CN109032166B - 基于无人机即时跟踪行驶车辆的方法 - Google Patents
基于无人机即时跟踪行驶车辆的方法 Download PDFInfo
- Publication number
- CN109032166B CN109032166B CN201810188869.1A CN201810188869A CN109032166B CN 109032166 B CN109032166 B CN 109032166B CN 201810188869 A CN201810188869 A CN 201810188869A CN 109032166 B CN109032166 B CN 109032166B
- Authority
- CN
- China
- Prior art keywords
- image
- centroid
- tracking
- determining
- filtering
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000001914 filtration Methods 0.000 claims description 50
- 238000012545 processing Methods 0.000 claims description 29
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于无人机即时跟踪行驶车辆的方法,该方法包括:提供行驶车辆即时跟踪系统,在车辆上预设标志,采用图像识别方式从空中对标志进行跟踪以完成对车辆的跟踪。通过本发明,能够在各种恶劣环境下实现对旅游车辆的有效随拍。
Description
技术领域
本发明涉及智慧交通领域,尤其涉及一种基于无人机即时跟踪行驶车辆的方法。
背景技术
目前,开车自驾游已经成为旅游的一种风尚。自驾游能够带来各种方便,例如,可以自己安排旅游路线,而且旅游路线能够到达各种旅游团不关注的深度区域,避免了各种购物活动,同时,想停就停以及旅游时间灵活的特性,也使得自驾游为人们所青睐。
一些对旅游体验更为重视的人们,围绕自驾游设计了很多旅游模式,例如,自行携带无人机,在驾驶车辆时,通过车内遥控无人机以保持无人机时刻跟踪车辆进行空中拍摄,例如,在草原上进行空中拍摄,从而能够真实地从空中录制出旅游的各种动态,为以后的回忆增添更多色彩和幅度。
然而,采用车内遥控无人机以保持无人机追随车辆的方式,会因为车内的遥控人员的经验不足或操作情况而导致跟随效果不佳,同时,由于空中环境的恶劣程度,普通的图像拍摄设备和图像处理设备满足不了空中拍摄的需求。
发明内容
为了解决上述问题,本发明提供了一种基于无人机即时跟踪行驶车辆的方法,在车辆上预设标志,采用图像识别方式从空中对标志进行跟踪以完成对车辆的跟踪,更重要的是,还采用了定制的图像拍摄设备和图像处理设备以满足空中拍摄的需求。
本发明至少具有以下三个重要发明点:
(1)通过对车辆上方标志的图像定位,确定无人机的相应的跟踪模式,使得被跟踪车辆一直保持在所述无人机的下方视野内,从而简化了车辆空中跟踪的机制;
(2)在进行图像明度判断的过程中,从整体上剔除了目标的影响,同时还根据基点像素的各通道值的分布情况提供了测量图像明度的有效的解决方案;
(3)基于已采集图像的统计结果,确定对图像进行分区中值滤波的区域分割数量,以及实现中值滤波处理的分区域处理,从而不断提高图像中值滤波处理的自我学习能力。
根据本发明的一方面,提供了一种基于无人机即时跟踪行驶车辆的方法,该方法包括:提供行驶车辆即时跟踪系统,在车辆上预设标志,采用图像识别方式从空中对标志进行跟踪以完成对车辆的跟踪,所述行驶车辆即时跟踪系统包括:
标志获取设备,设置在无人机上,与标志检测设备连接,用于获取标志子图像和拟合处理图像,确定所述标志子图像的形状以及与所述标志子图像的形状对应的形心以作为第一形心输出,确定所述拟合处理图像的形状以及与所述拟合处理图像的形状对应的形心以作为第二形心输出;
形心匹配设备,与所述标志获取设备连接,用于接收所述第一形心和所述第二形心,当所述第一形心和第二形心重合时,发出形心匹配信号,当所述第一形心和所述第二形心不重合时,确定所述第二形心到所述第一形心的运动矢量;
驱动控制设备,与所述形心匹配设备连接,用于接收所述运动矢量,并基于所述运动矢量和所述无人机的当前高度确定所述无人机的飞行控制信号,其中,所述飞行控制信号用于控制所述无人机的飞行以使得所述第一形心和第二形心重合;
飞行动力设备,与所述驱动控制设备连接,用于接收所述飞行控制信号,并基于所述飞行控制信号驱动所述无人机的飞行;
跟踪拍摄设备,设置在无人机上,用于对所述无人机的下方路况进行即时图像拍摄,以获得即时跟踪图像,并输出所述即时跟踪图像;
基点获取设备,与所述跟踪拍摄设备连接,用于接收即时跟踪图像,并基于对所述即时跟踪图像中最大目标轮廓的形状,选择在所述即时跟踪图像中绕过所述最大目标轮廓形状的曲线以作为目标曲线,并将所述即时跟踪图像中经过所述目标曲线的各个像素点作为基点像素。
