EN中文

地理科学进展 >

2021 , Vol. 40 >Issue 9: 1480 - 1487

DOI: https://doi.org/10.18306/dlkxjz.2021.09.004

无人机发展新技术

无人机遥感组网冗余容错的研究

  • 李国 , 1, 2 ,
  • 姜凯文 2 ,
  • 王勇 3 ,
  • 孙山林 1 ,
  • 杨明 4, 2 ,
  • 李云 1 ,
  • 赵海盟 1, 2 ,
  • 晏磊 , 1, 2, *
展开
  • 1.桂林航天工业学院,广西 桂林 541004
  • 2.北京大学空间信息集成与3S工程应用北京市重点实验室,北京 100871
  • 3.中国科学院地理科学与资源研究所,资源与环境信息系统国家重点实验室,北京 100101
  • 4.北京航空航天大学,北京 100191
* 晏磊,男,博士,教授,主要从事无人机遥感系统和ITS研究。E-mail:

李国(1979— ),男,广西桂林人,硕士,工程师,主要从事小型无人机技术应用研究。E-mail:

收稿日期: 2020-12-28

  修回日期: 2021-04-22

  网络出版日期: 2021-11-28

基金资助

国家重点研发计划项目(2017YFB0503003)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Redundancy and fault tolerance of unmanned aerial vehicle remote sensing network

  • LI Guo , 1, 2 ,
  • JIANG Kaiwen 2 ,
  • WANG Yong 3 ,
  • SUN Shanlin 1 ,
  • YANG Ming 4, 2 ,
  • LI Yun 1 ,
  • ZHAO Haimeng 1, 2 ,
  • YAN Lei , 1, 2, *
Expand
  • 1. Guilin University of Aerospace Technology, Guilin 541004, Guangxi, China
  • 2. Beijing Key Laboratory of Spatial Information Integration and 3S Application (Peking University), Beijing 100871, China
  • 3. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 4. Beihang University, Beijing 100191, China

Received date: 2020-12-28

  Revised date: 2021-04-22

  Online published: 2021-11-28

Supported by

National Key Research and Development Program of China(2017YFB0503003)

Copyright

Copyright reserved © 2021
Fold

摘要

针对无人机在遥感遥测领域组网过程中存在的随机故障,进而导致无人机在任务执行过程中任一约束的及时响应缺失,将会影响任务总体结果或导致整个任务部分及完全失败的问题,论文提出无人机遥感组网冗余容错方法。该方法采用领航—跟随的无人机编队飞行模式,多台组网无人机稳定可靠完成指定的飞行任务,验证了冗余容错方法,解决了无人机遥感组网冗余容错技术中的有和无的问题。

关键词： 无人机; 遥感遥测领域组网; 冗余容错; 控制论

本文引用格式

李国 , 姜凯文 , 王勇 , 孙山林 , 杨明 , 李云 , 赵海盟 , 晏磊 . 无人机遥感组网冗余容错的研究[J]. 地理科学进展, 2021 , 40(9) : 1480 -1487 . DOI: 10.18306/dlkxjz.2021.09.004

Abstract

The random failure of the unmanned aerial vehicles (UAVs) in performing the task of remote sensing will result in the lack of timely response in the mission execution process, affecting the overall result of the mission or causing partial or complete failure of a mission. To address the failure issues, a redundant and fault-tolerant method for UAV remote sensing networking were proposed. With this method, the lead-follower drone group flight mode is used. Multiple networked drones can complete the designated flight tasks stably and reliably. The simulation result verifies the efficacy of the redundant fault-tolerant method, which can help solve the problem of missing data or task failure in the remote sensing of UAV.

