地面点云地图精度评估方法、装置、系统及无人机制造方法及图纸

一种地面点云地图精度评估方法、装置、系统及无人机。该方法包括：通过无人机搭载的定位设备确定所述无人机当前的位置信息和绝对高度信息，并通过所述无人机的机载雷达确定所述无人机当前相对于地面的相对高度信息(101)；根据所述位置信息、所述绝对高度信息和所述相对高度信息，获得所述无人机的飞行航线的高程数据；所述飞行航线的高程数据用于评估地面点云地图的精度(102)。本方法简化了评估地面点云地图的精度的操作，且提高了精度的可靠性。

【技术实现步骤摘要】
【国外来华专利技术】地面点云地图精度评估方法、装置、系统及无人机
本专利技术涉及测量
，尤其涉及一种地面点云地图精度评估方法、装置、系统及无人机。
技术介绍
目前，可以通过地面点云地图描述区域地理形态的空间分布。其中，地面点云地图例如可以为数字表面模型(DigitalSurfaceModel，DSM)地图。现有技术中，地面点云地图包括：经度位置、纬度位置以及高程值。并且，通常是通过比较像控点的高程值和地面点云地图中该像控点的高值程，确定地面点云地图的精度。可以看出，地面点云地图的精度的评估严重依赖于像控点的布控。因此，现有技术中，在评估地面点云地图的精度时，存在操作复杂，且精度的可靠性较低的问题。
技术实现思路
本专利技术实施例提供一种地面点云地图精度评估方法、装置、系统及无人机，用于解决现有技术中在评估地面点云地图的精度时，存在操作复杂，且精度的可靠性较低的问题。第一方面，本专利技术实施例提供一种地面点云地图精度评估方法，包括：通过无人机搭载的定位设备确定所述无人机当前的位置信息和绝对高度信息，并通过所述无人机的机载雷达确定所述无人机当前相对于地面的相对高度信息；根据所述位置信息、所述绝对高度信息和所述相对高度信息，获得所述无人机的飞行航线的高程数据；所述飞行航线的高程数据用于评估地面点云地图的精度。第二方面，本专利技术实施例提供一种地面点云地图精度评估系统，包括：处理器和存储器；所述存储器，用于存储程序代码；所述处理器，调用所述程序代码，当程序代码被执行时，用于执行以下操作：通过无人机搭载的定位设备确定所述无人机当前的位置信息和绝对高度信息，并通过所述无人机的机载雷达确定所述无人机当前相对于地面的相对高度信息；根据所述位置信息、所述绝对高度信息和所述相对高度信息，获得所述无人机的飞行航线的高程数据；所述飞行航线的高程数据用于评估地面点云地图的精度。第三方面，本专利技术实施例提供一种地面点云地图精度评估装置，包括：定位设备、机载雷达以及上述第二方面任一项所述的地面点云地图精度评估系统。第四方面，本专利技术实施例提供一种无人机，包括：定位设备、机载雷达和处理器；所述处理器，用于通过所述定位设备，确定所述无人机当前的位置信息和绝对高度信息；所述处理器，还用于通过所述机载雷达，确定所述无人机当前相对于地面的相对高度信息；所述处理器，还用于根据所述位置信息、所述绝对高度信息和所述相对高度信息，获得所述无人机的飞行航线的高程数据；所述无人机的飞行航线的高程数据用于评估地面点云地图的精度。第五方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包含至少一段代码，所述至少一段代码可由计算机执行，以控制所述计算机执行如上述第一方面任一项所述的点云地图精度评估方法。第六方面，本专利技术实施例提供一种计算机程序，当所述计算机程序被计算机执行时，用于实现如上述第一方面任一项所述的点云地图精度评估方法。本专利技术实施例提供的地面点云地图精度评估方法、装置、系统及无人机，通过无人机搭载的定位设备确定无人机当前的位置信息和绝对高度信息，并通过无人机的机载雷达确定无人机当前相对于地面的相对高度信息，根据位置信息、绝对高度信息和相对高度信息，获得无人机的飞行航线的高程数据，飞行航线的高程数据用于评估地面点云地图的精度，实现了基于无人机的飞行确定用于评估地面点云地图的精度的高程数据，与通过设置像控点评估地面点云地图的精度相比，操作简单，并且，避免了由于像控点的布控不合理会导致得到的精度的可靠性较低的问题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术一实施例提供的地面点云地图精度评估方法的流程示意图；图2为本专利技术实施例提供的航点的高程数据的示意图；图3为本专利技术另一实施例提供的地面点云地图精度评估方法的流程示意图；图4为本专利技术又一实施例提供的地面点云地图精度评估方法的流程示意图；图5为本专利技术一实施例提供的连续波雷达测距的一种示意图；图6为本专利技术一实施例提供的连续波雷达在预测角度区间内测距的一种示意图；图7为本专利技术又一实施例提供的地面点云地图精度评估方法的流程示意图；图8A-图8C为本专利技术一实施例提供的获取M个第一预设元素的示意图；图9A为现有技术中根据未剔除聚类密度小于预设密度的数据的第一测距数据获得的拟合直线的一种示意图；图9B为本专利技术一实施例提供的根据剔除聚类密度小于预设密度的数据后的第二测距数据获得的拟合直线的一种示意图；图10为本专利技术又一实施例提供的地面点云地图精度评估方法的流程示意图；图11本专利技术实施例提供的地面点云地图精度评估系统的一种结构示意图；图12为本专利技术实施例提供的地面点云地图精度评估装置的一种结构示意图；图13为本专利技术实施例提供的无人机的一种结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供的地面点云地图精度评估方法可以通过无人机搭载的定位设备和机载雷达，确定无人机的当前位置信息、绝对高度信息以及相对于地面的相对高度信息，并通过该当前位置信息、该绝对高度信息以及该相对高度信息，获得无人机的飞行航线的高程数据，该飞行航线的高程数据用于评估地面点云地图的精度。可选地，无人机可以是飞行器，如旋翼飞行器(rotorcraft)，例如，由多个推动装置通过空气推动的多旋翼飞行器，但是也可以其它类型的飞行器，本专利技术的实施例并不限于此。可选地，定位设备可以包括实时动态(Real-timekinematic，RTK)移动端。其中，基于RTK移动端可以实现RTK定位，RTK定位基于载波相位观测值的实时动态定位技术，能够实时地提供待定位对象(例如，无人机)在指定坐标系中的三维定位结果，并达到厘米级精度。在RTK定位过程中，RTK基站将其采集的全球导航卫星系统(GlobalNavigationSatelliteSystem，GSSN)的观测数据和其坐标信息一起传送给RTK移动端。RTK移动端不仅接收来自RTK基站的数据，还要采集GSSN的观测数据，并在系统内组成差分观测值进行实时处理，同时给出厘米级定位结果，历时不到一秒钟。其中，RTK移动端可处于静止状态，也可处于运动状态。需要说明的是，无人机上设置的定位设备RTK移动端可以为一个或多个，当R本文档来自技高网...

