CN111340849A - 一种目标追踪以及目标脱靶量计算软件系统及软件产品 - Google Patents

一种目标追踪以及目标脱靶量计算软件系统及软件产品 Download PDF

Info

Publication number
CN111340849A
CN111340849A CN202010135418.9A CN202010135418A CN111340849A CN 111340849 A CN111340849 A CN 111340849A CN 202010135418 A CN202010135418 A CN 202010135418A CN 111340849 A CN111340849 A CN 111340849A
Authority
CN
China
Prior art keywords
target
image
contrast
miss
miss distance
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
Application number
CN202010135418.9A
Other languages
English (en)
Inventor
崔旭涛
王鲁彬
王诚成
高学强
谢志敏
王春雷
郭奇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yantai Yuantong Information Technology Co ltd
Original Assignee
Yantai Yuantong Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yantai Yuantong Information Technology Co ltd filed Critical Yantai Yuantong Information Technology Co ltd
Priority to CN202010135418.9A priority Critical patent/CN111340849A/zh
Publication of CN111340849A publication Critical patent/CN111340849A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/60—Memory management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/223—Analysis of motion using block-matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种目标追踪以及目标脱靶量计算软件系统及软件产品。其中目标追踪以及目标脱靶量计算软件系统，其特征在于，包括如下系统：DSP模块系统，系统开始运行时，首先初始化，上电初始化DSP各寄存器和全局变量等；图像采集模块系统，图像采集模块为用于图像采集的外部设备，上电的同时初始化外部设备，DSP通过EDMA方式将图像采集模块采集的图像数据采集到片内RAM区；数据处理模块系统，包括目标识别和目标脱靶量计算模块系统；主控平台模块系统，数据处理模块系统通过RS422串口将目标脱靶量等计算结果发送给平台主控系统，图像采集模块系统通过RS422串口接收主控系统发来的控制命。并在上述软件系统的基础上形成软件产品。本发明具有系统简单，测量精准快速，便于设置的特点。

Description

一种目标追踪以及目标脱靶量计算软件系统及软件产品
技术领域
本发明涉及一种目标追踪以及目标脱靶量计算软件系统及软件产品，属于图像识别追踪技术领域。
背景技术
惯性导航是飞机常用的导航方式，也称为惯性系统，惯导系统的基本工作原理是对惯性器件测得的载体角速度、加速度进行积分运算以得到载体的运动参数信息。在惯导系统工作前必须确定载体的初始姿态、速度等信息，这就是初始对准的过程。初始对准的速度和精度，是惯导系统的重要技术指标。
对于机载惯导，初始对准的快慢直接影响飞机出动的反应速度。通常情况下，飞机的惯导需要在飞机静止的时候完成初始对准，即静基座对准。静基座对准的基本原理是利用陀螺仪敏感地球自转角速度，进行对准解算。静基座对准的速度较慢，惯导系统的高精度陀螺仪启动时需要一段时间预热，并且由于载体静止，其方位角的可观测性较差，误差收敛较慢。通常飞机精对准的对准时间需要15分钟左右，若缩短对准时间，即采用“快对准”的方法，则精度较低，只能达到0.05°左右的对准精度，严重影响机载惯导系统的使用性能。
在岸基飞机静基座对准条件下，惯导系统的加速度计受到的干扰很小，在此情况下俯仰和滚转角可以通过加速度计直接观测，从而较快地实现俯仰和滚转角对准，而方位角的对准较慢，需要外部装置进行辅助。因此发明人设想了一种适用于岸基飞机快速对准的光学测量装置总体设计方案，对载机航向角进行快速测量，以辅助惯导系统对准。该系统结构简单，不需在飞机上增添复杂的设备，即可满足飞机快速对准的精度需求，提高飞机的出动反应速度。在本系统中，需要利用光学相机对目标进行图像采集，并对采集的图像进行处理；因此如何设计一套合理的图像处理系统，是研究的一个重点问题。该图像处理系统要解决的问题是，如何通过图像采集来判断是否捕获目标；以及是如何提高对图片的处理速度的问题。
发明内容
本发明针对图像采集和目标识别的问题，提供一种目标追踪以及目标脱靶量计算软件系统及软件产品。
本发明解决上述技术问题的技术方案如下：一种目标追踪以及目标脱靶量计算软件系统，其特征在于，包括如下系统：
DSP模块系统，DSP模块系统具有片内RAM区和主控平台模块系统，系统开始运行时，首先初始化，上电初始化DSP各寄存器和全局变量等；
图像采集模块系统，图像采集模块为用于图像采集的外部设备，上电的同时初始化外部设备，DSP通过EDMA方式将图像采集模块采集的图像数据采集到片内RAM区；
数据处理模块系统，包括目标识别和目标脱靶量计算模块系统；
主控平台模块系统，数据处理模块系统通过RS422串口将目标脱靶量等计算结果发送给平台主控系统，图像采集模块系统通过RS422串口接收主控系统发来的控制命令。
在上述技术方案的基础上，本发明为了达到使用的方便以及装备的稳定性，还可以对上述的技术方案作出如下的改进：
进一步，所述的目标识别和目标脱靶量计算模块系统，是将采集的图像数据通过如下过程进行处理：
第一步，底层图像预处理：图像做中值滤波后，并形成图像的直方图统计，底层图像预处理的底层算法是通过FPGA完成；
第二步，中层目标特征提取：将直方图统计中按照图像灰度的对比度特征分成高、低两个结果：
确定一个阙值：通过读取图像的像素值，以平均值为对比度阈值；或者根据经验设定一个对比度阈值；
小于对比度阈值时，判定为图像对比度较低，即目标的轮廓、纹理等特征都不会十分明显，此时系统采用低对比度目标跟踪技术，算法进入中层的图像灰度拉伸程序，形成弱对比度图像；
大于对比度阈值的进入SIFT特征匹配程序，判定图像的对比度为高，即图像中目标的所有特征都十分明显，此时系统采用定位精度高的SIFT特征匹配来跟踪目标，算法将进入SIFT特征点提取程序，形成高对比度图像；
第三步，顶层目标匹配和定位：在中层目标特征提取后，对于弱对比度图像，采用模糊熵阈值分割技术搜索目标点，并计算出目标的脱靶量；对于高对比度图像，算法将继续SIFT特征提取及匹配后搜索目标点，并计算出目标的脱靶量。
进一步，根据顶层目标匹配和定位中计算出的目标的脱靶量判断是否捕获目标，判断为是则运行结束，当判断为否则重复搜索目标点后计算出目标的脱靶量，然后重复判断是否捕获目标。
在上述的软件系统基础上，还形成了相应的软件产品：
一种目标追踪以及目标脱靶量计算软件产品，其特征在于，包括如下模块：
DSP模块，DSP模块系统具有片内RAM区和主控平台模块，系统开始运行时，首先初始化，上电初始化DSP各寄存器和全局变量等；
图像采集模块，图像采集模块为用于图像采集的外部设备，上电的同时初始化外部设备，DSP通过EDMA方式将图像采集模块采集的图像数据采集到片内RAM区；
数据处理模块，包括目标识别和目标脱靶量计算模块；
主控平台模块，通过RS422串口将目标脱靶量等计算结果发送给平台主控系统，通过RS422串口接收主控系统发来的控制命令。
