CN115797452A - 一种基于空间网格编码的对地协同探测方法 - Google Patents

一种基于空间网格编码的对地协同探测方法 Download PDF

Info

Publication number
CN115797452A
CN115797452A CN202310048369.9A CN202310048369A CN115797452A CN 115797452 A CN115797452 A CN 115797452A CN 202310048369 A CN202310048369 A CN 202310048369A CN 115797452 A CN115797452 A CN 115797452A
Authority
CN
China
Prior art keywords
grid
sensing
detection target
resources
perception
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
Application number
CN202310048369.9A
Other languages
English (en)
Other versions
CN115797452B (zh
Inventor
张昕
徐俊瑜
乐意
刘佳
孙晋艳
陈林伟
孙镱诚
张思远
丁阳
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.)
CETC 28 Research Institute
Original Assignee
CETC 28 Research Institute
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 CETC 28 Research Institute filed Critical CETC 28 Research Institute
Priority to CN202310048369.9A priority Critical patent/CN115797452B/zh
Publication of CN115797452A publication Critical patent/CN115797452A/zh
Application granted granted Critical
Publication of CN115797452B publication Critical patent/CN115797452B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提出了一种基于空间网格编码的对地协同探测方法，该方法包括以下步骤：采用空间网格等距规划法，对任务探测目标区域栅格化处理；对所述任务探测目标区域中的探测目标进行特性分析，进而初步筛选感知资源；获取所述感知资源对应的网格位置，通过计算感知目标位置与感知资源所在位置距离，对感知资源进行二次筛选；分析网格内道路和地形对感知资源的影响，筛选出可到达任务探测目标区域以及适宜探测区域地形的感知资源，依据最终筛选出的感知资源构建网格协同线。本发明结合目标特性、资源网格位置与状态、网格内目标地域环境情况多维度分析实现感知资源智能优选，解决了依赖决策者人工筛选感知资源导致工作量大效率低、需求响应慢的问题。

Description

一种基于空间网格编码的对地协同探测方法
技术领域
本发明涉及态势感知技术领域，具体涉及一种基于空间网格编码的对地协同探测方法。
背景技术
空间网格是指针对不同任务、平台、地形地貌等情况，对区域空间进行栅格化处理，形成一个一个“网格”，然后对每一个“网格”进行有效管理的一种方法。目前，空间网格已被用于各个领域，如：空域分割，协同任务规划等，但在探测感知领域的研究较少，此外，空间网格具有规划简单，使用直观、使用效率高的特性，使用前只需简单协同即可。因此，研究基于空间网格的探测感知方法对于有效提升探测感知效率具有重要价值。
随着网络信息技术的研究发展，协同探测感知已成为现代感知探测的基本形式。协同探测感知要求充分利用各类型感知资源，以提供更准确更及时的产品。目前，感知资源属性各异、资源信息存储分散、格式不统一，不能充分利用所有感知资源能力，无法满足协同感知要求。因此，需要对各类感知资源基于统一模型进行数字化描述，方便调阅各类感知资源的属性、状态，为协同探测感知提供基础数据支撑。
网络信息时代对感知内容在准确性、精确性、时效性的要求越来越高，需要能够在掌握各类感知资源性能基础上，充分发挥各类感知资源特性，快速完成协同探测感知任务规划，对决策者水平提出很高的要求。目前，在处理协同探测感知任务时，决策者能够从任务时间要求、空间要求角度对感知资源作基本筛选，但需要在众多的资源列表中，依靠人工进一步判断感知资源是否合适、传感器精度能否满足要求、资源状态是否可用等，因此，存在工作效率低，感知需求响应慢的问题。
发明内容
发明目的：本发明提供一种基于空间网格编码的对地协同探测方法，解决感知资源统一描述难、探测手段组织难等系列协同感知探测问题。
技术方案：为实现上述技术目的，本发明提供一种基于空间网格编码的对地协同探测方法，该方法包括以下步骤：
S1采用空间网格等距规划法，对任务探测目标区域栅格化处理；
S2对所述任务探测目标区域中的探测目标进行特性分析，进而初步筛选感知资源；
S3获取所述感知资源对应的网格位置，通过计算感知目标位置与感知资源所在位置距离，对感知资源进行二次筛选；
S4分析网格内道路和地形对感知资源的影响，筛选出可到达任务探测目标区域以及适宜探测区域地形的感知资源，依据最终筛选出的感知资源，构建网格协同线，指导感知资源的协同任务。
进一步的，包括：
步骤S1中，空间网格等距规划法，包括：
S11在一幅包含了任务探测目标区域和感知资源的矩形地图上，取地图宽度的1/10作为栅格的边长对地图进行栅格化，并根据地形地貌、探测精度动态调整栅格边长，
S12将任务探测目标区域按确定的栅格大小进行等距栅格化；
S13对栅格化的探测目标区域对应的栅格进行统一编号，并在感知资源协同中进行使用。
进一步的，包括：
步骤S2中，对所述任务探测目标区域中的探测目标进行特性分析，包括：
S21对任务探测目标区域中的探测目标进行多维度空间描述，形成多种特征参数，所述多维度空间描述包括：目标材料、尺寸、时/频/空/能辐射特征、雷达RCS特征、红外/SAR图像特征；
S22 分析、整理高价值目标的可感知特征，并获取探测目标的关键信息，所述可感知特征信息及其分类包括：静态可视化特征、运动特征、声学特征、电磁辐射特征；所述静态可视化特征包括：纹理外光、轮廓尺寸、分布情况；所述运动特征包括：实时位置、运动速度、运动方向；所述声学特征包括：声源位置；所述电磁辐射特征包括：电磁辐射源位置；
S23通过传感器获取多种特征参数并构建探测目标的可感知特征向量；
S24通过可感知特征分析先验感知手段排序，筛选出适宜的感知资源。
进一步的，包括：
所述构建探测目标的可感知特征向量，包括：
S231将探测目标的一系列特征向量化：
Figure SMS_1
；
其中，
Figure SMS_3
表示探测目标的一系列特征，具体包括探测目标的一系列特征包括：纹理外光
Figure SMS_6
、轮廓尺寸
Figure SMS_8
、分布情况
Figure SMS_4
、实时位置
Figure SMS_7
、运动速度
Figure SMS_9
、运动方向
Figure SMS_10
、声源位置
Figure SMS_2
、电磁辐射源位置
Figure SMS_5
；
S232分析先验感知手段排序包括：
Figure SMS_11
；
其中，
Figure SMS_12
表示一系列感知手段，包括：可见光感知
Figure SMS_13
、红外感知
Figure SMS_14
、声学感知
Figure SMS_15
、激光感知
Figure SMS_16
、辐射源感知
Figure SMS_17
；
S233通过机器学习建立特征映射模型：
Figure SMS_18
；
将探测目标对应的特征向量输入特征映射模型，分析探测目标的感知特征，通过感知特征映射获得感知手段综合得分，从而得到感知手段排序，得到最优的感知资源。
进一步的，包括：
步骤S3中，对感知资源进行二次筛选，包括：
S31获取初步筛选后的感知资源对应网格的位置状态；
S32计算探测目标与感知资源网格距离，表示为：
Figure SMS_19
