CN111860461B - 一种光电吊舱内置光学传感器自主变焦方法 - Google Patents
一种光电吊舱内置光学传感器自主变焦方法 Download PDFInfo
- Publication number
- CN111860461B CN111860461B CN202010776911.9A CN202010776911A CN111860461B CN 111860461 B CN111860461 B CN 111860461B CN 202010776911 A CN202010776911 A CN 202010776911A CN 111860461 B CN111860461 B CN 111860461B
- Authority
- CN
- China
- Prior art keywords
- autonomous
- algorithm
- target
- sensor
- pod
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000003287 optical effect Effects 0.000 title claims abstract description 31
- 238000013135 deep learning Methods 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 18
- 230000005693 optoelectronics Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 5
- 238000009825 accumulation Methods 0.000 abstract description 2
- 230000002411 adverse Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明属于光电吊舱技术领域，公开了一种基于嵌入式深度学习的光电吊舱内置光学传感器自主变焦方法，采用智能目标检测算法、自动跟踪算法以及传感器自主变焦算法来实现光电吊舱内置光学传感器自主变焦。本发明可减少侦察任务实施过程中操控人员的操作动作，降低操控人员的操控负担，提高无人系统侦察任务实施的自主性，为无人系统集群侦察积累技术基础；可实现对传感器焦距更精准的实时控制，满足自动跟踪算法对跟踪目标在图像上占据像素数的最佳要求，降低人工调整焦距不精确问题对自动跟踪算法运行的不良影响，提高光电吊舱对目标跟踪的稳定性。
Description
技术领域
本发明属于光电吊舱技术领域，涉及一种基于嵌入式深度学习的光电吊舱内置光学传感器自主变焦方法。
背景技术
光电吊舱可安装在无人机、无人车、无人艇等多种无人平台以及有人平台上，组成各种无人/有人侦察系统，对区域实施光学侦察。智能化、自主化、集群化是无人系统的发展趋势与方向，因此对于无人侦察系统来说，提高光电吊舱在执行侦察任务时的自主化程度，降低人工监视与操作负担，是光电吊舱未来的重要发展方向之一。当前，光电吊舱在执行侦察任务时，需监控人员根据光电吊舱采集并传输回的实时图像信息进行可见光电视、红外热像仪等多种光学传感器的变焦操作，使侦察任务所关心的目标在图像中具有合理的像素数，从而保证人员观测效果并满足光电吊舱自动跟踪算法运行要求。由人工对传感器进行变焦操作的传统模式，具备以下不足：(1)人工操作使得无人侦察系统在执行侦察任务时无法脱离人工参与，因此无法自主实施侦察任务，亦意味着无法实现真正的大规模集群侦察；(2)人工操作传感器变焦操作的精确性较差，其变焦的速度和位置可能会使图像中目标尺寸变换超出自动跟踪算法的使用要求，造成目标丢失；(3)基于嵌入式深度学习的光电吊舱内置光学传感器波段自主变焦方法，集成在光电吊舱内部，当无人系统以及光电吊舱与地面站之间的实时视频回传链路中断或缺失时，可保证光电吊舱实施侦察时仍可自主变焦，保证对目标的持续跟踪，待无人系统及光电吊舱返航后，操控人员可通过光电吊舱内部存储的视频进行回放查看，提升侦察效果。因此，结合光电吊舱使用要求和无人系统发展趋势，提出一种光电吊舱内置光学传感器自主变焦方法。
发明内容
(一)发明目的
为实现光电吊舱内置光学传感器的自主变焦功能，提高无人系统执行侦察任务的自主性，降低人工操控负担，本发明提出一种基于嵌入式深度学习的光电吊舱内置光学传感器自主变焦方法。
(二)技术方案
为了解决上述技术问题，本发明提供一种基于嵌入式深度学习的光电吊舱内置光学传感器自主变焦方法，包括如下步骤：
S1安装在无人平台上的光电吊舱进入工作状态，按任务规划对侦察区域进行实时监控，并将采集到的视频实时回传至无人系统的地面控制站。
S2操控人员在地面控制站开启智能目标检测功能，集成在光电吊舱内部的嵌入式智能图像处理模块开始运行基于深度学习的智能目标检测算法。
嵌入式智能图像处理模块的核心处理芯片可选海思3519/3559AV100或者NVIDIAJetson TX2等支持深度学习算法运行的各种芯片，可选择的智能目标检测算法包括R-CNN、Fast R-CNN、Faster R-CNN、Yolo、SSD等多种深度学习算法，该类算法可对实时监控视频中出现的车辆、人员等典型目标进行实时监测并在视频中用方框等形式进行标识。
S3智能目标检测算法标识出多个目标，操控人员从多个目标中选择出所需的目标object，然后启动自动跟踪算法，本专利提及的自动跟踪算法采用基于相关系数的匹配方法对目标进行跟踪，该方法在使用前，预先对目标在整幅图像中所占区域大小W×H进行预设，其中W为目标在图像宽度方向上的成像像素数，H为目标在图像高度方向上的成像像素数，然后即可得到该自动跟踪算法匹配的目标最佳成像像素数Nopt＝W×H。自动跟踪算法启动后，对当前帧整幅图像中存在的多个不同位置处的W×H区域图像与上一帧图像中被认定为目标的W×H区域图像进行相关系数R的计算，其中，-1≤R≤1，R越接近1，则计算的两个W×H区域图像越接近。通过计算，找到当前帧中多个W×H区域图像与上一帧中目标图像具有最高相关系数的W×H区域，当其R值超过设定的阈值，则认为两帧图像中的两个W×H区域图像为同一目标，并将该W×H区域位置设定为目标在整幅图像中的最新位置，从而实现对目标的自动跟踪，如果其R值低于设定的阈值，则认为目标丢失。根据该算法的原理，两帧连续图像中，目标在图像中所占像素数的大小发生变化会造成相关系数的降低，从而造成目标丢失。因此，在对目标进行跟踪时，目标在图像中的大小始终保持在W×H附近，有利于跟踪效果的稳定。根据实际试验经验，为保证稳定跟踪，目标在当前帧图像中的成像大小与上一帧相比，变化最好应小于10％～20％，否则自动跟踪算法容易丢失目标。
S4：自动跟踪算法运行时，可引导光电吊舱转动，从而保证目标object始终处于图像中心位置，同时，智能目标检测算法可给出光电吊舱跟踪的目标object在当前帧图像中所占的像素数Nobject，Nobject的更新频率与嵌入式智能图像处理模板的处理能力以及采用的深度学习算法性能有关，其最理想的更新频率值为光电吊舱内置光学传感器的图像采集帧频值。
S5操控人员开启光电吊舱内置光学传感器自主变焦功能，此时，光电吊舱内置光学传感器自主变焦算法接收参数Nobject，并与自动跟踪算法匹配的最佳像素数Nopt进行对比，令光电吊舱内置光学传感器自主变焦算法计算的最佳焦距值为fopt，自主变焦算法输出的最佳焦距值为fout，当前传感器的焦距为fnow，传感器最大焦距为fmax，最小焦距为fmin，则存在：
传感器自主变焦算法输出的最佳焦距值为fout为：
在接收到fout值后，光电吊舱内置光学传感器变焦至fout值，直至接收到再次更新后的fout值或者光电吊舱内置光学传感器自主变焦算法关闭。
智能目标检测算法、自动跟踪算法以及传感器自主变焦算法均可选择由该嵌入式智能图像处理模块进行运算。
S6随着无人平台与目标object之间的距离变化，传感器自主变焦算法始终自主调整传感器焦距，使所关注的目标object在图像中占据的像素数始终满足自动跟踪算法运行的要求。
上述步骤中，无论传感器自主变焦算法处于开启还是关闭状态下，人工均可对传感器焦距进行手动操控，传感器优先执行人工对于焦距的操控指令，保持操控人员对整个系统的绝对控制能力；根据任务需要，人工可选择关闭传感器自主变焦算法以及结束光电吊舱工作；任务完成后，无人平台返航，实施例结束。
(三)有益效果
上述技术方案所提供的光电吊舱内置光学传感器自主变焦方法，(1)可减少侦察任务实施过程中操控人员的操作动作，降低操控人员的操控负担，提高无人系统侦察任务实施的自主性，为无人系统集群侦察积累技术基础；(2)可实现对传感器焦距更精准的实时控制，满足自动跟踪算法对跟踪目标在图像上占据像素数的最佳要求，降低人工调整焦距不精确问题对自动跟踪算法运行的不良影响，提高光电吊舱对目标跟踪的稳定性。
附图说明
图1为本发明基于嵌入式深度学习的光电吊舱内置光学传感器自主变焦方法流程图。
具体实施方式
为使本发明的目的、内容和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
实施例1
一种基于嵌入式深度学习的光电平台传感器自主变焦方法采用的装置包括无人机、光电吊舱、地面控制站。其中，嵌入式智能图像处理模块集成在光电吊舱内部，智能目标检测算法、自动跟踪算法和传感器自主变焦算法均由该模块完成，其核心处理芯片为海思3519AV100。光电吊舱内部集成的传感器包括可见光传感器和红外传感器。目标自动跟踪算法对目标进行跟踪时最佳的目标像素数要求为Nopt＝400。
S1：无人机起飞，安装在无人机上的光电吊舱进入工作状态，按任务规划对区域进行实时监控，并将传感器采集到的视频实时回传至地面控制站，地面控制站将传感器切换至可见光传感器，视频分辨率为1920×1080，帧频为30帧；
S2：人工在地面控制站操控软件上选择开启智能目标检测功能，集成在光电吊舱内部的嵌入式智能图像处理板开始运行基于深度学习的智能目标检测算法,本实施例采用Yolo算法对实时监控视频中出现的车辆、人员等典型目标进行实时监测并在视频中用方框等形式进行标识，假使检测出的M个目标依次命名为object_1、object_2、object_3、object_4……object_M；
S3：人工对已智能识别并标识出的object_1至object_M多个目标进行初步观测，并从中选择出某个最关注的目标object_i，i为目标序号，1≤i≤M，令object＝object_i，然后人工操作对目标object进行跟踪，开启对目标object的自动跟踪，自动跟踪状态下，object目标始终处于图像中心位置，同时，智能目标检测算法可持续给出目标object在当前图像中所占的像素数Nobject；本实施例中参数Nobject的更新频率约为30Hz，与传感器的采集帧频值一致。
S4：人工开启传感器自主变焦功能，此时自主变焦算法控制的传感器为可见光传感器，智能图像处理模块上的传感器自主变焦算法开始持续接收参数Nobject，并与跟踪算法匹配的最佳像素数Nopt＝400进行对比，可见光传感器的最大焦距为fmax＝200mm，最小焦距为fmin＝20mm，传感器的初始焦距fnow＝20mm，则根据公式(1)与公式(2)即可计算得到fout，并且fout按照30Hz频率进行更新。可见光传感器接收到fout后，其按预设变焦速度变焦至fout值，直至传感器接收到再次更新后的fout值或者自主变焦算法关闭。
S5：随着无人机与目标object之间距离的变化，传感器自主变焦算法始终自主调整传感器焦距，使所关注的目标object在图像中占据的像素数始终满足自动跟踪算法运行的要求。
S6：无论传感器自主变焦算法处于开启还是关闭状态下，人工均可对传感器焦距进行手动操控，传感器优先执行人工对于焦距的操控指令，保持人对整个系统的绝对控制能力；
S7：当侦察任务完成时，关闭传感器自主变焦算法，光电吊舱结束工作；
S8：无人机返航，实施例结束。
实施例2
一种基于嵌入式深度学习的光电平台传感器自主变焦方法，采用的装置包括无人机、光电吊舱、地面控制站。其中，嵌入式智能图像处理模块集成在光电吊舱内部，智能目标检测算法、自动跟踪算法和传感器自主变焦算法均由该模块完成，其核心处理芯片为NVIDIA Jetson TX2。光电吊舱内部集成的传感器包括可见光传感器和红外传感器。目标自动跟踪算法对目标进行跟踪是最佳的目标像素数要求为Nopt＝225。
S1无人机起飞，安装在无人机上的光电吊舱进入工作状态，按任务规划对区域进行实时监控，并将传感器采集到的视频实时回传至地面控制站，地面控制站将传感器切换至红外传感器，视频分辨率为1024×768，帧频为50帧；
S2人工在地面控制站操控软件上选择开启智能目标检测功能，集成在光电吊舱内部的嵌入式智能图像处理板开始运行基于深度学习的智能目标检测算法,本实施例采用Yolo算法对实时监控视频中出现的车辆、人员等典型目标进行实时监测并在视频中用方框等形式进行标识，假使检测出的M个目标依次命名为object_1、object_2、object_3、object_4……object_M；
S3人工对已智能识别并标识出的object_1至object_M多个目标进行初步观测，并从中选择出某个最关注的目标object_i，i为目标序号，1≤i≤M，令object＝object_i，然后人工操作对目标object进行跟踪，开启对目标object的自动跟踪，自动跟踪状态下，object目标始终处于图像中心位置，同时，智能目标检测算法可持续给出目标object在当前图像中所占的像素数Nobject；本实施例中参数Nobject的更新频率约为30Hz，低于传感器的采集帧频值。
S4人工开启传感器自主变焦功能，此时自主变焦算法控制的传感器为红外传感器，智能图像处理模块上的传感器自主变焦算法开始持续接收参数Nobject，并与跟踪算法匹配的最佳像素数Nopt＝225进行对比，红外传感器的最大焦距为fmax＝150mm，最小焦距为fmin＝30mm，传感器的初始焦距fnow＝30mm，则根据公式(1)与公式(2)即可计算得到fout，并且fout按照30Hz频率进行更新。红外传感器接收到fout后，其按预设变焦速度变焦至fout值，直至传感器接收到再次更新后的fout值或者自主变焦算法关闭。
S5随着无人机与目标object之间距离的变化，传感器自主变焦算法始终自主调整传感器焦距，使所关注的目标object在图像中占据的像素数始终满足自动跟踪算法运行的要求。
S6无论传感器自主变焦算法处于开启还是关闭状态下，人工均可对传感器焦距进行手动操控，传感器优先执行人工对于焦距的操控指令，保持人对整个系统的绝对控制能力；
S7当侦察任务完成时，关闭传感器自主变焦算法，光电吊舱结束工作；
S8无人机返航，实施例结束。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.一种光电吊舱内置光学传感器自主变焦方法，其特征在于，包括如下步骤：
S1：安装在无人平台上的光电吊舱进入工作状态，按任务规划对侦察区域进行实时监控，并将采集到的视频实时回传至无人系统的地面控制站；
S2：操控人员在地面控制站开启智能目标检测功能，集成在光电吊舱内部的嵌入式智能图像处理模块开始运行基于深度学习的智能目标检测算法；
S3：智能目标检测算法标识出多个目标，操控人员从多个目标中选择出所需的目标object，然后启动自动跟踪算法；
S4：自动跟踪算法运行时，引导光电吊舱转动，使目标object始终处于图像中心位置；智能目标检测算法给出光电吊舱跟踪的目标object在当前帧图像中所占的像素数Nobject，Nobject按照设定频率更新；
S5：操控人员开启光电吊舱内置光学传感器自主变焦功能，此时，光电吊舱内置光学传感器自主变焦算法接收参数Nobject，并与自动跟踪算法匹配的最佳像素数Nopt进行对比，令光电吊舱内置光学传感器自主变焦算法计算的最佳焦距值为fopt，自主变焦算法输出的最佳焦距值为fout，当前传感器的焦距为fnow，传感器最大焦距为fmax，最小焦距为fmin，则存在：
传感器自主变焦算法输出的最佳焦距值为fout为：
在接收到fout值后，光电吊舱内置光学传感器变焦至fout值，直至接收到再次更新后的fout值或者光电吊舱内置光学传感器自主变焦算法关闭；
所述步骤S2中，嵌入式智能图像处理模块的核心处理芯片选用海思3519/3559AV100或者NVIDIAJetson TX2芯片；
所述步骤S2中，智能目标检测算法包括R-CNN、Fast R-CNN、Faster R-CNN、Yolo、SSD中的其中一种深度学习算法；
所述步骤S3中，自动跟踪算法采用基于相关系数的匹配方法对目标进行跟踪，自动跟踪算法启动前，预先对目标在整幅图像中所占区域大小W×H进行预设，其中W为目标在图像宽度方向上的成像像素数，H为目标在图像高度方向上的成像像素数，然后即可得到该自动跟踪算法匹配的目标最佳成像像素数Nopt＝W×H；自动跟踪算法启动后，对当前帧整幅图像中存在的多个不同位置处的W×H区域图像与上一帧图像中被认定为目标的W×H区域图像进行相关系数R的计算，其中，-1≤R≤1，R越接近1，则计算的两个W×H区域图像越接近；通过计算，找到当前帧中多个W×H区域图像与上一帧中目标图像具有最高相关系数的W×H区域，当其R值超过设定的阈值，则认为两帧图像中的两个W×H区域图像为同一目标，并将该W×H区域位置设定为目标在整幅图像中的最新位置，实现对目标的自动跟踪；如果其R值低于设定的阈值，则认为目标丢失；
所述步骤S3中，目标在当前帧图像中的成像大小与上一帧相比，变化小于10％～20％。
2.如权利要求1所述的光电吊舱内置光学传感器自主变焦方法，其特征在于，所述步骤S4中，Nobject的更新频率为光电吊舱内置光学传感器的图像采集帧频值。
3.如权利要求2所述的光电吊舱内置光学传感器自主变焦方法，其特征在于，所述智能目标检测算法、自动跟踪算法以及传感器自主变焦算法均由嵌入式智能图像处理模块进行运算。
4.如权利要求3所述的光电吊舱内置光学传感器自主变焦方法，其特征在于，所述传感器自主变焦算法处于开启或关闭状态下，人工均可对传感器焦距进行手动操控，传感器优先执行人工对于焦距的操控指令。
5.如权利要求4所述的光电吊舱内置光学传感器自主变焦方法，其特征在于，根据任务需要，人工可选择关闭传感器自主变焦算法以及结束光电吊舱工作；任务完成后，无人平台返航。
6.如权利要求1所述的光电吊舱内置光学传感器自主变焦方法，其特征在于，所述嵌入式智能图像处理模块集成在光电吊舱内部，光电吊舱内部集成的传感器包括可见光传感器和红外传感器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010776911.9A CN111860461B (zh) | 2020-08-05 | 2020-08-05 | 一种光电吊舱内置光学传感器自主变焦方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010776911.9A CN111860461B (zh) | 2020-08-05 | 2020-08-05 | 一种光电吊舱内置光学传感器自主变焦方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111860461A CN111860461A (zh) | 2020-10-30 |
| CN111860461B true CN111860461B (zh) | 2024-02-27 |
Family
ID=72972328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010776911.9A Active CN111860461B (zh) | 2020-08-05 | 2020-08-05 | 一种光电吊舱内置光学传感器自主变焦方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111860461B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113721449B (zh) * | 2021-01-05 | 2024-07-26 | 北京理工大学 | 一种多旋翼机控制系统及方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6130705A (en) * | 1998-07-10 | 2000-10-10 | Recon/Optical, Inc. | Autonomous electro-optical framing camera system with constant ground resolution, unmanned airborne vehicle therefor, and methods of use |
| CN104574332A (zh) * | 2014-12-26 | 2015-04-29 | 北京航天控制仪器研究所 | 一种机载光电吊舱用图像融合方法 |
| CN105243364A (zh) * | 2015-09-24 | 2016-01-13 | 北京贯中精仪科技有限公司 | 光电吊舱搜索方法、装置以及系统 |
| CN108803668A (zh) * | 2018-06-22 | 2018-11-13 | 航天图景（北京）科技有限公司 | 一种静态目标监测的智能巡检无人机吊舱系统 |
| CN110022467A (zh) * | 2019-05-14 | 2019-07-16 | 北京中星讯达科技有限公司 | 一种集成四种光源的光电跟踪监视系统 |
| CN110400330A (zh) * | 2019-08-13 | 2019-11-01 | 湖南海迅自动化技术有限公司 | 基于融合imu的光电吊舱图像跟踪方法及跟踪系统 |
| CN110543800A (zh) * | 2018-05-29 | 2019-12-06 | 北京京东尚科信息技术有限公司 | 用于吊舱的目标识别跟踪方法、装置和吊舱 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040100560A1 (en) * | 2002-11-22 | 2004-05-27 | Stavely Donald J. | Tracking digital zoom in a digital video camera |
| CN104778726A (zh) * | 2015-04-29 | 2015-07-15 | 深圳市保千里电子有限公司 | 一种基于人体特征进行运动轨迹跟踪的方法及系统 |
-
2020
- 2020-08-05 CN CN202010776911.9A patent/CN111860461B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6130705A (en) * | 1998-07-10 | 2000-10-10 | Recon/Optical, Inc. | Autonomous electro-optical framing camera system with constant ground resolution, unmanned airborne vehicle therefor, and methods of use |
| CN104574332A (zh) * | 2014-12-26 | 2015-04-29 | 北京航天控制仪器研究所 | 一种机载光电吊舱用图像融合方法 |
| CN105243364A (zh) * | 2015-09-24 | 2016-01-13 | 北京贯中精仪科技有限公司 | 光电吊舱搜索方法、装置以及系统 |
| CN110543800A (zh) * | 2018-05-29 | 2019-12-06 | 北京京东尚科信息技术有限公司 | 用于吊舱的目标识别跟踪方法、装置和吊舱 |
| CN108803668A (zh) * | 2018-06-22 | 2018-11-13 | 航天图景（北京）科技有限公司 | 一种静态目标监测的智能巡检无人机吊舱系统 |
| CN110022467A (zh) * | 2019-05-14 | 2019-07-16 | 北京中星讯达科技有限公司 | 一种集成四种光源的光电跟踪监视系统 |
| CN110400330A (zh) * | 2019-08-13 | 2019-11-01 | 湖南海迅自动化技术有限公司 | 基于融合imu的光电吊舱图像跟踪方法及跟踪系统 |
Non-Patent Citations (5)
| Title |
|---|
| A Catadioptric and Pan-Tilt-Zoom Camera Pair Object Tracking System for UAVs;Metin Tarhan;《Journal of Intelligent & Robotic Systems 》;119–134 * |
| Real time tracking of a remote moving object by active zoom cameras;Yan Gao;《2010 IEEE International Conference on Intelligence and Security Informatics》;1-7 * |
| 先进瞄准吊舱动态特性仿真与测试的工程化方法;迟圣威;《兵器装备工程学报》;18-21, 56 * |
| 机载轻小型中波红外连续变焦系统设计;葛婧菁;《应用光学》;728-732 * |
| 适用于无人机小型吊舱的变焦控制系统设计;王向军;《光电工程》;1-6 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111860461A (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106873627B (zh) | 一种自动巡检输电线路的多旋翼无人机及方法 | |
| US8115814B2 (en) | Mobile tracking system, camera and photographing method | |
| CN109191504A (zh) | 一种无人机目标跟踪方法 | |
| CN111633660A (zh) | 一种智能巡检机器人 | |
| CN110614638A (zh) | 一种变电站巡检机器人自主采集方法及系统 | |
| KR100669250B1 (ko) | 인공표식 기반의 실시간 위치산출 시스템 및 방법 | |
| CN112056301A (zh) | 一种变电站自主侦测驱鸟系统 | |
| JP2016177640A (ja) | 映像監視システム | |
| CN111624994A (zh) | 一种基于5g通信的机器人巡检方法 | |
| CN108897342B (zh) | 针对快速移动的民用多旋翼无人机的定位跟踪方法及系统 | |
| CN114905512B (zh) | 一种智能巡检机器人全景追踪及避障方法及系统 | |
| CN114080905B (zh) | 基于数字双胞胎的采摘方法及云采摘机器人系统 | |
| JPH07270518A (ja) | 距離計測装置 | |
| CN111860461B (zh) | 一种光电吊舱内置光学传感器自主变焦方法 | |
| CN114281100B (zh) | 一种不悬停无人机巡检系统及其方法 | |
| CN106774318A (zh) | 多智能体交互式环境感知与路径规划运动系统 | |
| CN113190047B (zh) | 一种基于二维平面的无人机群路径识别方法 | |
| CN109002059A (zh) | 一种多旋翼无人机目标实时跟踪拍摄系统及方法 | |
| KR20200069819A (ko) | 비행제어 시스템 및 무인 비행체를 제어하는 방법 | |
| CN112150547B (zh) | 一种确定车体位姿的方法、装置及环视视觉里程计系统 | |
| JP2016118994A (ja) | 監視システム | |
| CN111157008B (zh) | 基于多维环境信息感知的局部自主导航系统及方法 | |
| CN113743286A (zh) | 一种多源信号融合的目标监测系统及方法 | |
| CN211293749U (zh) | 一种用于育种小区测产的田间自行走机器人 | |
| CN113081525A (zh) | 一种智能助行设备及智能助行设备的控制方法 |
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 |