CN103625649A - 一种基于自适应区域分割与窗口连通的飞行器自主着陆区域判别方法 - Google Patents
一种基于自适应区域分割与窗口连通的飞行器自主着陆区域判别方法 Download PDFInfo
- Publication number
- CN103625649A CN103625649A CN201310656184.2A CN201310656184A CN103625649A CN 103625649 A CN103625649 A CN 103625649A CN 201310656184 A CN201310656184 A CN 201310656184A CN 103625649 A CN103625649 A CN 103625649A
- Authority
- CN
- China
- Prior art keywords
- window
- aircraft
- region
- connect domain
- communicated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于自适应区域分割与窗口连通的飞行器自主着陆区域判别方法,包括:对飞行器采集的视频流提取出图像帧,并将该帧的图像经预处理和图像分割后转换为二值图像;将该二值图像以尺寸自适应的窗口为单位进行分割,并基于设定噪点阈值比较,判别各个该窗口对应的区域是平坦区域还是障碍区域;对于该二值图像中判别为平坦区域的所有该窗口进行窗口连通与合并,从而将得到的连通区域作为飞行器的可着陆区域。本发明可根据飞行器航拍图像自行判别出可着陆的平坦区域,实现飞行器的自主着陆,判别结果准确、可靠,效率高,实用性强。
Description
技术领域
本发明涉及一种基于自适应区域分割与窗口连通实现的飞行器自主着陆区域判别方法,属于飞行器自主着陆技术领域。
背景技术
目前用于飞行器(无人机)着陆的导航技术主要包括:惯性导航、GPS导航、INS/GPS组合导航和视觉导航技术。
惯性导航技术是最早研究的、最为成熟的一种导航技术,也是当前飞行器导航中应用较为广泛的一项技术。惯性导航技术利用惯性敏感元件测量飞行器对于惯性空间的线运动和角运动参数,在给定的运动初始条件下,由计算机推算出飞行器的姿态、方位、速度和位置等参数,从而引导飞行器完成预定的航行任务,是一种自主式的导航技术。惯性导航技术的优点在于:1)完全自主式,保密性强,不易受外界条件和人为因素的干扰;2)既不发射信号,也不接收信号,不存在电磁波传播问题,因此没有无线电干扰;3)全天候操作,不受天气限制。但是,惯性导航技术却存在着如下缺点:定位误差随时间而迅速累积增长,在长时间工作后,会产生不同程度的累积误差,因此,惯性导航技术不能单独使用,必须与其他导航技术组合使用才行。
GPS导航技术兴起于70年代,是应用最为广泛、相对成熟的一种导航技术。GPS导航技术采用多星、高轨、测距体制,以距离作为基本的测量,通过对四颗卫星同时进行距离测量计算出用户接收机的位置。相对于惯性导航技术而言,GPS定位和测速精度高,并且其误差不随时间的推移而累积,另外,它基本上不受地区的限制。由此可见,GPS导航技术在和平时期是一种很好的自主导航方式,但是在战争时期,这种导航方式将完全受制于美国军方,而我国的双星定位还不成熟,因此它只能算是一种半自主导航定位技术,使用上十分受限。
20世纪80年代开始,美、英、法等国的军方和一些民用部门开始对INS/GPS组合导航技术进行研制,并逐渐得到了广泛的应用,它的优点是可以充分利用GPS和INS的互补特点,改善导航系统的精度,加强导航系统的抗干扰能力,而且INS可以辅助GPS对信号进行捕获,从而提高GPS接收机的跟踪能力。但是,其也算是一种半自主导航定位技术,同样受制于他国,使用上受限。
近几年来,基于计算机视觉的自主着陆导航技术一出现就备受关注。这种导航技术主要通过安装在飞行器上的摄像机,获得着陆点附近的图像,使用计算机视觉算法,估计出飞行器的飞行状态和相对于着陆点的位置,结合其他机载传感器,实现飞行器的自主着陆控制和准确着陆,具有不依赖于地面和空中导航设备的优点。针对飞行器自主着陆,视觉导航技术对着陆点的识别主要有三个阶段:第一,视觉辅助阶段,早期的飞行器着陆系统是以人工完全控制和半控制为主,对于视觉信息中的特征识别只是作为导航系统的补充而存在;第二,有标记阶段,由于视觉信息中包含了飞行器降落所需要的几乎全部信息,因此可通过识别视觉特征而实现自主化着陆;第三,无标记阶段,对于复杂背景且着陆点完全未知的情况,应实现无着陆点标记的自主着陆,从而使得飞行器更具有机动性、自适应性和智能性。但是,目前大多数飞行器着陆都局限于跑道识别,视觉导航技术的核心工作之一就是为飞行器选择特殊形状的合作标志加载在跑道上,使得对飞行器姿态和方位参数的解算更为简单有效。由此可见,飞行器的着陆区域十分受限,没有达到飞行器在任意区域自主着陆的需求。