；
其中，
Figure SMS_20
，
Figure SMS_21
分别为探测目标
Figure SMS_22
与感知资源
Figure SMS_23
在水平方向上、垂直方向上的网格间隔数量，k为每个网格的边长,
Figure SMS_24
,
Figure SMS_25
通过比较网格的编号在水平、垂直方向上的变化得出；
S33分析感知资源机动能力、当前电量、油量信息，进而过滤掉无法在规定时间到达探测目标网格位置的感知资源。
进一步的，包括：
步骤S4中，构建网格协同线包括：网格协同线是各个感知资源行动至探测目标对应网格位置的路线，由于各个感知资源是协同工作，因此通过构建网格协同线可指导感知资源的协同任务:
Figure SMS_26
；
其中，
Figure SMS_27
为第i个感知资源，
Figure SMS_28
为第i个感知资源到探测目标的距离，距离在考虑道路、地形、满足任务的情况下尽可能小；在道路便利的地方，近距离的人、车近距离观测，网格协同线为道路线；对于山地，则需要更多利用无人机探测，所述网格协同线为无人机飞行路线。
本发明的实现基于以下原理：
基于空间网格等距规划法，该方法原理是：一是依靠等距规划法，针对不同任务、平台、地形地貌等情况，对区域空间进行栅格化处理，形成一个一个“网格”，然后对每一个“网格”进行有效管理，该方法的优点是规划简单，使用直观，使用前只需简单协同即可。
研究基于目标特性分析的资源优选方法，该方法原理是通过目标特性分析：能够根据目标特性结合感知手段推荐模型对感知手段进行排序，从而筛选出适宜感知手段的感知资源。
研究基于空间网格的资源状态及位置分析方法，该方法原理是通过获取感知资源网格位置状态，计算感知目标与感知资源的网格距离，并根据感知资源机动能力、当前电量以及油量等信息，过滤掉无法在规定时间到达指定网格位置的感知资源。
研究基于空间网格的探测地域周边情况分析方法，该方法原理是通过网格判别探测地域周边地形、道路等环境因素对感知资源的影响，对优选出的侦察资源构建网格协同线，指导感知资源的协同任务。
有益效果：本发明与现有技术相比，显著优点是：本发明提出统一的感知资源数字化模型，能够对感知资源进行数字化描述，支撑目标地域协同探测资源优选。结合目标特性、资源网格位置与状态、网格内目标地域环境情况多维度分析实现感知资源智能优选，解决了依赖决策者人工筛选感知资源导致工作量大效率低、需求响应慢的问题。
附图说明
图1是本发明的探测方法流程图；
图2是本发明的引用的空间网格等距规划法流程图；
图3是本发明的基于目标特性分析的资源优选方法流程图；
图4是本发明的基于空间网格的资源状态及位置分析方法流程图；
图5是本发明的基于空间网格的探测地域周边情况分析方法流程图。
具体实施方式
以下结合附图对本发明的实施作进一步详细描述。
本发明的一种基于空间网格编码的对地协同探测方法，图1是本发明的技术示意图，包括以下步骤：
步骤1：基于空间网格等距规划法，实现对任务探测区域栅格化管理。
考虑目标地域尺寸范围、地形地貌、探测精度、探测范围、感知资源探测距离因素，最终确定栅格大小。通常，在一幅包含了探测目标和感知资源的矩形地图上，取地图宽度的1/10作为栅格的边长对地图进行栅格化，这个栅格划分尺寸即可以直观体现目标与资源的网格位置、距离等信息，同时具有不复杂、简洁的特点。也可根据地形地貌、探测精度要求等因素动态调整栅格边长，例如：当地形地貌比较复杂、探测精度要求较高时，可适当减小栅格边长实现更加精细的栅格化。
步骤2：研究基于目标特性分析的资源优选方法，实现协同探测资源初步筛选。
步骤3：研究基于空间网格的资源状态及位置分析方法，通过将网格位置距离与资源机动能力、电量、油量等特性联合分析，实现感知资源进一步筛选。
步骤4：研究基于空间网格的探测地域周边情况分析方法，通过网格判别探测地域周边地形、道路等环境因素对感知资源的影响，实现感知资源最终优选以及网格协同线构建。
本发明针对的场景是基于空间网格的对地协同探测。通过空间网格等距规划法，实现对任务探测区域栅格化管理，对资源注册入网管理、结合目标特性分析、资源网格位置及状态分析、网格内目标地域环境情况分析等实现协同感知资源优选。
图2是本发明的空间网格等距规划法，具体包含以下步骤：
步骤1：根据目标地域环境、任务特点、感知平台性能等因素确定栅格大小。
步骤2：将目标区域等距栅格化，即分割成若干个指定边长的正方形区域。
步骤3：对栅格进行统一编号，并在感知资源协同中进行使用，便于统一协同。对栅格化的探测目标区域对应的栅格进行统一编号，如数字1-100。
图3是本发明的基于目标特性分析的资源优选方法，具体包含以下步骤：
步骤1：输入数字化感知资源池。
步骤2：通过目标尺寸、辐射特征、雷达特征以及红外特征等对探测目标进行多维度空间描述，形成多种可探测、侦测、检测、跟踪的特征参数。
步骤3：传感器获取特征量构成目标的可感知特征；通过分析、整理高价值目标的可感知特征，并对其差异特性进行归纳总结，可获取对目标探测和密集分辨的关键信息；筛选出适宜可感知特征的感知资源。
分析、整理高价值目标的可感知特征，并对可感知特征之间的差异特性进行归纳总结，具体的可感知特征及其分类包括：静态可视化特征（纹理外光、轮廓尺寸、分布情况）、运动特征（实时位置、运动速度、运动方向）、声学特征（声源位置）、电磁辐射特征（电磁辐射源位置）。获取对目标探测和密集分辨的关键信息，例如，对于车辆，着重分析其运动特征信息，对于固定建筑物，着重分析其静态可视化特征信息等。
其中，构建探测目标的可感知特征向量，包括：
Figure SMS_29
；
其中，
Figure SMS_31
表示探测目标的一系列特征，具体包括探测目标的一系列特征包括：纹理外光
Figure SMS_34
、轮廓尺寸
Figure SMS_36
、分布情况
Figure SMS_32
、实时位置
Figure SMS_35
、运动速度
Figure SMS_37
、运动方向
Figure SMS_38
、声源位置
Figure SMS_30
、电磁辐射源位置
Figure SMS_33
；
分析先验感知手段排序包括：
Figure SMS_39
；
其中，
Figure SMS_40
表示一系列感知手段，包括：可见光感知
Figure SMS_41
、红外感知
Figure SMS_42
、声学感知
Figure SMS_43
、激光感知
Figure SMS_44
、辐射源感知
Figure SMS_45
；
通过机器学习建立特征映射模型：
Figure SMS_46
；
将探测目标对应的特征向量输入特征映射模型，分析探测目标的感知特征，通过感知特征映射获得感知手段综合得分，从而得到感知手段排序，得到最优的感知资源。
具体的，将感知目标特征向量输入特征映射模型，分析探测目标的感知特征，通过感知特征映射获得感知手段综合得分，从而得到感知手段排序。例如：某类探测目标的一系列特征包括：静态可视化特征包括：纹理外光
Figure SMS_47
、轮廓尺寸
Figure SMS_53
、分布情况
Figure SMS_57
、运动特征包括：实时位置
Figure SMS_50
、运动速度
Figure SMS_54
、运动方向
Figure SMS_58
，热辐射特征包括：声源位置
Figure SMS_60
、电磁辐射源位置
Figure SMS_49
。其中，特征
Figure SMS_51
-
Figure SMS_55
可利用可见光感知手段，可见光感知分得为6；同理，
Figure SMS_59
-
Figure SMS_48
可利用红外感知手段，其得分为5；
Figure SMS_52
-
Figure SMS_56
可利用激光感知手段，其得分为3，得分越高，表示该感知手段推荐优先级越高。通过现有的感知资源，如：可见光探测资源（摄像机），红外感知资源（红外探测仪）、激光感知（激光探测仪）等，结合感知手段得分排序结果得到最优的感知资源。
步骤1：获取感知资源的网格位置信息。
步骤2：计算目标与感知资源的网格距离。
步骤3：分析感知资源的机动能力、剩余电量、油量等信息。
步骤4：过滤无法满足到达指定网格位置时间要求的感知资源。
图5是本发明的基于空间网格的探测地域周边情况分析方法，具体包含以下步骤：
步骤1：分析网格内道路对感知资源的影响，筛选出可以到达的探测目标区域的感知资源。
步骤2：分析网格内地形对感知资源的影响，筛选出适宜探测区域地形的感知资源。
步骤3：依据最终筛选出的感知资源，在网格中构建协同线，指导感知资源的协同任务。
对感知资源进行进一步的筛选，包括：
获取初步筛选后的感知资源网格位置状态；
计算感知目标与感知资源网格距离，表示为：
Figure SMS_61
；
其中，
Figure SMS_62
，
Figure SMS_63
分别为探测目标
Figure SMS_64
与感知资源
Figure SMS_65
在水平方向上、垂直方向上的网格间隔数量，k为每个网格的边长,
Figure SMS_66
,
Figure SMS_67
通过比较网格的编号在水平、垂直方向上的变化得出；
S33分析感知资源机动能力、当前电量、油量信息，进而过滤掉无法在规定时间到达探测目标网格位置的感知资源。
分析感知资源机动能力、当前电量、油量信息，进而过滤掉无法在规定时间到达感知目标网格位置的感知资源。例如，常见的携带可见光感知设备的无人机，考虑其飞行速度、续航时间、规定抵达时间、预估任务时间、感知目标和感知资源网格距离等；对于大型雷达设备，机动性能弱，则考虑其探测覆盖范围、感知目标和感知资源网格距离等。
所述构建网格协同线，网格协同线是各个感知资源行动至目标网格位置的路线，由于各个感知资源是协同工作，由于网格协同线比较简单直观、指向明确，因此通过构建网格协同线可指导感知资源的协同任务。
Figure SMS_68
；
其中，
Figure SMS_69
为第i个感知资源，
Figure SMS_70
为第i个感知资源到探测目标的距离，距离L在考虑道路、地形等、满足任务的情况下尽可能小。在道路便利的地方，可以近距离的人、车近距离观测，网格协同线为道路线；对于山地，则需要更多利用无人机探测等，网格协同线为无人机飞行路线。

Claims (6)

1.一种基于空间网格编码的对地协同探测方法，其特征在于，该方法包括以下步骤：
S1采用空间网格等距规划法，对任务探测目标区域栅格化处理；
S2对所述任务探测目标区域中的探测目标进行特性分析，进而初步筛选感知资源；
S3获取所述感知资源对应的网格位置，通过计算感知目标位置与感知资源所在位置距离，对感知资源进行二次筛选；
S4分析网格内道路和地形对感知资源的影响，筛选出可到达任务探测目标区域以及适宜探测区域地形的感知资源，依据最终筛选出的感知资源构建网格协同线，指导感知资源的协同任务。
2.根据权利要求1所述的基于空间网格编码的对地协同探测方法，其特征在于，步骤S1中，空间网格等距规划法，包括：
S11在一幅包含了任务探测目标区域和感知资源的矩形地图上，取地图宽度的1/10作为栅格的边长对地图进行栅格化，并根据地形地貌、探测精度动态调整栅格边长，
S12将任务探测目标区域按确定的栅格大小进行等距栅格化；
S13对栅格化的探测目标区域对应的栅格进行统一编号，并在感知资源协同中进行使用。
3.根据权利要求1所述的基于空间网格编码的对地协同探测方法，其特征在于，步骤S2中，对所述任务探测目标区域中的探测目标进行特性分析，包括：
S21对任务探测目标区域中的探测目标进行多维度空间描述，形成多种特征参数，所述多维度空间描述包括：目标材料、尺寸、时/频/空/能辐射特征、雷达RCS特征、红外/SAR图像特征；
S22 分析、整理高价值目标的可感知特征，并获取探测目标的关键信息，所述可感知特征信息及其分类包括：静态可视化特征、运动特征、声学特征、电磁辐射特征；所述静态可视化特征包括：纹理外光、轮廓尺寸、分布情况；所述运动特征包括：实时位置、运动速度、运动方向；所述声学特征包括：声源位置；所述电磁辐射特征包括：电磁辐射源位置；
S23通过传感器获取多种特征参数并构建探测目标的可感知特征向量；
S24通过可感知特征分析先验感知手段排序，筛选出适宜的感知资源。
4.根据权利要求3所述的基于空间网格编码的对地协同探测方法，其特征在于，所述
构建探测目标的可感知特征向量，包括：
S231将探测目标的一系列特征向量化：
Figure QLYQS_1
；
其中，
Figure QLYQS_4
表示探测目标的一系列特征，具体包括探测目标的一系列特征包括：纹理外光
Figure QLYQS_7
、轮廓尺寸
Figure QLYQS_9
、分布情况
Figure QLYQS_3
、实时位置
Figure QLYQS_6
、运动速度
Figure QLYQS_8
、运动方向
Figure QLYQS_10
、声源位置
Figure QLYQS_2
、电磁辐射源位置
Figure QLYQS_5
；
S232分析先验感知手段排序包括：
Figure QLYQS_11
；
其中，
Figure QLYQS_12
表示一系列感知手段，包括：可见光感知
Figure QLYQS_13
、红外感知
Figure QLYQS_14
、声学感知
Figure QLYQS_15
、激光感知
Figure QLYQS_16
、辐射源感知
Figure QLYQS_17
；
S233通过机器学习建立特征映射模型：
Figure QLYQS_18
；
将探测目标对应的特征向量输入特征映射模型，分析探测目标的感知特征，通过感知特征映射获得感知手段综合得分，从而得到感知手段排序，得到最优的感知资源。
5.根据权利要求1所述的基于空间网格编码的对地协同探测方法，其特征在于，步骤S3中，对感知资源进行二次筛选，包括：
S31获取初步筛选后的感知资源对应网格的位置状态；
S32计算探测目标与感知资源网格距离，表示为：
Figure QLYQS_19
；
其中，
Figure QLYQS_20
，
Figure QLYQS_21
分别为探测目标
Figure QLYQS_22
与感知资源
Figure QLYQS_23
在水平方向上、垂直方向上的网格间隔数量，k为每个网格的边长,
Figure QLYQS_24
,
Figure QLYQS_25
通过比较网格的编号在水平、垂直方向上的变化得出；
S33分析感知资源机动能力、当前电量、油量信息，进而过滤掉无法在规定时间到达探测目标网格位置的感知资源。
6.根据权利要求1所述的基于空间网格编码的对地协同探测方法，其特征在于，步骤S4中，构建网格协同线包括：网格协同线是各个感知资源行动至探测目标对应网格位置的路线，由于各个感知资源是协同工作，因此通过构建网格协同线可指导感知资源的协同任务:
Figure QLYQS_26
；
其中，
Figure QLYQS_27
为第i个感知资源，
Figure QLYQS_28
为第i个感知资源到探测目标的距离，距离在考虑道路、地形、满足任务的情况下尽可能小；在道路便利的地方，近距离的人、车近距离观测，网格协同线为道路线；对于山地，则需要更多利用无人机探测，所述网格协同线为无人机飞行路线。
CN202310048369.9A 2023-01-31 2023-01-31 一种基于空间网格编码的对地协同探测方法 Active CN115797452B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310048369.9A CN115797452B (zh) 2023-01-31 2023-01-31 一种基于空间网格编码的对地协同探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310048369.9A CN115797452B (zh) 2023-01-31 2023-01-31 一种基于空间网格编码的对地协同探测方法

Publications (2)

Publication Number Publication Date
CN115797452A true CN115797452A (zh) 2023-03-14
CN115797452B CN115797452B (zh) 2023-04-28

Family

ID=85429380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310048369.9A Active CN115797452B (zh) 2023-01-31 2023-01-31 一种基于空间网格编码的对地协同探测方法

Country Status (1)

Country Link
CN (1) CN115797452B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190086549A1 (en) * 2017-09-15 2019-03-21 Toyota Research Institute, Inc. System and method for object detection using a probabilistic observation model
CN114295139A (zh) * 2021-12-14 2022-04-08 武汉依迅北斗时空技术股份有限公司 一种协同感知定位方法及系统
CN114331056A (zh) * 2021-12-14 2022-04-12 中国运载火箭技术研究院 一种基于概率图动态规划的在线协同探测任务规划方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190086549A1 (en) * 2017-09-15 2019-03-21 Toyota Research Institute, Inc. System and method for object detection using a probabilistic observation model
CN114295139A (zh) * 2021-12-14 2022-04-08 武汉依迅北斗时空技术股份有限公司 一种协同感知定位方法及系统
CN114331056A (zh) * 2021-12-14 2022-04-12 中国运载火箭技术研究院 一种基于概率图动态规划的在线协同探测任务规划方法

Also Published As

Publication number Publication date
CN115797452B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
Chen et al. Distribution line pole detection and counting based on YOLO using UAV inspection line video
KR102024695B1 (ko) 감시카메라 배치 모델링 시스템 및 방법
CN110866887A (zh) 一种基于多传感器的目标态势融合感知方法和系统
CN105184250A (zh) 一种电力走廊机载LiDAR点云数据的地物分类方法
KR20190029610A (ko) 변화 검출 기반의 이미지 획득 시스템
CN109949326A (zh) 基于背包式三维激光点云数据的建筑物轮廓线提取方法
CN102074047A (zh) 一种高精细城市三维建模方法
Vick et al. Road design layer detection in point cloud data for construction progress monitoring
CN110189405B (zh) 一种顾及建筑物密度的实景三维建模方法
KR102553327B1 (ko) 영상 처리 방법, 상기 방법을 기록한 컴퓨터 판독 가능 저장 매체 및 영상 처리 장치.
CN112634340A (zh) 基于点云数据确定bim模型的方法、装置、设备和介质
KR102414307B1 (ko) 3d 맵의 변경 구역 업데이트 시스템 및 그 방법
CN112305559A (zh) 基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备
US20220044558A1 (en) Method and device for generating a digital representation of traffic on a road
CN108537361A (zh) 一种机动雷达和通信台站的选址评估方法
Zheng et al. Background noise filtering and clustering with 3D LiDAR deployed in roadside of urban environments
CN108711172A (zh) 基于细粒度分类的无人机识别与定位方法
EP3940666A1 (en) Digital reconstruction method, apparatus, and system for traffic road
CN116168246A (zh) 一种用于铁路工程的弃渣场识别方法、装置、设备及介质
CN116844068A (zh) 建筑测绘方法、系统、计算机设备及存储介质
Taubenböck et al. Remote sensing—An effective data source for urban monitoring
CN116524143A (zh) 一种gis地图构建方法
CN115797452A (zh) 一种基于空间网格编码的对地协同探测方法
CN116129064A (zh) 电子地图生成方法、装置、设备及存储介质
CN113867410A (zh) 一种无人机航拍数据的采集模式识别方法和系统

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