CN111766214A - 基于边缘计算的无人机载光谱成像数据处理方法及系统 - Google Patents
基于边缘计算的无人机载光谱成像数据处理方法及系统 Download PDFInfo
- Publication number
- CN111766214A CN111766214A CN202010637384.3A CN202010637384A CN111766214A CN 111766214 A CN111766214 A CN 111766214A CN 202010637384 A CN202010637384 A CN 202010637384A CN 111766214 A CN111766214 A CN 111766214A
- Authority
- CN
- China
- Prior art keywords
- data
- airborne
- aerial vehicle
- cube
- unmanned aerial
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 26
- 238000000701 chemical imaging Methods 0.000 title claims abstract description 17
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000001228 spectrum Methods 0.000 claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000003331 infrared imaging Methods 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims abstract description 13
- 230000006798 recombination Effects 0.000 claims abstract description 6
- 238000005215 recombination Methods 0.000 claims abstract description 6
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 230000005540 biological transmission Effects 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- 230000005457 Black-body radiation Effects 0.000 claims description 6
- 230000006641 stabilisation Effects 0.000 claims description 6
- 238000011105 stabilization Methods 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 238000001931 thermography Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 3
- 238000002329 infrared spectrum Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- VKYKSIONXSXAKP-UHFFFAOYSA-N hexamethylenetetramine Chemical compound C1N(C2)CN3CN1CN2C3 VKYKSIONXSXAKP-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectrometry And Color Measurement (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于边缘计算的无人机载光谱成像数据处理方法及系统，由机载处理端和地面端组成，机载处理端由长波红外成像光谱仪、机载黑体定标装置、三轴稳定平台和边缘计算装置组成，地面端由地面计算装置和双屏显控组成；方法包括无人机机载处理端飞抵目标探测地域，抵达目的地悬停，机载处理端采集视频图像，边缘计算装置对数据进行干涉立方体重组、干涉数据立方体去直流、切趾处理、相位校正、干涉数据镜像及复数化和FFT并得到光谱数据立方体等处理并传输到达地面端，地面端进行数据融合和界面图形显示。本发明通过将数据处理前移至无人机载平台上，在机载终端分析处理信息，减少机‑地的通信量，提高了系统的可靠性和实时性。
