CN117237199B - 基于无人机航拍生成模拟gmti雷达图像的方法 - Google Patents
基于无人机航拍生成模拟gmti雷达图像的方法 Download PDFInfo
- Publication number
- CN117237199B CN117237199B CN202311518174.2A CN202311518174A CN117237199B CN 117237199 B CN117237199 B CN 117237199B CN 202311518174 A CN202311518174 A CN 202311518174A CN 117237199 B CN117237199 B CN 117237199B
- Authority
- CN
- China
- Prior art keywords
- target
- image
- full
- gmti radar
- unmanned aerial
- 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 36
- 238000004088 simulation Methods 0.000 title abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000011282 treatment Methods 0.000 claims description 9
- 230000005693 optoelectronics Effects 0.000 claims 2
- 238000012549 training Methods 0.000 abstract description 5
- 238000012216 screening Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000010339 dilation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 208000032005 Spinocerebellar ataxia with axonal neuropathy type 2 Diseases 0.000 description 1
- 208000033361 autosomal recessive with axonal neuropathy 2 spinocerebellar ataxia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像模拟技术领域,具体提供一种基于无人机航拍生成模拟GMTI雷达图像的方法,在无人机上设置光电转台,在惯性稳定状态下,利用光电转台带动相机对目标区域进行扫描,根据拍摄图像时光电转台的方位角度值,编辑子图像序列,并进行图像拼接;对拼接获得的全区域图像进行连通域的提取,并依据目标尺寸对连通域进行过滤,获得目标,计算目标的坐标和空间速度,并叠加在GMTI雷达底图上。本发明完全通过计算机实现目标筛选、目标坐标和空间速度进行计算,以及将目标信息叠加在GMTI雷达底图上,能够实时生成任意目标任意时刻的模拟GMTI雷达图像,供学员观看,降低了GMTI雷达操作手的训练成本。
Description
技术领域
本发明涉及图像模拟技术领域,具体提供一种基于无人机航拍生成模拟GMTI雷达图像的方法。
背景技术
GMTI雷达是地面动目标指示雷达(Ground Moving Target Indicator Radar)的简称。与传统的雷达系统不同,GMTI雷达专门设计用来追踪地面上的移动目标,而不是只检测静止的物体或飞行中的目标。GMTI雷达需要运用复杂的信号处理算法和波形设计技术,所以对操作人员的技术要求相对较高。操作人员需要十分了解雷达系统的原理、工作模式和信号特征,以便正确地调整参数和解读雷达返回的信号。
但对于大多数GMTI雷达操作的初学者而言,雷达系统的操作过于复杂,如果直接进行实际操作,容易对GMTI雷达系统造成损坏,并且GMTI雷达系统的实装设备成本高昂,使用实装进行训练增加了学习培训成本。在初期学习过程中,应当避免学员直接进行实际操作,降低设备受损概率,因此,需要一种能够低成本获取模拟GMTI雷达图像的方法。
发明内容
本发明为解决上述问题,提供了一种无人机航拍生成模拟GMTI雷达图像的方法,通过航拍获取目标信息,并叠加在GMTI雷达底图上,通过计算机处理生成模拟GMTI雷达图像。
本发明提供的无人机航拍生成模拟GMTI雷达图像的方法,包括以下步骤:
S1:在无人机上设置光电转台,在惯性稳定状态下,相机随光电转台对目标区域进行N次扫描;
