CN115115957A - 基于影像分析的飞机识别系统、识别方法及识别设备 - Google Patents
基于影像分析的飞机识别系统、识别方法及识别设备 Download PDFInfo
- Publication number
- CN115115957A CN115115957A CN202211043806.XA CN202211043806A CN115115957A CN 115115957 A CN115115957 A CN 115115957A CN 202211043806 A CN202211043806 A CN 202211043806A CN 115115957 A CN115115957 A CN 115115957A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- unit
- flight route
- unmanned aerial
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Abstract
本发明公开了基于影像分析的飞机识别系统、识别方法及识别设备,包括:图像采集模块;图像处理模块;中控模块;自校正模块。通过将图像采集模块搭载在无人机或飞机的正前方,以便于对无人机或飞机的飞行路线前方进行取景采像,保证了取景采像的准确和便捷性。同时中控模块对采集的图像照片在第一时间进行处理,并生成飞行路线信息,保证了无人机或飞机飞行路线信息的时效性和准确性。然后自校正模块利用飞行路线信息对无人机或飞机的飞行路线进行自动校正,保证了无人机或飞机飞行路线的安全。即有效的保证了无人机或飞机飞行条件判断的详细和准确。也即的解决了现有技术中存在无人机飞行条件需要人工参与判断的缺点。同时也非常符合实际要求。
Description
技术领域
本发明涉及无人机识别技术领域,尤其涉及基于影像分析的飞机识别系统、识别方法及识别设备。
背景技术
无人驾驶飞机简称“无人机”,是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。无人机实际上是无人驾驶飞行器的统称,从技术角度定义可以分为:无人直升机、无人固定翼机、无人多旋翼飞行器、无人飞艇、无人伞翼机这几大类。
无人机最大的优势就是可以在恶劣的自然条件下,利用简单条件就可以低空飞行,获取影像数据,能够在很短时间飞到很多地方,满足各类应急测绘和精准测绘需求。但无人机在飞行过程中,需要利用获取到的图像数据信息,判断无人机的飞行条件。
目前,对无人机的飞行条件主要还是通过无人机控制人员根据无人机上的摄像头采集到的前方图像,人工查看图像判断,不仅耗费人力,同时获取到信息比较片面,不够详细和准确。
发明内容
本发明的目的是为了解决现有技术中存在无人机飞行条件需要人工参与判断的缺点,而提出的基于影像分析的飞机识别系统、识别方法及识别设备。
为了实现上述目的,本发明采用了如下技术方案:
基于影像分析的飞机识别系统,包括:
图像采集模块,所述图像采集模块用于采集图像照片;
图像处理模块,所述图像处理模块与所述图像采集模块交互相连,所述图像处理模块用于对图像照片进行处理,并获取图像信息;
中控模块,所述中控模块与所述图像处理模块交互相连,且所述中控模块与所述图像采集模块交互相连,所述中控模块用于控制图像采集模块的取景区域,所述中控模块利用图像信息进行构建空间模型,通过空间模型生成飞行路线信息;
自校正模块,所述自校正模块与所述中控模块交互相连,所述自校正模块与飞机控制系统交互相连,所述自校正模块获取飞行路线信息,并利用飞行路线信息控制飞机自动校正路线。
优选的,所述中控模块包括:
图像识别单元,所述图像识别单元与所述图像处理模块交互相连,所述图像识别单元对获取的图像信息进行识别处理,获取图像离散信息;
模型构建单元,所述模型构建单元与所述图像识别单元交互相连,所述模型构建单元通过获取的图像离散信息,采用有限元算法进行空间建模,获取空间模型;
模拟单元,所述模拟单元与所述模型构建单元交互相连,所述模拟单元通过写入空间模型中,并模拟生成飞行路线模拟信息;
通讯单元,所述通讯单元与所述模拟单元交互相连,所述通讯单元与所述自校正模块交互相连,所述通讯单元获取飞行路线模拟信息,并生成飞行路线信息。
优选的,所述图像处理模块包括:
