CN104680168A - 用于公路地貌识别的特征向量提取设备 - Google Patents
用于公路地貌识别的特征向量提取设备 Download PDFInfo
- Publication number
- CN104680168A CN104680168A CN201510105296.8A CN201510105296A CN104680168A CN 104680168 A CN104680168 A CN 104680168A CN 201510105296 A CN201510105296 A CN 201510105296A CN 104680168 A CN104680168 A CN 104680168A
- Authority
- CN
- China
- Prior art keywords
- image
- highway
- benchmark
- spot
- map picture
- 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 Processing (AREA)
Abstract
本发明涉及一种用于公路地貌识别的特征向量提取设备,所述提取设备包括静态存储器、高清摄像头、图像处理器和飞思卡尔IMX6处理器,静态存储器用于存储基准公路图像,高清摄像头对多处公路进行拍摄以获得多个实地公路图像,图像处理器获得基准公路图像对应的多种图像特征值,并获得每一个实地公路图像的多种图像特征值,IMX6基于图像处理器的输出在多种图像特征中选择五个识别率最高的图像特征作为五个目标图像特征,将基准公路图像对应的五个目标图像特征值按顺序排列成用于公路地貌识别的特征向量。通过本发明,能够快速、准确地获得用于公路地貌识别的特征向量,从而为飞机的降落提供更有价值的参考数据。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种用于公路地貌识别的特征向量提取设备。
背景技术
目前来看,无人机的应用领域越来越广泛,因而人们对无人机的智能化要求也越来越高。
无人机在起飞阶段,由于起飞点是固定的,刚开始起飞时,无人机的所有机上参数都是经过多次调试的初始参数,因而这时的无人机具有极强的可控性,按照预定程度即可完成起飞操作,相对而言,无人机在降落阶段,即无人机的回收阶段,由于着陆点根据具体地形地貌而定,而且无人机的各种机上参数已经经过长期飞行,可能出现误差,这时的控制比较难,需要更多的人力介入,然而,人力过多的介入恰恰降低了无人机的智能化水平。
因而,为了提高无人机的智能化水平,需要无人机在降落阶段能够自己选择着陆点,其中在可能的各种地貌中,如公路、湖水、草地、森林、平原、丘陵等,最方便着陆的莫过于公路地貌,因此,无人机需要自行寻找具有公路地貌的着陆点进行降落,但是,为了准确搜索到公路地貌的着陆点,必须有精确的公路地貌特征值作为匹配对象,现有技术中尚没有提供精确的公路地貌特征值的技术方案。
由此可见,需要一种用于公路地貌识别的特征向量提取设备,能够在无人机的降落阶段提供精确的公路地貌特征值作为参考,在实际地貌中选择具有公路地貌的着陆点进行降落,提高无人机飞行的可靠性和智能化程度。
发明内容
为了解决上述问题,本发明提供了一种用于公路地貌识别的特征向量提取设备,首先用户选择基准公路图像,随后通过高清摄像头拍摄多个实地公路图像,对基准公路图像和每一个实地公路图像都进行Contourlet变换和Hu的七个不变矩提取,最后以实地公路图像为参考,选择更有匹配效果的不变矩组成识别公路地貌的特征向量,从而提高公路地貌识别的精度。
根据本发明的一方面,提供了一种用于公路地貌识别的特征向量提取设备,所述提取设备包括静态存储器、高清摄像头、图像处理器和飞思卡尔IMX6处理器,所述静态存储器用于存储基准公路图像,所述高清摄像头对多处公路进行拍摄以获得多个实地公路图像,所述图像处理器与所述静态存储器和所述高清摄像头分别连接,对基准公路图像进行图像处理以获得基准公路图像对应的多种图像特征值,对所述多个实地公路图像分别进行图像处理以获得每一个实地公路图像的多种图像特征值,所述IMX6处理器与所述图像处理器连接,基于所述图像处理器的输出在多种图像特征中选择五个识别率最高的图像特征作为五个目标图像特征,将基准公路图像对应的五个目标图像特征值按顺序排列成用于公路地貌识别的特征向量。
更具体地,在所述用于公路地貌识别的特征向量提取设备中,还包括:供电器件,用于在所述IMX6处理器的控制下,为所述提取设备的各个用电部件提供电力供应;用户输入器件,用于根据用户的操作,从基准图像数据库中选择一个基准公路图像,所述基准图像数据库保存了多个基准图像数据;并行输入接口,连接静态存储器和用户输入器件,用于将所述用户输入器件选择的基准公路图像转发到所述静态存储器中进行存储;无线通信接口,用于与远端的无人机建立双向无线通信链路,接收无人机发送的特征数据请求,还用于将用于公路地貌识别的特征向量无线发送给所述无人机;所述高清摄像头包括前盖玻璃、镜头、滤镜和成像电子单元,用于对多处公路进行拍摄以获得多个实地公路图像,每一个实地公路图像的分辨率为1920×1080,所述滤镜为紫外线滤光镜,所述成像电子单元为CMOS视觉传感器;所述图像处理器与所述静态存储器和所述高清摄像头分别连接,包括对比度增强处理单元、自适应递归滤波单元和特征值提取单元;所述对比度增强处理单元与所述静态存储器和所述高清摄像头分别连接,接收所述基准公路图像和所述多个实地公路图像,对所述基准公路图像和每一个实地公路图像都进行对比度增强处理,以分别获得基准增强图像和每一个实地增强图像;所述自适应递归滤波单元与所述对比度增强处理单元连接,用于对基准增强图像和每一个实地增强图像都进行自适应递归滤波处理,以分别获得基准滤波图像和每一个实地滤波图像;所述特征值提取单元与所述自适应递归滤波单元连接,用于对基准滤波图像进行Contourlet变换,获得九个基准子图,所述九个基准子图包括一个低频基准子图和八个高频基准子图,对所述九个基准子图的每一个基准子图提取Hu的七个不变矩,获得六十三个不变矩并作为基准公路图像对应的六十三种图像特征值,所述自适应递归滤波单元还用于对每一个实地滤波图像进行Contourlet变换,获得九个实地子图,所述九个实地子图包括一个低频实地子图和八个高频实地子图,对所述九个实地子图的每一个实地子图提取Hu的七个不变矩,获得六十三个不变矩并作为每一个实地公路图像对应的六十三种图像特征值;所述IMX6处理器与所述特征值提取单元连接,将每一个实地公路图像对应的六十三种图像特征值与基准公路图像对应的六十三种图像特征值按种类分别进行逐一匹配,将图像特征值相差在10%范围内的实地公路图像对应的图像特征值认作为识别成功的图像特征值,对于多个实地公路图像,统计每一种图像特征存在识别成功的图像特征值的比率,对于多种图像特征,按从高到低的顺序对所述比率进行排序,选择排序在前五位的五个种类的图像特征作为五个识别率最高的图像特征,即五个目标图像特征,将基准公路图像对应的五个目标图像特征值按顺序排列成用于公路地貌识别的特征向量;其中,所述IMX6处理器还与所述无线通信接口连接,用于接收所述无线通信接口转发的特征数据请求,并基于所述特征数据请求将所述用于公路地貌识别的特征向量发送给所述无线通信接口;所述对比度增强处理单元、所述自适应递归滤波单元和所述特征值提取单元分别采用FPGA芯片来实现,所采用的FPGA芯片的选型都为Xilinx公司的Artix-7系列。
更具体地,在所述用于公路地貌识别的特征向量提取设备中,替换地,所述用户输入器件用于根据用户的操作从基准图像数据库中选择多个基准公路图像,所述图像处理器对每一个基准公路图像分别进行图像处理以获得每一个基准公路图像对应的六十三种图像特征值,对于多个基准公路图像,计算每一种图像特征值的平均值,将获得的六十三个平均值作为基准公路图像对应的六十三种图像特征值。
更具体地,在所述用于公路地貌识别的特征向量提取设备中,将所述图像处理器和所述高清摄像头集成在一块集成电路板上。
更具体地,在所述用于公路地貌识别的特征向量提取设备中,所述无线通信接口包括无线接收机和无线发射机。
更具体地,在所述用于公路地貌识别的特征向量提取设备中,所述并行输入接口为CSI接口。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的用于公路地貌识别的特征向量提取设备的结构方框图。
图2为根据本发明实施方案示出的用于公路地貌识别的特征向量提取设备的图像处理器的结构方框图。
