CN109816310A - 一种基于人工智能的航道船舶卡口管理系统及其管理方法 - Google Patents
一种基于人工智能的航道船舶卡口管理系统及其管理方法 Download PDFInfo
- Publication number
- CN109816310A CN109816310A CN201910060033.8A CN201910060033A CN109816310A CN 109816310 A CN109816310 A CN 109816310A CN 201910060033 A CN201910060033 A CN 201910060033A CN 109816310 A CN109816310 A CN 109816310A
- Authority
- CN
- China
- Prior art keywords
- ship
- unit
- navigation channel
- data
- artificial intelligence
- 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
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于人工智能的航道船舶卡口管理系统及其管理方法，属于航道船舶卡口管理技术领域。其包括卡口监管设备、数据处理传输单元和卡口管理平台，数据处理传输单位接收并处理卡口监管设备检测的船舶各项数据，卡口管理平台接收来自数据处理传输单元处理后的数据并结合海事局船舶档案数据生成决策报表。本发明保证所有经过卡口的船舶都能被识别及核查；另外，可统计经过卡口的交通量，掌握航道通航动态，为航道船舶管理提供决策支持。
Description
技术领域
本发明属于航道船舶卡口管理技术领域，具体涉及一种基于人工智能的航道船舶卡口管理系统及其管理方法。
背景技术
基于人工智能的航道船舶卡口管理系统具有突出的优点，能对经过卡口的船舶进行监管，在航道船舶管理领域得到广泛应用。2016年底，我国长期以来实行的船舶进出港签证制度正式取消，船舶进出港管理从原来“签证”行政许可行为改为船舶报告制度。失去了船舶安全管理的一条重要防线，基层管理站点现场检查弱化，没办法对船舶集中检查和管理、及时地对船舶航行进行纠正。通过信息化手段对船舶有效实施安全监管成为了必然手段。
发明内容
针对现有技术中存在的问题，本发明的目的在于提供一种基于人工智能的航道船舶卡口管理系统及其管理方法的技术方案。
所述的一种基于人工智能的航道船舶卡口管理系统，其特征在于包括卡口监管设备、数据处理传输单元和卡口管理平台，所述卡口监管设备包括采集船舶各项数据的激光船舶检测单元、AIS信号接收单元、视频录像单元和高清抓拍单元，所述数据处理传输单元包括处理视频及图片的视频帧提取与转码模块、预训练的基于ResNet68的Faster R-CNN模型、船只运动特征计算模块和模型运算调度模块，所述数据处理传输单位接收并处理卡口监管设备检测的船舶各项数据，所述卡口管理平台接收来自数据处理传输单元处理后的数据并结合海事局船舶档案数据生成决策报表。
所述的一种基于人工智能的航道船舶卡口管理系统，其特征在于所述激光船舶检测单元包括多个不同口径和焦距的透镜组成的透镜组和多个子光纤束组成的光纤合束器，所述的透镜组中大口径的长焦距透镜对应远距目标的小视场，负责接收远距离目标的激光回波信号，小直径的短焦距透镜对应近距目标的大视场，负责接收近距离目标的激光回波信号，所述的光纤合束器中的各个子光纤束输入端分别设置于透镜组的各个透镜的焦平面附近，收集激光回波信号，所述的光纤合束器的输出端将收集的激光回波信号传输到后续的单个光电探测器，由光电探测器转换成电信号。
所述的一种基于人工智能的航道船舶卡口管理系统，其特征在于所述光电探测器的电信号经数据处理传输单元放大、读取处理后传输到卡口管理平台。
所述的一种基于人工智能的航道船舶卡口管理系统，其特征在于所述视频帧提取与转码模块通过网络接收视频录像单元和高清抓拍单元传输的视频帧画面，调用GPU运算，快速将单帧图片由YUV格式转换成BMP格式，供模型运算调度模块进行后续操作；所述预训练的基于ResNet68的Faster R-CNN模型对单帧图像进行目标检测和分类，输出候选框、分类结果、置信分数；所述船只运动特征计算模块通过对比Faster R-CNN模型的上一帧检测结果及当前帧检测结果的置信值进一步筛选，并通过船只在照片上的方位计算船只运动速度和方向；所述的模型运算调度模块将Faster R-CNN模型分别运行于子进程当中，根据GPU当前空闲情况分配进程进行运算模型。
所述的一种基于人工智能的航道船舶卡口管理系统，其特征在于所述AIS信号接收单元接收船舶九位码经数据处理传输单元传输到卡口管理平台。
所述的一种基于人工智能的航道船舶卡口管理系统，其特征在于所述卡口监管设备还包括辅助视频录像单元和高清抓拍单元工作的高清补光单元。
所述的一种基于人工智能的航道船舶卡口管理系统的管理方法，其特征在于包括以下步骤：
S1.卡口监管设备在监测点位采集船舶基本数据并生成初报表，主要生成途径为激光检测单元通过激光扫描识别物体形状，判断是否有船舶经过监测点位并计数统计船舶流量，根据不同的激光回波信号，判断船舶空载或重载；视频录像和高清图片经过数据处理后，识别船舶运动方向和运动速度；AIS信号接收单元接收船舶九位码的数据；
S2.AIS信号接收单元接收船舶九位码后，结合海事局船舶档案数据生成对比报表；
S3.若没有船舶九位码或者船舶九位码不匹配，高清图片读取船名牌进行人工补录或者留证告警；
S4.初报表和对比报表进行对比，生成决策报表，判断船舶是否通行；
S5.卡口工作人员抽查船舶进行对比报表中内容更为详细的核查。
所述的一种基于人工智能的航道船舶卡口管理系统的管理方法，其特征在于所述初报表包括船舶流量、船舶空重载情况、船舶方向、船舶速度、船舶九位码；所述对比表报包括船舶九位码、船舶方向、船舶空重载情况、船舶吨位、船舶种类、货物种类，货物量、船舶人员、船名；所述决策报表包括九位码有无情况、九位码补录情况、船舶空重载是否属实、船舶方向是否属实、船舶流量。
本发明能保证所有经过卡口的船舶都能被识别及核查；另外，可统计经过卡口的交通量，掌握航道通航动态，为航道船舶管理提供决策支持。
附图说明
图1为本发明的结构原理图；
图2为本发明中数据处理传输单元处理视频及图片的算法流程图；
图3为本发明中残差网络的构建块示意图；
图4为本发明中ResNet68残差网络图；
图5为本发明中航道船舶卡口管理方法流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，一种基于人工智能的航道船舶卡口管理系统，包括卡口监管设备1、数据处理传输单元2和卡口管理平台3，数据处理传输单位2接收并处理卡口监管设备1检测的船舶各项数据，卡口管理平台3接收来自数据处理传输单元2处理后的数据并结合海事局船舶档案数据生成决策报表进行人员证书、船舶违章、船舶报港、货物装载量等多项船舶指标校验且统计卡口船舶流量进而有序地管理航道船舶卡口。
优选地，卡口监管设备1包括采集船舶各项数据的激光船舶检测单元4、AIS信号接收单元5、视频录像单元6、高清抓拍单元7以及辅助视频录像单元6和高清抓拍单元7工作的高清补光单元8。激光船舶检测单元4包括多个不同口径和不同焦距的透镜组成的透镜组和多个子光纤束组成的光纤合束器，透镜组中大口径的长焦距透镜对应远距目标的小视场，负责接收远距离目标的激光回波信号，可以判断船舶是否为空载；小直径的短焦距透镜对应近距目标的大视场，负责接收近距离目标的激光回波信号，可以胖端船舶是否重载；光纤合束器中的各个子光纤束输入端分别设置于透镜组的各个透镜的焦平面附近，收集激光回波信号，光纤合束器的输出端将收集的激光回波信号传输到后续的单个光电探测器，由光电探测器转换成电信号。随后光电探测器的电信号经数据处理传输单元2放大、读取处理后传输到卡口管理平台3，卡口管理平台3可获取船舶流量、船舶空重载情况。
优选地，AIS信号接收单元5接收船舶九位码经数据处理传输单元2传输到卡口管理平台3。
优选地，视频录像单元6的视频和高清抓拍单元7的图片经数据处理传输单元2处理后传输到卡口管理平台3，且能在光线不足时借助高清补光单元8进行录像和抓拍。
如图2所示，数据处理传输单元2包括处理视频及图片的视频帧提取与转码模块、预训练的基于ResNet68的Faster R-CNN模型、船只运动特征计算模块和模型运算调度模块。
视频帧提取与转码模块通过网络接收视频录像单元6和高清抓拍单元7传输的视频帧画面，调用GPU运算，快速将单帧图片由YUV格式转换成BMP格式，供模型运算调度模块进行后续操作；
