CN113834486A - 基于导航定位的分布检测系统 - Google Patents
基于导航定位的分布检测系统 Download PDFInfo
- Publication number
- CN113834486A CN113834486A CN202111105404.3A CN202111105404A CN113834486A CN 113834486 A CN113834486 A CN 113834486A CN 202111105404 A CN202111105404 A CN 202111105404A CN 113834486 A CN113834486 A CN 113834486A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- sub
- residence
- mapping
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 238000013507 mapping Methods 0.000 claims abstract description 71
- 230000007246 mechanism Effects 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 206010000369 Accident Diseases 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000007480 spreading Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 5
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 229910052744 lithium Inorganic materials 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Computer Security & Cryptography (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Automation & Control Theory (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于导航定位的分布检测系统,包括:住宅检测器件,设置在无人飞行器内部,用于获取无人飞行器的当前导航定位信息,并在所述当前导航定位信息与某一住宅的定位数据匹配时,发出拍摄执行信号,否则,发出拍摄终止信号;所述住宅检测器件包括卫星导航部件、数据匹配部件和信号解析部件;布局鉴定器件,用于在接收到的第三映射图像中存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆过近信号。通过本发明,能够以无人飞行器件为平台,对同一城市的每一住宅执行与附近的电动车辆的视觉最短间距的检测和判断,以获取存在间距过近的住宅和电动车辆,从而便于限定电动车辆火灾事故的蔓延范围。
Description
技术领域
本发明涉及图像识别领域,尤其涉及一种基于导航定位的分布检测系统。
背景技术
图像识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术,是应用深度学习算法的一种实践应用。现阶段图像识别技术一般分为人脸识别与商品识别,人脸识别主要运用在安全检查、身份核验与移动支付中;商品识别主要运用在商品流通过程中,特别是无人货架、智能零售柜等无人零售领域。图像的传统识别流程分为四个步骤:图像采集→图像预处理→特征提取→图像识别。另外在地理学中指将遥感图像进行分类的技术。
现有技术中,电动车辆由于锂电池以及供电系统的故障或者不达标,存在自动失火的风险,而如果电动车辆的停放位置靠近住宅,则自动起火后火势很容易蔓延到住宅内部,进而造成严重的人员伤亡和财产损失的事件发生,因此,需要对电动车辆停放位置与住宅间距进行管理,然而,同一城市住宅小区众多且电动车辆数量更多,进行一一现场监控比较困难且耗费资源。
发明内容
为了解决现有技术中的技术问题,本发明提供了一种基于导航定位的分布检测系统,能够以无人飞行器件为平台,对同一城市的每一住宅执行与附近的电动车辆的视觉最短间距的检测和判断,以获取存在间距过近的住宅和电动车辆,并为后续的应对措施提供关键数据。
相比较于现有技术,本发明至少需要具备以下几处突出的实质性特点:
(1)采用包括卫星导航部件、数据匹配部件和信号解析部件的住宅检测器件,用于在无人飞行器件当前导航数据与某一住宅导航数据匹配时,判断无人飞行器件到的某一住宅上空,为后续图像识别和判断提供有效时机;
(2)在定制图像识别机制的基础上,在某一电动车辆和某一住宅的成像间距占据的像素点数量偏少时,判断所述电动车辆过于靠近所述住宅且具有安全隐患,从而避免发生电动车辆失火蔓延住宅的事故。
根据本发明的一方面,提供了一种基于导航定位的分布检测系统,所述系统包括:
住宅检测器件,设置在无人飞行器内部,用于获取无人飞行器的当前导航定位信息,并在所述当前导航定位信息与某一住宅的定位数据匹配时,发出拍摄执行信号;
其中,所述住宅检测器件还用于在所述当前导航定位信息与任一住宅的定位数据都不匹配时,发出拍摄终止信号。
更具体地,在所述基于导航定位的分布检测系统中:
所述住宅检测器件包括卫星导航部件、数据匹配部件和信号解析部件,所述数据匹配部件用于实现所述当前导航定位信息与预存的各个住宅的定位数据的逐一匹配操作。
更具体地,在所述基于导航定位的分布检测系统中:
所述住宅检测器件还包括静态存储部件,与所述数据匹配部件连接,用于预存各个住宅的定位数据。
更具体地,在所述基于导航定位的分布检测系统中,还包括:
鸟瞰式摄像机,设置在无人飞行器的底部,与所述住宅检测器件连接,用于在接收到所述拍摄执行信号时,执行对下方的俯拍动作,以获得对应的鸟瞰俯拍图像;
第一映射器件,设置在无人飞行器内,与所述鸟瞰式摄像机连接,用于对接收到的鸟瞰俯拍图像执行伽马校正操作,以获得对应的第一映射图像;
第二映射器件,与所述第一映射器件连接,用于对接收到的第一映射图像执行动态范围拓展处理,以获得对应的第二映射图像;
第三映射器件,与所述第二映射器件连接,用于对接收到的第二映射图像执行统计排序滤波操作,以获得对应的第三映射图像;
车辆鉴定机构,设置在无人飞行器内,与所述第三映射器件连接,用于识别所述第三映射图像中的各个电动车辆分别所在的各个车辆子图像;
住宅识别机构,与所述第三映射器件连接,用于基于住宅对应的灰度数值分布区间检索所述第三映射图像中的各个住宅分别所在的各个住宅子图像;
布局鉴定器件,分别与所述车辆鉴定机构和所述住宅识别机构连接,用于在所述第三映射图像中存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆过近信号;
其中,在所述第三映射图像中存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆过近信号包括:获取所述车辆子图像和所述住宅子图像间距最近的两个边缘像素点,获取所述两个边缘像素点的连线经历的像素点的数量以作为所述车辆子图像和所述住宅子图像的间距像素点数量;
其中,在所述第三映射图像中存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆过近信号包括:所述车辆子图像和所述住宅子图像间距最近的两个边缘像素点中,一个边缘像素点位于所述车辆子图像的边缘,另一个边缘像素点位于所述住宅子图像的边缘。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的基于导航定位的分布检测系统所使用的无人飞行器的外形结构示意图。
具体实施方式
下面将参照附图对本发明的基于导航定位的分布检测系统的实施方案进行详细说明。
采用导航卫星对地面、海洋、空中和空间用户进行导航定位的技术。利用太阳、月球和其他自然天体导航已有数千年历史,由人造天体导航的设想虽然早在19世纪后半期就有人提出,但直到20世纪60年代才开始实现。1964年美国建成“子午仪”卫星导航系统,并交付海军使用,1967年开始民用。1973年又开始研制“导航星”全球定位系统。苏联也建立了类似的卫星导航系统。法国、日本、中国也开展了卫星导航的研究和试验工作。卫星导航综合了传统导航系统的优点,真正实现了各种天气条件下全球高精度被动式导航定位。特别是时间测距卫星导航系统,不但能提供全球和近地空间连续立体覆盖、高精度三维定位和测速,而且抗干扰能力强。
现有技术中,电动车辆由于锂电池以及供电系统的故障或者不达标,存在自动失火的风险,而如果电动车辆的停放位置靠近住宅,则自动起火后火势很容易蔓延到住宅内部,进而造成严重的人员伤亡和财产损失的事件发生,因此,需要对电动车辆停放位置与住宅间距进行管理,然而,同一城市住宅小区众多且电动车辆数量更多,进行一一现场监控比较困难且耗费资源。
为了克服上述不足,本发明搭建了一种基于导航定位的分布检测系统,能够有效解决相应的技术问题。
根据本发明实施方案示出的基于导航定位的分布检测系统包括:
住宅检测器件,设置在无人飞行器内部,用于获取无人飞行器的当前导航定位信息,并在所述当前导航定位信息与某一住宅的定位数据匹配时,发出拍摄执行信号;
其中,所述无人飞行器的外形结构如图1所示;
其中,所述住宅检测器件还用于在所述当前导航定位信息与任一住宅的定位数据都不匹配时,发出拍摄终止信号。
接着,继续对本发明的基于导航定位的分布检测系统的具体结构进行进一步的说明。
在所述基于导航定位的分布检测系统中:
所述住宅检测器件包括卫星导航部件、数据匹配部件和信号解析部件,所述数据匹配部件用于实现所述当前导航定位信息与预存的各个住宅的定位数据的逐一匹配操作。
在所述基于导航定位的分布检测系统中:
所述住宅检测器件还包括静态存储部件,与所述数据匹配部件连接,用于预存各个住宅的定位数据。
在所述基于导航定位的分布检测系统中,还包括:
鸟瞰式摄像机,设置在无人飞行器的底部,与所述住宅检测器件连接,用于在接收到所述拍摄执行信号时,执行对下方的俯拍动作,以获得对应的鸟瞰俯拍图像;
第一映射器件,设置在无人飞行器内,与所述鸟瞰式摄像机连接,用于对接收到的鸟瞰俯拍图像执行伽马校正操作,以获得对应的第一映射图像;
第二映射器件,与所述第一映射器件连接,用于对接收到的第一映射图像执行动态范围拓展处理,以获得对应的第二映射图像;
第三映射器件,与所述第二映射器件连接,用于对接收到的第二映射图像执行统计排序滤波操作,以获得对应的第三映射图像;
车辆鉴定机构,设置在无人飞行器内,与所述第三映射器件连接,用于识别所述第三映射图像中的各个电动车辆分别所在的各个车辆子图像;
住宅识别机构,与所述第三映射器件连接,用于基于住宅对应的灰度数值分布区间检索所述第三映射图像中的各个住宅分别所在的各个住宅子图像;
布局鉴定器件,分别与所述车辆鉴定机构和所述住宅识别机构连接,用于在所述第三映射图像中存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆过近信号;
其中,在所述第三映射图像中存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆过近信号包括:获取所述车辆子图像和所述住宅子图像间距最近的两个边缘像素点,获取所述两个边缘像素点的连线经历的像素点的数量以作为所述车辆子图像和所述住宅子图像的间距像素点数量;
其中,在所述第三映射图像中存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆过近信号包括:所述车辆子图像和所述住宅子图像间距最近的两个边缘像素点中,一个边缘像素点位于所述车辆子图像的边缘,另一个边缘像素点位于所述住宅子图像的边缘。
在所述基于导航定位的分布检测系统中:
所述布局鉴定器件还用于在所述第三映射图像中不存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆安全信号。
在所述基于导航定位的分布检测系统中:
基于住宅对应的灰度数值分布区间检索所述第三映射图像中的各个住宅分别所在的各个住宅子图像包括:将所述第三映射图像中灰度值在住宅对应的灰度数值分布区间内的像素点作为住宅像素点,并基于所述第三映射图像中的各个住宅像素点组合成所述第三映射图像中的各个住宅分别所在的各个住宅子图像。
在所述基于导航定位的分布检测系统中:
用于识别所述第三映射图像中的各个电动车辆分别所在的各个车辆子图像包括:基于电动车辆的外观特征识别所述第三映射图像中的各个电动车辆分别所在的各个车辆子图像。
在所述基于导航定位的分布检测系统中:
基于电动车辆的外观特征识别所述第三映射图像中的各个电动车辆分别所在的各个车辆子图像包括:所述电动车辆的外观特征为从俯拍角度对基准电动车辆拍摄的图像。
在所述基于导航定位的分布检测系统中:
所述鸟瞰式摄像机还用于在接收到所述拍摄终止信号时,停止执行对下方的俯拍动作。
在所述基于导航定位的分布检测系统中:
在所述住宅检测器件中,所述数据匹配部件分别与所述卫星导航部件以及所述信号解析部件连接。
另外,在所述基于导航定位的分布检测系统中,基于住宅对应的灰度数值分布区间检索所述第三映射图像中的各个住宅分别所在的各个住宅子图像包括:将所述第三映射图像中灰度值在住宅对应的灰度数值分布区间外的像素点作为非住宅像素点;
以及基于住宅对应的灰度数值分布区间检索所述第三映射图像中的各个住宅分别所在的各个住宅子图像包括:所述住宅对应的灰度数值分布区间由上限灰度阈值和下限灰度阈值进行区间限定。
采用本发明的基于导航定位的分布检测系统,针对现有技术中电动车辆火灾事故容易蔓延到附近住宅的技术问题,能够以无人飞行器件为平台,对同一城市的每一住宅执行与附近的电动车辆的视觉最短间距的检测和判断,以获取存在间距过近的住宅和电动车辆,从而便于限定电动车辆火灾事故的蔓延范围。
虽然上面已经详细说明了本发明的优选实施方式,可以理解,对在此讲授的基本发明概念的许多改变和/或改进对本领域技术人员是显而易见的,并且落入所附权利要求限定的本发明的精神和范围之内。
Claims (10)
1.一种基于导航定位的分布检测系统,其特征在于,所述系统包括:
住宅检测器件,设置在无人飞行器内部,用于获取无人飞行器的当前导航定位信息,并在所述当前导航定位信息与某一住宅的定位数据匹配时,发出拍摄执行信号;
其中,所述住宅检测器件还用于在所述当前导航定位信息与任一住宅的定位数据都不匹配时,发出拍摄终止信号。
2.如权利要求1所述的基于导航定位的分布检测系统,其特征在于:
所述住宅检测器件包括卫星导航部件、数据匹配部件和信号解析部件,所述数据匹配部件用于实现所述当前导航定位信息与预存的各个住宅的定位数据的逐一匹配操作。
3.如权利要求2所述的基于导航定位的分布检测系统,其特征在于:
所述住宅检测器件还包括静态存储部件,与所述数据匹配部件连接,用于预存各个住宅的定位数据。
4.如权利要求3所述的基于导航定位的分布检测系统,其特征在于,所述系统还包括:
鸟瞰式摄像机,设置在无人飞行器的底部,与所述住宅检测器件连接,用于在接收到所述拍摄执行信号时,执行对下方的俯拍动作,以获得对应的鸟瞰俯拍图像;
第一映射器件,设置在无人飞行器内,与所述鸟瞰式摄像机连接,用于对接收到的鸟瞰俯拍图像执行伽马校正操作,以获得对应的第一映射图像;
第二映射器件,与所述第一映射器件连接,用于对接收到的第一映射图像执行动态范围拓展处理,以获得对应的第二映射图像;
第三映射器件,与所述第二映射器件连接,用于对接收到的第二映射图像执行统计排序滤波操作,以获得对应的第三映射图像;
车辆鉴定机构,设置在无人飞行器内,与所述第三映射器件连接,用于识别所述第三映射图像中的各个电动车辆分别所在的各个车辆子图像;
住宅识别机构,与所述第三映射器件连接,用于基于住宅对应的灰度数值分布区间检索所述第三映射图像中的各个住宅分别所在的各个住宅子图像;
布局鉴定器件,分别与所述车辆鉴定机构和所述住宅识别机构连接,用于在所述第三映射图像中存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆过近信号;
其中,在所述第三映射图像中存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆过近信号包括:获取所述车辆子图像和所述住宅子图像间距最近的两个边缘像素点,获取所述两个边缘像素点的连线经历的像素点的数量以作为所述车辆子图像和所述住宅子图像的间距像素点数量;
其中,在所述第三映射图像中存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆过近信号包括:所述车辆子图像和所述住宅子图像间距最近的两个边缘像素点中,一个边缘像素点位于所述车辆子图像的边缘,另一个边缘像素点位于所述住宅子图像的边缘。
5.如权利要求4所述的基于导航定位的分布检测系统,其特征在于:
所述布局鉴定器件还用于在所述第三映射图像中不存在间距像素点数量小于等于设定数量数值的车辆子图像和住宅子图像时,发出车辆安全信号。
6.如权利要求4所述的基于导航定位的分布检测系统,其特征在于:
基于住宅对应的灰度数值分布区间检索所述第三映射图像中的各个住宅分别所在的各个住宅子图像包括:将所述第三映射图像中灰度值在住宅对应的灰度数值分布区间内的像素点作为住宅像素点,并基于所述第三映射图像中的各个住宅像素点组合成所述第三映射图像中的各个住宅分别所在的各个住宅子图像。
7.如权利要求4所述的基于导航定位的分布检测系统,其特征在于:
用于识别所述第三映射图像中的各个电动车辆分别所在的各个车辆子图像包括:基于电动车辆的外观特征识别所述第三映射图像中的各个电动车辆分别所在的各个车辆子图像。
8.如权利要求7所述的基于导航定位的分布检测系统,其特征在于:
基于电动车辆的外观特征识别所述第三映射图像中的各个电动车辆分别所在的各个车辆子图像包括:所述电动车辆的外观特征为从俯拍角度对基准电动车辆拍摄的图像。
9.如权利要求4所述的基于导航定位的分布检测系统,其特征在于:
所述鸟瞰式摄像机还用于在接收到所述拍摄终止信号时,停止执行对下方的俯拍动作。
10.如权利要求4所述的基于导航定位的分布检测系统,其特征在于:
在所述住宅检测器件中,所述数据匹配部件分别与所述卫星导航部件以及所述信号解析部件连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111105404.3A CN113834486A (zh) | 2021-09-22 | 2021-09-22 | 基于导航定位的分布检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111105404.3A CN113834486A (zh) | 2021-09-22 | 2021-09-22 | 基于导航定位的分布检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113834486A true CN113834486A (zh) | 2021-12-24 |
Family
ID=78960231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111105404.3A Withdrawn CN113834486A (zh) | 2021-09-22 | 2021-09-22 | 基于导航定位的分布检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113834486A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103947067A (zh) * | 2011-11-22 | 2014-07-23 | 松下电器产业株式会社 | 电力管理装置、电力管理程序以及电力分配系统 |
US20190130768A1 (en) * | 2017-11-01 | 2019-05-02 | Kespry, Inc. | Aerial vehicle inspection path planning |
US20200027273A1 (en) * | 2018-07-20 | 2020-01-23 | Lg Electronics Inc. | Image output device |
CN112154391A (zh) * | 2019-07-31 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 确定环绕航线的方法、航拍方法、终端、无人飞行器及系统 |
CN112257633A (zh) * | 2020-10-29 | 2021-01-22 | 中国安全生产科学研究院 | 一种基于图像识别的管道高后果区动态识别方法 |
CN113031041A (zh) * | 2021-03-11 | 2021-06-25 | 南京航空航天大学 | 一种基于天际线匹配的城市峡谷组合导航定位方法 |
-
2021
- 2021-09-22 CN CN202111105404.3A patent/CN113834486A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103947067A (zh) * | 2011-11-22 | 2014-07-23 | 松下电器产业株式会社 | 电力管理装置、电力管理程序以及电力分配系统 |
US20190130768A1 (en) * | 2017-11-01 | 2019-05-02 | Kespry, Inc. | Aerial vehicle inspection path planning |
US20200027273A1 (en) * | 2018-07-20 | 2020-01-23 | Lg Electronics Inc. | Image output device |
CN112154391A (zh) * | 2019-07-31 | 2020-12-29 | 深圳市大疆创新科技有限公司 | 确定环绕航线的方法、航拍方法、终端、无人飞行器及系统 |
CN112257633A (zh) * | 2020-10-29 | 2021-01-22 | 中国安全生产科学研究院 | 一种基于图像识别的管道高后果区动态识别方法 |
CN113031041A (zh) * | 2021-03-11 | 2021-06-25 | 南京航空航天大学 | 一种基于天际线匹配的城市峡谷组合导航定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10628890B2 (en) | Visual analytics based vehicle insurance anti-fraud detection | |
CN109416413A (zh) | 太阳能预报 | |
CN102254147B (zh) | 一种基于星图匹配的远距离空间运动目标识别方法 | |
CN103512762A (zh) | 图像处理方法、装置及列车故障检测系统 | |
CN109101902A (zh) | 一种基于无监督学习的卫星nlos信号检测方法 | |
CN112528979B (zh) | 变电站巡检机器人障碍物判别方法及系统 | |
CN109916415B (zh) | 道路类型确定方法、装置、设备及存储介质 | |
CN114299011A (zh) | 一种基于深度学习的遥感目标四边形框快速检测方法 | |
Zelener et al. | Cnn-based object segmentation in urban lidar with missing points | |
US6104981A (en) | Method of assisting detection of man-made structures in a digital elevation map (DEM) | |
CN113486779A (zh) | 输电线路全景智能巡检系统 | |
CN110569387B (zh) | 基于深度哈希算法的雷达-图像跨模态检索方法 | |
CN114519819A (zh) | 一种基于全局上下文感知的遥感图像目标检测方法 | |
Miyamoto et al. | Using 3-D convolution and multimodal architecture for earthquake damage detection based on satellite imagery and digital urban data | |
CN105631849A (zh) | 多边形目标的变化检测方法及装置 | |
CN113834486A (zh) | 基于导航定位的分布检测系统 | |
Jiang et al. | Multilayer map construction and vision-only multi-scale localization for intelligent vehicles in underground parking | |
CN101509775B (zh) | 一种多孔阵列式太阳敏感器的图像快速识别方法及装置 | |
He et al. | Automatic detection and mapping of solar photovoltaic arrays with deep convolutional neural networks in high resolution satellite images | |
KR101749231B1 (ko) | 별센서와 지구센서를 이용한 위성의 천측항법 | |
CN115527118A (zh) | 一种融合注意力机制的遥感图像目标检测方法 | |
CN113011295A (zh) | 基于遥感影像识别光伏发电站的方法、计算机设备和介质 | |
CN111024063A (zh) | 一种基于星点重提取的大机动条件下星图识别算法 | |
CN112802095A (zh) | 定位方法、装置及设备、以及自动驾驶定位系统 | |
Elaksher et al. | Reconstructing 3d building wireframes from multiple images |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211224 |