【技术保护点】
一种地面点云地图精度评估方法，其特征在于，包括：/n通过无人机搭载的定位设备确定所述无人机当前的位置信息和绝对高度信息，并通过所述无人机的机载雷达确定所述无人机当前相对于地面的相对高度信息；/n根据所述位置信息、所述绝对高度信息和所述相对高度信息，获得所述无人机的飞行航线的高程数据；所述飞行航线的高程数据用于评估地面点云地图的精度。/n

【技术特征摘要】
【国外来华专利技术】一种地面点云地图精度评估方法，其特征在于，包括：
通过无人机搭载的定位设备确定所述无人机当前的位置信息和绝对高度信息，并通过所述无人机的机载雷达确定所述无人机当前相对于地面的相对高度信息；
根据所述位置信息、所述绝对高度信息和所述相对高度信息，获得所述无人机的飞行航线的高程数据；所述飞行航线的高程数据用于评估地面点云地图的精度。


根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述飞行航线的高程数据，对所述地面点云地图中的高程数据进行校准。


根据权利要求2所述的方法，其特征在于，所述根据所述飞行航线的高程数据，对所述地面点云地图中的高程数据进行校准，包括：
将所述飞行航线的高程数据，作为所述地面点云地图中所述飞行航线对应位置校准后的高程数据。


根据权利要求2所述的方法，其特征在于，所述根据所述飞行航线的高程数据，对所述地面点云地图中的高程数据进行校准，包括：
根据所述飞行航线的高程数据以及所述地面点云地图中所述飞行航线对应位置的高程数据，确定所述地面点云地图中所述对应位置的高程数据的校准量；
将所述地面点云地图中所述对应位置的高程数据与所述校准量的运算结果，作为所述地面点云地图中所述对应位置校准后的高程数据。


根据权利要求2-4任一项所述的方法，其特征在于，所述方法还包括：根据所述飞行航线的高程数据，确定所述地面点云地图的精度；
根据所述飞行航线的高程数据，对所述地面点云地图中的高程数据进行校准，包括：
若所述地面点云地图的精度小于精度阈值，则根据所述飞行航线的高程数据，对所述地面点云地图中的高程数据进行校准。


根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
通过机载传感器获得地面信息，并基于所述地面信息实时绘制所述地面点云地图。


根据权利要求1-6任一项所述的方法，其特征在于，所述定位设备包括实时动态RTK移动端。


根据权利要求1-7任一项所述的方法，所述机载雷达包括连续波雷达或者激光雷达。


根据权利要求8所述的方法，其特征在于，所述机载雷达为连续波雷达；
所述通过所述无人机的机载雷达确定所述无人机当前相对于地面的相对高度信息，包括：
获取连续波雷达在旋转过程中对地面测距获得的第一测距数据，其中，所述第一测距数据包括连续波雷达在预设旋转角度区间内获得的N个数据，所述N为大于1的整数；
对所述第一测距数据进行聚类处理，从所述第一测距数据中剔除聚类密度低于预设密度的数据，获得第二测距数据，所述第二测距数据包括M个数据，所述M为小于等于N的正整数；
根据所述第二测距数据，确定所述地面的地形参数，所述地形参数包括所述连续波雷达距离正下方地面的所述相对高度信息。


根据权利要求9所述的方法，其特征在于，每个数据包括：
所述连续波雷达的旋转角度，以及该旋转角度与地面测距点之间的距离；
或者，所述连续波雷达距地面测距点的水平距离与垂直距离。


根据权利要求10所述的方法，其特征在于，对所述第一测距数据进行聚类处理，从所述第一测距数据中剔除聚类密度低于预设密度的数据，获得第二测距数据，包括：
对所述第一测距数据进行坐标转换，获得所述N个数据对应的坐标；
将所述N个数据的坐标，映射到预先确定的第一矩阵中；
根据每个坐标映射到所述第一矩阵中的位置，将所述第一矩阵中所述位置的矩阵元素设置为第一预设元素，获得第二矩阵；
根据预设的聚类滑窗对所述第二矩阵进行聚类操作，从所述第二矩阵中剔除聚类密度低于预设密度的矩阵元素，获得M个第一预设元素；
根据所述M个第一预设元素，从所述第一测距数据中获得所述第二测距数据；
其中，所述第一矩阵中的矩阵元素不同于所述第一预设元素。


根据权利要求11所述的方法，其特征在于，所述根据所述M个第一预设元素，从所述第一测距数据中获得所述第二测距数据，包括：
根据所述M个第一预设元素在所述第二矩阵中的位置，确定与所述M个第一预设元素分别对应的M个坐标；
根据所述M个坐标，从所述第一测距数据中确定分别与所述M个坐标对应的数据为所述第二测距数据。


根据权利要求11或12所述的方法，其特征在于，对所述第一测距数据进行坐标转换，获得所述N个数据对应的坐标，包括：
以所述连续波雷达旋转中心为原点、所述连续波雷达旋转正前方向作为x轴正方向、垂直向下方向作为y轴正方向，建立直角坐标系；
根据所述直角坐标系，对所述第一测距数据中每个数据进行坐标转换，获得每个数据对应的坐标。


