CN117173215A - 一种跨摄像头的内河航船全程轨迹识别方法及系统 - Google Patents
一种跨摄像头的内河航船全程轨迹识别方法及系统 Download PDFInfo
- Publication number
- CN117173215A CN117173215A CN202311130183.4A CN202311130183A CN117173215A CN 117173215 A CN117173215 A CN 117173215A CN 202311130183 A CN202311130183 A CN 202311130183A CN 117173215 A CN117173215 A CN 117173215A
- Authority
- CN
- China
- Prior art keywords
- ship
- track
- navigation
- water surface
- camera
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 238000012806 monitoring device Methods 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003643 water by type Substances 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Abstract
本发明公开了一种跨摄像头的内河航船全程轨迹识别方法及系统，方法包括：通过多个视频监控设备，获得内河航船的监控视频；标定每个视频监控设备的内参和外参；分别对各个监控设备采集到的视频进行目标检测和多目标跟踪，得到每个相机中船舶轨迹的像素坐标；通过水面高程监测传感器得到水面相对高程；根据视频监控设备的内参和外参以及水面相对高程，将像素坐标逆投影至世界坐标系；计算航船速度、辨别航船航向，判断、归并不同相机中同一艘船的轨迹，得到世界坐标系下完整的原始轨迹点；对完整的原始轨迹点进行滤波，得到修正后世界坐标系下完整的平滑轨迹。本发明能够通过方便布设的低成本视频监控设备实现内河航船全程轨迹准确识别与监测。
Description
技术领域
本发明属于内河航运监测技术领域，涉及内河航船全程轨迹识别技术，具体涉及一种跨摄像头的内河航船全程轨迹识别方法及系统。
背景技术
随着内河航运的迅猛发展，内河航运的装载能力和运输速度不断提高，船舶数量、水运贸易量和危险货物数量不断增加，而与海面航行相比，内河航道往往较为狭窄，因而对内河航船的监测和主动防撞预警引起了广泛关注。随着计算机视觉算法的快速发展，相比合成孔径雷达(SAR)和船舶自动识别系统(AIS)，基于视频监控的手段因其设备成本低、分辨率高的优点，在内河船舶检测和主动防撞系统中具有很大的应用潜力。
但是现有的基于视频监控手段的内河航船轨迹识别方法还是存在很多问题，首先，由于缺乏深度信息，单目相机在识别三维目标时受到限制；其次，单点布置视频监控设备覆盖监测范围有限，沿岸布置多个相机则因为河流走向和船舶航向的变化，拍摄目标的角度不能保持统一，因而目标重识别方法不能很好地应用；而船舶轨迹也常常因目标检测定位结果的误差造成局部轨迹的抖动；同时，通用模型在大背景下对小目标的识别能力还有待提升。
发明内容
发明目的：为了克服现有技术中存在的不足，提供了一种跨摄像头的内河航船全程轨迹识别方法及系统，其能够通过方便布设的低成本视频监控设备实现内河航船全程轨迹准确识别与监测。
技术方案：为实现上述目的，本发明提供一种跨摄像头的内河航船全程轨迹识别方法，包括如下步骤：
S1：通过布设在内河航道沿岸的多个视频监控设备，获得内河航船的监控视频；
S2：标定每个视频监控设备的内参和外参；通过水面高程监测传感器得到水面相对高程；
S3：分别对各个监控设备采集到的视频进行目标检测和多目标跟踪，得到每个相机中船舶轨迹的像素坐标；
S4：根据步骤S2得到的视频监控设备的内参和外参以及水面相对高程，将步骤S3获得的像素坐标从图像平面逆投影至世界坐标系，获得船舶在真实物理世界的航行轨迹；
S5：计算航船速度、辨别航船航向，判断、归并不同相机中同一艘船的轨迹，得到世界坐标系下完整的原始轨迹点；
S6：对完整的原始轨迹点进行滤波修正，得到修正后世界坐标系下完整的平滑轨迹。
进一步地，所述步骤S1中相邻的视频监控设备覆盖的河流水域首尾相接且有重叠区域。
进一步地，所述步骤S2中使用标定板对视频监控设备进行内参标定，得到的相机内参表示为：
其中fx、fy为像素焦距，cx、cy为图像坐标系原点在像素坐标系下的坐标。
进一步地，所述步骤S2中使用RANSAC PnP算法计算表征相机位姿的外参，包括代表相机角度的旋转矩阵和代表相机相对位置的平移矩阵其中rij为旋转系数，tn为平移系数。
RANSAC PnP的具体步骤：
1.准备数据：准备三维空间中的点和它们在图像中的对应投影点。
2.获取相机的内参：如焦距、图像坐标系原点坐标。
3.按随机抽样一致性(RANSAC)原则迭代：
a.随机抽样以上点的子集，解PnP问题来估计当前的相机位姿(这个过程需要使用相机内参K)；
b.对于每个未采样的点，使用当前的相机位姿和内参，将对应的三维点投影到二维图像平面上，然后计算实际投影点与计算的投影点之间的误差。
c.误差小于预定阈值的点视为内点，最终得到一组内点，即与当前估计的相机位姿匹配良好的点。
d.如果当前相机位姿的内点数目比之前相机位姿的更多，就将当前估计的相机位姿设为新的最佳模型。
e.完成指定的迭代次数后，选择具有最多内点的最佳模型作为最终的相机位姿估计结果。
进一步地，所述步骤S2中以外参标定中选择的世界坐标系Zw＝0为零点，计算水面相对高程。
进一步地，所述步骤S3中目标检测使用YOLOv5模型检测船舶目标，并分别在模型头部(head)P5和P6之前及SPPF模块之后应用了无参注意力模块SimAM。
进一步地，所述步骤S3中多目标跟踪采用Bytetrack算法稳定跟踪当前摄像头内检测到的船舶目标。
进一步地，所述步骤S4中逆投影计算公式由以下像素坐标与世界坐标的转换公式推导而来：
式可展开为
为方便表示，令
式(3)可被重新组织为
式中，Zw为水面相对高程，所有的参数cij通过步骤S3的公式得到，像素坐标u和v为步骤S3中识别的船舶在像素坐标系下的轨迹。
进一步地，所述步骤S5中计算航船速度、辨别航船航向具体为：在计算航船速度辨别航船航向时，先对该轨迹进行滤波，以减少轨迹噪声对航船速度及航向的判断，然后以每帧图像检测到的航行轨迹与前一帧作差计算航船速度和航向，即该船舶在X方向的速度/>其中f为视频帧率，航向包含在速度中，速度大于零说明船舶向正向移动，小于零说明船舶向负向移动，Y方向同理。
进一步地，所述步骤S5中判断、归并不同相机中同一艘船的轨迹的方式为：根据实际情况设定距离阈值，当不同视频监控中出现同一时间戳下距离小于阈值的轨迹点则判定为同一艘船舶，合并前后两视频检测到的所有轨迹点及其对应的时间戳，将无时间重叠的轨迹点直接保留,有时间重叠的轨迹点求平均值。
需要强调的是，船舶在即将驶离/刚刚进入监控视野，即远离监控设备时，可能因目标过小而未被检测到，造成两视频设备检测到的轨迹不连续，此时按照前一监控设备中最后检测到的航向和速度延续轨迹，直至下一设备在该来船方向最初检测到船舶的时刻。
进一步地，所述步骤S6中采用双轴Savitzky-Golay对完整的原始轨迹点进行滤波，即分别对轨迹的x轴和y轴进行Savitzky-Golay滤波。
本发明将Savitzky-Golay滤波应用于船舶轨迹的处理，一般二维数据一个变量往往随另一个变量变化，因此只需对单轴进行滤波即可达到平滑效果，但因船舶行驶方向各异，x、y数据互不关联，轨迹识别误差造成的轨迹“抖动”可能导致轨迹在x轴y轴均有反复波动的情况，因此本发明通过Savitzky-Golay滤波能够对x轴和y轴进行双轴滤波，从而达到更好的滤波效果。
本发明还提供一种跨摄像头的内河航船全程轨迹识别系统，包括：多个时间同步的视频监控设备、水面高程监测传感器、数据处理系统、信息收发装置；
所述多个时间同步的视频监控设备，用于采集不同内河航道段的航船视频，沿岸分布布置，保证监测的水域首尾相接有重叠区域；
