CN113902813A - 一种基于多源信息融合的智能场景感知防御装置与方法 - Google Patents
一种基于多源信息融合的智能场景感知防御装置与方法 Download PDFInfo
- Publication number
- CN113902813A CN113902813A CN202111226681.XA CN202111226681A CN113902813A CN 113902813 A CN113902813 A CN 113902813A CN 202111226681 A CN202111226681 A CN 202111226681A CN 113902813 A CN113902813 A CN 113902813A
- Authority
- CN
- China
- Prior art keywords
- laser
- image
- ccd camera
- coordinate
- radar
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 35
- 230000007123 defense Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000008447 perception Effects 0.000 title claims abstract description 26
- 238000003384 imaging method Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 239000012634 fragment Substances 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000007246 mechanism Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000149 penetrating effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008260 defense mechanism Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003380 propellant Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明公开了一种基于多源信息融合的智能场景感知防御装置与方法，改善了现有技术中太空中厘米级碎片清除工作仍须深入研究的问题。该发明中底座上通过支撑杆依次连接相机圆台、旋转云台和激光枪，相机圆台上设有工业CCD相机阵，工业CCD相机阵含有多个工业CCD相机，并均布在相机圆台上，旋转云台的上半部外侧设有激光雷达。工业CCD相机阵获取全景可见光图像；激光成像雷达获取目标深度信息；激光成像雷达与工业CCD相机联合标定；可见光彩色图像与激光雷达所成的三维点阵图像融合；激光枪进行防御并摧毁接近目标。本技术通过将激光信息与可见光图像进行多光谱融合，实现对厘米级空间碎片的识别，提高了空间碎片的识别效率。
Description
技术领域
本发明涉及航天应用技术领域，特别是涉及一种基于多源信息融合的智能场景感知防御装置与方法。
背景技术
近年来，随着太空作为未来战略制高点的地位不断凸显，竞争日趋激烈，战场正在向太空蔓延。而随着人类航天发射活动的日益频繁，空间碎片的数目已经增长到严重威胁人类航天活动的程度，因此清除空间碎片已经成为航天国家的共识，其中尺寸为1～10cm的厘米级碎片成为了清除研究的主要对象。
空间碎片，又称“空间垃圾”，是人类空间活动的遗弃在太空的废弃物，主要来源于遗弃的航天器和运载火箭箭体残骸、固体火箭点火产生的燃烧物、在执行航天任务过程中的抛弃物、航天器发生爆炸和空间物体之间碰撞解体产生的碎块等。厘米级以上空间碎片可以导致航天器彻底损坏，毫米级或微米级空间碎片可以导致航天器性能下降或功能失效。所以要在恶劣的空间环境下保证航天器的安全发射与运行，就要降低空间碎片对航天器的影响。根据2020年ESA给出的信息，尺寸大于10cm的空间碎片数量约为34000个，尺寸介于1～10cm的空间碎片约900000个。对于尺寸1cm以下的空间碎片，主要施行卫星表面防护措施；对10cm以上较大尺寸的空间碎片，根据编目和预警采取机动避让；而厘米级别的空间碎片难以由地面监测跟踪，且由于数目较多难以机动规避、尺寸较大难以结构性防护，如与航天器发生碰撞会对航天器造成严重损伤，需要航天器对厘米级威胁进行主动清理。
智能化新一代通信卫星系统能够针对空间环境场景，采用多源传感器信息融合技术，结合基于人工智能和视觉智能的场景分析与检测算法进行信息处理，对空间环境实现智能感知。在信息感知方面，突破单一传感器信息的局限性，采用以多源传感器融合和旋转云台驱动方式取代传统大量传感器多点部署的方法，降低数据冗余程度，提高系统的可控性。
而在诸多清除方式中，天基激光清除空间碎片方法由于其高效及时等特性，得到了广泛关注和研究。激光清除空间碎片的原理是脉冲激光烧蚀碎片表面，由冲量耦合效应产生反喷冲量使碎片减速降轨，直至坠入大气层中烧毁，因此精准地计算碎片变轨参数、掌握碎片坠落轨迹是非常重要的一环。
发明内容
本发明改善了现有技术中太空中厘米级碎片清除工作仍须深入研究的问题，提供一种的基于多源信息融合的智能场景感知防御装置与方法。
本发明的技术解决方案是，提供一种具有以下步骤的基于多源信息融合的智能场景感知防御装置与方法：一种基于多源信息融合的智能场景感知防御装置，含有激光枪、激光雷达、旋转云台、工业CCD相机阵、相机圆台、支撑杆和底座，其中底座上通过支撑杆依次连接相机圆台、旋转云台和激光枪，相机圆台上设有工业CCD相机阵，工业CCD相机阵含有多个工业CCD相机，并均布在相机圆台上，旋转云台的上半部外侧设有激光雷达。
优选地，所述支撑杆内部中空，穿有激光枪电源线、激光雷达电源线、工业CCD相机电源线和HDMI数据传输线连接外部的设备。
优选地，所述相机圆台上径向均布8个固定孔，固定孔内分别设有一个工业CCD相机。
优选地，所述旋转云台中部通过铰球连接。
优选地，一种基于多源信息融合的智能环境感知防御方法含有以下步骤，
步骤1)工业CCD相机阵获取全景可见光图像；
步骤2)激光成像雷达获取目标深度信息；
步骤3)激光成像雷达与工业CCD相机联合标定；
步骤4)可见光彩色图像与激光雷达所成的三维点阵图像融合；
步骤5)激光枪进行防御措施，摧毁接近目标。
优选地，所述步骤1)含有以下步骤，
(1a)工业CCD相机阵的八个相机通过数据采集卡获取可见光图像；
(1b)将获取的可见光图像拼接为全景图像，获得目标图像信息；
(1c)提取目标的像素坐标[u v]。
优选地，所述步骤2)中激光成像雷达对目标进行定位，根据定位获取的目标相对于环境感知的反射光强度、方位角、俯仰角、距离信息，后台采集、处理并分析激光成像雷达的原始数据，生成激光成像雷达图像，具体包括以下步骤，
(2a)获取空间点在激光雷达坐标系和图像坐标系中的坐标；
(2b)测得目标相对于激光雷达的角度θ与距离d。角度θ与距离d为极坐标，利用极坐标与直角坐标的关系，将极坐标[θd]转换为直角坐标[x y]。
优选地，所述步骤3)含有以下步骤，
(3a)将激光雷达与相机的位置进行确定；
(3b)空间中一点在二维激光雷达所在空间平面的坐标为[x y]，该点在图像平面的坐标为[u v]，维数相同的两个坐标系可以通过平移、旋转、缩放等变换进行相互转换；
(3c)通过公式
将空间中一点从激光雷达的坐标系中转换到图像的坐标系中，其中[x y 1]T是空间中一点在激光雷达坐标系中的齐次坐标，[u v 1]T是从激光坐标系下转换到图像坐标系后的齐次坐标；
(3d)提出H矩阵中的h9并放到等式左边作为缩放因子λ后，可将公式写成如下形式：
上式的N矩阵是变换矩阵参数，消去缩放因子λ：
(3e)假设收集k组激光雷达点和对应的图像坐标点，上式写成矩阵的形式：
一组数据对应两个n参数，要求出n向量至少需要4组数据，组成超定方程求最优解至少需要5组数据，超定方程的求解就是最小二乘。
优选地，所述步骤4)中基于相机内、外参数的成像模型决定图像中像素点位置，基于激光光源及固定装置之间的位置关系参数决定空间物体表面特征点位置，确立二维图像中各像素点与空间物体表面特征点间的对应关系，实现像素级数据融合，后台算法进行进一步的目标识别，实时监测目标的运动过程。
优选地，所述步骤5)中通过后台判断识别到的航天飞行器是否为10cm以下级别威胁，若是，进行防御措施，激光枪发射，摧毁威胁性目标；若大于10cm，则发送指令至卫星，进行路径避让；之后继续执行步骤1，实现周期性威胁检测与识别；
与现有技术相比，本发明基于多源信息融合的智能场景感知防御装置的装置与方法具有以下优点：
1.可用于智能感知太空场景，对厘米级(1-10cm)的威胁进行清除，厘米级以上的威胁进行避让。
2.本发明通过将激光信息与可见光图像进行多光谱融合，实现对厘米级空间碎片的识别，提高了空间碎片的识别效率。
3.本发明的轨道清理机构在智能感知环境时采用了全景CCD图像，采集到更全面的空间信息。
4.本发明采用激光枪作为智能环境感知防御装置的防御措施，空间碎片清理装置的运行是通过智能感知太空环境中航天器周围的空间碎片，航天器依靠激光枪消灭识别到的空间威胁，不需要消耗推进剂燃料，且太阳帆的结构简单，制造成本低。
5.本发明针对空间卫星智能场景感知与目标实时检测的实际用途与技术要求，开展多源传感器信息融合建模与感知、基于深度学习的视觉目标检测等研究，最终完成空间卫星场景分析和解算显示。系统运行过程中采集的数据信息作为训练感知网络的样本，可作为卫星轨迹动态优化、目标清除等后续工作的基础。
6.本项目研究内容包括(1)多源传感器设计与融合感知。采用多源传感器组合方式搭建智能感知与探测装备，并固定于旋转云台上，将激光雷达与彩色图像数据进行匹配融合，获取全方位、周期性的邻近区域信息；(2)空间目标检测与识别。基于深度学习理论，对多源传感器融合信息进行学习和训练，提出用于处理多维度信息的目标检测和场景感知网络。
附图说明
图1是本发明的整体结构示意图；
图2是本发明中相机圆台的结构示意图；
图3是本发明的俯视结构示意图；
图4是本发明的工作流程示意图。
附图说明中标号1是底座，2是支撑杆，3是相机圆台，4是工业CCD相机，5是旋转云台，6是激光雷达，7是激光枪。
具体实施方式
下面结合附图和具体实施方式对本发明基于多源信息融合的智能场景感知防御装置与方法作进一步说明：如图所示，本实施例针对空间卫星智能场景感知与目标实时检测的实际用途与技术要求，开展多源传感器信息融合建模与感知、基于深度学习的视觉目标检测等研究，最终完成空间卫星场景分析和解算显示。系统运行过程中采集的数据信息作为训练感知网络的样本，可作为卫星轨迹动态优化、目标清除等后续工作的基础。本项目研究内容包括(1)多源传感器设计与融合感知。采用多源传感器组合方式搭建智能感知与探测装备，并固定于旋转云台上，将激光雷达与彩色图像数据进行匹配融合，完成全方位、周期性的临时区域感知与疑似目标检测任务；(2)空间目标检测与识别。基于深度学习理论，对多源传感器融合信息进行学习和训练，提出用于处理多维度信息的目标检测和场景感知网络。
为实现上述目的，本发明采取的技术方案为：一种基于多源信息融合的智能场景感知防御装置，含有激光枪、激光雷达、旋转云台、工业CCD相机阵、相机圆台、支撑杆和底座，其中底座上通过支撑杆依次连接相机圆台、旋转云台和激光枪，相机圆台上设有工业CCD相机阵，工业CCD相机阵含有多个工业CCD相机，并均布在相机圆台上，旋转云台的上半部外侧设有激光雷达。
所述支撑杆内部中空，穿有激光枪电源线、激光雷达电源线、工业CCD相机电源线和HDMI数据传输线连接外部的设备。
所述相机圆台上径向均布8个固定孔，固定孔内分别设有一个工业CCD相机。
所述旋转云台中部通过铰球连接。
整个方案可以分为环境感知机构和激光防御机构，其中：环境感知机构，包括多个支撑杆、工业CCD相机阵、激光雷达和旋转云台，支撑杆采用内部中空式结构，其内穿插有激光枪的电源线、激光雷达的电源线、工业CCD相机的电源线和HDMI数据传输线等线材，所述工业CCD相机阵包含八个均匀分布的工业CCD相机，用于获取目标全景可见光图像；支撑杆为柱形，其一端与工业CCD相机阵的圆盘连接，另一端与装置底座固定，形成装置支撑骨架，并从出口将线材连接到数据及电源传输系统中；支撑杆为柱形，其一端连接工业CCD相机阵的圆盘，另一端连接激光雷达的云台；支撑杆为球形，其一端连接激光雷达的云台，另一端连接激光雷达，便于激光雷台的旋转；
所述激光防御机构，包括激光枪、一个支撑杆，所述支撑杆采用内部中空式结构，其内穿插有激光枪的电源线等线材；
所述环境感知机构的的底部开有出口，从其内穿出的线材固定于外部的硬件设备，且环境感知机构的中心轴线与底面垂直。
工业CCD相机阵包含八个均匀分布的工业CCD相机和嵌入相机的圆台。
底座内含电源接口电路，接入电源线和地线，通过接口电路给相机阵列、激光雷达、激光枪供电，相机的HDMI线接出连接数据采集卡，进入后台采用楔形板作为底盖。
一种基于多源信息融合的智能场景感知防御装置的方法含有以下步骤：
步骤1)工业CCD相机阵获取全景可见光图像：
(1a)工业CCD相机阵的八个相机通过数据采集卡获取可见光图像；
(1b)控制通信系统将获取的可见光图像拼接为全景图像，获得目标图像信息；
(1c)提取目标的像素坐标[u v]；
步骤2)激光成像雷达获取目标深度信息：
云台调整激光雷达的扫描速度，可以大范围地粗调控制和小范围地微调控制，激光成像雷达对目标进行定位，根据定位获取的目标相对于环境感知的反射光强度、方位角、俯仰角、距离等信息，后台采集、处理并分析激光成像雷达的原始数据，生成激光成像雷达图像；
(2a)获取空间点在激光雷达坐标系和图像坐标系中的坐标；
(2b)测得目标相对于激光雷达的角度θ与距离d。角度θ与距离d为极坐标，利用极坐标与直角坐标的关系，将极坐标[θd]转换为直角坐标[x y]；
步骤3)激光成像雷达与工业CCD相机联合标定：
(3a)将激光雷达与相机的位置进行确定；
(3b)空间中一点在二维激光雷达所在空间平面的坐标为[x y]，该点在图像平面的坐标为[u v]，维数相同的两个坐标系可以通过平移、旋转、缩放等变换进行相互转换；
(3c)通过公式
将空间中一点从激光雷达的坐标系中转换到图像的坐标系中，其中[x y 1]T是空间中一点在激光雷达坐标系中的齐次坐标，[u v 1]T是从激光坐标系下转换到图像坐标系后的齐次坐标；
(3d)提出H矩阵中的h9并放到等式左边作为缩放因子λ后，可将公式写成如下形式：
上式的N矩阵是变换矩阵参数，消去缩放因子λ：
(3e)假设收集k组激光雷达点和对应的图像坐标点，上式写成矩阵的形式：
从上式中可以看出，一组数据对应两个n参数，那么要求出n向量至少需要4组数据，组成超定方程求最优解至少需要5组数据，超定方程的求解就是最小二乘。因此在标定过程中，只需要通过激光雷达测得空间特定点的空间坐标，以及特定点在相机图像中的像素坐标，带入上述方程中求出1…8即可；
步骤4)可见光彩色图像与激光雷达所成的三维点阵图像融合：
基于相机内、外参数的成像模型决定图像中像素点位置，基于激光光源及固定装置之间的位置关系参数决定空间物体表面特征点位置，如上确立二维图像中各像素点与空间物体表面特征点间的对应关系，实现像素级数据融合；后台算法进行进一步的目标识别，实时监测目标的运动过程；
步骤5)激光枪进行防御措施，摧毁接近目标：
后台判断识别到的航天飞行器是否为10cm以下级别威胁，若是，进行防御措施，激光枪发射，摧毁威胁性目标；若大于10cm，则发送指令至卫星，进行路径避让；之后继续执行步骤1，实现周期性威胁检测与识别。
Claims (10)
1.一种基于多源信息融合的智能场景感知防御装置，其特征在于：含有激光枪、激光雷达、旋转云台、工业CCD相机阵、相机圆台、支撑杆和底座，其中底座上通过支撑杆依次连接相机圆台、旋转云台和激光枪，相机圆台上设有工业CCD相机阵，工业CCD相机阵含有多个工业CCD相机，并均布在相机圆台上，旋转云台的上半部外侧设有激光雷达。
2.根据权利要求1所述的基于多源信息融合的智能场景感知防御装置，其特征在于：所述支撑杆内部中空，穿有激光枪电源线、激光雷达电源线、工业CCD相机电源线和HDMI数据传输线连接外部的设备。
3.根据权利要求1所述的基于多源信息融合的智能场景感知防御装置，其特征在于：所述相机圆台上径向均布8个固定孔，固定孔内分别设有一个工业CCD相机。
4.根据权利要求1所述的基于多源信息融合的智能场景感知防御装置，其特征在于：所述旋转云台中部通过铰球连接。
5.一种使用权利要求1所述的基于多源信息融合的智能场景感知防御装置的方法，其特征在于：含有以下步骤，
步骤1)工业CCD相机阵获取全景可见光图像；
步骤2)激光成像雷达获取目标深度信息；
步骤3)激光成像雷达与工业CCD相机联合标定；
步骤4)可见光彩色图像与激光雷达所成的三维点阵图像融合；
步骤5)激光枪进行防御措施，摧毁接近目标。
6.根据权利要求1所述的基于多源信息融合的智能场景感知防御装置与方法，其特征在于：所述步骤1)含有以下步骤，
(1a)工业CCD相机阵的八个相机通过数据采集卡获取可见光图像；
(1b)将获取的可见光图像拼接为全景图像，获得目标图像信息；
(1c)提取目标的像素坐标[u v]。
7.根据权利要求1所述的基于多源信息融合的智能场景感知防御装置与方法，其特征在于：所述步骤2)中激光成像雷达对目标进行定位，根据定位获取的目标相对于环境感知的反射光强度、方位角、俯仰角、距离信息，后台采集、处理并分析激光成像雷达的原始数据，生成激光成像雷达图像，具体包括以下步骤，
(2a)获取空间点在激光雷达坐标系和图像坐标系中的坐标；
(2b)测得目标相对于激光雷达的角度θ与距离d。角度θ与距离d为极坐标，利用极坐标与直角坐标的关系，将极坐标[θd]转换为直角坐标[x y]。
8.根据权利要求1所述的基于多源信息融合的智能场景感知防御装置与方法，其特征在于：所述步骤3)含有以下步骤，
(3a)将激光雷达与相机的位置进行确定；
(3b)空间中一点在二维激光雷达所在空间平面的坐标为[x y]，该点在图像平面的坐标为[u v]，维数相同的两个坐标系可以通过平移、旋转、缩放等变换进行相互转换；
(3c)通过公式
将空间中一点从激光雷达的坐标系中转换到图像的坐标系中，其中[x y 1]T是空间中一点在激光雷达坐标系中的齐次坐标，[u v 1]T是从激光坐标系下转换到图像坐标系后的齐次坐标；
(3d)提出H矩阵中的h9并放到等式左边作为缩放因子λ后，可将公式写成如下形式：
上式的N矩阵是变换矩阵参数，消去缩放因子λ：
λ＝n7x+n8y+1
(3e)假设收集k组激光雷达点和对应的图像坐标点，上式写成矩阵的形式：
一组数据对应两个n参数，要求出n向量至少需要4组数据，组成超定方程求最优解至少需要5组数据，超定方程的求解就是最小二乘。
9.根据权利要求1所述的基于多源信息融合的智能场景感知防御装置与方法，其特征在于：所述步骤4)中基于相机内、外参数的成像模型决定图像中像素点位置，基于激光光源及固定装置之间的位置关系参数决定空间物体表面特征点位置，确立二维图像中各像素点与空间物体表面特征点间的对应关系，实现像素级数据融合，后台算法进行进一步的目标识别，实时监测目标的运动过程。
10.根据权利要求1所述的基于多源信息融合的智能场景感知防御装置与方法，其特征在于：所述步骤5)中通过后台判断识别到的航天飞行器是否为10cm以下级别威胁，若是，进行防御措施，激光枪发射，摧毁威胁性目标；若大于10cm，则发送指令至卫星，进行路径避让；之后继续执行步骤1，实现周期性威胁检测与识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111226681.XA CN113902813A (zh) | 2021-10-21 | 2021-10-21 | 一种基于多源信息融合的智能场景感知防御装置与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111226681.XA CN113902813A (zh) | 2021-10-21 | 2021-10-21 | 一种基于多源信息融合的智能场景感知防御装置与方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113902813A true CN113902813A (zh) | 2022-01-07 |
Family
ID=79025947
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111226681.XA Pending CN113902813A (zh) | 2021-10-21 | 2021-10-21 | 一种基于多源信息融合的智能场景感知防御装置与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113902813A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114710628A (zh) * | 2022-04-21 | 2022-07-05 | 深圳市先地图像科技有限公司 | 一种图像曝光方法、计算机设备及存储介质 |
| CN115209237A (zh) * | 2022-06-08 | 2022-10-18 | 禾多科技（北京）有限公司 | 数据采集箱及用于该数据采集箱的控制方法 |
| CN115661209A (zh) * | 2022-12-27 | 2023-01-31 | 中国人民解放军国防科技大学 | 基于事件相机的爆炸威力场毁伤元测量方法及系统 |
| CN116087974A (zh) * | 2023-03-01 | 2023-05-09 | 东方空间技术(山东)有限公司 | 天基红外目标识别系统及其目标识别方法 |
-
2021
- 2021-10-21 CN CN202111226681.XA patent/CN113902813A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114710628A (zh) * | 2022-04-21 | 2022-07-05 | 深圳市先地图像科技有限公司 | 一种图像曝光方法、计算机设备及存储介质 |
| CN114710628B (zh) * | 2022-04-21 | 2023-12-05 | 深圳市先地图像科技有限公司 | 一种图像曝光方法、计算机设备及存储介质 |
| CN115209237A (zh) * | 2022-06-08 | 2022-10-18 | 禾多科技（北京）有限公司 | 数据采集箱及用于该数据采集箱的控制方法 |
| CN115661209A (zh) * | 2022-12-27 | 2023-01-31 | 中国人民解放军国防科技大学 | 基于事件相机的爆炸威力场毁伤元测量方法及系统 |
| CN116087974A (zh) * | 2023-03-01 | 2023-05-09 | 东方空间技术(山东)有限公司 | 天基红外目标识别系统及其目标识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113902813A (zh) | 一种基于多源信息融合的智能场景感知防御装置与方法 | |
| CN109544679B (zh) | 管道内壁的三维重建方法 | |
| CN109872372A (zh) | 一种小型四足机器人全局视觉定位方法和系统 | |
| CN104168455B (zh) | 一种空基大场景摄像系统及方法 | |
| US9488630B2 (en) | Integrated remote aerial sensing system | |
| US20060049930A1 (en) | Method and apparatus for implementing multipurpose monitoring system | |
| CN110132226B (zh) | 一种无人机巡线的距离及方位角测量系统和方法 | |
| CN101866006A (zh) | 旋转式多传感器光电雷达 | |
| Yang et al. | Panoramic UAV surveillance and recycling system based on structure-free camera array | |
| CN108303078A (zh) | 一种基于立体视觉的全方向船舶防撞预警与导航系统 | |
| CN111238368A (zh) | 三维扫描方法及装置 | |
| CN113138364B (zh) | 一种基于水下潜摄设备的滑坡安全监测装置及定位方法 | |
| CN111498070A (zh) | 水下矢量光视觉导引方法及装置 | |
| CN107870335A (zh) | 高光谱激光的三维复合成像方法、系统及无人自航器 | |
| Papadopoulos et al. | 3D-surface reconstruction for partially submerged marine structures using an autonomous surface vehicle | |
| CN112284294A (zh) | 一种水下多波段交叉线阵激光三维扫描系统 | |
| CN110393165A (zh) | 一种基于自动投饵船的远海养殖网箱投饵方法 | |
| CN116894936B (zh) | 基于无人机视觉的海上目标识别定位方法及系统 | |
| CN106408570A (zh) | 基于双目视觉测量的太阳帆展开结构动特性在轨辨识方法 | |
| Zare et al. | Reconstructing 3-D Graphical Model Using an Under-Constrained Cable-Driven Parallel Robot | |
| CN113850905B (zh) | 一种用于周扫型光电预警系统的全景图像实时拼接方法 | |
| Strigul et al. | Complementing forest inventory data with information from unmanned aerial vehicle imagery and photogrammetry | |
| CN114973037A (zh) | 一种无人机智能检测与同步定位多目标的方法 | |
| Diamanti et al. | A multi-camera system for the integrated documentation of Underwater Cultural Heritage of high structural complexity; The case study of M/S Helma wreck | |
| Tajuddin et al. | Circle Hough transform on real-time object following unmanned surface vessel |
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 |