CN115248004A - 获取河工模型中船模船头和船尾坐标信息的方法 - Google Patents

获取河工模型中船模船头和船尾坐标信息的方法 Download PDF

Info

Publication number
CN115248004A
CN115248004A CN202110463586.5A CN202110463586A CN115248004A CN 115248004 A CN115248004 A CN 115248004A CN 202110463586 A CN202110463586 A CN 202110463586A CN 115248004 A CN115248004 A CN 115248004A
Authority
CN
China
Prior art keywords
ship model
gray
model
image
point
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
Application number
CN202110463586.5A
Other languages
English (en)
Inventor
刘佳星
郑钧
任明轩
曲兆松
谢宗彦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sinfotek Science And Technology Co ltd
Original Assignee
Beijing Sinfotek Science And Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sinfotek Science And Technology Co ltd filed Critical Beijing Sinfotek Science And Technology Co ltd
Priority to CN202110463586.5A priority Critical patent/CN115248004A/zh
Publication of CN115248004A publication Critical patent/CN115248004A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本发明获取河工模型中船模船头和船尾坐标信息的方法包括：找出船模的图像的分割灰度阈值
Figure 989677DEST_PATH_IMAGE001
；根据分割灰度阈值

Description

获取河工模型中船模船头和船尾坐标信息的方法
技术领域
本发明涉及一种获取河工模型中船模船头和船尾坐标信息的方法，特别是用一种利用图像处理的方法进行船模船头和船尾坐标信息的获取。
背景技术
目前背景减除法适用于相机静止的情形，船模在移动过程中河工模型环境变化，无法准确的构建背景图像，导致船模作为运动目标无法准确的检测出来。帧间差分法的船模检测方法，受到船模移动速度快慢的影响，差分得到的船模存在内部空洞、边缘重影等问题，造成检测的出的船模过大或不完整。基于Faster RCNN等深度学习方法，需要提前采集大量船模图像进行模型的训练，实验过程中更换船模等会造成无法检测船模等问题。采用上述方法检测出船模后，由于存在检测结果过大、过小或不完整等问题，出现检测结果的重心坐标与船模的实际重心坐标不吻合的情况，将检测结果的重心坐标，作为船模的坐标会影响后续轨迹计算、运动方向、运动分析的精确性。
发明内容
本申请的发明目的在于提供了一种获取河工模型中船模船头和船尾坐标信息的方法，该方法可以在船模直线、斜线和转弯行进过程中准确获得船模的船头和船尾坐标，以得到图像中船模的重心位置,最后将船模的图像坐标换算成实际空间坐标,实现船模位置的精确定位。
为了完成本申请的发明目的，本申请采用以下技术方案：
本发明的一种获取河工模型中船模船头和船尾坐标信息的方法，其中：该方法包括以下步骤：
（a）、找出船模的图像的分割灰度阈值T
对船模进行拍照，包含船模的灰度图像A(x,y),图像大小为M行×N列；用使得g类间方差取得最大值的灰度值作为图像中目标和背景的分割灰度阈值 T；
（b）、根据分割灰度阈值 T，得到船模轮廓的边界点坐标
若包含船模的灰度图像中某坐标
Figure 283952DEST_PATH_IMAGE001
，该坐标的灰度值定义为1，即显示该点坐标，即为白色，若包含船模的灰度图像中某坐标
Figure 366309DEST_PATH_IMAGE002
，该坐标的灰度值定义为0，即不显示该点坐标，即为黑色，得到
Figure 292808DEST_PATH_IMAGE003
Figure 155722DEST_PATH_IMAGE004
（1）
得到船模为白色，背景为黑色的图像，然后从左向右，从上向下，逐一扫描上述图像
Figure 255396DEST_PATH_IMAGE005
中的每个像素
Figure 514296DEST_PATH_IMAGE003
，根据公式（2）剔除掉船模内部像素点，当以船模内的某个选定像素点为中心点，以一个像素为半径画圆，当上述圆周上的每个点均为1时，定义上述的选定像素点为0；当上述圆周的每个点有不为1的点时，定义上述的选定像素点为1，得到船模轮廓的边界点坐标并存放到集合C中；
Figure 736330DEST_PATH_IMAGE006
（2）
（c） 、求出船模轮廓的外接椭圆及椭圆长轴所在直线
设轮廓的外接椭圆方程为
Figure 758643DEST_PATH_IMAGE007
,令
Figure 724325DEST_PATH_IMAGE008
,
Figure 781274DEST_PATH_IMAGE009
,其中X为
Figure 111893DEST_PATH_IMAGE011
的矩阵，n为轮廓坐标点 数， W为椭圆方程的参数，由椭圆参数约束
Figure 762448DEST_PATH_IMAGE012
，设
Figure 203925DEST_PATH_IMAGE013
，常数矩阵