根据权利要求11所述的方法，其特征在于，将所述N个数据的坐标，映射到预先确定的第一矩阵中，包括：
根据每个数据的坐标中的水平坐标、所述连续波雷达检测到的最大水平距离以及所述连续波雷达检测距离的分辨率，确定每个数据映射到所述第一矩阵中的列位置；
根据每个数据的坐标中的垂直坐标、所述连续波雷达检测到的最大垂直距离以及所述连续波雷达检测距离的分辨率，确定每个数据映射到所述第一矩阵中的行位置。


根据权利要求12所述的方法，其特征在于，所述根据所述M个第一预设元素在所述第二矩阵中的位置，确定与所述M个第一预设元素分别对应的M个坐标，包括：
针对每个第一预设元素，根据该第一预设元素在所述第二矩阵中的行位置、所述连续波雷达检测到的最大水平距离以及所述连续波雷达检测距离的分辨率，确定与所述第一预设元素对应的坐标中的水平坐标；
根据该第一预设元素在所述第二矩阵中的列位置、所述连续波雷达检测到的最大垂直距离以及所述连续波雷达检测距离的分辨率，确定与所述第一预设元素对应的坐标中的垂直坐标。


根据权利要求11-15任一项所述的方法，其特征在于，还包括：
根据所述连续波雷达检测到的最大水平距离和所述连续波雷达检测距离的分辨率，确定所述第一矩阵的行数；
根据所述连续波雷达检测到的最大垂直距离和所述连续波雷达检测距离的分辨率，确定所述第一矩阵的列数；
根据所述行数、所述列数，确定所述第一矩阵。


根据权利要求11-16任一项所述的方法，其特征在于，所述第一矩阵为空矩阵。


根据权利要求11-17任一项所述的方法，其特征在于，
根据预设的聚类滑窗对所述第二矩阵进行聚类操作，从所述第二矩阵中剔除聚类密度低于预设密度的矩阵元素，获得M个第一预设元素，包括：
根据预设的聚类滑窗大小对所述第二矩阵进行滑窗操作，获取每个聚类滑窗内预设锚点对应的矩阵元素；
根据预设锚点对应的矩阵元素为第一预设元素的聚类滑窗，从所述第二矩阵中剔除聚类密度低于预设密度的矩阵元素，获得所述M个第一预设元素。


根据权利要求18所述的方法，其特征在于，所述根据预设锚点对应的矩阵元素为第一预设元素的聚类滑窗，从所述第二矩阵中剔除聚类密度低于预设密度的矩阵元素，获得所述M个第一预设元素，包括：
针对每个聚类滑窗，若该聚类滑窗内预设锚点对应的矩阵元素为第一预设元素，则获取该聚类滑窗内的第一预设元素的数量；
若所述第一预设元素的数量小于第一预设值，则将该聚类滑窗内预设锚点对应的矩阵元素变更为第二预设元素，若所述第一预设元素的数量大于或等于第一预设值，则保持该聚类滑窗内预设锚点对应的矩阵元素为第一预设元素；
确定变更处理后的所述第二矩阵中的所有第一预设元素为所述M个第一预设元素。


根据权利要求18或19所述的方法，其特征在于，所述根据预设的聚类滑窗大小对所述第二矩阵进行滑窗操作，包括：
从所述第二矩阵中确定预设的聚类滑窗的起始锚点和终止锚点；
从所述起始锚点开始，根据预设的聚类滑窗大小对所述第二矩阵进行滑窗操作，直至到达所述终止锚点时停止滑窗操作。


根据权利要求20所述的方法，其特征在于，所述起始锚点为所述第二矩阵中第一预设元素所在的行号最小、列号最小的位置，所述终止锚点为所述第二矩阵中第一预设元素所在行号最大、列号最大的位置。


