CN114743406B - 一种船舶轨迹去纠缠方法 - Google Patents
一种船舶轨迹去纠缠方法 Download PDFInfo
- Publication number
- CN114743406B CN114743406B CN202210241288.6A CN202210241288A CN114743406B CN 114743406 B CN114743406 B CN 114743406B CN 202210241288 A CN202210241288 A CN 202210241288A CN 114743406 B CN114743406 B CN 114743406B
- Authority
- CN
- China
- Prior art keywords
- track
- ship
- moment
- point
- points
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
-
- 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
- G01C21/203—Specially adapted for sailing ships
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Ocean & Marine Engineering (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明涉及船舶轨迹信息处理领域中一种船舶轨迹去纠缠方法,包括:接收到对目标船舶轨迹进行去纠缠的请求时,获取目标船舶的AIS点位数据集合,按照时间顺序整理得到船舶轨迹;提取目标船舶轨迹中时间间隔大于整条轨迹平均采样间隔的船舶轨迹点作为分割点;以目标船舶轨迹的起始点、分割点、结束点为界限,划分得到目标船舶子轨迹集合;基于船舶实时船速,剔除每条目标船舶子轨迹中具有空间位置不合理的船舶轨迹纠缠点;基于船舶实时航向,剔除每条目标船舶子轨迹中具有转向角度不合理表现的船舶轨迹纠缠点;最后按照时间顺序将处理后目标船舶子轨迹进行连接。本发明在保障完整船舶运动行为特征的基础上,高效实现船舶轨迹纠缠点的有效、精准剔除。
Description
技术领域
本发明涉及船舶轨迹信息处理领域,尤其涉及一种船舶轨迹去纠缠方法。
背景技术
由于AIS(Automatic Identification System,船舶自动识别系统)定位偏差或时间解析错误等原因,按照时间先后顺序将AIS数据中的船舶位置相连之后得到的船舶轨迹会出现时序混乱的轨迹纠缠情况,这种纠缠现象在近岸区域尤其明显。现有方法在解决船舶轨迹纠缠主要采用轨迹抽稀以及神经网络训练等方法,可在一定程度上剔除船舶轨迹纠缠点。
对上述方案进行研究发现,轨迹抽稀方法在去除纠缠的过程中会损失部分船舶运动行为特征,且仍旧会存在轨迹纠缠点去除不彻底的情况;而神经网络训练方法较为复杂且具有参数和训练样本依赖,无法有效应用于实际业务中。
发明内容
本发明的目的在于保障损失最少船舶轨迹点的前提下,高效简便实现船舶轨迹去纠缠,实现兼顾保留船舶运动行为特征以及业务实用性的船舶轨迹信息处理,弥补现有方法在船舶轨迹纠缠去除中存在的系列问题。
为解决上述技术问题,本发明采用的技术方案为:
一种船舶轨迹去纠缠方法,包括以下步骤:
(1)当接收到对目标船舶轨迹进行去纠缠的请求时,获取所述目标船舶的AIS点位数据集合,按照时间顺序整理得到目标船舶轨迹;
(2)提取目标船舶轨迹中时间间隔大于整条轨迹平均采样间隔的船舶轨迹点作为分割点;
(3)以目标船舶轨迹的起始点、分割点和结束点为界限,划分得到目标船舶子轨迹集合;
(4)基于船舶实时船速,剔除每条目标船舶子轨迹中具有空间位置不合理表现的船舶轨迹纠缠点;
(5)基于船舶实时航向,剔除每条目标船舶子轨迹中具有转向角度不合理表现的船舶轨迹纠缠点;
(6)按照时间顺序将剔除船舶轨迹纠缠点后的目标船舶子轨迹进行连接完成目标船舶轨迹去纠缠过程。
进一步的,步骤(4)具体包括以下步骤:
(401)默认每条目标船舶子轨迹第一个点和最后一个点为正常轨迹点,选取一条未被访问的目标船舶子轨迹;
(402)从未被访问的目标船舶子轨迹的第一个轨迹点开始,将第一个轨迹点作为第一时刻轨迹点;
(403)以第一时刻轨迹点与第二时刻轨迹点中速度最大值和两轨迹点时间间隔计算两轨迹点间的最大行驶距离;其中,第二时刻为与第一时刻相邻的下一时刻;
(404)计算最大行驶距离与实际两相邻轨迹点间行驶距离的差值,并判断差值与实际两相邻轨迹点间行驶距离的比值是否满足预设的第一阈值;
(405)若不满足预设的第一阈值,则认为第二时刻轨迹点为船舶轨迹纠缠点,将其剔除,继续将第三时刻轨迹点作为第二时刻轨迹点,返回步骤(403),直到当前未被访问的目标船舶子轨迹所有时刻轨迹点计算完成;其中,第三时刻为与第二时刻相邻的下一时刻;
若满足预设的第一阈值,则将第二时刻轨迹点作为第一时刻轨迹点,返回步骤(403),直到当前未被访问的目标船舶子轨迹所有时刻轨迹点计算完成;
(406)选取另外一条未被访问的目标船舶子轨迹,执行步骤(402)至(405),直到所有目标船舶子轨迹访问完成,得到剔除具有空间位置不合理表现的船舶轨迹纠缠点后的目标船舶子轨迹集合。
进一步的,步骤(5)具体包括以下步骤:
(501)在剔除具有空间位置不合理表现的船舶轨迹纠缠点后的目标船舶子轨迹集合中,选取未被访问的目标船舶子轨迹,默认每条目标船舶子轨迹第一个点和最后一个点为正常轨迹点;
(502)从未被访问的目标船舶子轨迹的第一个轨迹点开始,将第一个轨迹点作为第一时刻轨迹点;
(503)以第一时刻轨迹点与第二时刻轨迹点的地理位置计算第一时刻轨迹点的真实航向;其中,第二时刻为与第一时刻相邻的下一时刻;
(504)判断真实航向是否在第一时刻轨迹点实时航向与第二时刻轨迹点实时航向之间;
(505)若不在,则认为第二时刻轨迹点为船舶轨迹纠缠点,将其剔除,继续将第三时刻轨迹点作为第二时刻轨迹点,返回步骤(503),直到当前未被访问的目标船舶子轨迹所有时刻轨迹点计算完成;其中,第三时刻为与第二时刻相邻的下一时刻;
若在,则将第二时刻轨迹点作为第一时刻轨迹点,返回步骤(503),直到当前未被访问的目标船舶子轨迹所有时刻轨迹点计算完成;
(506)选取另外一条未被访问的目标船舶子轨迹,执行步骤(502)至(405),直到所有目标船舶子轨迹访问完成。
进一步的,步骤(6)具体包括以下过程:
将剔除船舶轨迹纠缠点后的目标船舶子轨迹,去除包含轨迹点数小于预设第二阈值的目标船舶子轨迹;
按照时间顺序将经过处理后的目标船舶子轨迹进行连接,完成目标船舶轨迹去纠缠过程。
本发明相比于现有技术具有如下优势:
1.本发明针对现有技术在船舶轨迹去纠缠中的缺陷,通过原始AIS轨迹点的实时船速及航向等运动属性信息,以实时船速和时间间隔约束船舶空间位置的合理范围,以实时航向约束船舶转向的合理区间,将发生轨迹纠缠的轨迹点进行精准有效去除,通过遍历最终能够在保障完整船舶运动行为特征的基础上,高效实现船舶轨迹纠缠点的有效剔除;
2.本发明在利用实时船速及航向等运动属性信息进行轨迹纠缠点去除过程中,采用先基于空间位置不合理性约束筛选并剔除轨迹纠缠点后再利用转向合理性约束剔除轨迹纠缠点的方案进行,能够在保障船舶轨迹纠缠点去除有效性、彻底性前提下,最大程度降低算法的运行时间,提升船舶轨迹纠缠去除效率;
3.本发明为基于运动属性信息双约束提出完整处理船舶轨迹去纠缠处理流程的首例,与传统轨迹滤波等预处理的方法上相比有所创新,可有效实现兼顾保留船舶运动行为特征以及业务实用性的船舶轨迹纠缠精准、高效处理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的船舶轨迹去纠缠方法流程图;
图2是本发明实施例提供的船舶轨迹纠缠点筛选流程图;
图3是本发明实施例提供的存在轨迹纠缠的船舶轨迹示例图;
图4是本发明实施例提供的船舶轨迹示例去纠缠结果图。
具体实施方式
下面将结合附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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。
如图1所示,一种船舶轨迹去纠缠方法,包括以下步骤:
(1)当接收到对目标船舶轨迹进行去纠缠的请求时,获取所述目标船舶的AIS点位数据集合,按照时间顺序整理得到目标船舶轨迹;
(2)提取所述目标船舶轨迹中时间间隔大于整条轨迹平均采样间隔的船舶轨迹点作为分隔点;
(3)以目标船舶轨迹的起始点、分割点、结束点为界限,划分得到目标船舶子轨迹集合;
进一步的,切分后的子轨迹中,若子轨迹包含的轨迹点数小于10,认为其是无效轨迹,该子轨迹不保留;
(4)基于船舶实时船速,剔除所述每条目标船舶子轨迹中具有空间位置不合理表现的船舶轨迹纠缠点;
进一步的,如图2所示,该步骤中,默认每条目标船舶子轨迹第一个点和最后一个点为正常轨迹点,选取未被访问的目标船舶子轨迹;
从未被访问的目标船舶子轨迹的第一个轨迹点开始,作为第一时刻轨迹点,以第一时刻轨迹点与第二时刻轨迹点中实时船速最大值Vmax和两轨迹点时间间隔t计算两轨迹点间的最大行驶距离Dmax,公式如下。其中,所述第二时刻为所述第一时刻相邻时刻的下一时刻;
Dmax=Vmax*t
计算最大行驶距离Dmax与实际两相邻轨迹点间行驶距离d的差值;
计算差值与实际两相邻轨迹点间行驶距离的比值,记为δ,即:
判断上述差值与实际两相邻轨迹点间行驶距离的比值δ是否不大于预设的第一阈值ε1=0.2;
若大于所述预设的第一阈值ε1,则认为第二时刻轨迹点为船舶轨迹纠缠点,将其剔除,继续将第三时刻轨迹点作为第二时刻轨迹点进行计算判断,依次后延,其中,所述第三时刻为与所述第二时刻相邻的下一时刻;
若不大于所述预设的第一阈值ε1,则将所述第二时刻轨迹点作为第一时刻轨迹点,重复上述步骤,直到当前未被访问的目标船舶子轨迹的全部轨迹点都执行完上述步骤;
当所述目标船舶子轨迹均被访问时,得到剔除空间位置不合理船舶轨迹纠缠点后的目标船舶子轨迹集合。
(5)基于船舶实时航向,剔除所述每条目标船舶子轨迹中具有转向角度不合理表现的船舶轨迹纠缠点;
进一步的,在剔除具有空间位置不合理表现的船舶轨迹纠缠点后的目标船舶子轨迹集合中,选取未被访问的目标船舶子轨迹,默认每条目标船舶子轨迹第一个点和最后一个点为正常轨迹点;
从上述未被访问的目标船舶子轨迹的第一个轨迹点Pi开始,作为第一时刻轨迹点,以第一时刻轨迹点Pi与第二时刻轨迹点Pi+1的地理位置计算第一时刻轨迹点的真实航向Creal,其中,所述第二时刻为与所述第一时刻相邻的下一时刻;第一时刻轨迹点与第二时刻轨迹点地理坐标分别为(xi,yi),(xi+1,yi+1),航向计算公式如下:
其中,distanc()为计算距离的函数。
第一时刻轨迹点Pi的实时航向记为Ci,第二时刻轨迹点Pi+1的实时航向记为Ci+1。如图2所示,判断所述真实航向是否在第一时刻轨迹点实时航向与第二时刻轨迹点实时航向之间,即:
当|Ci-Ci+1|>180时,判断
Creal≥max(Ci,Ci+1)|Creal≤min(Ci,Ci+1)是否成立;
当|Ci-Ci+1|<180时,判断min(Ci,Ci+1)≤Creal≤max(Ci,Ci+1)是否成立;
若上述情况不成立,则认为第二时刻轨迹点Pi+1为船舶轨迹纠缠点,将其剔除,继续将第三时刻轨迹点作为第二时刻轨迹点进行计算判断,依次后延,其中,所述第三时刻为与所述第二时刻相邻的下一时刻;
若上述情况成立,则所述第二时刻轨迹点作为第一时刻轨迹点,重复上述步骤,直到当前未被访问的目标船舶子轨迹的全部轨迹点都执行完上述步骤;
当所述剔除具有空间位置不合理表现的船舶轨迹纠缠点后的目标船舶子轨迹集合中的所有子轨迹均被访问时,完成所述目标船舶子轨迹去纠缠。
(6)按照时间顺序将所述经过处理后的目标船舶子轨迹进行连接完成目标船舶轨迹去纠缠过程。
进一步的,在本过程中,遍历完成去纠缠的目标船舶子轨迹,去除包含轨迹点数小于预设第二阈值ε2=5的目标船舶子轨迹;
按照时间顺序将经过上述处理后的目标船舶子轨迹进行连接,完成目标船舶轨迹去纠缠过程。
下面以南海区域存在轨迹纠缠的某一航迹为例展开案例验证(如图3所示)。图3中,Tra-A为已完成自动识别与提取的原始轨迹,数据来源于多源AIS设备,图中的点即为AIS采集的轨迹点。Tra-A中在靠近港口的多个位置(图3中I、II、III处)出现了轨迹纠缠问题。以II处的航迹纠缠进行举例,从图中可以看出,该处航迹在p2、p3和p4处发生了纠缠,即正常航行情况下移动目标的航迹点顺序应为p1->p3->p4->p2->p5,但原始航迹数据中航迹点的顺序为p1->p2->p3>p4->p5,在p2和p3、p4之间出现了异常。通过本发明技术方法的实施,如图4所示,Tra-A中II处通过剔除P2点,按照原始p1->p3->p4->p5的时序对原始航迹进行记录,实现了轨迹的去纠缠,同理其他两处也实现了轨迹的去纠缠。说明本发明技术方法能够在保留船舶运动行为特征结构的前提下,有效实现船舶轨迹纠缠点的高效、精准剔除。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (3)
1.一种船舶轨迹去纠缠方法,其特征在于,包括以下步骤:
(1)当接收到对目标船舶轨迹进行去纠缠的请求时,获取所述目标船舶的AIS点位数据集合,按照时间顺序整理得到目标船舶轨迹;
(2)提取目标船舶轨迹中时间间隔大于整条轨迹平均采样间隔的船舶轨迹点作为分割点;
(3)以目标船舶轨迹的起始点、分割点和结束点为界限,划分得到目标船舶子轨迹集合;
(4)基于船舶实时船速,剔除每条目标船舶子轨迹中具有空间位置不合理表现的船舶轨迹纠缠点;
(5)基于船舶实时航向,剔除每条目标船舶子轨迹中具有转向角度不合理表现的船舶轨迹纠缠点;
(6)按照时间顺序将剔除船舶轨迹纠缠点后的目标船舶子轨迹进行连接完成目标船舶轨迹去纠缠过程;
其中,步骤(5)具体包括以下步骤:
(501)在剔除具有空间位置不合理表现的船舶轨迹纠缠点后的目标船舶子轨迹集合中,选取未被访问的目标船舶子轨迹,默认每条目标船舶子轨迹第一个点和最后一个点为正常轨迹点;
(502)从未被访问的目标船舶子轨迹的第一个轨迹点开始,将第一个轨迹点作为第一时刻轨迹点;
(503)以第一时刻轨迹点与第二时刻轨迹点的地理位置计算第一时刻轨迹点的真实航向;其中,第二时刻为与第一时刻相邻的下一时刻;
(504)判断真实航向是否在第一时刻轨迹点实时航向与第二时刻轨迹点实时航向之间;
(505)若不在,则认为第二时刻轨迹点为船舶轨迹纠缠点,将其剔除,继续将第三时刻轨迹点作为第二时刻轨迹点,返回步骤(503),直到当前未被访问的目标船舶子轨迹所有时刻轨迹点计算完成;其中,第三时刻为与第二时刻相邻的下一时刻;
若在,则将第二时刻轨迹点作为第一时刻轨迹点,返回步骤(503),直到当前未被访问的目标船舶子轨迹所有时刻轨迹点计算完成;
(506)选取另外一条未被访问的目标船舶子轨迹,执行步骤(502)至(405),直到所有目标船舶子轨迹访问完成。
2.根据权利要求1所述的船舶轨迹去纠缠方法,其特征在于,步骤(4)具体包括以下步骤:
(401)默认每条目标船舶子轨迹第一个点和最后一个点为正常轨迹点,选取一条未被访问的目标船舶子轨迹;
(402)从未被访问的目标船舶子轨迹的第一个轨迹点开始,将第一个轨迹点作为第一时刻轨迹点;
(403)以第一时刻轨迹点与第二时刻轨迹点中速度最大值和两轨迹点时间间隔计算两轨迹点间的最大行驶距离;其中,第二时刻为与第一时刻相邻的下一时刻;
(404)计算最大行驶距离与实际两相邻轨迹点间行驶距离的差值,并判断差值与实际两相邻轨迹点间行驶距离的比值是否满足预设的第一阈值;
(405)若不满足预设的第一阈值,则认为第二时刻轨迹点为船舶轨迹纠缠点,将其剔除,继续将第三时刻轨迹点作为第二时刻轨迹点,返回步骤(403),直到当前未被访问的目标船舶子轨迹所有时刻轨迹点计算完成;其中,第三时刻为与第二时刻相邻的下一时刻;
若满足预设的第一阈值,则将第二时刻轨迹点作为第一时刻轨迹点,返回步骤(403),直到当前未被访问的目标船舶子轨迹所有时刻轨迹点计算完成;
(406)选取另外一条未被访问的目标船舶子轨迹,执行步骤(402)至(405),直到所有目标船舶子轨迹访问完成,得到剔除具有空间位置不合理表现的船舶轨迹纠缠点后的目标船舶子轨迹集合。
3.根据权利要求1所述的船舶轨迹去纠缠方法,其特征在于,步骤(6)具体包括以下过程:
将剔除船舶轨迹纠缠点后的目标船舶子轨迹,去除包含轨迹点数小于预设第二阈值的目标船舶子轨迹;
按照时间顺序将经过处理后的目标船舶子轨迹进行连接,完成目标船舶轨迹去纠缠过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210241288.6A CN114743406B (zh) | 2022-03-11 | 2022-03-11 | 一种船舶轨迹去纠缠方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210241288.6A CN114743406B (zh) | 2022-03-11 | 2022-03-11 | 一种船舶轨迹去纠缠方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114743406A CN114743406A (zh) | 2022-07-12 |
CN114743406B true CN114743406B (zh) | 2023-04-07 |
Family
ID=82274870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210241288.6A Active CN114743406B (zh) | 2022-03-11 | 2022-03-11 | 一种船舶轨迹去纠缠方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114743406B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105390028A (zh) * | 2015-10-23 | 2016-03-09 | 广州乙禾航运风险咨询有限公司 | 船舶航行轨迹的纠正方法和系统 |
CN113450596A (zh) * | 2021-05-31 | 2021-09-28 | 武汉理工大学 | 基于船舶轨迹特征点提取的时空dp方法 |
CN113525626A (zh) * | 2021-08-16 | 2021-10-22 | 中国电子科技集团公司第五十四研究所 | 一种基于海陆约束的船舶预测轨迹修正方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006125291A1 (en) * | 2005-05-25 | 2006-11-30 | Hiroyuki Takada | System and method for estimating travel times of a traffic probe |
US7848881B2 (en) * | 2005-07-05 | 2010-12-07 | Containertrac, Inc. | Automatic past error corrections for location and inventory tracking |
KR101703906B1 (ko) * | 2015-01-22 | 2017-02-08 | 한국전자통신연구원 | 선박 관제 시스템 및 그것의 선박 관제 방법 |
CN109215347B (zh) * | 2018-10-22 | 2020-10-09 | 北京航空航天大学 | 一种基于众包轨迹数据的交通数据质量控制方法 |
CN110990504B (zh) * | 2019-11-14 | 2023-01-17 | 中国船舶重工集团公司第七0七研究所 | 一种基于航向和航速变化率的船舶轨迹压缩方法 |
WO2021150166A1 (en) * | 2020-01-20 | 2021-07-29 | Nanyang Technological University | Determining a route between an origin and a destination |
CN113032502B (zh) * | 2021-02-09 | 2024-02-02 | 北京工业大学 | 一种基于改进轨迹段dbscan聚类的船舶异常检测方法 |
CN113127466B (zh) * | 2021-04-20 | 2023-04-11 | 同济大学 | 一种车辆轨迹数据预处理方法及计算机存储介质 |
CN113553682B (zh) * | 2021-07-12 | 2022-09-06 | 大连海事大学 | 一种数据驱动的多层次船舶航路网络构建方法 |
-
2022
- 2022-03-11 CN CN202210241288.6A patent/CN114743406B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105390028A (zh) * | 2015-10-23 | 2016-03-09 | 广州乙禾航运风险咨询有限公司 | 船舶航行轨迹的纠正方法和系统 |
CN113450596A (zh) * | 2021-05-31 | 2021-09-28 | 武汉理工大学 | 基于船舶轨迹特征点提取的时空dp方法 |
CN113525626A (zh) * | 2021-08-16 | 2021-10-22 | 中国电子科技集团公司第五十四研究所 | 一种基于海陆约束的船舶预测轨迹修正方法 |
Non-Patent Citations (2)
Title |
---|
姜佰辰 ; 关键 ; 周伟 ; 陈小龙 ; .基于多项式卡尔曼滤波的船舶轨迹预测算法.信号处理.2019,(第05期),17-22. * |
孙强 ; 薛存金 ; 刘敬一 ; 刘星 ; 洪娅岚 ; 伍程斌 ; .全球海洋初级生产力与海洋环境要素时空关联模式挖掘分析.海洋环境科学.2020,(第03期),14-21+26. * |
Also Published As
Publication number | Publication date |
---|---|
CN114743406A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113450596B (zh) | 基于船舶轨迹特征点提取的时空dp方法 | |
CN107818571B (zh) | 基于深度学习网络和均值漂移的船只自动跟踪方法及系统 | |
CN111862659B (zh) | 一种gps轨迹数据匹配和补全的方法 | |
CN110991272B (zh) | 一种基于视频跟踪的多目标车辆轨迹识别方法 | |
CN109145836B (zh) | 基于深度学习网络和卡尔曼滤波的船只目标视频检测方法 | |
CN109708638B (zh) | 一种船舶轨迹点提取方法 | |
CN108256577A (zh) | 一种基于多线激光雷达的障碍物聚类方法 | |
CN110738690A (zh) | 一种基于多目标追踪框架的无人机视频中车速校正方法 | |
CN114564545A (zh) | 一种基于ais历史数据的船舶经验航线提取系统及方法 | |
CN112906830A (zh) | 一种基于ais大数据的船舶最优航线自动生成方法 | |
CN110766723B (zh) | 一种基于颜色直方图相似性的无人机目标跟踪方法及系统 | |
CN112906812A (zh) | 基于带离群点去除的车辆轨迹聚类方法 | |
CN114155355A (zh) | 基于点云的带电主电线检测方法及装置 | |
CN114385765B (zh) | 一种基于航迹数据的耙吸挖泥船生产时间预估方法 | |
Gad et al. | Real-time lane instance segmentation using segnet and image processing | |
CN113985406B (zh) | 一种海上雷达目标航迹拼接方法 | |
CN111813877B (zh) | 一种航迹提取方法及装置 | |
CN114743406B (zh) | 一种船舶轨迹去纠缠方法 | |
Dong et al. | Two-staged method for ice channel identification based on image segmentation and corner point regression | |
CN114139608A (zh) | 一种基于ais轨迹数据的多步聚类的渔船行为识别方法 | |
CN117131394A (zh) | 一种基于ais数据的船舶轨迹聚类方法、设备及存储设备 | |
CN110509925A (zh) | 一种基于车联网数据的急转弯识别方法 | |
CN112200831B (zh) | 一种基于动态模板的密集连接孪生神经网络目标跟踪方法 | |
CN112528958B (zh) | 一种基于网格的骤旱三维识别方法 | |
CN114219039B (zh) | 一种基于船舶行为特征的船舶轨迹压缩方法及其系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |