CN104050476A - 一种基于凸壳计算的末段目标瞄准点选择方法 - Google Patents
一种基于凸壳计算的末段目标瞄准点选择方法 Download PDFInfo
- Publication number
- CN104050476A CN104050476A CN201410284701.2A CN201410284701A CN104050476A CN 104050476 A CN104050476 A CN 104050476A CN 201410284701 A CN201410284701 A CN 201410284701A CN 104050476 A CN104050476 A CN 104050476A
- Authority
- CN
- China
- Prior art keywords
- convex hull
- point
- target
- convex
- aiming point
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于凸壳计算的末段目标瞄准点选择方法,属于目标探测技术领域。本方法将计算几何中覆盖问题解决方法应用于目标探测瞄准点选择中,通过构造凸壳,该凸壳是可以完全覆盖目标区域的凸多边形,根据该凸多边形可精确实时地确定目标瞄准点。本方法可以根据目标机动导致的姿态变化,实时更新凸壳,覆盖目标区域,获得精确的瞄准点,确保瞄准点在目标区域内,避免脱靶,具有较强的灵活性和实用性。由于利用构造凸壳的方法进行目标区域覆盖,不需要模板匹配和精确的轮廓提取,具有计算复杂度小,运算速度快的特点,同时降低了对探测器性能的要求。
Description
技术领域
本发明涉及一种目标瞄准点选择方法,尤其涉及一种用于探测末段的目标瞄准点实时精确的选择方法,属于目标探测与识别技术领域。
背景技术
飞行器导航以及在指定位置安全着陆、空投救灾物资的准确投放等,都涉及到对目标或者目标区域的探测、识别和跟踪,并需要实时精确地完成瞄准点的选择,实现飞行器自身定点安全着陆、目标跟踪或者物资的准确投放。尤其在飞行器的飞行末段,对于机动目标,飞行器自身和目标都存在较大的姿态变化,随着探测器与目标快速接近,目标图像不断增大,甚至溢出视场,此时,要准确地进行瞄准点选择难度较大,若兼顾实时性则难度更大。由于救灾物资投放,地质勘探,飞行器导航等都需要实时准确地确定瞄准点,因此,目标或者目标区域的瞄准点选择在军民两大应用领域都具有重要意义及特殊价值。
当前,国内外对目标探测识别和瞄准点选择方面的研究主要集中在提高探测器本身的性能、研究先进的成像和图像处理算法等方面。其中,要提高探测器性能往往需要增大成本;高性能复杂算法识别精度较高,但往往运算量大,不能满足实时性的要求。
为了从根本上解决瞄准点选择的实际问题,针对瞄准点选择算法,文献“TheGeometry of Escaping Targets”E.J.HILLIARD,JR.R.F.PINKOS,1978,IEEETransactions On Aerospace And Electronic Systems vol.Aes-14,no.2等提出了构建坐标轴的方式,确定瞄准点。具体说来,用3个相互垂直的坐标轴表征目标图像,每轴中点的连线可以确定一个三角形,该三角形中心即为目标瞄准点。对于目标几何结构相对规则的情况,该方法是有效的,然而,在探测末段探测器与目标交会状态不断变化,目标图像也随之变化,探测器与目标的相对几何关系的快速变化导致坐标轴构造困难,甚至不能保证最终瞄准点在目标上。文献“Centroid Tracker And Aim Point Selection”R Venkateswarlu,KV Sujata and BVenkateswara Rao,1992Acquisition,Tracking,and Pointing VI.520/SPIE Vol.1697和文献“An Aimpoint Selecting Method Based On Target Image ShapeAnalysis”Zhi-yong Li,Zhen-kang Shen,1992,Applications of Digital ImageProcessing XV612/SPIE Vol.1771均是通过目标特性提取和模板匹配来进行瞄准点选择,该方法精度较高,但是目标特征的精确提取复杂性较大,而且对于机动目标,很难实现模板匹配。除此之外,还有利用规则目标轮廓几何中心,计算目标表面所有点的中心等方法。这些方法在一定程度上可以实现瞄准点的选择,但是往往存在精度低、运算量大、实时性差等问题。
发明内容
本发明的目的是利用计算几何中构造凸壳的方法覆盖目标区域,同时解决目标边缘轮廓提取和目标瞄准点选择的问题,提出一种基于凸壳计算的末段目标瞄准点选择方法。通过将凸壳计算应用于目标瞄准点的选择中,可低成本地实现目标瞄准点的精确选择,降低算法的复杂程度,提高实时性。
本发明的目的是通过下述技术方案实现的。
一种基于凸壳计算的末段目标瞄准点选择方法,包括以下步骤:
步骤一、通过探测器获取目标图像。
所述目标图像包括但不限于红外图像、可见光图像、雷达图像、激光图像。
步骤二、对获取的目标图像进行预处理,并对处理后的图像进行角点坐标提取。
所述预处理是指依次对目标图像进行滤波去噪、阈值分割、二值化、形态学运算等。
由于在预处理过程中,已经初步排除了地面杂波等干扰,可使目标在图像中外形尽量的规则。
步骤三、利用步骤二提取出的角点坐标,利用实时凸壳计算方法构造凸多边形。
由于所提取的点大多集中在目标区域,通过这些点构造的凸多边形可以覆盖目标区域。构造方法如下:
首先,针对经步骤二提取的角点坐标p1(x1,y1),p2(x2,y2),...,pn(xn,yn),将所有n(n≥3)个点存入集合S中,构成点集序列,且|S|≥3。
当|S|=3时,认为集合S中3点为凸壳顶点,连接3点获得一个凸多边形;当|S|>3时,计算角点横坐标集合{x1,x2,...,xn}的最大值、最小值(设最大、最小值均只有一个),确定相应的角点,分别记为M1、M2;同时,计算角点纵坐标集合{y1,y2,...,yn}的最大值、最小值,确定相应的点,分别记为M3、M4。
所述横坐标、纵坐标的最大、最小值均只有一个。其中,横坐标最大值代表了水平方向上的最大值点,横坐标最小值代表了水平方向上的最小值点,纵坐标最大值代表了垂直方向上的最大值点,横坐标最小值代表了垂直方向上的最小值点。
然后,剔除异常值点。异常值点包括虚假目标及环境等干扰、脱离目标体的部分(如船的桅杆、飞机拖绳、坦克炮筒、目标区域外的建筑等),对雷达图像而言,异常值还包括地面杂波干扰和错误的回波等。这些异常值会在一定程度上扩大凸壳面积,这意味着扩大了对目标的覆盖范围,势必影响瞄准点选择精度。
剔除的具体方法为:设凸壳相邻顶点坐标差最大值为Δmax。对于上述步骤中所选取的最值点,与其相邻的次最值点比较,如果可判定所选择的最值点不是目标图像点,而是背景干扰或假目标回波,则用取代Mi。
所述Δmax根据实际情况需要进行选择设定。优选的,图像尺寸(长(x),宽(y))。
之后,采用M1,M2,M3,M4构造四边形。设该四边形为点集S的子集S'的一个凸壳,记为CH(S')。当集合时,则CH(S')为凸壳顶点集合。当集合时,在集合S-S'中取点p0。
若p0∈CH(S'),说明p0是CH(S')内的点,其不能作为所求凸壳的顶点,删去p0,此时取下一个点继续进行判断,直至找到合适的p0满足或集合时结束运算。;若可以根据点与直线之间的距离或者寻找正切点等算法,判断p0是否为凸壳顶点。如果p0不满足凸壳顶点条件,则删去p0,取下一个点继续进行判断,直至找到满足凸壳顶点条件的p0,或集合时结束运算。
如果p0满足凸壳顶点条件,则使用p0构成新的凸壳CH(S'∪{p0}),S'←S'∪{p0},即用集合S'∪{p0}取代原有集合S',而后执行上述构造四边形和凸壳顶点判断过程,最终得到凸壳顶点集合Si(i=1,2,...,n),该集合也是一个点集序列。
步骤四、根据凸多边形的顶点坐标划分三角形。通过求每个三角形的质心,最终得到覆盖目标区域的凸多边形的质心,该质心即为该时刻目标瞄准点。
有益效果
本发明所述方法,首次将计算几何中覆盖问题解决方法应用于目标探测瞄准点选择中,通过构造凸壳(该凸壳是可以完全覆盖目标区域的凸多边形),根据该凸多边形可精确实时地确定目标瞄准点。本方法可以根据目标机动导致的姿态变化,实时更新凸壳,覆盖目标区域,获得精确的瞄准点,确保瞄准点在目标区域内,避免脱靶,具有较强的灵活性和实用性。由于利用构造凸壳的方法进行目标区域覆盖,不需要模板匹配和精确的轮廓提取,具有计算复杂度小,运算速度快的特点,同时降低了对探测器性能的要求。
附图说明
图1为本方法的流程示意图。
图2为本发明所述实施例1中预处理结果示意。
图3为本发明所述实施例1中角点提取示意。
图4为本发明所述实施例1中凸多边形构造结果及剔除点示意。
图5为本发明所述实施例2中所述目标区域探测示意。
图6为本发明所述实施例2中角点提取示意。
图7为本发明所述实施例2中凸多边形构造结果及剔除点示意。
具体实施方式
下面结合附图及实施例对本发明方法进行详细说明。
实施例1
一种基于凸壳计算的末段目标瞄准点选择方法,用于实现雷达探测器对目标瞄准点实时精确选择。如图1所示,包括以下步骤:
步骤一、通过雷达探测器获取目标图像。
步骤二、对获取的目标图像进行预处理。处理方式依次为:利用统计学方法对图像进行滤波去噪,利用Ostu法进行阈值分割,对二值化的图像采用图形学的方法进行开运算和闭运算。预处理结果如图2所示。接着对处理后的图像进行角点提取。角点提取结果如图3所示。
步骤三、利用步骤二提取出的角点坐标,利用实时凸壳计算方法构造凸多边形。
由于所提取的点大多集中在目标区域,通过这些点构造的凸多边形可以覆盖目标区域。构造方法如下:
首先,针对经步骤二提取的角点坐标p1(x1,y1),p2(x2,y2),...,pn(xn,yn),将所有n(n≥3)个点存入集合S中,构成点集序列,且|S|≥3。
当|S|=3时,认为集合S中3点为凸壳顶点,连接3点获得一个凸多边形;当|S|>3时,计算角点横坐标集合{x1,x2,...,xn}的最大值、最小值(设最大、最小值均只有一个),确定相应的角点,分别记为M1、M2;同时,计算角点纵坐标集合{y1,y2,...,yn}的最大值、最小值(设最大、最小值均只有一个),确定相应的点,分别记为M3、M4。
然后,剔除异常值点。如图4所示,需要剔除飞机目标拖绳的干扰。
剔除的具体方法为:设凸壳相邻顶点坐标差最大值为Δmax。对于上述步骤中所选取的最值点,与其相邻的次最值点比较,如果可判定所选择的最值点不是目标图像点,而是背景干扰或假目标回波,则用取代Mi。
所述图像尺寸(长(x),宽(y))
之后,采用M1,M2,M3,M4构造四边形。设该四边形为点集S的子集S'的一个凸壳,记为CH(S')。当集合时,则CH(S')为凸壳顶点集合。当集合时,在集合S-S'中取点p0,若p0∈CH(S'),说明p0是CH(S')内的点,其不能作为所求凸壳的顶点,此时取下一个点继续进行判断,直至找到合适的p0满足或集合时结束运算。
若可以根据点与直线之间的距离或者寻找正切点等算法,判断p0是否为凸壳顶点。如果p0不满足凸壳顶点条件,则删去p0,取下一个点继续进行判断,直至找到满足凸壳顶点条件的p0,或集合时结束运算。如果p0满足凸壳顶点条件,则使用p0构成新的凸壳CH(S'∪{p0}),S'←S'∪{p0},即用集合S'∪{p0}取代原有集合S',而后执行上述构造四边形和凸壳顶点判断过程,最终得到凸壳顶点集合Si(i=1,2,...,n),该集合也是一个点集序列。
步骤四、根据步骤三所构造的凸多边形,计算该凸多边形的质心,即为该时刻的瞄准点。如图4所示。
由于在预处理过程中,已经初步排除了杂波等干扰,使目标在图像中外形尽量的规则,接着对预处理后的图像进行角点提取,所提取到的点大多集中在目标区域,如图3所示。通过这些点进行凸多边形的构造,该凸多边形可以覆盖目标区域,如图4所示。
步骤三中所述的输入点集S是不断变化的,飞机是空中机动目标,在整个探测过程姿态不断变化,总有新的点被检测到,因而会得到不断变化的凸壳,该瞄准点选择算法就是要实时获得目标瞄准点,图2所示是该时刻的飞机目标瞄准点。
实施例2
一种基于凸壳计算的末段目标瞄准点选择方法,实现向灾区准确投放救灾物资。包括以下步骤:
步骤一、通过机载探测器获取灾区地形情况,如图5所示。
步骤二、对获取的目标图像进行预处理,去除干扰噪声,接着对处理后的图像进行角点提取,角点提取结果如图6所示。
步骤三、利用步骤二提取出的角点坐标,利用实时凸壳计算方法构造凸多边形。
由于所提取的点大多集中在目标区域,通过这些点构造的凸多边形可以覆盖目标区域。构造方法如下:
首先,针对经步骤二提取的角点坐标p1(x1,y1),p2(x2,y2),...,pn(xn,yn),将所有n(n≥3)个点存入集合S中,构成点集序列,且|S|≥3。
当|S|=3时,认为集合S中3点为凸壳顶点,连接3点获得一个凸多边形;当|S|>3时,计算角点横坐标集合{x1,x2,...,xn}的最大值、最小值(设最大、最小值均只有一个),确定相应的角点,分别记为M1、M2;同时,计算角点纵坐标集合{y1,y2,...,yn}的最大值、最小值(设最大、最小值均只有一个),确定相应的点,分别记为M3、M4。
然后,剔除异常值点。剔除的具体方法为:设凸壳相邻顶点坐标差最大值为Δmax。对于上述步骤中所选取的最值点,与其相邻的次最值点比较,如果则判定所选择的最值点不是目标图像点,而是背景干扰或假目标回波,即用取代Mi。
所述图像尺寸(长(x),宽(y))。
之后,采用M1,M2,M3,M4构造四边形。设该四边形为点集S的子集S'的一个凸壳,记为CH(S')。当集合时,则CH(S')为凸壳顶点集合。当集合时,在集合S-S'中取点p0,若p0∈CH(S'),说明p0是CH(S')内的点,其不能作为所求凸壳的顶点,此时取下一个点继续进行判断,直至找到合适的p0满足或集合时结束运算。
若可以根据点与直线之间的距离或者寻找正切点等算法,判断p0是否为凸壳顶点。如果p0不满足凸壳顶点条件,则删去p0,取下一个点继续进行判断,直至找到满足凸壳顶点条件的p0,或集合时结束运算。如果p0满足凸壳顶点条件,则使用p0构成新的凸壳CH(S'∪{p0}),S'←S'∪{p0},即用集合S'∪{p0}取代原有集合S',而后执行上述构造四边形和凸壳顶点判断过程,最终得到凸壳顶点集合Si(i=1,2,...,n),该集合也是一个点集序列。
步骤四、根据步骤三所构造的凸多边形,如图7所示,计算该凸多边形的质心,即为该时刻的瞄准点,亦即向灾区投放物资的最佳位置。
通过预处理,提高图像质量,接着对预处理后的图像进行角点提取,即提取目标区域的点,如图6所示,通过这些点进行最优凸多边形的构造,该凸多边形可以覆盖目标区域。
步骤三中所述的输入点集S是不断变化的,由于飞机自身的运动,不断接近目标,并运行到目标区域的正上方,因而会得到不断变化的凸壳,该瞄准点选择算法就是要实时获得目标瞄准点,图7所示是该时刻的灾区凸壳及瞄准点(如图中“红星★”所示为物资投放点)。
去除周围干扰物的干扰如图7所示。去除异常值可以获取最优的凸多边形覆盖目标区域。
本发明保护范围不仅局限于以上实施例,以上实施例用于解释本发明,凡与本发明在相同原理和构思条件下的变更或修改均在本发明公开的保护范围之内。
Claims (4)
1.一种基于凸壳计算的末段目标瞄准点选择方法,其特征在于,包括如下步骤:
步骤一、通过探测器获取目标图像;
步骤二、对获取的目标图像进行预处理,并对处理后的图像进行角点坐标提取;
步骤三、利用步骤二提取出的角点坐标,利用实时凸壳计算方法构造凸多边形;构造方法如下:
首先,针对经步骤二提取的角点坐标p1(x1,y1),p2(x2,y2),...,pn(xn,yn),将所有n(n≥3)个点存入集合S中,构成点集序列,且|S|≥3;
当|S|=3时,认为集合S中3点为凸壳顶点,连接3点获得一个凸多边形;当|S|>3时,计算角点横坐标集合{x1,x2,...,xn}的最大值、最小值,确定相应的角点,分别记为M1、M2;同时,计算角点纵坐标集合{y1,y2,...,yn}的最大值、最小值,确定相应的点,分别记为M3、M4;
所述横坐标、纵坐标的最大、最小值均只有一个;横坐标最大、最小值分别代表了水平方向上的最大、最小值点,纵坐标最大、最小值分别代表了垂直方向上的最大、最小值点;
然后,剔除异常值点,具体方法为:设凸壳相邻顶点坐标差最大值为Δmax;对于上述步骤中所选取的最值点,与其相邻的次最值点比较,如果判定所选择的最值点不是目标图像点,而是背景干扰或假目标回波,则用取代Mi;所述Δmax根据实际情况需要进行选择设定;
之后,采用M1,M2,M3,M4构造四边形;设该四边形为点集S的子集S'的一个凸壳,记为CH(S'),当集合时,则CH(S')为凸壳顶点集合;当集合时,在集合S-S'中取点p0;
若p0∈CH(S'),说明p0是CH(S')内的点,其不能作为所求凸壳的顶点,删去p0,此时取下一个点继续进行判断,直至找到合适的p0满足或集合时结束运算;若判断p0是否为凸壳顶点,如果p0不满足凸壳顶点条件,则删去p0,取下一个点继续进行判断,直至找到满足凸壳顶点条件的p0,或集合时结束运算;
如果p0满足凸壳顶点条件,则使用p0构成新的凸壳CH(S'∪{p0}),S'←S'∪{p0},即用集合S'∪{p0}取代原有集合S',而后执行上述构造四边形和凸壳顶点判断过程,最终得到凸壳顶点集合Si(i=1,2,...,n),该集合也是一个点集序列;
步骤四、根据凸多边形的顶点坐标划分三角形,通过求每个三角形的质心,最终得到覆盖目标区域的凸多边形的质心,该质心即为该时刻目标瞄准点。
2.如权利要求1所述的一种基于凸壳计算的末段目标瞄准点选择方法,其特征在于,步骤一中所述目标图像包括但不限于红外图像、可见光图像、雷达图像、激光图像。
3.如权利要求1所述的一种基于凸壳计算的末段目标瞄准点选择方法,其特征在于,步骤二中所述预处理是指依次对目标图像进行滤波去噪、阈值分割、二值化、形态学运算。
4.如权利要求1所述的一种基于凸壳计算的末段目标瞄准点选择方法,其特征在于,步骤三中,图像尺寸(长(x),宽(y))。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410284701.2A CN104050476A (zh) | 2014-06-23 | 2014-06-23 | 一种基于凸壳计算的末段目标瞄准点选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410284701.2A CN104050476A (zh) | 2014-06-23 | 2014-06-23 | 一种基于凸壳计算的末段目标瞄准点选择方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104050476A true CN104050476A (zh) | 2014-09-17 |
Family
ID=51503288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410284701.2A Pending CN104050476A (zh) | 2014-06-23 | 2014-06-23 | 一种基于凸壳计算的末段目标瞄准点选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104050476A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108768511A (zh) * | 2018-06-22 | 2018-11-06 | 武汉光迅科技股份有限公司 | 一种二维MEMS OSW光开关Hitless点的智能选择方法和装置 |
CN109408935A (zh) * | 2018-10-17 | 2019-03-01 | 东易日盛家居装饰集团股份有限公司 | 一种区域划分方法及装置 |
CN109914532A (zh) * | 2017-11-27 | 2019-06-21 | 仁宝电脑工业股份有限公司 | 智能供水方法及智能供水装置 |
CN110009615A (zh) * | 2019-03-31 | 2019-07-12 | 深圳大学 | 图像角点的检测方法及检测装置 |
CN110428505A (zh) * | 2019-07-22 | 2019-11-08 | 高新兴科技集团股份有限公司 | 三维地图中视频投影干扰物的移除方法及计算机存储介质 |
CN112198893A (zh) * | 2020-05-22 | 2021-01-08 | 北京理工大学 | 基于分数阶微积分的无人机集群区域覆盖控制系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008065661A3 (en) * | 2006-11-29 | 2009-04-23 | Technion Res & Dev Foundation | Apparatus and method for finding visible points in a point cloud |
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 |
CN103679149A (zh) * | 2013-12-11 | 2014-03-26 | 哈尔滨工业大学深圳研究生院 | 一种基于角点的凸包表示的人群聚集检测的方法与装置 |
-
2014
- 2014-06-23 CN CN201410284701.2A patent/CN104050476A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008065661A3 (en) * | 2006-11-29 | 2009-04-23 | Technion Res & Dev Foundation | Apparatus and method for finding visible points in a point cloud |
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 |
CN103679149A (zh) * | 2013-12-11 | 2014-03-26 | 哈尔滨工业大学深圳研究生院 | 一种基于角点的凸包表示的人群聚集检测的方法与装置 |
Non-Patent Citations (3)
Title |
---|
丁卫: ""基于超小型无人机的地面目标实时图像跟踪"", 《中国博士论文全文数据库 工程科技Ⅱ辑》 * |
周培德: "《计算几何》", 31 March 2000 * |
王刚: ""基于点群特征和线点不变量的目标识别算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109914532A (zh) * | 2017-11-27 | 2019-06-21 | 仁宝电脑工业股份有限公司 | 智能供水方法及智能供水装置 |
CN108768511A (zh) * | 2018-06-22 | 2018-11-06 | 武汉光迅科技股份有限公司 | 一种二维MEMS OSW光开关Hitless点的智能选择方法和装置 |
CN108768511B (zh) * | 2018-06-22 | 2020-09-22 | 武汉光迅科技股份有限公司 | 一种二维MEMS OSW光开关Hitless点的智能选择方法和装置 |
CN109408935A (zh) * | 2018-10-17 | 2019-03-01 | 东易日盛家居装饰集团股份有限公司 | 一种区域划分方法及装置 |
CN109408935B (zh) * | 2018-10-17 | 2023-04-18 | 东易日盛家居装饰集团股份有限公司 | 一种区域划分方法及装置 |
CN110009615A (zh) * | 2019-03-31 | 2019-07-12 | 深圳大学 | 图像角点的检测方法及检测装置 |
CN110428505A (zh) * | 2019-07-22 | 2019-11-08 | 高新兴科技集团股份有限公司 | 三维地图中视频投影干扰物的移除方法及计算机存储介质 |
CN112198893A (zh) * | 2020-05-22 | 2021-01-08 | 北京理工大学 | 基于分数阶微积分的无人机集群区域覆盖控制系统及方法 |
CN112198893B (zh) * | 2020-05-22 | 2022-08-19 | 北京理工大学 | 基于分数阶微积分的无人机集群区域覆盖控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104050476A (zh) | 一种基于凸壳计算的末段目标瞄准点选择方法 | |
CN111326023B (zh) | 一种无人机航线预警方法、装置、设备及存储介质 | |
CN110850403B (zh) | 一种多传感器决策级融合的智能船水面目标感知识别方法 | |
CN103884237B (zh) | 基于目标概率分布信息的多对一协同制导方法 | |
CN105644785B (zh) | 一种基于光流法和地平线检测的无人机着陆方法 | |
CN105549614B (zh) | 无人机目标跟踪方法 | |
CN103149939B (zh) | 一种基于视觉的无人机动态目标跟踪与定位方法 | |
Leira et al. | Automatic detection, classification and tracking of objects in the ocean surface from UAVs using a thermal camera | |
He et al. | Non-cooperative spacecraft pose tracking based on point cloud feature | |
Popescu et al. | Flood areas detection based on UAV surveillance system | |
US9569668B2 (en) | Method and device for image-assisted runway localization | |
CN100464271C (zh) | 无人机自主着陆的合作目标识别方法 | |
CN103697855B (zh) | 一种基于海天线检测的船体水平姿态测量方法 | |
Xu et al. | Use of land’s cooperative object to estimate UAV’s pose for autonomous landing | |
CN110989687A (zh) | 一种基于嵌套正方形视觉信息的无人机降落方法 | |
Cho et al. | Vision-based detection and tracking of airborne obstacles in a cluttered environment | |
CN109341700A (zh) | 一种低能见度下固定翼飞机视觉辅助着陆导航方法 | |
CN109238288A (zh) | 一种无人机室内自主导航方法 | |
CN105447867B (zh) | 基于isar图像的空间目标姿态估计方法 | |
CN105160341B (zh) | 一种基于直线段检测和内心性质的三角形检测方法 | |
CN108225273A (zh) | 一种基于传感器先验知识的实时跑道检测方法 | |
Fu et al. | The pose estimation of the aircraft on the airport surface based on the contour features | |
CN110160503B (zh) | 一种顾及高程的无人机景观匹配定位方法 | |
Zhou et al. | Verification of AIS data by using video images taken by a UAV | |
CN108519083A (zh) | 一种空间非合作多目标捕获与跟踪算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140917 |
|
WD01 | Invention patent application deemed withdrawn after publication |