无人机倾斜摄影在网球教育领域的应用

发布时间：2021-01-29 14:43

　　主要介绍了利用无人机倾斜摄影测量系统进行实景三维模型重建的过程,并分析了关键技术。利用大疆M300 RTK无人机在网球教育领域开展了三维模型重建、智能跟踪、运动轨迹自动获取等方面的应用研究。 

【文章来源】：地理空间信息. 2020,18(11)

【文章页数】：4 页

【部分图文】：

对极几何

1）高度测量融合。无人机与基准点之间的距离就是其飞行高度。用于网球运动量测的是相对高度，即无人机使用重力势高度或气压高度表测量所得高度值。为了建立三维模型，无人机需搭载多台传感器，若仅使用单个传感器对高度进行测量，由于风力等因素的影响，无人机存在抖动，获取的高度数据会存在一定的误差。对无人机搭载的无线电高度计与高度气压计获取的数据进行加权平均，并将与无人机搭载的多台传感器获取的高度数据共同引入到卡尔曼滤波融合器中，获得更加精准、光滑的融合值，再将得到的数据做输出处理。数据融合流程如图2所示。通过卡尔曼滤波处理后，数据将变得较平滑，从而提高了无人机获取的高度值数据的稳定性和准确度，为网球运动三维建模和视频录制提供了技术保障。2）姿态角融合。无人机的空中姿态角通过航向角、横滚角和俯仰角表示。本文采用BP神经网络的信息融合算法对无人机搭载的多台传感器测量的数据值进行融合处理。BP神经网络算法由信息的正向传播与误差的反向传播两个部分构成。信息的正向传播，即对输入的数据信息进行相应计算，并将结果向下一层传输；若输出的结果超限，就转变为反向传播，网络将把误差信号按原路径传递回去，并在传递过程中修改每一层神经元的权值，直到结果符合限差值为止。输出的总误差为E，通过不断调整神经网络的各个参数，使误差满足限差要求。BP神经网络结构模型如图3所示。

2）姿态角融合。无人机的空中姿态角通过航向角、横滚角和俯仰角表示。本文采用BP神经网络的信息融合算法对无人机搭载的多台传感器测量的数据值进行融合处理。BP神经网络算法由信息的正向传播与误差的反向传播两个部分构成。信息的正向传播，即对输入的数据信息进行相应计算，并将结果向下一层传输；若输出的结果超限，就转变为反向传播，网络将把误差信号按原路径传递回去，并在传递过程中修改每一层神经元的权值，直到结果符合限差值为止。输出的总误差为E，通过不断调整神经网络的各个参数，使误差满足限差要求。BP神经网络结构模型如图3所示。2 M300 RTK无人机在网球教育领域的应用

【参考文献】：
期刊论文
[1]无人机倾斜航空摄影在三维实景建模中的应用[J]. 刘伟,翟斌斌,刘燃,柯艳丽,王勇,王成洋.  地理空间信息. 2020(01)
[2]国内网球运动教育现状与对策[J]. 李彦荣,邰峰.  体育科技文献通报. 2016(05)
[3]我国无人机航摄系统现状和前景[J]. 刘鹏,彭艳鹏,邹秀琼,何雯.  地理空间信息. 2010(04)

硕士论文
[1]我国高等体育院校体育教育专业网球专修教学方法的调查研究[D]. 连蒙蒙.北京体育大学 2018
[2]基于无人机摄影测量技术的地表塌陷变形监测及应用研究[D]. 张慧超.武汉大学 2018
[3]无人机摄影测量快速建模技术及其工程应用[D]. 王维洋.华北水利水电大学 2017



本文编号：3007062