CN116152687B - 一种无人机数据采集模块 - Google Patents

一种无人机数据采集模块 Download PDF

Info

Publication number
CN116152687B
CN116152687B CN202310432724.2A CN202310432724A CN116152687B CN 116152687 B CN116152687 B CN 116152687B CN 202310432724 A CN202310432724 A CN 202310432724A CN 116152687 B CN116152687 B CN 116152687B
Authority
CN
China
Prior art keywords
data
unit
image
area
segmentation
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
Application number
CN202310432724.2A
Other languages
English (en)
Other versions
CN116152687A (zh
Inventor
滕波
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.)
Shenzhen Huimingjie Technology Co ltd
Original Assignee
Shenzhen Huimingjie 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 Shenzhen Huimingjie Technology Co ltd filed Critical Shenzhen Huimingjie Technology Co ltd
Priority to CN202310432724.2A priority Critical patent/CN116152687B/zh
Publication of CN116152687A publication Critical patent/CN116152687A/zh
Application granted granted Critical
Publication of CN116152687B publication Critical patent/CN116152687B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00Television systems
    • H04N7/18Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • H04N7/185Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G06V10/765Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/17Terrestrial scenes taken from planes or by drones

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Remote Sensing (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明涉及一种无人机数据采集模块,包括采集单元、存储单元、图像处理单元、图像分割单元、第一数据打包单元、第二数据打包单元、第一数据传输单元、第二数据传输单元以及传输控制单元,其中第二数据传输单元的传输速率高于第一数据传输单元的传输速率。在未发现突发事件时,数据采集模块采集实时拍摄画面的图像数据,并将实时画面的完整图像数据通过低速传输通道上传至大数据平台;而在发现突发事件时,数据采集模块采集实时拍摄画面的图像数据,但对实时图像画面进行分割,分割后的图像中包含突发事件信息,再将分割图像的图像数据通过高速传输通道上传至大数据平台。可以在网速欠佳的情况下能更快速和及时对突发事件数据上传。

Description

一种无人机数据采集模块
技术领域
本发明涉及无人机数据采集技术领域,具体涉及一种无人机数据采集模块。
背景技术
近年来,无人机已经在各种行业情境下投入实际使用,它能够有效在灾害发生时快速确认损害的整体情况以及进行信息收集。
我国国土面积大,地震、台风、水灾、火灾等自然灾害多发,在一些人口稀少的地区可借助无人机巡检快速发现自然灾害等突发事件。
无人机灾害巡检是通过控制无人机在指定区域巡航,无人机巡航过程中拍摄下方区域的图像,通过图像识别技术判断拍摄的图像中是否发生突发事件,在发生突发事件时向监控人员发出报警信息,实现了灾害的快速发现和及时响应。
现有技术中,是将无人机拍摄的每一张完整图像都采集并实时上传至大数据平台,再由大数据平台对图像进行识别和分析,由于拍摄的图像分辨率较高、图像数据量较大,在上传图像数据时就需要无人机所在区域覆盖的移动通信网络质量较好能达到较高的网速。
但是在人口稀少的地区,移动通信网络质量可能比较差导致网速较低,会造成图像数据上传延迟较高甚至需要重新上传才能成功,不利于及时发现突发事件。
发明内容
基于上述表述,本发明提供了一种无人机数据采集模块,其可以对图像进行分割处理,降低图像数据量,在网速欠佳的情况下有利于及时发现突发事件并上传突发事件的信息。
本发明解决上述技术问题的技术方案如下:
一种无人机数据采集模块,包括采集单元、存储单元,还包括图像处理单元、图像分割单元、第一数据打包单元、第二数据打包单元、第一数据传输单元、第二数据传输单元以及传输控制单元,其中第二数据传输单元的传输速率高于第一数据传输单元的传输速率;所述传输控制单元用于控制第一数据传输单元和第二数据传输单元;所述图像处理单元用于对图像数据处理以识别图像画面中的突发事件及其覆盖范围,并将识别到突发事件及其覆盖范围信息发送至图像分割单元;所述图像分割单元用于根据突发事件的类型确定图像分割规则,进而根据图像分割规则和突发事件的覆盖范围确定分割区域,再将分割区域内的图像从原图像中分割出来;所述第一数据打包单元用于将存储单元内存储的图像数据打包并将数据包传输至第一数据传输单元;所述第一数据传输单元用于将接收到的数据上传至大数据平台;所述第二数据打包单元用于提取分割出来的图像中的图像数据并将提取到的图像数据打包,并将数据包传输至第二数据传输单元;所述第二数据传输单元用于将接收到的数据上传至大数据平台。
作为优选方案:所述图像处理单元对采集到的图像数据进行处理和识别,以判断图像画面中是否出现突发事件,所述图像处理单元将判断结果反馈至传输控制单元;若图像画面中未出现突发事件,则第一数据打包单元直接将存储单元内的原图像完整图像数据打包传输至第一数据传输单元,所述传输控制单元控制第一数据传输单元将完整的图像数据上传至云端的大数据平台;若图像画面中出现突发事件,所述传输控制单元控制第一数据传输单元停止上传数据,同时图像分割单元按照前述规则对图像进行分割,所述第二数据打包单元对分割得到的图像中的图像数据进行打包,并将数据包传输至第二数据传输单元,所述传输控制单元控制第二数据传输单元将数据上传至大数据平台。
作为优选方案:所述分割规则即根据突发事件的类型和覆盖范围确定其取样区域,再以取样区域的中心点为基准,将取样区域的边界放大一定倍数k得到放大边界,所述放大边界涵盖的范围即为分割区域,所述图像分割单元再将分割区域内的图像分割出来。
作为优选方案:还包括计算比较单元和用于检测网速的信号检测单元,所述计算比较单元预设有多组网速区间和比值区间且网速区间组数与比值区间组数相等,所述信号检测单元检测无人机当前所在区域的通信网络的网速并将检测到的网速数据反馈至计算比较单元; 在图像分割单元确定取样区域后,所述计算比较单元计算取样区域的面积和原图像画面的面积,并计算取样区域面积与原图像画面面积的比值S;所述计算比较单元判断当前比值S处于哪一比值区间并判断当前网速处于哪一网速区间,进而确定比值区间编号数值M和网速区间编号数值N;所述计算比较单元计算M和N的差值Z,并根据差值Z调整系数α,所述计算比较单元将调整系数α反馈至图像分割单元,所述图像分割单元根据调整系数α和放大倍数k得到修正倍数k0,所述图像分割单元将取样区域的边界放大倍数k0得到放大边界,放大边界涵盖的范围即为修正分割区域。
作为优选方案:还包括数据标记模块,所述图像处理单元判断当前图像画面中发生突发事件时,所述图像分割单元对当前原图像进行分割,同时数据标记单元对该原图像的完整图像数据进行标记;当第二数据传输单元结束对上一次分割得到的图像的数据包传输且当前图像画面中未发生突发事件时,所述第二数据打包单元将之前被标记的原图像的完整图像数据打包,并将该数据包传输至第二数据传输单元,所述传输控制单元控制第二数据传输单元将数据传输至大数据平台。
作为优选方案:还包括数据降维单元,所述信号检测单元检测通信网络的网速,并将检测到的网速数据反馈至计算比较单元,所述计算比较单元将网速值与预设的低网速值进行比较并将比较结果反馈至数据降维单元,当检测到的网速值小于低网速值时,所述数据降维单元对图像分割单元分割出的图像进行灰度化处理,以降低图像数据的维度。
与现有技术相比,本申请的技术方案具有以下有益技术效果:
该数据采集模块具有图像识别和图像分割功能,在无人机巡检过程中未发现突发事件时,数据采集模块采集实时拍摄画面的图像数据,并将实时画面的完整图像数据通过低速传输通道上传至大数据平台;而当在巡视过程中发现突发事件时,数据采集模块采集实时拍摄画面的图像数据,但对实时图像画面进行分割,分割后的图像中包含突发事件信息,再将分割图像的图像数据通过高速传输通道上传至大数据平台。如此可以在发生突发事件时针对事件位置,优先将突发事件坐在位置的图像数据高速传输至大数据平台,如此能有效减少图像数据处理量和传输量,还能保留关键图像数据,在网速欠佳的情况下能更快速和及时对突发事件数据上传。
附图说明
图1为实施例一中的数据采集模块的示意图;
图2为实施例二中的数据采集模块的示意图;
具体实施方式
实施例一:
参照图1,一种无人机数据采集模块,包括采集单元、存储单元、图像处理单元、图像分割单元、第一数据打包单元、第二数据打包单元、第一数据传输单元、第二数据传输单元以及传输控制单元,其中第二数据传输单元的传输速率高于第一数据传输单元的传输速率。
传输控制单元用于控制第一数据传输单元和第二数据传输单元。
数据采集单元用于采集无人机摄像头模块输出的图像数据,并将采集到的图像数据传输至存储单元;存储单元用于存储采集到的图像数据;图像处理单元用于对图像数据处理,以识别图像画面中的突发事件及其覆盖范围,并将识别到突发事件及其覆盖范围信息发送至图像分割单元;图像分割单元根据突发事件的类型确定图像分割规则,进而根据图像分割规则和突发事件的覆盖范围确定分割区域,再将分割区域内的图像从原图像中分割出来;第一数据打包单元用于将存储单元内存储的图像数据打包并将数据包传输至第一数据传输单元;第一数据传输单元用于将接收到的数据上传至大数据平台;第二数据打包单元用于提取分割出来的图像中的图像数据并将提取到的图像数据打包,并将数据包传输至第二数据传输单元;第二数据传输单元用于将接收到的数据上传至大数据平台。
本实施例中图像处理的过程为:图像处理单元对原图像进行坐标化和网格化处理,并对坐标化图像中的图像特征进行提取和识别,通过识别到的图像特征判断图像画面中是否出现突发事件并判断突发事件的覆盖范围。例如,当图像画面中出现烟雾和火焰特征时,判断发生了火灾,并能根据图像中的颜色或是亮度信息判断火灾的覆盖范围;当图像画面中出现了水面特征且水面中出现了建筑特征,判断发生了水灾,并能根据图像的中的颜色和亮度信息判断水灾的覆盖范围。
接着是根据事件类型及其覆盖范围确定分割区域。
本实施例中,对于不同的突发事件类型,图像分割单元中预设有不同的分割规则;例如,对于火灾,图像分割规则识别图像中燃烧区域的轮廓,并以该轮廓的在坐标系中最左位置点、最右位置点、最上位置点和最下位置点确定一矩形区域(具体为在最左位置点和最右位置点分别绘制第一竖线和第二竖线,在最上位置点和最下位置点分别绘制第一横线和第二横线,四条线条合围的区域即为该矩形区域)即火灾取样区域,再以火灾取样区域的中心点为基准,将火灾取样区域的边界放大一定倍数k得到放大边界,放大边界涵盖的范围即为分割区域;对于水灾,图像分割单元根据颜色识别水面中建筑物,并确定各个建筑物在坐标系中的位置,图像分割单元逐次扫描图像中的各个网格区域,并统计各个网格区域内的建筑物数量,再通过比较筛选出包含建筑物数量最多的网格区域,将该网格区域极为水灾取样区域,再以水灾取样区域的中心点为基准,将水灾取样区域的边界放大一定倍数k得到放大边界,放大边界涵盖的范围即为分割区域。
接着,图像分割单元将分割区域内的图像分割出来;第二数据打包单元提取分割出来的图像中的图像数据并将提取到的数据打包,接着将数据包传输至第二数据传输单元;第二数据传输单元用于将接收到的数据上传至大数据平台。
该数据采集模块在工作时,图像处理单元对采集到的图像数据进行处理和识别,以判断图像画面中是否出现突发事件,图像处理单元将判断结果反馈至传输控制单元。
若图像画面中未出现突发事件,则第一数据打包单元直接将存储单元内的原图像完整图像数据打包传输至第一数据传输单元,传输控制单元控制第一数据传输单元将完整的图像数据上传至云端的大数据平台。在大数据平台通过对图像数据的解析和处理,可以还原出现场拍摄的完整图像画面。
若图像画面中出现突发事件,传输控制单元控制第一数据传输单元停止上传数据(在其他实施例中,第一数据传输单元也可以不停止上传数据),同时图像分割单元按照前述规则对图像进行分割,第二数据打包单元对分割得到的图像中的图像数据进行打包,并将数据包传输至第二数据传输单元,传输控制单元控制第二数据传输单元将数据上传至大数据平台。在大数据平台通过对图像数据的解析和处理,可以还原出分割出的图像画面。
通过上述手段可以实现无人机巡检过程中未发现突发事件时,数据采集模块采集实时拍摄画面的图像数据,并将实时画面的完整图像数据通过低速传输通道上传至大数据平台;而当在巡视过程中发现突发事件时,数据采集模块采集实时拍摄画面的图像数据,但对实时图像画面进行分割,分割后的图像中包含突发事件信息,再将分割图像的图像数据通过高速传输通道上传至大数据平台。如此可以在发生突发事件时针对事件位置,优先将突发事件坐在位置的图像数据高速传输至大数据平台,如此能有效减少数据处理量和传输量,还能保留关键图像数据,在网速欠佳的情况下能更快速及时对突发事件数据的上传。
考虑到发生突发事件时,数据采集模块只是将事件所在位置的图像数据(即分割区域内的图像数据)进行上传,而原图像的完整图像数据并未上传至大数据平台。当后续要对现场完整还原和调查时,可能就会缺失一些有价值的数据。
为避免上述情况发生,本实施例中的无人机数据采集模块还包括数据标记模块。
无人机拍摄到的所有图像数据都存储在存储单元中,图像处理单元判断当前图像画面中发生突发事件时,图像分割单元对当前原图像进行分割,同时数据标记单元对该原图像的完整图像数据进行标记;当第二数据传输单元结束对上一次分割得到的图像的数据包传输且当前图像画面中未发生突发事件时,第二数据打包单元将之前被标记的原图像的完整图像数据打包,并将该数据包传输至第二数据传输单元,传输控制单元控制第二数据传输单元将数据传输至大数据平台,如此可以利用空闲状态的第二数据传输单元将之前暂留在存储单元内的完整图像数据高速传输至大数据平台,以最短的时间将缺失的图像数据上传,保证后续可以还原全过程完整的图像画面。
实施例二:
参照图2,一种无人机数据采集模块,本实施例在实施例一的基础上加入了计算比较单元和用于检测网速的信号检测单元。
考虑到无人机作业的区域内通信网络的网速比较好、容许传输较大的数据量的前提下,尽量从原图像中分割出面积较大的分割区域,并将分割区域的图像数据上传,有利于让后方监控人员获得更多现场的信息。
数据采集模块工作的过程中,信号检测单元检测无人机当前所在区域的通信网络的网速,并将检测到的网速数据反馈至计算比较单元。计算比较单元预设从小到大预设有多组网速区间。本实施例中以三组网速区间为例:即第一网速区间、第二网速区间和第三网速区间,依次对三组网速区间编号,三组网速区间的编号数值分别为1、2、3。
在图像分割单元确定取样区域后,计算比较单元计算取样区域的面积(可以根据取样区域在横纵坐标上的跨度计算得到),且计算比较单元从图像处理单元获取原图像长宽信息并计算原图像画面的面积,计算比较单元计算取样区域面积与原图像画面面积的比值S。计算比较单元从小到大预设有多组比值区间。本实施例中以三组比值区间为例:第一比值区间、第二比值区间和第三比值区间,依次对三组比值区间编号,三组比值区间的编号数值分别为1、2、3。
比值区间的组数与网速区间的组数相同。
在无人机数据采集模块工作的过程中,计算比较单元判断当前比值S处于哪一比值区间并判断当前网速处于哪一网速区间,进而确定比值区间编号数值M和网速区间编号数值N;计算比较单元计算M和N的差值Z(Z=M-N),每组差值对应一个调整系数α。
当Z为正数时α小于1,且α的值随着Z的增大而减小;当Z为负数时α大于1;且α的值随着Z的减小而增大。
计算比较单元确定调整系数α后,将调整系数α反馈至图像分割单元,图像分割单元根据调整系数α和放大倍数k得到修正倍数k0,修正倍数k0=α×k。
图像分割单元确定突发事件的取样区域后,将取样区域的边界放大倍数k0得到放大边界,放大边界涵盖的范围即为修正分割区域。
图像分割单元从原图像中分割出修正分割区域内的图像,第二数据打包单元提取分割图像的图像数据并将数据打包,并将数据包传输至第二数据传输单元,由第二数据传输单元将数据上传至大数据平台。
通过上述措施可以实现根据网速自动调整分割图像的大小,即调整需要上传的图像数据量大小。能在网速较低时自动缩小上传的图像数据量,更快将突发事件信息上传至云端;并能在网速较高时自动增加上传的图像数据量,将后方监控人员传递更多的现场信息。
本实施例中的无人机数据采集模块还包括数据降维单元,数据降维单元用于对分割图像的图像数据进行灰度化处理。在无人机数据采集模块运行的过程中,信号检测单元检测通信网络的网速,并将检测到的网速数据反馈至计算比较单元,计算比较单元将网速值与一预设的低网速值进行比较并将比较结果反馈至数据降维单元,当检测到的网速值小于低网速值时,数据降维单元对图像分割单元分割出的图像进行灰度化处理,以降低图像数据的维度,进一步减少输出传输量,以达到在低网速下及时上传突发事件必要信息的目的。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (4)

1.一种无人机数据采集模块,包括采集单元、存储单元,其特征是:还包括图像处理单元、图像分割单元、第一数据打包单元、第二数据打包单元、第一数据传输单元、第二数据传输单元以及传输控制单元,其中第二数据传输单元的传输速率高于第一数据传输单元的传输速率;所述传输控制单元用于控制第一数据传输单元和第二数据传输单元;所述图像处理单元用于对图像数据处理以识别图像画面中的突发事件及其覆盖范围,并将识别到突发事件及其覆盖范围信息发送至图像分割单元;所述图像分割单元用于根据突发事件的类型确定图像分割规则,进而根据图像分割规则和突发事件的覆盖范围确定分割区域,再将分割区域内的图像从原图像中分割出来;所述第一数据打包单元用于将存储单元内存储的图像数据打包并将数据包传输至第一数据传输单元;所述第一数据传输单元用于将接收到的数据上传至大数据平台;所述第二数据打包单元用于提取分割出来的图像中的图像数据并将提取到的图像数据打包,并将数据包传输至第二数据传输单元;所述第二数据传输单元用于将接收到的数据上传至大数据平台;所述分割规则即根据突发事件的类型和覆盖范围确定其取样区域,再以取样区域的中心点为基准,将取样区域的边界放大倍数k得到放大边界,所述放大边界涵盖的范围即为分割区域,所述图像分割单元再将分割区域内的图像分割出来;该无人机数据采集模块还包括计算比较单元和用于检测网速的信号检测单元,所述计算比较单元预设有多组网速区间和比值区间且网速区间组数与比值区间组数相等,所述信号检测单元检测无人机当前所在区域的通信网络的网速并将检测到的网速数据反馈至计算比较单元; 在图像分割单元确定取样区域后,所述计算比较单元计算取样区域的面积和原图像画面的面积,并计算取样区域面积与原图像画面面积的比值S;所述计算比较单元判断当前比值S处于哪一比值区间并判断当前网速处于哪一网速区间,进而确定比值区间编号数值M和网速区间编号数值N;所述计算比较单元计算M和N的差值Z,并根据差值Z调整系数α,所述计算比较单元将调整系数α反馈至图像分割单元,所述图像分割单元根据调整系数α和放大倍数k得到修正倍数k0,所述图像分割单元将取样区域的边界放大倍数k0得到放大边界,放大边界涵盖的范围即为修正分割区域。
2.根据权利要求1所述的无人机数据采集模块,其特征是:所述图像处理单元对采集到的图像数据进行处理和识别,以判断图像画面中是否出现突发事件,所述图像处理单元将判断结果反馈至传输控制单元;若图像画面中未出现突发事件,则第一数据打包单元直接将存储单元内的原图像完整图像数据打包传输至第一数据传输单元,所述传输控制单元控制第一数据传输单元将完整的图像数据上传至云端的大数据平台;若图像画面中出现突发事件,所述传输控制单元控制第一数据传输单元停止上传数据,同时图像分割单元对图像进行分割,所述第二数据打包单元对分割得到的图像中的图像数据进行打包,并将数据包传输至第二数据传输单元,所述传输控制单元控制第二数据传输单元将数据上传至大数据平台。
3.根据权利要求1所述的无人机数据采集模块,其特征是:还包括数据标记模块,所述图像处理单元判断当前图像画面中发生突发事件时,所述图像分割单元对当前原图像进行分割,同时数据标记单元对该原图像的完整图像数据进行标记;当第二数据传输单元结束对上一次分割得到的图像的数据包传输且当前图像画面中未发生突发事件时,所述第二数据打包单元将之前被标记的原图像的完整图像数据打包,并将该数据包传输至第二数据传输单元,所述传输控制单元控制第二数据传输单元将数据传输至大数据平台。
4.根据权利要求1所述的无人机数据采集模块,其特征是:还包括数据降维单元,所述信号检测单元检测通信网络的网速,并将检测到的网速数据反馈至计算比较单元,所述计算比较单元将网速值与预设的低网速值进行比较并将比较结果反馈至数据降维单元,当检测到的网速值小于低网速值时,所述数据降维单元对图像分割单元分割出的图像进行灰度化处理,以降低图像数据的维度。
CN202310432724.2A 2023-04-21 2023-04-21 一种无人机数据采集模块 Active CN116152687B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310432724.2A CN116152687B (zh) 2023-04-21 2023-04-21 一种无人机数据采集模块

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310432724.2A CN116152687B (zh) 2023-04-21 2023-04-21 一种无人机数据采集模块

Publications (2)

Publication Number Publication Date
CN116152687A CN116152687A (zh) 2023-05-23
CN116152687B true CN116152687B (zh) 2023-07-14

Family

ID=86374037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310432724.2A Active CN116152687B (zh) 2023-04-21 2023-04-21 一种无人机数据采集模块

Country Status (1)

Country Link
CN (1) CN116152687B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009071390A (ja) * 2007-09-11 2009-04-02 Panasonic Corp 画像通信システム、通信端末、並びに半導体集積回路
CN104954804A (zh) * 2015-06-19 2015-09-30 苏州淘老外网络科技有限公司 一种自适应图像分辨率处理方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105933647B (zh) * 2016-04-20 2019-03-05 武汉凯乐华芯集成电路有限公司 一种智能交互门禁控制方法及系统
JP2018086781A (ja) * 2016-11-29 2018-06-07 キヤノン株式会社 画像形成装置
CN106851197A (zh) * 2017-01-25 2017-06-13 宁波市沃特测试技术服务有限公司 无人机传输图像方法和系统、无人机和接收设备
CN110956635B (zh) * 2019-11-15 2023-12-01 上海联影智能医疗科技有限公司 一种肺段分割方法、装置、设备及存储介质
CN111935454B (zh) * 2020-07-27 2022-08-26 衡阳市大井医疗器械科技有限公司 省流量图像流传输方法及电子设备
CN112616126B (zh) * 2020-12-10 2022-04-12 天津(滨海)人工智能军民融合创新中心 一种基于分布式协作的传感器信息处理方法
CN112541426B (zh) * 2020-12-10 2022-09-30 天津(滨海)人工智能军民融合创新中心 基于无人机集群协同感知的通信带宽自适应数据处理方法
CN113592819A (zh) * 2021-07-30 2021-11-02 上海皓桦科技股份有限公司 图像处理系统及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009071390A (ja) * 2007-09-11 2009-04-02 Panasonic Corp 画像通信システム、通信端末、並びに半導体集積回路
CN104954804A (zh) * 2015-06-19 2015-09-30 苏州淘老外网络科技有限公司 一种自适应图像分辨率处理方法

Also Published As

Publication number Publication date
CN116152687A (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
CN108109385B (zh) 一种输电线防外破的车辆识别与危险行为判别系统与方法
CN111860160A (zh) 一种室内检测口罩佩戴的方法
CN113705372B (zh) 一种应用于配网作业现场违章的ai识别系统
CN112528971A (zh) 基于深度学习的输电线路异常目标检测方法及系统
CN116189103B (zh) 基于视觉图像分析的设备监控自动控制方法及控制系统
CN111951520A (zh) 一种输电线路导线覆冰厚度侦测系统及方法
CN115620239B (zh) 一种点云和视频结合的输电线路在线监测方法和系统
CN115562340A (zh) 一种配网线路无人机巡检故障判别系统
CN113569956A (zh) 一种基于ai算法的山火灾害勘查识别方法
CN116320292A (zh) 基于大数据的水利监控控制系统
CN116152687B (zh) 一种无人机数据采集模块
CN114049320A (zh) 一种基于图片相似度的器件缺失ai质检方法与装置
CN112489018A (zh) 一种电力线智能巡线方法及巡线
CN116403384A (zh) 一种基于物联网技术的远程人工智能消防预警系统
CN110956611A (zh) 一种集成卷积神经网络的烟雾检测方法
CN112686214A (zh) 一种基于Retinaface算法的人脸口罩检测系统和方法
CN115664006B (zh) 一种增量配电网智能管控一体化平台
CN115393900A (zh) 一种基于物联网的智慧工地安全监管方法及系统
CN114821444A (zh) 一种基于视觉感知的无人天车作业区域安全检测方法
CN114332632A (zh) 一种安全帽识别装置及方法
CN117671914B (zh) 一种无人机多传感器林火识别方法、装置和系统
CN113033326A (zh) 一种光伏电站施工踩踏组件监测方法
CN111695492A (zh) 一种输电线路下垂钓隐患的检测方法及系统
EP4159580A1 (en) Monitoring device and monitoring method
CN112132804B (zh) 一种用于集卡轮毂的防吊起检测方法

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