图像编辑单元,所述图像编辑单元与所述图像采集模块交互相连,所述图像编辑单元用于对图像照片进行编辑处理,并生成图像信息;
图像交互单元,所述图像交互单元与所述图像编辑单元交互相连,所述图像交互单元与所述图像识别单元交互相连,所述图像交互单元用于将图像信息发送至图像识别单元。
优选的,所述图像采集模块包括:
成像单元,所述成像单元置于无人机上前方,所述成像单元与所述中控模块相连,所述成像单元用于采集取景区域内的景象;
夜视单元,所述夜视单元与所述成像单元相连,所述夜视单元与所述中控模块交互相连,所述夜视单元用于夜间取景采像。
本发明还提供了基于影像分析的飞机识别方法,采用上述中的所述的基于影像分析的飞机识别系统,所述识别方法包括以下步骤:
S1:图像采集模块通过成像单元和/或夜视单元,采集无人机前方取景区域景象,获取取景区域的图像照片;
S2:图像处理模块获取取景区域的图像照片,所述图像处理模块对图像照片进行处理,并生成图像信息;
S3:中控模块获取图像信息,对获取的图像信息进行识别处理,利用有限元算法构建空间模型,并利用空间模型生成飞行路线信息;
S4:自校正模块获取飞行路线信息,利用获取的飞机路线信息与飞机控制系统进行交互;
S5:飞机控制系统利用获取的飞行路线信息与原始飞行路线信息进行比对校正,飞机控制系统生成最终飞行路线信息;
S6:飞机控制系统利用最终飞行路线信息控制无人机自动校正飞行路线,并同时反馈至终端系统进行记录。
优选的,S3中还包括:
S31:中控模块获取图像信息,通过图像识别单元对获取的图像信息进行识别处理,获取图像信息中的图像离散信息;
S32:模型构建单元获取图像离散信息,采用有限元算法进行空间建模,获取生成空间模型;
S33:模拟单元通过软件程序或算法写入空间模型中,模拟单元利用空间模型模拟生成飞行路线模拟信号;
S34:所述通讯单元获取飞行路线模拟信息,并生成飞行路线信息。
优选的,S2中还包括:
S21:图像处理模块获取图像照片,利用图像编辑单元对获取图像照片进行预处理,并生成图像信息;
S21:图像交互单元获取图像信息,图像交互单元利用获取的图像信息发送至图像识别单元中。
优选的,S2中的预处理方法为:
采用Photoshop对图像进行直方图变换、图像锐化及灰度变换,对图像照片进行预处理。
优选的,所述图像识别单元采用图像灰度识别。
本发明还提供一种飞机识别设备,采用了上述中的所述的基于影像分析的飞机识别系统。
本发明的有益效果为:
本发明在实施例一中通过将图像采集模块搭载在无人机或飞机的正前方,以便于对无人机或飞机的飞行路线前方进行取景采像,保证了所述取景采像的准确和便捷性。同时中控模块对采集的图像照片在第一时间进行处理,并生成飞行路线信息,保证了无人机或飞机飞行路线信息的时效性和准确性。然后自校正模块利用飞行路线信息对无人机或飞机的飞行路线进行自动校正,保证了无人机或飞机飞行路线的安全。即有效的保证了无人机或飞机飞行条件判断的详细和准确。也即的解决了现有技术中存在无人机飞行条件需要人工参与判断的缺点。同时也非常符合实际要求。
附图说明
图1为本发明实施例中提供的基于影像分析的飞机识别系统的整体模块结构示意图;
图2为本发明实施例中提供的基于影像分析的飞机识别方法的工作流程示意图;
图3为本发明实施例中提供的基于影像分析的飞机识别方法中的中控模块工作流程示意图;
图4为本发明实施例中提供的基于影像分析的飞机识别方法中的图像处理模块的工作流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,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作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。
需要说明,本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
在本发明中,除非另有明确的规定和限定,术语“连接”、“固定”等应做广义理解,例如,“固定”可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,全文中出现的“和/或”的含义,包括三个并列的方案,以“A和/或B”为例,包括A方案、或B方案、或A和B同时满足的方案。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
实施例一
参照图1,基于影像分析的飞机识别系统,所述识别系统通过搭载在无人机或飞机的正前方,以便于对无人机或飞机的飞行路线前方进行取景采像,保证了所述识别系统取景采像的准确和便捷性。以便于后续利用取景采集的图像照片进行重新规划无人机或飞机的飞行路线。有效的减少了人工的参与程度。同时中控模块对采集的图像照片在第一时间进行处理,并生成飞行路线信息,保证了无人机或飞机飞行路线信息的时效性和准确性。然后自校正模块利用飞行路线信息对无人机或飞机的飞行路线进行自动校正,保证了无人机或飞机飞行路线的安全。即有效的保证了无人机或飞机飞行条件判断的详细和准确。也即的解决了现有技术中存在无人机飞行条件需要人工参与判断的缺点。同时也非常符合实际要求。
具体的,所述识别系统包括:图像采集模块、图像处理模块、中控模块、自校正模块。所述图像采集模块设置于无人机或飞机上,且位于无人机或飞机的正前方,所述图像采集模块用于对无人机或飞机的正前方取景区域的图像照片进行取景采集。所述图像处理模块与所述图像采集模块交互相连,所述图像处理模块用于对图像照片进行处理,并获取图像信息。所述中控模块与所述图像处理模块交互相连,且所述中控模块与所述图像采集模块交互相连,所述中控模块通过发出指令控制图像采集模块对无人机或飞机的正前方取景区域位置,保证图像采集模块采集的图像照片信息的时效与准确性,以便于保证所述中控模块利用图像信息进行构建空间模型的准确,间接有效的确保通过空间模型生成飞行路线信息的真实准确。所述自校正模块与所述中控模块交互相连,所述自校正模块与飞机控制系统交互相连,所述自校正模块通过与中控模块进行交互,从中控模块中获取飞行路线信息,然后自校正模块利用飞行路线信息控制无人机或飞机自动校正路线。在本实施例中,通过将图像采集模块搭载在无人机或飞机的正前方,以便于对无人机或飞机的飞行路线前方进行取景采像,保证了所述取景采像的准确和便捷性。同时中控模块对采集的图像照片在第一时间进行处理,并生成飞行路线信息,保证了无人机或飞机飞行路线信息的时效性和准确性。然后自校正模块利用飞行路线信息对无人机或飞机的飞行路线进行自动校正,保证了无人机或飞机飞行路线的安全。即有效的保证了无人机或飞机飞行条件判断的详细和准确。也即的解决了现有技术中存在无人机飞行条件需要人工参与判断的缺点。同时也非常符合实际要求。
在本实施例中,为进一步明确中控模块的运行工作原理,所述中控模块包括:图像识别单元、模型构建单元、模拟单元和通讯单元。所述图像识别单元与所述图像处理模块交互相连,所述图像识别单元利用对图像处理模块处理生成的图像信息进行识别处理,将图像信息中进行分区域识别,获取图像信息中的图像离散信息。所述模型构建单元与所述图像识别单元交互相连,所述模型构建单元与图像识别单元进行交互,获取图像识别单元内的图像离散信息,然后所述模型构建单元获取的图像离散信息,通过获取的图像离散信息采用有限元算法进行空间建模,获取飞机或无人机飞行前方的空间模型。所述模拟单元与所述模型构建单元交互相连,所述模拟单元通过软件程序或算法与空间模型构建联系。即所述模拟单元通过写入空间模型中,模拟单元通过有限元算法将自身写入在空间模型中,模拟生成飞行路线模拟信息。所述通讯单元与所述模拟单元交互相连,所述通讯单元与所述自校正模块交互相连,所述通讯单元获取飞行路线模拟信息,并生成飞行路线信息。以便于通讯模块通过无线或有线的方式将飞行路线信息发送至自校正模块中进行飞行路线的校正,实现保证无人机或飞机的飞行路线的高度安全。
在本实施例中,所述图像处理模块包括:图像编辑单元、图像交互单元。所述图像编辑单元与所述图像采集模块交互相连,所述图像编辑单元与所述图像采集模块直接交互,获取无人机或飞机的正前方取景区域内的图像照片,并利用图像编辑单元内搭载的软件对图像照片进行编辑预处理,并利用被编辑预处理的图像照片生成图像信息。所述图像交互单元与所述图像编辑单元交互相连,所述图像交互单元与所述图像识别单元交互相连,所述图像交互单元直接与图像编辑单元进行交互,直接获取图像编辑单元中的图像信息,然后将图像信息通过交互的方式发送给图像识别单元中,便于图像识别单元进行识别处理。在本实施例中,所述图像编辑单元可采用Photoshop对图像进行直方图变换、图像锐化及灰度变换,对图像照片进行预处理。即图像编辑单元对图像照片进行灰度处理。也即所述图像识别单元通过对图像交互单元中图像信息进行灰度分析提取,生成图像离散信息,然后利用图像离散信息,采用有限元算法利用图像离散信息进行空间模型的构建。
在本实施例中,为了保证图像采集模块在飞机或无人机前方视野不佳的情况下,也能正常进行取景区域的采像。所述图像采集模块包括:成像单元。所述成像单元置于无人机上前方,所述成像单元与所述中控模块相连,所述成像单元用于采集取景区域内的景象,所述成像单元通过与中控模块相连,中控模块通过发出指令,图像采集模块接收指令,图像采集模块控制成像单元对飞机或无人机的正前方取景区域进行取景采像工作。当然,在本实施例中,所述中控模块还可以控制成像单元对飞机或无人机的飞行方向上其他区域进行取景采像,便于飞机或无人机可以随时进行更换飞行角度和飞行方向。在本实施例中,所述成像单元为摄像机或其他的摄像设备。
在一种可行的实施例中,为了便于针对于夜间和阴天飞行方向视野不佳的情况进行图像照片采集,所述图像采集模块还包括:夜视单元,所述夜视单元与所述成像单元相连,所述夜视单元与所述中控模块交互相连,所述夜视单元用于夜间取景采像。即将成像单元上安装或加设夜视单元,能够将飞机或无人机的正前方的图像取景区域内的物体发出的红外线会聚起来。成像单元中的红外线探测器元上的相控阵能够扫描会聚的光线,探测器元能够生成非常详细的温度样式图,称为温谱图。大约只需1/30秒,夜视单元中的探测器阵列就能获取温度信息,并制成温谱图。这些信息是从探测器阵列视域场中数千个探测点上获取的。然后夜视单元中的探测器元生成的温谱图被转化为电脉冲信号。这些电脉冲信号被传送到信号处理单元(一块集成了精密芯片的电路板),信号处理单元可以将探测器元发出的信息转换为显示器能够识别的数据。夜视单元通过让信号处理单元将信息发送给显示器,从而在显示器上呈现出各种色彩,色彩强度由红外线的发射强度决定,将从探测器元传来的脉冲组合起来,就生成了图像照片,然后图像照片信息。在本实施例中,所述夜视单元为夜视仪。所述夜视仪可以与成像单元一起架设,也可以进行组装架设。即所述夜视仪与摄像设备可以共同架设在飞机或无人机的正前方,也可以将夜视仪和摄像设备进行组装成一体架设在飞机或无人机的正前方。
实施例二
参照图2和图3,基于影像分析的飞机识别方法,采用实施例一中的所述的基于影像分析的飞机识别系统,所述识别方法通过采用实施例一中的飞机识别系统,让识别方法利用图像采集模块对飞机或无人机前方取景区域景象,获取取景区域的图像照片,保证了取景采像的时效性、准确性和便捷性;利用获取到的图像照片经过图像处理模块进行灰度预处理,生成图像信息,然后通过图像识别单元对图像信息进行识别提取处理,让图像识别单元识别提取图像信息,并生成图像离散信息;然后让中控模块中的模型构建单元获取图像离散信息,采用有限元算法对获取的图像离散信息进行处理,构建无人机或飞机的飞行方向正前方的空间模型;然后通过模拟单元通过软件程序或算法写入空间模型中,模拟单元利用空间模型模拟生成飞行路线模拟信号,所述通讯单元获取飞行路线模拟信息,并生成飞行路线信息;然后通讯单元与自校正模块进行交互,让自校正模块获取飞行路线信息,利用获取的飞机路线信息与飞机控制系统进行交互比对;飞机控制系统利用获取的飞行路线信息与原始飞行路线信息进行比对校正,飞机控制系统生成最终飞行路线信息;飞机控制系统利用最终飞行路线信息控制无人机自动校正飞行路线,并同时反馈至终端系统进行记录,以便于后续人工进行查找或实时监测飞机或无人机的飞行路线轨迹,也便于进行溯源处理。
具体的,所述识别方法包括以下步骤:S1:图像采集模块通过成像单元和/或夜视单元,采集无人机前方取景区域景象,获取取景区域的图像照片。即不管无人机或飞机在夜间或飞行视野不佳的情况下,所述图像采集模块通过成像单元和/或夜视单元,都能对飞机或无人机的飞行方向上前方取景区域内进行取景成像操作,保证了飞机或无人机上的图像采集模块的普适性,以实现大面积进行推广。
S2:图像处理模块获取取景区域的图像照片,所述图像处理模块对图像照片进行处理,并生成图像信息。图像处理模块通过与图像采集模块进行交互,获取取景区域的图像照片,然后利用图像照片进行编辑处理,所述图像处理模块可通过图像编辑单元利用Photoshop对图像依次进行直方图变换、图像锐化及灰度变换,对图像照片预处理,获得图像信息。
S3:中控模块获取图像信息,对获取的图像信息进行识别处理,利用有限元算法构建空间模型,并利用空间模型生成飞行路线信息。中控模块通过与图像处理模块进行交互,获取图像处理模块中图像信息,并对获取的图像信息进行识别提取处理,让图像识别单元识别提取图像信息,并生成图像离散信息;然后让中控模块中的模型构建单元获取图像离散信息,采用有限元算法对获取的图像离散信息进行处理,构建无人机或飞机的飞行方向正前方的空间模型;然后通过模拟单元通过软件程序或算法写入空间模型中,模拟单元利用空间模型模拟生成飞行路线模拟信号,所述通讯单元获取飞行路线模拟信息,并生成飞行路线信息。
S4:自校正模块获取飞行路线信息,利用获取的飞机路线信息与飞机控制系统进行交互。自校正模块通过与中控模块中的通讯单元进行交互,让自校正模块获取飞行路线信息,自校正模块利用获取到的飞行路线信息与无人机或飞机的飞机控制系统进行交互,以便于自校正模块和无人机或飞机的飞机控制系统进行飞行路线的校正操作。
S5:飞机控制系统利用获取的飞行路线信息与原始飞行路线信息进行比对校正,飞机控制系统生成最终飞行路线信息。飞机控制系统通过与自校正模块进行交互,此时飞机控制系统获取飞机路线信息,然后利用获取到的飞机路线信息与原始飞行路线信息进行线性比较,飞机控制系统控制飞机或无人机进行航线自校正,生成最终飞行路线信息。
S6:飞机控制系统利用最终飞行路线信息控制无人机自动校正飞行路线,并同时反馈至终端系统进行记录。飞机控制系统通过最终飞行路线信息控制无人机或飞机的飞行路线进行校正,同时将最终飞行路线信息与无线终端系统进行记录存储,以便于后续对无人机或飞机的飞行路线进行溯源操作。以便于在飞机或无人机出现飞行故障后,能够进行快速精准的进行救援。即有效的保证了飞机或无人机的飞行路线的安全。
参照图2,在本实施例中,为了便于理解中控模块中的空间模型生成原理和飞机路线信息的生成,S3中还包括:
S31:中控模块获取图像信息,通过图像识别单元对获取的图像信息进行识别处理,获取图像信息中的图像离散信息。图像识别单元通过与图像交互单元进行交互,获取经过图像编辑单元处理编辑的图像信息,图像识别单元对图像信息中的灰度程度进行分析,然后提取图像信息中的灰度图像离散信息。
S32:模型构建单元获取图像离散信息,采用有限元算法进行空间建模,获取生成空间模型;模型构建单元通过与图像识别单元进行交互,获取图像离散信息,采用有限元算法进行空间建模。即模型构建单元通过利用有限元算法对不同灰度程度的图像离散信息进行计算构建,获取生成空间模型。
S33:模拟单元通过软件程序或算法写入空间模型中,模拟单元利用空间模型模拟生成飞行路线模拟信号。模拟单元通过软件程序或有限元算法写入已经构建好的空间模型中,然后根据空间模型中的相应元素进行生成飞行路模拟线信息。
S34:所述通讯单元获取飞行路线模拟信息,并生成飞行路线信息。通讯单元通过与模拟单元进行交互,让所述通讯单元获取飞行路线模拟信息,并利用获取到的飞行路线模拟信息生成飞行路线信息。
在本方法中,为便于理解空间模型的构建方式,在此进行举例说明:
图像编辑模块通过采用Photoshop对图像依次进行直方图变换、图像锐化及灰度变换,对图像照片进行灰度预处理,生成图像信息;
图像识别单元对图像信息中的不同灰度区域进行识别提取,生成不同程度的图像离散信息;
模型构建单元利用不同程度的图像离散信息,通过有限元算法对不同程度的图像离散信息进行处理计算,然后在仿真模型中构建三维空间模型,并根据不同程度的图像离散信息生成障碍物或其他影响飞行安全的物体;
模拟单元通过软件或算法也写入仿真模型中,通过算法根据不同程度的图像离散信息生成的障碍物进行规避,生成飞行路线模拟信息。
在本实施例中,S2中还包括:
S21:图像处理模块获取图像照片,利用图像编辑单元对获取图像照片进行灰度预处理,并生成图像信息;采用Photoshop对图像进行直方图变换、图像锐化及灰度变换,对图像照片进行预处理。
S22:图像交互单元获取图像信息,图像交互单元利用获取的图像信息发送至图像识别单元中。即所述图像识别单元与图像交互单元进行交互,让所述图像识别单元采用图像灰度识别对灰度预处理的图像信息进行信息提取,生成不同程度的灰度图像离散信息。
实施例三
一种飞机识别设备,采用了实施例一中的所述的基于影像分析的飞机识别系统。所述识别设备通过搭载实施例一中的识别系统,保证了无人机的取景准确性,同时能够让无人机利用取景区域的图像,自动生成飞行路线,减少了人工参与程度,减少人力的浪费程度,有效的实现无人机的飞行条件判断的详细和准确。同时也非常符合实际要求。
