CN104463877A - 一种基于雷达影像与电子海图信息的岸线配准方法 - Google Patents
一种基于雷达影像与电子海图信息的岸线配准方法 Download PDFInfo
- Publication number
- CN104463877A CN104463877A CN201410764435.3A CN201410764435A CN104463877A CN 104463877 A CN104463877 A CN 104463877A CN 201410764435 A CN201410764435 A CN 201410764435A CN 104463877 A CN104463877 A CN 104463877A
- Authority
- CN
- China
- Prior art keywords
- water front
- radar image
- information
- data
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于雷达影像与电子海图信息的岸线配准方法,包括以下步骤:对雷达影像进行处理,获取其中的河/海岸线,并转换为全局坐标系下的像素位置坐标;根据S57海图格式标准,从电子海图中提取代表河/海岸线的线条信息,并转换为大地坐标系下的经纬度坐标;通过灰色关联处理手段,针对雷达影像和电子海图所提取出来的岸线坐标进行关联匹配,比较不同位置及尺度下的数据关联度,在这两种不同来源的数据之间实现粗配准;通过ICP配准处理手段,针对雷达影像和电子海图所提取出来的岸线坐标进行精配准。本发明提供的岸线识别方法识别精确度高,为其他目标识别划定范围做铺垫,有效降低雷达目标识别的错误率。
Description
技术领域
本发明涉及地理信息技术领域,尤其涉及一种基于雷达影像与电子海图信息的岸线配准方法。
背景技术
在船舶现代化监管中,海事雷达是一种非常重要的监管手段。由于其工作环境复杂,岸线周围错综复杂的建筑物、行驶车辆、风浪、水面等往往会对海事雷达产生较大的干扰,出现杂波,有必要针对雷达图像进行处理,生成岸线的基本轮廓,进而为岸线识别,以及水上目标识别做好铺垫,以便降低雷达目标识别的错误率。此外,对雷达影像和电子海图的叠加显示,能够将电子海图的地理信息优势和雷达装备的实时探测能力结合在一起,从而更加准确地获悉周围水域的障碍物信息,大幅提高船舶的避碰能力。因此,通过图像处理技术,从雷达影像中提取出岸线数据,并与电子海图进行配准,实现雷达影像和电子海图的叠加显示,在保障水上交通安全方面具有重要意义。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种基于雷达影像与电子海图信息的岸线配准方法。
本发明解决其技术问题所采用的技术方案是:一种基于雷达影像与电子海图信息的岸线配准方法,包括以下步骤:
1)对雷达影像进行处理,获取其中的河/海岸线,并转换为全局坐标系下的像素位置坐标;
2)根据S57海图格式标准,从电子海图中提取代表河/海岸线的线条信息,并转换为大地坐标系下的经纬度坐标;
3)通过灰色关联处理手段,针对雷达影像和电子海图所提取出来的岸线坐标进行关联匹配,比较不同位置及尺度下的数据关联度,在这两种不同来源的数据之间实现粗配准;
4)通过ICP配准处理手段,针对雷达影像和电子海图所提取出来的岸线坐标进行精配准。
按上述方案,所述步骤1)中雷达影像的图像处理使用包括连通域判别、边缘提取、Gabor小波处理图像处理技术。
按上述方案,所述步骤(1)中基于雷达影像的河/海岸线信息提取方法,包括以下步骤:
(1.1)对雷达影像进行灰度变换,将彩色图像转化为8位灰度图像;
(1.2)对雷达影像进行连续帧间差分处理,提取雷达检测中的背景影像;定义第t帧雷达检测影像为:其中i、j代表第i行,第j列的像素点;则连续三帧雷达影像可以分别表示为:同时定义第t帧的背景图像为:
(1.3)将这三帧连续视频图像分为两组,第t-1帧和第t帧为一组,第t帧及第t+1帧为另一组,分别对这两组视频的每一个象素点进行帧间差减,并将其绝对值保存在中,如公式(1)所示:
(1.4)将中各像素的值分别与一个预先给定的阈值T0进行比较,如果某一点i,j上对应的的值均大于T0,则可以判断这一点在当前连续三帧图像中都是运动的;反之,该点即为背景图像中的一部分,如公式(2)所示,对前30秒的雷达检测影像反复进行背景提取处理,即可构建出完整的初始背景影像;
(1.5)统计背景影像的灰度分布直方图,设定阈值T1,针对目标信息的灰度特性进行二值化;如公式(3)所示:
(1.6)在得到二值化的背景图象后,利用区域生长法将灰度值为255的像素点按邻域连通性原则合成一个区域,对连通区域像素值大小的统计和排序,如果区域面积过小或者长宽比不符合岸线的一般特征,则认为是干扰信号而予以删除,最终选取出包含了岸线有效信息的连通区域;其中,连通区域的选取采用四领域法,即目标像素p及其周围的(x+1,y),(x,y-1),(x-1,y),(x,y+1)呈现联通状态则认为是同一连通域;
(1.7)采用拉普拉斯算子对包含岸线有效信息的连通域进行边缘提取,获取可能的岸线边缘;拉普拉斯算子的定义如公式(4)、(5)所示:
(1.8)对背景边缘图像采用Hough变换获取岸线的方向信息,Hough变换的极坐标定义为:x cosθ+y sinθ=ρ,通过对所有边缘像素点的极坐标(ρ,θ)进行统计,选取最大的θ作为岸线的方向角信息,并以其为依据确定Gabor变换的角度,代入Gabor小波中实现对岸线点的提取;二维Gabor小波变换以及傅里叶变换的定义如公式(6)、(7)、(8)所示:
h(x,y)=g(x,y)exp(2πjWx) (7)
按上述方案,所述步骤(3)中针对来自雷达影像和电子海图的岸线信息进行灰色关联分析,确定几何形态最为接近的岸线位置,实现两种岸线数据间的粗配准,具体包括以下步骤:
(3.1)针对雷达影像和电子海图的特征,确定灰色关联分析中的参考数据列和比较数据列:由于雷达影像为位图形式,而电子海图为矢量图形式,因此将雷达影像中提取的岸线坐标设定为参考数据列,定义为:R={r(k)|k=1,2,…,n,将电子海图中的岸线信息设定为比较数据列,分别定义为:Ei={ei(k)|k=1,2,…,n}。之后比较R和若干个Ei之间的几何形态相似程度,判断其关联程度;
(3.2)雷达影像中的岸线信息为位图坐标,电子海图中的岸线信息为经纬度信息,数据量纲不同,需根据公式(9)进行数据的无量纲化处理如下:
(3.3)根据公式(10)和(11),计算比较数据列R与参考数据列Ei中对应数据的关联系数如下:
Δi(k)=|r(k)-ei(k)| (11)
(3.4)取所有关联系数的平均值为数据列之间的关联度,并以此表示比较数据列R与参考数据列Ei之间的关联程度,如公式(12)如示:
(3.5)将关联度ri按大小排序,取关联度最大的比较数据列R与参考数据列Ei为同一条岸线的粗配准结果。
按上述方案,所述步骤(4)中针对来自雷达影像和电子海图的岸线信息采用了改进的ICP点云配准方法,实现了两种岸线数据间的精配准,具体包括以下步骤:
(4.1)将粗配准后的雷达影像岸线数据存储在点集P中,定义为:{P|Pi∈R3,i=1,2,…,N},pi为岸线上某点的坐标,定义为:(xpi,ypi);同时,将对应的电子海图岸线数据存储在点集Q中,定义为:{Q|qi∈R3,i=1,2,…,N},qi为岸线上某点的坐标,定义为:(xqi,yqi);作为同一段岸线的非同源数据,P、Q两个点集之间应符合刚体变换,假定该刚体变换是由一个2*2的旋转矩阵R和一个2*2的平移矩阵T实现的,如公式(13)所示:
(4.2)根据最优匹配原则设计数据配准的目标函数,如公式(14)所示,点集R、T应使该目标函数的值最小:
(4.3)计算点集P中的每一个点在Q点集中的对应最近点;
(4.4)计算上述对应点对平均距离最小的刚体变换,求得旋转矩阵R和平移矩阵T;
(4.5)对Q使用上一步的平移矩阵T和旋转矩阵R,得到新的变换点集,并替换获得新的点集Q;
(4.6)如果新的点集Q与参考点集P之间满足公式(14)中目标函数的要求,即平均距离小于给定的阀值,则停止迭代,完成精配准;否则,以新的点集Q与参考点集P继续迭代下去,直到达到目标函数的要求。
本发明产生的有益效果是:本发明提供的岸线识别方法识别精确度高,为其他目标识别划定范围做铺垫,有效降低雷达目标识别的错误率。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种基于雷达影像与电子海图信息的岸线配准方法,包括以下步骤:
1)使用包括连通域判别、边缘提取、Gabor小波处理图像处理技术对雷达影像进行处理,获取其中的河/海岸线,并转换为全局坐标系下的像素位置坐标;
(1.1)对雷达影像进行灰度变换,将彩色图像转化为8位灰度图像;
(1.2)对雷达影像进行连续帧间差分处理,提取雷达检测中的背景影像;定义第t帧雷达检测影像为:其中i、j代表第i行,第j列的像素点;则连续三帧雷达影像可以分别表示为:同时定义第t帧的背景图像为:
(1.3)将这三帧连续视频图像分为两组,第t-1帧和第t帧为一组,第t帧及第t+1帧为另一组,分别对这两组视频的每一个象素点进行帧间差减,并将其绝对值保存在中,如公式(1)所示:
