CN107742276A - 一种基于无人机遥感图像机载一体化快速处理系统和方法 - Google Patents
一种基于无人机遥感图像机载一体化快速处理系统和方法 Download PDFInfo
- Publication number
- CN107742276A CN107742276A CN201710201628.1A CN201710201628A CN107742276A CN 107742276 A CN107742276 A CN 107742276A CN 201710201628 A CN201710201628 A CN 201710201628A CN 107742276 A CN107742276 A CN 107742276A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- aerial vehicle
- unmanned aerial
- airborne
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000010354 integration Effects 0.000 title claims abstract description 21
- 238000013461 design Methods 0.000 claims abstract description 17
- 230000003139 buffering effect Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 7
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims 2
- 102100037651 AP-2 complex subunit sigma Human genes 0.000 claims 1
- 101000806914 Homo sapiens AP-2 complex subunit sigma Proteins 0.000 claims 1
- 230000000694 effects Effects 0.000 claims 1
- 230000005611 electricity Effects 0.000 claims 1
- 230000002708 enhancing effect Effects 0.000 claims 1
- 230000019771 cognition Effects 0.000 abstract 1
- 238000001514 detection method Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于无人机遥感图像机载一体化快速处理系统和方法，所述基于无人机遥感图像机载一体化快速处理系统和方法包括：航线设计，其中包括航线参数设定、航线规划设计以及进行地图配置，其作用是针对航空摄影的任务和面积，规划如何实现任务要求的技术指标，并实现航摄面积的完整覆盖；图像拼接，其中包括图像处理、自动排航带网、同名点自动匹配和快速拼接这四个方面，可对航摄所采集到的图片信息进行快速自动图像矫正以及拼接处理；智能解译，基于E‑cognition软件，通过利用面向对象思想建立多尺度数据联合解译模型，来完成无人机遥感图像的智能化解译。
Description
技术领域
本发明涉及一种遥感图像处理系统，具体地说是一种基于无人机遥感图像机载一体化快速处理系统和方法。
背景技术
随着经济建设的迅速发展和地理国情监测的提出，亟需大力发展地理国情信息实时获取和快速处理的技术体系。相对于传统的工程测量而言，以卫星、大飞机为搭载平台的遥感和航空摄影技术可以快速获取大范围的地理国情信息，能够在国家基本地形图的测制和更新中发挥着重要的作用。而随着无人机技术投入民用领域，以及数码相机技术的快速发展，无人机与遥感技术相结合形成的无人机遥感一体化系统成为目前地理国情监测领域的一个重要发展方向。因其具有机动、快速、经济等优点，这使得该系统在小区域测绘和应急数据获取等方面有着独特的优势。但是，与传统的摄影测量相比而言，无人机低空遥感的应用仍处于起步阶段，在产品市场化和应用工程化方面存在很大的不足，尤其是在应急情况下无人机的快速反应和一体化快速处理方面仍存在着许多问题。
发明内容
本发明解决的技术问题是提供一种基于无人机遥感图像机载一体化快速处理系统和方法。
本发明一种基于无人机遥感图像机载一体化快速处理系统和方法，包括：
航线规划设计，飞行控制的电子地图默认系统为WGS-84坐标系，因此航线设计模块也在WGS-84坐标系下完成，该模块主要采用ArcGIS+Python二次开发的模式完成，首先在电子地图上获取飞行区域的4个角点或者面状区域作为该模块的输入，然后做外接矩形来满足正南北或正东西的飞行方向需要，并做相应的缓冲区来预防飞行区域的遗漏，最后基于所得到的参数计算旁向间隔、航向间隔、起飞点坐标等一系列飞行参数，并根据飞行区域的地面高差、风向等环境因素设置航线，将上述所生成的外接矩形、缓冲区和航线以及相应区域的SRTM数据导入电子地图中可直观地分析飞行参数的合理性和飞行轨迹的正确性；地图配置，基于外接矩形可以得到具有一定缓冲距离的缓冲区，导入电子地图中，通过截取相应图片作为UP30系统航线设计的底图，并导入到底图配置模块中，可迅速完成基于4个角点的图像坐标和地理坐标的地图配置工作；
