情况下，可确保无人机在复杂环境中仍能保持高性能和稳定性。
-
公开(公告)号：CN120014433A
公开(公告)日：2025-05-16
申请号：CN202411953520.4
申请日：2024-12-27
Applicant: 南方电网通用航空服务有限公司
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/143 , G06V10/82 , G06V20/70
Abstract: 本发明涉及点云数据处理技术领域，特别涉及一种基于三维激光点云的电力廊道树种识别与分类方法。本发明使用SuperPointGraphs框架模型对大场景下的三维点云的进行分割处理，可以高效快捷的将地面点、植被、建筑物等地物分类，从而将得到的植被点云数据，再经过单木分割，使用深度学习网络模型对树冠特征信息、树干特征信息和经过多光谱标注的多光谱树种分类信息进行配准处理，得到树木分类，能够提高点云分类的成果，解决了大场景下的三维点云数据分割难。
-
公开(公告)号：CN117593668A
公开(公告)日：2024-02-23
申请号：CN202311547405.2
申请日：2023-11-17
Applicant: 南方电网通用航空服务有限公司
IPC: G06V20/17 , G06V10/44 , G06V10/86 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本申请涉及一种无人机目标检测方法、装置、计算机设备、介质和产品。所述方法包括：获取输电线路的待检测图像；利用预先部署的目标检测模型对所述待检测图像进行目标检测，得到目标检测结果；所述目标检测模型是通过接收训练好的模型目标参数再进行无人机边缘部署得到的，所述目标检测模型用于：通过所述Mobilenetv3主干网络层对所述待检测图像进行特征提取，得到的第一输电线路特征图，通过特征金字塔网络层用于对第一输电线路特征图进行特征增强和特征融合，得到第二输电线路特征图，通过所述头部输出层对第二输电线路特征图进行检测，得到所述目标检测结果。采用本方法能够提高无人机目标检测速率。
-
Patent Agency Ranking
公开(公告)号：CN117566137A
公开(公告)日：2024-02-20
申请号：CN202311542829.X
申请日：2023-11-17
Applicant: 南方电网通用航空服务有限公司
Abstract: 本发明提供一种用于无人机的保护装置及巡检设备，用于无人机的保护装置包括外壳、第一减震件及第二减震件。其中，外壳设有用于安装无人机的机身的保护腔。第一减震件的两端分别与保护腔的底壁及机身的底壁对应连接。第二减震件的一端与保护腔的侧壁或顶壁连接，另一端与机身的侧壁或顶壁连接。本申请中的外壳能够将无人机的机身进行包裹，以此对机身进行保护；同时，第一减震件及第二减震件能够在无人机发生坠落时对机身起到缓冲减震的作用，保证机身不会在第一时间与地面相接触，降低无人机损毁的情况，降低无人机维修成本的同时也，提高无人机巡检工作的可靠性。
-
公开(公告)号：CN117540792A
公开(公告)日：2024-02-09
申请号：CN202311439939.3
申请日：2023-10-31
Applicant: 南方电网通用航空服务有限公司 , 广东电网有限责任公司肇庆供电局
IPC: G06N3/096 , G06N3/082 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06V10/25 , G06V10/82
Abstract: 本申请涉及一种网络混合压缩方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：通过样本图像对目标检测网络进行训练，得到教师网络；对教师网络进行蒸馏处理，得到教师辅助网络；根据教师网络中各滤波器之间的冗余度，对教师网络进行滤波器剪枝，得到剪枝后的教师网络；根据教师辅助网络中各滤波器之间的冗余度，对教师辅助网络进行滤波器剪枝，得到剪枝后的教师辅助网络；根据剪枝后的教师网络的中间层特征和剪枝后的教师辅助网络的中间层特征，对学生网络进行蒸馏，得到蒸馏后的学生网络；蒸馏后的学生网络用于对目标图像进行目标检测处理。采用本方法能够提高了蒸馏得到的学生网络的性能。
-
公开(公告)号：CN114943002A
公开(公告)日：2022-08-26
申请号：CN202210621374.X
申请日：2022-06-02
Applicant: 南方电网通用航空服务有限公司
IPC: G06F16/51 , G06F16/587 , G06Q10/00 , G06Q50/06 , G06T17/05
Abstract: 本申请涉及一种巡检数据处理方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取对电力巡检区域进行采集得到的巡检数据，根据巡检数据的数据信息确定巡检数据的数据类型；基于数据类型对应的解析方法，解析巡检数据，获得巡检数据对应的电力巡检区域的位置信息；将位置信息与预先创建的三维地球模型上的各电力巡检区域的位置信息进行匹配，在三维地球模型的匹配的电力巡检区域的图层数据库中插入巡检数据。采用本方法能够增加巡检数据的使用价值，提高业务人员对电力巡检区域进行相应维护操作的效率和准确性。
-
公开(公告)号：CN120013825A
公开(公告)日：2025-05-16
申请号：CN202411953522.3
申请日：2024-12-27
Applicant: 南方电网通用航空服务有限公司
Abstract: 本发明涉及一种基于多光谱影像几何纠正方法，该方法包括：对原始多光谱影像进行特征提取，生成地面控制点；构建几何纠正模型，模型中存储有元数据，确定地面控制点与元数据之间的仿射变换关系；将新的多光谱影像输入模型中进行几何纠正，输出正射影像。本发明与现有技术相比，其显著优点是：采用几何纠正方法，显著地提高多光谱遥感影像的正射纠正效率，为海量多光谱遥感数据加工处理提供严密的几何数据基准；并且，在几何纠正过程中增加区域网处理，通过各影像重叠匹配的连接点和控制点，恢复影像之间的相对位置和绝对位置，确保影像的定位和接边精度。
-
公开(公告)号：CN117726794A
公开(公告)日：2024-03-19
申请号：CN202311725312.4
申请日：2023-12-15
Applicant: 南方电网通用航空服务有限公司
IPC: G06V10/25 , G06V10/774 , G06V10/82 , G06V10/52 , G06N3/0464
Abstract: 本申请涉及一种模型部署方法、装置、计算机设备和存储介质。所述方法包括：将目标检测模型对应的后处理算子部署至目标框架中；其中，所述后处理算子用于：对所述目标检测模型输出的检测图像中目标对象的候选框信息进行处理，得到目标对象的各候选框的候选框位置、候选框置信度和候选框概率分布，并根据所述检测图像中的关键位置，以及各候选框的候选框位置、候选框置信度和候选框概率分布，确定所述目标对象的目标框；将所述目标检测模型部署至已部署所述后处理算子的目标框架中。采用本方法能够提高目标检测模型的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.033 seconds)