根据权利要求9-21任一项所述的方法，其特征在于，所述根据所述第二测距数据，确定所述地面的地形参数，包括：
在所述第二测距数据中包括的数据的数量M大于等于第二预设值时，根据所述第二测距数据，确定所述地面的地形参数。


根据权利要求9-22任一项所述的方法，其特征在于，所述根据所述第二测距数据，确定所述地面的地形参数，包括：
根据所述第二测距数据进行直线拟合，获得直线函数；
根据所述直线函数，确定所述地面的地形参数。


根据权利要求23所述的方法，其特征在于，所述根据所述直线函数，确定所述地面的地形参数，包括：
根据所述直线函数中的截距，确定所述连续波雷达距离正下方地面的高度值。


根据权利要求9-24任意一项所述的方法，其特征在于，所述获取连续波雷达在旋转过程中对地面测距的第一测距数据，包括：
获取连续波雷达在旋转过程中对地面测距的第三测距数据；所述第三测距数据包括H个数据，所述H个数据为所述连续波雷达的旋转角度处于预设角度区间内对地面测距的所有数据，所述H为大于等于N的整数；
根据所述第三测距数据，获取所述第一测距数据。


根据权利要求25所述的方法，其特征在于，根据所述第三测距数据，获取所述第一测距数据，包括：
根据所述第三测距数据和有效测距条件，确定所述第一测距数据；
其中，有效测距条件包括：小于等于预设最大距离且大于等于预设最小距离。


根据权利要求26所述的方法，其特征在于，所述根据所述第三测距数据和有效测距范围，确定所述第一测距数据，包括：
从所述第三测距数据中确定满足所述有效测距条件的N个数据；
根据所述第三测距数据中的N个数据，确定所述第一测距数据。


根据权利要求27所述的方法，其特征在于，所述根据所述第三测距数据中的N个数据，确定所述第一测距数据，包括：
确定所述第三测距数据中的N个数据为所述第一测距数据；或者，
对所述第三测距数据中的N个数据进行平滑处理，获得所述第一测距数据。


根据权利要求28所述的方法，其特征在于，所述对所述第三测距数据中的N个数据进行平滑处理，获得所述第一测距数据，包括：
根据连续波雷达的旋转角度的顺序，对所述第三测距数据中的N个数据排序；
确定排序后的所述第三测距数据中第1个数据为所述第一测距数据中第1个数据，以及排序后的所述第三测距数据中第N个数据为所述第一测距数据中第N个数据；
确定排序后的第三测距数据中第j-1个数据、第j个数据、第j+1个数据三者的平均值为所述第一测距数据中第j个数据；
其中，所述j为大于等于2且小于等于N-1的整数。


根据权利要求25-29任意一项所述的方法，其特征在于，所述获取连续波雷达在旋转过程中对地面测距的第三测距数据，包括：
获取连续波雷达旋转一周对地面测距的所有数据以及每个数据对应的所述连续波雷达的旋转角度；
根据所述预设角度区间，获取位于所述预设角度区间内所述连续波雷达的旋转角度所对应的数据为所述第三测距数据。


一种地面点云地图精度评估系统，其特征在于，包括：处理器和存储器；
所述存储器，用于存储程序代码；
所述处理器，调用所述程序代码，当程序代码被执行时，用于执行以下操作：
通过无人机搭载的定位设备确定所述无人机当前的位置信息和绝对高度信息，并通过所述无人机的机载雷达确定所述无人机当前相对于地面的相对高度信息；
根据所述位置信息、所述绝对高度信息和所述相对高度信息，获得所述无人机的飞行航线的高程数据；所述飞行航线的高程数据用于评估地面点云地图的精度。


根据权利要求31所述的系统，其特征在于，所述处理器，还用于：
根据所述飞行航线的高程数据，对所述地面点云地图中的高程数据进行校准。


根据权利要求32所述的系统，其特征在于，所述处理器，用于根据所述飞行航线的高程数据，对所述地面点云地图中的高程数据进行校准，具体包括：
将所述飞行航线的高程数据，作为所述地面点云地图中所述飞行航线对应位置校准后的高程数据。