Key words： unmanned aerial vehicle; remote sensing and telemetry networking; redundancy and fault tolerance; cybernetics

现有常规遥感与摄影测量领域中,已经不再局限于卫星和高空载人飞机[1,2,3]。随着小型和轻型无人机(unmanned aerial vehicle,UAV)的发展,无人机在遥感中起着越来越重要的作用[4]。作为可用的低成本系统,在过去10多年中,应用场景的数量不断增加。除低成本外,还有其他因素使无人机真正适合在各种条件下进行监视和测量,例如良好的便携性(体积小、重量轻),在难以到达的区域上空飞行并确保与观察目标较为接近。在远距离观察期间,在相对较大的区域中快速获取大量信息。
Yang等[5]使用无人机作为遥感平台,配备了不同的农业传感器来监测植物高度、叶色、叶面积指数、叶绿素含量、生物量、大面积产量和其他表型参数,并尽可能少地进行田间试验,在地面上进行,并获得了高度可靠的结果。
中小型无人机越来越多的用于各种实时静态和动态任务,已成为人类非常有用的辅助工具。有许多因素适合无人机在各种条件下进行监视和测量,但是无人机在执行不同的实时任务时仍然会受到挑战,并且一旦任务执行完毕,就缺乏对任何约束的及时响应,将影响任务的整体结果,导致整个任务部分或完全失败,在实际中很难建立完美系统。因此,在系统中引入冗余容错来最小化故障概率并增强其鲁棒性就尤为重要。随着系统复杂性的增加,可通过搭载同载荷冗余无人机对其采取补偿措施,增加其可靠性。

1 无人机遥感组网冗余容错概述

无人机遥感组网设计是在不同观测条件下的遥感任务,通过同步监控进行主动合作的包括多个无人机的网络。多无人机网络作为冗余容错体系结构时可以通过添加多个无人机作为备份使得系统可以容错,而无人机在不同极端条件下的位置和视角则可以作为冗余容错的场景设置。当组网方案中的无人机位置和视角超过设定的阈值时可以被认为出现了故障,其将被分离且不考虑进一步分析。通过以上方式,无人机网络可以在极端条件下得到组网控制方案的有效输出,进而保证遥感观测任务的顺利进行[6,7,8]。以无人机组网编队冗余容错实例,说明本文的冗余容错技术,主要包括:
(1) 无人机遥感组网编队保持系统。进入观测区域后,无人机组网进入编队保持模式,实时地控制编队内的n架无人机,使编队成员的几何位置关系得以保持在误差允许范围内。无人机编队中的第一架无人机为领航无人机,其余n-1架无人机全部作为跟随无人机,跟随无人机各自以固定距离跟随领航无人机飞行。例如,无人机编队飞行过程中,实时地控制编队内5架无人机,其中3架为执行飞行遥感观测任务并搭载相应载荷的无人机,2架为搭载同载荷冗余无人机,冗余性保证了无人机飞行过程中在某一观测无人机出现故障的情况下,不会对整个遥感结果产生很大的影响。利用冗余信息能够提高整个遥感作业过程中的可靠性。
(2) 采用领航—跟随的编队形式。如无人机编队中的第1架无人机为领航无人机,其余4架无人机全部作为跟随无人机,跟随无人机各自以设置好的固定距离跟随领航无人机飞行。根据领航无人机和跟随无人机的相对位置关系,可以将其划分为不同的网络结构,第1架无人机为领航无人机,第2、3架无人机为第一梯队的跟随无人机,此3架无人机为观测无人机;第4、5架无人机为跟随冗余无人机,此2架无人机为与第2、3架搭载相应同载荷的冗余无人机。通过保持领航无人机与跟随无人机间的距离在设定好的范围内,可以保证飞行编队的稳定性。根据无人机飞行过程中飞行控制地面站显示的无人机位置坐标,实时计算无人机之间的距离,若在设定的期望距离范围以内,即完成了无人机编队飞行。该方法的计算量较小,控制简单,适合在空旷地域进行无人机组网遥感任务。