预训练的基于ResNet68的Faster R-CNN模型对单帧图像进行目标检测和分类，输出候选框、分类结果、置信分数；使用人工标记后缩放大小为1024x600分辨率的河道船舶图像进行训练。如图3所示，通过引入Resnet101深度残差学习框架解决了退化问题。形式上，明确地让这些层拟合残差映射，将期望的基础映射表示为H（x），将堆叠的非线性层拟合另一个映射F（x）:H(x)-x。原始映射重写为F(x)+x。公式F(x)+x通过带有快捷连接的前向神经网络来实现。快捷连接是跳过一层或更多层的连接，快捷连接简单地执行恒等映射，并将其输出添加到堆叠层的输出。基于上述的ResNet的残差网络，当输入和输出具有相同的维度时，可以直接使用恒等快捷连接，当维度增加时，考虑两个选项：（1）快捷连接仍然执行恒等映射，额外填充零输入以增加维度。（2）方程中的投影连接用于匹配维度（由1x1卷积完成）。图4是构建的Resnet68残差网络图。
船只运动特征计算模块通过对比Faster R-CNN模型的上一帧检测结果及当前帧检测结果的置信值进一步筛选，并通过船只在照片上的方位计算船只运动速度和方向。对于船只应当在视野中1/4的位置第一次出现（驶入摄像区域）或者最后一次出现（驶离摄像区域），除此以外的船只记录为误判。通过判断先后两帧中船只的检测框的重叠情况及画面中船只的运动特征决定当前帧中的船只和上一帧的船只是否为同一船只，通过两帧中同一船只的相对距离，更新船只的行驶速度与方向；
模型运算调度模块将Faster R-CNN模型分别运行于子进程当中，根据GPU当前空闲情况分配进程进行运算模型。
如图5所示，一种基于人工智能的航道船舶卡口管理系统的管理方法，包括以下步骤：
S1.卡口监管设备1在监测点位采集船舶基本数据并生成初报表，主要生成途径为激光检测单元4通过激光扫描识别物体形状，判断是否有船舶经过监测点位并计数统计船舶流量，根据不同的激光回波信号，判断船舶空载或重载；视频录像和高清图片经过数据处理后，识别船舶运动方向和运动速度；AIS信号接收单元5接收船舶九位码的数据；
S2.AIS信号接收单元5接收船舶九位码后，结合海事局船舶档案数据生成对比报表；
S3.若没有船舶九位码或者船舶九位码不匹配，高清图片读取船名牌进行人工补录或者留证告警；
S4.初报表和对比报表进行对比，生成决策报表，判断船舶是否通行；
S5.卡口工作人员抽查船舶进行对比报表中内容更为详细的核查。
其中初报表包括船舶流量、船舶空重载情况、船舶方向、船舶速度、船舶九位码；对比表报包括船舶九位码、船舶方向、船舶空重载情况、船舶吨位、船舶种类、货物种类，货物量、船舶人员、船名；决策报表包括九位码有无情况、九位码补录情况、船舶空重载是否属实、船舶方向是否属实、船舶流量。
在具体航道船舶卡口管理时，进出港口的船舶对应的决策报表中接收有九位码或者补有九位码，船舶空重载情况属实，船舶方向属实，该船舶可以通行；另外，卡口工作人员可根据对比报表对船舶进行船舶吨位、船舶种类、货物种类，货物量、船舶人员、船名等项目的实质内容抽查。
在航道船舶卡口中，船舶上下航行川流不息，通过决策报表项目中的船舶流量及时了解航道通航动态，为航道船舶管理提供决策支持。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种基于人工智能的航道船舶卡口管理系统，其特征在于包括卡口监管设备（1）、数据处理传输单元（2）和卡口管理平台（3），所述卡口监管设备（1）包括采集船舶各项数据的激光船舶检测单元（4）、AIS信号接收单元（5）、视频录像单元（6）和高清抓拍单元（7），所述数据处理传输单元（2）包括处理视频及图片的视频帧提取与转码模块、预训练的基于ResNet68的Faster R-CNN模型、船只运动特征计算模块和模型运算调度模块，所述数据处理传输单位（2）接收并处理卡口监管设备（1）检测的船舶各项数据，所述卡口管理平台（3）接收来自数据处理传输单元（2）处理后的数据并结合海事局船舶档案数据生成决策报表。
2.根据权利要求1所述的一种基于人工智能的航道船舶卡口管理系统，其特征在于所述激光船舶检测单元（4）包括多个不同口径和焦距的透镜组成的透镜组和多个子光纤束组成的光纤合束器，所述的透镜组中大口径的长焦距透镜对应远距目标的小视场，负责接收远距离目标的激光回波信号，小直径的短焦距透镜对应近距目标的大视场，负责接收近距离目标的激光回波信号，所述的光纤合束器中的各个子光纤束输入端分别设置于透镜组的各个透镜的焦平面附近，收集激光回波信号，所述的光纤合束器的输出端将收集的激光回波信号传输到后续的单个光电探测器，由光电探测器转换成电信号。
