CN117146739A - 用于光学瞄准镜的测角检定方法及系统 - Google Patents
用于光学瞄准镜的测角检定方法及系统 Download PDFInfo
- Publication number
- CN117146739A CN117146739A CN202311422623.3A CN202311422623A CN117146739A CN 117146739 A CN117146739 A CN 117146739A CN 202311422623 A CN202311422623 A CN 202311422623A CN 117146739 A CN117146739 A CN 117146739A
- Authority
- CN
- China
- Prior art keywords
- information
- sighting telescope
- target
- target object
- angle measurement
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 105
- 238000012795 verification Methods 0.000 title claims abstract description 97
- 230000003287 optical effect Effects 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 230000011218 segmentation Effects 0.000 claims abstract description 23
- 230000015654 memory Effects 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 22
- 230000006835 compression Effects 0.000 claims description 21
- 238000007906 compression Methods 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000003556 assay Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0242—Testing optical properties by measuring geometrical properties or aberrations
- G01M11/0257—Testing optical properties by measuring geometrical properties or aberrations by analyzing the image formed by the object to be tested
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- 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
- G06V10/26—Segmentation 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local 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
-
- 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)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了用于光学瞄准镜的测角检定方法及系统,涉及光学元件检定技术领域,所述方法包括:通过内置基准检定摄像头对目标物体进行跟踪采集,再对所采集的瞄准镜跟踪视频信息进行关键帧提取,依据提取的瞄准镜关键帧图像集合进行定位分析,生成目标偏移轨迹信息,以此选取确定目标瞄准镜图像信息,进而对其进行语义分割、特征识别,通过反正切函数对标记获取的目标物体位置信息和瞄准线位置信息进行计算,得到实际测角偏差信息;基于实际测角偏差信息和预设测角精度,确定瞄准线调焦参数,以此对所述目标光学瞄准镜进行测角检定。达到实现光学瞄准镜智能化快速测角检定,提高测角检定效率,进而确保检定准确性和可靠性的技术效果。
Description
技术领域
本发明涉及光学元件检定技术领域,尤其涉及用于光学瞄准镜的测角检定方法及系统。
背景技术
光学瞄准镜是利用光学透镜成像原理,将目标影像与瞄准线重叠,提高瞄准精度的一种光学元件。然而,由于光学元件的制造误差、安装误差以及使用过程中的磨损,光学瞄准镜的瞄准线可能会出现偏差,影响瞄准精度。因此,对光学瞄准镜进行定期的测角检定,以校准瞄准线,对提高瞄准效果具有重要意义。然而,现有技术主要依赖于目视校准或使用外部测量设备,操作繁琐,且无法保证检定的准确性和可靠性。
发明内容
本申请通过提供用于光学瞄准镜的测角检定方法及系统,解决了现有技术光学瞄准镜测角检定操作繁琐,且无法保证检定的准确性和可靠性的技术问题,达到实现光学瞄准镜智能化快速测角检定,提高测角检定效率,进而确保检定准确性和可靠性的技术效果。