(1.4)将中各像素的值分别与一个预先给定的阈值T0进行比较,如果某一点i,j上对应的的值均大于T0,则可以判断这一点在当前连续三帧图像中都是运动的;反之,该点即为背景图像中的一部分,如公式(2)所示,对前30秒的雷达检测影像反复进行背景提取处理,即可构建出完整的初始背景影像;
(1.5)统计背景影像的灰度分布直方图,设定阈值T1,针对目标信息的灰度特性进行二值化;如公式(3)所示:
(1.6)在得到二值化的背景图象后,利用区域生长法将灰度值为255的像素点按邻域连通性原则合成一个区域,对连通区域像素值大小的统计和排序,如果区域面积过小或者长宽比不符合岸线的一般特征,则认为是干扰信号而予以删除,最终选取出包含了岸线有效信息的连通区域;其中,连通区域的选取采用四领域法,即目标像素p及其周围的(x+1,y),(x,y-1),(x-1,y),(x,y+1)呈现联通状态则认为是同一连通域;
(1.7)采用拉普拉斯算子对包含岸线有效信息的连通域进行边缘提取,获取可能的岸线边缘;拉普拉斯算子的定义如公式(4)、(5)所示:
(1.8)对背景边缘图像采用Hough变换获取岸线的方向信息,Hough变换的极坐标定义为:x cosθ+y sinθ=ρ,通过对所有边缘像素点的极坐标(ρ,θ)进行统计,选取最大的θ作为岸线的方向角信息,并以其为依据确定Gabor变换的角度,代入Gabor小波中实现对岸线点的提取;二维Gabor小波变换以及傅里叶变换的定义如公式(6)、(7)、(8)所示:
h(x,y)=g(x,y)exp(2πjWx) (7)
2)根据S57海图格式标准,从电子海图中提取代表河/海岸线的线条信息,并转换为大地坐标系下的经纬度坐标;
3)通过灰色关联处理手段,针对雷达影像和电子海图所提取出来的岸线坐标进行关联匹配,比较不同位置及尺度下的数据关联度,在这两种不同来源的数据之间实现粗配准;
具体包括以下步骤:
(3.1)针对雷达影像和电子海图的特征,确定灰色关联分析中的参考数据列和比较数据列:由于雷达影像为位图形式,而电子海图为矢量图形式,因此将雷达影像中提取的岸线坐标设定为参考数据列,定义为:R={r(k)|k=1,2,…,n,将电子海图中的岸线信息设定为比较数据列,分别定义为:Ei={ei(k)|k=1,2,…,n}。之后比较R和若干个Ei之间的几何形态相似程度,判断其关联程度;
(3.2)雷达影像中的岸线信息为位图坐标,电子海图中的岸线信息为经纬度信息,数据量纲不同,需根据公式(9)进行数据的无量纲化处理如下:
(3.3)根据公式(10)和(11),计算比较数据列R与参考数据列Ei中对应数据的关联系数如下:
Δi(k)=|r(k)-ei(k)| (11)
(3.4)取所有关联系数的平均值为数据列之间的关联度,并以此表示比较数据列R与参考数据列Ei之间的关联程度,如公式(12)如示:
(3.5)将关联度ri按大小排序,取关联度最大的比较数据列R与参考数据列Ei为同一条岸线的粗配准结果。
4)通过ICP配准处理手段,针对雷达影像和电子海图所提取出来的岸线坐标进行精配准;
具体包括以下步骤:
(4.1)将粗配准后的雷达影像岸线数据存储在点集P中,定义为:{P|pi∈R3,i=1,2,…,N},pi为岸线上某点的坐标,定义为:(xpi,ypi);同时,将对应的电子海图岸线数据存储在点集Q中,定义为:{Q|qi∈R3,i=1,2,…,N},qi为岸线上某点的坐标,定义为:(xqi,yqi);作为同一段岸线的非同源数据,两个点集之间应符合刚体变换,假定该刚体变换是由一个2*2的旋转矩阵R和一个2*2的平移矩阵T实现的,如公式(13)所示:
(4.2)根据最优匹配原则设计数据配准的目标函数,如公式(14)所示,点集R、T应使该目标函数的值最小:
(4.3)计算点集P中的每一个点在Q点集中的对应最近点;
(4.4)计算上述对应点对平均距离最小的刚体变换,求得旋转矩阵R和平移矩阵T;
(4.5)对Q使用上一步的平移矩阵T和旋转矩阵R,得到新的变换点集,并替换获得新的点集Q;
(4.6)如果新的点集Q与参考点集P之间满足公式(14)中目标函数的要求,即平均距离小于给定的阀值,则停止迭代,完成精配准;否则,以新的点集Q与参考点集P继续迭代下去,直到达到目标函数的要求。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (5)
1.一种基于雷达影像与电子海图信息的岸线配准方法,其特征在于,包括以下步骤:
1)对雷达影像进行处理,获取其中的河/海岸线,并转换为全局坐标系下的像素位置坐标;