具体实施方式
下面将参照附图对本发明的用于公路地貌识别的特征向量提取设备的实施方案进行详细说明。
无人机(unmanned aerial vehicle或drone),是无人驾驶飞机的简称,英文缩写为“UAV”,是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。从技术角度定义可以分为:无人直升机、无人固定翼机、无人多旋翼飞行器、无人飞艇、无人伞翼机等。
无人机是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器。20世纪20年代最早出现,当时是作为训练用的靶机使用的。是一个许多国家用于描述最新一代无人驾驶飞机的术语。从字面上讲,这个术语可以描述从风筝,无线电遥控飞机,到V-1飞弹从发展来的巡航导弹,但是在军方的术语中仅限于可重复使用的比空气重的飞行器。
无人机用途广泛,成本低,效费比好;无人员伤亡风险;生存能力强,机动性能好,使用方便,在现代战争中有极其重要的作用,在民用领域更有广阔的前景。侦察机用于完成战场侦察和监视、定位校射、毁伤评估、电子战等;也可民用,如边境巡逻、核辐射探测、航空摄影、航空探矿、灾情监视、交通巡逻、治安监控等。靶机可作为火炮、导弹的靶标。
无人机虽然应用广泛,但比起起飞阶段,其降落是一个难题,尤其在寻找公路地貌的着陆点方面一直找不到精确的公路地貌特征数据。本发明搭建了一种用于公路地貌识别的特征向量提取设备,能够精确识别到公路地貌,从而在用作无人机的辅助设备时,能够为无人机的自动、安全降落提供更有价值的参考数据。
图1为根据本发明实施方案示出的用于公路地貌识别的特征向量提取设备的结构方框图,所述提取设备包括静态存储器1、高清摄像头2、图像处理器3和飞思卡尔IMX6处理器4,所述图像处理器3与所述静态存储器1和所述高清摄像头2分别连接,所述IMX6处理器4与所述图像处理器3连接。
其中,所述静态存储器1用于存储基准公路图像,所述高清摄像头2对多处公路进行拍摄以获得多个实地公路图像,所述图像处理器3用于对基准公路图像进行图像处理以获得基准公路图像对应的多种图像特征值,对所述多个实地公路图像分别进行图像处理以获得每一个实地公路图像的多种图像特征值,所述IMX6处理器用于基于所述图像处理器3的输出在多种图像特征中选择五个识别率最高的图像特征作为五个目标图像特征,将基准公路图像对应的五个目标图像特征值按顺序排列成用于公路地貌识别的特征向量,所述用于公路地貌识别的特征向量为无人机的降落提供重要的参考数据。
接着,继续对本发明的用于公路地貌识别的特征向量提取设备的具体结构进行进一步的说明。
所述提取设备还包括:供电器件,用于在所述IMX6处理器4的控制下,为所述提取设备的各个用电部件提供电力供应。
所述提取设备还包括:用户输入器件,用于根据用户的操作,从基准图像数据库中选择一个基准公路图像,所述基准图像数据库保存了多个基准图像数据。
所述提取设备还包括:并行输入接口,连接静态存储器1和用户输入器件,用于将所述用户输入器件选择的基准公路图像转发到所述静态存储器1中进行存储。
所述提取设备还包括:无线通信接口,用于与远端的无人机建立双向无线通信链路,接收无人机发送的特征数据请求,还用于将用于公路地貌识别的特征向量无线发送给所述无人机。
所述高清摄像头2包括前盖玻璃、镜头、滤镜和成像电子单元,用于对多处公路进行拍摄以获得多个实地公路图像,每一个实地公路图像的分辨率为1920×1080,所述滤镜为紫外线滤光镜,所述成像电子单元为CMOS视觉传感器。
如图2所示,所述图像处理器3与所述静态存储器1和所述高清摄像头2分别连接,所述图像处理器3包括对比度增强处理单元31、自适应递归滤波单元32和特征值提取单元33。
所述对比度增强处理单元31与所述静态存储器1和所述高清摄像头2分别连接,接收所述基准公路图像和所述多个实地公路图像,对所述基准公路图像和每一个实地公路图像都进行对比度增强处理,以分别获得基准增强图像和每一个实地增强图像。
所述自适应递归滤波单元32与所述对比度增强处理单元31连接,用于对基准增强图像和每一个实地增强图像都进行自适应递归滤波处理,以分别获得基准滤波图像和每一个实地滤波图像。
所述特征值提取单元33与所述自适应递归滤波单元32连接,用于对基准滤波图像进行Contourlet变换,获得九个基准子图,所述九个基准子图包括一个低频基准子图和八个高频基准子图,对所述九个基准子图的每一个基准子图提取Hu的七个不变矩,获得六十三个不变矩并作为基准公路图像对应的六十三种图像特征值,所述自适应递归滤波单元还用于对每一个实地滤波图像进行Contourlet变换,获得九个实地子图,所述九个实地子图包括一个低频实地子图和八个高频实地子图,对所述九个实地子图的每一个实地子图提取Hu的七个不变矩,获得六十三个不变矩并作为每一个实地公路图像对应的六十三种图像特征值。
所述IMX6处理器4与所述特征值提取单元连接,将每一个实地公路图像对应的六十三种图像特征值与基准公路图像对应的六十三种图像特征值按种类分别进行逐一匹配,将图像特征值相差在10%范围内的实地公路图像对应的图像特征值认作为识别成功的图像特征值,对于多个实地公路图像,统计每一种图像特征存在识别成功的图像特征值的比率,对于多种图像特征,按从高到低的顺序对所述比率进行排序,选择排序在前五位的五个种类的图像特征作为五个识别率最高的图像特征,即五个目标图像特征,将基准公路图像对应的五个目标图像特征值按顺序排列成用于公路地貌识别的特征向量。
其中,所述IMX6处理器4还与所述无线通信接口连接,用于接收所述无线通信接口转发的特征数据请求,并基于所述特征数据请求将所述用于公路地貌识别的特征向量发送给所述无线通信接口。
其中,所述对比度增强处理单元31、所述自适应递归滤波单元32和所述特征值提取单元33分别采用FPGA芯片来实现,所采用的FPGA芯片的选型都为Xilinx公司的Artix-7系列,可替换地,所述用户输入器件用于根据用户的操作从基准图像数据库中选择多个基准公路图像,所述图像处理器3对每一个基准公路图像分别进行图像处理以获得每一个基准公路图像对应的六十三种图像特征值,对于多个基准公路图像,计算每一种图像特征值的平均值,将获得的六十三个平均值作为基准公路图像对应的六十三种图像特征值,以及,可以所述图像处理器3和所述高清摄像头2集成在一块集成电路板上,所述无线通信接口包括无线接收机和无线发射机,所述并行输入接口可选为CSI接口。
另外,CMOS(Complementary Metal-Oxide-Semiconductor),中文学名为互补金属氧化物半导体,他本是计算机系统内一种重要的芯片,保存了系统引导最基本的资料。CMOS的制造技术和一般计算机芯片没什么差别,主要是利用硅和锗这两种元素所做成的半导体,使其在CMOS上共存着带N(带-电)和P(带+电)级的半导体,这两个互补效应所产生的电流即可被处理芯片纪录和解读成影像。后来发现CMOS经过加工也可以作为数码摄影中的图像传感器。
CMOS视觉传感器也可细分为被动式像素传感器(Passive Pixel SensorCMOS)与主动式像素传感器(Active Pixel Sensor CMOS)。最新CMOS视觉传感器获得广泛应用的一个前提是其所拥有的较高灵敏度、较短曝光时间和日渐缩小的像素尺寸。像素灵敏度的一个衡量尺度是填充因子(感光面积与整个像素面积之比)与量子效率(由轰击屏幕的光子所生成的电子的数量)的乘积。CCD视觉传感器因其技术的固有特性而拥有一个很大的填充因子。而在CMOS图像传感器中,为了实现堪与CCD转换器相媲美的噪声指标和灵敏度水平,人们给CMOS视觉传感器装配上了有源像素传感器(APS),并且导致填充因子降低,原因是像素表面相当大的一部分面积被放大器晶体管所占用,留给光电二极管的可用空间较小。所以,当今CMOS传感器的一个重要的开发目标就是扩大填充因子。
赛普拉斯(FillFactory)通过其获得专利授权的一项技术,可以大幅度地提高填充因子,这种技术可以把一颗标准CMOS硅芯片最大的一部分面积变为一块感光区域。随着像素尺寸的变小,提高填充因子所来越困难,目前最流行的技术是从传统的前感光式(FSI,Front Side Illumination)变为背部感光式(BSI,Back Side Illumination),放大器等晶体管以及互联电路置于背部,前部全部留给光电二极管,这样就实现了100%的填充因子。另外,对于一个典型的工业用图象传感器而言,由于许多场景的拍摄都是在照明条件很差的情况下进行的,因此拥有较大的动态范围将是十分有益的。
CMOS视觉传感器通过多斜率操作实现了这一目标:转换曲线由倾度不同的直线部分所组成,他们共同形成了一个非线性特征曲线。因此,一幅场景的黑暗部分有可能占据集成模拟-数字转换器转换范围的很大一部分:转换特征曲线在这里最为陡峭,以实现高灵敏度和对比度。特征曲线上半部分的平整化将在图像的明亮部分捕获几个数量级的过度曝光,并以一个更加细致的标度来表现他们。采用多斜率的方式来运作LUPA-4000将使高达90dB的光动态范围与一个10位A/D转换范围相匹配。具有VGA分辨率的IM-001系列CMOS视觉传感器在此基础上更进一步;他们是专为汽车应用而设计的。其像素由光电二极管组成,可提供高达120dB的自适应动态范围。面向汽车应用的ACM 100相机模块就采用了这些传感器,这种相机模块据称是同类产品中率先面市的全集成化相机解决方案:该视觉解决方案被看作是面向驾驶者保护、防撞、夜视支持和轮胎跟踪导向的未来汽车安全系统的关键元件。
此外,对于独立于电网的便携式应用而言,以低功耗特性而著称的CMOS技术还具有一个明显的优势:CMOS视觉传感器是针对5V和3.3V电源电压而设计的。而CCD芯片则需要大约12V的电源电压,因此不得不采用一个电压转换器,从而导致功耗增加。在总功耗方面,把控制和系统功能集成到CMOS视觉传感器中将带来另一个好处:他去除了与其他半导体元件的所有外部连接线。其高功耗的驱动器如今已遭弃用,这是因为在芯片内部进行通信所消耗的能量要比通过PCB或衬底的外部实现方式低得多。
采用本发明的用于公路地貌识别的特征向量提取设备,针对现有技术缺乏为无人机提供公路地貌着陆点提供高精度匹配数据的技术问题,开发了一套用于无人机降落的辅助设备,通过对基准公路图像和多个实地公路图像进行有针对性的图像处理,从基准公路图像的众多特征值中选择五个最有效的Hu的不变矩组成识别公路地貌的特征向量,方便无人机自动高效地搜索到公路地貌以进行及时降落。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (6)
1.一种用于公路地貌识别的特征向量提取设备,所述提取设备包括静态存储器、高清摄像头、图像处理器和飞思卡尔IMX6处理器,所述静态存储器用于存储基准公路图像,所述高清摄像头对多处公路进行拍摄以获得多个实地公路图像,所述图像处理器与所述静态存储器和所述高清摄像头分别连接,对基准公路图像进行图像处理以获得基准公路图像对应的多种图像特征值,对所述多个实地公路图像分别进行图像处理以获得每一个实地公路图像的多种图像特征值,所述IMX6处理器与所述图像处理器连接,基于所述图像处理器的输出在多种图像特征中选择五个识别率最高的图像特征作为五个目标图像特征,将基准公路图像对应的五个目标图像特征值按顺序排列成用于公路地貌识别的特征向量。
2.如权利要求1所述的用于公路地貌识别的特征向量提取设备,其特征在于,所述提取设备还包括:
供电器件,用于在所述IMX6处理器的控制下,为所述提取设备的各个用电部件提供电力供应;
用户输入器件,用于根据用户的操作,从基准图像数据库中选择一个基准公路图像,所述基准图像数据库保存了多个基准图像数据;
并行输入接口,连接静态存储器和用户输入器件,用于将所述用户输入器件选择的基准公路图像转发到所述静态存储器中进行存储;
无线通信接口,用于与远端的无人机建立双向无线通信链路,接收无人机发送的特征数据请求,还用于将用于公路地貌识别的特征向量无线发送给所述无人机;
所述高清摄像头包括前盖玻璃、镜头、滤镜和成像电子单元,用于对多处公路进行拍摄以获得多个实地公路图像,每一个实地公路图像的分辨率为1920×1080,所述滤镜为紫外线滤光镜,所述成像电子单元为CMOS视觉传感器;