鉴于上述问题,本发明提供了用于光学瞄准镜的测角检定方法及系统。
第一方面,本申请提供了用于光学瞄准镜的测角检定方法,所述方法包括:在目标光学瞄准镜内置基准检定摄像头,通过所述基准检定摄像头对目标物体进行跟踪采集,获取瞄准镜跟踪视频信息;对所述瞄准镜跟踪视频信息进行视频压缩、关键帧提取,得到瞄准镜关键帧图像集合;依据所述瞄准镜关键帧图像集合进行定位分析,生成目标偏移轨迹信息,并基于所述目标偏移轨迹信息选取确定目标瞄准镜图像信息;对所述目标瞄准镜图像信息进行语义分割、特征识别,标记获取目标物体位置信息和瞄准线位置信息;通过反正切函数对所述目标物体位置信息和瞄准线位置信息进行计算,得到实际测角偏差信息;基于所述实际测角偏差信息和预设测角精度,确定瞄准线调焦参数,并通过所述瞄准线调焦参数对所述目标光学瞄准镜进行测角检定。
另一方面,本申请还提供了用于光学瞄准镜的测角检定系统,所述系统包括:视频跟踪采集模块,用于在目标光学瞄准镜内置基准检定摄像头,通过所述基准检定摄像头对目标物体进行跟踪采集,获取瞄准镜跟踪视频信息;关键帧提取模块,用于对所述瞄准镜跟踪视频信息进行视频压缩、关键帧提取,得到瞄准镜关键帧图像集合;轨迹定位分析模块,用于依据所述瞄准镜关键帧图像集合进行定位分析,生成目标偏移轨迹信息,并基于所述目标偏移轨迹信息选取确定目标瞄准镜图像信息;特征识别标记模块,用于对所述目标瞄准镜图像信息进行语义分割、特征识别,标记获取目标物体位置信息和瞄准线位置信息;测角偏差信息获得模块,用于通过反正切函数对所述目标物体位置信息和瞄准线位置信息进行计算,得到实际测角偏差信息;测角检定模块,用于基于所述实际测角偏差信息和预设测角精度,确定瞄准线调焦参数,并通过所述瞄准线调焦参数对所述目标光学瞄准镜进行测角检定。
第三方面,本申请提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过内置基准检定摄像头对目标物体进行跟踪采集,再对所采集的瞄准镜跟踪视频信息进行关键帧提取,依据提取的瞄准镜关键帧图像集合进行定位分析,生成目标偏移轨迹信息,以此选取确定目标瞄准镜图像信息,进而对其进行语义分割、特征识别,通过反正切函数对标记获取的目标物体位置信息和瞄准线位置信息进行计算,得到实际测角偏差信息;基于所述实际测角偏差信息和预设测角精度,确定瞄准线调焦参数,并通过所述瞄准线调焦参数对所述目标光学瞄准镜进行测角检定的技术方案。进而达到实现光学瞄准镜智能化快速测角检定,提高测角检定效率,进而确保检定准确性和可靠性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请用于光学瞄准镜的测角检定方法的流程示意图;
图2为本申请用于光学瞄准镜的测角检定方法中得到瞄准镜关键帧图像集合的流程示意图;
图3为本申请用于光学瞄准镜的测角检定系统的结构示意图;
图4为本申请示例性电子设备的结构示意图。
附图标记说明:视频跟踪采集模块11,关键帧提取模块12,轨迹定位分析模块13,特征识别标记模块14,测角偏差信息获得模块15,测角检定模块16,总线1110,处理器1120,收发器1130,总线接口1140,存储器1150,操作系统1151,应用程序1152和用户接口1160。
具体实施方式
在本申请的描述中,所属技术领域的技术人员应当知道,本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本申请可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中,计算机可读存储介质可以是任意包含或存储程序的有形介质,该程序可以被指令执行系统、装置、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一
如图1所示,本申请提供了用于光学瞄准镜的测角检定方法,所述方法包括:
步骤S1:在目标光学瞄准镜内置基准检定摄像头,通过所述基准检定摄像头对目标物体进行跟踪采集,获取瞄准镜跟踪视频信息;
具体的,光学瞄准镜是利用光学透镜成像原理,将目标影像与瞄准线重叠,提高瞄准精度的一种光学元件。然而,由于光学元件的制造误差、安装误差以及使用过程中的磨损,光学瞄准镜的瞄准线可能会出现偏差,影响瞄准精度。因此,对光学瞄准镜进行定期的测角检定,以校准瞄准线,对提高瞄准效果具有重要意义。
为实现光学瞄准镜智能化测角检定,在目标光学瞄准镜内置基准检定摄像头,所述基准检定摄像头为微型高速摄像头,可设置在瞄准镜的目镜或物镜附近,能精确捕捉到高清检定物体图像,其所采集的物体图像为标准测角瞄准图像,以用于对光学瞄准镜进行测角检定。通过所述基准检定摄像头对目标物体进行跟踪采集,其中,所述目标物体为瞄准镜待测物体,对其运动方向实时瞄准跟踪监测,以此拍摄采集得到瞄准镜跟踪视频信息,为后续测角检定提供视频数据基础。
步骤S2:对所述瞄准镜跟踪视频信息进行视频压缩、关键帧提取,得到瞄准镜关键帧图像集合;
如图2所示,进一步而言,所述得到瞄准镜关键帧图像集合,本申请步骤还包括:
利用视频压缩算法对所述瞄准镜跟踪视频信息进行无损压缩处理,获得瞄准镜跟踪压缩视频信息;
对所述瞄准镜跟踪压缩视频信息中的各编码单元进行图像帧数提取,得到瞄准镜帧数图像信息集合;
通过对所述瞄准镜帧数图像信息集合中的所述目标物体进行标记,确定目标锚框信息集合,计算获取所述目标锚框信息集合中各连续图像锚框的空间像素距离信息;
对所述空间像素距离信息大于预设像素距离的图像进行聚类抽取,整合得到所述瞄准镜关键帧图像集合。
具体的,对所述瞄准镜跟踪视频信息进行视频压缩、关键帧提取,由于视频数据处理量较大,因此利用视频压缩算法对所述瞄准镜跟踪视频信息进行无损压缩处理,所述视频压缩算法为视频无损压缩算法,例如Shanno-Fano编码、哈夫曼编码、LZW编码等,通过算法压缩处理得到瞄准镜跟踪压缩视频信息,减少数据存储处理量。再对所述瞄准镜跟踪压缩视频信息中的各编码单元进行图像帧数提取,将述瞄准镜跟踪压缩视频信息以多张连续帧图像作为一个编码单元或分为多个编码单元,在每一编码单元内进行所有图像帧数提取,进而提取得到瞄准镜帧数图像信息集合。可通过卷积特征网络对所述瞄准镜帧数图像信息集合中的所述目标物体进行识别标记,确定目标锚框信息集合,所述目标锚框信息集合用于标记各图像信息中的目标物体。
计算获取所述目标锚框信息集合中各连续图像锚框的空间像素距离信息,即按照图像前后顺序对其中的目标锚框的物体空间距离变化进行像素差值计算。对所述空间像素距离信息大于预设像素距离的图像进行聚类抽取,其中,所述预设像素距离为物体运动的像素变化距离基准,当空间像素距离大于距离基准时,表明该图像锚框的物体发生运动变化,需要进行帧数抽取。将未大于距离基准的图像聚为一类,将抽取的图像聚为另一类,以此对所有帧数图像进行聚类标记。再对聚类整合后的帧数图像进行关键帧提取,关键帧为全帧压缩编码帧,所占数据的信息量比较大,进而提取得到瞄准镜帧数图像信息集合。提取关键帧图像重组即可形成既保证图像质量不降低又具有较高压缩比的压缩视频,去除图像空间冗余信息以减少连续帧中的相同数据,从而减少冗余数据无效处理对于算力资源的浪费。
步骤S3:依据所述瞄准镜关键帧图像集合进行定位分析,生成目标偏移轨迹信息,并基于所述目标偏移轨迹信息选取确定目标瞄准镜图像信息;
进一步而言,所述生成目标偏移轨迹信息,本申请步骤还包括:
对所述目标物体进行多特征采集,获取目标特征数据集;
基于所述目标特征数据集,搭建特征孪生网络,其中,所述特征孪生网络包括第一特征子孪生网络和第二特征子孪生网络,且所述第一特征子孪生网络和第二特征子孪生网络为共享权值网络;
将所述瞄准镜关键帧图像集合按照时序分别输入所述第一特征子孪生网络和第二特征子孪生网络中,对所述目标物体进行定位偏离分析,输出所述目标偏移轨迹信息。
具体的,依据所述瞄准镜关键帧图像集合进行目标物体定位分析,首先对所述目标物体进行多特征采集,即对待测物体的形状、尺寸、颜色等多特征信息进行采集提取,获取相应的目标特征数据集,为后续物体轨迹跟踪提供比对依据。为实现物体运动轨迹快速特征比对,首先基于所述目标特征数据集,搭建特征孪生网络,所述特征孪生网络模型为数字孪生网络,是以比较两个样本的相似程度,且权重共享的神经网络拼接而成的网络结构,具体包括第一特征子孪生网络和第二特征子孪生网络,其中,所述包括第一特征子孪生网络和第二特征子孪生网络的网络结构相同,且数据训练处理过程也相同。将所述瞄准镜关键帧图像集合按照时序分别输入所述第一特征子孪生网络和第二特征子孪生网络中,即将瞄准镜关键帧图像集合中第一时序的图像输入第一特征子孪生网络,将其余时序图像依次输入第二特征子孪生网络中进行分析,实现对目标物体的特征识别追踪。
通过数字孪生网络输出目标物体的运动特征信息,进而对所述目标物体进行定位偏离分析,输出目标偏移轨迹信息,所述目标偏移轨迹信息为目标物体的运动变换轨迹信息。并基于所述目标偏移轨迹信息选取确定目标瞄准镜图像信息,即对瞄准镜中所设置的瞄准线与目标物体重合或平行时的轨迹所对应的瞄准镜图像进行选取,以作为后续瞄准镜测角是否标准进行比对评价的图像基础。实现目标偏移轨迹快速识别追踪,提高偏移轨迹分析准确性,进而确保测角检定准确性。
步骤S4:对所述目标瞄准镜图像信息进行语义分割、特征识别,标记获取目标物体位置信息和瞄准线位置信息;
进一步而言,所述标记获取目标物体位置信息和瞄准线位置信息,本申请步骤还包括:
对所述目标瞄准镜图像信息进行灰度描述转换,生成目标瞄准镜灰度图像信息;
基于所述目标瞄准镜灰度图像信息进行语义分割,根据语义分割结果获取目标物体区域信息和瞄准线区域信息;
对所述目标物体区域信息和瞄准线区域信息进行边缘特征识别,得到目标物体轮廓特征信息和瞄准线轮廓特征信息;
基于所述目标物体轮廓特征信息和瞄准线轮廓特征信息进行边缘增强并进行位置标记,分别获取所述目标物体位置信息和瞄准线位置信息。
进一步而言,所述对所述目标物体区域信息和瞄准线区域信息进行边缘特征识别,本申请步骤还包括:
通过Sobel算子对所述目标物体区域信息和瞄准线区域信息进行卷积计算,获得目标物体区域梯度计算结果和瞄准线区域梯度计算结果;
基于所述目标物体区域梯度计算结果和瞄准线区域梯度计算结果,确定目标物体区域边缘信息和瞄准线区域边缘信息;
利用非极大抑制法对所述目标物体区域边缘信息和瞄准线区域边缘信息进行优化,分别得到所述目标物体轮廓特征信息和瞄准线轮廓特征信息。
具体的,为对瞄准镜实际测角进行确定,对所述目标瞄准镜图像信息进行语义分割以及位置特征识别。首先对所述目标瞄准镜图像信息进行灰度描述转换,即将目标瞄准镜图像信息从彩色描述空间,包括红、绿、蓝三色,转换为灰度描述空间,可通过图像像素灰度转换公式:,其中Gray为像素灰度值,R、G、B分别为红、绿、蓝色彩坐标,计算转换获取相应的瞄准镜灰度图像信息。基于所述目标瞄准镜灰度图像信息进行语义分割,可通过历史图像数据进行目标物体以及瞄准线等特征区域标签化分割,以此训练生成语义分割模型,进而通过语义分割模型对目标瞄准镜灰度图像信息进行语义分割,输出并根据语义分割结果获取其中的目标物体区域信息和瞄准线区域信息。