综上所述,设计出一种飞行器着陆点不受限制,在具有高山、丘陵、平原或湖泊等各种地貌以及具有建筑、公路等各种人工建筑的条件下,飞行器可自动寻找到可着陆区域的技术方案是目前急需解决的问题。
发明内容
本发明的目的在于提供一种基于自适应区域分割与窗口连通的飞行器自主着陆区域判别方法,该方法可使飞行器根据航拍到的图像自行判别出可着陆的平坦区域,实现自主着陆。
为了实现上述目的,本发明采用以下技术方案:
一种基于自适应区域分割与窗口连通的飞行器自主着陆区域判别方法,其特征在于,它包括如下步骤:
步骤1:对飞行器采集的视频流提取出图像帧,并将该帧的图像经预处理和图像分割后转换为二值图像;
步骤2:将该二值图像以尺寸自适应的窗口为单位进行分割,并基于设定噪点阈值比较,判别各个该窗口对应的区域是平坦区域还是障碍区域;
步骤3:对于该二值图像中判别为平坦区域的所有该窗口进行窗口连通与合并,从而将得到的连通区域作为飞行器的可着陆区域。
所述窗口的尺寸根据所述帧对应的所述飞行器飞行高度而自适应改变。随着所述飞行高度的降低,所述窗口尺寸相应减小。
若所述窗口中的噪点所占百分比大于等于设定噪点阈值,则认为所述窗口对应的区域是障碍区域,否则,若所述窗口中的噪点所占百分比小于该设定噪点阈值,则认为所述窗口对应的区域是平坦区域。对于所述窗口,黑色像素点被认为是所述噪点,白色像素点被认为是平坦部位。
所述步骤3中的所述窗口连通与合并基于相邻窗口是否具有两个相同角点的判别来实现。假设根据窗口尺寸,所述二值图像被分割为M行、N列,具有M×N个所述窗口,该M×N个所述窗口中的P个所述窗口对应的区域被判别为平坦区域,则所述步骤3中的所述窗口连通与合并具体为:
按每行从左到右或从右到左、逐行顺次的顺序,将判别为平坦区域的P个所述窗口按序号1至P进行标记,从而以从第1至第P个所述窗口的顺序,对各个所述窗口进行窗口连通与合并,其中,对每个所述窗口进行窗口连通与合并包括如下步骤:
步骤A:判断所述窗口是否已作为连通区域:若已作为连通区域,则不进行窗口连通与合并,若未作为连通区域,则进入步骤B;
步骤B:按与标记顺序相同的顺序对该P个所述窗口进行逐个扫描,其中:
扫描该P个所述窗口中的每个所述窗口包括步骤:若扫描到的所述窗口与当前连通区域中的任一个所述窗口均不具有两个相同角点,则该扫描到的所述窗口不与当前连通区域合并;若扫描到的所述窗口与当前连通区域中的其中一个所述窗口具有两个相同角点,则将该扫描到的所述窗口与当前连通区域合并,作为新的连通区域;
当逐个扫描开始时,将此次进行窗口连通与合并的所述窗口作为当前连通区域。
在实际实施中,较佳地,若得到的所述连通区域的面积大于等于设定面积,则所述连通区域作为飞行器的可着陆区域,若得到的所述连通区域的面积小于该设定面积,则所述连通区域不作为飞行器的可着陆区域,其中:该设定面积根据所述帧对应的所述飞行器飞行高度而设定。
本发明具有如下优点:
通过本发明方法,不论地貌(指具有高山、丘陵、平原、湖泊等)、地况(指具有建筑、公路等各种人工建筑)多么复杂,飞行器都可根据航拍到的图像自行判别出可着陆的平坦区域,实现自主着陆,本发明方法判别结果准确、可靠,效率高,实用性强,适用于各种飞行器(无人机),特别适用于大型自主飞行器在戈壁环境下的自行着陆。
附图说明
图1是本发明的实现流程图。
图2是连通窗口合并的实例说明图。
图3是本发明一实施例的实际效果图。
图4是本发明另一实施例的实际效果图。
具体实施方式
如图1所示,本发明基于自适应区域分割与窗口连通的飞行器自主着陆区域判别方法包括如下步骤:
步骤1:对飞行器经由自身搭载的视觉影像采集设备(公知电子设备)采集的视频流提取出图像帧,并将该帧的图像经预处理和图像分割后转换为二值图像;
步骤2:将该二值图像以尺寸自适应的窗口为单位进行分割,并基于设定噪点阈值比较,判别各个该窗口对应的区域是平坦区域还是障碍区域;
步骤3:对于该二值图像中判别为平坦区域的所有该窗口进行窗口连通与合并,即将平坦区域进行连通合并,从而将得到的连通区域作为飞行器的可着陆区域。
在实际实施中,可对视频流提取出若干帧,并根据实际需求,对各帧或选定的帧进行后续的二值图像转换、自适应分割、窗口连通与合并处理。在本发明中,视频流的帧提取、帧至二值图像的转换均为本领域的熟知技术,故其具体过程不在这里详述。
在实际实施中,优选地,窗口的尺寸根据帧对应的飞行器飞行高度而自适应改变。具体来说,飞行器在拍摄视频的过程中,视频流中的每一帧都会与一个飞行高度相对应,因此可以说,窗口的尺寸是根据飞行器获取到该帧时对应的飞行器所在飞行高度而设定的。
