CN113691775A - 一种航空器智能追踪系统和方法 - Google Patents
一种航空器智能追踪系统和方法 Download PDFInfo
- Publication number
- CN113691775A CN113691775A CN202110937417.0A CN202110937417A CN113691775A CN 113691775 A CN113691775 A CN 113691775A CN 202110937417 A CN202110937417 A CN 202110937417A CN 113691775 A CN113691775 A CN 113691775A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- video data
- dome camera
- panoramic video
- tower
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000013135 deep learning Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 3
- 238000013507 mapping Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 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
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
Images
Classifications
-
- 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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
- G08G5/0073—Surveillance aids
- G08G5/0082—Surveillance aids for monitoring traffic from a ground station
-
- 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
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Closed-Circuit Television Systems (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种航空器智能追踪系统及方法,系统包括全景视频采集模块,用于采集整个机场场面的全景视频数据;塔台球机,用于航空器着陆滑行后或起飞前滑行时的追踪。算法及业务服务器,用于对全景视频数据进行目标识别,并根据识别结果控制塔台球机调节自身焦距和旋转角度;跑道球机,用于在航空器未降落或起飞之后的预置位画面的识别捕捉。在航空器降落之前或起飞之后,通过带有高倍焦距的跑道球型摄像机的预置位画面进行自动识别捕捉;在航空器着陆滑行后或起飞前滑行时,通过塔台球机和全景视频采集模块形成联动效应实现航空器的捕捉。本发明可替代传统管制员目视或使用望远镜的方法来监视航空器起飞和降落的全过程,且准确率高。
Description
技术领域
本发明涉及航空器追踪技术领域,尤其是一种航空器智能追踪系统和方法。
背景技术
通常情况下,航空器的飞行由起飞、巡航、降落组成。在每一次飞行中,都会有一个起飞着陆的关键阶段,那就是:起飞后3分钟+降落前8分钟。这11分钟之所以关键,主要有2个原因:起飞、着陆阶段,飞行员需要在近地高度上完成复杂的飞行任务,也是整个飞行过程中飞行员操作最繁忙的时候,这两个阶段不但对飞行员的飞行技术要求极高,对天气、机场环境等因素要求也极高。同时,这两个阶段飞机主要处在海拔3000米以下的空域,而这个区域位于对流层的最底部,相较而言气流较不稳定,同时鸟类活动也最频繁。因此,80%的飞行事故都是发生在这个时间段内。如果地面管制人员如果能对航空器起降阶段进行跟踪,就可以提前发现航空器故障问题做好空中和地面应急措施和救援准备。
目前地面管制人员对航空器起降跟踪主要是通过目视观察或者使用望远镜方式。传统的人工目视观察航空器起降过程受限人眼的视觉能力以及人脑的判断能力,就算使用望远镜也只能观察到距离机场1-2km的航空器。如果使用望远镜观察航空器降落时你需要不停去人工寻找空中目标,还不一定能准确找到,就算找到了也很有可能都错过了最近观察时机,特别在航空器起飞过程航空器高速运动,望远镜高倍放大时很容易丢失目标。
发明内容
针对现有技术中的缺陷,本发明提供了一种航空器智能追踪系统及方法,其目的在于自动识别追踪航空器起飞和降落的全过程。
第一方面
本发明提供了一种航空器智能追踪系统,包括:
全景视频采集模块,用于采集整个机场场面的全景视频数据;
塔台球机,用于航空器着陆滑行后或起飞前滑行时的追踪,并生成塔台球机视频数据。
算法及业务服务器,用于对所述全景视频数据中的航空器进行目标识别,并根据识别结果控制塔台球机调节焦距和旋转角度。
优选地,所述算法及业务服务器包括:
流媒体模块,用于接入流媒体数据;所述流媒体数据包括所述全景视频数据和所述塔台球机视频数据;
算法模型模块,用于将所述全景视频数据进行解码抽帧,并对解码抽帧后的全景视频数据根据预设算法模型进行航空器目标识别,输出识别结果;
标定配置模块,用于标定所述塔台球机的PTZ信息与所述全景视频采集模块的对应信息;
业务逻辑模块,用于根据所述识别结果得到航空器的位置信息,并根据所述位置信息和所述标定配置模块标定的对应信息产生塔台球机PTZ参数调整信息;
PTZ控制模块,用于根据所述塔台球机PTZ参数调整信息产生控制指令,并通过所述控制指令控制塔台球机调节焦距和旋转角度。
优选地,还包括跑道球机,用于在航空器未降落或起飞之后的预置位画面的识别捕捉,并生成跑道球机视频数据。
优选地,所述流媒体模块基于ONVIF协议或GB28181协议进行流媒体数据的接入。
优选地,所述算法模型为基于深度学习的模型。
优选地,所述算法模型包括航空器识别模型和航空器追踪模型。
第二方面
本发明提供了一种航空器智能追踪方法,包括以下步骤:
采集整个机场场面的第一视频数据;所述第一视频数据通过全景视频采集模块采集;
在航空器着陆滑行后或起飞前滑行时进行追踪,获取第二视频数据;所述第二视频数据通过塔台球机获取;
对所述第一视频数据中的航空器进行目标识别,并根据识别结果控制塔台球机调节焦距和旋转角度。
优选地,还包括以下步骤:
在航空器未降落或起飞之后进行预置位画面的识别捕捉,并生成第三视频数据;所述第三视频数据通过跑道球机获取。
本发明提供的一种航空器智能追踪系统及方法的有益效果为:
(1)可视观察距离远
球型摄像机具有高倍焦距的功能,通过调节焦距及自动对焦,在保证画面高清的情况下,可视距离远大于人眼。
(2)监视观察覆盖范围广
通过在特定点位部署的枪型摄像机捕捉的全景画面,覆盖范围包括整个机场场面,除此之外,还可通过球型摄像机覆盖部分场外空域,覆盖范围远大于在塔台上人眼的目视范围。
(3)提供全程自动跟踪画面,减轻管制员目视跟踪负担
在航空器降落之前或起飞之后,将跑道球型摄像机的预置位视频画面通过流媒体模块分发到算法模型模块进行识别,若为航空器则控制跑道球机通过调节焦距、转动来保持跟踪画面;在航空器着陆滑后行或起飞前滑行时,可以通过枪型摄像机的机场全景视频画面通过流媒体模块分发到算法模型模块进行识别,将识别的像素点位置结果通过标定配置模块转化为塔台球机的控制参数,再通过控制参数控制塔台球机通过调节焦距、转动来保持跟踪画面,从而全程跟踪航空器起飞和降落的过程,减轻管制员目视跟踪负担。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例一种航空器智能追踪系统的结构示意图;
图2为本发明实施例算法及业务服务器的结构示意图;
图3为本发明实施例一种航空器智能追踪方法的流程示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
下面将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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如图1所示,本发明实施例提供了一种航空器智能追踪系统,包括:
全景视频采集模块,用于采集整个机场场面的全景视频数据;在实际应用场景中,全景视频采集模块可以采用全景鱼眼相机,也可以采用多个枪型摄像机。本发明实施例中,全景视频采集模块采用多个枪型摄像机,多个枪型摄像机采集的视频通过拼接服务器拼接得到全景视频数据;
塔台球机,用于航空器着陆滑行后或起飞前滑行时的追踪,并生成塔台球机视频数据。塔台球机是指设置在塔台的球机,球机是指球型摄像机;
算法及业务服务器,用于对全景视频数据中的航空器进行目标识别,并根据识别结果控制塔台球机调节自身焦距和旋转角度。还用于进行业务逻辑相关的处理。
算法及业务服务器包括流媒体模块、算法模型模块、标定配置模块、业务逻辑模块和PTZ控制模块,如图2所示。
流媒体模块,用于接入流媒体数据;流媒体数据包括全景视频数据和塔台球机视频数据;流媒体模块基于ONVIF协议或GB28181协议进行流媒体数据的获取和推送;
算法模型模块,用于将全景视频数据进行解码抽帧,并对解码抽帧后的全景视频数据根据预设算法模型进行航空器目标识别,输出识别结果。算法模型为基于深度学习的模型。算法模型包括航空器识别模型和航空器追踪模型,算法模型的训练基于经过标注的航空器数据。识别结果包括航空器的位置信息,航空器的位置信息由识别框的4个坐标点唯一确定,位置信息通过像素点坐标来进行标识。识别结果推送给业务逻辑模块进行业务逻辑处理;
标定配置模块,用于在进行机场部署实施时,标定塔台球机的PTZ信息与全景视频采集模块的对应信息;具体为:在全景视频数据上选定一个点,塔台球机转动调焦,使得该点位的位置位于塔台球机视频中间,记录一组标定映射数据;标定映射数据是指全景视频数据中像素点坐标(x,y)和塔台球机PTZ参数的映射关系。在实际安装部署时,需要标定多组映射数据。
业务逻辑模块,用于根据识别结果得到航空器的位置信息,并根据位置信息和标定配置模块标定的对应信息进行位置信息与PTZ参数的换算,产生塔台球机PTZ参数调整信息;塔台球机PTZ参数调整信息用于控制球机的转动和调焦,其中,P为Pan,是控制球机左右转动的参数,T为Tilt,是控制球机上下转动的参数,Z为Zoom,是控制镜头变倍、变焦的参数。
PTZ控制模块,用于根据塔台球机PTZ参数调整信息产生控制指令,并通过控制指令控制塔台球机调节自身焦距和旋转角度,以实现对航空器的捕捉和追踪。
本发明实施例中,算法模型模块运行航空器识别模型,识别出全景视频数据中的航空器,并输出识别结果信息至业务逻辑模块。业务逻辑模块根据航空器在全景视频数据中的位置信息,换算出塔台球机PTZ控制参数。PTZ控制模块产生控制指令,控制塔台球机的转动和调焦,从而实现塔台球机对航空器的精准追踪。在航空器着陆滑行后或起飞前滑行时,本发明实施例可以通过枪型摄像机捕捉的机场场面全景视频与塔台球型摄像机捕捉的机场场面的塔台球机视频形成的联动效应,当全景视频画面上出现航空器目标时,算法及业务服务器会自动进行识别,并控制塔台球机通过调节自身焦距、旋转角度来进行捕捉。
本发明实施例还包括跑道球机,用于航空器未降落或起飞之后的预置位画面的识别捕捉,并生成跑道球机视频数据。其中,跑道球机是指设置在跑道预设位置的球型摄像机。本发明实施例中,算法模型模块运行航空器识别模型,识别出跑道球机视频数据中的航空器,并输出识别结果信息至业务逻辑模块。业务逻辑模块根据航空器在跑道球机视频数据中的位置信息,换算出跑道球机PTZ控制参数。PTZ控制模块产生控制指令,控制跑道球机的转动和调焦,从而实现跑道球机对航空器的精准追踪。在航空器未降落前或起飞之后,本发明实施例将跑道球型摄像机的预置位视频画面通过流媒体模块分发到算法模型模块进行识别,若为航空器则控制跑道球机通过调节焦距、转动来保持跟踪画面。
本发明实施例还提供了一种航空器智能追踪方法,基于以上所述的一种航空器智能追踪系统。如图3所示,追踪方法包括以下步骤:
采集整个机场场面的第一视频数据;第一视频数据通过全景视频采集模块采集;
在航空器着陆滑行后或起飞前滑行时进行追踪,获取第二视频数据;第二视频数据通过塔台球机获取;
对第一视频数据和第二视频数据中的航空器进行目标识别,并根据识别结果控制塔台球机调节自身焦距和旋转角度;
在航空器未降落或起飞之后进行预置位画面的识别捕捉,并生成第三视频数据;第三视频数据通过跑道球机获取。
本发明实施例提供的一种航空器智能追踪系统及方法,在航空器未降落前或起飞之后,将跑道球型摄像机的预置位视频画面通过流媒体模块分发到算法模型模块进行识别,若为航空器则控制跑道球机通过调节焦距、转动来保持跟踪画面;在航空器着陆滑行后或起飞前滑行时,本发明实施例可以通过枪型摄像机捕捉的机场场面全景视频与塔台球型摄像机捕捉的机场场面的塔台球机视频形成的联动效应,当全景视频画面上出现航空器目标时,算法及业务服务器会自动进行识别,并控制塔台球机通过调节自身焦距、旋转角度来进行捕捉。从而替代传统管制员目视或使用望远镜的方法来监视航空器起飞和降落的全过程。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (8)
1.一种航空器智能追踪系统,其特征在于,包括:
全景视频采集模块,用于采集整个机场场面的全景视频数据;
塔台球机,用于航空器着陆滑行后或起飞前滑行时的追踪,并生成塔台球机视频数据;
算法及业务服务器,用于对所述全景视频数据中的航空器进行目标识别,并根据识别结果控制塔台球机调节焦距和旋转角度。
2.根据权利要求1所述的一种航空器智能追踪系统,其特征在于,所述算法及业务服务器包括:
流媒体模块,用于接入流媒体数据;所述流媒体数据包括所述全景视频数据和所述塔台球机视频数据;
算法模型模块,用于将所述全景视频数据进行解码抽帧,并对解码抽帧后的全景视频数据根据预设算法模型进行航空器目标识别,输出识别结果;
标定配置模块,用于标定所述塔台球机的PTZ信息与所述全景视频采集模块的对应信息;
业务逻辑模块,用于根据所述识别结果得到航空器的位置信息,并根据所述位置信息和所述标定配置模块标定的对应信息产生塔台球机PTZ参数调整信息;
PTZ控制模块,用于根据所述塔台球机PTZ参数调整信息产生控制指令,并通过所述控制指令控制塔台球机调节焦距和旋转角度。
3.根据权利要求1所述的一种航空器智能追踪系统,其特征在于,还包括跑道球机,用于在航空器未降落或起飞之后的预置位画面的识别捕捉,并生成跑道球机视频数据。
4.根据权利要求2所述的一种航空器智能追踪系统,其特征在于,所述流媒体模块基于ONVIF协议或GB28181协议进行流媒体数据的接入。
5.根据权利要求2所述的一种航空器智能追踪系统,其特征在于,所述算法模型为基于深度学习的模型。
6.根据权利要求2所述的一种航空器智能追踪系统,其特征在于,所述算法模型包括航空器识别模型和航空器追踪模型。
7.一种航空器智能追踪方法,其特征在于,包括以下步骤:
采集整个机场场面的第一视频数据;所述第一视频数据通过全景视频采集模块采集;
在航空器着陆滑行后或起飞前滑行时进行追踪,获取第二视频数据;所述第二视频数据通过塔台球机获取;
对所述第一视频数据中的航空器进行目标识别,并根据识别结果控制塔台球机调节焦距和旋转角度。
8.根据权利要求7所述的一种航空器智能追踪方法,其特征在于,还包括以下步骤:
在航空器未降落或起飞之后进行预置位画面的识别捕捉,并生成第三视频数据;所述第三视频数据通过跑道球机获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110937417.0A CN113691775A (zh) | 2021-08-16 | 2021-08-16 | 一种航空器智能追踪系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110937417.0A CN113691775A (zh) | 2021-08-16 | 2021-08-16 | 一种航空器智能追踪系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113691775A true CN113691775A (zh) | 2021-11-23 |
Family
ID=78580009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110937417.0A Pending CN113691775A (zh) | 2021-08-16 | 2021-08-16 | 一种航空器智能追踪系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113691775A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114937376A (zh) * | 2022-05-11 | 2022-08-23 | 珠海紫燕无人飞行器有限公司 | 无人机及智能设备的智慧综合指挥管理信息系统及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108174152A (zh) * | 2017-12-28 | 2018-06-15 | 深圳英飞拓科技股份有限公司 | 一种目标监控方法及目标监控系统 |
CN111246174A (zh) * | 2020-01-20 | 2020-06-05 | 中国民用航空总局第二研究所 | 基于视频的远程塔台智能望远镜实现方法及系统 |
CN112699839A (zh) * | 2021-01-13 | 2021-04-23 | 安徽水天信息科技有限公司 | 一种动态背景下视频目标自动锁定及跟踪方法 |
-
2021
- 2021-08-16 CN CN202110937417.0A patent/CN113691775A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108174152A (zh) * | 2017-12-28 | 2018-06-15 | 深圳英飞拓科技股份有限公司 | 一种目标监控方法及目标监控系统 |
CN111246174A (zh) * | 2020-01-20 | 2020-06-05 | 中国民用航空总局第二研究所 | 基于视频的远程塔台智能望远镜实现方法及系统 |
CN112699839A (zh) * | 2021-01-13 | 2021-04-23 | 安徽水天信息科技有限公司 | 一种动态背景下视频目标自动锁定及跟踪方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114937376A (zh) * | 2022-05-11 | 2022-08-23 | 珠海紫燕无人飞行器有限公司 | 无人机及智能设备的智慧综合指挥管理信息系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108803668B (zh) | 一种静态目标监测的智能巡检无人机吊舱系统 | |
CN112164015B (zh) | 单目视觉自主巡检图像采集方法、装置及电力巡检无人机 | |
US10084960B2 (en) | Panoramic view imaging system with drone integration | |
CN110879601B (zh) | 一种对于未知风机结构的无人机巡检方法 | |
JP6496323B2 (ja) | 可動物体を検出し、追跡するシステム及び方法 | |
US9488630B2 (en) | Integrated remote aerial sensing system | |
CN106468918B (zh) | 一种线路巡检的标准化数据采集方法及系统 | |
US20240101255A1 (en) | Visual observer for unmanned aerial vehicles | |
WO2018121247A1 (zh) | 控制无人机飞行的方法、装置以及无人机 | |
CN112699839B (zh) | 一种动态背景下视频目标自动锁定及跟踪方法 | |
US11543836B2 (en) | Unmanned aerial vehicle action plan creation system, method and program | |
WO2019104641A1 (zh) | 无人机、其控制方法以及记录介质 | |
CN112327906A (zh) | 一种基于无人机的智能自动巡检系统 | |
CN111765974B (zh) | 一种基于微型制冷红外热像仪的野生动物观测系统及方法 | |
US9846921B2 (en) | Dynamic image masking system and method | |
CN112162565B (zh) | 一种基于多机协同作业的不间断自主杆塔巡检方法 | |
CN109241918A (zh) | 一种基于植物信息的植物管控方法、装置及系统 | |
Gao et al. | Automatic extraction of multi-vehicle trajectory based on traffic videotaping from quadcopter model | |
CN113691775A (zh) | 一种航空器智能追踪系统和方法 | |
CN112163483A (zh) | 一种目标数量检测系统 | |
CN107985577A (zh) | 一种安全无人机 | |
LU504690B1 (en) | A system for automatic leaf photo acquisition by drones | |
CN113743286A (zh) | 一种多源信号融合的目标监测系统及方法 | |
CN117389294A (zh) | 一种机载日盲紫外相机局部放电检测系统及方法 | |
US20230359204A1 (en) | Flight control method, video editing method, device, uav and storage medium |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211123 |