CN111354015B - 桥梁防撞激光校准系统及其使用方法 - Google Patents
桥梁防撞激光校准系统及其使用方法 Download PDFInfo
- Publication number
- CN111354015B CN111354015B CN202010118560.2A CN202010118560A CN111354015B CN 111354015 B CN111354015 B CN 111354015B CN 202010118560 A CN202010118560 A CN 202010118560A CN 111354015 B CN111354015 B CN 111354015B
- Authority
- CN
- China
- Prior art keywords
- personal computer
- industrial personal
- data
- information
- range finder
- 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
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
-
- 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
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
-
- 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
- G06T2207/20004—Adaptive image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了桥梁防撞激光校准系统及其使用方法,包括全站仪、激光测距仪和云台;全站仪、激光测距仪和云台均与工控机连接,工控机对全站仪、激光测距仪和云台进行控制,工控机内软件对全站仪、激光测距仪和云台采集到的数据进行校准处理;在工作时,工控机根据操作人员的指令控制全站仪、激光测距仪和云台运行到指定位置采集信息,并将采集到的信息发送回工控机,工控机内软件对数据进行校准处理,最后工控机将处理后的数据传递给图像采集系统。本发明的应用实现整个主动防船撞系统的航行防护精确监测与预警功能,提出标准化思路和相关设计成果。
Description
技术领域
本发明涉及桥梁防撞技术领域,特别涉及桥梁防撞激光校准系统及其使用方法。
背景技术
现有的内河航道桥梁分布密集,除“一环十射”高等级航道外,其余内河航道等级普遍偏低。
鉴于航道、桥梁等设施自身条件落后的现状和船舶大型化趋势,跨航道桥梁的水上安全形势越来越严峻,有必要采取一系列措施消除或减轻其水上安全隐患。
其中,增设防撞墩是减轻桥梁安全隐患和提高桥梁防撞能力的一个主要工程措施。而在实际应用总,如果防撞设计采取“一桥一专题”的设计工作方法,则设计工作量巨大,项目前期和设计周期较长,难以满足上海市提出的尽早消除或减轻桥梁水上安全隐患的需求。
因此,针对内河跨航道桥梁的防撞工程,面对不同外部环境的桥梁,如何化繁为简,实现可靠的桥梁防撞方案,成为本领域技术人员急需解决的技术问题。
发明内容
有鉴于现有技术的上述缺陷,本发明提供桥梁防撞激光校准系统及其使用方法,实现的目的是实现整个主动防船撞系统的航行防护精确监测与预警功能,提出标准化思路和相关设计成果。
为实现上述目的,本发明公开了桥梁防撞激光校准系统,包括全站仪、激光测距仪和云台。
其中,所述全站仪、所述激光测距仪和所述云台均与工控机连接,所述工控机对所述全站仪、所述激光测距仪和所述云台进行控制,工控机内软件对所述全站仪、所述激光测距仪和所述云台采集到的数据进行校准处理;
在工作时,所述工控机根据操作人员的指令控制所述全站仪、所述激光测距仪和所述云台运行到指定位置采集信息,并将采集到的信息发送回所述工控机,所述工控机内软件对数据进行校准处理,最后所述工控机将处理后的数据传递给图像采集系统;
所述工控机内软件采用多特征自适应融合的多目标跟踪算法,将融合信息目标模型结合到Camshift跟踪算法中,得出更为准确和可靠的通过所述桥梁的物体信息。
优选的,所述工控机通过所述全站仪和所述激光测距仪采集的数据对雷达/可见光图像系统采集数据进行校准,采用多特征自适应融合的多目标跟踪算法,将融合信息目标模型结合到Camshift跟踪算法,得出更为准确和可靠的通过所述桥梁的物体信息。
本发明还提供所述的桥梁防撞激光校准系统的使用方法,步骤如下:
步骤1、测量数据采集,通过所述工控机控制所述全站仪、所述激光测距仪和所述云台,对通过所述桥梁的物体进行方位角测量、俯仰角测量和距离测量,采集所述信息;