Figure 177697DEST_PATH_IMAGE014
，则最小二乘法优化目标函数：
Figure 735674DEST_PATH_IMAGE015
（3）
引入拉格朗日因子
Figure 732580DEST_PATH_IMAGE016
，得到拉格朗日函数L：
Figure 977748DEST_PATH_IMAGE017
（4）
令拉格朗日函数L的导数为0：
Figure 71606DEST_PATH_IMAGE018
（5）
令
Figure 744027DEST_PATH_IMAGE019
,则
Figure 290546DEST_PATH_IMAGE020
, S为正定矩阵，将等式左右两边同时乘以S的逆矩阵：
Figure 73825DEST_PATH_IMAGE021
（6）
求解（6）的特征值和特征向量，最大特征值
Figure 959872DEST_PATH_IMAGE022
对应的特征向量即为W,
求解得到 A,B,C,D,E,F的值，椭圆的中心点坐标：
Figure 865512DEST_PATH_IMAGE023
（7）
Figure 899327DEST_PATH_IMAGE024
（8）
椭圆的长短半轴：
Figure 480438DEST_PATH_IMAGE025
（9）
Figure 548888DEST_PATH_IMAGE026
（10）
长轴倾角：
Figure 625428DEST_PATH_IMAGE027
（11）
根据外接椭圆中心点坐标
Figure 818643DEST_PATH_IMAGE028
,长轴与X轴的夹角
Figure 209304DEST_PATH_IMAGE029
，得到椭圆的长轴一端点P点坐标为
Figure 132261DEST_PATH_IMAGE030
, 椭圆的长轴另一端点q点坐标为
Figure 255069DEST_PATH_IMAGE031
，
计算出椭圆长轴所在直线：
Figure 935580DEST_PATH_IMAGE032
（12）
（d）、找出船模船头和船尾坐标信息
将船模轮廓的边界点坐标点代入公式（12）中，如果船模轮廓的边界点坐标满足公式（12），
该点的坐标即为船尾的坐标或船头的坐标。
本发明的一种获取河工模型中船模船头和船尾坐标信息的方法，其中：在步骤（a）中，目标和背景的分割灰度阈值T用以下步骤得到
（i）船模的像素点数在整幅图像中的占比为
Figure 926670DEST_PATH_IMAGE033
，船模的灰度平均值为
Figure 641816DEST_PATH_IMAGE034
；背景像素点数在整幅图像中的占比为
Figure 15420DEST_PATH_IMAGE035
，背景的灰度平均值为
Figure 448807DEST_PATH_IMAGE036
，整幅图像的灰度平均值为
Figure 978008DEST_PATH_IMAGE037
， g为类间方差，图像中背景较暗，灰度值大于T的船模像素个数记作
Figure 813240DEST_PATH_IMAGE038
，灰度小于T的背景像素个数记作
Figure 340168DEST_PATH_IMAGE039
，则有：
Figure 57588DEST_PATH_IMAGE040
(13)
Figure 390480DEST_PATH_IMAGE041
(14)
Figure 142536DEST_PATH_IMAGE042
(15)
Figure 840364DEST_PATH_IMAGE043
(16)
Figure 45081DEST_PATH_IMAGE044
(17)
Figure 181664DEST_PATH_IMAGE045
(18)
船模的灰度平均值为
Figure 720050DEST_PATH_IMAGE034
=船模的灰度值的总和/船模的坐标点的个数 (19)
背景的灰度平均值为
Figure 651096DEST_PATH_IMAGE036
=背景的灰度值的总和/背景的坐标点的个数 (20)
整幅图像的灰度平均值为
Figure 343109DEST_PATH_IMAGE046
=整幅图像的灰度值的总和/整幅图像的坐标点的个数 (21)
将式(17)代入式(18),得到:
Figure 283383DEST_PATH_IMAGE047
(22)
（ii）通过公式（13）至（22），在灰度为0~255的范围每个灰度值下，求出所对应的类间方差g，找到 g最大值所对应的阈值T。
附图说明
图1为用阈值分割后的船模和背景图像；
图2中白色显示了船模轮廓；
图3中的长方形为船模轮廓，椭圆为求出的长方形的外接椭圆，为了清楚起见图3为示意图；
图4为图3求出的外接椭圆与图2船模轮廓组合后，得到的船模船头和船尾坐标。
具体实施方式
本发明的获取河工模型中船模船头和船尾坐标信息的方法包括以下步骤：
（a）、找出船模的图像的分割灰度阈值T
对船模进行拍照，包含船模的灰度图像A(x,y),图像大小为 M行×N列；用使得g类间方差取得最大值的灰度值作为图像中目标和背景的分割灰度阈值T；
目标和背景的分割灰度阈值 T用以下步骤得到：
（i）船模的像素点数在整幅图像中的占比为
Figure 682135DEST_PATH_IMAGE033
，船模的灰度平均值为
Figure 784083DEST_PATH_IMAGE034
；背景像素点数在整幅图像中的占比为
Figure 963391DEST_PATH_IMAGE035
，背景的灰度平均值为
Figure 441777DEST_PATH_IMAGE036
，整幅图像的灰度平均值为
Figure 757352DEST_PATH_IMAGE037
，g为类间方差，图像中背景较暗，灰度值大于T的船模像素个数记作
Figure 233464DEST_PATH_IMAGE048
，灰度小于T的背景像素个数记作
Figure 572172DEST_PATH_IMAGE049
，则有：
Figure 854249DEST_PATH_IMAGE050
(13)
Figure 18471DEST_PATH_IMAGE051
(14)