较佳地,随着飞行高度的降低,窗口尺寸相应减小,即,飞行高度越高,窗口越大,飞行高度越低,窗口越小,以飞行器所在飞行高度来设定窗口大小的目的是为了提高平坦区域计算的实时性与准确性。例如,若某帧的图像尺寸为1024像素×768像素,那么,当飞行高度为3000米-2000米时,窗口尺寸可设定为256像素×192像素(即窗口尺寸为该帧的图像尺寸的1/16)当飞行高度为1999米-500米时,窗口尺寸可设定为128像素×96像素,当飞行高度低于500米时,窗口尺寸可设定为64像素×48像素。
在实际实施中,窗口形状可在针对飞行高度设置的基础上,根据实际需求而设定,没有任何限制。例如,窗口形状可呈矩形,其长、宽可任意设定,优选地,可将窗口设计为呈正方形。
在本发明中,不论窗口呈矩形还是正方形,每个窗口均具有四个角点,分别记作右上角点、右下角点、左上角点、左下角点。
在本发明中,设置窗口尺寸是本领域的熟知技术,其并不局限于上述。
在实际实施中,若窗口中的噪点所占百分比大于等于设定噪点阈值,则认为该窗口对应的区域是障碍区域,障碍区域不适合着陆,否则,若该窗口中的噪点所占百分比小于该设定噪点阈值,则认为该窗口对应的区域是可着陆的平坦区域。在实际设计时,该设定噪点阈值可根据实际需求而设定,其取值范围可为1%~3%,例如可设定为2%。
二值图像由黑色像素点和白色像素点构成。对于本发明中的窗口,黑色像素点(像素值为255)被认为是噪点,白色像素点(像素值为0)被认为是平坦部位。
在步骤3中,窗口连通与合并可基于相邻窗口是否具有两个相同角点的判别来实现。具体来说,假设根据窗口尺寸,二值图像被分割为M行、N列(M、N为大于1的正整数),具有M×N个窗口,该M×N个窗口中的P个(P为大于1的正整数,M×N≥P)窗口对应的区域被判别为平坦区域,则窗口连通与合并具体为:
按每行从左到右或从右到左、逐行顺次(即从第1行至第M行的顺序,对于二值图像整体而言即从上到下的顺序)的顺序,将判别为平坦区域的P个窗口按序号1至P进行标记,从而以从第1至第P个窗口的顺序,对各个窗口进行窗口连通与合并,其中,对每个窗口进行窗口连通与合并包括如下步骤:
步骤A:判断该窗口是否已作为连通区域:若已作为连通区域,则不进行窗口连通与合并,结束,若未作为连通区域,则进入步骤B;
步骤B:按与标记顺序相同的顺序(即按每行从左到右或从右到左、逐行顺次的顺序)对该P个窗口进行逐个扫描,其中:
扫描该P个窗口中的每个窗口包括步骤:若扫描到的窗口与当前连通区域中的任一个窗口均不具有两个相同角点,则该扫描到的窗口不与当前连通区域合并;若扫描到的该窗口与当前连通区域中的其中一个窗口具有两个相同角点,则将该扫描到的窗口与当前连通区域合并,作为新的连通区域;
当逐个扫描开始时,将此次进行窗口连通与合并的窗口作为当前连通区域。
在实际实施中可以看出,经过本发明方法得到的连通区域有大有小,并不是所有的连通区域都适宜作为飞行器的可着陆区域,因此,较佳地,应对窗口连通与合并得到的各个连通区域进行再判断,以选择较好的连通区域作为飞行器的可着陆区域,具体为:若得到的连通区域的面积大于等于设定面积,则该连通区域作为飞行器的可着陆区域,若得到的连通区域的面积小于该设定面积,则该连通区域不作为飞行器的可着陆区域,其中:该设定面积根据步骤1中的帧对应的飞行器飞行高度而设定。需要说明的是,对连通区域的再判断并不局限于上述,还可有其它方法。
如图2,图2示出的二值图像被分割成了3行、4列,共12个窗口,其中6个窗口被判别为平坦区域,并以序号1至6进行了标记,因此,顺序对序号为1至6的窗口逐个进行窗口连通与合并即可。其中以对序号为1的窗口进行窗口连通与合并为例进行说明,具体为:
首先判断序号为1的窗口是否已作为连通区域,由于其未作为连通区域,则按从序号1至6的顺序,对该6个窗口进行逐个扫描。当逐个扫描开始时,先将该序号为1的窗口作为当前连通区域。如图2,逐个扫描完该6个窗口后得到了一个由序号为1、2、3、5这四个窗口连通与合并构成的连通区域(如图中阴影线所示),其中,在扫描过程中,序号为2的窗口由于与序号为1的窗口具有两个相同角点,因此,该序号为1、2的两个窗口连通合并,同理,序号为3的窗口由于与序号为2的窗口具有两个相同角点,因此,该序号为2、3的两个窗口连通合并,同理,序号为5的窗口由于与序号为2的窗口具有两个相同角点,因此,该序号为2、5的两个窗口连通合并,当然,实际中,还包括一个序号为1的窗口的自身连通合并。
如图3、图4,图中示出了最终被作为飞行器的可着陆区域(见图中黑色粗线框示出的区域),可以看出,根据本发明方法,障碍区域(图3中涉及湖泊地貌,图4中涉及建筑、公路等人工建筑)被舍弃,不供飞行器着陆使用,飞行器自主着陆的区域均为平坦区域。进一步地,在实际应用时,飞行器自主着陆的区域面积将作为供飞行器着陆的一项重要指标,其可结合其他指标(如飞行器离地距离等),经多属性决策加权后,根据得分来确定最佳的平坦区域作为飞行器实际自主着陆区域。
