CN111158014A - 多雷达综合探鸟系统 - Google Patents
多雷达综合探鸟系统 Download PDFInfo
- Publication number
- CN111158014A CN111158014A CN201911401868.1A CN201911401868A CN111158014A CN 111158014 A CN111158014 A CN 111158014A CN 201911401868 A CN201911401868 A CN 201911401868A CN 111158014 A CN111158014 A CN 111158014A
- Authority
- CN
- China
- Prior art keywords
- bird
- dynamic
- point cloud
- point
- static
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及雷达探鸟技术领域,具体涉及多雷达综合探鸟系统,采集模块包括安装座和多个成像单元,成像单元用于通过激光雷达成像方法采集环境图像,成像单元均匀分布在安装座上;探鸟模块用于对环境图像滤波并将像素点分成动态点和静态点,探鸟模块对动态点进行聚类得到动态点云子集,探鸟模块对动态点云子集求集合的外切球半径并将外切球半径小于第三阈值的点云作为前期疑似鸟点,探鸟模块搜索当前时刻的前期疑似鸟点在上一时刻第二阈值范围内有疑似鸟点,且在当前时刻该前期疑似鸟点的第一阈值范围内无静态点时向处理模块发送命中信号;处理模块收到命中信号时判断为鸟类。本发明防止鸟类刚从树上飞出时被误判为静态点,提高鸟类探测的准确性。
Description
技术领域
本发明涉及雷达探鸟技术领域,具体涉及多雷达综合探鸟系统。
背景技术
鸟类的栖息状况是环境好坏的评价因素之一,但是部分环境是不允许鸟类随意飞行的,例如机场和变电站等,鸟类对于机场来说危险性非常大,是因为飞行中的鸟类相对于飞行的飞机间叠加的相对速度非常大,例如一只体重为500克的鸟与时速为370公里的飞机相撞时,将会产生3吨的冲击力,相当于飞机遭到一枚炮弹的袭击,如此巨大的冲击力可能会导致飞机产生极其严重的损坏,而变电站所处的自然环境好,鸟类种类以及数量都较多,因变电站内电力设备运行产生热量而温度高于周围,鸟类喜欢在变电站周围或电力设备上栖息筑巢,导致电子设备故障,所以,机场和变电站等环节周围的驱鸟操作非常重要。
现有的鸟类探测系统通过雷达和红外等技术进行,在探测鸟类的过程中,部分变电站的周围环境具有较多人行走活动,因人类活动过程中的风筝以及无人机等设备也能够在空中飞行,且部分鸟类不惧怕人类,变电站周围的鸟类探测很容易受到人类活动的干扰;而且机场或变电站的周围环境较为广阔,如果设置一个探测装置,探测的视角覆盖范围有限,探测范围太小,若设置太多的探测系统,成本太大。
发明内容
本发明意在提供一种多雷达综合探鸟系统,以解决探测覆盖面小的问题。
本方案中的多雷达综合探鸟系统,包括:
采集模块,包括安装座和多个同步转动的成像单元,所述成像单元用于通过激光雷达成像方法采集环境图像,所述成像单元均匀分布在安装座上,所述六个成像单元的垂直角度之和为180°,处理模块获取环境图像并发送至探鸟模块;
探鸟模块,用于对环境图像滤波并将像素点分成动态点和静态点,所述探鸟模块以变动的聚类半径来对动态点进行聚类得到动态点云子集,所述探鸟模块对动态点云子集求集合的外切球半径并将外切球半径小于第三阈值的点云作为前期疑似鸟点,所述探鸟模块搜索当前时刻前期疑似鸟点在上一时刻时第二阈值范围内有疑似鸟点,且所述探鸟模块在当前时刻该前期疑似鸟点的第一阈值范围内无静态点时向处理模块发送命中信号;
处理模块收到命中信号时判断为鸟类。
本方案的有益效果是:
通过采集模块的多个成像单元获得环境图像,然后将每个成像单元采集得到的环境图像进行处理,将采集到的环境图像通过滤波对点云进行分类,然后对分类后的动态点进行聚类,再结合与静态点云距离筛选的方案,大大提高了实时性,探鸟算法基本可以实现与激光采集同步进行,无滞后。
多个成像单元的覆盖范围全面,提高探测覆盖面,同时,对探鸟获得的环境图像仅进行动态聚类,减少了对环境图像所有三维像素点进行聚类的计算量,并对动态聚类进行处理得到前期疑似鸟点,再次对动态聚类一定范围内的静态点进行判断,防止鸟类刚从树上飞出时被误判为静态点,提高鸟类探测的准确性。
进一步,所述成像单元为六个,所述成像单元的垂直方向具有十六条激光射线且激光射线间间隔2°依次分布。
有益效果是:成像单元的激光射线间隔小,减小探测遗漏。
进一步,所述成像单元以轴心为中心依次倾斜30°的方式排列。
有益效果是:成像单元的分布情况能够保证在转动时同一弧线上的采集范围,增大探测的覆盖范围。
进一步,所述安装座上开设有多个放置成像单元的旋转腔,所述旋转腔以轴心为中心依次倾斜30°开设,所述旋转腔的底面上固设有弹性的粘座,所述成像单元粘接在粘座的端面上。