所述水面高程监测传感器用于获取到水面相对高程；
所述信息收发装置用于将水面高程信息从水面高程监测传感器传至数据处理系统；
所述数据处理系统用于实时载入监控视频和水面高程信息，执行步骤S2～S6。
有益效果：本发明与现有技术相比，具备如下优点：
1、本发明提供的跨摄像头的内河航船全程轨迹识别方法与系统，仅通过水面高程监测传感器获得的水面相对高程，通过普通视频监控设备拍摄的视频检测和跟踪船舶位置，即可还原船舶目标的世界坐标，降低了经济成本，且布置以及维修更加方便；
2、本发明提供的跨摄像头的内河航船全程轨迹识别方法与系统，能够切实有效地实现内河航道较长河段内航船全程轨迹的识别与监测，通过低成本手段获得更为全面和准确的统计数据，为内河航船全程轨迹分析提供了便利，具有广阔的应用前景。
3、双轴Savitzky-Golay滤波使原始目标检测的轨迹结果得到了修正，减少了目标检测的定位噪声，适合在相关领域推广。
4、通过在多个特征尺度应用无参注意力模块SimAM，能够提升在大背景下对小目标的识别准确度，提高了模型对小目标的检测效果。
5、本发明提供的跨摄像头的内河航船全程轨迹识别方法与系统，能够得到覆盖范围更全面的航船全程轨迹，且轨迹更平滑、准确，有效提升了内河航船全程轨迹的识别效果。
附图说明
图1是本发明提供的一种跨摄像头的内河航船全程轨迹识别方法的流程图；
图2是本发明提供的一种跨摄像头的内河航船全程轨迹识别方法和系统实施例示意图；
图3是本发明一种跨摄像头的内河航船全程轨迹识别方法和系统的实施结果示例。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示，本发明提供一种跨摄像头的内河航船全程轨迹识别方法，包括如下步骤：
S1：通过布设在内河航道沿岸的多个视频监控设备，获得内河航船的监控视频；
相邻的视频监控设备覆盖的河流水域首尾相接且有重叠区域。
S2：标定每个视频监控设备的内参和外参：
使用标定板对视频监控设备进行内参标定，得到的相机内参表示为：
其中fx、fy为像素焦距，cx、cy为图像坐标系原点在像素坐标系下的坐标。
使用RANSAC PnP算法计算表征相机位姿的外参，包括代表相机角度的旋转矩阵和代表相机相对位置的平移矩阵/>其中rij为旋转系数，tn为平移系数。
RANSAC PnP的具体步骤：
1.准备数据：准备三维空间中的点和它们在图像中的对应投影点。
2.获取相机的内参：如焦距、图像坐标系原点坐标。
3.按随机抽样一致性(RANSAC)原则迭代：
a.随机抽样以上点的子集，解PnP问题来估计当前的相机位姿(这个过程需要使用相机内参K)；
b.对于每个未采样的点，使用当前的相机位姿和内参，将对应的三维点投影到二维图像平面上，然后计算实际投影点与计算的投影点之间的误差。
c.误差小于预定阈值的点视为内点，最终得到一组内点，即与当前估计的相机位姿匹配良好的点。
d.如果当前相机位姿的内点数目比之前相机位姿的更多，就将当前估计的相机位姿设为新的最佳模型。
e.完成指定的迭代次数后，选择具有最多内点的最佳模型作为最终的相机位姿估计结果。
通过水面高程监测传感器得到水面相对高程：以外参标定中选择的世界坐标系Zw＝0为零点，计算水面相对高程。
S3：分别对各个监控设备采集到的视频进行目标检测和多目标跟踪，得到每个相机中船舶轨迹的像素坐标；其中目标检测使用YOLOv5模型检测船舶目标，并分别在模型头部(head)P5和P6之前及SPPF模块之后应用了无参注意力模块SimAM；多目标跟踪采用Bytetrack算法稳定跟踪当前摄像头内检测到的船舶目标。
S4：根据步骤S2得到的视频监控设备的内参和外参以及水面相对高程，将步骤S3获得的像素坐标从图像平面逆投影至世界坐标系，获得船舶在真实物理世界的航行轨迹：
逆投影计算公式由以下像素坐标与世界坐标的转换公式推导而来：
式可展开为
为方便表示，令
式可被重新组织为
式中，Zw为水面相对高程，所有的参数cij通过步骤S2的公式得到，像素坐标u和v为步骤S3中识别的船舶在像素坐标系下的轨迹。
S5：计算航船速度、辨别航船航向，判断、归并不同相机中同一艘船的轨迹，得到世界坐标系下完整的原始轨迹点：
所述步骤S5中计算航船速度、辨别航船航向具体为：在计算航船速度辨别航船航向时，先对该轨迹进行滤波，以减少轨迹噪声对航船速度及航向的判断，然后以每帧图像检测到的航行轨迹与前一帧作差计算航船速度和航向，即该船舶在X方向的速度/>其中f为视频帧率，航向包含在速度中，速度大于零说明船舶向正向移动，小于零说明船舶向负向移动，Y方向同理；
判断、归并不同相机中同一艘船的轨迹的方式为：根据实际情况设定距离阈值，当不同视频监控中出现同一时间戳下距离小于阈值的轨迹点则判定为同一艘船舶，合并前后两视频检测到的所有轨迹点及其对应的时间戳，将无时间重叠的轨迹点直接保留,有时间重叠的轨迹点求平均值。
需要强调的是，船舶在即将驶离/刚刚进入监控视野，即远离监控设备时，可能因目标过小而未被检测到，造成两视频设备检测到的轨迹不连续，此时按照前一监控设备中最后检测到的航向和速度延续轨迹，直至下一设备在该来船方向最初检测到船舶的时刻。
S6：采用双轴Savitzky-Golay对完整的原始轨迹点进行滤波，即分别对轨迹的x轴和y轴进行Savitzky-Golay滤波，得到修正后世界坐标系下完整的平滑轨迹。
本发明还提供一种跨摄像头的内河航船全程轨迹识别系统，包括：多个时间同步的视频监控设备、水面高程监测传感器、数据处理系统、信息收发装置；
多个时间同步的视频监控设备，用于采集不同内河航道段的航船视频，沿岸分布布置，保证监测的水域首尾相接有重叠区域；
水面高程监测传感器用于获取到水面相对高程；
信息收发装置用于将水面高程信息从水面高程监测传感器传至数据处理系统；
数据处理系统用于实时载入监控视频和水面高程信息，执行步骤S2～S6。
基于上述方案，本实施例中将上述方案进行实例应用，如图2所示，在监控范围内沿岸布置视频监控设备若干，相邻视频监控设备覆盖水域有重叠，在指定位置布设水面高程监测传感器，在实际轨迹识别中，船舶依次经过各监控设备覆盖的区域，根据前述方法检测、跟踪船舶并逆变换计算得到其各段轨迹的三维世界坐标，根据前述方法合并各段轨迹，最终使用双轴Savitzky-Golay滤波对轨迹做最后的修正。
本实施例中将本发明方案与现有的时间戳同步轨迹识别方案进行实例对比，具体如图3所示，图3中a为各相机记录的同一艘船行驶过程中的世界坐标轨迹，b为采用时间戳同步轨迹识别方案获得的船舶完整行驶轨迹，c为采用本发明方案获得的船舶完整行驶轨迹，可以明显看出，本发明获得的船舶完整行驶轨迹更加平滑，具备更好的准确度。
通过以上内容可知，本发明提供的跨摄像头的内河航船全程轨迹识别方法与系统，相较于常用的获得三维空间位置的双目或多目相机设备，利用水面高程监测传感器和单目相机检测目标位置计算还原船舶目标的世界坐标，布置更方便、成本更低。相较于使用单个视频监控设备，可以监测更长的流域，从而为内河航船全程轨迹分析提供了便利。相较于其他船舶轨迹识别方法，双轴Savitzky-Golay滤波使轨迹得到修正，减少了目标检测的定位噪声，适合在相关领域推广。
Claims (10)
1.一种跨摄像头的内河航船全程轨迹识别方法，其特征在于，包括如下步骤：
S1：通过布设在内河航道沿岸的多个视频监控设备，获得内河航船的监控视频；
S2：标定每个视频监控设备的内参和外参；通过水面高程监测传感器得到水面相对高程；
S3：分别对各个监控设备采集到的视频进行目标检测和多目标跟踪，得到每个相机中船舶轨迹的像素坐标；
S4：根据步骤S2得到的视频监控设备的内参和外参以及水面相对高程，将步骤S3获得的像素坐标从图像平面逆投影至世界坐标系，获得船舶在真实物理世界的航行轨迹；
S5：计算航船速度、辨别航船航向，判断、归并不同相机中同一艘船的轨迹，得到世界坐标系下完整的原始轨迹点；
S6：对完整的原始轨迹点进行滤波修正，得到修正后世界坐标系下完整的平滑轨迹。
2.根据权利要求1所述的一种跨摄像头的内河航船全程轨迹识别方法，其特征在于，所述步骤S1中相邻的视频监控设备覆盖的河流水域首尾相接且有重叠区域。
3.根据权利要求1所述的一种跨摄像头的内河航船全程轨迹识别方法，其特征在于，所述步骤S2中使用标定板对视频监控设备进行内参标定，得到的相机内参表示为：
其中fx、fy为像素焦距，cx、cy为图像坐标系原点在像素坐标系下的坐标。
4.根据权利要求1所述的一种跨摄像头的内河航船全程轨迹识别方法，其特征在于，所述步骤S2中使用RANSAC PnP算法计算表征相机位姿的外参，包括代表相机角度的旋转矩阵和代表相机相对位置的平移矩阵/>其中rij为旋转系数，tn为平移系数。
5.根据权利要求1所述的一种跨摄像头的内河航船全程轨迹识别方法，其特征在于，所述步骤S3中目标检测使用YOLOv5模型检测船舶目标，并分别在模型头部(head)P5和P6之前及SPPF模块之后应用了无参注意力模块SimAM；
多目标跟踪采用Bytetrack算法稳定跟踪当前摄像头内检测到的船舶目标。
6.根据权利要求1所述的一种跨摄像头的内河航船全程轨迹识别方法，其特征在于，所述步骤S4中逆投影计算公式由以下像素坐标与世界坐标的转换公式推导而来：
式可展开为
为方便表示，令
式(3)被重新组织为
式中，Zw为水面相对高程，所有的参数cij通过步骤S2的公式得到，像素坐标u和v为步骤S3中识别的船舶在像素坐标系下的轨迹。
7.根据权利要求1所述的一种跨摄像头的内河航船全程轨迹识别方法，其特征在于，所述步骤S5中计算航船速度、辨别航船航向具体为：在计算航船速度辨别航船航向时，先对该轨迹进行滤波，以减少轨迹噪声对航船速度及航向的判断，然后以每帧图像检测到的航行轨迹与前一帧作差计算航船速度和航向，即该船舶在X方向的速度/>其中f为视频帧率，航向包含在速度中，速度大于零说明船舶向正向移动，小于零说明船舶向负向移动，Y方向同理。
8.根据权利要求1所述的一种跨摄像头的内河航船全程轨迹识别方法，其特征在于，所述步骤S5中判断、归并不同相机中同一艘船的轨迹的方式为：根据实际情况设定距离阈值，当不同视频监控中出现同一时间戳下距离小于阈值的轨迹点则判定为同一艘船舶，合并前后两视频检测到的所有轨迹点及其对应的时间戳，将无时间重叠的轨迹点直接保留,有时间重叠的轨迹点求平均值；
所述步骤S5中船舶在即将驶离/刚刚进入监控视野，即远离监控设备时，可能因目标过小而未被检测到，造成两视频设备检测到的轨迹不连续，此时按照前一监控设备中最后检测到的航向和速度延续轨迹，直至下一设备在该来船方向最初检测到船舶的时刻。
9.根据权利要求1所述的一种跨摄像头的内河航船全程轨迹识别方法，其特征在于，所述步骤S6中采用双轴Savitzky-Golay对完整的原始轨迹点进行滤波，即分别对轨迹的x轴和y轴进行Savitzky-Golay滤波。
10.一种跨摄像头的内河航船全程轨迹识别系统，其特征在于，包括：多个时间同步的视频监控设备、水面高程监测传感器、数据处理系统、信息收发装置；
所述多个时间同步的视频监控设备，用于采集不同内河航道段的航船视频，沿岸分布布置，保证监测的水域首尾相接有重叠区域；
所述水面高程监测传感器用于获取到水面相对高程；
所述信息收发装置用于将水面高程信息从水面高程监测传感器传至数据处理系统；
所述数据处理系统用于实时载入监控视频和水面高程信息，执行权利要求1的步骤S2～S6。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311130183.4A CN117173215A (zh) | 2023-09-04 | 2023-09-04 | 一种跨摄像头的内河航船全程轨迹识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311130183.4A CN117173215A (zh) | 2023-09-04 | 2023-09-04 | 一种跨摄像头的内河航船全程轨迹识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117173215A true CN117173215A (zh) | 2023-12-05 |
Family
ID=88933176
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311130183.4A Pending CN117173215A (zh) | 2023-09-04 | 2023-09-04 | 一种跨摄像头的内河航船全程轨迹识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117173215A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117395377A (zh) * | 2023-12-06 | 2024-01-12 | 上海海事大学 | 基于多视角融合的岸桥海侧安全监控方法、系统、介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200012280A (ko) * | 2018-07-26 | 2020-02-05 | 국방과학연구소 | 이동체 이동 궤적 식별 장치 및 방법 |
| CN111027462A (zh) * | 2019-12-06 | 2020-04-17 | 长沙海格北斗信息技术有限公司 | 跨多摄像头的行人轨迹识别方法 |
| CN111199075A (zh) * | 2019-12-30 | 2020-05-26 | 四川函钛科技有限公司 | 一种基于时序qar参数的飞行轨迹自适应平滑的方法 |
| CN111292360A (zh) * | 2020-01-21 | 2020-06-16 | 四川省交通勘察设计研究院有限公司 | 一种用于船舶行驶航线推荐方法及系统 |
| WO2021196294A1 (zh) * | 2020-04-03 | 2021-10-07 | 中国科学院深圳先进技术研究院 | 一种跨视频人员定位追踪方法、系统及设备 |
| CN113990108A (zh) * | 2021-10-22 | 2022-01-28 | 苏交科集团股份有限公司 | 一种船舶优化识别和实时跟踪方法及防撞预警系统 |
| CN114485698A (zh) * | 2021-12-28 | 2022-05-13 | 武汉中海庭数据技术有限公司 | 一种交叉路口引导线生成方法及系统 |
-
2023
- 2023-09-04 CN CN202311130183.4A patent/CN117173215A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200012280A (ko) * | 2018-07-26 | 2020-02-05 | 국방과학연구소 | 이동체 이동 궤적 식별 장치 및 방법 |
| CN111027462A (zh) * | 2019-12-06 | 2020-04-17 | 长沙海格北斗信息技术有限公司 | 跨多摄像头的行人轨迹识别方法 |
| CN111199075A (zh) * | 2019-12-30 | 2020-05-26 | 四川函钛科技有限公司 | 一种基于时序qar参数的飞行轨迹自适应平滑的方法 |
| CN111292360A (zh) * | 2020-01-21 | 2020-06-16 | 四川省交通勘察设计研究院有限公司 | 一种用于船舶行驶航线推荐方法及系统 |
| WO2021196294A1 (zh) * | 2020-04-03 | 2021-10-07 | 中国科学院深圳先进技术研究院 | 一种跨视频人员定位追踪方法、系统及设备 |
| CN113990108A (zh) * | 2021-10-22 | 2022-01-28 | 苏交科集团股份有限公司 | 一种船舶优化识别和实时跟踪方法及防撞预警系统 |
| CN114485698A (zh) * | 2021-12-28 | 2022-05-13 | 武汉中海庭数据技术有限公司 | 一种交叉路口引导线生成方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 吴刚等: "基于机器视觉与无人机的结构动位移测量方法", 《振动与冲击》, vol. 41, no. 19, 15 October 2022 (2022-10-15) * |
| 李俊彦等: "基于视频的多目标车辆跟踪及轨迹优化", 《计算机工程与应用》, vol. 56, no. 5, 11 July 2019 (2019-07-11), pages 195 - 197 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117395377A (zh) * | 2023-12-06 | 2024-01-12 | 上海海事大学 | 基于多视角融合的岸桥海侧安全监控方法、系统、介质 |
| CN117395377B (zh) * | 2023-12-06 | 2024-03-22 | 上海海事大学 | 基于多视角融合的岸桥海侧安全监控方法、系统、介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111462200A (zh) | 一种跨视频行人定位追踪方法、系统及设备 | |
| CN108805904B (zh) | 一种基于卫星序列图像的运动舰船检测与跟踪方法 | |
| CN112149550B (zh) | 一种基于多传感器融合的自动驾驶车辆3d目标检测方法 | |
| CN109241976B (zh) | 一种基于图像处理和激光测距溢油面积估计的方法 | |
| CN102806913B (zh) | 一种车道线偏离检测方法及装置 | |
| CN113359097B (zh) | 一种毫米波雷达和相机联合标定的方法 | |
| CN103065323B (zh) | 一种基于单应性变换矩阵的分段空间对准方法 | |
| CN109409283A (zh) | 一种海面舰船跟踪和监控的方法、系统和存储介质 | |
| CN112346096B (zh) | 一种高低轨遥感卫星舰船目标航迹与点迹关联方法及系统 | |
| CN1940591A (zh) | 使用传感器融合进行目标跟踪的系统和方法 | |
| CN112991391A (zh) | 一种基于雷达信号和视觉融合的车辆检测与跟踪方法 | |
| CN108596117B (zh) | 一种基于二维激光测距仪阵列的场景监控方法 | |
| CN117173215A (zh) | 一种跨摄像头的内河航船全程轨迹识别方法及系统 | |
| Cvišić et al. | Recalibrating the KITTI dataset camera setup for improved odometry accuracy | |
| CN112991401B (zh) | 车辆运行轨迹追踪方法、装置、电子设备和存储介质 | |
| CN113627473A (zh) | 基于多模态传感器的水面无人艇环境信息融合感知方法 | |
| Wang et al. | Improvement in real-time obstacle detection system for USV | |
| CN111738071B (zh) | 一种基于单目摄像机的运动变化的逆透视变换方法 | |
| CN113743385A (zh) | 一种无人船水面目标检测方法、装置及无人船 | |
| CN111323756A (zh) | 一种基于深度学习的航海雷达目标检测方法及装置 | |
| CN115346368B (zh) | 一种基于远、近景多传感器一体融合的交通路侧感知系统及方法 | |
| CN111323757B (zh) | 一种航海雷达目标检测方法及装置 | |
| CN114280611A (zh) | 一种融合毫米波雷达与摄像头的路侧感知方法 | |
| Gladstone et al. | Distance estimation for marine vehicles using a monocular video camera | |
| CN116978009A (zh) | 基于4d毫米波雷达的动态物体滤除方法 |
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 |