对所述目标物体区域信息和瞄准线区域信息进行边缘特征识别,具体为通过Sobel算子对所述目标物体区域信息和瞄准线区域信息进行卷积计算,Sobel算子是一种常用的图像边缘检测算子,它基于图像的灰度地图进行操作。在Sobel算子中,有一组3×3的滤波器,分别对水平及垂直方向上的边缘敏感,通过计算图像中每个像素点在水平和垂直方向上的梯度大小和方向,可以得到该像素点的边缘信息。Sobel算子通过将水平和垂直方向的滤波器分别与图像进行卷积,得到水平和垂直方向的目标物体区域梯度计算结果和瞄准线区域梯度计算结果,这个梯度值反映了该像素点在对应方向上的灰度变化程度,也就是边缘的强度。进而将水平和垂直方向的梯度图像相加,得到一个完整的边缘信息图像,边缘处的像素点值会很大,因为它们在水平和垂直两个方向上的梯度都很大,以此比对确定目标物体区域边缘信息和瞄准线区域边缘信息。
为保证边缘划分准确性,利用非极大抑制法对所述目标物体区域边缘信息和瞄准线区域边缘信息进行优化,寻找目标物体区域边缘信息和瞄准线区域边缘信息的局部灰度最大值,将该极大值的像素置为1,再将其他非最大值像素点置为零,从而达到锐化边缘,降低干扰的目的,以此分别得到目标物体轮廓特征信息和瞄准线轮廓特征信息。再基于所述目标物体轮廓特征信息和瞄准线轮廓特征信息进行边缘增强并进行位置标记,分别获取相应的目标物体位置信息和瞄准线位置信息,以作为实际测角计算数据基础。实现边缘特征识别准确性,去除伪边缘干扰,进而确保检定准确性。
步骤S5:通过反正切函数对所述目标物体位置信息和瞄准线位置信息进行计算,得到实际测角偏差信息;
进一步而言,所述得到实际测角偏差信息,本申请步骤还包括:
构建测角检定坐标系;
基于所述测角检定坐标系对所述目标物体位置信息和瞄准线位置信息进行标记,得到目标物体位置坐标和瞄准线位置坐标;
通过反正切函数对所述目标物体位置坐标和瞄准线位置坐标进行计算,分别获得目标物体位置角和瞄准线位置角;
将所述目标物体位置角和所述瞄准线位置角的差值,作为所述实际测角偏差信息。
具体的,通过反正切函数对所述目标物体位置信息和瞄准线位置信息进行计算,首先构建测角检定坐标系,所述测角检定坐标系是以基准检定摄像头的中心基准点为坐标轴原点的测角坐标系。基于所述测角检定坐标系对所述目标物体位置信息和瞄准线位置信息进行标记,得到其分别在坐标轴中的位置坐标,包括目标物体位置坐标和瞄准线位置坐标。再通过反正切函数对所述目标物体位置坐标和瞄准线位置坐标进行计算,分别获得相对于坐标原点的目标物体位置角和瞄准线位置角。进而将所述目标物体位置角和所述瞄准线位置角的差值,作为实际测角偏差信息,所述实际测角偏差信息为光学瞄准镜当前所设置瞄准线的实际瞄准偏差角。提高实际测角偏差信息分析准确性,进而确保瞄准镜测角检定准确性,以保证其瞄准精度。
步骤S6:基于所述实际测角偏差信息和预设测角精度,确定瞄准线调焦参数,并通过所述瞄准线调焦参数对所述目标光学瞄准镜进行测角检定。
进一步而言,本申请步骤还包括:
对所述目标光学瞄准镜的应用环境进行要素提取,确定应用环境参数信息;
依据所述应用环境参数信息进行测角检定影响分析,得到应用参数影响因数信息;
将所述应用参数影响因数信息进行融合,生成检定调焦修正因子,并基于所述检定调焦修正因子对所述瞄准线调焦参数进行修正。
具体的,基于所述实际测角偏差信息和预设测角精度,确定瞄准线调焦参数,其中,所述预设测角精度为瞄准镜的测定瞄准精度,用测量精度角单位表示,精度角单位越小,测角精度越大。依据预设测角精度确定实际测角偏差信息的标识偏差精度,精度越大,对实际测角偏差信息的标识精度角越精细,例如将实际测角偏差信息的精度角单位保留到0.1秒,进而通过标识测角偏差确定瞄准线调焦参数,所述瞄准线调焦参数为瞄准线测定角度校准大小。并通过所述瞄准线调焦参数对所述目标光学瞄准镜进行测角检定,确保瞄准镜测角符合精度标准,与瞄准目标物实际重合或平行。通过瞄准线测定校准,消除其瞄准误差,提高测角检定准确性,确保其瞄准精度。
为保证瞄准镜测角检定实际应用性,对所述目标光学瞄准镜的应用环境进行瞄准影响要素提取,确定应用环境参数信息,所述应用环境参数信息包括应用温度、湿度、光照、风速等,其会对瞄准镜测角精度产生影响。依据所述应用环境参数信息进行测角检定影响分析,可通过应用环境对测角瞄准影响实验数据进行影响等级划分,进而经验分析得到各参数造成的应用参数影响因数信息,影响因数越大,表明该应用参数造成的测角影响程度越大。将所述应用参数影响因数信息进行融合,即将各影响因数进行平均值计算,进而融合生成检定调焦修正因子,所述检定调焦修正因子为对调焦参数的修正影响系数,表明应用环境对调焦参数的修正影响程度。并基于所述检定调焦修正因子对所述瞄准线调焦参数进行修正,得到结合应用环境影响后的瞄准线调焦参数。充分考虑应用环境对测角精度影响,确保测角检定实际应用性,进而提高测角检定准确性和可靠性。
综上所述,本申请所提供的用于光学瞄准镜的测角检定方法及系统具有如下技术效果:
