当前位置: 首页 > news >正文

视野,,地面覆盖,重叠需求,FPS,飞行速度等的计算公式

一、计算相机视野与重叠需求

1. 相机参数

  • IDS UI-5280CP
    • 分辨率:2456x2054 像素。
    • 传感器:假设为 1/1.8" CMOS(常见型号),尺寸约 6.78 mm(宽)× 5.67 mm(高)。
    • 焦距:未知,假设为 8 mm(典型广角镜头),后续可调整。
    • FPS:10 Hz(每 0.1 秒一帧)。

2. 视野(FOV)计算

  • 公式
    • 水平视野(HFOV):HFOV = 2 × arctan(传感器宽度 / (2 × 焦距))。
    • 垂直视野(VFOV):VFOV = 2 × arctan(传感器高度 / (2 × 焦距))。
  • 计算
    • HFOV = 2 × arctan(6.78 / (2 × 8)) ≈ 47.2°。
    • VFOV = 2 × arctan(5.67 / (2 × 8)) ≈ 40.0°。

  • 地面覆盖
    • 假设飞行高度为 H 米:
      • 水平覆盖(W)= 2 × H × tan(HFOV/2) ≈ 2 × H × tan(23.6°) ≈ 0.873 × H。
      • 垂直覆盖(L)= 2 × H × tan(VFOV/2) ≈ 2 × H × tan(20.0°) ≈ 0.728 × H。
    • 示例:H = 50 米:
      • W ≈ 0.873 × 50 ≈ 43.65 米。
      • L ≈ 0.728 × 50 ≈ 36.4 米。

3. 重叠需求

  • 前向重叠(99%)
    • 前向步长(沿飞行方向的距离):L × (1 - 0.99) = L × 0.01。
    • H = 50 米时:36.4 × 0.01 = 0.364 米。
  • 侧向重叠(50%)
    • 侧向步长(航线间距):W × (1 - 0.5) = W × 0.5。
    • H = 50 米时:43.65 × 0.5 = 21.825 米。

4. FPS 与速度

  • FPS = 10
    • 每 0.1 秒拍摄一帧。
  • 飞行速度(V)
    • V = 前向步长 / 时间间隔 = 0.364 m / 0.1 s = 3.64 m/s。
  • 验证
    • 速度 3.64 m/s 在无人机能力范围内(典型 2-5 m/s)。

 二、飞行规划

在 250x250 米区域内实现上述参数。

1. 区域覆盖

  • 面积:250 × 250 = 62,500 平方米。
  • 航线数量
    • 每条航线宽度 = 侧向步长 = 21.825 米。
    • 航线数 = 250 / 21.825 ≈ 11.45,取整为 12 条。
  • 每条航线长度:250 米。
  • 总帧数
    • 每航线时间 = 250 / 3.64 ≈ 68.7 秒。
    • 每航线帧数 = 68.7 × 10 ≈ 687 帧。
    • 总帧数 = 687 × 12 ≈ 8244 帧。

2. 设置飞行路径

  • 工具:QGroundControl。
  • 步骤
    1. 打开 QGroundControl,连接无人机。
    2. 进入“Plan”视图,选择“Survey(网格)”模式。
    3. 绘制多边形:
      • 输入 250x250 米区域的四个顶点(例如经纬度坐标)。
    4. 设置参数:
      • 高度:50 米(可根据焦距调整)。
      • 前向重叠:99%。
      • 侧向重叠:50%。
      • 速度:3.64 m/s。
      • 相机
        • 选择“Custom Camera”。
        • 宽度:2456 像素,高度:2054 像素。
        • 传感器:6.78 mm × 5.67 mm。
        • 焦距:8 mm。
      • 触发模式:时间间隔,0.1 秒(100 ms)。
    5. 保存为 .plan 文件。

3. 验证

  • 模拟:在 QGroundControl 中预览航线,确保覆盖完整。
  • 时间:总飞行时间 ≈ 68.7 × 12 / 60 ≈ 13.7 分钟,需确保电池足够。
http://www.dtcms.com/a/112036.html

相关文章:

  • LLM面试题五
  • JVM 有哪些垃圾回收器
  • 【2023】ORIGIN或MATLAB 颜色图,等高图,颜色条——需要拟合补全中间的颜色
  • 算法--最长上升子序列
  • 京东零售首次公开!6B参数时序大模型实现20000款商品自动补货预测
  • Java 搭建 MC 1.18.2 Forge 开发环境
  • 《探索边缘计算:重塑未来智能物联网的关键技术》
  • agent 入门
  • ARM-外部中断,ADC模数转换器
  • Vue3学习二
  • 【Node】一文掌握 Express 的详细用法(Express 备忘速查)
  • 【面试篇】Mysql
  • DHCP之中继 Relay-snooping及配置命令
  • Python_level1_字符串_11
  • 给项目中的用户头像,添加用户的历史头像记录功能
  • 深入理解SQL中的<>运算符:不等于的灵活运用
  • C++20的协程简介
  • 轨迹速度聚类 实战
  • 【C++代码整洁之道】第九章 设计模式和习惯用法
  • VSCode运行,各类操作缓慢,如何清理
  • anaconda3/conda依赖安装、环境配置、关联指定python版本
  • 性能测试之jmeter的基本使用
  • [C++面试] new、delete相关面试点
  • 从软件分层架构视角理解英语学习
  • 为什么有的深度学习训练,有训练集、验证集、测试集3个划分,有的只是划分训练集和测试集?
  • 【YOLO系列(V5-V12)通用数据集-X光包裹内违禁品检测数据集】
  • Java 大视界 -- Java 大数据在智能供应链库存优化与成本控制中的应用策略(172)
  • AI平台初步规划实现和想法
  • 20信号和槽_connect函数的用法(1)
  • 隐私投资的收益大于成本