进一步，所述的目标识别和目标脱靶量计算模块，是将采集的图像数据通过如下过程进行处理：
第一步，底层图像预处理：图像做中值滤波后，并形成图像的直方图统计，底层图像预处理的底层算法是通过FPGA完成；
第二步，中层目标特征提取：将直方图统计中按照图像灰度的对比度特征分成高、低两个结果：
确定一个阙值：通过读取图像的像素值，以平均值为对比度阈值；或者根据经验设定一个对比度阈值；
小于对比度阈值时，判定为图像对比度较低，即目标的轮廓、纹理等特征都不会十分明显，此时系统采用低对比度目标跟踪技术，算法进入中层的图像灰度拉伸程序，形成弱对比度图像；
大于对比度阈值的进入SIFT特征匹配程序，判定图像的对比度为高，即图像中目标的所有特征都十分明显，此时系统采用定位精度高的SIFT特征匹配来跟踪目标，算法将进入SIFT特征点提取程序，形成高对比度图像；
第三步，顶层目标匹配和定位：在中层目标特征提取后，对于弱对比度图像，采用模糊熵阈值分割技术搜索目标点，并计算出目标的脱靶量；对于高对比度图像，算法将继续SIFT特征提取及匹配后搜索目标点，并计算出目标的脱靶量。
进一步，根据顶层目标匹配和定位中计算出的目标的脱靶量判断是否捕获目标，判断为是则运行结束，当判断为否则重复搜索目标点后计算出目标的脱靶量，然后重复判断是否捕获目标。
本发明的优点在于：本申请通过在底层图像预处理中生成直方图，而后根据图像灰度的高低，在中层目标特征提取中对低图像灰度的图像采用图像灰度拉伸程序处理，对高图像灰度的图像采用SIFT特征点提取程序处理，在顶层目标匹配和定位中计算出目标脱靶量；设计的流程合理，结果精确，节约时间。
附图说明
图1为本申请的目标追踪以及目标脱靶量计算软件系统中的图像跟踪流程示意图；
图2为目标识别和目标脱靶量计算模块系统流程示意图；
图3为激光光斑图像坐标分布图。
附图标记记录如下：。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
一种目标追踪以及目标脱靶量计算软件系统(参见图1-3)于，包括如下系统：
DSP模块系统，DSP模块系统具有片内RAM区和主控平台模块系统，系统开始运行时，首先初始化，上电初始化DSP各寄存器和全局变量等；
图像采集模块系统，图像采集模块为用于图像采集的外部设备，常采用EV7500相机，上电的同时初始化外部设备，DSP通过EDMA方式将图像采集模块采集的图像数据采集到片内RAM区；
数据处理模块系统，包括目标识别和目标脱靶量计算模块系统；目标识别和目标脱靶量计算模块系统，是将采集的图像数据通过如下过程进行处理：
第一步，底层图像预处理：图像做中值滤波后，并形成图像的直方图统计，底层图像预处理的底层算法是通过FPGA完成；
第二步，中层目标特征提取：将直方图统计中按照图像灰度的对比度特征分成高、低两个结果：
确定一个阙值(参见图2)：通过读取图像的像素值，以平均值为对比度阈值；或者根据经验设定一个对比度阈值；
例如，使用焦距值大约为100mm的镜头，黑白可见相机采集，激光照射距离1500m左右的目标，成像大小为2×2像素；获得如图2所述的坐标系，根据拍摄的光斑，求出平均值如下表：
序号 X轴 Y轴
平均值(像素数) 19.5 51.6
精度(像素数) 1.07 1.69
小于对比度阈值时，判定为图像对比度较低，即目标的轮廓、纹理等特征都不会十分明显，此时系统采用低对比度目标跟踪技术，算法进入中层的图像灰度拉伸程序，形成弱对比度图像；
大于对比度阈值的进入SIFT特征匹配程序，判定图像的对比度为高，即图像中目标的所有特征都十分明显，此时系统采用定位精度高的SIFT特征匹配来跟踪目标，算法将进入SIFT特征点提取程序，形成高对比度图像；
第三步，顶层目标匹配和定位：在中层目标特征提取后，对于弱对比度图像，采用模糊熵阈值分割技术搜索目标点，并计算出目标的脱靶量；对于高对比度图像，算法将继续SIFT特征提取及匹配后搜索目标点，并计算出目标的脱靶量；
根据顶层目标匹配和定位中计算出的目标的脱靶量判断是否捕获目标，判断为是则运行结束，当判断为否则重复搜索目标点后计算出目标的脱靶量，然后重复判断是否捕获目标。是否捕获目标以目标点距离原点的距离与设定的距离比较进行判断，大于则未捕获，小于或等于则捕获；
主控平台模块系统，数据处理模块系统通过RS422串口将目标脱靶量等计算结果发送给平台主控系统，图像采集模块系统通过RS422串口接收主控系统发来的控制命令。
在上述软件系统的基础上，可以形成相应的软件产品。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种目标追踪以及目标脱靶量计算软件系统，其特征在于，包括如下系统：
DSP模块系统，DSP模块系统具有片内RAM区和主控平台模块系统，系统开始运行时，首先初始化，上电初始化DSP各寄存器和全局变量等；
图像采集模块系统，图像采集模块为用于图像采集的外部设备，上电的同时初始化外部设备，DSP通过EDMA方式将图像采集模块采集的图像数据采集到片内RAM区；
数据处理模块系统，包括目标识别和目标脱靶量计算模块系统；
主控平台模块系统，数据处理模块系统通过RS422串口将目标脱靶量等计算结果发送给平台主控系统，图像采集模块系统通过RS422串口接收主控系统发来的控制命令。
2.根据权利要求1所述的目标追踪以及目标脱靶量计算软件系统，其特征在于，所述的目标识别和目标脱靶量计算模块系统，是将采集的图像数据通过如下过程进行处理：
第一步，底层图像预处理：图像做中值滤波后，并形成图像的直方图统计，底层图像预处理的底层算法是通过FPGA完成；
第二步，中层目标特征提取：将直方图统计中按照图像灰度的对比度特征分成高、低两个结果：
确定一个阙值：通过读取图像的像素值，以平均值为对比度阈值；或者根据经验设定一个对比度阈值；
小于对比度阈值时，判定为图像对比度较低，即目标的轮廓、纹理等特征都不会十分明显，此时系统采用低对比度目标跟踪技术，算法进入中层的图像灰度拉伸程序，形成弱对比度图像；
大于对比度阈值的进入SIFT特征匹配程序，判定图像的对比度为高，即图像中目标的所有特征都十分明显，此时系统采用定位精度高的SIFT特征匹配来跟踪目标，算法将进入SIFT特征点提取程序，形成高对比度图像；
第三步，顶层目标匹配和定位：在中层目标特征提取后，对于弱对比度图像，采用模糊熵阈值分割技术搜索目标点，并计算出目标的脱靶量；对于高对比度图像，算法将继续SIFT特征提取及匹配后搜索目标点，并计算出目标的脱靶量。
3.根据权利要求2所述的目标追踪以及目标脱靶量计算软件系统，其特征在于，根据顶层目标匹配和定位中计算出的目标的脱靶量判断是否捕获目标，判断为是则运行结束，当判断为否则重复搜索目标点后计算出目标的脱靶量，然后重复判断是否捕获目标。
4.一种目标追踪以及目标脱靶量计算软件产品，其特征在于，包括如下模块：
DSP模块，DSP模块系统具有片内RAM区和主控平台模块，系统开始运行时，首先初始化，上电初始化DSP各寄存器和全局变量等；
图像采集模块，图像采集模块为用于图像采集的外部设备，上电的同时初始化外部设备，DSP通过EDMA方式将图像采集模块采集的图像数据采集到片内RAM区；
数据处理模块，包括目标识别和目标脱靶量计算模块；
主控平台模块，数据处理模块通过RS422串口将目标脱靶量等计算结果发送给平台主控系统，图像采集模块通过RS422串口接收主控系统发来的控制命令。
5.根据权利要求4所述的目标追踪以及目标脱靶量计算软件产品，其特征在于，所述的目标识别和目标脱靶量计算模块，是将采集的图像数据通过如下过程进行处理：
第一步，底层图像预处理：图像做中值滤波后，并形成图像的直方图统计，底层图像预处理的底层算法是通过FPGA完成；
第二步，中层目标特征提取：将直方图统计中按照图像灰度的对比度特征分成高、低两个结果：
确定一个阙值：通过读取图像的像素值，以平均值为对比度阈值；或者根据经验设定一个对比度阈值；
小于对比度阈值时，判定为图像对比度较低，即目标的轮廓、纹理等特征都不会十分明显，此时系统采用低对比度目标跟踪技术，算法进入中层的图像灰度拉伸程序，形成弱对比度图像；
大于对比度阈值的进入SIFT特征匹配程序，判定图像的对比度为高，即图像中目标的所有特征都十分明显，此时系统采用定位精度高的SIFT特征匹配来跟踪目标，算法将进入SIFT特征点提取程序，形成高对比度图像；
第三步，顶层目标匹配和定位：在中层目标特征提取后，对于弱对比度图像，采用模糊熵阈值分割技术搜索目标点，并计算出目标的脱靶量；对于高对比度图像，算法将继续SIFT特征提取及匹配后搜索目标点，并计算出目标的脱靶量。
6.根据权利要求5所述的目标追踪以及目标脱靶量计算软件产品，其特征在于，根据顶层目标匹配和定位中计算出的目标的脱靶量判断是否捕获目标，判断为是则运行结束，当判断为否则重复搜索目标点后计算出目标的脱靶量，然后重复判断是否捕获目标。
CN202010135418.9A 2020-03-02 2020-03-02 一种目标追踪以及目标脱靶量计算软件系统及软件产品 Pending CN111340849A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010135418.9A CN111340849A (zh) 2020-03-02 2020-03-02 一种目标追踪以及目标脱靶量计算软件系统及软件产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010135418.9A CN111340849A (zh) 2020-03-02 2020-03-02 一种目标追踪以及目标脱靶量计算软件系统及软件产品

Publications (1)

Publication Number Publication Date
CN111340849A true CN111340849A (zh) 2020-06-26

Family

ID=71185859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010135418.9A Pending CN111340849A (zh) 2020-03-02 2020-03-02 一种目标追踪以及目标脱靶量计算软件系统及软件产品

Country Status (1)

Country Link
CN (1) CN111340849A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106338808A (zh) * 2016-10-17 2017-01-18 湖北航天技术研究院总体设计所 一种目标跟踪控制系统
CN108319918A (zh) * 2018-02-05 2018-07-24 中国科学院长春光学精密机械与物理研究所 一种嵌入式跟踪器及应用于嵌入式跟踪器的目标跟踪方法
US20190035088A1 (en) * 2017-07-31 2019-01-31 National Technology & Engineering Solutions Of Sandia, Llc Data-driven delta-generalized labeled multi-bernoulli tracker
CN109559333A (zh) * 2018-12-05 2019-04-02 中国科学院长春光学精密机械与物理研究所 跟踪记录装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106338808A (zh) * 2016-10-17 2017-01-18 湖北航天技术研究院总体设计所 一种目标跟踪控制系统
US20190035088A1 (en) * 2017-07-31 2019-01-31 National Technology & Engineering Solutions Of Sandia, Llc Data-driven delta-generalized labeled multi-bernoulli tracker
CN108319918A (zh) * 2018-02-05 2018-07-24 中国科学院长春光学精密机械与物理研究所 一种嵌入式跟踪器及应用于嵌入式跟踪器的目标跟踪方法
CN109559333A (zh) * 2018-12-05 2019-04-02 中国科学院长春光学精密机械与物理研究所 跟踪记录装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郝志成: "决策主导的多模式融合目标跟踪算法", 《仪器仪表学报》 *

Similar Documents

Publication Publication Date Title
CN103149939B (zh) 一种基于视觉的无人机动态目标跟踪与定位方法
CN107677274B (zh) 基于双目视觉的无人机自主着陆导航信息实时解算方法
CN106127145A (zh) 瞳孔定位及跟踪方法
CN101839722A (zh) 一种中低空下目标自动识别及载体高精度定位方法
CN109376208A (zh) 一种基于智能终端的定位方法、系统、存储介质及设备
CN112990128A (zh) 一种基于视频跟踪的多车辆测速方法
Nagy et al. SFM and semantic information based online targetless camera-LIDAR self-calibration
Li et al. The application of Yolov4 and a new pedestrian clustering algorithm to implement social distance monitoring during the COVID-19 pandemic
CN114549549B (zh) 一种动态环境下基于实例分割的动态目标建模跟踪方法
CN111275056B (zh) 用于计算目标脱靶量的目标识别软件系统及目标识别系统
CN111340849A (zh) 一种目标追踪以及目标脱靶量计算软件系统及软件产品
CN113655806B (zh) 一种无人机群辅助降落方法
CN110231836A (zh) 一种引导无人机降落在移动靶标的方法
Yang et al. Method for building recognition from FLIR images
CN112862862B (zh) 基于人工智能视觉跟踪的飞机自主受油装置及应用方法
CN110836618B (zh) 一种用于半捷联红外导引头的制导信息提取方法及系统
CN113436276A (zh) 基于视觉相对定位的多无人机编队方法
CN111738082A (zh) 基于机器视觉自动跟踪定位火灾火源点的识别方法和装置
CN116168543B (zh) 基于毫米波雷达的车辆轨迹修正方法、装置及存储介质
CN112597799B (zh) 一种基于视觉的固定翼飞行器飞行趋势判断方法
Luo et al. Structure extraction of straight wing aircraft using consistent line clustering
CN114998836B (zh) 机场跑道全景监控方法及装置
Luo et al. Research on target location of unmanned aerial vehicles in parallel path
Zou et al. An improved motion pedestrian tracking algorithm based on CamShift
Zhi et al. Research on a Miss Distance Measurement Method Based on UAV

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200626