图像拼接，包括图像处理、自动排航带网、同名点自动匹配和快速拼接这四个方面，图像处理包括图像预处理和几何校正两部分，图像预处理包括图像去噪、投影变换和灰度修正图像去噪，可对由于系统内外干扰所造成的噪声通过空间域中值滤波和频率高斯高频滤波相结合的方式进行去噪处理，灰度修正可通过归一化算法来进行修正；自动排行带网，通过对相邻航带照片的对比观察，航带之间存在不同顺序排列的差异，也存在着不同的成像方向的差异，产生的原因是相邻航带间的飞行方向刚好相反，因此可将无人机的POS数据作为该模块的输入值，依据相应照片的位置信息自动进行航带的生成，并将偶数的航线所对应的图像统一进行翻转处理；同名点自动匹配，针对无人机旋转变形大、幅宽小的特点，采用经典的SIFT算法进行匹配，通过建立图像的多尺度金字塔，基于尺度空间突变找到不依赖于目标尺度的特征点，并利用图像局部区域像素梯度统计直方图及梯度方向构造特征向量来进行匹配；快速拼接，通过得到的匹配特征点集提取出面向图像拼接的关键帧，然后建立无人机航拍序列图像带拼接帧的相交区域中心点的卡尔曼滤波器，以此对特征搜索区域进行精准预测来达到快速拼接的目的；
智能解译，通过多尺度分割构建一个与实际地物相对应的层次结构，然后基于纹理信息和上下文信息在选择样本的情况下采取最邻近分类，在地物类型简单的情况下选择模糊分类方法，由于同源图像的相同类型地物具有相通性，因此分类结果可以入库作为后期快速解译的初始值。
附图说明
图1为本发明基于无人机遥感图像机载一体化快速处理系统和方法架构示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细描述。
如图1所示，无人机遥感图像机载一体化快速处理系统和方法包括航线设计、图像拼接以及智能解译这三方面，接下来对这三方面分别进行阐述。
第一步进行航线设计，包括航线参数设定、航线规划设计以及进行地图配置，首先对所设航线进行参数的设定，在摄影规划中主要考虑摄影比例尺、航高、基线长等，然后进行航线规划设计，在电子地图上获取飞行区域的4个角点或者面状区域作为该模块的输入，然后做外接矩形来满足正南北或正东西的飞行方向需要，并做相应的缓冲区来预防飞行区域的遗漏，最后基于第一步所得的参数计算旁向间隔、航向间隔、起飞点坐标等一系列飞行参数，并根据飞行区域的地面高差、风向等环境因素设置航线，将上述所生成的外接矩形、缓冲区和航线以及相应区域的SRTM数据导入电子地图中可直观地分析飞行参数的合理性和飞行轨迹的正确性；地图配置，基于外接矩形可以得到具有一定缓冲距离的缓冲区，导入电子地图中，通过截取相应图片作为UP30系统航线设计的底图，并导入到底图配置模块中，则可迅速完成基于4个角点的图像坐标和地理坐标的地图配置工作；
第二步进行图像拼接，包括图像处理、自动排航带网、同名点自动匹配和快速拼接这四个方面，图像处理包括图像预处理和几何校正两部分；自动排行带网，通过对相邻航带照片的对比观察，航带之间存在不同顺序排列的差异，也存在着不同的成像方向的差异，产生的原因是相邻航带间的飞行方向刚好相反，因此可将无人机的POS数据作为该模块的输入值，依据相应照片的位置信息自动进行航带的生成，并将偶数的航线所对应的图像统一进行翻转处理；同名点自动匹配，针对无人机旋转变形大、幅宽小的特点，采用经典的SIFT算法进行匹配，通过建立图像的多尺度金字塔，基于尺度空间突变找到不依赖于目标尺度的特征点，并利用图像局部区域像素梯度统计直方图及梯度方向构造特征向量来进行匹配；快速拼接，通过得到的匹配特征点集提取出面向图像拼接的关键帧，然后建立无人机航拍序列图像带拼接帧的相交区域中心点的卡尔曼滤波器，以此对特征搜索区域进行精准预测来达到快速拼接的目的；
第三步进行智能解译，通过多尺度分割构建一个与实际地物相对应的层次结构，然后基于纹理信息和上下文信息在选择样本的情况下采取最邻近分类，在地物类型简单的情况下选择模糊分类方法，由于同源图像的相同类型地物具有相通性，因此分类结果可以入库作为后期快速解译的初始值。
本发明基于无人机遥感图像机载一体化快速处理系统和方法的实施方式不仅包括实施例中所述的实施方案，其它技术领域只要采用本发明所述的系统和方法也属于本发明的保护范围。
Claims (11)
1.一种基于无人机遥感图像机载一体化快速处理系统和方法，其特征在于：包括航线设计、图像拼接和智能解译；
航线设计，包括航线参数设定、航线规划设计以及进行地图配置，其作用是针对航空摄影的任务和面积，规划如何实现任务要求的技术指标，并实现航摄面积的完整覆盖，无人机航摄作业流程主要由前期的地图配置和参数设计以及现场的航线设计三部分组成；
图像拼接，包括图像处理、自动排航带网、同名点自动匹配和快速拼接这四个方面，可对航摄所采集到的图片信息进行去噪纠正处理以及快速自动的拼接处理；
智能解译，基于E-cognition软件，利用面向对象思想建立多尺度数据联合解译模型，来完成无人机图像的智能化解译。
2.根据权利要求1所述的基于无人机遥感图像机载一体化快速处理系统和方法，其特征在于：所述航线参数设定，取决于DOM和DLG在比例尺上的制图要求，在摄影规划中主要考虑摄影比例尺、航高、基线长等，理论上要求航摄分辨率应当优于成图的分辨率，设地面分辨率为GR，焦距为f，相机尺寸为μ，则航高计算公式为
H＝f*GR/μ (1)
航线布设主要依据拍摄区域的范围设计航线间隔和航线数，而这些都在较大程度上取决于基线b，计算公式如下
b＝(1-Q)*1*GR (2)
式中，Q为重叠度，1为图像宽。
3.根据权利要求1所述的基于无人机遥感图像机载一体化快速处理系统和方法，其特征在于：所述航线规划设计，飞行控制的电子地图默认系统为WGS-84坐标系，因此航线设计模块也在WGS-84坐标系下完成，该模块采用ArcGIS+Python二次开发的模式完成，首先在电子地图上获取飞行区域的4个角点或者面状区域作为该模块的输入，然后做外接矩形来满足正南北或正东西的飞行方向需要，并做相应的缓冲区来预防飞行区域的遗漏，最后基于第一步所得的参数计算旁向间隔、航向间隔、起飞点坐标等一系列飞行参数，并根据飞行区域的地面高差、风向等环境因素设置航线，将上述所生成的外接矩形、缓冲区和航线以及相应区域的SRTM数据导入电子地图中可直观地分析飞行参数的合理性和飞行轨迹的正确性，从而确定其规划航线。
4.根据权利要求1所述的基于无人机遥感图像机载一体化快速处理系统和方法，其特征在于：所述地图配置，基于外接矩形可以得到具有一定缓冲距离的缓冲区，导入电子地图中，通过截取相应图片作为UP30系统航线设计的底图，并导入到底图配置模块中，则可迅速完成基于4个角点的图像坐标和地理坐标的地图配置工作。
5.根据权利要求1所述的基于无人机遥感图像机载一体化快速处理系统和方法，其特征在于：所述图像处理包括图像预处理和几何校正两部分，所述图像预处理包括图像去噪、投影变换和灰度修正。
6.根据权利要求5所述的基于无人机遥感图像机载一体化快速处理系统和方法，其特征在于：所述图像去噪，可对由于系统内外干扰所造成的噪声通过空间域中值滤波和频率高斯高频滤波相结合的方式进行去噪处理。
7.根据权利要求5所述的基于无人机遥感图像机载一体化快速处理系统和方法，其特征在于：所述灰度修正，可通过归一化算法来进行修正，具体步骤如下
第一步：计算图像灰度的均值μ与方差σ2
其中，(M，N)为图像尺寸，f(i，j)为图像在坐标(i，j)处的灰度或亮度值；
第二步：对原始图像进行灰度归一化
(5)
其中，f’(x，y)为归一化后的图像灰度，f(x，y)、μ、σ为原始图像的灰度、均值和标准值；
第三步：对归一化后的图像进行灰度拉伸和对比度增强
其中，f“(x，y)为最终生成的图像在坐标(x，y)处的灰度或亮度值，max(f’)、min(f’)分别为图像f’的最大值和最小值，M为计算机所能表示的最大值。
8.根据权利要求1所述的基于无人机遥感图像机载一体化快速处理系统和方法，其特征在于：所述自动排行带网，通过对相邻航带照片的对比观察，航带之间存在不同顺序排列的差异，也存在着不同的成像方向的差异，产生的原因是相邻航带间的飞行方向刚好相反，因此可将无人机的POS数据作为该模块的输入值，依据相应照片的位置信息自动进行航带的生成，并将偶数的航线所对应的图像统一进行翻转处理，便完成了航带的自动排列。
9.根据权利要求1所述的基于无人机遥感图像机载一体化快速处理系统和方法，其特征在于：所述同名点自动匹配，采用经典的SIFT算法进行匹配，通过建立图像的多尺度金字塔，基于尺度空间突变找到不依赖于目标尺度的特征点，并利用图像局部区域像素梯度统计直方图及梯度方向构造特征向量来进行同名点的自动匹配。
10.根据权利要求1所述的基于无人机遥感图像机载一体化快速处理系统和方法，其特征在于：所述快速拼接，通过得到的匹配特征点集提取出面向图像拼接的关键帧，然后建立无人机航拍序列图像带拼接帧的相交区域中心点的卡尔曼滤波器，以此对特征搜索区域进行精准预测来达到快速拼接的目的。
11.根据权利要求1所述的基于无人机遥感图像机载一体化快速处理系统和方法，其特征在于：所述智能解译，通过多尺度分割构建一个与实际地物相对应的层次结构，然后基于纹理信息和上下文信息在选择样本的情况下采取最邻近分类，在地物类型简单的情况下选择模糊分类方法，由于同源图像的相同类型地物具有相通性，因此分类结果可以入库作为后期快速智能解译的初始值，进而实现智能解译的全过程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710201628.1A CN107742276A (zh) | 2017-03-27 | 2017-03-27 | 一种基于无人机遥感图像机载一体化快速处理系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710201628.1A CN107742276A (zh) | 2017-03-27 | 2017-03-27 | 一种基于无人机遥感图像机载一体化快速处理系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107742276A true CN107742276A (zh) | 2018-02-27 |
Family
ID=61234983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710201628.1A Pending CN107742276A (zh) | 2017-03-27 | 2017-03-27 | 一种基于无人机遥感图像机载一体化快速处理系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107742276A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108896117A (zh) * | 2018-05-10 | 2018-11-27 | 北京师范大学 | 一种遥感水文站监测河流径流的方法 |
| CN109543694A (zh) * | 2018-09-28 | 2019-03-29 | 天津大学 | 一种基于点特征稀疏策略的视觉同步定位与地图构建方法 |
| CN109949292A (zh) * | 2019-03-20 | 2019-06-28 | 湖南镭目科技有限公司 | 一种带钢表面缺陷的检测方法及装置 |
| CN111612828A (zh) * | 2019-12-27 | 2020-09-01 | 珠海大横琴科技发展有限公司 | 一种遥感图像纠正匹配方法、装置、电子设备及存储介质 |
| CN111798508A (zh) * | 2020-09-09 | 2020-10-20 | 四川长园工程勘察设计有限公司 | 一种配电线路路径图分幅方法 |
| CN112149753A (zh) * | 2020-10-07 | 2020-12-29 | 智博云信息科技(广州)有限公司 | 一种遥感影像数据处理方法、系统和云平台 |
| CN112633253A (zh) * | 2021-01-13 | 2021-04-09 | 三峡大学 | 一种基于特征检测的无人机遥感影像森林信息提取系统 |
| CN115065867A (zh) * | 2022-08-17 | 2022-09-16 | 中国科学院空天信息创新研究院 | 基于无人机视频金字塔模型的动态处理方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105527969A (zh) * | 2015-12-17 | 2016-04-27 | 中国科学院测量与地球物理研究所 | 一种基于无人机的山地植被垂直带调查监测方法 |
| CN105844587A (zh) * | 2016-03-17 | 2016-08-10 | 河南理工大学 | 一种低空无人机载高光谱遥感影像自动拼接方法 |
| CN106485655A (zh) * | 2015-09-01 | 2017-03-08 | 张长隆 | 一种基于四旋翼飞行器航拍地图生成系统及方法 |
-
2017
- 2017-03-27 CN CN201710201628.1A patent/CN107742276A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106485655A (zh) * | 2015-09-01 | 2017-03-08 | 张长隆 | 一种基于四旋翼飞行器航拍地图生成系统及方法 |
| CN105527969A (zh) * | 2015-12-17 | 2016-04-27 | 中国科学院测量与地球物理研究所 | 一种基于无人机的山地植被垂直带调查监测方法 |
| CN105844587A (zh) * | 2016-03-17 | 2016-08-10 | 河南理工大学 | 一种低空无人机载高光谱遥感影像自动拼接方法 |
Non-Patent Citations (3)
| Title |
|---|
| 尹杰等: "基于无人机低空遥感系统的快速处理技术研究", 《测绘通报》 * |
| 李岩山等: "一种新的无人机航拍序列图像快速拼接方法", 《电子学报》 * |
| 王家星: "无人机遥感影像一体化处理系统设计与实现", 《道客巴巴》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108896117A (zh) * | 2018-05-10 | 2018-11-27 | 北京师范大学 | 一种遥感水文站监测河流径流的方法 |
| CN109543694A (zh) * | 2018-09-28 | 2019-03-29 | 天津大学 | 一种基于点特征稀疏策略的视觉同步定位与地图构建方法 |
| CN109949292A (zh) * | 2019-03-20 | 2019-06-28 | 湖南镭目科技有限公司 | 一种带钢表面缺陷的检测方法及装置 |
| CN109949292B (zh) * | 2019-03-20 | 2023-11-14 | 湖南镭目科技有限公司 | 一种带钢表面缺陷的检测方法及装置 |
| CN111612828A (zh) * | 2019-12-27 | 2020-09-01 | 珠海大横琴科技发展有限公司 | 一种遥感图像纠正匹配方法、装置、电子设备及存储介质 |
| CN111798508A (zh) * | 2020-09-09 | 2020-10-20 | 四川长园工程勘察设计有限公司 | 一种配电线路路径图分幅方法 |
| CN111798508B (zh) * | 2020-09-09 | 2020-11-24 | 四川长园工程勘察设计有限公司 | 一种配电线路路径图分幅方法 |
| CN112149753A (zh) * | 2020-10-07 | 2020-12-29 | 智博云信息科技(广州)有限公司 | 一种遥感影像数据处理方法、系统和云平台 |
| CN112633253A (zh) * | 2021-01-13 | 2021-04-09 | 三峡大学 | 一种基于特征检测的无人机遥感影像森林信息提取系统 |
| CN115065867A (zh) * | 2022-08-17 | 2022-09-16 | 中国科学院空天信息创新研究院 | 基于无人机视频金字塔模型的动态处理方法及装置 |
| CN115065867B (zh) * | 2022-08-17 | 2022-11-11 | 中国科学院空天信息创新研究院 | 基于无人机视频金字塔模型的动态处理方法及装置 |
| WO2023066412A1 (zh) * | 2022-08-17 | 2023-04-27 | 中国科学院空天信息创新研究院 | 基于无人机视频金字塔模型的动态处理方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107742276A (zh) | 一种基于无人机遥感图像机载一体化快速处理系统和方法 | |
| Yahyanejad et al. | A fast and mobile system for registration of low-altitude visual and thermal aerial images using multiple small-scale UAVs | |
| Brigot et al. | Adaptation and evaluation of an optical flow method applied to coregistration of forest remote sensing images | |
| CN103337052B (zh) | 面向宽幅遥感影像的自动几何纠正方法 | |
| CN110825101A (zh) | 一种基于深度卷积神经网络的无人机自主降落方法 | |
| WO2021067665A2 (en) | Enhancing artificial intelligence routines using 3d data | |
| Ruban et al. | Method for determining elements of urban infrastructure objects based on the results from air monitoring | |
| CN115867939A (zh) | 用于空中到地面配准的系统和方法 | |
| CN104751451B (zh) | 基于无人机低空高分辨率影像的密集点云提取方法 | |
| Avola et al. | Automatic estimation of optimal UAV flight parameters for real-time wide areas monitoring | |
| Narayanan et al. | A multi-purpose realistic haze benchmark with quantifiable haze levels and ground truth | |
| Nguyen et al. | Coarse-to-fine registration of airborne LiDAR data and optical imagery on urban scenes | |
| Božić-Štulić et al. | Complete model for automatic object detection and localisation on aerial images using convolutional neural networks | |
| Zhang et al. | An UAV navigation aided with computer vision | |
| Lin et al. | A multi-target detection framework for multirotor UAV | |
| CN113516059B (zh) | 固体废弃物的识别方法、装置、电子设备及存储介质 | |
| Çömert et al. | Detection of collapsed building from unmanned aerial vehicle data with object based image classification | |
| Liu et al. | Fast stitching of UAV images based on improved SURF algorithm | |
| Arthur et al. | Rapid processing of unmanned aerial vehicles imagery for disaster management | |
| Li et al. | Algorithm for automatic image dodging of unmanned aerial vehicle images using two-dimensional radiometric spatial attributes | |
| Li et al. | Low-cost 3D building modeling via image processing | |
| Taha et al. | A machine learning model for improving building detection in informal areas: a case study of Greater Cairo | |
| Su | Vanishing points in road recognition: A review | |
| Yuanting et al. | Research on image mosaic of low altitude UAV based on harris corner detection | |
| Afriansyah et al. | Image Mapping Detection of Green Areas Using Speed Up Robust Features |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| DD01 | Delivery of document by public notice |
Addressee: Gu Zhongguo Document name: Deemed as a notice of withdrawal |
|
| DD01 | Delivery of document by public notice | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180227 |
|
| WD01 | Invention patent application deemed withdrawn after publication |