2 无人机遥感组网冗余容错方法

为保证无人机组网遥感观测的稳定性和准确性,以及在极端条件下组网控制下载荷的稳定输出,完成组网遥感观测任务,本文提出了一种无人机遥感组网冗余容错技术方法,可广泛用于遥感领域,能够在无人机遥感组网系统中保证系统的稳定性,在无人机组网飞行过程中重构组网,保证载荷平台的稳定,无人机网络可以在极端条件下得到组网控制方案的有效输出,进而保证遥感观测任务的顺利进行。
充足的容错能力通过添加一个或多个模块(通常为并行配置)作为备份来创建冗余。为了提高极端条件下用于远程空中监视任务的无人机网络系统的可靠性和成功率,将基于冗余的容错控制技术引入无人机网络项目中,并确定了在不同限制条件下的最佳网络解决方案[9,10,11,12]。
组网无人机多点单任务系统各个子系统部署正常,5台组网无人机稳定可靠完成指定的飞行任务,图像系统数据采集、传输稳定通畅,并在采集过程中完成冗余容错试验,保证观测组网稳定[13,14,15,16]。总控平台就能观测到组网变化过程,在总控平台能看到,观测无人机5架变为4架、再由4架变为5架的过程,即完成了冗余容错的实验验证。
如图1所示,5架同型号的长航时无人机,1号无人机为领航无人机,2、3号无人机第一梯队的跟随无人机,此3架无人机为观测无人机,1、2、3号无人机两两之间的距离为L,根据不同的观测任务,搭载不同载荷,例如,全色、红外、多光谱、高光谱等载荷。4、5号无人机为第二梯队跟随无人机,此2架无人机为2、3号无人机的冗余无人机,与2、3号无人机之间的距离均为L,并与2、3号无人机搭载相同的载荷,即在2、3号无人机出现故障时,可以代替2、3号无人机继续完成遥感观测任务。如无人机需要执行多个任务时,也可根据无人机的承载能力,在冗余无人机上搭载不同的载荷以便提高无人机编队工作时的效率。
图1 无人机遥感组网编队结构

注:图中1、2、3、4、5为无人机编号。下同。

Fig.1 UAV group remote sensing network structure

针对无人机所携带的载荷进行冗余容错控制,载荷所形成的图像可以通过快视图实时预览,通过实时预览,及时发现载荷是否出现故障,某一无人机出现故障后便可以通过启动冗余无人机,进行队形重构[17,18,19,20,21]。无人机在编队执行任务的过程中,如有无人机出现偏离几何位置关系时,在目视范围内可进行人工判定无人机故障;如在视距范围以外,现只能通过无人机遥控器或地面站的回传信号进行无人机故障判定。
在无人机编队飞行过程中,实时计算无人机飞行中的两两距离,如图2所示,无人机编队过程中的无人机飞行故障判断,输入三者两两之间的距离进行错误检测,然后输出选择得到出现故障的无人机。
图2 无人机编队飞行过程中冗余功能的结构示意图

Fig.2 Schematic diagram of the redundant function of the UAV group flight

当某一无人机出现问题时,若通过计算发现3号无人机已经出现明显偏航,与1、2号无人机的距离出现变化,3号无人机没有按照既定路线飞行,则由此得出3号无人机出现故障。此外,还有无人机平台出现故障的可能,也有无人机搭载的载荷出现故障的可能。使用冗余的容错技术来实现最新的监视和故障管理,以及更正无人机飞行的位置和状态。以3架无人机为例,若任何一个无人机的水平位置、高度和速度有故障,则可以通过使用其他2架无人机的这些信息来计算并检测该故障。如图3所示,进行系统重构需要提供实时位置反馈通道进行故障判断。
图3 无人机编队飞行过程中的某一无人机故障判断理论依据

Fig.3 Theoretical basis for the identification of a certain UAV fault during the UAV group flight

根据无人机地面站得到3架观测的无人机位置的实时坐标:P1(X1, Y1, H1)、P2(X2, Y2, H2)、P3(X3, Y3, H3)。其中:X1、X2、X3分别表示3架无人机的经度信息,Y1、Y2、Y3分别表示3架无人机的纬度信息;H1、H2、H3分别表示3架无人机的高度信息(m)。
根据经纬度转换计算无人机之间的距离:
d 12 = [ 10 5 X 1 - X 2 ] 2 + [ 111320 Y 1 - Y 2 ] 2 + ( H 1 - H 2 ) 2
d 13 = [ 10 5 X 1 - X 3 ] 2 + [ 111320 Y 1 - Y 3 ] 2 + ( H 1 - H 3 ) 2
d 23 = [ 10 5 X 2 - X 3 ] 2 + [ 111320 Y 2 - Y 3 ] 2 + ( H 2 - H 3 ) 2
式中:d(12)、d(13)、d(23)分别表示1、2号,1、3号和2、3号无人机之间的距离。
以L代表无人机之间设定的期望距离,k0代表无人机之间设定的阈值参数,通过观测无人机之间的距离,可以判断:
当-k0<d(12)<k0且-k0<d(23)<k0且-k0<d(13)<k0时,3架观测无人机均正常飞行,无故障出现,表明所有观测无人机正常。
当d(12)-L>k0或d(12)-L<-k0,且d(23)-L>k0或d(23)-L<-k0时,2号观测无人机故障。
当d(23)-L>k0或d(23)-L<-k0,且d(13)-L>k0或d(13)-L<-k0时,3号观测无人机故障。
发现有故障的通道应被删除,其余通道应确保系统可以继续正常运行。当2号无人机因故障并已删除后,1、3号和4号冗余无人机需确保网络系统继续运行。当3号无人机故障,1、2号监控无人机和5号冗余无人机确保网络系统正常运行。使其具有3个位置反馈通道并选出故障来执行系统重构的这种容错能力。如图4所示。
图4 无人机编队飞行过程中某一无人机距离错误诊断的结构示意图

Fig.4 Schematic diagram of a certain UAV distance error diagnosis during the UAV group flight

在2号或3号无人机出现故障时,后面的4号或5号无人机会继续向前飞行,取代2号或3号无人机的位置,完成无人机队形重构。
若无人机2号出现故障,4号无人机向前加速飞行,接下来将计算4号冗余无人机和1、3号无人机观测的距离,达到阈值标准后,即当-k0<d(14)<k0且-k0<d(34)<k0时,4号冗余无人机到达指定位置,开始以与1号无人机相同的速度飞行,就完成了编队的容错控制,开始进行观测,如图5a、5a′所示。
图5 无人机遥感组网编队重构结构示意图

注:图a、a′表示执行观测任务的2号跟随无人机飞行功能失效或载荷发生故障时,4号冗余无人机补位;图b、b′表示执行观测任务的3号跟随无人机飞行功能失效或载荷发生故障时,5号冗余无人机补位。

Fig.5 Restructured UAV group remote sensing network after the failure of the on-duty follower UAV

如图5b、5b′所示,若3号无人机出现故障,5号无人机向前加速飞行,接下来将计算5号冗余无人机和1、2号无人机观测的距离,达到阈值标准后,即当-k0<d(15)<k0且-k0<d(25)<k0时,5号冗余无人机到达指定位置,开始以与1号无人机相同的速度飞行,就完成了编队的容错控制,开始进行观测。

3 无人机遥感组网冗余容错的验证实验

本次实验执行的冗余容错实验任务在桂林航天工业学院进行,并在软件上进行显示,展示组网过程中如何完成冗余容错。终极目标即完成无人机编队的实飞验证,完成此部分则可以看到无人机遥感组网冗余容错的过程,将冗余容错深入浅出地表达出来,验证冗余容错的方法。
实现步骤如下:
(1) 布置好现场场地,提供4台无人机的场地,测试无人机正常,稳定;
(2) 选择场地排布好准备起飞的4台实验无人机,检查无人机状态正常;
(3) 搭设地面中继系统塔台,连接好地面控制中心,测试无人机通讯链路,确保无人机数据链路正常、稳定;
(4) 地面控制中心下达起飞指令,4台飞机统一起飞到指定的观测区域,各个飞机到达指定高度后切入到无人机观测模式;
(5) 地面控制中心下达图像数据获取指令,4台飞机根据指令中的GPS时间点同步实时获取图像流,同时完成POS信息数据的同步收集记录,图像流通过4G模块将图像逐帧回传至地面控制中心;
(6) 在实验过程中,将在4台无人机的编队开展冗余容错控制实验,4台架无人机均为搭载光学相机的同类型无人机,其中3架进行观测,1架作为冗余无人机在编队后方待命;
(7) 在实验中随机控制一架观测无人机出现故障,来模拟无人机在实际飞行过程中可能出现的平台故障或者载荷故障。
(8) 地面控制中心及时响应,根据不同位置无人机故障启动不同方案,将故障无人机飞回地面并启动冗余无人机,用冗余无人机填补故障无人机无法观测的空白区域,完成冗余容错实验;
(9) 试验期间,记录整个组网操作流程各个步骤的时间耗时,为后续流程优化提供数据依据,统计飞机续航时间。
(10) 地面控制中心将图像信息按要求格式进行打包通过4G蜂窝网络发送到指定网络服务端口。
本次实验是对之前理论研究的实际验证,终极目标即完成无人机编队的实飞验证,完成此部分则更有力说明控制论是无人机遥感组网的理论基础。实验由集群无人机、集群控制网关模块、简易地面站、集群数传模块及4G图传模块、树莓派等设备组成。

3.1 飞行仿真

实时展示时,4台执行冗余容错任务的无人机的经度、纬度、高度、时间信息实时载入。在仿真模式下,输入无人机编队的起始经纬度坐标和编队间隔,以及无人机的飞行速度,由软件自动生成模拟的飞行轨迹,可以进行仿真实验验证和展示,如图6所示。
图6 仿真模拟界面

Fig.6 Simulation interface

载入对应4台无人机位置坐标(此处模拟示例是北京大学),并在地图上显示无人机的实时位置。为充分显示无人机位置和编队飞行情况,同时在2个不同分辨率的地图上展示;3台正常观测无人机被设置为绿色显示,1台跟随在编队后面的冗余无人机被设置为黄色显示,如图7所示。
图7 无人机组网编队示意图

Fig.7 Schematic diagram of drone network formation

计算3台观测无人机两两之间距离d(12)、d(13)、d(23);将3台无人机的经纬度信息转换为以m为单位的距离坐标。
通过已有判据判断3台观测无人机的航迹是否正确;若某一观测无人机出现故障,将其颜色由绿色设置为红色,表示其出现故障,如图8所示,编队右上角的无人机航线偏离了设定位置,发现错误后冗余无人机开始启动。判断跟随在队伍后面的冗余无人机和剩余2台正常的观测无人机之间的距离是否满足判据要求;冗余无人机通过飞行后满足判据要求,将冗余无人机的颜色由黄色显示为绿色,如图9所示,冗余无人机启动后取代了故障无人机的位置,可以继续观测,故显示为绿色;完成冗余容错试验后,在软件上继续显示无人机遥感组网的飞行过程。
图8 模拟故障无人机出现

Fig.8 Simulation of the emergence of a malfunctioning drone

图9 完成系统重构,无人机继续飞行

Fig.9 Network restructuring completion and the continuing flight of the drones

3.2 主控中心验证与同步显示

为了验证实时飞行效果,研究团队同步开发了冗余容错验证模块,该模块嵌入无人机组网管控系统中。组网管控系统是对全国无人机进行信息管理、飞行实时监控、分布式的云服务系统,由北京主中心、地方分中心和临场中心三级架构构成。此次冗余容错实际飞行验证,北京主中心、桂林航空工业学院分中心和临场地面控制中心通过地面基站、互联网、云端服务器组成无缝连接的无人机信息传控网络。无人机位置、姿态、视频/快视图等信息实时传入北京主中心,主中心的显示大屏实时显示4架无人机的飞行位置、飞行姿态、飞行轨迹和视频/快视图。根据“无人机遥感组网冗余容错方法”所述的原理和流程,云端管控系统实时计算无人机之间的水平距离、垂直距离和速度,实时判断哪架无人机出现故障,对于故障无人机,由正常的白色显示状态改变成红色显示状态(图10),冗余无人机迅速跟进并补位,保持正常的飞行队列,协同完成剩余的航空作业。
图10 2020年8月20日主控中心显示

Fig.10 Screen of the master control center in Beijing, August 20, 2020

此次主中心与现场联合的冗余容错飞行试验,有效地验证了无人机遥感组网冗余容错方法的可行性和正确性,实现了从原理、方法、实验室试验到现场验证的全流程论证,解决了冗余容错有和无的问题。

4 总结

组网无人机多点单任务系统各个子系统部署正常,4台组网无人机稳定可靠完成了指定的飞行任务,图像系统数据采集、传输稳定通畅,并在采集过程中完成了冗余容错试验,保证了观测组网稳定。总控平台可以观测到组网变化过程,在总控平台能看到,观测无人机由4架变为3架,再由3架变为4架的系统重构过程,完成了冗余容错的实验验证。无人机遥感组网的理论与方法基础是现代控制理论,该实验采用了冗余容错控制技术方法,解决了有和无的问题。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
康玉霄, 桑文刚, 李娜, 等. 无人机低空摄影测量数据处理及应用[J]. 测绘通报, 2017(S1):62-65.

[ Kang Yuxiao, Sang Wengang, Li Na, et al. Unmanned aerial vehicle low-altitude photogrammetry data processing and application. Bulletin of Surveying and Mapping, 2017(S1):62-65. ]

[2]
秦其明, 陈晋, 张永光, 等. 定量遥感若干前沿方向探讨[J]. 国土资源遥感, 2020, 32(4):8-15.

[ Qin Qiming, Chen Jin, Zhang Yongguang, et al. A discussion on some frontier directions of quantitative remote sensing. Remote Sensing for Land & Resources, 2020, 32(4):8-15. ]

[3]
闫驰, 焦润成, 曹颖, 等. 无人机倾斜摄影在泥石流灾害识别分析中的应用: 以北京房山区史家营曹家坊泥石流为例[J]. 国土资源遥感, 2020, 32(4):251-257.

[ Yan Chi, Jiao Runcheng, Cao Ying, et al. The application of UAV oblique photography in debris flow disaster identification and analysis: Taking the debris flow in Caojiafang, Shijiaying, Fangshan District, Beijing as an example. Remote Sensing for Land & Resources, 2020, 32(4):251-257. ]

[4]
晏磊, 顾行发, 褚君浩, 等. 高分辨率定量遥感的偏振光效应与偏振遥感新领域[J]. 遥感学报, 2018, 22(6):901-916.

[ Yan Lei, Gu Xingfa, Chu Junhao, et al. Optical polarized effects for high-resolution quantitative remote sensing and new polarization remote sensing fields. Journal of Remote Sensing, 2018, 22(6):901-916. ]

[5]
Yang G, Liu J, Zhao C, et al. Unmanned aerial vehicle remote sensing for field-based crop phenotyping: Current status and perspectives[J]. Frontiers in Plant Science, 2017, 8:1111. doi: 10.3389/fpls.2017.01111.

DOI

[6]
Han J, Seo Y. Mobile robot path planning with surrounding point set and path improvement[J]. Applied Soft Computing, 2017, 57:35-47.

DOI

[7]
王东生, 彭仲仁, 李白, 等. 基于多旋翼无人机平台的大气PM2.5垂直结构观测技术[J]. 装备环境工程, 2019, 16(6):35-40.

[ Wang Dongsheng, Peng Zhongren, Li Bai, et al. Vertical atmospheric structure observation technology based on multi-rotor unmanned aerial vehicle (UAV) platform. Equipment Environmental Engineering, 2019, 16(6):35-40. ]

[8]
郭立超. 无人机遥感技术在工程测量中优势和应用研究[J]. 大众标准化, 2020(14):103-104.

[ Guo Lichao. Research on the advantages and application of UAV remote sensing technology in engineering surveying. Popular Standardization, 2020(14):103-104. ]

[9]
孙小雷, 齐乃明, 董程, 等. 无人机任务分配与航迹规划协同控制方法[J]. 系统工程与电子技术, 2015, 37(12):2772-2776.

[ Sun Xiaolei, Qi Naiming, Dong Cheng, et al. Cooperative control algorithm of task assignment and path planning for multiple UAVs. Systems Engineering and Electronics, 2015, 37(12):2772-2776. ]

[10]
卓琨, 张衡阳, 郑博, 等. 无人机自组网研究进展综述[J]. 电信科学, 2015, 31(4):134-144.

[ Zhuo Kun, Zhang Hengyang, Zheng Bo, et al. Progress of UAV ad hoc network: A survey. Telecommunications Science, 2015, 31(4):134-144. ]

[11]
朱旭, 闫茂德, 张昌利, 等. 基于改进人工势场的无人机编队防碰撞控制方法[J]. 哈尔滨工程大学学报, 2017, 38(6):961-968.

[ Zhu Xu, Yan Maode, Zhang Changli, et al. UAV formation collision avoidance control method based on improved artificial potential field. Journal of Harbin Engineering University, 2017, 38(6):961-968. ]

[12]
邹玉龙, 姜晓, 严培舜, 等. 下一代无人机群协同通信网络[J]. 南京邮电大学学报(自然科学版), 2017, 37(3):43-51.

[ Zou Yulong, Jiang Xiao, Yan Peishun, et al. Next-generation unmanned aerial vehicle (UAV) cooperative communications. Journal of Nanjing University of Posts and Telecommunications (Natural Science Edition), 2017, 37(3):43-51. ]

[13]
廖小罕, 周成虎, 苏奋振, 等. 无人机遥感众创时代[J]. 地球信息科学学报, 2016, 18(11):1439-1447.

DOI

[ Liao Xiaohan, Zhou Chenghu, Su Fenzhen, et al. The mass innovation era of UAV remote sensing. Journal of Geo-information Science, 2016, 18(11):1439-1447. ]

[14]
李万能, 唐庆忠, 陈黎. 无人机航摄像控点数量对空三解算精度的影响[J]. 测绘通报, 2017(S1):84-89, 99.

[ Li Wanneng, Tang Qingzhong, Chen Li. The influence of the number of UAV aerial camera control points on the accuracy of aerial triangulation. Surveying and Mapping Bulletin, 2017(S1):84-89, 99. ]

[15]
谭金石, 黄书华, 黄正忠. 基于无人机遥感的海岛礁监测技术研究[J]. 测绘地理信息, 2018, 43(6) : 55-57.

[ Tan Jinshi, Huang Shuhua, Huang Zhengzhong. Research on island reef monitoring technology based on UAV remote sensing. Journal of Geomatic, 2018, 43(6):55-57. ]

[16]
余力, 祁亚科, 张柏林, 等. 测绘工程中无人机摄影测量技术运用分析[J]. 工程建设与设计, 2020(10):275-276.

[ Yu Li, Qi Yake, Zhang Bolin, et al. Application analysis of UAV photogrammetry technology in surveying and mapping engineering. Construction & Design for Engineering, 2020(10):275-276. ]

[17]
郑雪梅. 一种改进的自适应图像中值滤波方法[J]. 上饶师范学院学报, 2011, 31(6):38-41.

[ Zheng Xuemei. An improved method of adaptive image median filter. Journal of Shangrao Normal University, 2011, 31(6):38-41. ]

[18]
邹磊. 无人机飞行管控系统及其数据处理软件设计[D]. 长沙: 中南大学, 2013.

[ Zou Lei. Design of UAV flight control system and its data processing software. Changsha, China: Central South University, 2013. ]

[19]
王勇军, 李智, 孙山林, 等. 轻小型无人机遥感组网飞行的高程安全监测冗余容错算法研究[J]. 地球信息科学学报, 2019, 21(4):542-551.

DOI

[ Wang Yongjun, Li Zhi, Sun Shanlin, et al. Research on the redundancy fault-tolerant algorithm of altitude safety monitoring for remote sensing networking flight of light and small UAVs. Journal of Geo-information Science, 2019, 21(4):542-551. ]

[20]
晏磊, 廖小罕, 周成虎, 等. 中国无人机遥感技术突破与产业发展综述[J]. 地球信息科学学报, 2019, 21(4):476-495.

DOI

[ Yan Lei, Liao Xiaohan, Zhou Chenghu, et al. The impact of UAV remote sensing technology on the industrial development of China: A review. Journal of Geo-information Science, 2019, 21(4):476-495. ]

[21]
杨明, 石小伟, 葛浩然. 无人机空地一体三维激光扫描技术应用研究[J]. 测绘通报, 2020(3):134-139.

[ Yang Ming, Shi Xiaowei, Ge Haoran. Research on the application of three-dimensional scanning technology based on unmanned aerial vehicle. Bulletin of Surveying and Mapping, 2020(3):134-139. ]

Options
文章导航

/

〈 〉