CN113163139A - 一种高空无人机侦察图像情报实时处理方法 - Google Patents
一种高空无人机侦察图像情报实时处理方法 Download PDFInfo
- Publication number
- CN113163139A CN113163139A CN202110699684.9A CN202110699684A CN113163139A CN 113163139 A CN113163139 A CN 113163139A CN 202110699684 A CN202110699684 A CN 202110699684A CN 113163139 A CN113163139 A CN 113163139A
- Authority
- CN
- China
- Prior art keywords
- corrected
- scout
- image
- scout image
- aerial vehicle
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 59
- 238000005520 cutting process Methods 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000007711 solidification Methods 0.000 abstract 1
- 230000008023 solidification Effects 0.000 abstract 1
- 230000010365 information processing Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/265—Mixing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种高空无人机侦察图像情报实时处理方法，通过对原始侦察图像进行几何修正得到修正侦察图像，并将原始侦察图像中的原始特征点映射至修正侦察图像中得到修正特征点，通过不同修正侦察图像之间的修正特征点进行特征匹配，对于不匹配的修正侦察图像直接进行瓦片切割，对于相互匹配的修正侦察图像计算其变换矩阵，并通过变换矩阵对修正侦察图像进行较正，并对校正后的修正侦察图像进行瓦片切割与融合；然后将瓦片切割后得到的侦察图像瓦片与地图背景瓦片进行融合，实现侦察图像瓦片在二维地图上的固化展示；本发明能够有效减少修正侦察图像之间存在的冗余信息，有效提高侦察图像上目标判读的效率的有益效果。
Description
技术领域
本发明属于侦察图像处理的技术领域，具体涉及一种高空无人机侦察图像情报实时处理方法。
背景技术
高空无人机通常被用于执行侦察、监视等任务，在执行任务过程中，无人机可通过搭载的光电球头、相机等传感器获得大量侦察图像及辅助信息，并通过无线链路将侦察数据下传至地面指控站。及时准确地处理传感器侦察数据，可以对战场态势进行更加精确地描述，协助指挥控制人员完成指挥决策。
图像情报处理主要是利用侦察数据完成目标的发现、识别、定位的过程，一般包括图像获取、图像存储、图像解析、图像显示、图像处理、情报判读、情报整编、情报分发等处理步骤。在作战过程中，情报的时效性极强，只有快速获取、处理、生成、分发可用情报才能对指挥作战提供支撑，因此情报处理技术研究的重点在于提高处理速度，加快情报处理闭环过程。
目前，侦察图像下传至地面指控站后，指控站主要对侦察图像进行存储、实时显示、判读等操作，存在以下问题：
（1）机载传感器连续成像，因此实时显示的侦察图像画面随时间动态变化，留给情报人员分析判读的时间极为有限；
（2）由于单张图像存在成像范围小，无法对侦察区域的整体情况进行有效感知；
（3）相邻图像间存在一定信息冗余，造成同一区域多次判读，影响判读效率，在数据量大的情况下，难以做到实时分析。
发明内容
本发明的目的在于提供一种高空无人机侦察图像情报实时处理方法，实现对侦察图像进行及时全面展示与判读，同时有效消除侦察图像之间存在的冗余信息。
本发明通过下述技术方案实现：
一种高空无人机侦察图像情报实时处理方法，包括以下步骤：
步骤1、实时接收无人机下传的侦察数据，并对侦察数据进行解码依次获得若干原始侦察图像与位置辅助信息，并根据位置辅助信息对原始侦察图像进行几何修正得到修正侦察图像；
步骤2、提取原始侦察图像中的原始特征点，并将原始特征点映射至对应的修正侦察图像中得到修正特征点，并将当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点进行特征匹配；
步骤3、根据特征匹配的结果对当前的修正侦察图像进行直接瓦片切割或对当前的修正侦察图像进行校正后进行瓦片切割和融合；
步骤4、将步骤3中得到的侦察图像瓦片与地图背景瓦片融合，将侦察图像瓦片展示于二维地图上；
步骤5、基于二维地图中的侦察图像瓦片进行目标判读、标注、编辑、推送。
为了更好的实现本发明，进一步地，所述步骤3中，若当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点不匹配，则将当前修正侦察图像直接按层级进行瓦片切割得到侦察图像瓦片，并保存相应的位置辅助信息；若当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点匹配，则对当前修正侦察图像进行校正，然后对校正后的修正侦察图像按层级进行瓦片切割得到侦察图像瓦片，并将侦察图像瓦片融合，并保存相应的位置辅助信息。
为了更好的实现本发明，进一步地，对当前修正侦察图像进行校正具体包括以下步骤：
步骤a、针对相互匹配的修正特征点，采用多维向量表示修正特征点；
步骤b、根据多维向量以及辅助位置信息计算相互匹配的修正特征点之间的变换矩阵；
步骤c、根据变换矩阵对修正特征点进行位置变换以实现校正。
为了更好的实现本发明，进一步地，所述修正特征点保存至特征匹配库中。
为了更好的实现本发明，进一步地，若二维地图中的侦察图像瓦片分辨率不足，则追溯当前侦察图像瓦片对应的修正侦察图像，通过修正侦察图像进行目标判读、标注、编辑、推送。
为了更好的实现本发明，进一步地，采用平均融合算法或双线性插值算法实现侦察图像瓦片与地图背景瓦片的融合。
为了更好的实现本发明，进一步地，所述步骤1中的位置辅助信息包括无人机所在经度、无人机所在纬度、无人机高度、无人机横滚角、无人机航向角、传感器方位角、传感器俯仰角。
本发明与现有技术相比，具有以下优点及有益效果：
（1）本发明实时将无人机下传的侦察数据进行解码得到原始侦察图像与辅助位置信息，并根据辅助位置信息对原始侦察图像进行几何修正得到修正侦察图像；让后提取原始侦察图像中的原始特征点，并将原始特征点映射至修正侦察图像中得到修正特征点；针对不同的修正侦察图像的修正特征点进行匹配，对于不能匹配的修正侦察图像直接进行瓦片切割，对于能够匹配的修正侦察图像，则计算匹配的修正侦察图像上的修正特征点之间的转换矩阵，进而通过转换矩阵对修正侦察图像进行变换，使得匹配的修正侦察图像上的修正特征点对应实现校正，然后对校正后的修正侦察图像进行瓦片切割与融合，有效避免了对修正侦察图像之间存在的重合场景的重复采集构成的冗余信息，进而有效减少了后续目标识别的运算量，大大提高了后续目标识别的效率和准确性；
（2）本发明可以基于二维地图上的侦察图像瓦片进行目标判读、标注、编辑、推送，也可以在侦察图像瓦片分辨率不足的情况下，通过侦察图像瓦片追溯相应的修正侦察图像，进而通过修正侦查图像进行目标判读、标注、编辑、推送，便于操作人员高效便捷完成人在回路的情报处理工作；
（3）本发明通过将侦察图像瓦片与地图背景瓦片融合，将侦察图像瓦片展示于二维地图上，实现侦察图像瓦片在二维地图上的固化显示，使得分析人员不再受限于侦察图像的动态显示。
附图说明
图1为本发明的流程示意图；
图2为相互匹配的修正侦察图像之间进行校正的示意图。
具体实施方式
实施例1：
本实施例的一种高空无人机侦察图像情报实时处理方法，如图1所示，包括以下步骤：
步骤1、实时接收无人机下传的侦察数据，并对侦察数据进行解码依次获得若干原始侦察图像与位置辅助信息，并根据位置辅助信息对原始侦察图像进行几何修正得到修正侦察图像；
所述位置辅助信息包括无人机所在经度、无人机所在纬度、无人机高度、无人机横滚角、无人机航向角、传感器方位角、传感器俯仰角。原始侦察图像即通过无人机上的摄像装置直接拍摄的图像，由于无人机本身受到经度、纬度、高度等位置辅助信息的影响，导致无人机直接拍摄的原始侦察图像与实际场景之间存在差异，为了修正上述差异，因此需要根据位置辅助信息对原始侦察图像进行几何修正以得到修正侦察图像，修正侦察图像更加贴近实际的场景。
步骤2、提取原始侦察图像中的原始特征点，并将原始特征点映射至对应的修正侦察图像中得到修正特征点，并将当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点进行特征匹配；
步骤3、根据特征匹配的结果对当前的修正侦察图像进行直接瓦片切割或对当前的修正侦察图像进行校正后进行瓦片切割和融合；
若当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点进行特征不匹配，则表明当前的修正侦察图像与其余的修正侦察图像之间不存在重合场景，因此直接将当前的修正侦察图像进行瓦片切割。
若当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点进行特征匹配，则表明当前的修正侦察图像与其余的修正侦察图像之间存在重合场景，为了避免重合场景的重复采集造成信息冗余，因此需要对当前的修正侦察图像进行校正，使得存在重合场景的修正侦察图像中的表示重合场景的修正特征点对应。然后再对校正后的修正侦察图像进行瓦片切割和融合，有效避免重合场景的重复采样，进而大幅降低后续目标检测的运算量。
步骤4、将步骤3中得到的侦察图像瓦片与地图背景瓦片融合，将侦察图像瓦片展示于二维地图上；
通过将位置坐标对应的侦察图像瓦片与地图背景瓦片融合，进而将侦察图像瓦片实时展示于二维地图上。二维地图上包含了若干侦察图像瓦片，通过二维地图能够对大场景大范围的整体情况进行实时感知，同时需要对小范围区域进行查看时，即可通过提取对应场景的侦察图像瓦片实现。
步骤5、基于二维地图中的侦察图像瓦片进行目标判读、标注、编辑、推送。
进一步的，所述修正特征点保存至特征匹配库中，进行修正侦察图像之间的特征匹配时，即将当前的修正侦察图像的修正特征点输入特征匹配库，然后与保存在特征匹配库中的其余修正侦察图像的修正特征点进行特征匹配。
进一步的，所述步骤1中的位置辅助信息包括无人机所在经度、无人机所在纬度、无人机高度、无人机横滚角、无人机航向角、传感器方位角、传感器俯仰角。
实施例2：
本实施例在实施例1的基础上做进一步优化，所述步骤3中，若当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点不匹配，则将当前修正侦察图像直接按层级进行瓦片切割得到侦察图像瓦片，并保存相应的位置辅助信息；若当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点匹配，则对当前修正侦察图像进行校正，然后对校正后的修正侦察图像按层级进行瓦片切割得到侦察图像瓦片，并将侦察图像瓦片融合，然后保存相应的位置辅助信息
本实施例的其他部分与实施例1相同，故不再赘述。
实施例3：
本实施例在上述实施例1或2的基础上做进一步优化，对当前修正侦察图像进行校正具体包括以下步骤：
步骤a、针对相互匹配的修正特征点，采用多维向量表示修正特征点；
步骤b、根据多维向量以及辅助位置信息计算相互匹配的修正特征点之间的变换矩阵；
步骤c、根据变换矩阵对修正特征点进行位置变换，使得匹配的修正特征点对应以完成修正。
如图2所示，若检测到两张修正侦察图像之间的修正特征点相互匹配成为匹配点对，则表明两张修正侦察图像之间存在重合场景，但是匹配点对在两张的修正侦察图像上的位置可能存在差异，因此需要对特征点对进行校正，使得特征点对在两张修正侦察图像上的位置对应。以其中一张修正侦察图像上的修正特征点为基准，计算另一张修正侦察图像上的修正特征点与基准之间的变换矩阵，进而得到匹配点对中两个修正特征点之间的位置变换关系，通过变换矩阵对其中一个修正特征点进行位置变换，即可使得两个修正特征点在两张修正侦察图像上的位置对应，即完成校正。
然后对校正后的修正侦察图像进行瓦片切割，并将存在重合场景的瓦片图像进行融合拼接，进而有效减少重合场景的重复采样，大大降低运算量，提高运算效率。
本实施例的其他部分与上述实施例1或2相同，故不再赘述。
实施例4：
本实施例在上述实施例1-3任一项的基础上做进一步优化，若二维地图中的侦察图像瓦片分辨率不足，则追溯当前侦察图像瓦片对应的修正侦察图像，通过修正侦察图像进行目标判读、标注、编辑、推送。
将修正侦察图像进行瓦片切割得到侦察图像瓦片的过程中，可能会导致图像上的目标模糊，此时直接通过侦察图像瓦片难以对目标进行判读。因此，需要根据侦察图像瓦片追溯至修正侦察图像，通过更加清晰的修正侦察图像对目标进行判读。
本实施例的其他部分与上述实施例1-3任一项相同，故不再赘述。
实施例5：
本实施例在上述实施例1-4任一项的基础上做进一步优化，采用平均融合算法或双线性插值算法实现侦察图像瓦片与地图背景瓦片的融合。
本实施例的其他部分与上述实施例1-4任一项相同，故不再赘述。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。
Claims (7)
1.一种高空无人机侦察图像情报实时处理方法，其特征在于，包括以下步骤：
步骤1、实时接收无人机下传的侦察数据，并对侦察数据进行解码依次获得若干原始侦察图像与位置辅助信息，并根据位置辅助信息对原始侦察图像进行几何修正得到修正侦察图像；
步骤2、提取原始侦察图像中的原始特征点，并将原始特征点映射至对应的修正侦察图像中得到修正特征点，并将当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点进行特征匹配；
步骤3、将当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点进行特征匹配，并根据特征匹配的结果对当前的修正侦察图像进行直接瓦片切割或对当前的修正侦察图像进行校正后进行瓦片切割；
步骤4、将步骤3中得到的侦察图像瓦片与地图背景瓦片融合，将侦察图像瓦片展示于二维地图上；
步骤5、基于二维地图中的侦察图像瓦片进行目标判读、标注、编辑、推送。
2.根据权利要求1所述的一种高空无人机侦察图像情报实时处理方法，其特征在于，所述步骤3中，若当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点不匹配，则将当前修正侦察图像直接按层级进行瓦片切割得到侦察图像瓦片，并保存相应的位置辅助信息；若当前修正侦察图像对应的修正特征点与其余的修正侦察图像对应的修正特征点匹配，则对当前修正侦察图像进行校正，然后对校正后的修正侦察图像按层级进行瓦片切割得到侦察图像瓦片，并保存相应的位置辅助信息。
3.根据权利要求2所述的一种高空无人机侦察图像情报实时处理方法，其特征在于，对当前修正侦察图像进行校正具体包括以下步骤：
步骤a、针对相互匹配的修正特征点，采用多维向量表示修正特征点；
步骤b、根据多维向量以及辅助位置信息计算相互匹配的修正特征点之间的变换矩阵；
步骤c、根据变换矩阵对修正特征点进行位置变换以实现校正。
4.根据权利要求3所述的一种高空无人机侦察图像情报实时处理方法，其特征在于，所述修正特征点保存至特征匹配库中。
5.根据权利要求1-4任一项所述的一种高空无人机侦察图像情报实时处理方法，其特征在于，所述步骤5中，若二维地图中的侦察图像瓦片分辨率不足，则追溯当前侦察图像瓦片对应的修正侦察图像，通过修正侦察图像进行目标判读、标注、编辑、推送。
6.根据权利要求1-4任一项所述的一种高空无人机侦察图像情报实时处理方法，其特征在于，所述步骤4中，采用平均融合算法或双线性插值算法实现侦察图像瓦片与地图背景瓦片的融合。
7.根据权利要求1-4任一项所述的一种高空无人机侦察图像情报实时处理方法，其特征在于，所述步骤1中的位置辅助信息包括无人机所在经度、无人机所在纬度、无人机高度、无人机横滚角、无人机航向角、传感器方位角、传感器俯仰角。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110699684.9A CN113163139A (zh) | 2021-06-23 | 2021-06-23 | 一种高空无人机侦察图像情报实时处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110699684.9A CN113163139A (zh) | 2021-06-23 | 2021-06-23 | 一种高空无人机侦察图像情报实时处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113163139A true CN113163139A (zh) | 2021-07-23 |
Family
ID=76876038
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110699684.9A Pending CN113163139A (zh) | 2021-06-23 | 2021-06-23 | 一种高空无人机侦察图像情报实时处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113163139A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115601471A (zh) * | 2022-12-16 | 2023-01-13 | 四川腾盾科技有限公司（Cn） | 基于大型无人机光电侦察扫过区域的绘制方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982515A (zh) * | 2012-10-23 | 2013-03-20 | 中国电子科技集团公司第二十七研究所 | 一种无人机图像实时拼接的方法 |
| CN104835115A (zh) * | 2015-05-07 | 2015-08-12 | 中国科学院长春光学精密机械与物理研究所 | 用于航空相机的图像成像方法及系统 |
| CN105139350A (zh) * | 2015-08-12 | 2015-12-09 | 北京航空航天大学 | 一种无人机侦察图像地面实时重建处理系统 |
| CN110136219A (zh) * | 2019-04-17 | 2019-08-16 | 太原理工大学 | 一种基于多源数据融合的二三维地图展示方法 |
| CN110930508A (zh) * | 2019-11-27 | 2020-03-27 | 西安应用光学研究所 | 二维光电视频与三维场景融合方法 |
| CN111444385A (zh) * | 2020-03-27 | 2020-07-24 | 西安应用光学研究所 | 一种基于影像角点匹配的电子地图实时视频镶嵌方法 |
| CN112434709A (zh) * | 2020-11-20 | 2021-03-02 | 西安视野慧图智能科技有限公司 | 基于无人机实时稠密三维点云和dsm的航测方法及系统 |
| CN112767245A (zh) * | 2021-01-04 | 2021-05-07 | 航天时代飞鸿技术有限公司 | 基于多无人机实时视频图像的地图拼接构建的系统及方法 |
| CN112991487A (zh) * | 2021-03-11 | 2021-06-18 | 中国兵器装备集团自动化研究所有限公司 | 一种多线程实时构建正射影像语义地图的系统 |
-
2021
- 2021-06-23 CN CN202110699684.9A patent/CN113163139A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982515A (zh) * | 2012-10-23 | 2013-03-20 | 中国电子科技集团公司第二十七研究所 | 一种无人机图像实时拼接的方法 |
| CN104835115A (zh) * | 2015-05-07 | 2015-08-12 | 中国科学院长春光学精密机械与物理研究所 | 用于航空相机的图像成像方法及系统 |
| CN105139350A (zh) * | 2015-08-12 | 2015-12-09 | 北京航空航天大学 | 一种无人机侦察图像地面实时重建处理系统 |
| CN110136219A (zh) * | 2019-04-17 | 2019-08-16 | 太原理工大学 | 一种基于多源数据融合的二三维地图展示方法 |
| CN110930508A (zh) * | 2019-11-27 | 2020-03-27 | 西安应用光学研究所 | 二维光电视频与三维场景融合方法 |
| CN111444385A (zh) * | 2020-03-27 | 2020-07-24 | 西安应用光学研究所 | 一种基于影像角点匹配的电子地图实时视频镶嵌方法 |
| CN112434709A (zh) * | 2020-11-20 | 2021-03-02 | 西安视野慧图智能科技有限公司 | 基于无人机实时稠密三维点云和dsm的航测方法及系统 |
| CN112767245A (zh) * | 2021-01-04 | 2021-05-07 | 航天时代飞鸿技术有限公司 | 基于多无人机实时视频图像的地图拼接构建的系统及方法 |
| CN112991487A (zh) * | 2021-03-11 | 2021-06-18 | 中国兵器装备集团自动化研究所有限公司 | 一种多线程实时构建正射影像语义地图的系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115601471A (zh) * | 2022-12-16 | 2023-01-13 | 四川腾盾科技有限公司（Cn） | 基于大型无人机光电侦察扫过区域的绘制方法 |
| CN115601471B (zh) * | 2022-12-16 | 2023-03-31 | 四川腾盾科技有限公司 | 基于大型无人机光电侦察扫过区域的绘制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109324337B (zh) | 无人飞行器的航线生成及定位方法、装置及无人飞行器 | |
| AU2007355942B2 (en) | Arrangement and method for providing a three dimensional map representation of an area | |
| CN107194991B (zh) | 一种基于骨架点局域动态更新的三维全局可视化监控系统构建方法 | |
| CN111487642A (zh) | 基于三维激光和双目视觉的变电站巡检机器人定位导航系统及方法 | |
| JP2022520019A (ja) | 画像処理方法、装置、移動可能なプラットフォーム、プログラム | |
| CN111830953A (zh) | 车辆自定位方法、装置及系统 | |
| CN111241988B (zh) | 一种结合定位信息的大场景内运动目标检测识别方法 | |
| CN111383205B (zh) | 一种基于特征点和三维模型的图像融合定位方法 | |
| CN112184786B (zh) | 一种基于合成视觉的目标定位方法 | |
| CN114743021A (zh) | 一种输电线路图像与点云数据的融合方法及系统 | |
| CN114004977A (zh) | 一种基于深度学习的航拍数据目标定位方法及系统 | |
| CN107741233A (zh) | 一种三维室外地图的构建方法 | |
| CN112330582A (zh) | 一种无人机图像与卫星遥感影像融合算法 | |
| CN111862200B (zh) | 一种煤棚内无人机定位方法 | |
| CN113379738A (zh) | 一种基于图像的疫木检测与定位方法及系统 | |
| CN115950435A (zh) | 无人机巡检影像的实时定位方法 | |
| CN113163139A (zh) | 一种高空无人机侦察图像情报实时处理方法 | |
| CN117557931B (zh) | 一种基于三维场景的表计最优巡检点的规划方法 | |
| CN117523461A (zh) | 一种基于机载单目相机的运动目标跟踪与定位方法 | |
| CN112529498A (zh) | 一种仓储物流管理方法及系统 | |
| CN114964248B (zh) | 一种运动轨迹出视场的目标位置计算和指示方法 | |
| CN116295340A (zh) | 一种基于全景相机的无人机双目视觉slam方法 | |
| Wang et al. | Online drone-based moving target detection system in dense-obstructer environment | |
| CN113870278A (zh) | 基于改进的Mask R-CNN模型的卫星遥感图像农田块分割方法 | |
| Zhang et al. | GPS-assisted aerial image stitching based on optimization algorithm |
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: 20210723 |
|
| RJ01 | Rejection of invention patent application after publication |