Description
技术领域
本发明涉及光谱成像技术领域，涉及一种基于边缘计算的无人机载光谱成像数据处理方法及系统，尤其是一种基于边缘计算的无人机载长波红外光谱成像数据处理方法及系统。
背景技术
无人机载光谱成像光谱探测技术研究的目标是为光谱探测无人直升机系统研制提供技术支撑。形成产品后，能够克服地形复杂或者自然灾害等造成地面或者载人飞行器难以到达等障碍，在地面探测手段无法获取有效探测信息时，通过远程操控的方式，利用低空平台搭载的光谱成像光谱探测装置，实现无人化实时获取气体区域的气体种类、浓度、污染范围等图像化信息，为下一步行动等实践提供决策依据。
随着无人机技术的发展，基于无人机的应用也越来越多，利用无人机的灵活性和无线通信能力，能跟随目标移动，从而降低时延。
但是无人机有限的续航能力和无线通信范围，一方面使得追踪任务时间不得过长，另一方面地面站得跟随无人机移动才能确保可靠的通信，更为突出的问题是，由于光谱成像数据处理所需的机-地通信数据量大、实时性要求高，必然带来对通信网络的更高要求，这也造成不利于无人机载长波红外光谱成像技术的推广和应用。
发明内容
本发明旨在至少解决现有技术中存在的技术问题，提供一种基于边缘计算的无人机载光谱成像数据处理方法及系统。
本发明的基本构思是：通过将长波红外光谱成像数据处理前移至无人机载平台上，降低数据无线传输的时间和经济成本，在边缘计算平台探测终端实时分析和处理光谱信息，实现准秒级响应，只将相关的数据和结果通过边缘计算节点传至地面控制中心站，这样势必能够减少机-地的数据通信量，提高无人机载光谱探测系统的可靠性和实时性。
本发明的一种基于边缘计算的无人机载光谱成像数据处理系统包括硬件系统和软件系统。
所述硬件系统主要由机载处理端和地面端组成。
所述的机载处理端由长波红外成像光谱仪、机载黑体定标装置、三轴稳定平台、边缘计算装置组成。
所述长波红外成像光谱仪，是采用时空混合调制红外干涉成像被动探测原理，利用超长波红外焦平面器件接收场景的干涉图像，采用高速热成像电路采集干涉图像序列，生成干涉数据立方体。
所述机载黑体定标装置的作用包括：直升机机载红外光谱仪受环境温度漂移的影响比较严重，但由于空间和重量限制，机载转塔内部不设辐射定标所需的相关部件，为了机载设备能够更好的检测目标光谱特征，采用固定安装在机身的黑体辐射源，通过控制转塔，将机载光谱仪对准黑体辐射源，解决红外成像光谱仪的在线现场辐射定标。
所述三轴稳定平台可以通过遥控三轴稳定平台，对被测目标进行跟踪和稳定。
所述的边缘计算装置由分布式并行处理器、双通数传装置、图传发射装置组成。
所述分布式光谱数据并行处理器，该并行处理器是气体成像遥测报警系统主控软件的宿主和目标计算机。经红外成像光谱仪产生光学干涉图数据，由机上分布式数据处理装置进行并行数据立方体处理，运算出光谱数据立方体，经光谱特征鉴别器对光谱信息进行智能模式识别，实现化学气体成像探测信息的获得。从而实现在化学袭击后快速发现化学气体云团，并监测气体云团的气体扩散范围，对其传播方向进行预警的功能。
所述双通数传装置的作用及时将无人机信息和光谱仪的控制返回边缘节点信息打包传输至地面。
所述图传发射装置的作用是及时将无人机信息和光谱仪操控界面边缘节点信息打包传输至地面。
所述的地面端由地面计算装置和双屏显控组成。
所述地面计算装置由数传装置和图传接收装置组成。
所述的数传装置，能够及时接收机载端发送的无人机信息和光谱仪的控制信息打包传输至地面，并且可实时操控命令发送到机载端。
所述的图传接收装置，能够及时接收无人机信息和光谱仪的视频显示信息。
所述的双屏显控，用于将图传装置和数传装置接收的信息通过该双屏显控奖项显示和操控。
所述软件系统包括干涉数据立方体采集模块、光谱预处理模块和光谱立方体反演模块。
所述干涉数据立方体采集模块主要实现视频图像的数据采集。
所述光谱预处理模块主要对采集到数据进行基线校正依据对干涉数据重组等预处理。
所述光谱立方体反演模块主要对重组完干涉数据立方体进行傅里叶变换、气体识别等处理。
本发明的一种基于边缘计算将长波红外光谱成像数据处理方法的工作流程如下：
步骤1：无人机机载处理端由地面站控制无人机飞抵目标探测地域；
步骤2：由抵达目的地的光谱探测载荷巡航中发现可疑云团后转入悬停；
步骤3：机载处理端进行地面或空中气体云团监测；
步骤4：机载处理端通过视频观察装置采集视频图像，机上分布式数据处理装置综合处理后将光谱探测信息和图像信息叠加；
步骤5，结果信息经边缘计算装置传输到达地面端；
步骤6：由地面端进行数据融合和界面图形显示。
所述步骤4还可以包括以下步骤：
步骤1：数据采集
长波红外成像光谱仪采集干涉图像序列，生成干涉数据立方体；
步骤2：干涉立方体重组
边缘计算装置对原始立方体进行快速重组，重组后大立方体的帧数等于原始立方体帧数和列数相加，行和列数分别等于原始立方体的行和列。
步骤3：干涉数据立方体去直流
对于原始干涉立方体数据，求出使用9点均值来进行去直流；
步骤4：切趾处理
边缘计算装置将光程差从负无穷到正无穷范围上的表现为余弦函数的单色光干涉图进行傅里叶变换得到的是对应的表现为冲激函数的光谱图；
步骤5：相位校正
边缘计算装置采用Mertz法或者Forman法进行相位校正；所述Mertz法是在原始干涉图作FFT后的波数上乘以测量相位角和参考相位角之差的余弦值进行相位修正；所述Forman法则是对干涉图进行卷积处理。
步骤6：干涉数据镜像及复数化；
边缘计算装置定义一个一维的傅里叶变换数组，分配相应的线程，用一个循环来实现对每一个像素点进行复数化；
步骤7：快速傅里叶变换FFT并得到光谱数据立方体
边缘计算装置完成从干涉立方体到光谱立方体的变换，得到光谱数据立方体。
本发明的通过将长波红外光谱成像数据处理前移至无人机载平台上，采用嵌入式并行计算处理箱，通过CAMERALINK总线和SDI总线连接长波红外成像光谱仪进行图像数据采集，并采用双向图传和数传装置，与地面端控制中心站建立通讯专网，实现了光谱探测无人探测系统的独立闭环。本发明降低数据无线传输的时间和经济成本，在边缘计算平台探测终端实时分析和处理光谱信息，实现准秒级响应，只将相关的数据和结果通过边缘计算节点传至地面控制中心站，这样势必能够减少机-地的数据通信量，提高无人机载光谱探测系统的可靠性和实时性。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在图中，在不同的视图中，相同的附图标记指定对应的部分。
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1是本发明的无人机载光谱探测系统原理图。
图2是本发明的数据处理软件构成图。
图3是本发明的光谱数据处理模块框图。
具体实施方式
下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例不仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
一种基于边缘计算的无人机载光谱成像数据处理系统，由机载处理端和地面端组成，所述的机载处理端由长波红外成像光谱仪、机载黑体定标装置、三轴稳定平台和边缘计算装置组成；所述边缘计算装置分别与长波红外成像光谱仪、机载黑体定标装置以及三轴稳定平台电连接；
所述长波红外成像光谱仪，是采用时空混合调制红外干涉成像被动探测原理，利用超长波红外焦平面器件接收场景的干涉图像，采用高速热成像电路采集干涉图像序列，生成干涉数据立方体；
所述机载黑体定标装置是为了机载设备能够更好的检测目标光谱特征，采用固定安装在机身的黑体辐射源，通过控制转塔，将机载光谱仪对准黑体辐射源，解决红外成像光谱仪的在线现场辐射定标；
所述三轴稳定平台可以通过遥控三轴稳定平台，对被测目标进行跟踪和稳定；
所述的机载边缘计算装置由分布式并行处理器、双通数传装置、图传发射装置组成；
所述分布式光谱数据并行处理器，该并行处理器是气体成像遥测报警系统主控软件的宿主和目标计算机；对红外成像光谱仪产生光学干涉图数据进行并行数据立方体处理，运算出光谱数据立方体，经光谱特征鉴别器对光谱信息进行智能模式识别，实现化学气体成像探测信息的获得，从而实现在化学袭击后快速发现化学气体云团，并监测气体云团的气体扩散范围，对其传播方向进行预警的功能；
所述双通数传装置与分布式光谱数据并行处理器电连接，实现将无人机信息和光谱仪的控制返回边缘节点信息打包传输至地面；
所述图传发射装置与分布式光谱数据并行处理器电连接，实现将无人机信息和光谱仪操控界面边缘节点信息打包传输至地面；
所述的地面端由地面边缘计算装置和与之电连接的双屏显控组成；
所述地面边缘计算装置由数传装置和图传接收装置组成；
所述的数传装置能够及时接收机载端发送的无人机信息和光谱仪的控制信息打包传输至地面，并且可实时操控命令发送到机载端；
所述的图传接收装置，能够及时接收无人机信息和光谱仪的视频显示信息；
所述的双屏显控，用于将图传装置和数传装置接收的信息通过该双屏显控奖项显示和操控。
本发明的方法的工作流程如下：
步骤1：无人机机载处理端由地面站控制无人机飞抵目标探测地域；
步骤2：由抵达目的地的光谱探测载荷巡航中发现可疑云团后转入悬停；
步骤3：机载处理端进行地面或空中气体云团监测；
步骤4：机载处理端通过视频观察装置采集视频图像，机上分布式数据处理装置综合处理后将光谱探测信息和图像信息叠加；
步骤5，结果信息经边缘计算装置传输到达地面端；
步骤6：由地面端进行数据融合和界面图形显示。
所述步骤4还可以包括以下步骤：
步骤1：数据采集
采集干涉图像序列，生成干涉数据立方体。
步骤2：干涉立方体重组
对原始立方体进行快速重组，重组后大立方体的帧数等于原始立方体帧数和列数相加，行和列数分别等于原始立方体的行和列。在GPU编程实现中充分利用了线程数的大量性，根据立方体的大小分配了线程格：blocks(height,width)；cube<<<blocks,frames>>>，使每个线程与立方体中的每个点对应起来，由于每个点的计算都是相互独立的，都分别执行一次核函数的一个副本，所以通过一步运算即可实现原始立方体的快速重组。
步骤3：干涉数据立方体去直流
在基于CUDA的实现中，对于原始干涉立方体数据，求出使用9点均值来进行去直流，定义一个共享内存来实现加和运算，线程块中的每个线程都共享这块内存，但线程却无法看到也不能修改其他线程块的变量副本。使得一个线程块中的多个线程能够在计算上进行通信和协作，并且共享内存区驻留在物理GPU上，而不是驻留在GPU之外的系统内存中。因此，在访问共享内存时的延迟要远远低于访问普通缓冲区的延迟，使得共享内存像每个线程块的高速缓存或者中间暂存器那样高效。
步骤4：切趾处理
其功能是理论上，将光程差从负无穷到正无穷范围上的单色光干涉图(表现为余弦函数)进行傅里叶变换得到的是对应的光谱图(表现为冲激函数)。但实际上，傅里叶变换成像光谱仪只能采集到有限光程差范围内的干涉图，相当于在余弦函数上加入了一个门函数将干涉图截断在光程差范围内，对截断后的干涉图做傅里叶变换将得到，它不再是某一波数上的冲激函数，而是随一定波数范围变化的函数，这导致数据在重建光谱中产生误差。因此在傅里叶变换前需要做切趾处理。可供选择的切趾函数有Bartlett(三角)、Blackman、Connes、Cosine、Hamming等。
步骤5：相位校正，其功能是对于大部分分振幅干涉型的干涉成像光谱仪，采集到的原始干涉数据会因色散等原因产生相位误差，当采集数据为单边数据时，相位误差将会导致重建光谱幅值失真，因此必须予以校正。国际上常规的校正方法是Mertz法和Forman法。Mertz法是在原始干涉图作FFT后的波数上乘以测量相位角和参考相位角之差的余弦值进行相位修正。Forman法则是对干涉图进行卷积处理，已达到修正效果，但是卷积处理会消耗大量的处理时间。
步骤6：干涉数据镜像及复数化
GPU实现时，定义一个一维的傅里叶变换数组，分配相应的线程，用一个循环来实现对每一个像素点进行复数化。这样做的优点主要是：对空间干涉系统而言可以增大光程差的采样范围；对时间调制式系统而言则加快了采样速率。
步骤7：快速傅里叶变换FFT并得到光谱数据立方体
在GPU实现中，使用CUDA自带的CUFFT库，它是NVIDIA团队开发的基于GPU的快速傅里叶变换算法，具有很高的运算效率。快速傅里叶变换库CUFFT包括一维、二维、三维的傅里叶变换，并提供了简单的接口，我们可以很容易的实现，不需要自己编写FFT算法。在快速傅里叶变换中，在GPU中调用cufft函数，分别对每一列干涉数据进行傅里叶变换，总的变换次数为帧数(frames)×行数(height)。cufft并行处理每帧数据中的“行”，即完成了从干涉立方体到光谱立方体的变换，得到光谱数据立方体。
Claims (6)
1.一种基于边缘计算的无人机载光谱成像数据处理系统，由机载处理端和地面端组成，其特征在于：
所述的机载处理端由长波红外成像光谱仪、机载黑体定标装置、三轴稳定平台和边缘计算装置组成；所述边缘计算装置分别与长波红外成像光谱仪、机载黑体定标装置以及三轴稳定平台电连接；
所述长波红外成像光谱仪，是采用时空混合调制红外干涉成像被动探测原理，利用超长波红外焦平面器件接收场景的干涉图像，采用高速热成像电路采集干涉图像序列，生成干涉数据立方体；
所述机载黑体定标装置是为了机载设备能够更好的检测目标光谱特征，采用固定安装在机身的黑体辐射源，通过控制转塔，将机载光谱仪对准黑体辐射源，解决红外成像光谱仪的在线现场辐射定标；
所述三轴稳定平台可以通过遥控三轴稳定平台，对被测目标进行跟踪和稳定；
所述的边缘计算装置由分布式并行处理器、双通数传装置、图传发射装置组成；
所述分布式光谱数据并行处理器，该并行处理器是气体成像遥测报警系统主控软件的宿主和目标计算机；对红外成像光谱仪产生光学干涉图数据进行并行数据立方体处理，运算出光谱数据立方体，经光谱特征鉴别器对光谱信息进行智能模式识别，实现化学气体成像探测信息的获得，从而实现在化学袭击后快速发现化学气体云团，并监测气体云团的气体扩散范围，对其传播方向进行预警的功能；
所述双通数传装置与分布式光谱数据并行处理器电连接，实现将无人机信息和光谱仪的控制返回边缘节点信息打包传输至地面；
所述图传发射装置与分布式光谱数据并行处理器电连接，实现将无人机信息和光谱仪操控界面边缘节点信息打包传输至地面；
所述的地面端由地面计算装置和与之电连接的双屏显控组成；
所述地面计算装置由数传装置和图传接收装置组成；
所述的数传装置能够及时接收机载端发送的无人机信息和光谱仪的控制信息打包传输至地面，并且可实时操控命令发送到机载端；
所述的图传接收装置，能够及时接收无人机信息和光谱仪的视频显示信息；
所述的双屏显控，用于将图传装置和数传装置接收的信息通过该双屏显控奖项显示和操控。
2.一种基于边缘计算的无人机载光谱成像数据处理方法，其特征在于包括以下步骤：
步骤1：无人机机载处理端由地面站控制无人机飞抵目标探测地域；
步骤2：由抵达目的地的光谱探测载荷巡航中发现可疑云团后转入悬停；
步骤3：机载处理端进行地面或空中气体云团监测；
步骤4：机载处理端通过视频观察装置采集视频图像，机上分布式数据处理装置综合处理后将光谱探测信息和图像信息叠加；
步骤5：结果信息经边缘计算装置传输到达地面端；
步骤6：由地面端进行数据融合和界面图形显示。
3.根据权利要求2所述的基于边缘计算的无人机载光谱成像数据处理方法，其特征在于，所述步骤4还包括：
步骤1：数据采集
长波红外成像光谱仪采集干涉图像序列，生成干涉数据立方体；
步骤2：干涉立方体重组
边缘计算装置对原始立方体进行快速重组，重组后大立方体的帧数等于原始立方体帧数和列数相加，行和列数分别等于原始立方体的行和列；
步骤3：干涉数据立方体去直流
对于原始干涉立方体数据，使用9点均值来进行去直流；
步骤4：切趾处理
边缘计算装置将光程差从负无穷到正无穷范围上的表现为余弦函数的单色光干涉图进行傅里叶变换得到的是对应的表现为冲激函数的光谱图；
步骤5：相位校正
边缘计算装置采用Mertz法进行相位校正；
步骤6：干涉数据镜像及复数化；
边缘计算装置定义一个一维的傅里叶变换数组，分配相应的线程，用一个循环来实现对每一个像素点进行复数化；
步骤7：快速傅里叶变换并得到光谱数据立方体
边缘计算装置完成从干涉立方体到光谱立方体的变换，得到光谱数据立方体。
4.根据权利要求3所述的基于边缘计算的无人机载光谱成像数据处理方法，其特征在于：
所述步骤5中边缘计算装置采用Forman法进行相位校正。
5.根据权利要求3所述的基于边缘计算的无人机载光谱成像数据处理方法，其特征在于：
所述步骤5中的Mertz法是在原始干涉图作FFT后的波数上乘以测量相位角和参考相位角之差的余弦值进行相位修正。
6.根据权利要求4所述的基于边缘计算的无人机载光谱成像数据处理方法，其特征在于：
所述Forman法是对干涉图进行卷积处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010637384.3A CN111766214A (zh) | 2020-07-03 | 2020-07-03 | 基于边缘计算的无人机载光谱成像数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010637384.3A CN111766214A (zh) | 2020-07-03 | 2020-07-03 | 基于边缘计算的无人机载光谱成像数据处理方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111766214A true CN111766214A (zh) | 2020-10-13 |
Family
ID=72723695
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010637384.3A Pending CN111766214A (zh) | 2020-07-03 | 2020-07-03 | 基于边缘计算的无人机载光谱成像数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111766214A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113688758A (zh) * | 2021-08-31 | 2021-11-23 | 重庆科技学院 | 基于边缘计算的输气管道高后果区智能识别系统 |
| CN114112967A (zh) * | 2021-10-27 | 2022-03-01 | 昆明物理研究所 | 无人机载化学气体红外探测系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020015151A1 (en) * | 2000-07-27 | 2002-02-07 | Gorin Brian A. | Spectral drift and correction technique for hyperspectral imaging systems |
| CN101089657A (zh) * | 2007-07-13 | 2007-12-19 | 中国人民解放军理工大学气象学院 | 光学测云仪器的三伺服装置 |
| CN106005460A (zh) * | 2016-07-28 | 2016-10-12 | 上海航天控制技术研究所 | 一种无人机用三轴稳定光电吊舱 |
| CN106338342A (zh) * | 2016-09-23 | 2017-01-18 | 昆明物理研究所 | 准实时的时空混合调制红外干涉光谱成像系统及方法和应用 |
| CN106370304A (zh) * | 2016-08-31 | 2017-02-01 | 天津津航技术物理研究所 | 一种小型红外实时辐射定标装置 |
| CN108051407A (zh) * | 2018-01-12 | 2018-05-18 | 四川双利合谱科技有限公司 | 基于高光谱相机和面阵相机及pos系统的高光谱成像系统 |
-
2020
- 2020-07-03 CN CN202010637384.3A patent/CN111766214A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020015151A1 (en) * | 2000-07-27 | 2002-02-07 | Gorin Brian A. | Spectral drift and correction technique for hyperspectral imaging systems |
| CN101089657A (zh) * | 2007-07-13 | 2007-12-19 | 中国人民解放军理工大学气象学院 | 光学测云仪器的三伺服装置 |
| CN106005460A (zh) * | 2016-07-28 | 2016-10-12 | 上海航天控制技术研究所 | 一种无人机用三轴稳定光电吊舱 |
| CN106370304A (zh) * | 2016-08-31 | 2017-02-01 | 天津津航技术物理研究所 | 一种小型红外实时辐射定标装置 |
| CN106338342A (zh) * | 2016-09-23 | 2017-01-18 | 昆明物理研究所 | 准实时的时空混合调制红外干涉光谱成像系统及方法和应用 |
| CN108051407A (zh) * | 2018-01-12 | 2018-05-18 | 四川双利合谱科技有限公司 | 基于高光谱相机和面阵相机及pos系统的高光谱成像系统 |
Non-Patent Citations (3)
| Title |
|---|
| 彭思远: ""基于稠密视觉 SLAM 的无人机三维地图快速重建研究"", 《工程科技Ⅱ辑》, no. 01, pages 227 - 228 * |
| 杨智雄 等: "基于CUDA的傅里叶变换成像光谱仪数据重建", 《光学技术》, no. 02, pages 128 - 132 * |
| 陈念 等: ""基于结构光的植保无人机障碍物在线检测系统"", 《应用光学》, vol. 39, no. 03, pages 343 - 348 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113688758A (zh) * | 2021-08-31 | 2021-11-23 | 重庆科技学院 | 基于边缘计算的输气管道高后果区智能识别系统 |
| CN113688758B (zh) * | 2021-08-31 | 2023-05-30 | 重庆科技学院 | 基于边缘计算的输气管道高后果区智能识别系统 |
| CN114112967A (zh) * | 2021-10-27 | 2022-03-01 | 昆明物理研究所 | 无人机载化学气体红外探测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Amiri et al. | The CHIME fast radio burst project: system overview | |
| Thompson et al. | Real-time remote detection and measurement for airborne imaging spectroscopy: a case study with methane | |
| Jin et al. | Polarimetric scattering and SAR information retrieval | |
| CN111766214A (zh) | 基于边缘计算的无人机载光谱成像数据处理方法及系统 | |
| Maybeck et al. | A target tracker using spatially distributed infrared measurements | |
| Rieken et al. | Generalizing MUSIC and MVDR for multiple noncoherent arrays | |
| Bosch et al. | Multisensor network system for wildfire detection using infrared image processing | |
| JP2023542914A (ja) | 合成開口レーダ撮像を使用した監視撮像および地球観測のためのシステム、方法、および衛星 | |
| US20230026811A1 (en) | System and method for removing haze from remote sensing images | |
| CN107422321B (zh) | 微波凝视关联成像对地观测方法 | |
| CN109034075A (zh) | 面阵凝视型遥感卫星跟踪舰船目标的方法 | |
| Ronen et al. | 4D cloud scattering tomography | |
| CN113514827B (zh) | 无人机集群模式下合成孔径雷达成像处理方法及应用 | |
| CN117710508A (zh) | 基于改进条件生成对抗网络的近地表温度反演方法和装置 | |
| Vemula et al. | Multi-head Attention Based Transformers for Vegetation Encroachment Over Powerline Corriders using UAV | |
| RU168333U1 (ru) | Устройство синтезированного видения | |
| WO2016022911A1 (en) | System and method for detection, characterization, and imaginf of a stellar occultation | |
| Nogueira et al. | Photogrammetric ash cloud observations by small satellite formations | |
| CN114357885A (zh) | 一种融合多源数据的光合有效辐射散射比例预测方法 | |
| Schilling et al. | Concept and integration of an on-line quasi-operational airborne hyperspectral remote sensing system | |
| CN111192196A (zh) | 一种提高推扫式光谱仪高光谱图像的实时分辨率的方法 | |
| Diner et al. | Looking back, looking forward: scientific and technological advances in multiangle imaging of aerosols and clouds | |
| González et al. | Cloud nowcasting: Motion analysis of all sky images using velocity fields | |
| CN215953850U (zh) | 激光雷达点采集传输装置、传输装置和实时建模装置 | |
| US20230222667A1 (en) | Mask for satellite image data |
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: 20201013 |
|
| RJ01 | Rejection of invention patent application after publication |