飞马D200S无人机与机载激光雷达在大比例尺DEM建设中的应用

2023-05-16

摘要

本文基于飞马D200S无人机搭载RIEGLmini210激光雷达获取46.7km2的点云数据制作1:500DEM。首先根据测区面积大,飞马无人机管家智航线模块自动划分航摄分区过多的情况,调整航线长度以减少航摄分区数量,统一航线方向减少航摄分区间航线冗余,从而减少外业工作量和数据冗余;然后制定对比实验,根据激光雷达性能,得出点云密度满足规范要求的航摄高度和旁向重叠度,减少数据总量提高内外业生产效率;最后利用机载激光雷达获取高精度点云数据制作1:500DEM成果。利用野外实测高程点检验DEM成果精度,计算得出DEM成果高程中误差0.072m,满足规范中1:500DEM平地区域中误差0.2m的限差要求。项目使用飞马D200S无人机搭载RIEGLmini210激光雷获取点云数据制作1:500DEM,其成果精度满足规范要求;项目外业、内业共投入人力20人/天,总工期历时7天;该方法作业效率高,在数据采集、生产流程上技术成熟可靠值得推广应用。

图新地球桌面端新版(LSV4.3.1)发布,新增点云大师功能,功能如下:
1. 大疆、飞马等无人机航测点云成果
2. 自动完成地面点提取
3. 生成高精度地形和CAD格式等高线
点击查看详情:点云大师

关键词

1:500DEM;飞马D200S无人机;RIEGL mini210激光雷达;

1.引言

数字高程模型(Digital Elevation Model,DEM)是通过高程与平面坐标的连续函数来描述地面高程信息,是地形曲面的数字化表达,是基础空间数据的重要组成部分。原来生产DEM主要利用获取的航空影像采用交互式摄影测量方式进行制作,根据对立体像对的地形地貌采集特征点、线,再通过内插制作DEM。这种方法耗时耗力、效率低下,还随着地貌特征、植被覆盖等自然条件的变使得利用该方法制作DEM的工作量和采集难度不定,得到的DEM成果也难以保证其精度的均匀性。

随着无人机技术的发展,无人机在航空摄影测量领域得到广泛的应用,LiDAR(Light Detction and Ranging,LiDAR)设备的轻量化、小型化发展,使得在无人机上搭载LiDAR设备成为可能。无人机机载LiDAR系统集成空间定位、惯性测量、激光扫描等多种设备,直接获取得到地物点的三维坐标数据,而且激光能够穿透一定的植被,获取植被下地面点得到真实的地表地形,是目前唯一能够大面积的测量茂密植被下地面高程的可行技术手段。机载LiDAR点云数据后处理算法的持续研究更新,也为无人机机载LiDAR获取得到的点云数能够通过滤波等操作后得到高精度DEM数据,提供软件技术支撑。

本文结合上合示范区1:500DEM生产项目,根据作业环境和已有的设备参数等条件,分析作业难点制定作业计划,步步检核、步步控制,保证获取得到的点云数据制作的DEM成果精度可靠。

2. 项目概述

2.1 项目背景

2021年3月,国家发展改革委、中央网信办、自然资源部、住房和城乡建设部等28部门联合发布《加快培育新型消费实施方案》,提出“加强新一代信息基础设施建设。推动城市信息模型(City Information Modeling, CIM)基础平台建设,支持城市规划建设管理多场景应用,促进城市基础设施数字化和城市建设数据汇聚。”

根据上合示范区智慧城市建设的需要和国家对CIM基础平台建设相关要求,结合上合示范区智慧城市建设,上合示范区管委决定建立上合示范区城市信息模型(CIM)基础平台(以下简称CIM基础平台),全面推进CIM基础平台在上合示范区智慧城市及规划建设管理领域的广泛应用,作为上合示范区智慧城市建设重要基础,将助力上合示范区精细化、智慧化管理水平的提升,助力上合示范区实现高标准建设、智能化运营。数字高程模型(Digital Elevation Model,DEM)是时空基础数据的重要组成部分,是CIM基础平台的重要底图数据。

2.2 测区情况

测区位于胶州上合示范区,面积46.7km2,南北长11km、东西最宽处约8km。测区内地势平坦,工业厂房较多,存在少量高层建筑;西南侧有一片较为密集的芦苇荡,东北侧有一个突起的山头,这两处植被较为茂密;国道228南北向贯穿其中,车流量较大;南侧两个湖泊通过一条河流东西向连通并贯穿测区;综合以上条件该测区能代表一些建成区、非建成区的作业环境,具有一定的代表性,图1中红线范围内为该测区范围。

图1 项目范围图

2.3 成果要求

项目所需的成果数据为1:500比例尺的DEM,其应满足以下规范:

(1)《机载激光雷达数据获取技术规范》(CH/T8024-2011);

(2)《机载激光雷达点云数据质量评价指标及计算方法》(GB/T36100-2018);

(3)《机载激光雷达数据处理技术规范》(CH/T8023-2011);

(4)《测绘成果质量检查与验收》(GB/T24356-2009);

(5)基础地理信息数字成果1:500、1:1000、1:2000数字高程模型》(CH/T9008.2-2010)。

2.4 设备选用

结合我院现有的无人机设备和无人机机载激光雷达设备,选用飞马D200S无人机和RIEGLmini210机载激光雷达。

飞马D200S无人机是一款基于高性能旋翼平台的高精度无人机航测系统,飞行器的传感器采用多路冗余设计,保障飞行作业安全可靠,设备参数如下:

表1 飞马D200S无人机基本参数

RIEGLmini210机载激光雷达具有多次回波技术,该技术可以使得测量具有一定的穿透性,使得穿透雨雾、粉尘和植被缝隙等成为可能。测区内存在的较为密集芦苇荡和茂盛的植被,所以选用该型号机载激光雷达作为本项目中点云数据获取的主要设备,其参数如下。

表2 RIEGLmini 210基本参数

3. 技术难点与解决方案

3.1 技术难点

项目存在以下难点:

难点一:测区面积大、南北长,飞马D200S无人机搭载LiDAR设备航程和有限,飞马无人机管家智航线自动划分航摄分区过多,航摄分区过多增加外业工作量,产生数据冗余和系统误差。

难点二:测区内存高层建筑,经过测量高层建筑物距离地面为105m、塔吊高度约130m,提高航摄高度能确保飞行安全和点云数据采集效率,但是点云密度会随着航高的升高而降低,低密度的点云制作的DEM精度能否满足规范的要求。

这两个难点考验飞马D200S无人机和RIEGLmini210机载激光雷达设备的快速数据获取能力。

3.2 解决方案

针对3.1中难点一,提高各航摄分区内航线的相关性、减少航摄分区,将测区均匀划分5个航摄区域,航摄分区图见图2,其中分区2、3航线分别向东向西延伸超出测区边界外150m,分区4东侧航线端点和分区5西侧航线端点分别向西、向东延长并重叠200m。各航摄分区内航线角度统一为90°,各航摄分区间旁向重叠一条航线。

图2 航摄分区图

针对3.1中难点二,为项目寻找一个合适的航摄参数,制定实验如下:

表3 实验航摄参数

选定测区中一个有厂房、高层建筑和部分芦苇存在的区域,面积约1.2km2的实验区,用飞马D200S无人机搭载RIEGLmini210按照表3中的航摄参数进行点云数据采集,并进行点云数据的解算和基本处理,在测区内间隔均匀的测量25个高程点,检查实验区点云密度和高程中误差,其结果如下:

表4 航摄实验结果

为了确保无人机飞行安全并兼顾外业效率,以及获取得到的点云数据密度满足规范要求,依据针对难点二进行的点云数据获取实验,本项目中航摄参数设定为:旁向重叠30%、航速7m/s、航高180m。设定的航摄参数虽然在实验中点云密度和高程精度均能满足要求,但是大面积的进行点云数据采集,其精度和点云密度能否满足规范要求还有待进一步验证。

4. 数据获取与处理

4.1 航飞作业和控制点测设

测区内空域情况复杂,白天空域获得飞行许可时间短,难以持续航飞作业。夜间空域获批时间连续,架设的差分基站能够持续不间断提供差分信号,有效减少因为基站差分带来的误差影响,夜间车辆和人员活动少能有效减少LiDAR点云数据的噪点,因此本项目在夜间进行点云数据采集的航飞作业。

LiDAR点云数据采集历时2个晚上,累计飞行26个架次共60条航线,总航线长度为222.4公里,航线分布图见图3。

图3 航线分布图

测区内均匀布设100个控制点以供后期作为整个测区高程拟合调整和一些检查工作使用,控制点分布图及样式见图4。

(a) 控制点分布

(b) 控制点样式

(c) 控制点规格

(a、(b)、(c)为图4 控制点分布与样式

4.2 数据处理

点云数据处理流程见图5。

图5 数据处理流程

(1) 轨迹解算

无人机轨迹采用Inertial-Explore软件进行解算,解算后轨迹质量检查如图6。

a

(a)位置精度检查

b

(b)解算精度检查

图6 轨迹质量检查

点云解算和航带拼接利用飞马无人机管家点云后处理模块进行相应处理。

(2) 点云分类和DEM制作

点云分类和DEM产品制作基于TerraSolid软件进行处理,DEM数据制作流程如下:

图7 解算后点云数据

①点云分类:一般的先将所有的点分到一个类中,采集的数据因为一些原因造成数据存在一些噪点,这些噪点会影响算法的滤波效果和结果,一般先去除噪点,然后提取地面点,在软件自动分类后人工干预并调整地面点。

②DEM制作与检查:先构建TIN,然后逐图幅检查,对检查出的问题根据造成错误的原因进行对应的处理,再次构建TIN格网,检查无误后生产DEM,对DEM数据叠加DOM数据进行质量检查,检查过程中注意错分的地类和水面,构建TIN和检查出的问题如图8、图9所示。

a

(a) 点云构建TIN

b

(b) 检查问题样例

图8 TIN格网和问题检查

a

(a) 错误分类

b

(b) 水面不平整

图9 DEM套合DOM质检结果

图9(a)中鱼塘中的凸点就是错分的类,不属于地表地形点而是鱼塘大型制氧机设备,图9(b)中水面未处理好不平整。对检查的问题逐一处理后得到的DEM成果见图10。

图10 上合示范区DEM成果

4.3 项目投入情况

项目投入人力和设备情况见表5。像控点布设、点云数据采集航飞作业、内业点云处理和DEM编辑共计用时7个工作日,效率可见一般,飞马D200S无人机与RIEGLmini210机载激光雷达的组合完全解决了生产效率的问题,直接为客户带来了时间和经济效益。

表5 项目投入

5.精度分析

5.1 精度评价指标

本项目从点云密度、点云高程中误差、DEM高程中误差和检查点的误差分析这4个方面进行检核分析,高程精度通过野外实测点进行评定,主要检查的精度指标见表6,精度指标计算公式如下:

(1) 激光雷达点云密度

密度利用全测区(水域除外)激光点云个数与全测区(水域除外)面积进行计算。激光雷达点云密度计算公式如下:

其中为激光雷达点云密度,单位为个每平方米(个/m²) ;n为测区内激光雷达云点云总数;ni为第i个水域内激光雷达点云数,单位为个;m为测区内水域个数,单位为个;A为全测区激光雷达点云覆盖的面积,单位为平方米(m²);Ai第i个水域激光雷达点云覆盖的面积,单位为平方米(m²)。

(2) 高程精度检查

高程中误差用于评定激光雷达点云数据高程与其真实的地面高程之间的误差,利用测区野外检查点数据进行评定。利用检查点为中心的邻近点云内插处检查点位置的高程,进行误差计算。

表6 机载Lidar点云数据制作DEM精度指标

5.2 高程精度检核方案

在航摄分区接边处两条航带间、航摄分区内两条航带间重叠区域采用RTK测量方式实测高程点用来检查原始点云数据高程中误差,所选航带为:1-3和1-4,1-13和2-1,2-5和2-6,2-9和3-1,3-6和3-7,3-10和4-1,3-10和5-1,4-5和4-6,5-5和5-6共计18条航带,每两个航带间共测量15个点。

数字高程模型模型高程按照1:500分幅共计867幅,按照《测绘成果质量检查与验收》(GB/T24356-2009)中的规定,随机抽取90幅DEM进行质量检查,每幅图上测量高程点25个。

5.3 精度评定

5.3.1 点云密度

按公式(1)计算点云密度,得到点云密度为16.5个/平方米,满足《机载激光雷达数据获取技术规范》(CH/T8024-2011)的要求。

5.3.2 原始点云高程中误差

计算航带间点云数据的高程中误差,计算结果见表7。航带间点云高程中误差均优于《机载激光雷达数据获取技术规范》(CH/T8024-2011)中对于点云数据高程中误差15cm的限差要求。

表7 原始点云高程中误差 单位:m

5.3.3DEM高程精度评定与分析

90幅图中,每幅图上测量25个高程点,共得到2250个高程检查点,计算得到中误差为0.072m,满足规范《基础地理信息数字成果1:500、1:1000、1:2000数字高程模型》(CH/T 9008.2-2010)中对1:500 DEM平坦地区高程中误差0.2m的要求。

DEM检查点的误差和个数分段统计见图11(a),将检查点的高程误差值与其平面位置展绘出误差分布图见图11(b),分析误差大小与点位分布,根据误差分布图可以得出DEM检查点高程误差的正负、大小与位置无关。根据图11可以得出检查点高程误差值绝对值相等的正误差和负值出现的概率大致相同,而且绝对值误差小的误差值比绝对值误差大的误差出现的概率大。综上可以得出DEM产品高程误差大小、符号没有明显的规律分布均匀,因此可以判定DEM成果无系统误差。

(a) 误差分布分段统计

(b) 误差位置分布

图11 误差分布图

6.总结

大比例尺高精度DEM数据获取与制作一直是一个难点,随着无人机技术的发展,使得无人机为测绘行业带来了全新的作业模式,既减少了人员投入又提高了作业效率,能获取得到精度均匀且满足需求的高精度数字化产品,保证了新型测绘成果的质量和效果。通过本项目可以得到以下结论:

(1)基于飞马D200S无人机搭载RIEGLmini210机载激光雷达进行大面积点云数据获取任务,其获取的点云数据制作的1:500DEM成果满足规范要求。

(2)本项目针对D200S续航问题,合理的划分航摄分区和规划航线用来采集大面积的点云数据,合理的航摄分区划分和航线布设方式提高了外业数据采集效率,有效的减少冗余数据提高内业数据处理效率。

(3)点云数据精度由无人机轨迹数据和激光雷达设备共同决定的,本项目能得到高精度、高质量的点云数据,与D200S无人机能够提供高精度的轨迹数据和RIEGLmini210机载激光雷达优良的性能是密不可分的,这得益于厂家对无人机设备和RIEGLmini210机载激光雷达的系统整合与优化调教。

(4)飞马D200S搭载RIEGLmini210机载激光雷获取的点云数据其精度满足1:500DEM数据生产的要求,得到的DEM模型地形精细度是传统方式生产的DEM所不具备的。RTK测量杆和全站仪棱镜杆在外业测量时其与地面的垂直状态不能保证,而且遇到软土层时测量杆插入土中的情况是不能避免的,所以传统方式测量得到的DEM成果其精度均匀性也是不可控的。而无人机搭载LiDAR设备采集点云数据制作DEM成果,可以有效的避免这些误差得到产品在整个测区精度都比较均匀。

(5)飞马D200S搭载RIEGLmini210机载激光雷达可以全天候作业。D200S还能仿地飞行,在山地、丘陵地区可以跟随地形起伏保持相对航高飞行作业使重叠度均匀一致,该机型一个飞行平台可以搭载多种传感器,航线规划和防地飞行操作简单易懂,这是其他无人机飞行平台不具有的,作者团队用该机型获取了超过8000km航线的倾斜和正射数据,也曾经在6级风力的情况飞行作业获取应急数据并且安全降落,这些优势是其他无人机不能比拟的。

无人机技术的出现使得轻便化、简单化、低成本的航空摄影测量成为可能,特别的像飞马这样专攻、深耕测绘行业的无人机厂商能提供优质的无人机飞行平台和载荷,并且将飞行平台和载荷系统有机融合,使得航测外业难度大大降低,航测成果精度能够保证,提高了数据采集的效率,让我们的工作更加便捷、高效且安全。

文章转载自微信公众号飞马机器人,版权归原作者及刊载媒体所有。


 

本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

飞马D200S无人机与机载激光雷达在大比例尺DEM建设中的应用 的相关文章

  • @Controller和@RestController的区别?

    64 Controller和 64 RestController的区别 xff1f 官方文档 xff1a 64 RestController is a stereotype annotation that combines 64 Respo
  • get方式传值中文乱码

    如下情况 xff1a lt a id 61 span class hljs string 34 bookname 34 span title 61 span class hljs string 34 span class hljs vari
  • 记我的2016年实习总结

    实习问题记录及经验总结 工具篇 git 问题描述 xff1a 第一次merge分支到主干develop xff0c 遇到冲突时解决方法不当造成主干代码无法运行 原因 xff1a xff08 1 xff09 自己习惯问题 xff0c 写完代码
  • Maven搭建的SSM项目中遇到的问题

    Maven搭建的SSM项目中遇到的问题 1 EL表达式失效 2 装配异常Unable to configure ssm 解决办法 其实这两个问题的出现都是因为servlet版本和java版本不合适造成的 xff0c EL表达式在servle
  • Java小工具Lombok的安装与使用

    1 Lombok简介 Lombok是一个代码生成器 xff0c 可以通过简单的注解形式来帮助我们简化消除一些必须有但显得很臃肿的Java代码的工具 xff0c 通过使用对应的注解 xff0c 可以在编译源码的时候生成对应的方法 使用 lom
  • 日常记录(1)

    数据库连接池Druid Alibaba github地址 xff1a https github com alibaba druidBlog xff1a http blog csdn net pk490525 article details
  • NOA上车「清一色」自主品牌,哪些供应商正在突围前线

    随着入门级L2进入普及周期 xff0c 以NOA xff08 高速 城区 xff09 为代表的L2 43 L2 43 43 赛道 xff0c 正在成为主机厂 硬件供应商 算法及软件方案商的下一波市场制高点的争夺阵地 高工智能汽车研究院监测数
  • 【STM32-初始化的时候是如何通过结构体给寄存器赋值的?】

    使用的是正点原子的源码 xff0c 一直没有搞明白初始化的时候是怎么给相关的寄存器赋值的 xff0c 今天琢磨了一下 xff1a 首先 xff0c 创建了一个GPIO InitTypeDef类型的结构体变量GPIO InitStructur
  • 多元建模基础(二):正态混合分布

    1 正态方差混合模型 xff1a 1 xff09 定义 xff1a 称 显然 xff0c xff0c 混合分布中 xff0c 由W的分布确定一组权值 xff0c 混合变量W可以被解释为来自新信息并影响所有风险因子波动性的扰动 位置向量和分散
  • 神经RRT*:基于学习的最优路径规划 翻译+总结

    摘要 xff1a 快速随机探索树 xff08 RRT xff09 及其变体由于能够快速有效地探索状态空间而非常流行 然而 xff0c 它们对初始解很敏感 xff0c 收敛到最优解的速度很慢 xff0c 这意味着它们需要消耗大量内存和时间来找
  • 解决 Windows has triggered a breakpoint in Linkage.exe问题

    这两天在做一个小项目 xff0c 里面有多线程的东东 xff0c 在调试的时候 总是遇到 Windows has triggered a breakpoint in Linkage exe 的错误 现在将这个问题和大家分享一下 前提是这样的
  • 写一个简单的爬虫,可直接复制学习!!

    简单爬虫直面代码 xff0c 可直接复制学习 这个代码的作用主要是用来获取到百度首页的数据 xff0c 只用来供理解学习 真 小白 福利 todo 首先导包requests 用于爬取数据 import requests todo 定义你要爬
  • Dataloader类

    Dataset让我们可以知道数据在什么位置 xff0c 及数据的的索引对应的数据 Dataloader相当于加载器 xff0c 把数据加载到神经网络中 import torchvision 测试数据集 xff0c train设置为false
  • 如何把截图固定在电脑页面上

    如果我们给人讲网课课 xff0c 或者汇报的时候想把公式 xff0c 定理 xff0c 图片等放在醒目位置做对比 那么我们可能需要把截图放在别的文件的页面上 xff0c 那么我们要怎么做呢 xff1f 方法一 xff1a 利用QQ截图功能
  • 如何写好一个算法

    写出算法有一个比较通用的方法论 xff0c 步骤如下 xff1a 1 理解问题 先弄清楚具体要解决什么问题 做成怎样的程度就可以满足问题需要 xff1f 是需要精确值还是近似值 xff1f 2 分析问题 用数学思路去描述问题的求解过程 3
  • python如何读取txt里面的数据

    当我们在用python时可能会遇到想要把txt文档里的数据读取出来然后进行绘图 xff0c 那么我们要怎么才能够将txt里的数据读取出来呢 xff1f 假设有txt文本如下 xff1a 想要把上述文本数据读取出来 xff0c 可以用以下方法
  • MATLAB读取数据(txt|excel)并绘图

    最近做了实验 xff0c 要绘图进行比较 xff0c 网上百度搜索搞了很久 xff0c 终于搞定了 写个文章记录一下 废话不多讲 xff0c 咱们步入正题 以下是以txt文档为例进行的绘图 xff0c 如果用excel更加简单 道理都是一样
  • 如何用电脑自带的软件录屏

    有时候想要用电脑录屏 xff0c 但是电脑又没有录屏软件 xff0c 那我们有没有办法进行录屏呢 xff1f 可以借助 游戏 设置进行录屏哦 xff01 本人电脑 xff1a win10系统 1 点击桌面左下角windows图标 xff0c
  • 如何设置电脑锁屏后程序仍在运行

    最近在跑代码的时候 xff0c 回去午睡后过来打开电脑发现程序没跑 发现电脑锁屏后程序不再运行了 xff0c 重新将电脑设置锁屏后仍运行 xff0c 如下 xff1a 1 同时按下win 43 R 打开 运行 界面 2 输入control
  • Latex文献引用显示?解决

    最近在写论文的时候 xff0c 发现执行latex时应该显示的文献号变成 xff1f 号了 按照网上的多种方法还没解决好 解决文献引用问题主要有以下方法 xff1a 1 end document 的语句位置问题 执行文件之所以没有找到bib

随机推荐

  • 有些参考文献找不到页码和期号怎么解决?

    在我们撰写论文时不论是查找下载期刊文献资料还是编辑参考文献都会需要知道该期刊论文的期卷号 xff0c 那么 xff0c 期刊论文的期卷号怎么找呢 xff1f 下面小编就介绍几种论文期卷号的查找方法 xff08 注 xff1a 文中所用的检索
  • CUDA入门(一)

    最近我也都在看CUDA xff0c 自己看书和练习也都搞了一个月了 而且经常在CSDN上逛 xff0c 也发现了很多问题 xff0c 所以决定自己写点这方面的东西 xff0c 方便自己也方便后来人 根据我的调查 xff0c 我发现现在的初学
  • 如何在excel多条件筛选

    最近在报名各种考试 xff0c 发现表格里的职位一大堆 xff0c 条件也一大堆 一个个找找的头都大了 经过多方查找和同学 xff08 CC xff09 的帮助 xff0c 终于成功学会了怎么多条件筛选 浅浅记录一下 xff1a 比如在一张
  • MTLAB读取数据并计算平均值

    当想从matlab里面读取excel表格的某一列进行计算时 xff0c 可以进行如下操作 1 读取excle表格里的数据 xff0c 具体操作见文章MATLAB读取数据 xff08 txt excel 并绘图 matlab读取数据并绘图 沉
  • word表格如何令文字上下居中

    第一步 xff1a 在word文档中插入需要的表格 xff0c 如图所示 第二步 xff1a 如下图所示 xff0c 单击红色圆圈标记的图标 xff0c 表格被全部选中 xff0c 如图所示 第三步 xff1a 在表格中 xff0c 单击鼠
  • 键盘打字时,打一个字后面少一个字如何解决

    键盘敲字时 xff0c 如果光标在中间 xff0c 输入一个字后面就少一个字 文字输入的例子 只需要按INS 键就可以恢复正常了 注 xff1a 如果是手提笔记本电脑 xff0c 一个键盘有两下两行 xff0c 先按一下FN 按键 xff0
  • 教你如何开发VR游戏系列教程五:UI 交互