每次扫描中,每隔固定角度拍摄一张子图像,并测量无人机与目标间的距离;
S2:每次扫描中,每隔固定角度拍摄一张子图像,根据拍摄子图像时光电转台的方位角度值,编辑子图像序列并拼接成1张全区域图像,N次扫描共获得N张全区域图像;
S3:获取N张全区域图像的连通域;
S4:根据距离与相机焦距计算目标在全区域图像上的尺寸,对全区域图像进行过滤,获得目标;
S5:计算任意两张全区域图像上目标的中心点像素间隔值,并根据拍摄时间差,计算目标的像素速度,依据目标的像素速度、无人机与目标间的距离、相机的像元尺寸及相机焦距,计算目标的空间速度;根据无人机与目标间的距离,计算目标的坐标;
S6:在GMTI雷达底图上叠加目标的坐标和空间速度。
优选的,相机随光电转台对目标区域进行3次扫描,每次扫描中,光电转台的扫描方位角度范围为0度至100度。
优选的,固定角度为10度,每隔10度拍摄一张子图像。
优选的,依据图像序列拼接获得3张全区域图像,分别为FULL_FAN1、FULL_FAN2和FULL_FAN3。
优选的,全区域图像过滤目标的过程为:
将任意两张全区域图像的颜色分量进行差分,并将差分结果进行二值化,将二值化的全区域图像进行膨胀处理;计算膨胀后的全区域图像上连通域的像素尺寸,依据连通域的像素尺寸和目标在全区域图像上的尺寸过滤目标。
优选的,目标的空间速度SPEEDTRUE的计算式如下:
;
其中,speedpix表示目标的像素速度,distance表示无人机与目标间的距离,PSIZE表示相机的像元尺寸,f表示相机焦距。
优选的,目标的坐标和空间速度叠加在GMTI雷达底图上的过程如下:
绘制GMTI雷达底图,并确定比例尺;
对于含有目标的子图像,将其拍摄时光电转台的方位角度值α作为GMTI雷达底图中目标与X轴正半轴的夹角;
根据比例尺将无人机与目标间的距离distance作为GMTI雷达底图中目标距离圆心的距离;
计算目标在GMTI雷达底图上X轴坐标为;计算目标在GMTI雷达底图上Y轴坐标为/>;
确定目标在GMTI雷达底图上的坐标后,将对应的空间速度进行标识。
与现有技术相比,本发明能够取得如下有益效果:
本发明通过无人机搭载光电转台,利用光电转台带动相机对目标区域进行扫描,获取全区域图像,通过本发明的方法对全区域图像进行目标筛选,并利用计算机对目标坐标和空间速度进行计算,并叠加在GMTI雷达底图上,能够实时生成任意目标任意时刻的模拟GMTI雷达图像,供学员观看,显著降低了GMTI雷达操作手的训练成本。
附图说明
图1是根据本发明实施例提供的无人机航拍生成模拟GMTI雷达图像的方法的流程图;
图2是根据本发明实施例提供的第1次扫描时,拍摄获得的子图像序列图;
图3是根据本发明实施例提供的第2次扫描时,拍摄获得的子图像序列图;
图4是根据本发明实施例提供的第3次扫描时,拍摄获得的子图像序列图;
图5是根据本发明实施例提的第1次扫描时,拼接获得的第一张全区域图像;
图6是根据本发明实施例提的第2次扫描时,拼接获得的第二张全区域图像;
图7是根据本发明实施例提的第3次扫描时,拼接获得的第三张全区域图像;
图8是根据本发明实施例提供的第二张全区域图像与第一张全区域图像的背景颜色分量差分后,二值化获得的全区域图像BW21;
图9是根据本发明实施例提供膨胀后获得的全区域图像pengzhang21;
图10是根据本发明实施例提供的第三张全区域图像与第一张全区域图像的背景颜色分量差分后,二值化获得的全区域图像BW31;
图11是根据本发明实施例提供膨胀后获得的全区域图像pengzhang31;
图12是根据本发明实施例提供的GMTI雷达底图;
图13是根据本发明实施例提供的最终生成的模拟GMTI雷达图像。
具体实施方式
在下文中,将参考附图描述本发明的实施例。在下面的描述中,相同的模块使用相同的附图标记表示。在相同的附图标记的情况下,它们的名称和功能也相同。因此,将不重复其详细描述。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,而不构成对本发明的限制。
本发明实施例提供的基于无人机航拍生成模拟GMTI雷达图像的方法,通过机载计算机进行实现,通过对航拍图像进行计算处理,模拟雷达针对运动目标获得的GMTI雷达图像,并通过无线电链路下传至地面站,供地面站上的学员观看和学习,增强了学员对于GMTI雷达图像的了解和认知,如图1所示,具体模拟过程如下:
S1:首先进行硬件搭建,在无人机上设置光电转台,并将相机与光电转台进行连接,保证相机随光电转台同步转动。本实施例中的相机包括但不限于各种能够获取目标图像的传感器,目标为运动状态下的汽车。