根据权利要求32所述的系统，其特征在于，所述处理器，用于根据所述无人机的飞行航线的高程数据，对所述地面点云地图中的高程数据进行校准，具体包括：
根据所述飞行航线的高程数据以及所述地面点云地图中所述飞行航线对应位置的高程数据，确定所述地面点云地图中所述对应位置的高程数据的校准量；
将所述地面点云地图中所述对应位置的高程数据与所述校准量的运算结果，作为所述地面点云地图中所述对应位置校准后的高程数据。


根据权利要求32-34任一项所述的系统，其特征在于，所述处理器，还用于根据所述飞行航线的高程数据，确定所述地面点云地图的精度；
所述处理器，用于根据所述无人机的飞行航线的高程数据，对所述地面点云地图中的高程数据进行校准，具体包括：
若所述地面点云地图的精度小于精度阈值，则所述无人机根据所述无人机的飞行航线的高程数据，对所述地面点云地图中的高程数据进行校准。


根据权利要求31-35任一项所述的系统，其特征在于，所述处理器，还用于通过机载传感器获得地面信息，并基于所述地面信息实时绘制所述地面点云地图。


根据权利要求31-36任一项所述的系统，其特征在于，所述定位设备包括实时动态RTK移动端。


根据权利要求31-37任一项所述的系统，所述机载雷达包括连续波雷达或者激光雷达。


根据权利要求38所述的系统，其特征在于，所述机载雷达为连续波雷达；
所述处理器，用于通过所述无人机的机载雷达确定所述无人机当前相对于地面的相对高度信息，具体包括：
获取连续波雷达在旋转过程中对地面测距获得的第一测距数据，其中，所述第一测距数据包括连续波雷达在预设旋转角度区间内获得的N个数据，所述N为大于1的整数；
对所述第一测距数据进行聚类处理，从所述第一测距数据中剔除聚类密度低于预设密度的数据，获得第二测距数据，所述第二测距数据包括M个数据，所述M为小于等于N的正整数；
根据所述第二测距数据，确定所述地面的地形参数，所述地形参数包括所述连续波雷达距离正下方地面的所述相对高度信息。


根据权利要求39所述的系统，其特征在于，每个数据包括：
所述连续波雷达的旋转角度，以及该旋转角度与地面测距点之间的距离；
或者，所述连续波雷达距地面测距点的水平距离与垂直距离。


根据权利要求40所述的系统，其特征在于，所述处理器，用于对所述第一测距数据进行聚类处理，从所述第一测距数据中剔除聚类密度低于预设密度的数据，获得第二测距数据，具体包括：
对所述第一测距数据进行坐标转换，获得所述N个数据对应的坐标；
将所述N个数据的坐标，映射到预先确定的第一矩阵中；
根据每个坐标映射到所述第一矩阵中的位置，将所述第一矩阵中所述位置的矩阵元素设置为第一预设元素，获得第二矩阵；
根据预设的聚类滑窗对所述第二矩阵进行聚类操作，从所述第二矩阵中剔除聚类密度低于预设密度的矩阵元素，获得M个第一预设元素；
根据所述M个第一预设元素，从所述第一测距数据中获得所述第二测距数据；
其中，所述第一矩阵中的矩阵元素不同于所述第一预设元素。


根据权利要求41所述的系统，其特征在于，所述处理器，用于根据所述M个第一预设元素，从所述第一测距数据中获得所述第二测距数据，具体包括：
根据所述M个第一预设元素在所述第二矩阵中的位置，确定与所述M个第一预设元素分别对应的M个坐标；
根据所述M个坐标，从所述第一测距数据中确定分别与所述M个坐标对应的数据为所述第二测距数据。


根据权利要求41或42所述的系统，其特征在于，所述处理器，用于对所述第一测距数据进行坐标转换，获得所述N个数据对应的坐标，具体包括：
以所述连续波雷达旋转中心为原点、所述连续波雷达旋转正前方向作为x轴正方向、垂直向下方向作为y轴正方向，建立直角坐标系；
根据所述直角坐标系，对所述第一测距数据中每个数据进行坐标转换，获得每个数据对应的坐标。


根据权利要求41所述的系统，其特征在于，所述处理器，用于将所述N个数据的坐标，映射到预先确定的第一矩阵中，具体包括：
根据每个数据的坐标中的水平坐标、所述连续波雷达检测到的最大水平距离以及所述连续波雷达检测距离的分辨率，确定每个数据映射到所述第一矩阵中的列位置；
根据每个数据的坐标中的垂直坐标、所述连续波雷达检测到的最大垂直距离以及所述连续波雷达检测距离的分辨率，确定每个数据映射到所述第一矩阵中的行位置。


根据权利要求42所述的系统，其特征在于，所述处理器，用于根据所述M个第一预设元素在所述第二矩阵中的位置，确定与所述M个第一预设元素分别对应的M个坐标，具体包括：
针对每个第一预设元素，根据该第一预设元素在所述第二矩阵中的行位置、所述连续波雷达检测到的最大水平距离以及所述连续波雷达检测距离的分辨率，确定与所述第一预设元素对应的坐标中的水平坐标；
根据该第一预设元素在所述第二矩阵中的列位置、所述连续波雷达检测到的最大垂直距离以及所述连续波雷达检测距离的分辨率，确定与所述第一预设元素对应的坐标中的垂直坐标。


根据权利要求41-45任一项所述的系统，其特征在于，所述处理器，还用于：
根据所述连续波雷达检测到的最大水平距离和所述连续波雷达检测距离的分辨率，确定所述第一矩阵的行数；
根据所述连续波雷达检测到的最大垂直距离和所述连续波雷达检测距离的分辨率，确定所述第一矩阵的列数；
根据所述行数、所述列数，确定所述第一矩阵。


根据权利要求41-46任一项所述的系统，其特征在于，所述第一矩阵为空矩阵。


根据权利要求41-47任一项所述的系统，其特征在于，
所述处理器，用于根据预设的聚类滑窗对所述第二矩阵进行聚类操作，从所述第二矩阵中剔除聚类密度低于预设密度的矩阵元素，获得M个第一预设元素，具体包括：
根据预设的聚类滑窗大小对所述第二矩阵进行滑窗操作，获取每个聚类滑窗内预设锚点对应的矩阵元素；
根据预设锚点对应的矩阵元素为第一预设元素的聚类滑窗，从所述第二矩阵中剔除聚类密度低于预设密度的矩阵元素，获得所述M个第一预设元素。


根据权利要求48所述的系统，其特征在于，所述处理器，用于根据预设锚点对应的矩阵元素为第一预设元素的聚类滑窗，从所述第二矩阵中剔除聚类密度低于预设密度的矩阵元素，获得所述M个第一预设元素，具体包括：
针对每个聚类滑窗，若该聚类滑窗内预设锚点对应的矩阵元素为第一预设元素，则获取该聚类滑窗内的第一预设元素的数量；
若所述第一预设元素的数量小于第一预设值，则将该聚类滑窗内预设锚点对应的矩阵元素变更为第二预设元素，若所述第一预设元素的数量大于或等于第一预设值，则保持该聚类滑窗内预设锚点对应的矩阵元素为第一预设元素；
确定变更处理后的所述第二矩阵中的所有第一预设元素为所述M个第一预设元素。


根据权利要求48或49所述的系统，其特征在于，所述处理器，用于根据预设的聚类滑窗大小对所述第二矩阵进行滑窗操作，具体包括：
从所述第二矩阵中确定预设的聚类滑窗的起始锚点和终止锚点；
从所述起始锚点开始，根据预设的聚类滑窗大小对所述第二矩阵进行滑窗操作，直至到达所述终止锚点时停止滑窗操作。


根据权利要求50所述的系统，其特征在于，所述起始锚点为所述第二矩阵中第一预设元素所在的行号最小、列号最小的位置，所述终止锚点为所述第二矩阵中第一预设元素所在行号最大、列号最大的位置。


根据权利要求39-51任一项所述的系统，其特征在于，所述处理器，用于根据所述第二测距数据，确定所述地面的地形参数，具体包括：
在所述第二测距数据中包括的数据的数量M大于等于第二预设值时，根据所述第二测距数据，确定所述地面的地形参数。


根据权利要求39-52任一项所述的系统，其特征在于，所述处理器，用于根据所述第二测距数据，确定所述地面的地形参数，具体包括：
根据所述第二测距数据进行直线拟合，获得直线函数；
根据所述直线函数，确定所述地面的地形参数。


根据权利要求53所述的系统，其特征在于，所述处理器，用于根据所述直线函数，确定所述地面的地形参数，具体包括：
根据所述直线函数中的截距，确定所述连续波雷达距离正下方地面的高度值。


根据权利要求39-54任意一项所述的系统，其特征在于，所述处理器，用于获取连续波雷达在旋转过程中对地面测距的第一测距数据，具体包括：
获取连续波雷达在旋转过程中对地面测距的第三测距数据；所述第三测距数据包括H个数据，所述H个数据为所述连续波雷达的旋转角度处于预设角度区间内对地面测距的所有数据，所述H为大于等于N的整数；
根据所述第三测距数据，获取所述第一测距数据。


根据权利要求55所述的系统，其特征在于，所述处理器，用于根据所述第三测距数据，获取所述第一测距数据，具体包括：
根据所述第三测距数据和有效测距条件，确定所述第一测距数据；
其中，有效测距条件包括：小于等于预设最大距离且大于等于预设最小距离。


根据权利要求56所述的系统，其特征在于，所述处理器，用于根据所述第三测距数据和有效测距范围，确定所述第一测距数据，具体包括：
从所述第三测距数据中确定满足所述有效测距条件的N个数据；
根据所述第三测距数据中的N个数据，确定所述第一测距数据。


根据权利要求57所述的系统，其特征在于，所述处理器，用于根据所述第三测距数据中的N个数据，确定所述第一测距数据，具体包括：
确定所述第三测距数据中的N个数据为所述第一测距数据；或者，
对所述第三测距数据中的N个数据进行平滑处理，获得所述第一测距数据。


根据权利要求58所述的系统，其特征在于，所述处理器，用于对所述第三测距数据中的N个数据进行平滑处理，获得所述第一测距数据，包括：
根据连续波雷达的旋转角度的顺序，对所述第三测距数据中的N个数据排序；
确定排序后的所述第三测距数据中第1个数据为所述第一测距数据中第1个数据，以及排序后的所述第三测距数据中第N个数据为所述第一测距数据中第N个数据；
确定排序后的第三测距数据中第j-1个数据、第j个数据、第j+1个数据三者的平均值为所述第一测距数据中第j个数据；
其中，所述j为大于等于2且小于等于N-1的整数。


根据权利要求55-59任意一项所述的系统，其特征在于，所述获取连续波雷达在旋转过程中对地面测距的第三测距数据，包括：
获取连续波雷达旋转一周对地面测距的所有数据以及每个数据对应的所述连续波雷达的旋转角度；
根据所述预设角度区间，获取位于所述预设角度区间内所述连续波雷达的旋转角度所对应的数据为所述第三测距数据。


一种地面点云地图精度评估装置，其特征在于，包括：定位设备、机载雷达和处理器；
所述处理器，用于通过所述定位设备，确定无人机当前的位置信息和绝对高度信息；
所述处理器，还用于通过所述机载雷达，确定所述无人机当前相对于地面的相对高度信息；
所述处理器，还用于根据所述位置信息、所述绝对高度信息和所述相对高度信息，获得所述无人机的飞行航线的高程数据；所述无人机的飞行航线的高程数据用于评估地面点云地图的精度。


根...

【专利技术属性】
技术研发人员：薛唐立，
申请(专利权)人：深圳市大疆创新科技有限公司，
类型：发明
国别省市：广东;44