所述图像处理器与所述静态存储器和所述高清摄像头分别连接,包括对比度增强处理单元、自适应递归滤波单元和特征值提取单元;所述对比度增强处理单元与所述静态存储器和所述高清摄像头分别连接,接收所述基准公路图像和所述多个实地公路图像,对所述基准公路图像和每一个实地公路图像都进行对比度增强处理,以分别获得基准增强图像和每一个实地增强图像;所述自适应递归滤波单元与所述对比度增强处理单元连接,用于对基准增强图像和每一个实地增强图像都进行自适应递归滤波处理,以分别获得基准滤波图像和每一个实地滤波图像;所述特征值提取单元与所述自适应递归滤波单元连接,用于对基准滤波图像进行Contourlet变换,获得九个基准子图,所述九个基准子图包括一个低频基准子图和八个高频基准子图,对所述九个基准子图的每一个基准子图提取Hu的七个不变矩,获得六十三个不变矩并作为基准公路图像对应的六十三种图像特征值,所述自适应递归滤波单元还用于对每一个实地滤波图像进行Contourlet变换,获得九个实地子图,所述九个实地子图包括一个低频实地子图和八个高频实地子图,对所述九个实地子图的每一个实地子图提取Hu的七个不变矩,获得六十三个不变矩并作为每一个实地公路图像对应的六十三种图像特征值;
所述IMX6处理器与所述特征值提取单元连接,将每一个实地公路图像对应的六十三种图像特征值与基准公路图像对应的六十三种图像特征值按种类分别进行逐一匹配,将图像特征值相差在10%范围内的实地公路图像对应的图像特征值认作为识别成功的图像特征值,对于多个实地公路图像,统计每一种图像特征存在识别成功的图像特征值的比率,对于多种图像特征,按从高到低的顺序对所述比率进行排序,选择排序在前五位的五个种类的图像特征作为五个识别率最高的图像特征,即五个目标图像特征,将基准公路图像对应的五个目标图像特征值按顺序排列成用于公路地貌识别的特征向量;
其中,所述IMX6处理器还与所述无线通信接口连接,用于接收所述无线通信接口转发的特征数据请求,并基于所述特征数据请求将所述用于公路地貌识别的特征向量发送给所述无线通信接口;
其中,所述对比度增强处理单元、所述自适应递归滤波单元和所述特征值提取单元分别采用FPGA芯片来实现,所采用的FPGA芯片的选型都为Xilinx公司的Artix-7系列。
3.如权利要求2所述的用于公路地貌识别的特征向量提取设备,其特征在于:
替换地,所述用户输入器件用于根据用户的操作从基准图像数据库中选择多个基准公路图像,所述图像处理器对每一个基准公路图像分别进行图像处理以获得每一个基准公路图像对应的六十三种图像特征值,对于多个基准公路图像,计算每一种图像特征值的平均值,将获得的六十三个平均值作为基准公路图像对应的六十三种图像特征值。
4.如权利要求2所述的用于公路地貌识别的特征向量提取设备,其特征在于:
将所述图像处理器和所述高清摄像头集成在一块集成电路板上。
5.如权利要求2所述的用于公路地貌识别的特征向量提取设备,其特征在于:
所述无线通信接口包括无线接收机和无线发射机。
6.如权利要求2所述的用于公路地貌识别的特征向量提取设备,其特征在于:
所述并行输入接口为CSI接口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510105296.8A CN104680168A (zh) | 2015-03-10 | 2015-03-10 | 用于公路地貌识别的特征向量提取设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510105296.8A CN104680168A (zh) | 2015-03-10 | 2015-03-10 | 用于公路地貌识别的特征向量提取设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104680168A true CN104680168A (zh) | 2015-06-03 |
Family
ID=53315185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510105296.8A Pending CN104680168A (zh) | 2015-03-10 | 2015-03-10 | 用于公路地貌识别的特征向量提取设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104680168A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480613A (zh) * | 2017-07-31 | 2017-12-15 | 广东欧珀移动通信有限公司 | 人脸识别方法、装置、移动终端和计算机可读存储介质 |