有益效果是:成像单元在转动过程中,激光射线能够从旋转腔射出,保证成像单元投射出激光射线进行成像。
进一步,所述探鸟模块包括滤波单元,所述滤波单元通过滤波窗口在环境图像每个像素点的水平向进行滤波,所述滤波单元在滤波窗口中的当前时刻点云与上一时刻点云的距离小于设定阈值时发送静态信号,所述滤波单元在滤波窗口中的当前时刻点云与上一时刻点云的距离大于设定阈值时发送动态信号。
有益效果是:对图像数据中的像素点进行滤波,并将滤波窗口当前时刻点云与上一时刻点云的距离进行比较分类,逐一搜索图像数据中的像素点,避免遗漏像素点的特征。
进一步,所述探鸟模块还包括标签单元,所述处理模块获取静态信号和动态信号发送至标签单元,所述标签单元根据静态信号给当前时刻点云添加静态标签,所述标签单元根据动态信号给当前时刻点云添加动态标签,所述处理模块根据静态标签形成静态点云集,所述处理模块根据动态标签形成动态点云集。
有益效果是:将图像数据中的像素点分类后添加上标签,并形成不同的点云集,方便后续对动态点云集进行聚类以及进行与静态点的距离筛选。
进一步,所述探鸟模块还包括聚类单元,所述聚类单元对动态点云集以变动的聚类半径进行聚类得到动态点云子集,所述聚类半径与目标至采集模块的间距成正比。
有益效果是:通过将环境图像中的动态点云单独聚类分析,减少计算量,聚类单元通过变动的聚类半径进行聚类,相对于现有固定聚类半径的聚类方式,提高了探鸟的准确性。
进一步,所述探鸟模块还包括筛选单元,所述处理模块对动态点云子集求集合的外切球半径并将外切球半径小于第三阈值的点云作为前期疑似鸟点,所述筛选单元搜索当前时刻的前期疑似鸟点在上一时刻第二阈值范围内有疑似鸟点,且所述筛选单元在当前时刻该前期疑似鸟点的第一阈值范围内时无静态点向处理模块发送命中信号。
有益效果是:对前期疑似鸟点的判断,防止图像数据中孤立噪点的干扰,提高探鸟的准确性。
进一步,所述聚类半径根据目标与采集模块的间距计算得到。
有益效果是:聚类半径按照目标至采集模块的间距成正比设置,提高探鸟的准确性。
附图说明
图1为本发明多雷达综合探鸟系统实施例一的逻辑框图;
图2为本发明多雷达综合探鸟系统实施例一中安装座的纵向剖面图。
具体实施方式
下面通过具体实施方式进一步详细说明。
说明书附图中的附图标记包括:安装座1、旋转腔2、成像单元3、粘座4。
实施例一
多雷达综合探鸟系统,如图1所示,包括采集模块、探鸟模块和处理模块,采集模块信号连接处理模块,探鸟模块信号连接处理模块。
如图2所示,采集模块包安装座1和多个同步转动的成像单元3,成像单元3为六个,成像单元3的垂直方向具有十六条激光射线且激光射线间间隔2°依次分布,成像单元3沿着安装座1顶端面上同一直径对应的弧线中心对称分布,成像单元3以轴心为中心依次倾斜30°的方式排列,安装座1上开设有多个放置成像单元3的旋转腔2,旋转腔2以轴心为中心依次倾斜30°开设,旋转腔2的底面上粘接有弹性的粘座4,粘座4成工字形,成像单元3粘接在粘座4的端面上,即六个粘座4,成像单元3可用RS-LiDAR-16型号的激光雷达,成像单元3往复摆动180°,安装座1的顶端面成半圆弧面。
成像单元3用于通过激光雷达成像方法采集环境图像,成像通过发送多束激光束,当一束激光照射到目标物体表面时,所反射的激光会携带方位、距离等信息,然后根据反射光束得到环境图像,成像单元3的成像角度为30°,成像单元3均匀分布在安装座1上,成像单元3的采集角度之和为180°。
处理模块用于获取采集模块的环境图像并发送至探鸟模块,探鸟模块对环境图像滤波并将像素点分成动态点和静态点,探鸟模块以变动的聚类半径来对动态点进行聚类得到动态点云子集,探鸟模块对动态点云子集求集合的外切球半径并将外切球半径小于第三阈值的点云作为前期疑似鸟点,探鸟模块搜索当前时刻前期疑似鸟点在上一时刻时第二阈值范围内的疑似鸟点,且探鸟模块在当前时刻该前期疑似鸟点的第一阈值范围内无静态点时向处理模块发送命中信号。
探鸟模块包括滤波单元、标签单元、聚类单元和筛选单元,滤波单元通过滤波窗口在环境图像每个像素点的水平向左右一个像素进行滤波,滤波单元在滤波窗口中的当前时刻点云与上一时刻点云的距离小于设定阈值时发送静态信号,滤波单元在滤波窗口中的当前时刻点云与上一时刻点云的距离大于设定阈值时发送动态信号,处理模块获取静态信号和动态信号发送至标签单元,标签单元根据静态信号给当前时刻点云添加静态标签,标签单元根据动态信号给当前时刻点云添加动态标签,处理模块根据静态标签形成静态点云集,处理模块根据动态标签形成动态点云集,聚类单元对动态点云集以变动的聚类半径进行聚类得到动态点云子集,聚类半径与目标至采集模块的间距成正比,处理模块对动态点云子集求集合的外切球半径并将外切球半径小于第三阈值的点云作为前期疑似鸟点,筛选单元搜索到当前时刻前期疑似鸟点在上一时刻时第二阈值范围内的疑似鸟点,且筛选单元在当前时刻该前期疑似鸟点的第一阈值范围内时无静态点向处理模块发送命中信号,处理模块根据命中信号判断探测到鸟类。