Figure 665484DEST_PATH_IMAGE042
(15)
Figure 553806DEST_PATH_IMAGE043
(16)
Figure 373994DEST_PATH_IMAGE044
(17)
Figure 664161DEST_PATH_IMAGE045
(18)
船模的灰度平均值为
Figure 544393DEST_PATH_IMAGE034
=船模的灰度值的总和/船模的坐标点的个数 (19)
背景的灰度平均值为
Figure 857693DEST_PATH_IMAGE036
=背景的灰度值的总和/背景的坐标点的个数 (20)
整幅图像的灰度平均值为
Figure 481573DEST_PATH_IMAGE046
=整幅图像的灰度值的总和/整幅图像的坐标点的个数 (21)
将式(17)代入式(18),得到:
Figure 626246DEST_PATH_IMAGE047
(22)
（ii）通过公式（13）至（22），在灰度为0~255的范围每个灰度值下，求出所对应的类间方差g，找到g最大值所对应的阈值T；
（b）、根据分割灰度阈值T，得到船模轮廓的边界点坐标
若包含船模的灰度图像中某坐标
Figure 677379DEST_PATH_IMAGE001
，该坐标的灰度定义为1，即显示该点坐标，即为白色，若包含船模的灰度图像中某坐标
Figure 540293DEST_PATH_IMAGE002
，该坐标的灰度值定义为0，即不显示该点坐标，即为黑色，得到
Figure 702284DEST_PATH_IMAGE003
Figure 967043DEST_PATH_IMAGE004
（1）
得到船模为白色，背景为黑色的图像，然后从左向右，从上向下，逐一扫描上述图像
Figure 855322DEST_PATH_IMAGE005
中的每个像素
Figure 205531DEST_PATH_IMAGE003
，根据公式（2）剔除掉船模内部像素点，当以船模内的某个选定像素点为中心点，以一个像素为半径画圆，当上述圆周上的每个点均为1时，定义上述的选定像素点为0；当上述圆周的每个点有不为1的点时，定义上述的选定像素点为1，得到船模轮廓的边界点坐标并存放到集合C中；
Figure 171213DEST_PATH_IMAGE006
（2）
（c） 、求出船模轮廓的外接椭圆及椭圆长轴所在直线
设轮廓的外接椭圆方程为
Figure 290479DEST_PATH_IMAGE052
,令
Figure 683414DEST_PATH_IMAGE008
,
Figure 193024DEST_PATH_IMAGE009
,其中X为
Figure 696818DEST_PATH_IMAGE011
的矩阵，n为轮廓坐标点 数， W为椭圆方程的参数，由椭圆参数约束
Figure 936169DEST_PATH_IMAGE012
，设
Figure 500006DEST_PATH_IMAGE013
，常数矩阵
Figure 559229DEST_PATH_IMAGE014
，则最小二乘法优化目标函数：
Figure 866713DEST_PATH_IMAGE015
（3）
引入拉格朗日因子
Figure 960571DEST_PATH_IMAGE053
，得到拉格朗日函数L：
Figure 632992DEST_PATH_IMAGE017
（4）
令拉格朗日函数L的导数为0：
Figure 179511DEST_PATH_IMAGE054
（5）
令
Figure 606467DEST_PATH_IMAGE019
,则
Figure 430198DEST_PATH_IMAGE020
,S为正定矩阵，将等式左右两边同时乘以S的逆矩阵：
Figure 273520DEST_PATH_IMAGE055
（6）
求解（6）的特征值和特征向量，最大特征值
Figure 245018DEST_PATH_IMAGE022
对应的特征向量即为W,
求解得到A,B,C,D,E,F的值，椭圆的中心点坐标：
Figure 894305DEST_PATH_IMAGE056
（7）
Figure 691317DEST_PATH_IMAGE057
（8）
椭圆的长短半轴：
Figure 705541DEST_PATH_IMAGE025
（9）
Figure 226652DEST_PATH_IMAGE026
（10）
长轴倾角：
Figure 679630DEST_PATH_IMAGE027
（11）
根据外接椭圆中心点坐标
Figure 337007DEST_PATH_IMAGE028
,长轴与X轴的夹角
Figure 522132DEST_PATH_IMAGE029
，得到椭圆的长轴一端点p点坐标为
Figure 530539DEST_PATH_IMAGE030
, 椭圆的长轴另一端点q点坐标为
Figure 521629DEST_PATH_IMAGE058
，
计算出椭圆长轴所在直线：
Figure 299092DEST_PATH_IMAGE032
（12）
（d）、找出船模船头和船尾坐标信息
将船模轮廓的边界点坐标点代入公式（12）中，如果船模轮廓的边界点坐标满足公式（12），
该点的坐标即为船尾的坐标或船头的坐标。
本发明的获取河工模型中船模船头和船尾坐标信息的方法，对采集设备架设位置和角度的要求非常宽松，能够应用于无人机船模采集追踪；同时扩大了测量区域，适用于整个河工模型的航道；提高了对于光照变化和相机视野大小变化的适应能力。
阈值分割法算法复杂度低，可达到实时处理视频流；不易受图像亮度和对比度的影像，对环境中光照和阴影等影响具有良好的抗噪性，能够适应动态环境下的船模实验；在船模运动速度过快和过慢的情况下，检测性能高；
通过船模轮廓的外接椭圆的长轴所在直线确定船头船尾坐标，相对于对船模轮廓坐标进行排序确定船头船尾的图像坐标的方式，不易受通航实验过程中水面噪声源的干扰，对环境的鲁棒性高。
以上所述实施例仅仅是对本发明优选实施方式进行描述，并非对本发明范围进行限定，在不脱离本发明设计精神前提下，本领域普通技术人员对本发明技术方案做出各种变形和改进，均应落入本发明权利要求书确定保护范围内。

Claims (2)

1.一种获取河工模型中船模船头和船尾坐标信息的方法，其特征在于：该方法包括以下步骤：
（a）、找出船模的图像的分割灰度阈值
Figure 708884DEST_PATH_IMAGE001
对船模进行拍照，包含船模的灰度图像A(x,y),图像大小为
Figure 411261DEST_PATH_IMAGE002
行×N列；用使得g类间方差取得最大值的灰度值作为图像中目标和背景的分割灰度阈值
Figure 586022DEST_PATH_IMAGE001
；
（b）、根据分割灰度阈值
Figure 232379DEST_PATH_IMAGE001
，得到船模轮廓的边界点坐标
若包含船模的灰度图像中某坐标
Figure 35250DEST_PATH_IMAGE003
，该坐标的灰度值定义为1，即显示该点坐标，即为白色，若包含船模的灰度图像中某坐标
Figure 49474DEST_PATH_IMAGE004
，该坐标的灰度值定义为0，即不显示该点坐标，即为黑色，得到
Figure 570585DEST_PATH_IMAGE005
Figure 658451DEST_PATH_IMAGE006
（1）
得到船模为白色，背景为黑色的图像，然后从左向右，从上向下，逐一扫描上述图像
Figure 191194DEST_PATH_IMAGE007
中的每个像素
Figure 373389DEST_PATH_IMAGE005
，根据公式（2）剔除掉船模内部像素点，当以船模内的某个选定像素点为中心点，以一个像素为半径画圆，当上述圆周上的每个点均为1时，定义上述的选定像素点为0；当上述圆周的每个点有不为1的点时，定义上述的选定像素点为1，得到船模轮廓的边界点坐标并存放到集合C中；
Figure 319480DEST_PATH_IMAGE008
（2）
（c）、求出船模轮廓的外接椭圆及椭圆长轴所在直线
设轮廓的外接椭圆方程为
Figure 982673DEST_PATH_IMAGE009
,令
Figure 901082DEST_PATH_IMAGE010
,
Figure 254178DEST_PATH_IMAGE011
,其中
Figure 546619DEST_PATH_IMAGE012
为6
Figure 75821DEST_PATH_IMAGE013
的矩阵，
Figure 379894DEST_PATH_IMAGE014
为轮廓坐标点数，
Figure 234718DEST_PATH_IMAGE015
为椭圆方程的参数，由椭圆参数约束
Figure 952138DEST_PATH_IMAGE016
，设
Figure 282101DEST_PATH_IMAGE017
，常数矩阵
Figure 34156DEST_PATH_IMAGE018
，则最小二乘法优化目标函数：
Figure 794302DEST_PATH_IMAGE019
（3）
引入拉格朗日因子
Figure 936701DEST_PATH_IMAGE020
，得到拉格朗日函数
Figure 73285DEST_PATH_IMAGE021
：
Figure 679846DEST_PATH_IMAGE022
（4）
令拉格朗日函数
Figure 610893DEST_PATH_IMAGE021
的导数为0：
Figure 135914DEST_PATH_IMAGE023
（5）
令
Figure 810609DEST_PATH_IMAGE024
,则
Figure 209360DEST_PATH_IMAGE025
,
Figure 576887DEST_PATH_IMAGE026
为正定矩阵，将等式左右两边同时乘以
Figure 756196DEST_PATH_IMAGE026
的逆矩阵：
Figure 906686DEST_PATH_IMAGE027
（6）
求解（6）的特征值和特征向量，最大特征值
Figure 484910DEST_PATH_IMAGE028
对应的特征向量即为
Figure 757760DEST_PATH_IMAGE015
,求解得到
Figure 424364DEST_PATH_IMAGE029
的值，椭圆的中心点坐标：
Figure 440862DEST_PATH_IMAGE030
（7）
Figure 876522DEST_PATH_IMAGE031
（8）
椭圆的长短半轴：
Figure 523536DEST_PATH_IMAGE032
（9）
Figure 411857DEST_PATH_IMAGE033
（10）
长轴倾角：
Figure 229116DEST_PATH_IMAGE034
（11）
根据外接椭圆中心点坐标
Figure 519283DEST_PATH_IMAGE035
,长轴与
Figure 337197DEST_PATH_IMAGE036
轴的夹角
Figure 712815DEST_PATH_IMAGE037
，得到椭圆的长轴一端点
Figure 8798DEST_PATH_IMAGE038
点坐标为
Figure 419051DEST_PATH_IMAGE039
,
Figure 467254DEST_PATH_IMAGE040
点坐标为
Figure 330168DEST_PATH_IMAGE041
，
计算出椭圆长轴所在直线：
Figure 492159DEST_PATH_IMAGE042
（12）
（d）、找出船模船头和船尾坐标信息
将船模轮廓的边界点坐标点代入公式（12）中，如果船模轮廓的边界点坐标满足公式（12），
该点的坐标即为船尾
Figure 429022DEST_PATH_IMAGE043
。
2.如权利要求1所述获取河工模型中船模船头和船尾坐标信息的方法，其特征在于：在步骤（a）中，目标和背景的分割灰度阈值
Figure 651056DEST_PATH_IMAGE044
（i）船模的像素点数在整幅图像中的占比为
Figure 1266DEST_PATH_IMAGE045
，船模的灰度平均值为
Figure 966948DEST_PATH_IMAGE046
；背景像素点数在整幅图像中的占比为
Figure 83284DEST_PATH_IMAGE047
，背景的灰度平均值为
Figure 210640DEST_PATH_IMAGE048
，整幅图像的灰度平均值为
Figure 985829DEST_PATH_IMAGE049
，
Figure 489623DEST_PATH_IMAGE050
为类间方差，图像中背景较暗，灰度值大于
Figure 728974DEST_PATH_IMAGE001
的船模像素个数记作
Figure 964914DEST_PATH_IMAGE051
，灰度小于
Figure 286787DEST_PATH_IMAGE001
的背景像素个数记作
Figure 594271DEST_PATH_IMAGE052
，则有：
Figure 422550DEST_PATH_IMAGE053
(13)
Figure 157288DEST_PATH_IMAGE054
(14)
Figure 703807DEST_PATH_IMAGE055
(15)
Figure 752666DEST_PATH_IMAGE056
(16)
Figure 701030DEST_PATH_IMAGE057
(17)
Figure 541422DEST_PATH_IMAGE058
(18)
船模的灰度平均值为
Figure 575238DEST_PATH_IMAGE046
=船模的灰度值的总和/船模的坐标点的个数 (19)
背景的灰度平均值为
Figure 224525DEST_PATH_IMAGE048
=背景的灰度值的总和/背景的坐标点的个数 (20)
整幅图像的灰度平均值为
Figure 27396DEST_PATH_IMAGE049
=整幅图像的灰度值的总和/整幅图像的坐标点的个数(21)
将式(17)代入式(18),得到:
Figure 103936DEST_PATH_IMAGE059
(22)
（ii）通过公式（13）至（22），在灰度为0~255的范围每个灰度值下，求出所对应的类间方差
Figure 625047DEST_PATH_IMAGE050
，找到
Figure 812446DEST_PATH_IMAGE050
最大值所对应的阈值
Figure 732473DEST_PATH_IMAGE060
。
CN202110463586.5A 2021-04-28 2021-04-28 获取河工模型中船模船头和船尾坐标信息的方法 Pending CN115248004A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110463586.5A CN115248004A (zh) 2021-04-28 2021-04-28 获取河工模型中船模船头和船尾坐标信息的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110463586.5A CN115248004A (zh) 2021-04-28 2021-04-28 获取河工模型中船模船头和船尾坐标信息的方法

Publications (1)

Publication Number Publication Date
CN115248004A true CN115248004A (zh) 2022-10-28

Family

ID=83697347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110463586.5A Pending CN115248004A (zh) 2021-04-28 2021-04-28 获取河工模型中船模船头和船尾坐标信息的方法

Country Status (1)

Country Link
CN (1) CN115248004A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117788808A (zh) * 2024-02-28 2024-03-29 南京航空航天大学 弱小目标移动舰船尾迹与舰船分离的定位检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117788808A (zh) * 2024-02-28 2024-03-29 南京航空航天大学 弱小目标移动舰船尾迹与舰船分离的定位检测方法
CN117788808B (zh) * 2024-02-28 2024-05-03 南京航空航天大学 弱小目标移动舰船尾迹与舰船分离的定位检测方法

Similar Documents

Publication Publication Date Title
CN109784333B (zh) 基于点云带权通道特征的三维目标检测方法及系统
CN106960446B (zh) 一种面向无人艇应用的水面目标检测跟踪一体化方法
CN111640157B (zh) 一种基于神经网络的棋盘格角点检测方法及其应用
CN109903313B (zh) 一种基于目标三维模型的实时位姿跟踪方法
CN106023257B (zh) 一种基于旋翼无人机平台的目标跟踪方法
CN111369495B (zh) 一种基于视频的全景图像的变化检测方法
CN111144207B (zh) 一种基于多模态信息感知的人体检测和跟踪方法
CN108171715B (zh) 一种图像分割方法及装置
CN113850865A (zh) 一种基于双目视觉的人体姿态定位方法、系统和存储介质
CN110021029B (zh) 一种适用于rgbd-slam的实时动态配准方法及存储介质
CN109376641B (zh) 一种基于无人机航拍视频的运动车辆检测方法
CN109492525B (zh) 一种测量基站天线工程参数的方法
CN109919026A (zh) 一种水面无人艇局部路径规划方法
CN108416798A (zh) 一种基于光流的车辆距离估计方法
CN112070736B (zh) 一种结合目标检测和深度计算的物体体积视觉测量方法
CN116309686A (zh) 游泳运动员视频定位测速方法、装置、设备及存储介质
CN117593650B (zh) 基于4d毫米波雷达与sam图像分割的动点滤除视觉slam方法
CN105913425A (zh) 一种基于自适应椭圆分块和小波变换的多猪轮廓提取方法
WO2021051382A1 (zh) 白平衡处理方法和设备、可移动平台、相机
CN115248004A (zh) 获取河工模型中船模船头和船尾坐标信息的方法
CN113781523A (zh) 一种足球检测跟踪方法及装置、电子设备、存储介质
CN117671033A (zh) 一种基于夜间灯光追踪的相机像主点快速定标方法和系统
CN116665097A (zh) 一种结合上下文感知的自适应目标跟踪方法
CN113723432B (zh) 一种基于深度学习的智能识别、定位追踪的方法及系统
CN112348853B (zh) 基于红外显著性特征融合的粒子滤波跟踪的方法

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