当光电转台处于惯性稳定状态下,相机随光电转台对目标区域进行N次扫描,N大于等于2。在每次扫描中,需要确定扫描方位角度范围,每隔固定角度拍摄一张子图像,并记录子图像拍摄的时间。在本实施例中共进行了3次扫描,扫描时光电转台的俯仰角保持固定,在每次扫描中,从0度扫描至100度为一次完整的扫描扇区,光电转台每转动10度拍摄一张子图像,拍摄过程及光电转台的转动完全由计算机控制,并且可以对扫描方位角度范围、拍摄间隔、子图像总数以及光电转台的转速等参数进行调节,以适应于不同运动速度的目标进行拍摄。在拍摄时,需要对无人机与目标间的距离进行测量,通过光电测距技术多次测量无人机与目标间的距离,计算多测测量结果的平均值作为最终距离,通常测量次数为5次,此外,可同时调整测量次数与测量频率。
S2:对于本实施例中的3次扫描,根据拍摄子图像时光电转台的方位角度值,编辑子图像序列,具体如下:
如图2所示,第1次扇区扫描时,子图像序列为FAN1-1~FAN1-10;
如图3所示,第2次扇区扫描时,子图像序列为FAN2-1~FAN2-10;
如图4所示,第3次扇区扫描时,子图像序列为FAN3-1~FAN3-10。
在编辑子图像序列过程中将每一张子图像包含拍摄时间、拍摄时光电转台的方位角度值等信息。
对图像序列进行实时快速拼接,拼接成一张完整的全区域图像,具体的:
对FAN1-1~FAN1-10进行拼接处理,形成一张如图5所示的完整扇区的全区域图像FULL_FAN1;
对FAN2-1~FAN2-10进行拼接处理,形成一张如图6所示的完整扇区的全区域图像FULL_FAN2;
对FAN3-1~FAN3-10进行拼接处理,形成一张如图7所示的完整扇区的全区域图像FULL_FAN3。
S3:通过图像差分、二值化和膨胀处理获取全区域图像中的连通域,具体的:
对全区域图像FULL_FAN1和全区域图像FULL_FAN2的背景颜色分量进行差分处理,在本实施例中背景主体为绿色,因此主要对绿色分量进行做差,将差分结果进行二值化,二值化的阈值可依据背景与目标的色差进行设置,在本实施例中阈值,二值化的公式如下:。
其中,BW21表示计算获得如图8所示的二值化的全区域图像。
对如图8所示的BW21进行膨胀处理,膨胀过程中需要保证无数值溢出,膨胀后获得如图9所示的全区域图像pengzhang21。
对全区域图像FULL_FAN1和全区域图像FULL_FAN3的背景颜色分量进行差分处理,在本实施例中背景主体为绿色,因此主要对绿色分量进行做差,将差分结果进行二值化,二值化的阈值可依据背景与目标的色差进行设置,在本实施例中阈值,二值化的公式如下:。
其中,BW31表示计算获得如图10所示的二值化的全区域图像。
对如图10所示的BW31进行膨胀处理,膨胀过程中需要保证无数值溢出,膨胀后获得如图11所示的全区域图像pengzhang31。
FULL_FAN3与FULL_FAN2的处理与上述过程相同。当扫描次数增多时,也采用同样的方法进行处理。对于不同的全区域图像,可能存在目标区域内无目标的情况,即如图5示出的全区域图像,该图像即为背景全区域图像,通过含有目标的全区域图像分别与背景全区域图像进行差分、二值化和膨胀处理等处理即可获得一个表示目标的连通域;当所有全区域图像都含有目标,可以调整拍摄时间,或者直接将含有目标的全区域图像进行上述处理,处理后的全区域图像会存在两个均表示目标的连通域,但两个连通域对应拍摄时间是不同,处理过程和原理均是相同的。
S4:根据S1中计算获得的最终距离与相机焦距,计算目标在全区域图像上的尺寸,对全区域图像上的连通域进行过滤,具体的:
预先将汽车尺寸和相机像元尺寸PSIZE录入计算机,并结合扫描时相机焦距f,激光测距获得的最终距离distance,计算目标车辆在处理后的全区域图像上所占像素值,可包括长度值、高度值、宽度值、对角线值等,在本实施例中,是进行实验模拟,目标区域中的背景运动噪声较少,仅计算车辆长度所占的像素值和车辆高度所占的像素值。/>计算公式如下:;
其中,LENGTH表示汽车的空间长度。
计算公式如下:/>;
其中,HEIGHT表示汽车的空间高度,当背景运动噪声较多时,可以通过多个汽车尺寸值进行目标筛选,并且可通过汽车尺寸值进行一一对应限定,或者直接计算面积,通过面积进行整体筛选。
在本实施例中,通过面积进行整体筛选,计算汽车应当对应的连通域面积area为:。
由于图像处理以及拍摄时角度的问题,需要对面积进行补偿,设定过滤阈值范围为:/>;
对全区域图像中的连通域进行依次过滤,将过滤阈值范围内的连通域作为目标,其余滤除。
S5:将FULL_FAN3检测出的连通域中心像素坐标与FULL_FAN2检测出的连通域中心像素坐标做差,计算出中心点像素间隔值。确定两个连通域所在的子图像的序号,计算对应子图像的拍摄时间差,并利用中心点像素间隔值除以拍摄时间差,计算出目标的像素速度。此外,在粗略模拟时也可只考虑两个连通域所在的全区域图像的拍摄间隔,计算目标的像素速度。