步骤2、将采集到的所述信息发送回工控机,与对比因子进行比对;
步骤3、根据所述比对结果,对目标点空间位置误差判断;
步骤4、根据所述判断结果得出所述目标点空间位置误差是否在合理范围内,若是执行后续步骤,若否,则修改所述云台的位置,根据新的所述云台的位置重新驱动所述云台,重新执行所述步骤1至步骤4;
步骤5、将通过所述目标点空间位置误差判断的所述信息进行测量数据处理。
优选的,所述步骤五中,对所述信息进行测量数据处理的步骤具体如下:
步骤5.1、对所述信息进行三维匹配;
步骤5.2、根据所述三维匹配结果,对所述信息进行形状检测和分类处理;
步骤5.3、输出校准数据;
步骤5.4、根据输出的所述校准数据采用UI数据绘制;
步骤5.5、根据所述UI数据绘制结果建立3D坐标点;
步骤5.6、对所述3D坐标点进行点线平滑处理,并做三维匹配;
步骤5.7、通过DirectX工具绘制图像。
更优选的,在所述步骤5.3中,将输出的所述校准数据写入数据库,对所述数据库中实时数据和历史数据进行更新。
优选的,在所述步骤1中,对采集到的所述信息进行滤波处理后,压入实时缓存中;然后在实时缓存中将所述信息与数据对比模型库中的数据进行动态批评对比,获得动态批评对比模型;最后将所述动态批评对比模型作为所述对比因子输出。
本发明的有益效果:
本发明的应用能够实现整个主动防船撞系统的航行防护精确监测与预警功能,提出标准化思路和相关设计成果。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1示出本发明一实施例的结构示意图。
图2示出本发明一实施例的实用流程图。
具体实施方式
实施例
如图1所示,桥梁防撞激光校准系统,包括全站仪、激光测距仪和云台。
其中,全站仪、激光测距仪和云台均与工控机连接,工控机对全站仪、激光测距仪和云台进行控制,工控机内软件对全站仪、激光测距仪和云台采集到的数据进行校准处理;
在工作时,工控机根据操作人员的指令控制全站仪、激光测距仪和云台运行到指定位置采集信息,并将采集到的信息发送回工控机,工控机内软件对数据进行校准处理,最后工控机将处理后的数据传递给图像采集系统;
工控机内软件采用多特征自适应融合的多目标跟踪算法,将融合信息目标模型结合到Camshift跟踪算法中,得出更为准确和可靠的通过桥梁的物体信息。
本发明的原理在于,通过激光测距仪等设备进行航道船舶位置数据的采集,利用工控机内软件对雷达或者可见光图像采集系统采集到的船舶航迹数据进行校准,协助预警系统更精确的绘制船舶的航迹信息。
在某些实施例中,工控机通过全站仪和激光测距仪采集的数据对雷达/可见光图像系统采集数据进行校准,采用多特征自适应融合的多目标跟踪算法,将融合信息目标模型结合到Camshift跟踪算法,得出更为准确和可靠的通过桥梁的物体信息。
如图2所示,本发明还提供的桥梁防撞激光校准系统的使用方法,步骤如下:
步骤1、测量数据采集,通过工控机控制全站仪、激光测距仪和云台,对通过桥梁的物体进行方位角测量、俯仰角测量和距离测量,采集信息;
步骤2、将采集到的信息发送回工控机,与对比因子进行比对;
步骤3、根据比对结果,对目标点空间位置误差判断;
步骤4、根据判断结果得出目标点空间位置误差是否在合理范围内,若是执行后续步骤,若否,则修改云台的位置,根据新的云台的位置重新驱动云台,重新执行步骤1至步骤4;
步骤5、将通过目标点空间位置误差判断的信息进行测量数据处理。
在某些实施例中,步骤五中,对信息进行测量数据处理的步骤具体如下:
步骤5.1、对信息进行三维匹配;
步骤5.2、根据三维匹配结果,对信息进行形状检测和分类处理;
步骤5.3、输出校准数据;
步骤5.4、根据输出的校准数据采用UI数据绘制;
步骤5.5、根据UI数据绘制结果建立3D坐标点;
步骤5.6、对3D坐标点进行点线平滑处理,并做三维匹配;
步骤5.7、通过DirectX工具绘制图像。
在某些实施例中,在步骤5.3中,将输出的校准数据写入数据库,对数据库中实时数据和历史数据进行更新。
在某些实施例中,在步骤1中,对采集到的信息进行滤波处理后,压入实时缓存中;然后在实时缓存中将信息与数据对比模型库中的数据进行动态批评对比,获得动态批评对比模型;最后将动态批评对比模型作为对比因子输出。
摸底试验
本激光校准系统采用的是多特征自适应融合的多目标跟踪算法。为了解防桥撞系统的探测特性,更好地规划校准系统软硬件设计,同时比较校准系统跟踪算法与传统基于颜色直方图的Camshift跟踪算法的优势,本系统进行了三次防桥撞系统的摸底试验。
第一次试验时间为2018年10月上海S4高速奉浦大桥上对黄浦江上的航行船舶进行连续拍摄、航迹跟踪和识别。温度16℃,阴天,风力3~4级,用可见光摄像机进行拍摄。试验记录了船舶检测、航迹跟踪的全部过程。首先提取船舶周围水体的背景像素,进行背景减除操作得到目标船只的前景像素图,船舶目标的颜色直方图;然后依据颜色直方图进行图像跟踪;接着连续对船舶进行观测,得到目标船只的数值化航迹;最后通过摄像系统的坐标校准,连续实时地得到航道上目标船只的航迹时间序列。用camshift进行船舶跟踪,由于内河航道中背景比较复杂,河岸背景的颜色和船舶目标很相近,但是船舶是在河道中航行,因而划定跟踪范围,人为剔除背景的干扰,船舶基本上是按直线运动的。
第二次试验时间为2018年12月19日上海同三高速G1501横潦泾大桥对黄浦江上的航行船舶进行连续拍摄、航迹跟踪和识别。温度16℃,阴天,风力3~4级,用红外和可见光摄像机分别进行拍摄。该试验船舶是下行的,随着船舶的驶近,船舶在图像中所占的像素数变多,但是camshift能够自动调节窗口大小以适应被跟踪目标在图像中的大小,可以有效地解决目标变形问题。
第三次试验时间为2018年12月20日夜晚于同三高速G1501横潦泾大桥拍摄,温度12℃,阴天,风力4~5级,用了红外和可见光摄像机,同时启用了激光测距仪进行距离测试。本次试验为了获得桥区探测到的船舶距离、运动速度信息,利用激光测距仪获得目标实时距离并利用激光采用周期或频率换算成目标实时运动速度,计算航道上目标船只的在时间序列上的航迹,实现基于激光测距的多船舶目标检测、跟踪。采用背景减除加canny边缘检测进行船舶目标检测,之后用camshift算法进行目标跟踪,即多特征自适应融合的多目标跟踪算法。
上述试验显示,基于颜色直方图的Camshift跟踪算法在复杂气象条件下无法得到准确的跟踪结果,而多特征自适应融合的多目标跟踪算法的目标模型由颜色、形状及纹理多特征自适应融合实现,增加了描述目标模型的可靠性和鲁棒性;在跟踪目标时,将融合信息目标模型结合到Camshift跟踪算法中,具有更高的准确性和可靠性。
外场验证为了验证系统的设备、软件和数据是否满足校准的技术指标要求,特通过本防撞校准系统采集两次航道位置数据。第一次位于泖港新桥,时间2018年11月20日AM10:00~PM1:00;第二次位于东海大桥,时间2019年5月25日PM13:00~PM4:00。以泖港新桥试验数据为例,结论如下:
泖港新桥试验数据
每个点位的误差比(差值/平均(‰))如下:
点位 | 坐标N | 坐标E | 坐标Z | 距离 | 水平角 | 垂直角 |
1 | 0.0056 | 0.163 | 0.287 | 0.0056 | 0.0006 | 0.0064 |
2 | 0.0048 | 0 | 0.47 | 0.0047 | 0.0006 | 0.0724 |
3 | 0.0035 | 0 | 0.388 | 0.0033 | 0 | 0.0022 |
4 | 0 | 0 | 0.359 | 0 | 0 | 0.0033 |
5 | 0.094 | 0.116 | 3.716 | 0.064 | 0.0008 | 0.0077 |
6 | 6.757 | 6.731 | 6.728 | 3.278 | 0.0032 | 0.0049 |
7 | 0.085 | 0.052 | 0.374 | 0.081 | 0.001 | 0.0031 |
最小 | 0 | 0 | 0.287 | 0 | 0 | 0.0022 |
最大 | 6.757 | 6.731 | 6.728 | 3.278 | 0.0032 | 0.0724 |
平均 | 0.993 | 1.001 | 1.76 | 0.491 | 0.0009 | 0.0143 |
测量点误差分析
各点位不同指标的数据测量最大误差为6.757‰,误差极小,可以符合使用要求。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (3)
1.桥梁防撞激光校准系统的使用方法,包括全站仪、激光测距仪和云台;其特征在于:所述全站仪、所述激光测距仪和所述云台均与工控机连接,所述工控机对所述全站仪、所述激光测距仪和所述云台进行控制,工控机内软件对所述全站仪、所述激光测距仪和所述云台采集到的数据进行校准处理;
在工作时,所述工控机根据操作人员的指令控制所述全站仪、所述激光测距仪和所述云台运行到指定位置采集信息,并将采集到的信息发送回所述工控机,所述工控机内软件对数据进行校准处理,最后所述工控机将处理后的数据传递给图像采集系统;
所述工控机通过所述全站仪和所述激光测距仪采集的数据对雷达/可见光图像系统采集数据进行校准,其内软件采用多特征自适应融合的多目标跟踪算法,将融合信息目标模型结合到Camshift跟踪算法中,得出更为准确和可靠的通过所述桥梁的物体信息;
使用步骤如下:
步骤1、测量数据采集,通过所述工控机控制所述全站仪、所述激光测距仪和所述云台,对通过所述桥梁的物体进行方位角测量、俯仰角测量和距离测量,采集所述信息;
步骤2、将采集到的所述信息发送回工控机,与对比因子进行比对;
步骤3、根据所述比对结果,对目标点空间位置误差判断;
步骤4、根据所述判断结果得出所述目标点空间位置误差是否在合理范围内,若是执行后续步骤,若否,则修改所述云台的位置,根据新的所述云台的位置重新驱动所述云台,重新执行所述步骤1至步骤4;
步骤5、将通过所述目标点空间位置误差判断的所述信息进行测量数据处理,对所述信息进行测量数据处理的步骤具体如下:
步骤5.1、对所述信息进行三维匹配;
步骤5.2、根据所述三维匹配结果,对所述信息进行形状检测和分类处理;
步骤5.3、输出校准数据;
步骤5.4、根据输出的所述校准数据采用UI数据绘制;
步骤5.5、根据所述UI数据绘制结果建立3D坐标点;
步骤5.6、对所述3D坐标点进行点线平滑处理,并做三维匹配;
步骤5.7、通过DirectX工具绘制图像。
2.根据权利要求1所述的桥梁防撞激光校准系统的使用方法,其特征在于,在所述步骤5.3中,将输出的所述校准数据写入数据库,对所述数据库中实时数据和历史数据进行更新。
3.根据权利要求1所述的桥梁防撞激光校准系统的使用方法,其特征在于,在所述步骤1中,对采集到的所述信息进行滤波处理后,压入实时缓存中;然后在实时缓存中将所述信息与数据对比模型库中的数据进行动态批评对比,获得动态批评对比模型;最后将所述动态批评对比模型作为所述对比因子输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010118560.2A CN111354015B (zh) | 2020-02-26 | 2020-02-26 | 桥梁防撞激光校准系统及其使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010118560.2A CN111354015B (zh) | 2020-02-26 | 2020-02-26 | 桥梁防撞激光校准系统及其使用方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111354015A CN111354015A (zh) | 2020-06-30 |
CN111354015B true CN111354015B (zh) | 2022-12-06 |
Family
ID=71197295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010118560.2A Active CN111354015B (zh) | 2020-02-26 | 2020-02-26 | 桥梁防撞激光校准系统及其使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111354015B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105321189A (zh) * | 2015-01-07 | 2016-02-10 | 徐州工程学院 | 基于连续自适应均值漂移多特征融合的复杂环境目标跟踪方法 |
WO2019050417A1 (en) * | 2017-09-06 | 2019-03-14 | Auckland Uniservices Limited | METHOD FOR CALIBRATING STEREOSCOPIC SYSTEM |
CN110207952A (zh) * | 2019-05-21 | 2019-09-06 | 东南大学 | 一种用于近目式设备显示屏检测的对准系统和对准方法 |
CN110796681A (zh) * | 2019-09-24 | 2020-02-14 | 武汉市众向科技有限公司 | 一种用于船舶协同工作的视觉定位系统及方法 |
-
2020
- 2020-02-26 CN CN202010118560.2A patent/CN111354015B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105321189A (zh) * | 2015-01-07 | 2016-02-10 | 徐州工程学院 | 基于连续自适应均值漂移多特征融合的复杂环境目标跟踪方法 |
WO2019050417A1 (en) * | 2017-09-06 | 2019-03-14 | Auckland Uniservices Limited | METHOD FOR CALIBRATING STEREOSCOPIC SYSTEM |
CN110207952A (zh) * | 2019-05-21 | 2019-09-06 | 东南大学 | 一种用于近目式设备显示屏检测的对准系统和对准方法 |
CN110796681A (zh) * | 2019-09-24 | 2020-02-14 | 武汉市众向科技有限公司 | 一种用于船舶协同工作的视觉定位系统及方法 |
Non-Patent Citations (2)
Title |
---|
基于深度学习的室内点云场景语义理解研究;李文强;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20190115;论文第26-49页 * |
非接触掌纹识别图像校准关键技术研究;梁旭;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20170215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111354015A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107818326B (zh) | 一种基于场景多维特征的船只检测方法及系统 | |
CN110874596B (zh) | 一种仪表智能识别预警方法及系统 | |
CN102975826A (zh) | 基于机器视觉的便携式船舶水尺自动检测和识别方法 | |
US11948344B2 (en) | Method, system, medium, equipment and terminal for inland vessel identification and depth estimation for smart maritime | |
CN105184816A (zh) | 基于usv的视觉检测和水面目标追踪系统及其检测追踪方法 | |
CN108458668A (zh) | 基于双目视觉的板坯边部及头尾形状自动检测系统及方法 | |
CN108128323B (zh) | 与钢轨磨耗量相关的激光图像特征量的选择方法 | |
CN110346758A (zh) | 应用于变电站巡检人员的超宽带定位与警示方法 | |
CN102915650A (zh) | 基于交会摄影的桥梁水域船舶通航安全预警设备 | |
CN107886541B (zh) | 基于反向投影法的单目运动目标位姿实时测量方法 | |
CN104063863A (zh) | 用于河道监控的下俯式双目视觉系统及图像处理方法 | |
CN104808173A (zh) | 基于Hough变换的测向交叉定位系统虚假点消除方法 | |
CN109029465A (zh) | 一种无人艇基于毫米波雷达的跟踪和避障系统 | |
CN113469178B (zh) | 一种基于深度学习的电力表计识别方法 | |
CN108710127A (zh) | 低空及海面环境下的目标检测识别方法及系统 | |
Cai et al. | Broken ice circumferential crack estimation via image techniques | |
CN116363522A (zh) | 一种基于深度学习的海岸带围填海变化遥感监测方法 | |
CN103954220A (zh) | 撞桥试验中船体运动状态数字图像测量方法 | |
CN110533650A (zh) | 一种基于视觉的auv水下管道检测跟踪方法 | |
CN111354015B (zh) | 桥梁防撞激光校准系统及其使用方法 | |
CN107767366B (zh) | 一种输电线路拟合方法及装置 | |
CN117710458A (zh) | 一种基于双目视觉的舰载机着舰过程相对位置测量方法及系统 | |
Cao et al. | Power line detection based on symmetric partial derivative distribution prior | |
Wang | Deep Drainage Detection System for Inland Vessels Based on Machine Vision. | |
Han et al. | Damage detection of quayside crane structure based on improved faster R-CNN |
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 |