本发明具有如下优点:
通过本发明方法,不论地貌(指具有高山、丘陵、平原、湖泊等)、地况(指具有建筑、公路等各种人工建筑)多么复杂,飞行器都可根据航拍到的图像自行判别出可着陆的平坦区域,实现自主着陆,本发明方法判别结果准确、可靠,效率高,实用性强,适用于各种飞行器(无人机),特别适用于大型自主飞行器在戈壁环境下的自行着陆。
以上所述是本发明的较佳实施例及其所运用的技术原理,对于本领域的技术人员来说,在不背离本发明的精神和范围的情况下,任何基于本发明技术方案基础上的等效变换、简单替换等显而易见的改变,均属于本发明保护范围之内。
Claims (8)
1.一种基于自适应区域分割与窗口连通的飞行器自主着陆区域判别方法,其特征在于,它包括如下步骤:
步骤1:对飞行器采集的视频流提取出图像帧,并将该帧的图像经预处理和图像分割后转换为二值图像;
步骤2:将该二值图像以尺寸自适应的窗口为单位进行分割,并基于设定噪点阈值比较,判别各个该窗口对应的区域是平坦区域还是障碍区域;
步骤3:对于该二值图像中判别为平坦区域的所有该窗口进行窗口连通与合并,从而将得到的连通区域作为飞行器的可着陆区域。
2.如权利要求1所述的飞行器自主着陆区域判别方法,其特征在于:
所述窗口的尺寸根据所述帧对应的所述飞行器飞行高度而自适应改变。
3.如权利要求2所述的飞行器自主着陆区域判别方法,其特征在于:
随着所述飞行高度的降低,所述窗口尺寸相应减小。
4.如权利要求1所述的飞行器自主着陆区域判别方法,其特征在于:
若所述窗口中的噪点所占百分比大于等于设定噪点阈值,则认为所述窗口对应的区域是障碍区域,否则,若所述窗口中的噪点所占百分比小于该设定噪点阈值,则认为所述窗口对应的区域是平坦区域。
5.如权利要求4所述的飞行器自主着陆区域判别方法,其特征在于:
对于所述窗口,黑色像素点被认为是所述噪点,白色像素点被认为是平坦部位。
6.如权利要求1所述的飞行器自主着陆区域判别方法,其特征在于:
所述步骤3中的所述窗口连通与合并基于相邻窗口是否具有两个相同角点的判别来实现。
7.如权利要求6所述的飞行器自主着陆区域判别方法,其特征在于:
假设根据窗口尺寸,所述二值图像被分割为M行、N列,具有M×N个所述窗口,该M×N个所述窗口中的P个所述窗口对应的区域被判别为平坦区域,则所述步骤3中的所述窗口连通与合并具体为:
按每行从左到右或从右到左、逐行顺次的顺序,将判别为平坦区域的P个所述窗口按序号1至P进行标记,从而以从第1至第P个所述窗口的顺序,对各个所述窗口进行窗口连通与合并,其中,对每个所述窗口进行窗口连通与合并包括如下步骤:
步骤A:判断所述窗口是否已作为连通区域:若已作为连通区域,则不进行窗口连通与合并,若未作为连通区域,则进入步骤B;
步骤B:按与标记顺序相同的顺序对该P个所述窗口进行逐个扫描,其中:
扫描该P个所述窗口中的每个所述窗口包括步骤:若扫描到的所述窗口与当前连通区域中的任一个所述窗口均不具有两个相同角点,则该扫描到的所述窗口不与当前连通区域合并;若扫描到的所述窗口与当前连通区域中的其中一个所述窗口具有两个相同角点,则将该扫描到的所述窗口与当前连通区域合并,作为新的连通区域;
当逐个扫描开始时,将此次进行窗口连通与合并的所述窗口作为当前连通区域。
8.如权利要求1至7任一项所述的飞行器自主着陆区域判别方法,其特征在于:
若得到的所述连通区域的面积大于等于设定面积,则所述连通区域作为飞行器的可着陆区域,若得到的所述连通区域的面积小于该设定面积,则所述连通区域不作为飞行器的可着陆区域,其中:该设定面积根据所述帧对应的所述飞行器飞行高度而设定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310656184.2A CN103625649B (zh) | 2013-12-06 | 2013-12-06 | 一种飞行器自主着陆区域判别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310656184.2A CN103625649B (zh) | 2013-12-06 | 2013-12-06 | 一种飞行器自主着陆区域判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103625649A true CN103625649A (zh) | 2014-03-12 |
CN103625649B CN103625649B (zh) | 2015-07-29 |
Family