依据目标的像素速度、无人机与目标间的距离、相机的像元尺寸及相机焦距,计算目标实际的空间速度SPEEDTRUE如下:
;
其中,speedpix表示目标的像素速度,distance表示无人机与目标间的距离,PSIZE表示相机的像元尺寸,f表示相机焦距。
根据无人机与目标间的距离和拍摄时光电转台的方位角度值α,计算目标的坐标,空间横坐标为,空间纵坐标/>,分别对应坐标系中的X和Y坐标。
S6:如图12所示,计算机绘制GMTI雷达底图,并确定比例尺,具体的:底图的最大半径表示3km,用于标识3km内的运动目标,每一环的宽度表示500m。
将目标的坐标和空间速度叠加在GMTI雷达底图上,对于任意一个含有目标车辆的子图像,将其拍摄时光电转台的方位角度值α作为GMTI雷达底图中目标车辆与X轴正半轴的夹角;根据比例尺将无人机与目标间的距离distance进行缩放,作为GMTI雷达底图中目标距离圆心的距离。确定目标车辆在GMTI雷达底图上的位置后,进行目标标定,车辆用蓝色正方形标识,正方形长度宽度均为100,在正方形左下角处标定坐标信息,目标在GMTI雷达底图上X轴坐标为;目标在GMTI雷达底图上Y轴坐标为;确定目标在GMTI雷达底图上的坐标后,将对应的空间速度进行标识,即完成了如图13所示的模拟GMTI雷达图像的生成,计算机通过无线电链路将其传输至地面站,供地面站上的学员观看和学习,增强了学员对于GMTI雷达图像的了解和认知,显著降低了GMTI雷达操作手的训练成本。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制。本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
以上本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明权利要求的保护范围内。
Claims (7)
1.一种无人机航拍生成模拟GMTI雷达图像的方法,其特征在于,包括以下步骤:
S1:在无人机上设置光电转台,在惯性稳定状态下,相机随光电转台对目标区域进行N次扫描;
每次扫描中,每隔固定角度拍摄一张子图像,并测量无人机与目标间的距离;
S2:根据拍摄子图像时光电转台的方位角度值,编辑子图像序列并拼接成1张全区域图像,N次扫描共获得N张全区域图像;
S3:获取N张全区域图像的连通域;
S4:根据距离与相机焦距计算目标在全区域图像上的尺寸,对全区域图像进行过滤,获得目标;
S5:计算任意两张全区域图像上目标的中心点像素间隔值,并根据拍摄时间差,计算目标的像素速度,依据目标的像素速度、无人机与目标间的距离、相机的像元尺寸及相机焦距,计算目标的空间速度;根据无人机与目标间的距离,计算目标的坐标;
S6:在GMTI雷达底图上叠加目标的坐标和空间速度。
2.如权利要求1所述的无人机航拍生成模拟GMTI雷达图像的方法,其特征在于,相机随光电转台对目标区域进行3次扫描,每次扫描中,光电转台的扫描方位角度范围为0度至100度。
3.如权利要求2所述的无人机航拍生成模拟GMTI雷达图像的方法,其特征在于,所述固定角度为10度,每隔10度拍摄一张子图像。
4.如权利要求3所述的无人机航拍生成模拟GMTI雷达图像的方法,其特征在于,依据图像序列拼接获得3张全区域图像,分别为FULL_FAN1、FULL_FAN2和FULL_FAN3。
5.如权利要求1所述的无人机航拍生成模拟GMTI雷达图像的方法,其特征在于,全区域图像过滤目标的过程为:
将任意两张全区域图像的颜色分量进行差分,并将差分结果进行二值化,将二值化的全区域图像进行膨胀处理;计算膨胀后的全区域图像上连通域的像素尺寸,依据连通域的像素尺寸和目标在全区域图像上的尺寸过滤目标。
6.如权利要求1所述的无人机航拍生成模拟GMTI雷达图像的方法,其特征在于,目标的空间速度SPEEDTRUE的计算式如下:
;
其中,speedpix表示目标的像素速度,distance表示无人机与目标间的距离,PSIZE表示相机的像元尺寸,f表示相机焦距。
7.如权利要求6所述的无人机航拍生成模拟GMTI雷达图像的方法,其特征在于,目标的坐标和空间速度叠加在GMTI雷达底图上的过程如下:
绘制GMTI雷达底图,并确定比例尺;
对于含有目标的子图像,将其拍摄时光电转台的方位角度值α作为GMTI雷达底图中目标与X轴正半轴的夹角;
根据比例尺将无人机与目标间的距离distance作为GMTI雷达底图中目标距离圆心的距离;
计算目标在GMTI雷达底图上X轴坐标为;计算目标在GMTI雷达底图上Y轴坐标为/>;
确定目标在GMTI雷达底图上的坐标后,将对应的空间速度进行标识。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311518174.2A CN117237199B (zh) | 2023-11-15 | 2023-11-15 | 基于无人机航拍生成模拟gmti雷达图像的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311518174.2A CN117237199B (zh) | 2023-11-15 | 2023-11-15 | 基于无人机航拍生成模拟gmti雷达图像的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117237199A CN117237199A (zh) | 2023-12-15 |
CN117237199B true CN117237199B (zh) | 2024-01-26 |
Family
ID=89083045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311518174.2A Active CN117237199B (zh) | 2023-11-15 | 2023-11-15 | 基于无人机航拍生成模拟gmti雷达图像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237199B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104076361A (zh) * | 2014-07-04 | 2014-10-01 | 西安电子科技大学 | 无人机载战场监视雷达超分辨广域成像方法 |
CN107862287A (zh) * | 2017-11-08 | 2018-03-30 | 吉林大学 | 一种前方小区域物体识别及车辆预警方法 |
CN112033351A (zh) * | 2020-08-05 | 2020-12-04 | 青岛聚好联科技有限公司 | 基于单目摄像头的距离测定方法及电子设备 |
CN113850848A (zh) * | 2021-09-26 | 2021-12-28 | 大连海事大学 | 无人艇载航海雷达与视觉图像协同的海上多目标长期检测与跟踪方法 |
CN114815809A (zh) * | 2022-03-22 | 2022-07-29 | 深圳市杉川机器人有限公司 | 移动机器人的避障方法、系统、终端设备及存储介质 |
CN115082759A (zh) * | 2022-05-19 | 2022-09-20 | 北京航天控制仪器研究所 | 一种光电视频与雷达gmti融合方法 |
CN115100243A (zh) * | 2022-07-01 | 2022-09-23 | 南京交通职业技术学院 | 一种基于序贯sar图像的地面运动目标检测与跟踪方法 |
CN115205714A (zh) * | 2022-06-17 | 2022-10-18 | 四川弘和通讯集团有限公司 | 一种火点定位方法、装置、电子设备及存储介质 |
CN115731268A (zh) * | 2022-11-17 | 2023-03-03 | 东南大学 | 基于视觉/毫米波雷达信息融合的无人机多目标跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230127287A (ko) * | 2020-12-31 | 2023-08-31 | 후아웨이 테크놀러지 컴퍼니 리미티드 | 포즈 추정 방법 및 관련 장치 |
-
2023
- 2023-11-15 CN CN202311518174.2A patent/CN117237199B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104076361A (zh) * | 2014-07-04 | 2014-10-01 | 西安电子科技大学 | 无人机载战场监视雷达超分辨广域成像方法 |
CN107862287A (zh) * | 2017-11-08 | 2018-03-30 | 吉林大学 | 一种前方小区域物体识别及车辆预警方法 |
CN112033351A (zh) * | 2020-08-05 | 2020-12-04 | 青岛聚好联科技有限公司 | 基于单目摄像头的距离测定方法及电子设备 |
CN113850848A (zh) * | 2021-09-26 | 2021-12-28 | 大连海事大学 | 无人艇载航海雷达与视觉图像协同的海上多目标长期检测与跟踪方法 |
CN114815809A (zh) * | 2022-03-22 | 2022-07-29 | 深圳市杉川机器人有限公司 | 移动机器人的避障方法、系统、终端设备及存储介质 |
CN115082759A (zh) * | 2022-05-19 | 2022-09-20 | 北京航天控制仪器研究所 | 一种光电视频与雷达gmti融合方法 |
CN115205714A (zh) * | 2022-06-17 | 2022-10-18 | 四川弘和通讯集团有限公司 | 一种火点定位方法、装置、电子设备及存储介质 |
CN115100243A (zh) * | 2022-07-01 | 2022-09-23 | 南京交通职业技术学院 | 一种基于序贯sar图像的地面运动目标检测与跟踪方法 |
CN115731268A (zh) * | 2022-11-17 | 2023-03-03 | 东南大学 | 基于视觉/毫米波雷达信息融合的无人机多目标跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117237199A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guindel et al. | Automatic extrinsic calibration for lidar-stereo vehicle sensor setups | |
CN111311689B (zh) | 一种激光雷达与相机相对外参的标定方法及系统 | |
CN110334701B (zh) | 数字孪生环境下基于深度学习和多目视觉的数据采集方法 | |
CN111080662A (zh) | 车道线的提取方法、装置及计算机设备 | |
AU2007355942A1 (en) | Arrangement and method for providing a three dimensional map representation of an area | |
CN103236037A (zh) | 基于分层退化模型的无人机实时图像模拟方法 | |
CN106052646A (zh) | 信息处理装置及信息处理方法 | |
CN110148099B (zh) | 投影关系的修正方法及装置、电子设备、计算机可读介质 | |
CN104019829A (zh) | 一种基于pos系统的车载全景相机和线阵激光扫描仪的外参标定方法 | |
CN115201883B (zh) | 一种运动目标视频定位测速系统及方法 | |
CN107742276A (zh) | 一种基于无人机遥感图像机载一体化快速处理系统和方法 | |
JP4448233B2 (ja) | 着陸地点探索装置、それを用いた飛行体、および着陸地点評価装置 | |
CN106056625A (zh) | 一种基于地理同名点配准的机载红外运动目标检测方法 | |
CN106022266A (zh) | 一种目标跟踪方法及装置 | |
Yan et al. | Joint camera intrinsic and lidar-camera extrinsic calibration | |
CN117215316B (zh) | 基于协同控制与深度学习的驾驶环境感知的方法和系统 | |
CN117237199B (zh) | 基于无人机航拍生成模拟gmti雷达图像的方法 | |
CN116245717B (zh) | 航拍图像生成模拟sar雷达图像的方法 | |
CN112767494A (zh) | 基于标定算法的精确测量定位方法 | |
Piccinin et al. | ARGOS: Calibrated facility for Image based Relative Navigation technologies on ground verification and testing | |
CN116977806A (zh) | 一种基于毫米波雷达、激光雷达和高清阵列摄像机的机场目标检测方法及系统 | |
CN112330669B (zh) | 基于点光源衍射星芒现象的星敏感器星点位置定位方法 | |
CN111489398B (zh) | 一种成像设备标定方法以及装置 | |
WO2021148522A1 (en) | A method and system for generating a colored tridimensional map | |
CN111061273A (zh) | 一种无人艇用自主避障融合方法和系统 |
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 |