需要说明的是,在本实施例中,所述图像采集模块可以为摄像头和/或搭载了夜视仪功能的摄像设备。以满足在夜间或可见视线程度低的情况下进行取景采像。所述识别系统通过搭载在无人机或飞机的正前方,以便于对无人机或飞机的飞行路线前方进行取景采像,保证了所述识别系统取景采像的准确和便捷性。以便于后续利用取景采集的图像照片进行重新规划无人机或飞机的飞行路线。有效的减少了人工的参与程度。同时中控模块对采集的图像照片在第一时间进行处理,并生成飞行路线信息,保证了无人机或飞机飞行路线信息的时效性和准确性。然后自校正模块利用飞行路线信息对无人机或飞机的飞行路线进行自动校正,保证了无人机或飞机飞行路线的安全。即有效的保证了无人机或飞机飞行条件判断的详细和准确。也即的解决了现有技术中存在无人机飞行条件需要人工参与判断的缺点。同时也非常符合实际要求。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (8)
1.基于影像分析的飞机识别系统,其特征在于,包括:
图像采集模块,所述图像采集模块用于采集图像照片;
图像处理模块,所述图像处理模块与所述图像采集模块交互相连,所述图像处理模块用于对图像照片进行处理,并获取图像信息;
中控模块,所述中控模块与所述图像处理模块交互相连,且所述中控模块与所述图像采集模块交互相连,所述中控模块用于控制图像采集模块的取景区域,所述中控模块利用图像信息进行构建空间模型,通过空间模型生成飞行路线信息;
所述中控模块包括:
图像识别单元,所述图像识别单元与所述图像处理模块交互相连,所述图像识别单元对获取的图像信息进行识别处理,获取图像离散信息;
模型构建单元,所述模型构建单元与所述图像识别单元交互相连,所述模型构建单元通过获取的图像离散信息,采用有限元算法进行空间建模,获取空间模型;
模拟单元,所述模拟单元与所述模型构建单元交互相连,所述模拟单元通过写入空间模型中,并模拟生成飞行路线模拟信息;
通讯单元,所述通讯单元与所述模拟单元交互相连,所述通讯单元与自校正模块交互相连,所述通讯单元获取飞行路线模拟信息,并生成飞行路线信息;
自校正模块,所述自校正模块与所述中控模块交互相连,所述自校正模块与飞机控制系统交互相连,所述自校正模块获取飞行路线信息,并利用飞行路线信息控制飞机自动校正路线。
2.根据权利要求1所述的基于影像分析的飞机识别系统,其特征在于,所述图像处理模块包括:
图像编辑单元,所述图像编辑单元与所述图像采集模块交互相连,所述图像编辑单元用于对图像照片进行编辑处理,并生成图像信息;
图像交互单元,所述图像交互单元与所述图像编辑单元交互相连,所述图像交互单元与所述图像识别单元交互相连,所述图像交互单元用于将图像信息发送至图像识别单元。
3.根据权利要求2所述的基于影像分析的飞机识别系统,其特征在于,所述图像采集模块包括:
成像单元,所述成像单元置于无人机上前方,所述成像单元与所述中控模块相连,所述成像单元用于采集取景区域内的景象;
夜视单元,所述夜视单元与所述成像单元相连,所述夜视单元与所述中控模块交互相连,所述夜视单元用于夜间取景采像。
4.基于影像分析的飞机识别方法,采用权利要求1-3中任一项所述的基于影像分析的飞机识别系统,其特征在于,所述识别方法包括以下步骤:
S1:图像采集模块通过成像单元和/或夜视单元,采集无人机前方取景区域景象,获取取景区域的图像照片;
S2:图像处理模块获取取景区域的图像照片,所述图像处理模块对图像照片进行处理,并生成图像信息;
S3:中控模块获取图像信息,对获取的图像信息进行识别处理,利用有限元算法构建空间模型,并利用空间模型生成飞行路线信息;
具体为:
S31:中控模块获取图像信息,通过图像识别单元对获取的图像信息进行识别处理,获取图像信息中的图像离散信息;
S32:模型构建单元获取图像离散信息,采用有限元算法进行空间建模,获取生成空间模型;
S33:模拟单元通过软件程序或算法写入空间模型中,模拟单元利用空间模型模拟生成飞行路线模拟信号;
S34:所述通讯单元获取飞行路线模拟信息,并生成飞行路线信息
S4:自校正模块获取飞行路线信息,利用获取的飞机路线信息与飞机控制系统进行交互;
S5:飞机控制系统利用获取的飞行路线信息与原始飞行路线信息进行比对校正,飞机控制系统生成最终飞行路线信息;
S6:飞机控制系统利用最终飞行路线信息控制无人机自动校正飞行路线,并同时反馈至终端系统进行记录。
5.根据权利要求4所述的基于影像分析的飞机识别方法,其特征在于,S2中还包括:
S21:图像处理模块获取图像照片,利用图像编辑单元对获取图像照片进行预处理,并生成图像信息;
S22:图像交互单元获取图像信息,图像交互单元利用获取的图像信息发送至图像识别单元中。
6.根据权利要求5所述的基于影像分析的飞机识别方法,其特征在于,S2中的预处理方法为:
采用Photoshop对图像进行直方图变换、图像锐化及灰度变换,对图像照片进行预处理。
7.根据权利要求6所述的基于影像分析的飞机识别方法,其特征在于,所述图像识别单元采用图像灰度识别。
8.一种飞机识别设备,其特征在于,采用了权利要求1-3中任一项所述的基于影像分析的飞机识别系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211043806.XA CN115115957B (zh) | 2022-08-30 | 2022-08-30 | 基于影像分析的飞机识别系统、识别方法及识别设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211043806.XA CN115115957B (zh) | 2022-08-30 | 2022-08-30 | 基于影像分析的飞机识别系统、识别方法及识别设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115115957A true CN115115957A (zh) | 2022-09-27 |
CN115115957B CN115115957B (zh) | 2022-12-30 |
Family
ID=83336113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211043806.XA Active CN115115957B (zh) | 2022-08-30 | 2022-08-30 | 基于影像分析的飞机识别系统、识别方法及识别设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115115957B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105222760A (zh) * | 2015-10-22 | 2016-01-06 | 一飞智控(天津)科技有限公司 | 一种基于双目视觉的无人机自主障碍物检测系统及方法 |
CN107525525A (zh) * | 2017-10-18 | 2017-12-29 | 江苏卡威汽车工业集团股份有限公司 | 一种新能源汽车的路径校准系统及方法 |
CN108827306A (zh) * | 2018-05-31 | 2018-11-16 | 北京林业大学 | 一种基于多传感器融合的无人机slam导航方法及系统 |
CN110133440A (zh) * | 2019-05-27 | 2019-08-16 | 国电南瑞科技股份有限公司 | 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法 |
CN111338383A (zh) * | 2020-04-24 | 2020-06-26 | 北京泛化智能科技有限公司 | 基于gaas的自主飞行方法及系统、存储介质 |
CN113238581A (zh) * | 2016-02-29 | 2021-08-10 | 星克跃尔株式会社 | 无人飞行器的飞行控制的方法和系统 |
CN113448343A (zh) * | 2020-03-26 | 2021-09-28 | 精工爱普生株式会社 | 用于设定飞行器的目标飞行路径的方法、系统和程序 |
-
2022
- 2022-08-30 CN CN202211043806.XA patent/CN115115957B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105222760A (zh) * | 2015-10-22 | 2016-01-06 | 一飞智控(天津)科技有限公司 | 一种基于双目视觉的无人机自主障碍物检测系统及方法 |
CN113238581A (zh) * | 2016-02-29 | 2021-08-10 | 星克跃尔株式会社 | 无人飞行器的飞行控制的方法和系统 |
CN107525525A (zh) * | 2017-10-18 | 2017-12-29 | 江苏卡威汽车工业集团股份有限公司 | 一种新能源汽车的路径校准系统及方法 |
CN108827306A (zh) * | 2018-05-31 | 2018-11-16 | 北京林业大学 | 一种基于多传感器融合的无人机slam导航方法及系统 |
CN110133440A (zh) * | 2019-05-27 | 2019-08-16 | 国电南瑞科技股份有限公司 | 基于杆塔模型匹配及视觉导航的电力无人机及巡检方法 |
CN113448343A (zh) * | 2020-03-26 | 2021-09-28 | 精工爱普生株式会社 | 用于设定飞行器的目标飞行路径的方法、系统和程序 |
CN111338383A (zh) * | 2020-04-24 | 2020-06-26 | 北京泛化智能科技有限公司 | 基于gaas的自主飞行方法及系统、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115115957B (zh) | 2022-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101793509B1 (ko) | 작물 모니터링을 위하여 무인 비행체의 자동 경로 산정을 통한 원격 관측 방법 및 그 시스템 | |
US20150022656A1 (en) | System for collecting & processing aerial imagery with enhanced 3d & nir imaging capability | |
CN112633535A (zh) | 一种基于无人机图像的光伏电站智能巡检方法及系统 | |
CN110418957A (zh) | 对具有运行机构的设施进行状态监控的方法和装置 | |
WO2019100219A1 (zh) | 输出影像生成方法、设备及无人机 | |
Ryan et al. | Night pilotage assessment of image fusion | |
CN111765974B (zh) | 一种基于微型制冷红外热像仪的野生动物观测系统及方法 | |
CN112327906A (zh) | 一种基于无人机的智能自动巡检系统 | |
CN113012292B (zh) | 一种基于无人机航拍的ar远程施工监控方法及系统 | |
CN111244822B (zh) | 一种复杂地理环境的固定翼无人机巡线方法、系统和装置 | |
CN213302860U (zh) | 无人机三维可视化避障系统 | |
CN110008919A (zh) | 基于视觉的四旋翼无人机人脸识别系统 | |
CN112163483A (zh) | 一种目标数量检测系统 | |
CN115580708A (zh) | 一种光缆线路无人机巡检的方法 | |
CN114200958A (zh) | 一种光伏发电设备自动巡检系统和方法 | |
CN115115957B (zh) | 基于影像分析的飞机识别系统、识别方法及识别设备 | |
CN111950524A (zh) | 一种基于双目视觉和rtk的果园局部稀疏建图方法和系统 | |
CN109708659B (zh) | 一种分布式智能光电低空防护系统 | |
CN111176316A (zh) | 一种适用于古建筑的无人机倾斜摄影飞行系统 | |
CN115188316A (zh) | 一种无人机校正led显示屏亮暗线系统、装置及其方法 | |
CN211349110U (zh) | 一种基于无人机采集的三维显示系统 | |
CN113467502A (zh) | 一种无人机驾驶考试系统 | |
CN114120236A (zh) | 对低空目标进行识别定位的方法 | |
Nguyen et al. | Characteristics of optical flow from aerial thermal imaging,“thermal flow” | |
CN112284351A (zh) | 一种测量交叉跨越线路方法 |
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 |