由于采用了通过内置基准检定摄像头对目标物体进行跟踪采集,再对所采集的瞄准镜跟踪视频信息进行关键帧提取,依据提取的瞄准镜关键帧图像集合进行定位分析,生成目标偏移轨迹信息,以此选取确定目标瞄准镜图像信息,进而对其进行语义分割、特征识别,通过反正切函数对标记获取的目标物体位置信息和瞄准线位置信息进行计算,得到实际测角偏差信息;基于所述实际测角偏差信息和预设测角精度,确定瞄准线调焦参数,并通过所述瞄准线调焦参数对所述目标光学瞄准镜进行测角检定的技术方案。进而达到实现光学瞄准镜智能化快速测角检定,提高测角检定效率,进而确保检定准确性和可靠性的技术效果。
实施例二
基于与前述实施例中用于光学瞄准镜的测角检定方法同样发明构思,本发明还提供了用于光学瞄准镜的测角检定系统,如图3所示,所述系统包括:
视频跟踪采集模块11,用于在目标光学瞄准镜内置基准检定摄像头,通过所述基准检定摄像头对目标物体进行跟踪采集,获取瞄准镜跟踪视频信息;
关键帧提取模块12,用于对所述瞄准镜跟踪视频信息进行视频压缩、关键帧提取,得到瞄准镜关键帧图像集合;
轨迹定位分析模块13,用于依据所述瞄准镜关键帧图像集合进行定位分析,生成目标偏移轨迹信息,并基于所述目标偏移轨迹信息选取确定目标瞄准镜图像信息;
特征识别标记模块14,用于对所述目标瞄准镜图像信息进行语义分割、特征识别,标记获取目标物体位置信息和瞄准线位置信息;
测角偏差信息获得模块15,用于通过反正切函数对所述目标物体位置信息和瞄准线位置信息进行计算,得到实际测角偏差信息;
测角检定模块16,用于基于所述实际测角偏差信息和预设测角精度,确定瞄准线调焦参数,并通过所述瞄准线调焦参数对所述目标光学瞄准镜进行测角检定。
进一步的,所述系统还包括:
无损压缩处理单元,用于利用视频压缩算法对所述瞄准镜跟踪视频信息进行无损压缩处理,获得瞄准镜跟踪压缩视频信息;
图像帧数提取单元,用于对所述瞄准镜跟踪压缩视频信息中的各编码单元进行图像帧数提取,得到瞄准镜帧数图像信息集合;
空间像素距离获取单元,用于通过对所述瞄准镜帧数图像信息集合中的所述目标物体进行标记,确定目标锚框信息集合,计算获取所述目标锚框信息集合中各连续图像锚框的空间像素距离信息;
图像聚类抽取单元,用于对所述空间像素距离信息大于预设像素距离的图像进行聚类抽取,整合得到所述瞄准镜关键帧图像集合。
进一步的,所述系统还包括:
多特征采集单元,用于对所述目标物体进行多特征采集,获取目标特征数据集;
特征孪生网络搭建单元,用于基于所述目标特征数据集,搭建特征孪生网络,其中,所述特征孪生网络包括第一特征子孪生网络和第二特征子孪生网络,且所述第一特征子孪生网络和第二特征子孪生网络为共享权值网络;
定位偏离分析单元,用于将所述瞄准镜关键帧图像集合按照时序分别输入所述第一特征子孪生网络和第二特征子孪生网络中,对所述目标物体进行定位偏离分析,输出所述目标偏移轨迹信息。
进一步的,所述系统还包括:
灰度描述转换单元,用于对所述目标瞄准镜图像信息进行灰度描述转换,生成目标瞄准镜灰度图像信息;
语义分割单元,用于基于所述目标瞄准镜灰度图像信息进行语义分割,根据语义分割结果获取目标物体区域信息和瞄准线区域信息;
边缘特征识别单元,用于对所述目标物体区域信息和瞄准线区域信息进行边缘特征识别,得到目标物体轮廓特征信息和瞄准线轮廓特征信息;
边缘增强单元,用于基于所述目标物体轮廓特征信息和瞄准线轮廓特征信息进行边缘增强并进行位置标记,分别获取所述目标物体位置信息和瞄准线位置信息。
进一步的,所述系统还包括:
卷积计算单元,用于通过Sobel算子对所述目标物体区域信息和瞄准线区域信息进行卷积计算,获得目标物体区域梯度计算结果和瞄准线区域梯度计算结果;
边缘信息确定单元,用于基于所述目标物体区域梯度计算结果和瞄准线区域梯度计算结果,确定目标物体区域边缘信息和瞄准线区域边缘信息;
边缘信息优化单元,用于利用非极大抑制法对所述目标物体区域边缘信息和瞄准线区域边缘信息进行优化,分别得到所述目标物体轮廓特征信息和瞄准线轮廓特征信息。
进一步的,所述系统还包括:
测角检定坐标系构建单元,用于构建测角检定坐标系;
位置坐标标记单元,用于基于所述测角检定坐标系对所述目标物体位置信息和瞄准线位置信息进行标记,得到目标物体位置坐标和瞄准线位置坐标;
位置坐标计算单元,用于通过反正切函数对所述目标物体位置坐标和瞄准线位置坐标进行计算,分别获得目标物体位置角和瞄准线位置角;
实际测角偏差获得单元,用于将所述目标物体位置角和所述瞄准线位置角的差值,作为所述实际测角偏差信息。
进一步的,所述系统还包括:
应用环境要素提取单元,用于对所述目标光学瞄准镜的应用环境进行要素提取,确定应用环境参数信息;
测角检定影响分析单元,用于依据所述应用环境参数信息进行测角检定影响分析,得到应用参数影响因数信息;
调焦参数修正单元,用于将所述应用参数影响因数信息进行融合,生成检定调焦修正因子,并基于所述检定调焦修正因子对所述瞄准线调焦参数进行修正。
