无人机航测没信号?北斗卫星来解决

无人机航测是利用无人机进行地理信息的采集和处理的航测方式。相比传统的航测手段,无人机航测具备更高的灵活性、更低的成本和更广阔的适应性。无人机航测可以应用于土地测绘、农业植保、城市规划、自然资源调查等多个领域,极大地提高了测绘的效率和准确性。

不过,在无人机航测的使用越来越广泛的同时,其在无网弱网地区无法高精度航测的问题也逐渐凸显。常规的高精度定位服务依赖于网络传输,业内无人机航测难免会存在网络盲区。沙漠、海洋等缺乏通信网络的地区, 为无人机航测带来不小的挑战。而北斗卫星的入局,使得这一问题迎刃而解。

北斗作为中国自主研发的全球卫星导航系统,具有高精度、高可靠性和全球覆盖等特点,可在无运营商网络的环境下为无人机航测提供稳定的导航和定位支持。不仅如此,在无人机航测过程中,地理信息的精确获取和处理是至关重要的,而北斗卫星系统的使用可以确保航测数据的准确性和可靠性,提供精准的地理定位信息,为后续数据处理和分析提供可靠的基础。

依托北斗卫星的高精度定位能力,千寻位置推出无网高精度星地一体航测方案,打破无网弱网环境下高精度航测难题。无网高精度星地一体航测方案,通过集成千巡翼X1以及具备星基功能的GNSS接收机,融合千寻位置星基增强系统、覆盖全球的地基增强站网以及具有自主知识产权的星地一体融合能力,实现无人机的"无界"高精度定位。

• 首先,通过卫星播发差分信息,摆脱数据传输对于通信网络的依赖。

• 其次,星基快速服务收敛时间小于2分钟,RTK能获得精度最高优于2厘米的定位结果。

• 最后,只需简单设置RTK模式,将其差分数据给到无人机,无人机便可获得厘米级定位。

在四川西部山区的航测项目实测验证中,星地一体航测数据精度与千寻位置网络CORS 数据精度相当。客户表示,无网高精度星地一体航测方案精度满足要求。

作为专为小面积航空摄影测量打造的高精度航测无人机,千巡翼X1采用折叠式机身设计,小巧轻便,方便作业携带,标配1英寸CMOS、2000万像素相机,拥有清晰的成图效果以及强大的光线感知能力。同时续航时间可达36分钟,飞行速度可达20m/s,拥有9公里的超长图传距离;并且采用6向避障设计,拥有全向"观测"障碍物能力,飞行更安全。

此外,千寻位置的2023航测新旗舰------千巡翼X4多旋翼无人机,集成北斗高精度定位技术、融合避障技术、跨视距组网技术和云台技术等多项前沿科技,极大地提高了地形测绘的准确性及可靠性。

•北斗高精度位置服务

千巡翼X4深度融合了千寻位置北斗高精度位置服务能力。系统标配差分模块,支持RTK、PPK作业模式,全面支持北斗三号卫星导航系统,同时还兼容GPS、GLONASS、Galileo卫星导航系统,支持扩展Xstar"无界"高精度定位星基增强服务。

•微秒级时间同步技术

千巡翼X4中,实现了微秒级时间同步,对相机曝光时间精准抓取,极大提升POS精度,降低空三处理时间。同时,针对倾斜相机的五路POS进行独立获取,并实时进行位置偏移计算,精确获取每个相机成像时的位置和姿态信息,有效提升空三通过率。

•双避障融合技术

千巡翼X4机身前后左右上下均布设避障传感器,实现六向避障。此外,千巡翼X4融合了可见光、红外和毫米波雷达三种避障传感器,在夜间毫米波雷达、红外传感器也能处于工作状态,从而实现昼夜全天候避障能力。

•三轴增稳云台

支持三轴增稳云台,确保相机随时保持平稳对地拍摄姿态,降低相片倾角,从而保证成果质量。千巡翼X4拥有极大延展性,云台角度可以通过便携式地面站控制或航线控制,从而实现环绕拍摄、摇摆拍摄、贴近拍摄等能力,满足更多场景需要。

•标配便携式遥控器

内置专业地面站APP,可通过飞行规划功能设定航线,控制无人机自主作业,简化工作流程,极大提升工作效率。

北斗卫星与无人机技术的奇妙交融,为航测领域带来了新的飞跃。

上千寻位置官网,查看更多北斗资讯、产品、解决方案。

相关推荐
fmingzh2 分钟前
NVIDIA高级辅助驾驶安全与技术读后感
人工智能·安全·自动驾驶
qsmyhsgcs1 小时前
Java程序员转人工智能入门学习路线图(2025版)
java·人工智能·学习·机器学习·算法工程师·人工智能入门·ai算法工程师
A林玖1 小时前
【机器学习】朴素贝叶斯
人工智能·算法·机器学习
六边形战士DONK1 小时前
神经网络基础[损失函数,bp算法,梯度下降算法 ]
人工智能·神经网络·算法
IT从业者张某某1 小时前
机器学习-08-时序数据分析预测
人工智能·机器学习·数据分析
袁煦丞1 小时前
AI视频生成神器Wan 2.1:cpolar内网穿透实验室第596个成功挑战
人工智能·程序员·远程工作
森旺电子1 小时前
基于物联网的智能家居安全防护系统设计
物联网·智能家居
xMathematics1 小时前
深度学习与SLAM特征提取融合:技术突破与应用前景
人工智能·深度学习
墨顿1 小时前
Transformer数学推导——Q29 推导语音识别中流式注意力(Streaming Attention)的延迟约束优化
人工智能·深度学习·transformer·注意力机制·跨模态与多模态
xinxiyinhe2 小时前
2025年深度学习模型发展全景透视(基于前沿技术突破与开源生态演进的交叉分析)
人工智能·深度学习·开源