具体实施过程如下:
在使用时,将采集模块的安装座1安装到待检测的位置上,例如将安装座1焊接在检测位置处,检测过程中由成像单元3自身的转动原理进行转动,多个成像单元3同步转动,成像单元3形成的180°的扫描范围在转动一周后形成360°上半球体状的扫描范围,实现50m范围内的探鸟功能,使用10Hz的采样频率时水平角分辨率为0.18°,本实施例一中所说的时刻均是指0.1s内,每个激光一圈数据为2000个采样点,故16个激光线束旋转一周即一帧的采样点数为16*2000,可组织成类似16*2000像素的图像数据,从而得到由三维点云形成的环境图像,按照空间位置距离关系以八叉树的形式存储三维点云数据以供后续数据处理,环境图像的传送主要使用UDP协议,采用以太网介质传输数据包,随后通过解析MSOP包,提取得到激光测距值、回波反射率、水平旋转角和时间戳。
数据采集时,对六个成像单元3的成像数据连续采集12次,使用前11张16*2000图像,采集的数据由滤波单元通过一个像素水平向左右一个像素的滤波窗口进行滤波,将像素点分为静态点和动态点,再由标签模块给静态点和动态点添加标签,即对点云数据的环境图像采取时间域与空间域结合的滤波方式,清除环境中的静态障碍物反射得到的点云,清除一些动态噪点及反光率较低的点云点。
由于激光的16通道线束在垂直方向呈扇形且间隔2°分布,故目标距离激光中心越近,相邻激光束垂直投射到目标上的点云间距越小,由聚类单元对动态点以动态的聚类半径进行聚类得到动态点云子集,聚类半径标表示为r=(2*PI/360)*d+s,以在50m处为例,计算得到的聚类半径为1.717m,实际测量得垂直的高度为1.728m,故s可取1.728-1.717m,最后由筛选单元在聚类半径范围内筛选静态点,即根据点云的空间关系,空间欧氏距离小于1.72m的点云进行聚类形成动态点云子集。
得到动态点云子集后,处理模块对动态点云子集求集合的外切球半径,处理模块将外切球半径小于第三阈值的点云作为前期疑似鸟点,将前期疑似鸟点发送至筛选单元,由筛选单元搜索当前时刻的前期疑似鸟点在第二阈值范围内的疑似鸟点,筛选单元同时搜索在上一时刻该前期疑似鸟点的第一阈值范围内无静态点,此时由筛选模块向处理模块发送确认信号,处理模块根据确认信号判断具有鸟类。
本发明通过让每个成像单元3构成30×180°的扫描线,然后六个成像单元构成上半球形的扫描区域,多个成像单元3的覆盖范围全面,同时,对探鸟获得的环境图像仅进行动态聚类,减少了对环境图像所有三维像素点进行聚类的计算量,并对前期疑似鸟点进行判断,防止短时间闪现的孤立噪点被误认为是鸟,提高鸟类探测的准确性。
实施例二
与实施例一的区别是,第一阈值由处理模块根据激光垂直角分辨率和探测范围计算得到,垂直角分辨率为0.18°,探测范围以50m为例,以探测范围为半径,垂直角分分辨率为圆心角,再根据扇形的弧长计算公式可得到第一阈值=(0.18*pi/180)*50;第二阈值由处理模块根据鸟的飞行速度和激光采样周期相乘计算得到,探鸟模块包括测速单元,测速单元用于测量鸟类飞行速度,例如鸟的飞行速度为9m/s,鸟的飞行速度可取一般鸟的飞行速度32~48km/h;第三阈值由处理模块根据鸟类尺寸进行自适应确定,根据鸟类尺寸进行疑似鸟点的划分,例如鸟类的尺寸0.3m,第三阈值可设置成0.3m,排除人和移动车辆等的干扰因素,提高后续根据疑似鸟点进行分析鸟类位置的准确性,对疑似鸟点在第一阈值范围内的静点进行搜索,排除干扰因素,根据鸟类飞行速度确定的范围搜索上一时刻的该疑似鸟点,提高连续性,探鸟更准确。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (9)
1.多雷达综合探鸟系统,其特征在于,包括:
采集模块,包括安装座和多个同步转动的成像单元,所述成像单元用于通过激光雷达成像方法采集环境图像,所述成像单元均匀分布在安装座上,所述六个成像单元的垂直角度之和为180°,处理模块用于获取环境图像并发送至探鸟模块;
探鸟模块,用于对环境图像滤波并将像素点分成动态点和静态点,所述探鸟模块以变动的聚类半径来对动态点进行聚类得到动态点云子集,所述探鸟模块对动态点云子集求集合的外切球半径并将外切球半径小于第三阈值的点云作为前期疑似鸟点,所述探鸟模块搜索当前时刻前期疑似鸟点在上一时刻时第二阈值范围内有疑似鸟点,且所述探鸟模块在当前时刻该前期疑似鸟点的第一阈值范围内无静态点时向处理模块发送命中信号;
处理模块收到命中信号时判断为鸟类。
2.根据权利要求1所述的多雷达综合探鸟系统,其特征在于:所述成像单元为六个,所述成像单元的垂直方向具有十六条激光射线且激光射线间间隔2°依次分布。
3.根据权利要求2所述的多雷达综合探鸟系统,其特征在于:所述成像单元以轴心为中心依次倾斜30°的方式排列。
4.根据权利要求3所述的多雷达综合探鸟系统,其特征在于:所述安装座上开设有多个放置成像单元的旋转腔,所述旋转腔以轴心为中心依次倾斜30°开设,所述旋转腔的底面上固设有弹性的粘座,所述成像单元粘接在粘座的端面上。
5.根据权利要求1所述的多雷达综合探鸟系统,其特征在于:所述探鸟模块包括滤波单元,所述滤波单元通过滤波窗口在环境图像每个像素点的水平向进行滤波,所述滤波单元在滤波窗口中的当前时刻点云与上一时刻点云的距离小于设定阈值时发送静态信号,所述滤波单元在滤波窗口中的当前时刻点云与上一时刻点云的距离大于设定阈值时发送动态信号。
6.根据权利要求5所述的多雷达综合探鸟系统,其特征在于:所述探鸟模块还包括标签单元,所述处理模块获取静态信号和动态信号发送至标签单元,所述标签单元根据静态信号给当前时刻点云添加静态标签,所述标签单元根据动态信号给当前时刻点云添加动态标签,所述处理模块根据静态标签形成静态点云集,所述处理模块根据动态标签形成动态点云集。
7.根据权利要求6所述的多雷达综合探鸟系统,其特征在于:所述探鸟模块还包括聚类单元,所述聚类单元对动态点云集以变动的聚类半径进行聚类得到动态点云子集,所述聚类半径与目标至采集模块的间距成正比。
8.根据权利要求7所述的多雷达综合探鸟系统,其特征在于:所述探鸟模块还包括筛选单元,所述处理模块对动态点云子集求集合的外切球半径并将外切球半径小于第三阈值的点云作为前期疑似鸟点,所述筛选单元搜索当前时刻的前期疑似鸟点在上一时刻时第二阈值范围内有疑似鸟点,且所述筛选单元在当前时刻该前期疑似鸟点的第一阈值范围内时无静态点向处理模块发送命中信号。
9.根据权利要求7所述的多雷达综合探鸟系统,其特征在于:所述聚类半径根据目标与采集模块的间距计算得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911401868.1A CN111158014B (zh) | 2019-12-30 | 2019-12-30 | 多雷达综合探鸟系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911401868.1A CN111158014B (zh) | 2019-12-30 | 2019-12-30 | 多雷达综合探鸟系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111158014A true CN111158014A (zh) | 2020-05-15 |
CN111158014B CN111158014B (zh) | 2023-06-30 |
Family
ID=70559303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911401868.1A Active CN111158014B (zh) | 2019-12-30 | 2019-12-30 | 多雷达综合探鸟系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111158014B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800935A (zh) * | 2021-01-25 | 2021-05-14 | 山东大学 | 一种基于激光雷达的虫群轨迹预测和虫害防治效果评估设备及布设方法 |
CN116148862A (zh) * | 2023-01-16 | 2023-05-23 | 无锡市雷华科技有限公司 | 一种探鸟雷达飞鸟综合预警评估方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038340A (zh) * | 2007-02-02 | 2007-09-19 | 宁焕生 | 探鸟雷达系统软件设计方案 |
CN101285883A (zh) * | 2008-06-11 | 2008-10-15 | 北京航空航天大学 | 移动式雷达探鸟装置 |
CN101414006A (zh) * | 2008-11-28 | 2009-04-22 | 北京航空航天大学 | 一种基于雷达图像的飞鸟目标识别与跟踪方法 |
US20130202197A1 (en) * | 2010-06-11 | 2013-08-08 | Edmund Cochrane Reeler | System and Method for Manipulating Data Having Spatial Co-ordinates |
CN108254747A (zh) * | 2017-12-04 | 2018-07-06 | 国网江西省电力有限公司电力科学研究院 | 一种基于雷达的鸟群监测方法 |
US20180203124A1 (en) * | 2017-01-17 | 2018-07-19 | Delphi Technologies, Inc. | Object detection system |