3.根据权利要求2所述的一种基于人工智能的航道船舶卡口管理系统，其特征在于所述光电探测器的电信号经数据处理传输单元（2）放大、读取处理后传输到卡口管理平台（3）。
4.根据权利要求1所述的一种基于人工智能的航道船舶卡口管理系统，其特征在于所述视频帧提取与转码模块通过网络接收视频录像单元（6）和高清抓拍单元（7）传输的视频帧画面，调用GPU运算，快速将单帧图片由YUV格式转换成BMP格式，供模型运算调度模块进行后续操作；所述预训练的基于ResNet68的Faster R-CNN模型对单帧图像进行目标检测和分类，输出候选框、分类结果、置信分数；所述船只运动特征计算模块通过对比Faster R-CNN模型的上一帧检测结果及当前帧检测结果的置信值进一步筛选，并通过船只在照片上的方位计算船只运动速度和方向；所述的模型运算调度模块将Faster R-CNN模型分别运行于子进程当中，根据GPU当前空闲情况分配进程进行运算模型。
5.根据权利要求1所述的一种基于人工智能的航道船舶卡口管理系统，其特征在于所述AIS信号接收单元（5）接收船舶九位码经数据处理传输单元（2）传输到卡口管理平台（3）。
6.根据权利要求1所述的一种基于人工智能的航道船舶卡口管理系统，其特征在于所述卡口监管设备（1）还包括辅助视频录像单元（6）和高清抓拍单元（7）工作的高清补光单元（8）。
7.一种基于权利要求1所述的一种基于人工智能的航道船舶卡口管理系统的管理方法，其特征在于包括以下步骤：
S1.卡口监管设备（1）在监测点位采集船舶基本数据并生成初报表，主要生成途径为激光检测单元（4）通过激光扫描识别物体形状，判断是否有船舶经过监测点位并计数统计船舶流量，根据不同的激光回波信号，判断船舶空载或重载；视频录像和高清图片经过数据处理后，识别船舶运动方向和运动速度；AIS信号接收单元（5）接收船舶九位码的数据；
S2.AIS信号接收单元（5）接收船舶九位码后，结合海事局船舶档案数据生成对比报表；
S3.若没有船舶九位码或者船舶九位码不匹配，高清图片读取船名牌进行人工补录或者留证告警；
S4.初报表和对比报表进行对比，生成决策报表，判断船舶是否通行；
S5.卡口工作人员抽查船舶进行对比报表中内容更为详细的核查。
8.根据权利要求7所述的一种基于人工智能的航道船舶卡口管理系统的管理方法，其特征在于所述初报表包括船舶流量、船舶空重载情况、船舶方向、船舶速度、船舶九位码；所述对比表报包括船舶九位码、船舶方向、船舶空重载情况、船舶吨位、船舶种类、货物种类，货物量、船舶人员、船名；所述决策报表包括九位码有无情况、九位码补录情况、船舶空重载是否属实、船舶方向是否属实、船舶流量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910060033.8A CN109816310A (zh) | 2019-01-22 | 2019-01-22 | 一种基于人工智能的航道船舶卡口管理系统及其管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910060033.8A CN109816310A (zh) | 2019-01-22 | 2019-01-22 | 一种基于人工智能的航道船舶卡口管理系统及其管理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109816310A true CN109816310A (zh) | 2019-05-28 |
Family
ID=66604650
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910060033.8A Pending CN109816310A (zh) | 2019-01-22 | 2019-01-22 | 一种基于人工智能的航道船舶卡口管理系统及其管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109816310A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110619653A (zh) * | 2019-08-26 | 2019-12-27 | 衢州市港航管理局 | 基于人工智能的防止船舶与桥梁碰撞预警控制系统及方法 |
| CN113095325A (zh) * | 2021-05-11 | 2021-07-09 | 浙江华是科技股份有限公司 | 一种船舶识别方法、装置及计算机可读存储介质 |
| CN113538970A (zh) * | 2021-06-04 | 2021-10-22 | 南京汇海交通科技有限公司 | 基于流式计算的船舶卡口检测方法 |
| CN114333123A (zh) * | 2021-12-13 | 2022-04-12 | 南京熊猫电子股份有限公司 | 基于激光测距元件组的闸机通行检测方法、设备和介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101022541A (zh) * | 2006-02-13 | 2007-08-22 | 中兴通讯股份有限公司 | 一种服务器/客户端架构下的图像监控系统及方法 |
| CN104200671A (zh) * | 2014-09-09 | 2014-12-10 | 安徽四创电子股份有限公司 | 一种基于大数据平台的虚拟卡口管理方法及系统 |
| CN105187721A (zh) * | 2015-08-31 | 2015-12-23 | 广州市幸福网络技术有限公司 | 一种快速提取人像特征的证照相机及方法 |
| CN206363421U (zh) * | 2017-01-12 | 2017-07-28 | 都伊林 | 基于人脸识别技术的监狱智能卡口管理系统 |
| CN206400639U (zh) * | 2016-12-26 | 2017-08-11 | 中国船舶重工集团南京鹏力科技集团有限公司 | 基于雷达的智能航道卡口船舶监管系统 |
| CN108055501A (zh) * | 2017-11-22 | 2018-05-18 | 天津市亚安科技有限公司 | 一种目标检测及跟踪的视频监控系统及方法 |
| CN108710135A (zh) * | 2018-06-14 | 2018-10-26 | 浙江华是科技股份有限公司 | 一种用于异轴配置大视场激光三维探测的视场拼接系统 |
-
2019
- 2019-01-22 CN CN201910060033.8A patent/CN109816310A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101022541A (zh) * | 2006-02-13 | 2007-08-22 | 中兴通讯股份有限公司 | 一种服务器/客户端架构下的图像监控系统及方法 |
| CN104200671A (zh) * | 2014-09-09 | 2014-12-10 | 安徽四创电子股份有限公司 | 一种基于大数据平台的虚拟卡口管理方法及系统 |
| CN105187721A (zh) * | 2015-08-31 | 2015-12-23 | 广州市幸福网络技术有限公司 | 一种快速提取人像特征的证照相机及方法 |
| CN206400639U (zh) * | 2016-12-26 | 2017-08-11 | 中国船舶重工集团南京鹏力科技集团有限公司 | 基于雷达的智能航道卡口船舶监管系统 |
| CN206363421U (zh) * | 2017-01-12 | 2017-07-28 | 都伊林 | 基于人脸识别技术的监狱智能卡口管理系统 |
| CN108055501A (zh) * | 2017-11-22 | 2018-05-18 | 天津市亚安科技有限公司 | 一种目标检测及跟踪的视频监控系统及方法 |
| CN108710135A (zh) * | 2018-06-14 | 2018-10-26 | 浙江华是科技股份有限公司 | 一种用于异轴配置大视场激光三维探测的视场拼接系统 |
Non-Patent Citations (1)
| Title |
|---|
| 杨路江 等: "基于Faster_R_CNN模型的遥感污水处理厂目标检测", 《第五届高分辨率对地观测学术年会论文集》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110619653A (zh) * | 2019-08-26 | 2019-12-27 | 衢州市港航管理局 | 基于人工智能的防止船舶与桥梁碰撞预警控制系统及方法 |
| CN113095325A (zh) * | 2021-05-11 | 2021-07-09 | 浙江华是科技股份有限公司 | 一种船舶识别方法、装置及计算机可读存储介质 |
| CN113538970A (zh) * | 2021-06-04 | 2021-10-22 | 南京汇海交通科技有限公司 | 基于流式计算的船舶卡口检测方法 |
| CN114333123A (zh) * | 2021-12-13 | 2022-04-12 | 南京熊猫电子股份有限公司 | 基于激光测距元件组的闸机通行检测方法、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109816310A (zh) | 一种基于人工智能的航道船舶卡口管理系统及其管理方法 | |
| CN112884760B (zh) | 近水桥梁多类型病害智能检测方法与无人船设备 | |
| CN109725310B (zh) | 一种基于yolo算法以及岸基雷达系统的船舶定位监管系统 | |
| CN112581795B (zh) | 一种基于视频的船桥及船间碰撞实时预警方法与系统 | |
| US11948344B2 (en) | Method, system, medium, equipment and terminal for inland vessel identification and depth estimation for smart maritime | |
| CN108806334A (zh) | 一种基于图像的智能船舶身份识别方法 | |
| CN116343077A (zh) | 一种基于注意力机制与多尺度特征的火灾检测预警方法 | |
| CN111163290B (zh) | 一种夜间航行船舶检测并跟踪的方法 | |
| CN110060281B (zh) | 一种船舶及水上漂浮物轨迹追踪系统 | |
| KR102155724B1 (ko) | 심층신경망을 이용한 선박 내 객체의 위험 검출 방법 및 시스템 | |
| CN111768417B (zh) | 基于单目视觉3d重建技术的铁路货车超限检测方法 | |
| KR102320142B1 (ko) | 인공지능 기반의 해양안전사고 모니터링 방법 및 시스템 | |
| CN111210474A (zh) | 一种获取机场飞机实时地面位置的方法 | |
| CN109800714A (zh) | 一种基于人工智能的船舶检测系统及方法 | |
| CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
| CN112487894B (zh) | 基于人工智能的轨道交通保护区自动巡查方法及装置 | |
| US20230368371A1 (en) | Intelligent recognition method for time sequence image of concrete dam defect | |
| Bai et al. | A detection method of the rescue targets in the marine casualty based on improved YOLOv5s | |
| KR20210063569A (ko) | 열화상 센서와 영상 센서를 이용한 객체 분석 방법 및 장치 | |
| Heichel et al. | A System for Real-Time Display and Interactive Training of Predictive Structural Defect Models Deployed on UAV | |
| JP2014062415A (ja) | 軌道検出装置及び軌道監視装置 | |
| CN117880458A (zh) | 一种海运货船上的智能监控系统及其测试验收方法 | |
| CN111626992B (zh) | 一种智能道口验箱方法 | |
| CN211733642U (zh) | 集装箱装船贝位自动识别系统 | |
| Petković et al. | Target detection for visual collision avoidance system |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |
|
| RJ01 | Rejection of invention patent application after publication |