CN116912720B - 一种判断无人机影像目标是否发生重复识别的方法 - Google Patents
一种判断无人机影像目标是否发生重复识别的方法 Download PDFInfo
- Publication number
- CN116912720B CN116912720B CN202311168025.8A CN202311168025A CN116912720B CN 116912720 B CN116912720 B CN 116912720B CN 202311168025 A CN202311168025 A CN 202311168025A CN 116912720 B CN116912720 B CN 116912720B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- target object
- image
- representing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
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
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
一种判断无人机影像目标是否发生重复识别的方法,包括步骤:准备无人机飞行视频、飞行数据及配置文件;通过飞行数据将图像坐标转换为表示目标物与无人机的实际距离的GPS坐标;首先判断检测到的目标物是否处于无人机所要过滤的目标区域,然后判断是否为第一次检测到该目标物,并基于先后两种判断决定是否过滤目标物,以完成对无人机影像目标物的重复识别。本发明通过获取无人机的拍摄视频以及配置文件进行图上距离与实际距离的转换,从而过滤掉错误的目标检测物,且能在各种服务中进行部署。
Description
技术领域
本发明属于图像处理、无人机技术领域,尤其涉及一种判断无人机影像目标是否发生重复识别的方法。
背景技术
油气长输管道运输的主要介质为石油和天然气,在环境中与空气混合后易爆炸,存在较大安全风险。此外,管道内部的腐蚀、设计制造缺陷等隐患,以及自然灾害、第三方破坏等外部因素,都可能导致安全生产事故,不仅会造成经济损失,还可能危及人员安全和环境安全。传统人工巡检易受天气、地理条件影响,作业效率低、劳动强度大且风险高,巡线质量和隐患发现处置效率往往不高,存在成本、效率、质量的三角难题。为提升油气管道设施安全高效运行水平,解决巡检作业难题,通过无人机+视觉算法识别进行进代替人为进行巡检作业。
在无人机+视觉算法巡检方案中,由于无人机在飞行过程中需要实时进行识别,导致识别出的危险物在多幅图像中可能多次重复的出现,增加了误检率。
发明内容
为了解决上述技术问题,本发明揭示了一种判断无人机影像目标是否发生重复识别的方法,其特征在于,所述方法包括如下步骤:
S100:准备无人机飞行视频、飞行数据及配置文件;
S200:通过飞行数据将图像坐标转换为表示目标物与无人机的实际距离的GPS坐标;
S300:首先判断检测到的目标物是否处于无人机所要过滤的目标区域,然后判断是否为第一次检测到该目标物,并基于先后两种判断决定是否过滤目标物,以完成对无人机影像目标物的重复识别。
优选的,所述步骤S100中进一步包括:
S101:获取无人机的飞行的配置文件,包括垂直角度和水平角度;
S102:获取无人机的飞行后的视频数据;
S103:获取无人机飞行后的飞行数据文件,包括图像像素、经纬度和绝对高度。
优选的,所述步骤S103中的飞行后的飞行数据文件需在无人机开启了“视频字幕”功能的情况下,通过视频导出拍摄视频期间的坐标数据。
优选的,所述步骤S200中进一步包括:
S201:读取视频数据,得到待预测的图像;
S202:通过目标检测模型获取所述待预测的图像中目标物的坐标位置;
S203:读取飞行数据文件中的图像像素、经纬度以及绝对高度;
S204:读取飞行配置文件中的垂直角度以及水平角度;
S205: 通过所述图像像素、绝对位置高度与垂直角度进行计算得到平均垂直像素
比值,通过所述图像像素、绝对位置高度与水平角度进行计算得到平均水平像素比
值;
S206:计算待预测图像上的目标物的坐标位置与无人机中心位置的图上距离;
S207:将计算的图上距离转换成目标物与无人机的实际距离。
优选的,所述步骤S202中的坐标位置为目标物的左上角和右下角的坐标。
优选的,所述平均垂直像素比值计算如下:
其中,代表绝对位置高度,代表无人机垂直角度,代表图像的垂直像素。
优选的,所述平均水平像素比值计算如下:
其中,代表绝对位置高度,代表无人机水平角度,代表图像的水平像素。
优选的,所述图上距离计算如下:
其中,代表目标物左上角横坐标,代表目标物左上角纵坐标,代表目标物右
下角横坐标,代表目标物右下角纵坐标,代表图像的垂直像素,代表图像的水平像
素。
优选的,所述实际距离计算如下:
其中,代表目标物左上角横坐标,代表目标物左上角纵坐标,代表目标物右
下角横坐标,代表目标物右下角纵坐标,代表图像的垂直像素,代表图像的水平像
素,代表平均水平像素比值,代表平均垂直像素比值。
优选的,所述步骤S300中进一步包括:
S301:设置无人机过滤设定距离;
S302:如果无人机过滤设定距离大于目标物与无人机的实际距离,且为第一次检测到该目标物则不过滤目标物,输出报警提示信息;如果无人机过滤设定距离大于目标物与无人机的实际距离,且不为第一次检测到该目标物则过滤目标物,不输出报警提示信息;如果无人机过滤设定距离小于目标物与无人机的实际距离,则过滤目标物,不输出报警提示信息。
通过上述技术方案,本发明通过获取无人机的拍摄视频以及配置文件进行图上距离与实际距离的转换,从而过滤掉错误的目标检测物,且能在各种服务中进行部署。
附图说明
图1是本发明一个实施例中所提供的一种一种判断无人机影像目标是否发生重复识别的方法流程图;
图2是本发明一个实施例中所提供的配置流程图;
图3是本发明一个实施例中所提供的计算流程图;
图4是本发明一个实施例中所提供的实际场景应用示意图。
具体实施方式
为了使本领域技术人员理解本发明所披露的技术方案,下面将结合实施例及有关附图1至图4,对各个实施例的技术方案进行描述,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员可以理解的是,本文所描述的实施例可以与其他实施例相结合。
参见图1,在一个实施例中,本发明揭示了一种一种判断无人机影像目标是否发生重复识别的方法,所述方法包括如下步骤:
S100:准备无人机飞行视频、飞行数据及配置文件;
S200:通过飞行数据将图像坐标转换为表示目标物与无人机的实际距离的GPS坐标;
S300:首先判断检测到的目标物是否处于无人机所要过滤的目标区域,然后判断是否为第一次检测到该目标物,并基于先后两种判断决定是否过滤目标物,以完成对无人机影像目标物的重复识别。
就该实施例而言,所述方法应用于空间距离计算,主要分为配置流程和计算流程两大部分。本方法通过使用改进的计算方法转换坐标完成对目标物的实际距离计算,然后和设定的实际距离进行比较,最终输出判断结果。整体方案操作简单,通用性强,适用于各种不同类别的无人机实际距离与图像中距离转换,能在各种嵌入式设备进行部署,大大减少了边缘设备部署的性能需求和能耗需求。
无人机过滤设定距离是用户设置(设置默认为50米),以所述无人机过滤设定距离为半径,以无人机所处位置的坐标作为圆心,生成一片无人机所要过滤的目标区域。
在另一个实施例中,所述步骤S100中进一步包括:
S101:获取无人机的飞行的配置文件,包括垂直角度和水平角度;
S102:获取无人机的飞行后的视频数据;
S103:获取无人机飞行后的飞行数据文件,包括图像像素、经纬度和绝对高度。
就该实施例而言,如图2所示,所述方法中的配置流程首先读取无人机拍摄的视频画面,确保可以获取到无人机的视频内容。然后通过读取数据文件中的图像像素、经纬度以及绝对高度;然后飞行配置文件中的垂直角度以及水平角度,配置完成。
在另一个实施例中,所述步骤S103中的飞行后的飞行数据文件需在无人机开启了“视频字幕”功能的情况下,通过视频导出拍摄视频期间的坐标数据。
在另一个实施例中,所述步骤S200中进一步包括:
S201:读取视频数据,得到待预测的图像;
S202:通过目标检测模型获取所述待预测的图像中目标物的坐标位置;
S203:读取飞行数据文件中的图像像素、经纬度以及绝对高度;
S204:读取飞行配置文件中的垂直角度以及水平角度;
S205: 通过所述图像像素、绝对位置高度与垂直角度进行计算得到平均垂直像素
比值,通过所述图像像素、绝对位置高度与水平角度进行计算得到平均水平像素比
值;
S206:计算待预测图像上的目标物的坐标位置与无人机中心位置的图上距离;
S207:将计算的图上距离转换成目标物与无人机的实际距离。
就该实施例而言,获取无人机相关数据后,就可以部署使用了。如图3所示,所述方
法中的计算流程首先同样是获取无人机拍摄的画面并进行逐帧处理。然后通过目标检测模
型获取到目标物,得到目标物的左上角坐标和右下角坐标。接着计算平均垂
直像素比值、平均水平像素比值。将得到与通过计算图上目标
物坐标位置与无人机中心位置的距离,得到实际距离。
在另一个实施例中,所述步骤S300中进一步包括:
S301:设置无人机过滤设定距离;
S302:如果无人机过滤设定距离大于目标物与无人机的实际距离,且为第一次检测到该目标物则不过滤目标物,输出报警提示信息;如果无人机过滤设定距离大于目标物与无人机的实际距离,且不为第一次检测到该目标物则过滤目标物,不输出报警提示信息;如果无人机过滤设定距离小于目标物与无人机的实际距离,则过滤目标物,不输出报警提示信息。
就该实施例而言,和无人机过滤设定距离进行比较,一般按照经验根据不同场景
进行设置,这里一般设为100。如果无人机过滤距离大于实际距离,则过滤目标物,不输出
报警提示信息,如果无人机过滤距离小于实际距离,则不过滤目标物,输出报警提示信
息。以过滤距离为半径,以无人机所处位置的坐标作为圆心,生成一片过滤区域,判定目标
物的实际距离与无人机过滤设定距离是否存在过滤区域内的包含关系,当存在时,则还需
判定是否第一次检测到该目标物。
在另一个实施例中,所述步骤S202中的坐标位置为目标物的左上角和右下角的坐标。
在另一个实施例中,所述平均垂直像素比值计算如下:
其中,代表绝对位置高度,代表无人机垂直角度,代表图像的垂直像素。
就该实施例而言,代表图像的垂直像素即图像的高。
在另一个实施例中,所述平均水平像素比值计算如下:
其中,代表绝对位置高度,代表无人机水平角度,代表图像的水平像素。
就该实施例而言,代表图像的水平像素即图像的宽。
在另一个实施例中,所述图上距离计算如下:
其中,代表目标物左上角横坐标,代表目标物左上角纵坐标,代表目标物右
下角横坐标,代表目标物右下角纵坐标,代表图像的垂直像素,代表图像的水平像
素。
在另一个实施例中,所述实际距离计算如下:
其中,代表目标物左上角横坐标,代表目标物左上角纵坐标,代表目标物右
下角横坐标,代表目标物右下角纵坐标,代表图像的垂直像素,代表图像的水平像
素,代表平均水平像素比值,代表平均垂直像素比值。
在另一个实施例中,所述步骤S203中的图像像素指图像宽高。
就该实施例而言,要获取到图像的宽高,计算的到正确的平均垂直与水平比值。
在另一个实施例中,所述报警提示信息包含目标物的图片、目标物的坐标。
在另一个实施例中,第一步:所述方法中的获取配置流程首先读取无人机拍摄的视频画面,确保可以获取到无人机的视频内容。然后通过读取数据文件中的图像像素、绝对高度;然后获取飞行配置文件中的垂直角度以及水平角度。
S101:获取无人机的飞行的配置文件,包括垂直角度和水平角度;
S102:获取无人机的飞行后的视频数据;
S103:获取无人机飞行后的飞行数据文件,包括图像像素(,)、绝对高度m。
第二步:通过计算转换得到目标物与无人机的实际距离。
S201:读取视频文件画面,得到待预测的图像;
S202:通过经训练或者普通目标检测模型获取图像中目标物的坐标位置,坐标位
置为目标物的左上角(,)和右下角(,)的坐标。
S203: 通过第一步获取的图像像素、绝对位置高度与垂直角度值;通过下面公式
计算可得到平均垂直像素比值;
以及平均水平角度进行计算可得到平均水平像素比值;
S204:把目标物的坐标位置与无人机中心位置;通过下面公式计算处理后的得到
目标物与无人机的图上距离;
S205:把处理后垂直像素比值、水平像素比值与计算处理后的得到
目标物与无人机的图上距离;通过下面公式计算得到目标物与无人机实际距离;
。
第三步:通过设置过滤区域与上一步计算得到目标物与无人机的实际距离进行比较判定,具体的,示例如下:
S301:设置无人机过滤设定距离;
S302:判定,且为第一次检测到该目标物,则不过滤目标物输出报警提示
信息(在图片上框出该目标物)。参见图4第一行所示。
同理,重复第二步读取下一帧图像得到目标物坐标位置为左上角(,)和右下角(,)以及相应公式计算得到,
判定,且不为第一次检测到该目标物,则过滤目标物不输出报警提示信息。参见图
4第二行所示。
同理重复第二步读取下一帧图像得到目标物坐标位置为左上角(,)和右下角(,)以及相应公式计算得到,
判定,且不为第一次检测到该目标物,则不过滤目标物输出报警提示信息(在图片
上框出该目标物)。参见图4第三行所示。
由此,通过设置过滤区域与上一步计算得到目标物与无人机的实际距离,本发明实现了相应的判定以及是否报警。
最后,需要说明的是,本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下,还可以做出很多种的形式变化,这些均属于本发明保护之列。
Claims (7)
1.一种判断无人机影像目标是否发生重复识别的方法,其特征在于,所述方法包括如下步骤:
S100:准备无人机飞行视频、飞行数据及配置文件;
S200:通过飞行数据将图像坐标转换为表示目标物与无人机的实际距离的GPS坐标;
S300:首先判断检测到的目标物是否处于无人机所要过滤的目标区域,然后判断是否为第一次检测到该目标物,并基于先后两种判断决定是否过滤目标物,以完成对无人机影像目标物的重复识别;
所述步骤S200中进一步包括:
S201:读取视频数据,得到待预测的图像;
S202:通过目标检测模型获取所述待预测的图像中目标物的坐标位置;
S203:读取飞行数据文件中的图像像素、经纬度以及绝对高度;
S204:读取飞行配置文件中的垂直角度以及水平角度;
S205: 通过所述图像像素、绝对位置高度与垂直角度进行计算得到平均垂直像素比值,通过所述图像像素、绝对位置高度与水平角度进行计算得到平均水平像素比值;
S206:计算待预测图像上的目标物的坐标位置与无人机中心位置的图上距离;
S207:将计算的图上距离转换成目标物与无人机的实际距离;
所述平均垂直像素比值计算如下:
;
其中,代表绝对位置高度,/>代表无人机垂直角度,/>代表图像的垂直像素;
所述平均水平像素比值计算如下:
;
其中,代表绝对位置高度,/>代表无人机水平角度,/>代表图像的水平像素。
2.如权利要求1所述的方法,其特征在于,所述步骤S100中进一步包括:
S101:获取无人机的飞行的配置文件,包括垂直角度和水平角度;
S102:获取无人机的飞行后的视频数据;
S103:获取无人机飞行后的飞行数据文件,包括图像像素、经纬度和绝对高度。
3.如权利要求2所述的方法,其特征在于,所述步骤S103中的飞行后的飞行数据文件需在无人机开启了“视频字幕”功能的情况下,通过视频导出拍摄视频期间的坐标数据。
4.如权利要求1所述的方法,其特征在于,所述步骤S202中的坐标位置为目标物的左上角和右下角的坐标。
5.如权利要求1所述的方法,其特征在于,所述图上距离计算如下:
;
其中,代表目标物左上角横坐标,/>代表目标物左上角纵坐标,/>代表目标物右下角横坐标,/>代表目标物右下角纵坐标,/>代表图像的垂直像素,/>代表图像的水平像素。
6.如权利要求1所述的方法,其特征在于,所述实际距离计算如下:
;
其中,代表目标物左上角横坐标,/>代表目标物左上角纵坐标,/>代表目标物右下角横坐标,/>代表目标物右下角纵坐标,/>代表图像的垂直像素,/>代表图像的水平像素,代表平均水平像素比值,/>代表平均垂直像素比值。
7.如权利要求1所述的方法,其特征在于,所述步骤S300中进一步包括:
S301:设置无人机过滤设定距离;
S302:如果无人机过滤设定距离大于目标物与无人机的实际距离,且为第一次检测到该目标物则不过滤目标物,输出报警提示信息;如果无人机过滤设定距离大于目标物与无人机的实际距离,且不为第一次检测到该目标物则过滤目标物,不输出报警提示信息;如果无人机过滤设定距离小于目标物与无人机的实际距离,则过滤目标物,不输出报警提示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311168025.8A CN116912720B (zh) | 2023-09-12 | 2023-09-12 | 一种判断无人机影像目标是否发生重复识别的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311168025.8A CN116912720B (zh) | 2023-09-12 | 2023-09-12 | 一种判断无人机影像目标是否发生重复识别的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116912720A CN116912720A (zh) | 2023-10-20 |
CN116912720B true CN116912720B (zh) | 2023-12-05 |
Family
ID=88356830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311168025.8A Active CN116912720B (zh) | 2023-09-12 | 2023-09-12 | 一种判断无人机影像目标是否发生重复识别的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116912720B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6148250A (en) * | 1998-02-18 | 2000-11-14 | Fuji Jukogyo Kabushiki Kaisha | Altitude detection by use of planar approximation of a region of ground surface |
CN106022386A (zh) * | 2016-05-26 | 2016-10-12 | 北京新长征天高智机科技有限公司 | 一种计算机识别与人工交互结合的生活垃圾目标识别系统 |
EP3739356A1 (en) * | 2019-05-12 | 2020-11-18 | Origin Wireless, Inc. | Method, apparatus, and system for wireless tracking, scanning and monitoring |
CN113392775A (zh) * | 2021-06-17 | 2021-09-14 | 广西大学 | 一种基于深度神经网络的甘蔗幼苗自动识别与计数方法 |
KR102316012B1 (ko) * | 2020-05-26 | 2021-10-22 | (주)파이온시스템즈 | 드론에 구비된 카메라 영상을 이용하여 드론 전방의 비행물체와의 충돌 가능성 판정 장치 및 방법 |
CN113781450A (zh) * | 2021-09-14 | 2021-12-10 | 中科百惟(云南)科技有限公司 | 一种基于输配电线路无人机图像采集自动化智能缺陷分析系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11074495B2 (en) * | 2013-02-28 | 2021-07-27 | Z Advanced Computing, Inc. (Zac) | System and method for extremely efficient image and pattern recognition and artificial intelligence platform |
-
2023
- 2023-09-12 CN CN202311168025.8A patent/CN116912720B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6148250A (en) * | 1998-02-18 | 2000-11-14 | Fuji Jukogyo Kabushiki Kaisha | Altitude detection by use of planar approximation of a region of ground surface |
CN106022386A (zh) * | 2016-05-26 | 2016-10-12 | 北京新长征天高智机科技有限公司 | 一种计算机识别与人工交互结合的生活垃圾目标识别系统 |
EP3739356A1 (en) * | 2019-05-12 | 2020-11-18 | Origin Wireless, Inc. | Method, apparatus, and system for wireless tracking, scanning and monitoring |
KR102316012B1 (ko) * | 2020-05-26 | 2021-10-22 | (주)파이온시스템즈 | 드론에 구비된 카메라 영상을 이용하여 드론 전방의 비행물체와의 충돌 가능성 판정 장치 및 방법 |
CN113392775A (zh) * | 2021-06-17 | 2021-09-14 | 广西大学 | 一种基于深度神经网络的甘蔗幼苗自动识别与计数方法 |
CN113781450A (zh) * | 2021-09-14 | 2021-12-10 | 中科百惟(云南)科技有限公司 | 一种基于输配电线路无人机图像采集自动化智能缺陷分析系统 |
Non-Patent Citations (2)
Title |
---|
一种无人机视频中影像与纹理影像叠加的方法;郭建忠;杨海鹏;成毅;赵长义;;地理信息世界(第06期);全文 * |
无人机侦察视频超分辨率重建方法;张岩;李建增;李德良;杜玉龙;;中国图象图形学报;第21卷(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116912720A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9390604B2 (en) | Fire detection system | |
US9846927B2 (en) | Systems and methods for haziness detection | |
US8259993B2 (en) | Building shape change detecting method, and building shape change detecting system | |
CN107609470A (zh) | 野外火灾早期烟雾视频检测的方法 | |
Taneja et al. | Registration of spherical panoramic images with cadastral 3d models | |
US8643716B1 (en) | Method and system for mobile steam leak detection | |
US9471845B1 (en) | Background modeling for imaging surveillance | |
JP2010117800A (ja) | 駐車場監視装置及び方法 | |
CN111414807B (zh) | 一种基于yolo技术的潮水识别与危机预警方法 | |
CN107977018A (zh) | 基于双目立体视觉和无人机的秸秆焚烧监测方法 | |
CN103398710A (zh) | 一种夜雾天况下的舰船进出港导航系统及其构建方法 | |
CN105510987B (zh) | 一种利用单中波红外通道进行林火识别的方法 | |
CN115331130B (zh) | 基于地理标志物辅助导航的无人机巡检方法和无人机 | |
US8958648B2 (en) | Method for recognition of a predetermined pattern in an image data set | |
KR102127014B1 (ko) | 영상 감시 시스템 | |
CN111178424A (zh) | 一种石油化工生产现场安全合规性实时检测系统及方法 | |
CN114973028A (zh) | 一种航拍视频图像实时变化检测方法及系统 | |
KR102053906B1 (ko) | 지리공간정보를 이용하는 실시간 감독 학습 방법 및 시스템 | |
CN114998737A (zh) | 一种远距离烟雾检测方法、系统、电子设备及介质 | |
CN116912720B (zh) | 一种判断无人机影像目标是否发生重复识别的方法 | |
CN113256702B (zh) | 基于无人机的船舶净空高度检测方法、系统、设备及介质 | |
Watanabe et al. | Detecting changes of buildings from aerial images using shadow and shading model | |
CN113311507A (zh) | 一种台风路径的识别方法及装置 | |
CN113657233A (zh) | 一种基于计算机视觉的无人机森林火灾烟雾探测方法 | |
CN115457530A (zh) | 输电线路的防外破方法、防外破装置与防外破系统 |
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 |