前述图1实施例一中的用于光学瞄准镜的测角检定方法的各种变化方式和具体实例同样适用于本实施例的用于光学瞄准镜的测角检定系统,通过前述对用于光学瞄准镜的测角检定方法的详细描述,本领域技术人员可以清楚的知道本实施例中用于光学瞄准镜的测角检定系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本申请还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,参见图4所示,本申请还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本申请中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本申请中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线和存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本申请中公开的各方法、步骤和逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本申请所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本申请不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本申请中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。
应理解,本申请中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本申请描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本申请中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种装置程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本申请方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。
此外,本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请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申请披露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.用于光学瞄准镜的测角检定方法,其特征在于,所述方法包括:
在目标光学瞄准镜内置基准检定摄像头,通过所述基准检定摄像头对目标物体进行跟踪采集,获取瞄准镜跟踪视频信息;
对所述瞄准镜跟踪视频信息进行视频压缩、关键帧提取,得到瞄准镜关键帧图像集合;
依据所述瞄准镜关键帧图像集合进行定位分析,生成目标偏移轨迹信息,并基于所述目标偏移轨迹信息选取确定目标瞄准镜图像信息;
对所述目标瞄准镜图像信息进行语义分割、特征识别,标记获取目标物体位置信息和瞄准线位置信息;
通过反正切函数对所述目标物体位置信息和瞄准线位置信息进行计算,得到实际测角偏差信息;
基于所述实际测角偏差信息和预设测角精度,确定瞄准线调焦参数,并通过所述瞄准线调焦参数对所述目标光学瞄准镜进行测角检定。
2.如权利要求1所述的方法,其特征在于,所述得到瞄准镜关键帧图像集合,包括:
利用视频压缩算法对所述瞄准镜跟踪视频信息进行无损压缩处理,获得瞄准镜跟踪压缩视频信息;
对所述瞄准镜跟踪压缩视频信息中的各编码单元进行图像帧数提取,得到瞄准镜帧数图像信息集合;
通过对所述瞄准镜帧数图像信息集合中的所述目标物体进行标记,确定目标锚框信息集合,计算获取所述目标锚框信息集合中各连续图像锚框的空间像素距离信息;
对所述空间像素距离信息大于预设像素距离的图像进行聚类抽取,整合得到所述瞄准镜关键帧图像集合。
3.如权利要求1所述的方法,其特征在于,所述生成目标偏移轨迹信息,包括:
对所述目标物体进行多特征采集,获取目标特征数据集;
基于所述目标特征数据集,搭建特征孪生网络,其中,所述特征孪生网络包括第一特征子孪生网络和第二特征子孪生网络,且所述第一特征子孪生网络和第二特征子孪生网络为共享权值网络;
将所述瞄准镜关键帧图像集合按照时序分别输入所述第一特征子孪生网络和第二特征子孪生网络中,对所述目标物体进行定位偏离分析,输出所述目标偏移轨迹信息。
4.如权利要求1所述的方法,其特征在于,所述标记获取目标物体位置信息和瞄准线位置信息,包括:
对所述目标瞄准镜图像信息进行灰度描述转换,生成目标瞄准镜灰度图像信息;
基于所述目标瞄准镜灰度图像信息进行语义分割,根据语义分割结果获取目标物体区域信息和瞄准线区域信息;
对所述目标物体区域信息和瞄准线区域信息进行边缘特征识别,得到目标物体轮廓特征信息和瞄准线轮廓特征信息;
基于所述目标物体轮廓特征信息和瞄准线轮廓特征信息进行边缘增强并进行位置标记,分别获取所述目标物体位置信息和瞄准线位置信息。
5.如权利要求4所述的方法,其特征在于,所述对所述目标物体区域信息和瞄准线区域信息进行边缘特征识别,包括:
通过Sobel算子对所述目标物体区域信息和瞄准线区域信息进行卷积计算,获得目标物体区域梯度计算结果和瞄准线区域梯度计算结果;
基于所述目标物体区域梯度计算结果和瞄准线区域梯度计算结果,确定目标物体区域边缘信息和瞄准线区域边缘信息;
利用非极大抑制法对所述目标物体区域边缘信息和瞄准线区域边缘信息进行优化,分别得到所述目标物体轮廓特征信息和瞄准线轮廓特征信息。
6.如权利要求1所述的方法,其特征在于,所述得到实际测角偏差信息,包括:
构建测角检定坐标系;
基于所述测角检定坐标系对所述目标物体位置信息和瞄准线位置信息进行标记,得到目标物体位置坐标和瞄准线位置坐标;
通过反正切函数对所述目标物体位置坐标和瞄准线位置坐标进行计算,分别获得目标物体位置角和瞄准线位置角;
将所述目标物体位置角和所述瞄准线位置角的差值,作为所述实际测角偏差信息。
7.如权利要求1所述的方法,其特征在于,所述方法包括:
对所述目标光学瞄准镜的应用环境进行要素提取,确定应用环境参数信息;
依据所述应用环境参数信息进行测角检定影响分析,得到应用参数影响因数信息;
将所述应用参数影响因数信息进行融合,生成检定调焦修正因子,并基于所述检定调焦修正因子对所述瞄准线调焦参数进行修正。
8.用于光学瞄准镜的测角检定系统,其特征在于,所述系统包括:
视频跟踪采集模块,用于在目标光学瞄准镜内置基准检定摄像头,通过所述基准检定摄像头对目标物体进行跟踪采集,获取瞄准镜跟踪视频信息;
关键帧提取模块,用于对所述瞄准镜跟踪视频信息进行视频压缩、关键帧提取,得到瞄准镜关键帧图像集合;
轨迹定位分析模块,用于依据所述瞄准镜关键帧图像集合进行定位分析,生成目标偏移轨迹信息,并基于所述目标偏移轨迹信息选取确定目标瞄准镜图像信息;
特征识别标记模块,用于对所述目标瞄准镜图像信息进行语义分割、特征识别,标记获取目标物体位置信息和瞄准线位置信息;
测角偏差信息获得模块,用于通过反正切函数对所述目标物体位置信息和瞄准线位置信息进行计算,得到实际测角偏差信息;
测角检定模块,用于基于所述实际测角偏差信息和预设测角精度,确定瞄准线调焦参数,并通过所述瞄准线调焦参数对所述目标光学瞄准镜进行测角检定。
9.一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7中任一项所述的用于光学瞄准镜的测角检定方法中的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的用于光学瞄准镜的测角检定方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311422623.3A CN117146739B (zh) | 2023-10-31 | 2023-10-31 | 用于光学瞄准镜的测角检定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311422623.3A CN117146739B (zh) | 2023-10-31 | 2023-10-31 | 用于光学瞄准镜的测角检定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117146739A true CN117146739A (zh) | 2023-12-01 |
CN117146739B CN117146739B (zh) | 2024-01-23 |
Family
ID=88910452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311422623.3A Active CN117146739B (zh) | 2023-10-31 | 2023-10-31 | 用于光学瞄准镜的测角检定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117146739B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118092515A (zh) * | 2024-04-17 | 2024-05-28 | 南京协众光电技术有限公司 | 一种光电测角精度定向系统的调节装置与调节方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1995012800A1 (en) * | 1993-11-03 | 1995-05-11 | Saab Instruments Aktiebolag | Anti-aircraft gun with camera |
CN105953654A (zh) * | 2015-02-11 | 2016-09-21 | 贵州景浩科技有限公司 | 一种高集成化的电子瞄准器及分划精确的调校方法 |
CN107894189A (zh) * | 2017-10-31 | 2018-04-10 | 北京艾克利特光电科技有限公司 | 一种目标点自动追踪的光电瞄准系统及其自动追踪方法 |
CN107907006A (zh) * | 2017-10-31 | 2018-04-13 | 北京艾克利特光电科技有限公司 | 一种自动纠偏的瞄准镜及其自动纠偏方法 |
CN207379366U (zh) * | 2017-09-05 | 2018-05-18 | 姜海龙 | 电子瞄准镜 |
CN113945908A (zh) * | 2021-10-20 | 2022-01-18 | 北京环境特性研究所 | 一种外场成像系统校准装置及方法 |
CN114355371A (zh) * | 2021-12-24 | 2022-04-15 | 中国航空工业集团公司洛阳电光设备研究所 | 一种多目标激光测照光电装置及其控制方法 |
-
2023
- 2023-10-31 CN CN202311422623.3A patent/CN117146739B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1995012800A1 (en) * | 1993-11-03 | 1995-05-11 | Saab Instruments Aktiebolag | Anti-aircraft gun with camera |
CN105953654A (zh) * | 2015-02-11 | 2016-09-21 | 贵州景浩科技有限公司 | 一种高集成化的电子瞄准器及分划精确的调校方法 |
CN207379366U (zh) * | 2017-09-05 | 2018-05-18 | 姜海龙 | 电子瞄准镜 |
CN107894189A (zh) * | 2017-10-31 | 2018-04-10 | 北京艾克利特光电科技有限公司 | 一种目标点自动追踪的光电瞄准系统及其自动追踪方法 |
CN107907006A (zh) * | 2017-10-31 | 2018-04-13 | 北京艾克利特光电科技有限公司 | 一种自动纠偏的瞄准镜及其自动纠偏方法 |
CN113945908A (zh) * | 2021-10-20 | 2022-01-18 | 北京环境特性研究所 | 一种外场成像系统校准装置及方法 |
CN114355371A (zh) * | 2021-12-24 | 2022-04-15 | 中国航空工业集团公司洛阳电光设备研究所 | 一种多目标激光测照光电装置及其控制方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118092515A (zh) * | 2024-04-17 | 2024-05-28 | 南京协众光电技术有限公司 | 一种光电测角精度定向系统的调节装置与调节方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117146739B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322500B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
US20220036589A1 (en) | Multispectral camera external parameter self-calibration algorithm based on edge features | |
CN110826549A (zh) | 基于计算机视觉的巡检机器人仪表图像识别方法及系统 | |
Li et al. | Automatic bridge crack identification from concrete surface using ResNeXt with postprocessing | |
CN117146739B (zh) | 用于光学瞄准镜的测角检定方法及系统 | |
CN110634137A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
US11651581B2 (en) | System and method for correspondence map determination | |
CN112465877B (zh) | 一种基于运动状态估计的卡尔曼滤波视觉追踪稳定方法 | |
CN111383204A (zh) | 视频图像融合方法、融合装置、全景监控系统及存储介质 | |
CN110705433A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
CN111598942A (zh) | 一种用于对电力设施仪表进行自动定位的方法及系统 | |
CN110634138A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
CN117671303B (zh) | 基于孪生网络的立体测距隐患预警方法及系统 | |
CN112801047A (zh) | 缺陷检测方法、装置、电子设备及可读存储介质 | |
CN107392948B (zh) | 一种分振幅实时偏振成像系统的图像配准方法 | |
CN111598097B (zh) | 一种基于机器人视觉的仪表位置、读数识别方法和系统 | |
CN117129527A (zh) | 一种城市道路铺设质量检测方法及系统 | |
CN115375774A (zh) | 确定相机外参的方法、装置、设备及存储介质 | |
WO2015086076A1 (en) | Method for determining a similarity value between a first image and a second image | |
CN113496505B (zh) | 图像配准方法、装置、多光谱相机、无人设备及存储介质 | |
CN113112551A (zh) | 相机参数的确定方法、装置、路侧设备和云控平台 | |
CN112146834A (zh) | 结构振动位移测量方法及装置 | |
CN117726666B (zh) | 跨相机单目图片度量深度估计方法、装置、设备及介质 | |
CN113405644B (zh) | 非接触的振动测量方法、装置和存储介质 | |
CN117911735B (zh) | 一种印刷电路板质量检测方法及系统 |
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 |