US10139493B1 (en) * | 2016-07-06 | 2018-11-27 | Near Earth Autonomy, Inc. | Rotor safety system |
CN110146865A (zh) * | 2019-05-31 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 用于雷达图像的目标识别方法及装置 |
US20190293766A1 (en) * | 2018-03-26 | 2019-09-26 | Research Foundation Of The City University Of New York | Lidar sytem for detection of small flying objects |
CN110428008A (zh) * | 2019-08-02 | 2019-11-08 | 深圳市唯特视科技有限公司 | 一种基于多融合传感器的目标探测与识别装置和方法 |
-
2019
- 2019-12-30 CN CN201911401868.1A patent/CN111158014B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101038340A (zh) * | 2007-02-02 | 2007-09-19 | 宁焕生 | 探鸟雷达系统软件设计方案 |
CN101285883A (zh) * | 2008-06-11 | 2008-10-15 | 北京航空航天大学 | 移动式雷达探鸟装置 |
CN101414006A (zh) * | 2008-11-28 | 2009-04-22 | 北京航空航天大学 | 一种基于雷达图像的飞鸟目标识别与跟踪方法 |
US20130202197A1 (en) * | 2010-06-11 | 2013-08-08 | Edmund Cochrane Reeler | System and Method for Manipulating Data Having Spatial Co-ordinates |
US10139493B1 (en) * | 2016-07-06 | 2018-11-27 | Near Earth Autonomy, Inc. | Rotor safety system |
US20180203124A1 (en) * | 2017-01-17 | 2018-07-19 | Delphi Technologies, Inc. | Object detection system |
CN108254747A (zh) * | 2017-12-04 | 2018-07-06 | 国网江西省电力有限公司电力科学研究院 | 一种基于雷达的鸟群监测方法 |
US20190293766A1 (en) * | 2018-03-26 | 2019-09-26 | Research Foundation Of The City University Of New York | Lidar sytem for detection of small flying objects |
CN110146865A (zh) * | 2019-05-31 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 用于雷达图像的目标识别方法及装置 |
CN110428008A (zh) * | 2019-08-02 | 2019-11-08 | 深圳市唯特视科技有限公司 | 一种基于多融合传感器的目标探测与识别装置和方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800935A (zh) * | 2021-01-25 | 2021-05-14 | 山东大学 | 一种基于激光雷达的虫群轨迹预测和虫害防治效果评估设备及布设方法 |
CN112800935B (zh) * | 2021-01-25 | 2022-04-15 | 山东大学 | 一种虫群轨迹预测和虫害防治效果评估设备的布设方法 |
CN116148862A (zh) * | 2023-01-16 | 2023-05-23 | 无锡市雷华科技有限公司 | 一种探鸟雷达飞鸟综合预警评估方法 |
CN116148862B (zh) * | 2023-01-16 | 2024-04-02 | 无锡市雷华科技有限公司 | 一种探鸟雷达飞鸟综合预警评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111158014B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11428798B2 (en) | Radar based system and method for detection of an object and generation of plots holding radial velocity data, and system for detection and classification of unmanned aerial vehicles, UAVs | |
US11061114B2 (en) | Radar system for the detection of drones | |
US11054504B2 (en) | Avian detection system | |
CN111158013B (zh) | 多算法融合探鸟系统 | |
GB2430098A (en) | Anti-personnel airborne radar application for human tracking | |
ES2972162T3 (es) | Sistema y método de detección de animales voladores | |
EP3715901A1 (en) | Detection and classification of unmanned aerial vehicles | |
CN111077539B (zh) | 基于激光雷达的探鸟系统 | |
US11441543B2 (en) | System recording the collisions of flying animals with wind turbines, its application and manner of recording collisions of flying animals with wind turbines with the use of the system | |
CN111158014A (zh) | 多雷达综合探鸟系统 | |
US7414566B2 (en) | System for monitoring airport area | |
Nohara et al. | An overview of avian radar developments–past, present and future | |
Dimitropoulos et al. | Aircraft detection and tracking using intelligent cameras | |
US11754698B2 (en) | Radar based system for processing radar data representing range and radial velocity of a detected object | |
CN115033026B (zh) | 搭载云台的斜侧装无人机毫米波雷达避障和定高方法 | |
Chen et al. | Detection and recognition of UA targets with multiple sensors | |
Sedunov et al. | Long-term testing of acoustic system for tracking low-flying aircraft | |
Atkinson et al. | The role of target signatures in bird-drone classification | |
Gong et al. | Using the wingbeat corner reflector effect to increase detection range of avian radar systems | |
Weber et al. | Affordable, real-time, 3-D avian radar networks for centralized North American bird advisory systems | |
Osadchyi et al. | Mathematical model of bird species identifying: implication of radar data processing | |
CN114027288B (zh) | 基于风电场的多信源综合处理护鸟装置和方法 | |
CN207992067U (zh) | 一种适用于接触网运行环境安全状态检测的装置 | |
Yeşil et al. | A radar target classification approach for bird elimination | |
CN116973875A (zh) | 路网上基于时空锚点的移动对象群体和个体运动的监测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |