CN114858013B - 一种基于智能视觉识别的弹体投远测距方法 - Google Patents
一种基于智能视觉识别的弹体投远测距方法 Download PDFInfo
- Publication number
- CN114858013B CN114858013B CN202210384995.0A CN202210384995A CN114858013B CN 114858013 B CN114858013 B CN 114858013B CN 202210384995 A CN202210384995 A CN 202210384995A CN 114858013 B CN114858013 B CN 114858013B
- Authority
- CN
- China
- Prior art keywords
- projectile body
- projectile
- distance
- throwing
- image acquisition
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000005266 casting Methods 0.000 title claims abstract description 7
- 238000012544 monitoring process Methods 0.000 claims abstract description 57
- 238000005259 measurement Methods 0.000 claims description 12
- 238000000691 measurement method Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000004880 explosion Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 229920001971 elastomer Polymers 0.000 abstract description 2
- 239000000806 elastomer Substances 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 abstract 1
- 238000012549 training Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F42—AMMUNITION; BLASTING
- F42B—EXPLOSIVE CHARGES, e.g. FOR BLASTING, FIREWORKS, AMMUNITION
- F42B35/00—Testing or checking of ammunition
- F42B35/02—Gauging, sorting, trimming or shortening cartridges or missiles
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明提供一种基于智能视觉识别的弹体投远测距方法,属于智能识别技术领域,包括:步骤S1,获取监控图片;步骤S2,判断监控图片中是否存在弹体,并确定弹体的像素位置;步骤S3,进行标记,得到弹体编码;步骤S4,对相邻两帧监控图片进行对比,去除位置未变化的弹体,使得每一监控图片中显示唯一的弹体编码,并形成弹体投远轨迹;步骤S5,对投远轨迹进行抛物线分析,得到弹体的第一落点,并根据第一落点计算得到投远距离。有益效果:本发明在测距过程中只需要设置好图像采集装置即可,结合算法进行弹体投远轨迹的智能识别和智能跟踪,进而结合网格化的场地标定和第一落点精确计算投远距离,解放人力,避免弹体爆炸而发生危险。
Description
技术领域
本发明涉及智能识别技术领域,尤其涉及一种基于智能视觉识别的弹体投远测距方法。
背景技术
手榴弹由于其能攻能防、小型化、携带使用方便的特点,在战争中发挥重要的作用,是军队作战时,单兵最常用的杀伤力较大的投掷弹药,是近距离杀伤敌人主要手段;防爆弹是处置大规模事件强有力的装备,防暴弹投掷则是武警部队每名官兵必不可少的专项技能。要实现手榴弹、防爆弹投掷的安全性和精准性,在部队的训练中,特别是实战化训练过程中,要求“单兵必须进行实弹投掷训练”,这是十分有必要的。
然而,现有技术中尚未有测量工具能够对实弹投掷距离进行测量,且由于实弹易发生爆炸的特性,现有的采用人工进行投远测距的方式,极有可能会对测距人员的生命造成威胁;并且现有的测距方法中对于实弹的落点距离难以确认,从而导致无法准确的得出实弹的具体投掷距离。因此,针对上述问题,本发明提出一种基于智能视觉识别的弹体投远测距方法。
发明内容
针对现有技术中存在的问题,本发明提供一种基于智能视觉识别的弹体投远测距方法,包括:
步骤S1,通过至少一个图像采集装置获取一投弹场地的监控图片;
步骤S2,对所述监控图片进行预处理,判断所述监控图片中是否存在弹体,并确定所述弹体在每一所述监控图片中的像素位置;
步骤S3,对每一张所述监控图片中出现的所有所述弹体进行标记,得到弹体编码;
步骤S4,对相邻两帧所述监控图片进行对比,并根据对比结果去除位置未变化的所述弹体,使得每一所述监控图片中显示一唯一的所述弹体编码,并根据所述弹体编码得到当前所述弹体的投远轨迹;
步骤S5,对所述投远轨迹进行抛物线分析,得到所述弹体的第一落点,并根据所述第一落点计算得到投远距离。
优选地,所述步骤S1中,若所述弹体为防爆弹,则所述图像采集装置设置为一个,一个所述图像采集装置的视觉整体覆盖所述投弹场地;
若所述弹体为手榴弹,则所述图像采集装置设置为至少两个,至少两个所述图像采集装置的视觉共同整体覆盖所述投弹场地。
优选地,所述图像采集装置设置为至少两个时,越靠近投掷点的所述图像采集装置对应的优先级越高;
所述步骤S5中,当一个以上的所述图像采集装置输出所述第一落点时,以优先级高的所述图像采集装置输出的所述第一落点计算所述投远距离。
优选地,所述步骤S2中,在所述图像采集装置的视觉范围内,对所述投弹场地进行网格化划分,每一所述网格包括靠近投掷点的第一网格线和远离所述投掷点的第二网格线,相邻的两个网格线之间距离相等。
优选地,所述步骤S5中,根据所述第一落点计算得到投远距离,具体包括:
步骤S51,确定所述第一落点所处的目标网格;
步骤S52,根据所述弹体的所述像素位置进行坐标转换,得到所述弹体与所述第一网格线之间的第一距离;
步骤S53,计算所述第一网格线与所述投掷点之间的第二距离,进而根据所述第一距离和所述第二距离计算得到所述投远距离。
优选地,所述步骤S5中,对所述投远轨迹进行抛物线分析,得到所述弹体的第一落点,具体包括:
步骤S501A,根据相邻的两张所述监控图片中的所述弹体编码对应的位置进行计算,得到一斜率;
步骤S502A,于所述斜率由负数变为正数,输出所述第一落点。
优选地,所述步骤S5中,对所述投远轨迹进行抛物线分析,得到所述弹体的第一落点,具体包括:
步骤S501B,计算每一所述监控图片中所述弹体编码在纵向上的高度值;
步骤S502B,于所述高度值由大变小再变大时,输出所述第一落点。
优选地,所述步骤S5中,对所述投远轨迹进行抛物线分析,得到所述弹体的第一落点,具体包括:
步骤S501C,提取相邻的三张所述监控图片;
步骤S502C,以提取的三张所述监控图片中的所述弹体编码对应的位置形成一夹角;
步骤S503C,于所述夹角处于一预设角度范围内时,输出所述第一落点。
优选地,所述预设角度范围为60~170度。
优选地,所述图像采集装置为超清高速相机。
本发明技术方案的优点或有益效果在于:
本发明通过对监控图片进行智能识别确认弹体所在,然后进行智能跟踪,通过对其进行标记,并去除位置不变的弹体,避免遗留在投弹场地上的弹体对投远测距结果造成混淆;根据标记的弹体编码对应的像素位置形成投远轨迹,确定第一落点的位置,进而结合网格化的场地标定和第一落点精确计算投远距离,在测距过程中只需要设置好图像采集装置,通过监控图片结合算法即可实现投远距离的精确计算,解放了人力,避免弹体爆炸而发生危险。
附图说明
图1为本发明的较佳的实施例中,基于智能视觉识别的弹体投远测距方法的流程示意图;
图2为本发明的较佳的实施例中,步骤S5具体实施的流程示意图;
图3-5为本发明的较佳的实施例中,第一落点确认的三种具体实施的流程示意图;
图6为本发明的较佳的实施例中,基于智能视觉识别的弹体投远测距方法的数据处理示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本发明并不限定于该实施方式,只要符合本发明的主旨,则其他实施方式也可以属于本发明的范畴。
本发明的较佳的实施例中,基于现有技术中存在的上述问题,现提供一种基于智能视觉识别的弹体投远测距方法,属于智能识别技术领域,如图1所示,包括:
步骤S1,通过至少一个图像采集装置获取一投弹场地的监控图片;
步骤S2,对监控图片进行预处理,判断监控图片中是否存在弹体,并确定弹体在每一监控图片中的像素位置;
步骤S3,对每一张监控图片中出现的所有弹体进行标记,得到弹体编码;
步骤S4,对相邻两帧监控图片进行对比,并根据对比结果去除位置未变化的弹体,使得每一监控图片中显示一唯一的弹体编码,并根据弹体编码得到当前弹体的投远轨迹;
步骤S5,对投远轨迹进行抛物线分析,得到弹体的第一落点,并根据第一落点计算得到投远距离。
具体的,在本实施例中,首先架设好图像采集装置,通过图像采集装置对投弹场地进行实时监控,并对监控图片进行弹体的智能识别;然后,进行弹体的智能跟踪,通过对其进行标记,并去除位置不变的弹体,避免遗留在投弹场地上的弹体对投远测距结果造成混淆;根据标记的弹体编码对应的像素位置形成投远轨迹,以及确定第一落点的位置;最后,结合网格化的场地标定和第一落点精确计算投远距离。在投远测距过程中,只需要设置好图像采集装置,通过监控图片结合算法即可实现投远距离的精确计算,解放了人力,避免弹体爆炸而发生危险。
作为优选的实施方式,其中,步骤S1中,若弹体为防爆弹,则图像采集装置设置为一个,一个图像采集装置的视觉整体覆盖投弹场地;
若弹体为手榴弹,则图像采集装置设置为至少两个,至少两个图像采集装置的视觉共同整体覆盖投弹场地。
具体的,弹体可以是防爆弹,也可以是手榴弹,或者也可以是其他类型的弹体。根据弹体的特性确定需要架设的图像采集装置的数量,实现投弹场地的整体视觉监控,避免出现盲区,进而导致在弹体落在盲区时无法实现测距的问题。
进一步的,本发明实施例中,由于手榴弹的投远距离较远,针对手榴弹的投远测试或考核的投弹场地较大,因此,需要设置两个或者两个以上的图像采集装置,对投弹场地进行分段,每一段分别设置一个图像采集装置,通过两个或者两个以上的图像采集装置共同实现投弹场地的整体视觉覆盖。
作为优选的实施方式,其中,图像采集装置设置为至少两个时,越靠近投掷点的图像采集装置对应的优先级越高;
步骤S5中,当一个以上的图像采集装置输出第一落点时,以优先级高的图像采集装置输出的第一落点计算投远距离。
具体的,在本实施例中,当设置两个或者两个以上的图像采集装置时,对图像采集装置进行优先级标识,图像采集装置距离投掷点越近,其优先级越高,其对应采集的监控图片、以及监控图片的处理结果的优先级也越高,即当两个图像采集装置均输出了第一落点时,以优先级高的输出的结果为准,避免第一落点落在两个图像采集装置的共同监控区域或者弹体在第一次落地后由于惯性、弹性作用而发生位置改变而使得两个装置均输出了第一落点造成落点混淆。
作为优选的实施方式,其中,步骤S2中,在图像采集装置的视觉范围内,对投弹场地进行网格化划分,每一网格包括靠近投掷点的第一网格线和远离投掷点的第二网格线,相邻的两个网格线之间距离相等。
具体的,在本实施例中,通过视觉网格划分算法,利用预先简单标定的图像,对投弹场地的划定区域进行精细化的距离分割,按照一预设距离换算为像素坐标,获得每张监控图片的精细化网格标定图,便于后续投远距离的精确计算,提高测距结果的精确度和准确性。优选的,预设距离可以是5cm,也可以根据实际进行设置。
作为优选的实施方式,其中,步骤S5中,根据第一落点计算得到投远距离,如图2所示,具体包括:
步骤S51,确定第一落点所处的目标网格;
步骤S52,根据弹体的像素位置进行坐标转换,得到弹体与第一网格线之间的第一距离;
步骤S53,计算第一网格线与投掷点之间的第二距离,进而根据第一距离和第二距离计算得到投远距离。
具体的,在本实施例中,投远距离为弹体与投掷点之间的距离,其计算过程如下:
首先,对弹体进行智能识别后,会返回弹体的像素坐标,像素坐标由两点组成,即像素左上角P1和像素右下角P2,根据P1和P2计算像素中心点;
其次,由于相邻的两个网格线之间距离是固定的,其对应转换为像素坐标后,两个网格线之间的像素总量也是确定的,根据像素中心点、预设距离、像素总量计算弹体与第一网格线之间的第一距离,第一距离为像素中心点÷像素总量×预设距离;
然后,计算第一网格线与投掷点之间的第二距离,第二距离包括投掷点与投弹场地边缘之间的距离、以及投弹场地边缘与第一网格线之间的距离;
最后,根据第一距离和第二距离的加和计算得到投远距离。
作为优选的实施方式,其中,步骤S5中,对投远轨迹进行抛物线分析,得到弹体的第一落点,如图3所示,具体包括:
步骤S501A,根据相邻的两张监控图片中的弹体编码对应的位置进行计算,得到一斜率;
步骤S502A,于斜率由负数变为正数,输出第一落点。
作为优选的实施方式,其中,步骤S5中,对投远轨迹进行抛物线分析,得到弹体的第一落点,如图4所示,具体包括:
步骤S501B,计算每一监控图片中弹体编码在纵向上的高度值;
步骤S502B,于高度值由大变小再变大时,输出第一落点。
作为优选的实施方式,其中,步骤S5中,对投远轨迹进行抛物线分析,得到弹体的第一落点,如图5所示,具体包括:
步骤S501C,提取相邻的三张监控图片;
步骤S502C,以提取的三张监控图片中的弹体编码对应的像素位置形成一夹角;
步骤S503C,于夹角处于一预设角度范围内时,输出第一落点。
作为优选的实施方式,其中,预设角度范围为60~170度。
具体的,在本实施例中,上述步骤S502C中形成的夹角为沿着自投远方向向上的夹角。
进一步的,本发明实施例可通过上述三种方式结合,以综合判断第一落点,避免第一落点的确认出现偏差,而造成投远测距的误差。
需提醒注意的是,虽然投弹的过程,其形成的轨迹是一个类似抛物线的形状,但是由于投掷点与投弹场地具有一定距离,而图像采集装置是对投弹场地进行监控,当弹体进入监控视觉范围内时,其监控到的轨迹是抛物线向下的一段。
作为优选的实施方式,其中,图像采集装置为超清高速相机。
于上述较佳的实施例中,如图6所示,投远测距方法包括如下流程:
先进行准备工作,包括场地架设,例如超清高速相机数量的确认以及架设,线路及网络等相关设备的布设。
完成准备工作后,投掷者进入场地,在投掷之前还包括身份识别和验证,于验证通过后进入投掷点,开始弹体投远的训练或考核;在投远过程中,至少一个50fps、400万的超清高速相机对整块投弹场地进行视觉覆盖,获取每秒50张的投弹场地的监控图片;
通过视觉网格划分算法,利用预先简单标定的监控图片,对投弹场地的划定区域进行精细化的距离分割,将现实坐标的5cm换算为像素坐标,获得每张监控图片的精细化网格标定图;
通过神经网络视觉算法,对超清高速相机每秒获得的每张监控图片进行特征提取、特征分析,识别图中所有的弹体,获得每张监控图片中可能出现的弹体的像素位置;
通过智能跟踪算法,对每张监控图片中出现的防爆弹进行ID标识,联系前后监控图片中弹体的位置,将地面上未动的防爆弹去除,得到每张监控图片中真实投掷的弹体位置;
通过抛物线分析算法,结合每张图片中获得的真实弹体的位置,得出弹体的第一落点以及弹体的投掷轨迹;
将每张精细化网格图片与弹体的第一落点位置相结合,可以计算出此次投掷的准确结果。
采用上述技术方案具有如下优点或有益效果:本发明通过对监控图片进行智能识别确认弹体所在,然后进行智能跟踪,通过对其进行标记,并去除位置不变的弹体,避免遗留在投弹场地上的弹体对投远测距结果造成混淆;根据标记的弹体编码对应的像素位置形成投远轨迹,确定第一落点的位置,进而结合网格化的场地标定和第一落点精确计算投远距离,在测距过程中只需要设置好图像采集装置,通过监控图片结合算法即可实现投远距离的精确计算,避免弹体爆炸而发生危险,解放了人力,节省训练考核时间,提高投远测距的效率,使得实战化训练更智能化、更先进、更便捷、更有效。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (9)
1.一种基于智能视觉识别的弹体投远测距方法,其特征在于,包括:
步骤S1,通过至少一个图像采集装置获取一投弹场地的监控图片;
步骤S2,对所述监控图片进行预处理,判断所述监控图片中是否存在弹体,并确定所述弹体在每一所述监控图片中的像素位置;
步骤S3,对每一张所述监控图片中出现的所有所述弹体进行标记,得到弹体编码;
步骤S4,对相邻两帧所述监控图片进行对比,并根据对比结果去除位置未变化的所述弹体,使得每一所述监控图片中显示一唯一的所述弹体编码,并根据所述弹体编码得到当前所述弹体的投远轨迹;
步骤S5,对所述投远轨迹进行抛物线分析,得到所述弹体的第一落点,并根据所述第一落点计算得到投远距离;
所述步骤S5中,对所述投远轨迹进行抛物线分析,得到所述弹体的第一落点,具体包括:
步骤S501C,提取相邻的三张所述监控图片;
步骤S502C,以提取的三张所述监控图片中的所述弹体编码对应的位置形成一夹角;
步骤S503C,于所述夹角处于一预设角度范围内时,输出所述第一落点。
2.根据权利要求1所述的基于智能视觉识别的弹体投远测距方法,其特征在于,所述步骤S1中,若所述弹体为防爆弹,则所述图像采集装置设置为一个,一个所述图像采集装置的视觉整体覆盖所述投弹场地;
若所述弹体为手榴弹,则所述图像采集装置设置为至少两个,至少两个所述图像采集装置的视觉共同整体覆盖所述投弹场地。
3.根据权利要求2所述的基于智能视觉识别的弹体投远测距方法,其特征在于,所述图像采集装置设置为至少两个时,越靠近投掷点的所述图像采集装置对应的优先级越高;
所述步骤S5中,当一个以上的所述图像采集装置输出所述第一落点时,以优先级高的所述图像采集装置输出的所述第一落点计算所述投远距离。
4.根据权利要求1所述的基于智能视觉识别的弹体投远测距方法,其特征在于,所述步骤S2中,在所述图像采集装置的视觉范围内,对所述投弹场地进行网格化划分,每一所述网格包括靠近投掷点的第一网格线和远离所述投掷点的第二网格线,相邻的两个网格线之间距离相等。
5.根据权利要求4所述的基于智能视觉识别的弹体投远测距方法,其特征在于,所述步骤S5中,根据所述第一落点计算得到投远距离,具体包括:
步骤S51,确定所述第一落点所处的目标网格;
步骤S52,根据所述弹体的所述像素位置进行坐标转换,得到所述弹体与所述第一网格线之间的第一距离;
步骤S53,计算所述第一网格线与所述投掷点之间的第二距离,进而根据所述第一距离和所述第二距离计算得到所述投远距离。
6.根据权利要求1所述的基于智能视觉识别的弹体投远测距方法,其特征在于,所述步骤S5中,对所述投远轨迹进行抛物线分析,得到所述弹体的第一落点,具体包括:
步骤S501A,根据相邻的两张所述监控图片中的所述弹体编码对应的位置进行计算,得到一斜率;
步骤S502A,于所述斜率由负数变为正数,输出所述第一落点。
7.根据权利要求1所述的基于智能视觉识别的弹体投远测距方法,其特征在于,所述步骤S5中,对所述投远轨迹进行抛物线分析,得到所述弹体的第一落点,具体包括:
步骤S501B,计算每一所述监控图片中所述弹体编码在纵向上的高度值;
步骤S502B,于所述高度值由大变小再变大时,输出所述第一落点。
8.根据权利要求1所述的基于智能视觉识别的弹体投远测距方法,其特征在于,所述预设角度范围为60~170度。
9.根据权利要求1所述的基于智能视觉识别的弹体投远测距方法,其特征在于,所述图像采集装置为超清高速相机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210384995.0A CN114858013B (zh) | 2022-04-13 | 2022-04-13 | 一种基于智能视觉识别的弹体投远测距方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210384995.0A CN114858013B (zh) | 2022-04-13 | 2022-04-13 | 一种基于智能视觉识别的弹体投远测距方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114858013A CN114858013A (zh) | 2022-08-05 |
CN114858013B true CN114858013B (zh) | 2024-05-17 |
Family
ID=82632235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210384995.0A Active CN114858013B (zh) | 2022-04-13 | 2022-04-13 | 一种基于智能视觉识别的弹体投远测距方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114858013B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11142098A (ja) * | 1997-11-11 | 1999-05-28 | Babcock Hitachi Kk | 投下爆弾の着弾位置検出方法及び装置 |
CN201155944Y (zh) * | 2008-02-19 | 2008-11-26 | 深圳大学 | 一种实弹射击系统 |
WO2015088121A1 (ko) * | 2013-12-10 | 2015-06-18 | 대한민국(국방부 공군제83정보통신정비창장) | 레이저 사격 훈련 시스템 및 방법 |
KR20150118281A (ko) * | 2014-04-11 | 2015-10-22 | 에이알비전 (주) | 모의수류탄, 모의크레모어 및 이벤트 컨트롤용 키패드부를 이용한 모의전투훈련 시스템 |
KR20160035718A (ko) * | 2014-09-23 | 2016-04-01 | 에이알비전 (주) | 수류탄 모의투척 훈련시스템 |
KR102059767B1 (ko) * | 2019-01-02 | 2019-12-26 | 동서대학교 산학협력단 | 비비탄용 사격 시스템의 탄착점 추출 방법 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021071584A1 (en) * | 2019-08-14 | 2021-04-15 | Cubic Corporation | Universal laserless training architecture |
-
2022
- 2022-04-13 CN CN202210384995.0A patent/CN114858013B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11142098A (ja) * | 1997-11-11 | 1999-05-28 | Babcock Hitachi Kk | 投下爆弾の着弾位置検出方法及び装置 |
CN201155944Y (zh) * | 2008-02-19 | 2008-11-26 | 深圳大学 | 一种实弹射击系统 |
WO2015088121A1 (ko) * | 2013-12-10 | 2015-06-18 | 대한민국(국방부 공군제83정보통신정비창장) | 레이저 사격 훈련 시스템 및 방법 |
KR20150118281A (ko) * | 2014-04-11 | 2015-10-22 | 에이알비전 (주) | 모의수류탄, 모의크레모어 및 이벤트 컨트롤용 키패드부를 이용한 모의전투훈련 시스템 |
KR20160035718A (ko) * | 2014-09-23 | 2016-04-01 | 에이알비전 (주) | 수류탄 모의투척 훈련시스템 |
KR102059767B1 (ko) * | 2019-01-02 | 2019-12-26 | 동서대학교 산학협력단 | 비비탄용 사격 시스템의 탄착점 추출 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN114858013A (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109034156B (zh) | 一种基于图像识别的弹点定位方法 | |
CN109990662B (zh) | 自动报靶方法、装置、设备及计算机可读存储介质 | |
CN103733234A (zh) | 用于检测飞机场中的外物、碎片或损坏的监视系统和方法 | |
CN112068111A (zh) | 一种基于多传感器信息融合的无人机目标侦测方法 | |
CN105371705B (zh) | 一种军用靶场的智能打靶系统 | |
CN102116596A (zh) | 基于图像分析的坦克分队训练模拟射击命中判定方法 | |
CN110779395A (zh) | 一种打靶校正系统及方法 | |
EP4109042A3 (en) | Camera and radar systems and devices for ballistic parameter measurements from a single side of a target volume | |
CN111366592A (zh) | 基于工业摄影测量的破片自动检测系统 | |
CN114858013B (zh) | 一种基于智能视觉识别的弹体投远测距方法 | |
US20200200509A1 (en) | Joint Firearm Training Systems and Methods | |
CN115272403A (zh) | 一种基于图像处理技术的破片飞散特性测试方法 | |
CN109522890A (zh) | 一种利用近红外闪烁光源识别坦克目标的方法 | |
CN102506815A (zh) | 基于图像识别的多目标跟踪与被动距离测量装置 | |
CN112036336A (zh) | 一种基于ai智能图像分析的工程监测方法及系统 | |
CN115585740A (zh) | 一种炸点空间坐标探测装置及测量方法 | |
CN111076613A (zh) | 一种探扫未爆物的系统及其探扫方法 | |
RU2627019C2 (ru) | Способы определения точки наведения оружия на изображении фоно-целевой обстановки в стрелковых тренажерах и устройство для их осуществления | |
CN114913474A (zh) | 一种基于计算机视觉的实弹投掷考核系统 | |
CN115841501A (zh) | 一种基于视频检测的手榴弹落点分析方法及系统 | |
CN115695998A (zh) | 一种手榴弹投准训练报靶系统及方法 | |
CN214954109U (zh) | 一种全天时自动报靶系统 | |
KR102654044B1 (ko) | 파노라마 이미지와 인공지능을 이용하여 우세시정을 산출하는 영상분석 시정계 | |
CN117351684B (zh) | 智能安全帽的预警方法及智能安全帽 | |
JP5308303B2 (ja) | 弾着観測方法及びシステム |
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 |