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行驶车辆即时跟踪系统的操作示意图。
具体实施方式
下面将参照附图对本发明的实施方案进行详细说明。
为了克服上述不足,本发明搭建了一种基于无人机即时跟踪行驶车辆的方法,该方法包括:提供行驶车辆即时跟踪系统,在车辆上预设标志,采用图像识别方式从空中对标志进行跟踪以完成对车辆的跟踪,所述行驶车辆即时跟踪系统能够在旅游中高效地对被跟踪车辆所在场景进行跟随式拍摄。
图1为根据本发明实施方案示出的行驶车辆即时跟踪系统的操作示意图,所述系统包括:
标志获取设备,设置在无人机上,与标志检测设备连接,用于获取标志子图像和拟合处理图像,确定所述标志子图像的形状以及与所述标志子图像的形状对应的形心以作为第一形心输出,确定所述拟合处理图像的形状以及与所述拟合处理图像的形状对应的形心以作为第二形心输出;
其中,在图1中,标志被设置在最小的行驶车辆上,虚线部分表示无人机上的跟踪拍摄设备的拍摄范围;
形心匹配设备,与所述标志获取设备连接,用于接收所述第一形心和所述第二形心,当所述第一形心和第二形心重合时,发出形心匹配信号,当所述第一形心和所述第二形心不重合时,确定所述第二形心到所述第一形心的运动矢量;
驱动控制设备,与所述形心匹配设备连接,用于接收所述运动矢量,并基于所述运动矢量和所述无人机的当前高度确定所述无人机的飞行控制信号,其中,所述飞行控制信号用于控制所述无人机的飞行以使得所述第一形心和第二形心重合;
飞行动力设备,与所述驱动控制设备连接,用于接收所述飞行控制信号,并基于所述飞行控制信号驱动所述无人机的飞行;
跟踪拍摄设备,设置在无人机上,用于对所述无人机的下方路况进行即时图像拍摄,以获得即时跟踪图像,并输出所述即时跟踪图像;
基点获取设备,与所述跟踪拍摄设备连接,用于接收即时跟踪图像,并基于对所述即时跟踪图像中最大目标轮廓的形状,选择在所述即时跟踪图像中绕过所述最大目标轮廓形状的曲线以作为目标曲线,并将所述即时跟踪图像中经过所述目标曲线的各个像素点作为基点像素;
明度测量设备,与所述基点获取设备连接,用于对所述即时跟踪图像中的各个基点像素执行以下数据统计操作:将基点像素的A通道值与B通道值相乘以获得分量乘积值,取基点像素的L通道值的平方值以获得分量平方值,将所述分量平方值除以所述分量乘积值以获得基点像素的统计数据;所述数据统计设备还用于将各个像素点的统计数据中出现频率最多的数值作为频率分析结果,以及将所述频率分析结果与参考限量比较,当所述频率分析结果小于所述参考限量时,确定所述即时跟踪图像的明度较低,否则,确定所述即时跟踪图像的明度较高;
定制滤波设备,分别与所述跟踪拍摄设备和所述明度测量设备连接,用于接收所述频率分析结果以及所述即时跟踪图像,基于所述频率分析结果确定对所述即时跟踪图像切割得到的区域数量,基于所述区域数量对所述即时跟踪图像进行区域切割处理,以获得多个图像区域,以及还基于每一个图像区域自身的噪声幅值确定对所述图像区域执行图像中值滤波的强度,以获得多个已处理图像区域,还用于将所述多个已处理图像区域进行图像组合处理以获得组合图像,以及将所述组合图像执行拟合处理以获得拟合处理图像;
标志检测设备,与所述定制滤波设备连接,用于接收所述拟合处理图像,并基于预设标志外形特征从所述拟合处理图像中检测出标志目标,并输出与检测出的标志目标对应的标志子图像;
其中,所述标志位于驾驶者所驾驶的车辆的车顶上。
接着,继续对本发明的行驶车辆即时跟踪系统的具体结构进行进一步的说明。
在所述行驶车辆即时跟踪系统中:
所述基点获取设备的运算被设置在大数据平台端实现。
在所述行驶车辆即时跟踪系统中:
在定制滤波设备中,基于每一个图像区域自身的噪声幅值确定对所述图像区域执行图像中值滤波的强度包括:每一个图像区域自身的噪声幅值越大,确定对所述图像区域执行图像中值滤波的滤波像素窗口越大。
在所述行驶车辆即时跟踪系统中:
在定制滤波设备中,基于每一个图像区域自身的噪声幅值确定对所述图像区域执行图像中值滤波的强度包括:每一个图像区域自身的噪声幅值越大,确定对所述图像区域执行图像中值滤波的滤波像素窗口越大,且确定对所述图像区域执行图像中值滤波的滤波像素窗口的面积不能超过所述图像区域的面积的十分之一。
在所述行驶车辆即时跟踪系统中:
在定制滤波设备中,基于每一个图像区域自身的噪声幅值确定对所述图像区域执行图像中值滤波的强度包括:每一个图像区域自身的噪声幅值越大,确定对所述图像区域执行图像中值滤波的滤波像素窗口越大,且确定对所述图像区域执行图像中值滤波的滤波像素窗口的大小小于等于30像素乘以30像素。
在所述行驶车辆即时跟踪系统中:
所述第一形心和第二形心重合指的是,所述第一形心和第二形心的距离小于等于预设距离阈值。
以及,在所述行驶车辆即时跟踪系统中:
在所述定制滤波设备中,所述频率分析结果越小,对所述即时跟踪图像切割得到的区域数量越多。
另外,图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。
由于成像系统、传输介质和记录设备等的不完善,数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外,在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般,噪声信号与要研究的对象不相关它以无用的信息形式出现,扰乱图像的可观测信息。对于数字图像信号,噪声表为或大或小的极值,这些极值通过加减作用于图像像素的真实灰度值上,对图像造成亮、暗点干扰,极大降低了图像质量,影响图像复原、分割、特征提取、图像识别等后继工作的进行。要构造一种有效抑制噪声的滤波器必须考虑两个基本问题:能有效地去除目标和背景中的噪声;同时,能很好地保护图像目标的形状、大小及特定的几何和拓扑结构特征。
常用的图像滤波模式中的一种是,非线性滤波器,一般说来,当信号频谱与噪声频谱混叠时或者当信号中含有非叠加性噪声时如由系统非线性引起的噪声或存在非高斯噪声等),传统的线性滤波技术,如傅立变换,在滤除噪声的同时,总会以某种方式模糊图像细节(如边缘等)进而导致像线性特征的定位精度及特征的可抽取性降低。而非线性滤波器是基于对输入信号的一种非线性映射关系,常可以把某一特定的噪声近似地映射为零而保留信号的要特征,因而其在一定程度上能克服线性滤波器的不足之处。
采用本发明的行驶车辆即时跟踪系统,针对现有技术中旅游空中随拍质量不佳的技术问题,通过对车辆上方标志的图像定位,确定无人机的相应的跟踪模式,使得被跟踪车辆一直保持在所述无人机的下方视野内,同时,在进行图像明度判断的过程中,从整体上剔除了目标的影响,并基于已采集图像的统计结果,确定对图像进行分区中值滤波的区域分割数量,以及实现中值滤波处理的分区域处理,提高了图像滤波效果,从而解决了上述技术问题。
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 (3)
1.一种基于无人机即时跟踪行驶车辆的方法,该方法包括:提供行驶车辆即时跟踪系统,在车辆上预设标志,采用图像识别方式从空中对标志进行跟踪以完成对车辆的跟踪,其特征在于,所述行驶车辆即时跟踪系统包括:
标志获取设备,设置在无人机上,与标志检测设备连接,用于获取标志子图像和拟合处理图像,确定所述标志子图像的形状以及与所述标志子图像的形状对应的形心以作为第一形心输出,确定所述拟合处理图像的形状以及与所述拟合处理图像的形状对应的形心以作为第二形心输出;
形心匹配设备,与所述标志获取设备连接,用于接收所述第一形心和所述第二形心,当所述第一形心和第二形心重合时,发出形心匹配信号,当所述第一形心和所述第二形心不重合时,确定所述第二形心到所述第一形心的运动矢量;
驱动控制设备,与所述形心匹配设备连接,用于接收所述运动矢量,并基于所述运动矢量和所述无人机的当前高度确定所述无人机的飞行控制信号,其中,所述飞行控制信号用于控制所述无人机的飞行以使得所述第一形心和第二形心重合;
飞行动力设备,与所述驱动控制设备连接,用于接收所述飞行控制信号,并基于所述飞行控制信号驱动所述无人机的飞行;
跟踪拍摄设备,设置在无人机上,用于对所述无人机的下方路况进行即时图像拍摄,以获得即时跟踪图像,并输出所述即时跟踪图像;
基点获取设备,与所述跟踪拍摄设备连接,用于接收即时跟踪图像,并基于对所述即时跟踪图像中最大目标轮廓的形状,选择在所述即时跟踪图像中绕过所述最大目标轮廓形状的曲线以作为目标曲线,并将所述即时跟踪图像中经过所述目标曲线的各个像素点作为基点像素;
明度测量设备,与所述基点获取设备连接,用于对所述即时跟踪图像中的各个基点像素执行以下数据统计操作:将基点像素的A通道值与B通道值相乘以获得分量乘积值,取基点像素的L通道值的平方值以获得分量平方值,将所述分量平方值除以所述分量乘积值以获得基点像素的统计数据;所述明度测量设备还用于将各个像素点的统计数据中出现频率最多的数值作为频率分析结果,以及将所述频率分析结果与参考限量比较,当所述频率分析结果小于所述参考限量时,确定所述即时跟踪图像的明度较低,否则,确定所述即时跟踪图像的明度较高;
定制滤波设备,分别与所述跟踪拍摄设备和所述明度测量设备连接,用于接收所述频率分析结果以及所述即时跟踪图像,基于所述频率分析结果确定对所述即时跟踪图像切割得到的区域数量,基于所述区域数量对所述即时跟踪图像进行区域切割处理,以获得多个图像区域,以及还基于每一个图像区域自身的噪声幅值确定对所述图像区域执行图像中值滤波的强度,以获得多个已处理图像区域,还用于将所述多个已处理图像区域进行图像组合处理以获得组合图像,以及将所述组合图像执行拟合处理以获得拟合处理图像;
标志检测设备,与所述定制滤波设备连接,用于接收所述拟合处理图像,并基于预设标志外形特征从所述拟合处理图像中检测出标志目标,并输出与检测出的标志目标对应的标志子图像;
其中,所述标志位于驾驶者所驾驶的车辆的车顶上;
所述基点获取设备的运算被设置在大数据平台端实现;
在定制滤波设备中,基于每一个图像区域自身的噪声幅值确定对所述图像区域执行图像中值滤波的强度包括:每一个图像区域自身的噪声幅值越大,确定对所述图像区域执行图像中值滤波的滤波像素窗口越大;
在定制滤波设备中,基于每一个图像区域自身的噪声幅值确定对所述图像区域执行图像中值滤波的强度包括:每一个图像区域自身的噪声幅值越大,确定对所述图像区域执行图像中值滤波的滤波像素窗口越大,且确定对所述图像区域执行图像中值滤波的滤波像素窗口的面积不能超过所述图像区域的面积的十分之一;
在定制滤波设备中,基于每一个图像区域自身的噪声幅值确定对所述图像区域执行图像中值滤波的强度包括:每一个图像区域自身的噪声幅值越大,确定对所述图像区域执行图像中值滤波的滤波像素窗口越大,且确定对所述图像区域执行图像中值滤波的滤波像素窗口的大小小于等于30像素乘以30像素。
2.如权利要求1所述的方法,其特征在于:
所述第一形心和第二形心重合指的是,所述第一形心和第二形心的距离小于等于预设距离阈值。
3.如权利要求2所述的方法,其特征在于:
在所述定制滤波设备中,所述频率分析结果越小,对所述即时跟踪图像切割得到的区域数量越多。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810188869.1A CN109032166B (zh) | 2018-03-08 | 2018-03-08 | 基于无人机即时跟踪行驶车辆的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810188869.1A CN109032166B (zh) | 2018-03-08 | 2018-03-08 | 基于无人机即时跟踪行驶车辆的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109032166A CN109032166A (zh) | 2018-12-18 |
CN109032166B true CN109032166B (zh) | 2020-01-21 |
Family
ID=64628610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810188869.1A Active CN109032166B (zh) | 2018-03-08 | 2018-03-08 | 基于无人机即时跟踪行驶车辆的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109032166B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751440A (zh) * | 2013-12-31 | 2015-07-01 | 西门子医疗保健诊断公司 | 一种基于图像处理的方法和装置 |
CN105676865A (zh) * | 2016-04-12 | 2016-06-15 | 北京博瑞爱飞科技发展有限公司 | 目标跟踪方法、装置和系统 |
CN106375747A (zh) * | 2016-08-31 | 2017-02-01 | 广州市百果园网络科技有限公司 | 一种图像处理方法、及设备 |
CN106981073A (zh) * | 2017-03-31 | 2017-07-25 | 中南大学 | 一种基于无人机的地面运动目标实时跟踪方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2939234B1 (ja) * | 1998-03-24 | 1999-08-25 | 株式会社コミュータヘリコプタ先進技術研究所 | 飛行経路表示装置 |
US20150052253A1 (en) * | 2014-09-22 | 2015-02-19 | Weaved, Inc. | Multi-server fractional subdomain dns protocol |
CN105000194A (zh) * | 2015-08-13 | 2015-10-28 | 史彩成 | 基于地面合作标志的无人机助降视觉引导方法及机载系统 |
CN107341760A (zh) * | 2017-06-27 | 2017-11-10 | 北京计算机技术及应用研究所 | 一种基于fpga的低空目标跟踪系统 |
-
2018
- 2018-03-08 CN CN201810188869.1A patent/CN109032166B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751440A (zh) * | 2013-12-31 | 2015-07-01 | 西门子医疗保健诊断公司 | 一种基于图像处理的方法和装置 |
CN105676865A (zh) * | 2016-04-12 | 2016-06-15 | 北京博瑞爱飞科技发展有限公司 | 目标跟踪方法、装置和系统 |
CN106375747A (zh) * | 2016-08-31 | 2017-02-01 | 广州市百果园网络科技有限公司 | 一种图像处理方法、及设备 |
CN106981073A (zh) * | 2017-03-31 | 2017-07-25 | 中南大学 | 一种基于无人机的地面运动目标实时跟踪方法及系统 |
Non-Patent Citations (1)
Title |
---|
"基于形状特征的图像匹配与检索算法研究";王为;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170115(第01期);正文第7-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109032166A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2930686B1 (en) | Context-aware object detection in aerial photographs/videos using travel path metadata | |
US10303960B2 (en) | Image processing device, alarming apparatus, image processing system, and image processing method | |
CN108345855B (zh) | 一种车道压线检测方法及系统 | |
CN108198417B (zh) | 一种基于无人机的道路巡检系统 | |
CN112364707B (zh) | 一种智能车对复杂路况进行超视距感知的系统及方法 | |
CN111709994B (zh) | 一种自主无人机视觉探测与引导系统及方法 | |
CN104766337B (zh) | 一种基于跑道边界增强的飞机着陆视觉增强方法 | |
CN114034296B (zh) | 一种导航信号干扰源检测与识别方法及系统 | |
CN106599760A (zh) | 一种变电站巡检机器人行驶区域计算方法 | |
CN110908394A (zh) | 一种海事水域污染监管无人机系统及监管方法 | |
CN111340833B (zh) | 最小二乘去干扰随机Hough变换的输电线提取方法 | |
FAN et al. | Robust lane detection and tracking based on machine vision | |
CN110310485B (zh) | 周围信息采集显示系统 | |
CN109032166B (zh) | 基于无人机即时跟踪行驶车辆的方法 | |
CN112560922B (zh) | 一种基于视觉的雾天飞机自主着陆方法及系统 | |
US10417518B2 (en) | Vehicle camera system | |
CN117197019A (zh) | 一种车辆三维点云图像融合方法及系统 | |
CN104700428B (zh) | 一种位于无人机上的沙漠区域道路检测方法 | |
CN108573498B (zh) | 基于无人机的行驶车辆即时跟踪系统 | |
US20190204831A1 (en) | Vehicle Localization System | |
CN114332453A (zh) | 一种适用于自动紧急制动系统的前方车辆检测方法 | |
KR101804154B1 (ko) | 열차 위치 검출 시스템 장치 | |
GHEORGHE et al. | Image Processing Technique Used in Road Traffic Analysis–Opportunities and Challenges | |
CN111798658A (zh) | 行驶车道通行效率检测平台 | |
CN111824164B (zh) | 周围信息采集显示方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20191226 Address after: 518000 Shenzhen Nanshan District, Guangdong Province, Yuehai Street High-tech District Community Science and Technology South Road 16 Shenzhen Bay Science and Technology Ecological Park 11 B1101 Applicant after: Shenzhen Zhong Chen source Polytron Technologies Inc Address before: 214200 137 Xingye Road, Xinjie street, Yixing, Wuxi, Jiangsu. Applicant before: Li Xuchen |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |