CN113902057A - 一种目标轨迹相似性分析方法 - Google Patents
一种目标轨迹相似性分析方法 Download PDFInfo
- Publication number
- CN113902057A CN113902057A CN202111229670.7A CN202111229670A CN113902057A CN 113902057 A CN113902057 A CN 113902057A CN 202111229670 A CN202111229670 A CN 202111229670A CN 113902057 A CN113902057 A CN 113902057A
- Authority
- CN
- China
- Prior art keywords
- track
- similarity
- data
- target
- distance
- 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
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明提出了一种目标轨迹相似性分析方法,制定目标轨迹相似性度量准则,包括:轨迹点空间位置特征相似性度量准则、轨迹曲线形状特征相似性度量准则、轨迹曲线点实时跟随特征相似性度量准则;计算基准轨迹与其它轨迹在三个相似度度量准则下的度量距离,通过相似性度量标准将度量距离转化为相似度数值,使用0‑1的数值刻画两轨迹的相似程度。本发明通过轨迹相似性空间位置、形状以及实时跟随的特征定义了两轨迹的相似性,为研究人员提供度量两目标轨迹相似的准则。
Description
技术领域
本发明涉及地理信息领域,特别涉及一种目标轨迹相似性分析方法。
背景技术
目标轨迹数据监测手段众多、数据来源广泛,使得数据量大、数据繁杂程度高。轨迹数据包含不同手段监测的同一时刻目标状态数据,其中包括地理空间三维坐标、目标行动速度等,通过三维数字地球等可视化工具虽然能有效展示多维时空的目标轨迹数据、直观显示目标的行动轨迹但无法获取目标的行动规律、各目标行动的关系。现有对目标轨迹数据的处理一般针对数据的降噪去异常值、研究单个目标轨迹的数据规律,无法对多目标的轨迹数据进行分析处理、无法通过各目标轨迹数据获取各目标之间的行为关系。为揭示各目标轨迹数据之间的行动规律,以便分析目标历史状态、探索各目标跟踪变化和分析各目标的协同关系,需对多目标轨迹数据进行联合分析处理,形成对目标的轨迹相似分析方法。
发明内容
本发明的目的在于提出一种目标轨迹相似性分析方法。
实现本发明目的的技术解决方案为:一种目标轨迹相似性分析方法,包括如下步骤:
步骤1,制定目标轨迹相似性度量准则,包括:轨迹点空间位置特征相似性度量准则、轨迹曲线形状特征相似性度量准则、轨迹曲线点实时跟随特征相似性度量准则,其中:
轨迹点空间位置特征相似性度量准则采用两轨迹在空间上的最近距离作为空间位置特征的度量,通过最近距离刻画两目标出现在空间位置的特点;
轨迹曲线形状特征相似性度量准则采用匹配轨迹在空间上形成的矢量在目标轨迹上的投影为形状特征的度量,通过矢量投影反应目标轨迹路径在空间上的平行、交叉特征;
轨迹曲线点实时跟随特征相似性度量准则采用两轨迹在空间上同一时刻点的距离为实时跟随特征度量为实时跟随特征的度量,通过同时刻距离反应两目标跟随的距离、跟随的时长,从而判定两目标的运动关系;
步骤2,计算基准轨迹与其它轨迹在三个相似度度量准则下的度量距离,通过相似性度量标准将度量距离转化为相似度数值,使用0-1的数值刻画两轨迹的相似程度。
进一步的,基于轨迹点空间位置特征相似性度量准则,计算两轨迹在空间位置特征上的度量距离,具体计算方法为:
S1,选择两目标轨迹数据的经纬度、高度数据,对数据进行最大最小归一化,具体计算方法如下:
2)对经度、纬度、高度进行数据归一化,归一化采用最大最小归一化,方法如下:
进一步的,基于轨迹曲线形状特征相似性度量准则,计算两轨迹在曲线形状特征上的度量距离,具体计算方法为:
prp,q=vp2 cos(vθq1-vθp2) (8)
进一步的,基于轨迹曲线点实时跟随特征相似性度量准则,计算两轨迹在实时跟随特征上的度量距离,具体计算方法为:
St={(T1,T1+tf,…,T1+k*tf,…,min(T2,T1+K*tf)),k=0,1,2,…,K} (11)
S2,基于三次样条曲线差值算法,结合给定重合时间段St和采样率f数据重构两目标重合时间段轨迹数据S1 S2,使得两目标轨迹数据时刻相同,轨迹数据重构后数据集为:
S3,对时刻相同的两目标重合时间段轨迹数据S1 S2进行轨迹曲线点实时跟随特征相似性度量计算,计算方法如下:
1)计算同时刻两点的三维球面距离:
已知某一时刻ti下两目标轨迹点坐标(时间,经度,纬度,高度)为S1pointi=(ti,long1i,lat1i,alt1i)和S2pointi=(ti,long2i,lat2i,alt2i),先使用Haversine公式计算两点在水平面上的距离,再考虑两点高度差计算两点在三维球面的距离,计算得出两点水平面上的距离为
其中:haversin(θ)=sin2(θ/2)=(1-cos(θ))/2,R为地球半径,取6371km;
计算两点在三维球面的距离为d12i,计算公式如下:
2)计算同时刻两点的速度矢量投影:
已知某一时刻ti下两目标轨迹点速度矢量坐标(时间,速度大小,速度方向)为S1pointi=(ti,v1i,vθ1i)和S2pointi=(ti,v2i,vθ2i),以S1为基准目标轨迹,计算S2pointi在S1pointi上的投影为prS1pointi,S2pointi,公式如下:
prS1pointi,S2pointi=v2icos(vθ2i-vθ1i) (15)
3)S1 S2轨迹曲线点实时跟随特征的度量距离为重合时间段下同时刻点位置距离d12与同时刻点速度矢量距离pr12,计算公式如下:
式中,K表示重合时间段的采样点数。
进一步的,计算基准轨迹与其它轨迹在三个特征相似度度量准则下的度量距离,通过相似性度量标准能将度量距离转化为相似度数值,使用0-1的数值刻画两轨迹的相似程度,具体方法为:
一种目标轨迹相似性分析系统,基于所述的目标轨迹相似性分析方法,实现目标轨迹相似性分析。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,基于所述的目标轨迹相似性分析方法,实现目标轨迹相似性分析。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,基于所述的目标轨迹相似性分析方法,实现目标轨迹相似性分析。
本发明与现有技术相比,其显著优点为:通过轨迹相似性空间位置、形状以及实时跟随的特征定义了两轨迹的相似性,为研究人员提供度量两目标轨迹相似的准则。
附图说明
图1是目标轨迹数据相似性分析框架图。
图2是轨迹特征的两目标轨迹相似性度量准则图。
图3是目标轨迹相似度计算方法流程图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本发明目标轨迹相似性计算方法,主要解决如下问题,包括:
(1)目标轨迹相似性度量标准问题:
目标轨迹数据为位置坐标、运动矢量的时间序列,在数据采集时经常为确保采集的准确性而使用不同采集装备以不同采样频率进行数据采集,致使目标轨迹数据集为多频率、不连续的位置坐标、运动矢量的时间序列,所以无法仅仅根据采样点信息度量两目标轨迹相似性,为此需提出度量两目标轨迹相似性的准则,将不同采集方式得到的数据按照该准则转化为同一准则下的数据,便于相似度计算。
(2)目标轨迹相似度计算方法问题:
不同采集方式得到的目标轨迹数据按照相似性度量准则转化为同一准则下的数据后,需使用数值客观反映多轨迹数据间的相似性,即度量目标轨迹与轨迹集中其他轨迹的相似性,得出目标轨迹与其他轨迹的相似度值(0-1),根据相似度值即可确定各目标运动行为的相似性。
据此,本发明一种目标轨迹相似性计算方法包括二个阶段:阶段1是对目标轨迹相似性进行定义,主要从轨迹点空间位置、空间形状以及实时跟随三个特征维度进行相似性定义;阶段2是基于轨迹数据分别考虑三个特征维度给出两轨迹相似性度量相似度的计算方法。其中阶段1基于轨迹特征的两目标轨迹相似性度量准则,包括步骤1轨迹点空间位置特征相似性度量准则、步骤2轨迹曲线形状特征相似性度量准则以及步骤3轨迹曲线点实时跟随特征相似性度量准则,从这三个特征维度的相似性度量准则对轨迹数据进行相似性判断;阶段2基于轨迹特征的目标轨迹相似度计算方法,主要包括步骤1原目标相似度100%的扰动轨迹生成、步骤2特征的轨迹相似性度量准则的数学距离转换为相似度的方法、步骤3多目标轨迹相似性分析输出。具体实施步骤如下:
1.阶段1中目标轨迹特征的两目标轨迹相似性度量准则过程如下:
阶段1中高质量轨迹重构数据能在三维数字地球上展示目标运动轨迹,业务中需要判断各目标的轨迹的相似性以此确定数字地球上展示的目标间的关系。本方法从以下三个维度判断两目标的关系。
步骤1:轨迹点空间位置特征相似性度量准则
步骤1.1:对已知的两目标轨迹,两轨迹在空间上的位置特征能反映目标在位置维度上的关系,选择两目标轨迹数据的经纬度、高度数据,对数据进行最大最小归一化,具体计算方法如下:
2)对经度、纬度、高度进行数据归一化,归一化采用最大最小归一化,方法如下:
步骤2:轨迹曲线形状特征相似性度量准则
prp,q=vp2 cos(vθq1-vθp2) (8)
步骤3:轨迹曲线点实时跟随特征相似性度量准则
对已知的两目标轨迹,两目标在同一时刻空间位置和形状特征能反映目标在实际运行曲线上的实时关系,具体计算方法如下:
St={(T1,T1+tf,…,T1+k*tf,…,min(T2,T1+K*tf)),k=0,1,2,…,K} (11)
步骤3.2:基于三次样条曲线差值算法,结合给定重合时间段St和采样率f数据重构两目标重合时间段轨迹数据S1 S2,使得两目标轨迹数据时刻相同,轨迹数据重构后数据集为:
步骤3.3:对时刻相同的两目标重合时间段轨迹数据S1 S2进行轨迹曲线点实时跟随特征相似性度量计算,计算方法如下:
1)计算同时刻两点的三维球面距离:
已知某一时刻ti下两目标轨迹点坐标(经度纬度高度)为S1pointi=(ti,long1i,lat1i,alt1i)和S2pointi=(ti,long2i,lat2i,alt2i),先使用Haversine公式两点在水平面上的距离,再考虑两点高度差计算两点在三维球面的距离,计算得出两点水平面上的距离为
其中:haversin(θ)=sin2(θ/2)=(1-cos(θ))/2,R为地球半径,取6371km;计算两点在三维球面的距离为d12i,计算公式如下:
2)计算同时刻两点的速度矢量投影:
已知某一时刻ti下两目标轨迹点速度矢量坐标(速度大小、速度方向),S1为基准目标轨迹,S1pointi=(ti,v1i,vθ1i)和S2pointi=(ti,v2i,vθ2i),S2pointi在S1pointi上的投影为prS1pointi,S2pointi,计算公式如下:
prS1pointi,S2pointi=v2i cos(vθ2i-vθ1i) (15)
3)S1 S2轨迹曲线点实时跟随特征相似性度量为单位采集时间下同时刻点位置距离d12与同时刻点速度矢量距离pr12,计算公式如下:
2.阶段2中目标轨迹特征的目标轨迹相似度计算方法过程如下:
基于轨迹特征的两目标轨迹相似度计算方法流程图如图3所示,主要包括步骤1原目标相似度100%的扰动轨迹生成、步骤2特征的轨迹相似性度量准则的数学距离转换为相似度的方法、步骤3多目标轨迹相似性分析输出。
步骤1:原目标相似度100%的扰动轨迹生成
实际工程实践中,一般先将所有目标轨迹数据暂时在三维数字地球上,选择某一目标的轨迹作为基准轨迹,查看其它目标轨迹与选定目标轨迹的相似性,并给出相似性度量的值相似度大小。基于这一使用场景,本方法考虑由于观测导致数据误差,定义在一定范围内基准轨迹随机波动的轨迹与基准轨迹的相似度为100%,对某一基准轨迹D={(ti,longi,lati,alti,vi,vθi),i=1,2,…n}具体实现方法如下:
1)测量数据在时间上的延迟
在n个点上随机选择nt(nt=pt*n,pt输入的时间延迟误差率,一般取0.1)个点,对每个点进行时间延迟,ti ·=ti+rand(0,1)/f(rand(0,1)为生成0-1的随机数,f为该轨迹重采样的采样率),对于该点数据用ti ·代替ti,完成测量数据在时间上的延迟处理。
2)测量点空间位置上的随机波动
在n个点上随机选择np(nt=pp*n,pp输入的位置波动误差率,一般取0.1)个点,对每个点进行空间位置波动:
(rand(-1,1)为生成-1到1的随机数),对于该点数据用代替xi,完成测量数据在空间位置上的波动处理,经过上述二步得到基准轨迹的扰动数据集为D0数据集表示为D0={(ti,longi,lati,alti,vi,vθi),i=1,2,…n}。
步骤2:特征的轨迹相似性度量准则的数学距离转换为相似度的方法
步骤2.1:特征的轨迹相似性度量准则的数学距离表示
根据阶段2可计算任意两目标轨迹的特征相似度度量准则下的数学距离,实际实践中需要得出基准轨迹与其它轨迹在三个特征上的相似度度量准则下的数学距离。
1)轨迹数据集:一条基准轨迹数据与一条基准轨迹扰动数据和l(目标轨迹数据集数量)条轨迹数据{D,D0,D1,D2,…,Dl},表示如下:
4)基准轨迹数据D与其它轨迹数据在轨迹曲线点实时跟随特征相似性度量准则下的数学距离为:
步骤2.2:数学距离转换为相似度的方法
实际实践中需要得出基准轨迹与其它轨迹在三个特征上的相似度,对于两目标轨迹给出相似度值(0-1)需要很好的反映两目标轨迹在该特征上的相似性高低,根据本阶段步骤2.1的结果,各个特征维度相似度定义函数由该特征的数学距离决定,数学距离转换为相似度的计算公式如下:
其中(可取或)为特征维度q下第j条轨迹与基准轨迹数据在特征上的数学距离,k为输入的截断倍率,人为设定当某条轨迹与基准轨迹距离大于扰动轨迹与基准轨迹距离k倍时,该轨迹与基准轨迹相似度为0,计算得到的三种特征维度下l条轨迹数据与基准轨迹数据的相似度为或
本发明还提出一种目标轨迹相似性分析系统,基于所述的目标轨迹相似性分析方法,实现目标轨迹相似性分析。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,基于所述的目标轨迹相似性分析方法,实现目标轨迹相似性分析。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,基于所述的目标轨迹相似性分析方法,实现目标轨迹相似性分析。
综上所述,对于多轨迹相似分析,通过本发明方法能判定各目标轨迹在某一特征维度的轨迹相似度,本发明可以进行多目标轨迹在多特征上进行相似性判定,在目标轨迹数据集中快速找到某一指定目标在相似度量准则下的相似目标。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种目标轨迹相似性分析方法,其特征在于,包括如下步骤:
步骤1,制定目标轨迹相似性度量准则,包括:轨迹点空间位置特征相似性度量准则、轨迹曲线形状特征相似性度量准则、轨迹曲线点实时跟随特征相似性度量准则,其中:
轨迹点空间位置特征相似性度量准则采用两轨迹在空间上的最近距离作为空间位置特征的度量,通过最近距离刻画两目标出现在空间位置的特点;
轨迹曲线形状特征相似性度量准则采用匹配轨迹在空间上形成的矢量在目标轨迹上的投影为形状特征的度量,通过矢量投影反应目标轨迹路径在空间上的平行、交叉特征;
轨迹曲线点实时跟随特征相似性度量准则采用两轨迹在空间上同一时刻点的距离为实时跟随特征度量为实时跟随特征的度量,通过同时刻距离反应两目标跟随的距离、跟随的时长,从而判定两目标的运动关系;
步骤2,计算基准轨迹与其它轨迹在三个相似度度量准则下的度量距离,通过相似性度量标准将度量距离转化为相似度数值,使用0-1的数值刻画两轨迹的相似程度。
2.根据权利要求1所述的目标轨迹相似性分析方法,其特征在于,步骤1中,基于轨迹点空间位置特征相似性度量准则,计算两轨迹在空间位置特征上的度量距离,具体计算方法为:
S1,选择两目标轨迹数据的经纬度、高度数据,对数据进行最大最小归一化,具体计算方法如下:
2)对经度、纬度、高度进行数据归一化,归一化采用最大最小归一化,方法如下:
4.根据权利要求1所述的目标轨迹相似性分析方法,其特征在于,步骤1中,基于轨迹曲线点实时跟随特征相似性度量准则,计算两轨迹在实时跟随特征上的度量距离,具体计算方法为:
St={(T1,T1+tf,…,T1+k*tf,…,min(T2,T1+K*tf)),k=0,1,2,…,K} (11)
S2,基于三次样条曲线差值算法,结合给定重合时间段St和采样率f数据重构两目标重合时间段轨迹数据S1 S2,使得两目标轨迹数据时刻相同,轨迹数据重构后数据集为:
S3,对时刻相同的两目标重合时间段轨迹数据S1 S2进行轨迹曲线点实时跟随特征相似性度量计算,计算方法如下:
1)计算同时刻两点的三维球面距离:
已知某一时刻ti下两目标轨迹点坐标(时间,经度,纬度,高度)为S1pointi=(ti,long1i,lat1i,alt1i)和S2pointi=(ti,long2i,lat2i,alt2i),先使用Haversine公式计算两点在水平面上的距离,再考虑两点高度差计算两点在三维球面的距离,计算得出两点水平面上的距离为
其中:haversin(θ)=sin2(θ/2)=(1-cos(θ))/2,R为地球半径,取6371km;
计算两点在三维球面的距离为d12i,计算公式如下:
2)计算同时刻两点的速度矢量投影:
已知某一时刻ti下两目标轨迹点速度矢量坐标(时间,速度大小,速度方向)为S1pointi=(ti,v1i,vθ1i)和S2pointi=(ti,v2i,vθ2i),以S1为基准目标轨迹,计算S2pointi在S1pointi上的投影为prS1pointi,S2pointi,公式如下:
prS1pointi,S2pointi=v2icos(vθ2i-vθ1i) (15)
3)S1 S2轨迹曲线点实时跟随特征的度量距离为重合时间段下同时刻点位置距离d12与同时刻点速度矢量距离pr12,计算公式如下:
式中,K表示重合时间段的采样点数。
6.一种目标轨迹相似性分析系统,其特征在于,基于权利要求1-5任一项所述的目标轨迹相似性分析方法,实现目标轨迹相似性分析。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,基于权利要求1-5任一项所述的目标轨迹相似性分析方法,实现目标轨迹相似性分析。
8.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,基于权利要求1-5任一项所述的目标轨迹相似性分析方法,实现目标轨迹相似性分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111229670.7A CN113902057A (zh) | 2021-10-21 | 2021-10-21 | 一种目标轨迹相似性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111229670.7A CN113902057A (zh) | 2021-10-21 | 2021-10-21 | 一种目标轨迹相似性分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113902057A true CN113902057A (zh) | 2022-01-07 |
Family
ID=79026082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111229670.7A Pending CN113902057A (zh) | 2021-10-21 | 2021-10-21 | 一种目标轨迹相似性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902057A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115859129A (zh) * | 2023-02-27 | 2023-03-28 | 南昌工程学院 | 基于稀疏卫星定位的车辆行驶轨迹相似性度量方法及系统 |
-
2021
- 2021-10-21 CN CN202111229670.7A patent/CN113902057A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115859129A (zh) * | 2023-02-27 | 2023-03-28 | 南昌工程学院 | 基于稀疏卫星定位的车辆行驶轨迹相似性度量方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105956997B (zh) | 图像形变处理的方法和装置 | |
Srivastava et al. | Monte Carlo extrinsic estimators of manifold-valued parameters | |
CN110427654B (zh) | 一种基于敏感状态的滑坡预测模型构建方法及系统 | |
Guo et al. | Finite-time Lyapunov exponents and Lagrangian coherent structures in uncertain unsteady flows | |
CN103714045A (zh) | 面向异步多速率不均匀采样观测数据的信息融合估计方法 | |
CN109460539B (zh) | 一种基于简化容积粒子滤波的目标定位方法 | |
CN113902057A (zh) | 一种目标轨迹相似性分析方法 | |
Remelli et al. | Neuralsampler: Euclidean point cloud auto-encoder and sampler | |
CN112153569A (zh) | 一种基于室内指纹定位的优化方法 | |
Zhang et al. | Region growing based on 2-D–3-D mutual projections for visible point cloud segmentation | |
JP2011516825A (ja) | パーティクルフィルターに基づく音響センサーを利用した3次元空間での客体追跡方法 | |
CN117036400A (zh) | 基于混合高斯模型模糊聚类数据关联的多目标群跟踪方法 | |
Even-Tzur | More on sensitivity of a geodetic monitoring network | |
CN111765883A (zh) | 机器人蒙特卡罗定位方法、设备及存储介质 | |
CN109242023B (zh) | 一种基于dtw和mds的锚链闪光焊质量在线评估方法 | |
Lemos et al. | SimBIG: Field-level Simulation-based Inference of Large-scale Structure | |
CN116611552A (zh) | 一种基于目标监测数据的船舶交通流量预测方法及系统 | |
CN115830462A (zh) | 基于循环一致性对抗网络的sar图像重构方法及装置 | |
CN113465616B (zh) | 轨迹异常点检测方法和装置、电子设备及存储介质 | |
CN115760954A (zh) | 基于点云数据快速计算复杂表面表面积的方法 | |
CN112114309B (zh) | 基于最优轮廓系数自适应k均值聚类的jpda多目标跟踪方法 | |
CN113240290B (zh) | 一种观测弧段规划生成方法、系统、存储介质及电子设备 | |
Redfern | Comparing the shot length distributions of motion pictures using dominance statistics | |
Shi et al. | A Framework of Point Cloud Simplification Based on Voxel Grid and Its Applications | |
JP3390975B2 (ja) | 画像流速推定方法、装置および画像流速推定プログラムを記録した記録媒体 |
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 |