ID=50207185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310656184.2A Expired - Fee Related CN103625649B (zh) | 2013-12-06 | 2013-12-06 | 一种飞行器自主着陆区域判别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103625649B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104656669A (zh) * | 2015-03-10 | 2015-05-27 | 无锡桑尼安科技有限公司 | 基于图像处理的无人机着陆位置搜索系统 |
CN104932533A (zh) * | 2015-05-19 | 2015-09-23 | 吴晗 | 无人机、无人机控制方法及无人机远程操控系统、方法 |
CN105787192A (zh) * | 2016-03-15 | 2016-07-20 | 联想(北京)有限公司 | 一种信息处理方法及飞行器 |
CN106054931A (zh) * | 2016-07-29 | 2016-10-26 | 北方工业大学 | 一种基于视觉定位的无人机定点飞行控制系统 |
CN106569507A (zh) * | 2016-10-25 | 2017-04-19 | 深圳市高巨创新科技开发有限公司 | 一种无人机的飞行状态参数校正方法及系统 |
CN106598063A (zh) * | 2015-10-14 | 2017-04-26 | 松下电器(美国)知识产权公司 | 无人飞行器及飞行控制方法 |
CN108256491A (zh) * | 2018-01-25 | 2018-07-06 | 北方工业大学 | 无预设靶标的复杂场景无人机自主降落候选区筛选方法 |
CN109325917A (zh) * | 2017-08-01 | 2019-02-12 | 深圳市中兴微电子技术有限公司 | 一种检测图像中噪点的方法及装置、计算机可读存储介质 |
CN109598243A (zh) * | 2018-12-06 | 2019-04-09 | 山东大学 | 一种月球表面安全着陆区选择方法及系统 |
US10403153B2 (en) | 2016-01-05 | 2019-09-03 | United States Of America As Represented By The Administrator Of Nasa | Autonomous emergency flight management system for an unmanned aerial system |
CN115016545A (zh) * | 2022-08-05 | 2022-09-06 | 四川腾盾科技有限公司 | 无人机着陆的着陆点自主选择方法、设备及介质 |
CN117788829A (zh) * | 2024-02-27 | 2024-03-29 | 长春师范大学 | 一种用于入侵植物种子检测的图像识别系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63286976A (ja) * | 1987-05-20 | 1988-11-24 | Ricoh Co Ltd | 2種領域情報の管理方式 |
WO2008065120A1 (fr) * | 2006-11-28 | 2008-06-05 | Thales | Dispositif de visualisation destine a la compréhension de l'environnement aérien |
CN101840581A (zh) * | 2010-02-05 | 2010-09-22 | 北京交通大学 | 一种从卫星遥感影像中提取建筑物轮廓的方法 |
CN102254144A (zh) * | 2011-07-12 | 2011-11-23 | 四川大学 | 一种鲁棒的图像中二维码区域提取方法 |
CN103366170A (zh) * | 2012-04-02 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 图像二值化处理装置及其方法 |
CN104112370A (zh) * | 2014-07-30 | 2014-10-22 | 哈尔滨工业大学深圳研究生院 | 基于监控图像的停车场智能车位识别方法及系统 |
-
2013
- 2013-12-06 CN CN201310656184.2A patent/CN103625649B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63286976A (ja) * | 1987-05-20 | 1988-11-24 | Ricoh Co Ltd | 2種領域情報の管理方式 |
WO2008065120A1 (fr) * | 2006-11-28 | 2008-06-05 | Thales | Dispositif de visualisation destine a la compréhension de l'environnement aérien |
CN101840581A (zh) * | 2010-02-05 | 2010-09-22 | 北京交通大学 | 一种从卫星遥感影像中提取建筑物轮廓的方法 |
CN102254144A (zh) * | 2011-07-12 | 2011-11-23 | 四川大学 | 一种鲁棒的图像中二维码区域提取方法 |
CN103366170A (zh) * | 2012-04-02 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 图像二值化处理装置及其方法 |
CN104112370A (zh) * | 2014-07-30 | 2014-10-22 | 哈尔滨工业大学深圳研究生院 | 基于监控图像的停车场智能车位识别方法及系统 |
Non-Patent Citations (3)
Title |
---|
刘小锋: "基于遥感图像目标识别的机场毁伤情况研究", 《万方学位论文》 * |
史立: "视频对象平面分割和视频对象提取方法的研究", 《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》 * |
张珍: "无人机自主着陆的视觉识别与定位算法设计及仿真研究", 《万方学位论文》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104656669A (zh) * | 2015-03-10 | 2015-05-27 | 无锡桑尼安科技有限公司 | 基于图像处理的无人机着陆位置搜索系统 |
CN104932533A (zh) * | 2015-05-19 | 2015-09-23 | 吴晗 | 无人机、无人机控制方法及无人机远程操控系统、方法 |
CN106598063A (zh) * | 2015-10-14 | 2017-04-26 | 松下电器(美国)知识产权公司 | 无人飞行器及飞行控制方法 |
US10403153B2 (en) | 2016-01-05 | 2019-09-03 | United States Of America As Represented By The Administrator Of Nasa | Autonomous emergency flight management system for an unmanned aerial system |
CN105787192A (zh) * | 2016-03-15 | 2016-07-20 | 联想(北京)有限公司 | 一种信息处理方法及飞行器 |
CN105787192B (zh) * | 2016-03-15 | 2020-06-23 | 联想(北京)有限公司 | 一种信息处理方法及飞行器 |
CN106054931B (zh) * | 2016-07-29 | 2019-11-05 | 北方工业大学 | 一种基于视觉定位的无人机定点飞行控制系统 |
CN106054931A (zh) * | 2016-07-29 | 2016-10-26 | 北方工业大学 | 一种基于视觉定位的无人机定点飞行控制系统 |
CN106569507A (zh) * | 2016-10-25 | 2017-04-19 | 深圳市高巨创新科技开发有限公司 | 一种无人机的飞行状态参数校正方法及系统 |
CN109325917A (zh) * | 2017-08-01 | 2019-02-12 | 深圳市中兴微电子技术有限公司 | 一种检测图像中噪点的方法及装置、计算机可读存储介质 |
CN108256491B (zh) * | 2018-01-25 | 2020-08-04 | 北方工业大学 | 无预设靶标的复杂场景无人机自主降落候选区筛选方法 |
CN108256491A (zh) * | 2018-01-25 | 2018-07-06 | 北方工业大学 | 无预设靶标的复杂场景无人机自主降落候选区筛选方法 |
CN109598243A (zh) * | 2018-12-06 | 2019-04-09 | 山东大学 | 一种月球表面安全着陆区选择方法及系统 |
CN115016545A (zh) * | 2022-08-05 | 2022-09-06 | 四川腾盾科技有限公司 | 无人机着陆的着陆点自主选择方法、设备及介质 |
CN117788829A (zh) * | 2024-02-27 | 2024-03-29 | 长春师范大学 | 一种用于入侵植物种子检测的图像识别系统 |
CN117788829B (zh) * | 2024-02-27 | 2024-05-07 | 长春师范大学 | 一种用于入侵植物种子检测的图像识别系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103625649B (zh) | 2015-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103625649B (zh) | 一种飞行器自主着陆区域判别方法 | |
CN113359810B (zh) | 一种基于多传感器的无人机着陆区域识别方法 | |
CN106570454B (zh) | 基于移动激光扫描的行人交通参数提取方法 | |
Kanistras et al. | A survey of unmanned aerial vehicles (UAVs) for traffic monitoring | |
CN102435174B (zh) | 基于混合式双目视觉的障碍物检测方法及装置 | |
US9817107B2 (en) | Above-ground building recognition method and navigation method combining laser and infrared | |
Salehi et al. | Automatic moving vehicles information extraction from single-pass WorldView-2 imagery | |
CN107505644A (zh) | 基于车载多传感器融合的三维高精度地图生成系统及方法 | |
CN103822635A (zh) | 基于视觉信息的无人机飞行中空间位置实时计算方法 | |
CN104808685A (zh) | 用于无人机自主降落的视觉辅助装置及视觉辅助方法 | |
CN103925920A (zh) | 一种基于图像透视的微型无人机室内自主导航方法 | |
CN103149939A (zh) | 一种基于视觉的无人机动态目标跟踪与定位方法 | |
CN108734103A (zh) | 卫星视频中运动目标的检测与跟踪方法 | |
EP4137846A1 (en) | High-precision map generation method, localization method, and device | |
CN110210384B (zh) | 一种道路全局信息实时提取与表示系统 | |
CN105738909B (zh) | 一种适用于低空植保无人直升机作业边界提取方法 | |
CN110413002B (zh) | 一种无人机遥感信息采集方法及装置 | |
CN103453882B (zh) | 一种基于飞行器的云层高度测量系统及云层高度测量方法 | |
CN103679746B (zh) | 一种基于多信息融合的目标跟踪方法 | |
CN204495357U (zh) | 一种多基多模组网融合室内人员导航定位系统 | |
Pi et al. | Deep neural networks for drone view localization and mapping in GPS-denied environments | |
Gong et al. | A survey of techniques for detection and tracking of airport runways | |
CN103487035B (zh) | 基于车载影像的单目定位方法及系统 | |
Lu et al. | Autonomous vision-based safe area selection algorithm for UAV emergency forced landing | |
CN114049580A (zh) | 一种机坪航空器定位系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150729 Termination date: 20151206 |
|
EXPY | Termination of patent right or utility model |