CN112069651B - 一种基于isar成像的自旋稳定目标旋转轴估计方法 - Google Patents
一种基于isar成像的自旋稳定目标旋转轴估计方法 Download PDFInfo
- Publication number
- CN112069651B CN112069651B CN202010728014.0A CN202010728014A CN112069651B CN 112069651 B CN112069651 B CN 112069651B CN 202010728014 A CN202010728014 A CN 202010728014A CN 112069651 B CN112069651 B CN 112069651B
- Authority
- CN
- China
- Prior art keywords
- matrix
- scattering
- mean
- scattering point
- spin
- 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 47
- 238000003384 imaging method Methods 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 70
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 230000006641 stabilisation Effects 0.000 claims description 5
- 238000011105 stabilization Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 230000002087 whitening effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000006340 racemization Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于ISAR成像的自旋稳定目标旋转轴估计方法：首先，通过空间自旋目标ISAR三维成像结果进行L个特征点提取，得到不同时刻对应的N幅图像中每个特征点的散射坐标Pn,i，其次，根据特征点的散射坐标Pn,i构建散射点坐标矩阵P，再次通过计算所得均值矩阵K对散射点矩阵进行去均值(白化)处理，得到去均值后的散射点坐标矩阵并求解去均值后的散射点坐标矩阵的协方差矩阵CP，然后对得到的协方差矩阵进行奇异值分解处理，得到最大特征值Λ及其对应的特征向量Q；最后通过得到的最大特征值对应的特征向量，实现自旋稳定目标旋转轴标定。
Description
技术领域
本发明涉及一种目标姿态参数估计方法，特别是一种基于ISAR成像的自旋稳定目标旋转轴估计方法，属于微波遥感技术领域。
背景技术
随着失效航天器在轨移除、空间碎片清理等在轨服务任务需求不断增加，其中空间非合作目标捕获技术则是该任务实现的核心技术之一，该技术的主要难点在于航天器无法自主提取有效的非合作目标姿态参数等信息，从而无法实现抓捕、移除等在轨操作任务。因此为实现自旋废弃航天器抓捕、回收等在轨操作任务，探测载荷需向操作载荷提供准确的相对导航信息，而目标旋转轴指向标定就是其中一项重要信息。
目前针对目标姿态参数估计的方式主要包含光学或者微波体制，其中光学体制利用多部CCD相机采集每帧图像进行最小二乘拟合空间平面，达到目标旋转轴估计目标，但光学手段存在设备量大、环境适应性等缺陷。而微波体制主要采用一维距离像或二维ISAR图像实现参数估计，可以克服光学环境适应性的问题，但目前并未出现利用ISAR图像实现自旋稳定目标旋转轴估计的报道，所以本文提出的方法具有较强的创新性。
发明内容
本发明的技术解决问题是：克服现有技术的不足，提出一种基于ISAR成像的自旋稳定目标旋转轴估计方法，在空间自旋目标的ISAR三维像的基础上，建立自旋目标主轴估计简化模型，提取目标特征散射点，构造散射点位置矩阵和求解协方差矩阵，取出最大特征值对应的特征向量，最后确定旋转主轴的表达式，实现空间旋转目标旋转轴的指向标定。
本发明的技术解决方案是：一种基于ISAR成像的自旋稳定目标旋转轴估计方法，该方法步骤如下：
(1)、通过空间自旋目标ISAR三维成像结果进行L个特征点提取，得到不同时刻对应的N幅图像中每个特征点的散射坐标Pn,i，并根据特征点的散射坐标Pn,i构建散射点坐标矩阵P，n＝1～N，i＝1～L，N为图像张数，L为强散射点个数；
(2)、根据坐标散射点矩阵P，计算散射点坐标均值矢量k，并利用k构造均值矩阵K，采用均值矩阵K对散射点坐标矩阵P进行去均值处理，从而消除图像背景杂波；
(3)、计算去均值处理后的散射点坐标矩阵的协方差矩阵Cp；
(4)、对去均值处理后的散射点坐标矩阵的协方差矩阵Cp进行奇异值分解，得到协方差矩阵Cp全部特征值/>及其对应的特征向量Q＝[e1,e2,e3]；
(5)、按照特征值从大到小的顺序排列协方差矩阵Cp全部特征值及其对应的特征向量，则较大特征值对应的特征向量可表示为图像主轴方向eopt，即实现自旋稳定目标旋转轴方向标定。
不同时刻对应的N幅图像中每个特征点的散射坐标为利用散射点强度阈值筛选法得到的强散射点空间位置坐标。
所述散射点坐标矩阵P为：
P＝[pn,1,pn,2,…,pn,L-1,pn,L]
式中，Pn,i＝(xn,i,yn,i,zn,i)T,i∈[1,L],n∈[1,N]是第n幅ISAR图像中第i个强散射点的空间位置坐标。
所述步骤(3)根据强散射点空间位置坐标Pn,i计算均值矢量k，并利用均值矢量构造得到均值矩阵K，具体表示为：
式中，为去均值后强散射点空间位置。
所述去均值处理的计算公式如下：
式中，为去均值处理后的散射点坐标矩阵。
去均值处理后的散射点坐标矩阵的协方差矩阵Cp为：
式中cov(x,x)、cov(y,y)和cov(z,z)为方差函数，即cov(x,y)、cov(y,z)和cov(x,z)为协方差函数，即
本发明与现有技术相比的优点在于：
(1)、目前利用光学手段进行目标姿态参数估计存在环境适应性问题，而本发明方法以微波ISAR图像作为基础，解决了环境适应性问题，实现了全天时、全天候目标姿态测量；
(2)、本发明通过对空间自旋稳定目标ISAR三维图像中提取L个特征点，获取不同时刻多幅图像的散射点坐标Pi，并进行散射点强度筛选，降低了数据处理量，提高了图像处理效率；
(3)、本发明利用去均值处理后的散射点坐标计算协方差矩阵Cp，并进行奇异值分解得到最大特征值和对应的特征向量，实现自旋稳定目标旋转轴标定，解决了一定计算复杂度的问题；
(4)、本发明通过ISAR三维图像中强散射点提取、去均值、协方差变换和奇异值分解等运算，解决了光学手段和传统微波测量手段无法实现自旋稳定目标旋转轴估计问题，可为后续空间自旋稳定目标的测量、消旋和抓捕提供准确的相对测量信息之一。
附图说明
图1为本发明方法的流程框图；
图2为本发明空间自旋稳定目标三维成像模型图；
图3为本发明空间自旋稳定目标三维成像及其散射点仿真图；
图4为本发明空间自旋稳定目标旋转轴标定仿真图；
具体实施方式
以下结合附图和具体实施例对本发明进行详细说明。
如图1所示，为本发明一种基于ISAR成像结合主成分分析的自旋稳定目标旋转轴估计方法的流程框图。首先，通过空间自旋目标ISAR三维成像结果进行L个特征点提取，得到不同时刻对应的N幅图像中每个特征点的散射坐标Pn,i，其次，根据特征点的散射坐标Pn,i构建散射点坐标矩阵P，再次通过计算所得均值矩阵K对散射点矩阵进行去均值(白化)处理，得到去均值后的散射点坐标矩阵并求解去均值后的散射点坐标矩阵的协方差矩阵CP，然后对得到的协方差矩阵进行奇异值分解处理，得到最大特征值Λ及其对应的特征向量Q；最后通过得到的最大特征值对应的特征向量，实现自旋稳定目标旋转轴标定。具体描述如下：
(1)、通过空间自旋目标ISAR三维成像结果进行L个特征点提取，得到不同时刻对应的N幅图像中每个特征点的散射坐标Pn,i，并根据特征点的散射坐标Pn,i构建散射点坐标矩阵P，n＝1～N，i＝1～L，N为图像张数，L为强散射点个数；
不同时刻对应的N幅图像中每个特征点的散射坐标为利用散射点强度阈值筛选法得到的强散射点空间位置坐标。
所述散射点坐标矩阵P为：
P＝[pn,1,pn,2,…,pn,L-1,pn,L]
式中，Pn,i＝(xn,i,yn,i,zn,i)T,i∈[1,L],n∈[1,N]是第n幅ISAR图像中第i个强散射点的空间位置坐标。
(2)、根据坐标散射点矩阵P，计算散射点坐标均值矢量k，并利用k构造均值矩阵K，采用均值矩阵K对散射点坐标矩阵P进行去均值处理，从而消除图像背景杂波；
根据强散射点空间位置坐标Pn,i计算均值矢量k，并利用均值矢量构造得到均值矩阵K，具体表示为：
式中，为去均值后强散射点空间位置。
(3)、计算去均值处理后的散射点坐标矩阵的协方差矩阵Cp；
所述去均值处理的计算公式如下：
式中，为去均值处理后的散射点坐标矩阵。
(4)、对去均值处理后的散射点坐标矩阵的协方差矩阵Cp进行奇异值分解，得到协方差矩阵Cp全部特征值/>及其对应的特征向量Q＝[e1,e2,e3]；
去均值处理后的散射点坐标矩阵的协方差矩阵Cp为：
式中cov(x,x)、cov(y,y)和cov(z,z)为方差函数，即cov(x,y)、cov(y,z)和cov(x,z)为协方差函数，即
(5)、按照特征值从大到小的顺序排列协方差矩阵Cp全部特征值及其对应的特征向量，则较大特征值对应的特征向量可表示为图像主轴方向eopt，即实现自旋稳定目标旋转轴方向标定。
实施例
为了更清楚的表明本方法的优点，在此进行仿真验证，仿真条件：所有仿真均在Matlab软件下完成，其中仿真数据为：微波雷达系统载频为8GHz，带宽1.8GHz，脉冲时宽1us，脉冲重复脉冲周期2400Hz，自旋稳定目标的旋转角速度是6.28rad/s。通过上述条件，建立如图2所示的空间自旋稳定目标三维成像模型，其中自旋目标的中心为坐标原点。
图3为本发明实施例中采用本发明方法，空间自旋稳定目标三维成像及其散射点仿真图，其中X、Y、Z坐标分别为ISAR三维图像及强散射点坐标范围，可以看出通过利用散射点强度阈值筛选出不同时刻多幅图像的强散射点及其位置坐标。图4为本发明实例中采用本发明方法，空间自旋稳定目标旋转轴标定仿真图，其中X、Y、Z坐标分别为目标强散射点及自旋稳定目标旋转轴空间位置坐标，通过对去均值处理后的散射点坐标计算协方差矩阵进行奇异值分解得到最大特征值和对应的特征向量，完成自旋稳定目标旋转轴标定，从图中可以看出仿真建模目标已对最大旋转轴方向进行标定。
通过该实施例首先验证了该方法模型建立、强散射点提取、构建协方差矩阵和奇异值分解等主成分分析的正确性。其次也说明了利用ISAR三维图像中强散射点的位置坐标信息与主成分分析结合求解自旋稳定目标旋转轴具有较好的准确性。最后，该实施例利用部分强散射点且建模目标复杂性较低，但该方法可拓展至复杂目标，如空间站、失效卫星等目标，为未来该类型目标的在轨维修维护等任务提供切实可行技术途径。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (2)
1.一种基于ISAR成像的自旋稳定目标旋转轴估计方法，其特征在于步骤如下：
(1)、通过空间自旋目标ISAR三维成像结果进行L个特征点提取，得到不同时刻对应的N幅图像中每个特征点的散射坐标Pn,i，并根据特征点的散射坐标Pn,i构建散射点坐标矩阵P，n＝1～N，i＝1～L，N为图像张数，L为强散射点个数；
所述散射点坐标矩阵P为：
P＝[pn,1，pn,2，…，pn，L-1，pn，L]
式中，Pn,i＝xn,i,yn,i,zn,i T,i∈[1，L]，n∈[1,N]是第n幅ISAR图像中第i个强散射点的空间位置坐标；
(2)、根据坐标散射点矩阵P，计算散射点坐标均值矢量k，并利用k构造均值矩阵K，采用均值矩阵K对散射点坐标矩阵P进行去均值处理，从而消除图像背景杂波；
根据强散射点空间位置坐标Pn,i计算均值矢量k，并利用均值矢量构造得到均值矩阵K，具体表示为：
式中，为去均值后强散射点空间位置；
所述去均值处理的计算公式如下：
式中，为去均值处理后的散射点坐标矩阵；
(3)、计算去均值处理后的散射点坐标矩阵的协方差矩阵Cp；
去均值处理后的散射点坐标矩阵的协方差矩阵Cp为：
式中cov x,x、cov y,y和cov z,z为方差函数，即cov x,y、cov y,z和cov x,z为协方差函数，即/>
(4)、对去均值处理后的散射点坐标矩阵的协方差矩阵Cp进行奇异值分解，得到协方差矩阵Cp全部特征值/>及其对应的特征向量Q＝[e1,e2,e3]；
(5)、按照特征值从大到小的顺序排列协方差矩阵Cp全部特征值及其对应的特征向量，则较大特征值对应的特征向量可表示为图像主轴方向eopt，即实现自旋稳定目标旋转轴方向标定。
2.根据权利要求1所述的一种基于ISAR成像的自旋稳定目标旋转轴估计方法，其特征在于不同时刻对应的N幅图像中每个特征点的散射坐标为利用散射点强度阈值筛选法得到的强散射点空间位置坐标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010728014.0A CN112069651B (zh) | 2020-07-23 | 2020-07-23 | 一种基于isar成像的自旋稳定目标旋转轴估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010728014.0A CN112069651B (zh) | 2020-07-23 | 2020-07-23 | 一种基于isar成像的自旋稳定目标旋转轴估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112069651A CN112069651A (zh) | 2020-12-11 |
| CN112069651B true CN112069651B (zh) | 2024-04-09 |
Family
ID=73656734
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010728014.0A Active CN112069651B (zh) | 2020-07-23 | 2020-07-23 | 一种基于isar成像的自旋稳定目标旋转轴估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112069651B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101685154A (zh) * | 2008-09-27 | 2010-03-31 | 清华大学 | 一种双/多基地逆合成孔径雷达图像融合方法 |
| CN103091674A (zh) * | 2012-12-14 | 2013-05-08 | 西安电子科技大学 | 基于hrrp序列的空间目标高分辨成像方法 |
| CN104240212A (zh) * | 2014-09-03 | 2014-12-24 | 西安电子科技大学 | 基于目标特征的isar图像融合方法 |
| CN105997093A (zh) * | 2016-04-24 | 2016-10-12 | 西安电子科技大学 | 基于雷达主成分分析的肢体运动分离方法 |
| CN107085212A (zh) * | 2017-04-01 | 2017-08-22 | 中国人民解放军空军工程大学 | 一种基于线性调频步进信号的自旋目标时变三维成像方法 |
| KR20170097373A (ko) * | 2016-02-18 | 2017-08-28 | 포항공과대학교 산학협력단 | 주성분 분석 기법을 이용한 역합성 개구면 레이더 영상의 횡단거리방향 스케일링 장치 및 그 방법 |
| CN107871123A (zh) * | 2017-11-15 | 2018-04-03 | 北京无线电测量研究所 | 一种逆合成孔径雷达空间目标分类方法及系统 |
| CN108647580A (zh) * | 2018-04-18 | 2018-10-12 | 中国人民解放军国防科技大学 | 基于改进sift引导isar图像特征点提取匹配方法 |
| CN110316148A (zh) * | 2018-03-28 | 2019-10-11 | 英飞凌科技股份有限公司 | 控制对车辆的访问的系统、方法及计算机存储介质 |
| CN110346796A (zh) * | 2019-07-03 | 2019-10-18 | 西安电子科技大学 | 一种空间自旋目标快速isar三维成像方法 |
| CN110503713A (zh) * | 2019-07-03 | 2019-11-26 | 西安电子科技大学 | 一种基于轨迹平面法向量和圆心结合的旋转轴估计方法 |
| CN110780298A (zh) * | 2019-11-01 | 2020-02-11 | 西安电子科技大学 | 基于变分贝叶斯学习的多基isar融合成像方法 |
| CN111080674A (zh) * | 2019-12-18 | 2020-04-28 | 上海无线电设备研究所 | 一种基于混合高斯模型的多目标isar关键点提取方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11402470B2 (en) * | 2018-12-05 | 2022-08-02 | Tata Consultancy Services Limited | Method and system for monitoring machine health using radar based segregation for induced machine vibrations |
-
2020
- 2020-07-23 CN CN202010728014.0A patent/CN112069651B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101685154A (zh) * | 2008-09-27 | 2010-03-31 | 清华大学 | 一种双/多基地逆合成孔径雷达图像融合方法 |
| CN103091674A (zh) * | 2012-12-14 | 2013-05-08 | 西安电子科技大学 | 基于hrrp序列的空间目标高分辨成像方法 |
| CN104240212A (zh) * | 2014-09-03 | 2014-12-24 | 西安电子科技大学 | 基于目标特征的isar图像融合方法 |
| KR20170097373A (ko) * | 2016-02-18 | 2017-08-28 | 포항공과대학교 산학협력단 | 주성분 분석 기법을 이용한 역합성 개구면 레이더 영상의 횡단거리방향 스케일링 장치 및 그 방법 |
| CN105997093A (zh) * | 2016-04-24 | 2016-10-12 | 西安电子科技大学 | 基于雷达主成分分析的肢体运动分离方法 |
| CN107085212A (zh) * | 2017-04-01 | 2017-08-22 | 中国人民解放军空军工程大学 | 一种基于线性调频步进信号的自旋目标时变三维成像方法 |
| CN107871123A (zh) * | 2017-11-15 | 2018-04-03 | 北京无线电测量研究所 | 一种逆合成孔径雷达空间目标分类方法及系统 |
| CN110316148A (zh) * | 2018-03-28 | 2019-10-11 | 英飞凌科技股份有限公司 | 控制对车辆的访问的系统、方法及计算机存储介质 |
| CN108647580A (zh) * | 2018-04-18 | 2018-10-12 | 中国人民解放军国防科技大学 | 基于改进sift引导isar图像特征点提取匹配方法 |
| CN110346796A (zh) * | 2019-07-03 | 2019-10-18 | 西安电子科技大学 | 一种空间自旋目标快速isar三维成像方法 |
| CN110503713A (zh) * | 2019-07-03 | 2019-11-26 | 西安电子科技大学 | 一种基于轨迹平面法向量和圆心结合的旋转轴估计方法 |
| CN110780298A (zh) * | 2019-11-01 | 2020-02-11 | 西安电子科技大学 | 基于变分贝叶斯学习的多基isar融合成像方法 |
| CN111080674A (zh) * | 2019-12-18 | 2020-04-28 | 上海无线电设备研究所 | 一种基于混合高斯模型的多目标isar关键点提取方法 |
Non-Patent Citations (2)
| Title |
|---|
| ISAR Imaging Method for Non-Cooperative Slow Rotation Targets in Space;Xi Luo等;《2018 12th International Symposium on Antennas，Propagation and EM Theory》;1-20 * |
| 极化SAR图像处理的相关问题研究;何伟;《中国优秀博士学位论文全文数据库》(第1期);I136-258 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112069651A (zh) | 2020-12-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106356757B (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
| CN102494675B (zh) | 一种运动目标特征高速视觉捕捉方法 | |
| CN106842165B (zh) | 一种基于不同距离角度分辨率雷达集中式异步融合方法 | |
| CN107560592B (zh) | 一种用于光电跟踪仪联动目标的精确测距方法 | |
| CN108734103A (zh) | 卫星视频中运动目标的检测与跟踪方法 | |
| CN115943439A (zh) | 一种基于雷视融合的多目标车辆检测及重识别方法 | |
| CN114034296A (zh) | 一种导航信号干扰源检测与识别方法及系统 | |
| CN111553280A (zh) | 基于深度学习的目标部位识别方法 | |
| CN112348882A (zh) | 一种基于多源探测器的低空目标跟踪信息融合方法和系统 | |
| Long et al. | Object detection research of SAR image using improved faster region-based convolutional neural network | |
| CN113253289A (zh) | 基于激光雷达与视觉结合的无人机探测跟踪系统实现方法 | |
| CN115588144A (zh) | 基于高斯动态阈值筛选的实时姿态捕捉方法及装置、设备 | |
| Guo et al. | Aircraft target detection from spaceborne SAR image | |
| CN101877134A (zh) | 一种机场监视视频目标鲁棒跟踪方法 | |
| CN112069651B (zh) | 一种基于isar成像的自旋稳定目标旋转轴估计方法 | |
| CN111311640B (zh) | 一种基于运动估计的无人机识别跟踪方法 | |
| CN116978009A (zh) | 基于4d毫米波雷达的动态物体滤除方法 | |
| Curro et al. | Automated aerial refueling position estimation using a scanning LiDAR | |
| CN114396921B (zh) | 一种基于无人机的钱塘江涌潮高度及传播速度测量方法 | |
| Wang et al. | A moving target detection and localization strategy based on optical flow and pin-hole imaging methods using monocular vision | |
| Martinez et al. | Convolutional neural networks for parking space detection in downfire urban radar | |
| CN114067064A (zh) | 基于多视角雷达图像的目标三维重建方法 | |
| CN108985445A (zh) | 一种基于机器学习理论的sar目标方位鉴别方法 | |
| CN110223250A (zh) | 基于单应变换的sar几何校正方法 | |
| Li et al. | Rfid dynamic performance measurement system embedded in multiscale deep learning |
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 |