三维场景重建中无人机飞行拍摄路径快速计算技术

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61872398
  • 项目类别:
    面上项目
  • 资助金额:
    16.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0209.计算机图形学与虚拟现实
  • 结题年份:
    2019
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2019-12-31

项目摘要

Scene photographing based on unmanned aerial vehicle (UAV) with multi-cameras equipment has been widely used in the rapid reconstruction of 3D scene. The existing UAV with multi-cameras scene flight path planning method usually do not consider the relationship between the various scene geometry and its reconstruction based on flight path planning is relatively simple, often causing scenes of incomplete data collection or redundancy, reduce the efficiency of data collection, has seriously affected the quality and efficiency of 3D scene reconstruction. This project proposes a method based on UAV with multi-camera equipment to full coverage and high resolution scene area photographing for the complex scene of the city or the factory buildings, that is, proposes a rapid construction technology of scene geometry structure for complex scene area, to provide a technical condition for improving scene data collection efficiency, provides a new method for the rapid reconstruction of three-dimensional scene acquisition in complex scenes. The results of this project have a good application in many fields such as national defense, public security and smart city.
基于无人机多相机设备进行场景拍摄已广泛应用于三维场景快速重建过程中。现有的基于无人机多相机场景拍摄飞行路径规划方法通常不考虑场景建筑等各种场景几何结构关系,飞行路径规划相对简单,经常造成场景数据采集不全或者冗余等问题,降低了数据采集的效率,严重影响了三维场景重建的质量和效率。本项目针对无人机多相机设备提出一种对城市或工厂等建筑密集复杂场景区域的全覆盖和高分辨率拍摄的场景几何快速重建方法,研究基于多相机运动的复杂场景区域的场景几何结构快速构建技术,为提高场景数据的采集效率提供技术基础,为三维复杂场景快速重建提供一种新的场景采集方法。本项目成果在国防军事、公共安全和智慧城市等领域具有良好应用前景。

结项摘要

基于无人机多相机设备进行场景拍摄已广泛应用于三维场景快速重建过程中。现有的基于无人机多相机场景拍摄飞行路径规划方法通常不考虑场景建筑等各种场景几何结构关系,飞行路径规划相对简单,经常造成场景数据采集不全或者冗余等问题,降低了数据采集的效率,严重影响了三维场景重建的质量和效率。.本项目针对无人机多相机设备提出一种对城市或工厂等建筑密集复杂场景区域的全覆盖和高分辨率拍摄的场景几何快速重建方法,研究基于多相机运动的复杂场景区域的场景几何结构快速构建技术,为提高场景数据的采集效率提供技术基础,为三维复杂场景快速重建提供一种新的场景采集方法。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(4)
面向球幕投影系统的几何校正方法
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    图学学报
  • 影响因子:
    --
  • 作者:
    王明冬;盖孟;赖舜男;王震
  • 通讯作者:
    王震
Super Diffusion for Salient Object Detection
用于显着物体检测的超级扩散
  • DOI:
    10.1109/tip.2019.2954209
  • 发表时间:
    2020
  • 期刊:
    IEEE Transactions on Image Processing
  • 影响因子:
    10.6
  • 作者:
    Jiang Peng;Pan Zhiyi;Tu Changhe;Vasconcelos Nuno;Chen Baoquan;Peng Jingliang
  • 通讯作者:
    Peng Jingliang
大时间步长下体积守恒的实时水体模拟
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    图学学报
  • 影响因子:
    --
  • 作者:
    朱奎鑫;盖孟;赖舜男
  • 通讯作者:
    赖舜男
Integrated Mesh and Texture Simplification with Appearance-Driven Optimizations
集成网格和纹理简化与外观驱动优化
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    IEEE Transactions On Visualization And Computer Graphics
  • 影响因子:
    5.2
  • 作者:
    Yongzhang Xian;Jingliang Peng
  • 通讯作者:
    Jingliang Peng

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

神经网络在退化图像复原领域的进展综述
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    图学学报
  • 影响因子:
    --
  • 作者:
    刘龙飞;李胜;赖舜男
  • 通讯作者:
    赖舜男
基于特征的离散网格模型表示与编辑技术
  • DOI:
    10.13328/j.cnki.jos.005082
  • 发表时间:
    2016
  • 期刊:
    软件学报
  • 影响因子:
    --
  • 作者:
    盖孟;赖舜男;李胜
  • 通讯作者:
    李胜

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码