    原文链接 xff1a 欢迎关注AR学院 上一篇介绍了ugui NGUI 以及普通3D模型的UI设计 这一讲主要介绍怎么样利用这些UI做交互 大家在VR游戏看到的UI以及UI交互 xff0c 主要有哪几种 xff1f 1 头控悬停 xff08
  • 顶会论文集--ICRA2020

    转自 https blog csdn net spacegene article details 107458141 utm medium 61 distribute pc relevant none task blog title 3 a
  • 机器人学习--Gazebo学习--sdf文件、urdf和xacro文件

    供学习使用 xff1a 参考 xff1a https blog csdn net lxlong89940101 article details 93486875 utm medium 61 distribute pc relevant no
  • 多传感器数据融合简介(转)

    转自知乎网友 xff1a 多传感器融合 xff08 算法 xff09 综述 知乎 多传感器融合 xff08 Multi sensor Fusion MSF xff09 是利用计算机技术 xff0c 将来自多传感器或多源的信息和数据以一定的准
  • 动态SLAM

    动态SLAM快速入门 xff08 原理介绍及经典算法 xff09 https mp weixin qq com s biz 61 MzU1NjEwMTY0Mw 61 61 amp mid 61 2247520976 amp idx 61 1
  • 经典编程问题(13)汉诺塔

    背景 汉诺塔 xff0c 又称河内塔 hanoi xff0c 源于印度古老的传说 该传说中要求在三个柱子间移动金质的圆盘 xff0c 规则是 xff1a 每次只能移动一个盘子大盘子不能放在小盘子的上方开始的时候 xff0c 在某根柱子上有
  • 2011年终总结——思路

    By Alpha G wu 又是一年的尽头 xff0c 对于本人来说 xff0c 不是老了一岁 xff0c 而是又长大了一岁 每一天的自己都是一个fresh的自己 xff0c 更别说一年的变化有多大 xff0c 大到甚至连你自己都察觉不出来
  • win10下完美安装ubuntu使用docker容器

    期待以久的windows 10支持ubuntu版本更新终于发布了 xff0c 怀着期待的心情 xff0c 下载更新到2004版本 xff08 设置 gt 关于中查看 xff09 如果版本较低 xff0c 可以使用win10更新包提示 xff
  • 学习ing

    分治算法 一 基本概念 在计算机科学中 xff0c 分治法是一种很重要的算法 字面上的解释是 分而治之 xff0c 就是把一个复杂的问题分成两个或更多的相同或相似的子问题 xff0c 再把子问题分成更小的子问题 直到最后子问题可以简单的直接
  • C语言中字符串相关操作函数

    长度 strlen size t strlen const char str 功能 xff1a 返回字符串长度 strnlen size t strnlen const char str size t maxlen 功能 xff1a 返回字
  • s3c2440之串口

    1 xff1a s3c2440串口概述 s3c2440A 通用异步接收器和发送器 xff08 UART xff09 提供了三个独立的异步串行I O xff08 SIO xff09 端 口 xff0c 每个端口都可以在中断模式或DMA模式下操
  • 《layui宇宙版教程》:日期和时间组件laydate

    Layui宇宙版教程 提供2000人的QQ群进行交流学习 xff0c QQ群号 xff1a 1046961650 xff0c 或通过手机QQ扫描二维码进入 xff1a 1 19 日期和时间组件laydate 主要以年选择器 年月选择器 日期
  • 关于/etc/init.d/rcS not found的解决方法

    进入rescue模式 xff0c 选择root 输入命令 lt pre name 61 34 code 34 class 61 34 cpp 34 gt mount o remount rw touch etc init d rc vim
  • 飞马D200S无人机与机载激光雷达在大比例尺DEM建设中的应用

    摘要 本文基于飞马D200S无人机搭载RIEGLmini210激光雷达获取46 7km2的点云数据制作1 500DEM 首先根据测区面积大 xff0c 飞马无人机管家智航线模块自动划分航摄分区过多的情况 xff0c 调整航线长度以减少航摄分