CN107491744A (zh) * | 2017-07-31 | 2017-12-19 | 广东欧珀移动通信有限公司 | 人体身份识别方法、装置、移动终端和存储介质 |
CN109345772A (zh) * | 2018-10-15 | 2019-02-15 | 深圳市元征科技股份有限公司 | 一种疲劳驾驶识别方法及相关设备 |
CN118189906A (zh) * | 2024-03-21 | 2024-06-14 | 中交综合规划设计院有限公司 | 一种利用无人机识别测量农村公路的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426647A (zh) * | 2011-10-28 | 2012-04-25 | Tcl集团股份有限公司 | 一种台标识别的方法、装置 |
CN102722877A (zh) * | 2012-06-07 | 2012-10-10 | 内蒙古科技大学 | 基于双通道pcnn的多聚焦图像融合方法 |
CN103106265A (zh) * | 2013-01-30 | 2013-05-15 | 北京工商大学 | 相似图像分类方法及系统 |
CN104243927A (zh) * | 2014-09-27 | 2014-12-24 | 江阴延利汽车饰件股份有限公司 | 自动识别嫌疑人的安保机器人控制平台 |
CN104269054A (zh) * | 2014-09-20 | 2015-01-07 | 无锡北斗星通信息科技有限公司 | 基于无人机测量的路段交通指数估算系统 |
CN104378606A (zh) * | 2014-11-27 | 2015-02-25 | 无锡北斗星通信息科技有限公司 | 海边浴场游客沉浮状态检测系统 |
-
2015
- 2015-03-10 CN CN201510105296.8A patent/CN104680168A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102426647A (zh) * | 2011-10-28 | 2012-04-25 | Tcl集团股份有限公司 | 一种台标识别的方法、装置 |
CN102722877A (zh) * | 2012-06-07 | 2012-10-10 | 内蒙古科技大学 | 基于双通道pcnn的多聚焦图像融合方法 |
CN103106265A (zh) * | 2013-01-30 | 2013-05-15 | 北京工商大学 | 相似图像分类方法及系统 |
CN104269054A (zh) * | 2014-09-20 | 2015-01-07 | 无锡北斗星通信息科技有限公司 | 基于无人机测量的路段交通指数估算系统 |
CN104243927A (zh) * | 2014-09-27 | 2014-12-24 | 江阴延利汽车饰件股份有限公司 | 自动识别嫌疑人的安保机器人控制平台 |
CN104378606A (zh) * | 2014-11-27 | 2015-02-25 | 无锡北斗星通信息科技有限公司 | 海边浴场游客沉浮状态检测系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480613A (zh) * | 2017-07-31 | 2017-12-15 | 广东欧珀移动通信有限公司 | 人脸识别方法、装置、移动终端和计算机可读存储介质 |
CN107491744A (zh) * | 2017-07-31 | 2017-12-19 | 广东欧珀移动通信有限公司 | 人体身份识别方法、装置、移动终端和存储介质 |
CN107491744B (zh) * | 2017-07-31 | 2021-03-02 | Oppo广东移动通信有限公司 | 人体身份识别方法、装置、移动终端和存储介质 |
CN109345772A (zh) * | 2018-10-15 | 2019-02-15 | 深圳市元征科技股份有限公司 | 一种疲劳驾驶识别方法及相关设备 |
CN118189906A (zh) * | 2024-03-21 | 2024-06-14 | 中交综合规划设计院有限公司 | 一种利用无人机识别测量农村公路的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105182995B (zh) | 无人机自动着陆系统 | |
CN103217936A (zh) | 环保应急无人机集成系统 | |
US11288824B2 (en) | Processing images to obtain environmental information | |
CN104616003A (zh) | 电力线上异物类型识别系统 | |
Yue et al. | The application of unmanned aerial vehicle remote sensing in quickly monitoring crop pests | |
US20230419445A1 (en) | Information processing device, information processing method, information processing program, image processing device, and image processing system for associating position information with captured images | |
US20190118970A1 (en) | Spectral camera control device, spectral camera control program, spectral camera control system, aircraft equipped with said system, and spectral image capturing method | |
CN104680168A (zh) | 用于公路地貌识别的特征向量提取设备 | |
CN103809598A (zh) | 一种基于三层品字形多色降落坪的旋翼无人机自主起降系统 | |
Sukhavasi et al. | CMOS image sensors in surveillance system applications | |
KR102160734B1 (ko) | 무선 충전 드론을 이용한 촬영 시스템 | |
CN104504748A (zh) | 一种无人机倾斜摄影红外三维成像系统及建模方法 | |
CN106767682A (zh) | 一种获取飞行高度信息的方法及飞行器 | |
CN111930146A (zh) | 一种车载无人机精准降落识别方法 | |
US20210215996A1 (en) | Low-profile multi-band hyperspectral imaging for machine vision | |
CN105208346B (zh) | 基于无人机的输电设备辨认方法 | |
CN207571523U (zh) | 一种基于无人机的森林信息提取装置 | |
CN204576550U (zh) | 用于公路地貌识别的特征向量提取设备 | |
CN204406210U (zh) | 基于图像处理的无人机着陆位置搜索系统 | |
CN110837260A (zh) | 一种用于高原地区的地理测绘用飞行器 | |
CN214154700U (zh) | 无人机图像自检缺陷识别管理监测系统 | |
CN211375429U (zh) | 一种用于高原地区的地理测绘用飞行器 | |
CN206472226U (zh) | 数字图传地面站 | |
CN205293107U (zh) | 公安消防执法用航拍采集无人机 | |
US20210072084A1 (en) | Computer storage medium, network system for distributing spectral camera control program and spectral image capturing method using spectral camera control device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150603 |