2)根据S57海图格式标准,从电子海图中提取代表河/海岸线的线条信息,并转换为大地坐标系下的经纬度坐标;
3)通过灰色关联处理手段,针对雷达影像和电子海图所提取出来的岸线坐标进行关联匹配,比较不同位置及尺度下的数据关联度,在这两种不同来源的数据之间实现粗配准;
4)通过ICP配准处理手段,针对雷达影像和电子海图所提取出来的岸线坐标进行精配准。
2.根据权利要求1所述的岸线配准方法,其特征在于,所述步骤1)中雷达影像的图像处理使用包括连通域判别、边缘提取、Gabor小波处理图像处理技术。
3.根据权利要求1所述的岸线配准方法,其特征在于,所述步骤(1)中基于雷达影像的河/海岸线信息提取方法,包括以下步骤:
(1.1)对雷达影像进行灰度变换,将彩色图像转化为8位灰度图像;
(1.2)对雷达影像进行连续帧间差分处理,提取雷达检测中的背景影像;定义第t帧雷达检测影像为:其中i、j代表第i行,第j列的像素点;则连续三帧雷达影像可以分别表示为:同时定义第t帧的背景图像为:
(1.3)将这三帧连续视频图像分为两组,第t-1帧和第t帧为一组,第t帧及第t+1帧为另一组,分别对这两组视频的每一个象素点进行帧间差减,并将其绝对值保存在中,如公式(1)所示:
(1.4)将中各像素的值分别与一个预先给定的阈值T0进行比较,如果某一点i,j上对应的的值均大于T0,则可以判断这一点在当前连续三帧图像中都是运动的;反之,该点即为背景图像中的一部分,如公式(2)所示,对前30秒的雷达检测影像反复进行背景提取处理,即可构建出完整的初始背景影像;
(1.5)统计背景影像的灰度分布直方图,设定阈值T1,针对目标信息的灰度特性进行二值化;如公式(3)所示:
(1.6)在得到二值化的背景图象后,利用区域生长法将灰度值为255的像素点按邻域连通性原则合成一个区域,对连通区域像素值大小的统计和排序,如果区域面积过小或者长宽比不符合岸线的一般特征,则认为是干扰信号而予以删除,最终选取出包含了岸线有效信息的连通区域;其中,连通区域的选取采用四领域法,即目标像素p及其周围的(x+1,y),(x,y-1),(x-1,y),(x,y+1)呈现联通状态则认为是同一连通域;
(1.7)采用拉普拉斯算子对包含岸线有效信息的连通域进行边缘提取,获取可能的岸线边缘;拉普拉斯算子的定义如公式(4)、(5)所示:
(1.8)对背景边缘图像采用Hough变换获取岸线的方向信息,Hough变换的极坐标定义为:xcosθ+ysinθ=ρ,通过对所有边缘像素点的极坐标(ρ,θ)进行统计,选取最大的θ作为岸线的方向角信息,并以其为依据确定Gabor变换的角度,代入Gabor小波中实现对岸线点的提取;二维Gabor小波变换以及傅里叶变换的定义如公式(6)、(7)、(8)所示:
h(x,y)=g(x,y)exp(2πjWx) (7)
4.根据权利要求1所述的岸线配准方法,其特征在于,所述步骤(3)中针对来自雷达影像和电子海图的岸线信息进行灰色关联分析,确定几何形态最为接近的岸线位置,实现两种岸线数据间的粗配准,具体包括以下步骤:
(3.1)针对雷达影像和电子海图的特征,确定灰色关联分析中的参考数据列和比较数据列:由于雷达影像为位图形式,而电子海图为矢量图形式,因此将雷达影像中提取的岸线坐标设定为参考数据列,定义为:R={r(k)|k=1,2,…,n,将电子海图中的岸线信息设定为比较数据列,分别定义为:Ei={ei(k)|k=1,2,…,n}。之后比较R和若干个Ei之间的几何形态相似程度,判断其关联程度;
(3.2)雷达影像中的岸线信息为位图坐标,电子海图中的岸线信息为经纬度信息,数据量纲不同,需根据公式(9)进行数据的无量纲化处理如下:
(3.3)根据公式(10)和(11),计算比较数据列R与参考数据列Ei中对应数据的关联系数如下:
Δi(k)=|r(k)-ei(k)| (11)
(3.4)取所有关联系数的平均值为数据列之间的关联度,并以此表示比较数据列R与参考数据列Ei之间的关联程度,如公式(12)如示:
(3.5)将关联度ri按大小排序,取关联度最大的比较数据列R与参考数据列Ei为同一条岸线的粗配准结果。
5.根据权利要求1所述的岸线配准方法,其特征在于,所述步骤(4)中针对来自雷达影像和电子海图的岸线信息采用了改进的ICP点云配准方法,实现了两种岸线数据间的精配准,具体包括以下步骤:
(4.1)将粗配准后的雷达影像岸线数据存储在点集P中,定义为:{P|pi∈R3,i=1,2,…,N},pi为岸线上某点的坐标,定义为:(xpi,ypi);同时,将对应的电子海图岸线数据存储在点集Q中,定义为:{Q|qi∈R3,i=1,2,…,N},qi为岸线上某点的坐标,定义为:(xqi,yqi);作为同一段岸线的非同源数据,P、Q两个点集之间应符合刚体变换,假定该刚体变换是由一个2*2的旋转矩阵R和一个2*2的平移矩阵T实现的,如公式(13)所示:
(4.2)根据最优匹配原则设计数据配准的目标函数,如公式(14)所示,点集R、T应使该目标函数的值最小:
(4.3)计算点集P中的每一个点在Q点集中的对应最近点;
(4.4)计算上述对应点对平均距离最小的刚体变换,求得旋转矩阵R和平移矩阵T;
(4.5)对Q使用上一步的平移矩阵T和旋转矩阵Q,得到新的变换点集,并替换获得新的点集Q;
(4.6)如果新的点集Q与参考点集P之间满足公式(14)中目标函数的要求,即平均距离小于给定的阀值,则停止迭代,完成精配准;否则,以新的点集Q与参考点集P继续迭代下去,直到达到目标函数的要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410764435.3A CN104463877B (zh) | 2014-12-12 | 2014-12-12 | 一种基于雷达影像与电子海图信息的岸线配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410764435.3A CN104463877B (zh) | 2014-12-12 | 2014-12-12 | 一种基于雷达影像与电子海图信息的岸线配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104463877A true CN104463877A (zh) | 2015-03-25 |
CN104463877B CN104463877B (zh) | 2017-07-11 |
Family
ID=52909859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410764435.3A Active CN104463877B (zh) | 2014-12-12 | 2014-12-12 | 一种基于雷达影像与电子海图信息的岸线配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104463877B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104952080A (zh) * | 2015-07-10 | 2015-09-30 | 中国科学院软件研究所 | 一种实现遥感影像粗定位的方法 |
CN105488787A (zh) * | 2015-11-24 | 2016-04-13 | 江苏科技大学 | 基于几何活动轮廓模型的遥感图像海岸线检测方法 |
CN107036628A (zh) * | 2017-04-10 | 2017-08-11 | 中国船舶重工集团公司第七0七研究所 | 一种用于纸海图校正的方法 |
CN107657621A (zh) * | 2017-10-20 | 2018-02-02 | 南京林业大学 | 基于线性区域生长的二维激光点云序列实时分割方法 |
CN108010069A (zh) * | 2017-12-01 | 2018-05-08 | 湖北工业大学 | 基于鲸鱼优化算法和灰色关联分析的快速图像匹配方法 |
CN108550281A (zh) * | 2018-04-13 | 2018-09-18 | 武汉理工大学 | 一种基于视觉ar的船舶辅助驾驶系统与方法 |
CN108594220A (zh) * | 2018-03-27 | 2018-09-28 | 武汉理工大学 | 近海风电场水域的海事雷达图像模拟系统及方法 |
CN109001711A (zh) * | 2018-06-05 | 2018-12-14 | 北京智行者科技有限公司 | 多线激光雷达标定方法 |
CN109375177A (zh) * | 2018-08-30 | 2019-02-22 | 安徽四创电子股份有限公司 | 一种用于机场场面监视雷达系统的运动目标检测方法 |
CN110516018A (zh) * | 2019-08-05 | 2019-11-29 | 山东开创云软件有限公司 | 一种河道的电子绘制方法和装置 |
CN110796689A (zh) * | 2019-10-28 | 2020-02-14 | 咪咕视讯科技有限公司 | 一种视频处理方法、电子设备及存储介质 |
CN112862868A (zh) * | 2021-01-31 | 2021-05-28 | 南京信息工程大学 | 一种基于线性变换和小波分析的运动海浪图像配准融合方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013099368A1 (ja) * | 2011-12-28 | 2013-07-04 | Necソフト株式会社 | 画像認識装置、画像認識方法、プログラム、記録媒体および画像認識システム |
-
2014
- 2014-12-12 CN CN201410764435.3A patent/CN104463877B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013099368A1 (ja) * | 2011-12-28 | 2013-07-04 | Necソフト株式会社 | 画像認識装置、画像認識方法、プログラム、記録媒体および画像認識システム |
Non-Patent Citations (3)
Title |
---|
周秀文: "灰色关联度的研究与应用", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
张闯等: "基于特征的雷达与电子海图图像配准技术研究", 《航海技术》 * |
钟莹等: "基于改进的ICP算法的点云自动配准技术", 《控制技术》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104952080B (zh) * | 2015-07-10 | 2017-07-11 | 中国科学院软件研究所 | 一种实现遥感影像粗定位的方法 |
CN104952080A (zh) * | 2015-07-10 | 2015-09-30 | 中国科学院软件研究所 | 一种实现遥感影像粗定位的方法 |
CN105488787A (zh) * | 2015-11-24 | 2016-04-13 | 江苏科技大学 | 基于几何活动轮廓模型的遥感图像海岸线检测方法 |
CN107036628A (zh) * | 2017-04-10 | 2017-08-11 | 中国船舶重工集团公司第七0七研究所 | 一种用于纸海图校正的方法 |
CN107657621A (zh) * | 2017-10-20 | 2018-02-02 | 南京林业大学 | 基于线性区域生长的二维激光点云序列实时分割方法 |
CN108010069A (zh) * | 2017-12-01 | 2018-05-08 | 湖北工业大学 | 基于鲸鱼优化算法和灰色关联分析的快速图像匹配方法 |
CN108594220B (zh) * | 2018-03-27 | 2021-10-29 | 武汉理工大学 | 近海风电场水域的海事雷达图像模拟系统及方法 |
CN108594220A (zh) * | 2018-03-27 | 2018-09-28 | 武汉理工大学 | 近海风电场水域的海事雷达图像模拟系统及方法 |
CN108550281A (zh) * | 2018-04-13 | 2018-09-18 | 武汉理工大学 | 一种基于视觉ar的船舶辅助驾驶系统与方法 |
CN109001711A (zh) * | 2018-06-05 | 2018-12-14 | 北京智行者科技有限公司 | 多线激光雷达标定方法 |
CN109375177A (zh) * | 2018-08-30 | 2019-02-22 | 安徽四创电子股份有限公司 | 一种用于机场场面监视雷达系统的运动目标检测方法 |
CN110516018A (zh) * | 2019-08-05 | 2019-11-29 | 山东开创云软件有限公司 | 一种河道的电子绘制方法和装置 |
CN110516018B (zh) * | 2019-08-05 | 2022-03-15 | 山东开创云计算有限公司 | 一种河道的电子绘制方法和装置 |
CN110796689A (zh) * | 2019-10-28 | 2020-02-14 | 咪咕视讯科技有限公司 | 一种视频处理方法、电子设备及存储介质 |
CN110796689B (zh) * | 2019-10-28 | 2023-01-10 | 咪咕视讯科技有限公司 | 一种视频处理方法、电子设备及存储介质 |
CN112862868A (zh) * | 2021-01-31 | 2021-05-28 | 南京信息工程大学 | 一种基于线性变换和小波分析的运动海浪图像配准融合方法 |
CN112862868B (zh) * | 2021-01-31 | 2023-12-01 | 南京信息工程大学 | 一种基于线性变换和小波分析的运动海浪图像配准融合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104463877B (zh) | 2017-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104463877A (zh) | 一种基于雷达影像与电子海图信息的岸线配准方法 | |
Shao et al. | Saliency-aware convolution neural network for ship detection in surveillance video | |
Zhang et al. | Ship detection for visual maritime surveillance from non-stationary platforms | |
Alvarez et al. | Combining priors, appearance, and context for road detection | |
CN108805904B (zh) | 一种基于卫星序列图像的运动舰船检测与跟踪方法 | |
Yan et al. | A method of lane edge detection based on Canny algorithm | |
CN105022990A (zh) | 一种基于无人艇应用的水面目标快速检测方法 | |
CN105654091A (zh) | 海面目标检测方法及装置 | |
Heidarsson et al. | Obstacle detection from overhead imagery using self-supervised learning for autonomous surface vehicles | |
CN109063669B (zh) | 一种基于图像识别的桥区船舶航行态势分析方法及装置 | |
Zhang et al. | Research on unmanned surface vehicles environment perception based on the fusion of vision and lidar | |
CN108573280B (zh) | 一种无人船自主通过桥梁的方法 | |
CN106815553A (zh) | 一种基于边缘匹配的红外前视图像舰船检测方法 | |
Sun | Vision based lane detection for self-driving car | |
Bovcon et al. | Improving vision-based obstacle detection on USV using inertial sensor | |
CN110298855B (zh) | 一种基于高斯混合模型和纹理分析的海天线检测方法 | |
Yoneda et al. | Simultaneous state recognition for multiple traffic signals on urban road | |
Nath et al. | On road vehicle/object detection and tracking using template | |
Wang et al. | Geometry constraints-based visual rail track extraction | |
CN113837924A (zh) | 一种基于无人艇感知系统的水岸线检测方法 | |
CN110473255A (zh) | 一种基于多重网格划分的船舶系船柱定位方法 | |
Shi et al. | Object detection based on saliency and sea-sky line for USV vision | |
Huihui et al. | A sea-land segmentation algorithm based on gray smoothness ratio | |
Fan et al. | Lane detection based on machine learning algorithm | |
CN111950549B (zh) | 一种基于海天线与视觉显著性融合的海面障碍物检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |