CN106371461A - 一种基于视觉伺服的视频追踪飞行目标控制***及方法 - Google Patents
一种基于视觉伺服的视频追踪飞行目标控制***及方法 Download PDFInfo
- Publication number
- CN106371461A CN106371461A CN201610809529.7A CN201610809529A CN106371461A CN 106371461 A CN106371461 A CN 106371461A CN 201610809529 A CN201610809529 A CN 201610809529A CN 106371461 A CN106371461 A CN 106371461A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- connecting rod
- coordinate
- point
- 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 15
- 230000000007 visual effect Effects 0.000 title claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims abstract description 11
- 238000003491 array Methods 0.000 claims abstract description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000002604 ultrasonography Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract 1
- 238000012933 kinetic analysis Methods 0.000 abstract 1
- 238000003384 imaging method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于视觉伺服的视频追踪飞行目标控制***及方法,所述***包括拥有旋转自由度的双轴直接驱动***,包括第一连杆和第二连杆,所述第二连杆位于第一连杆上部,所述第二连杆顶部安装摄像机用于追踪飞行目标,所述第一连杆底部安装控制模块和五个声音传感器阵列,采用被动声定位算法来捕捉飞行目标第一次出现时的初始位置。当目标一旦出现可由***底层被动声定位算法获得初始位置,随后***基于运动学分析,以及交互矩阵可获得***各关节参数向量和目标特征参数之间的关系,最后基于预测控制驱动***整体装置进行运动追踪。
Description
技术领域
本发明涉及一种基于视觉伺服的视频追踪飞行目标控制***,属于视频监控技术领域。
背景技术
视频跟踪***是指***利用CCD摄像机捕获移动对象并将它们显示在图像序列,然后实现一个精确的伺服跟踪后自动在视频序列上应用一些图像处理。它涉及众多应用,其中包括安全和监控,动物跟踪,交通管制和电视指导等等。
对于低空飞行目标跟踪***,由于环境噪声的影响,***经常会变得不稳定,需要手动干预。为了提高自动化和智能化,可以考虑更加具有鲁棒性的控制方法和多个传感器信息融合。
监控***监控区域固定,无法对目标进行监控跟踪,有效记录目标特征和行为。而传统视频跟踪***在飞行目标出现时通常需要手动操作给定初始位置,不能实现自动跟踪。声源被动定位算法可以用来测量移动目标的移动方向。然而,一个有效的目标识别和智能跟踪不能只由声音信息获得。
因此如何在目标出现时快速定位捕捉,并自动追踪以便记录其特征和行为是视频自动追踪亟待解决的问题
发明内容
本发明目的在于解决上述问题,提出一种跟踪方法和自动控制装置,采用声音传感器和摄像机采集信息来实时自动追踪低空飞行的目标。
本发明的技术方案如下:
一种基于视觉伺服的视频追踪飞行目标控制***,所述***包括拥有旋转自由度的双轴直接驱动***,包括第一连杆和第二连杆,所述第二连杆位于第一连杆上部,所述第二连杆顶部安装摄像机用于追踪飞行目标,所述第一连杆底部安装控制模块和五个声音传感器阵列,采用被动声定位算法来捕捉飞行目标第一次出现时的初始位置。
一种基于视觉伺服的视频追踪飞行目标控制,利用上述的***,包括如下步骤:
(1)、使用声音传感器阵列捕捉飞行目标出现时初始位置;
(2)、根据图像平面期望位置与初始位置特征误差实施模型预测控制算法,得到最优控制输入;
(3)、再通过坐标变换、控制模块驱动***连杆运动,从而使摄像机在新的位置捕捉新的目标图像特征,通过图像处理得到当前特征值,再次与期望位置进行比较,不断循环以上步骤实现***自动跟踪任务。
上述步骤(1)中飞行目标出现时的初始位置的获得方法如下:
两个连杆分别长l1和l2,俯仰角θ和方位角为两个连杆的关节角度;P点为目标点,相对于摄像机的坐标Xc-Yc-Zc为相对于基坐标X0-Y0-Z0为因此两坐标间的坐标变换为0Tc:
五个声音传感器阵列坐标分别为M0(0,0,0),M1(D,0,0),M2(0,D,0),M3(-D,0,0),M4(0,-D,0);目标点P相对于基坐标的球面坐标为(R,θp),D是传感器距离中心基坐标原点的距离,R是原点到目标点P的距离,和θp是目标点相对于基坐标原点的方位角和俯仰角;ti(i=1,2,3,4)是声源到第i个传感器的时间;因此目标点P的定位用如下公式表示:
其中C是超声波在空气中传播速度,因为在实际情况中R>>Cτi,由此得到初始位置的俯仰角和方位角计算近似如下:
上述步骤(2)中模型预测的控制算法如下:
根据公式(1)和0P=0Tc cP,关节角运动速度和图像特征s=[u,v]T的导数有如下关系,其中(u,v)为目标点在图像平面像素坐标:
其中Jθ是图像像素特征有关的矩阵:
将公式(6)离散化,采样时间为T得到:
s(k+1)=s(k)+TJθ(k)vθ(k) (8)
以上代表下一时刻预测的图像变化特征,进一步递归得到一系列预测特征:
s(k+i)=s(k+i-1)+TJθ(k+i-1)vθ(k+i-1) (9)
预测k时刻的特征值s(k)由摄像机使用适当的检测算子获得,同时为了保证目标在视野内,需要根据分辨率考虑视觉约束:
(xg(k+i),yg(k+i))∈[umin,vmin;umax,vmax] (10)
因此在控制域内,基于图像平面特征值和关节角速度的代价函数为:
e(k+i)=s(k+i)-sd(k+i)为图像特征误差,sd(k+i)是目标图像位于图像中心的特征值常数即期望位置,Q、W为权值矩阵;通过优化公式(11)得到预测关节角输入速度,实现下一步控制。
上述步骤(3)中新的目标图像特征,通过图像处理得到当前特征值的方法如下:
根据基于图像的视觉伺服基本原理,目标P点在图像平面像素坐标(u,v)可表示为:
(u0,v0)为摄像机光轴在图像平面的中心点,α为摄像机的放大系数为已知参数。
将某一特定时刻整体投影图像作为其特征,ο(t)为目标投影,则i+j时序的特征mij定义如下:
mij=∫∫o(t)f(u,v)dudv (13)
图像特征值表示为0、1顺序的组合即s=[m10/m00,m01/m00]T=[xg,yg]T,是目标物体图像平面的重力中心,根据公式(6)和(7)以及ls<<zc,基于形心的矩阵解析形式如下:
其中xg,yg为图像平面特征值坐标,为目标俯仰角,通过权利要求4中方法得到的预测输入vθ控制驱动连杆运动,再由以上公式(6)、(14)获得当前图像特征值。
本发明所达到的有益效果:
当目标一旦出现可由***底层被动声定位算法获得初始位置,随后***基于运动学分析,以及交互矩阵可获得***各关节参数向量和目标特征参数之间的关系,最后基于预测控制驱动***整体装置进行运动追踪。
附图说明
图1是***结构示意图;
图2是为五个声音传感器阵列;
图3是摄像机成像模型;
图4是控制***模块架构。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种基于视觉伺服的视频追踪飞行目标控制***,所述***包括拥有旋转自由度的双轴直接驱动***,包括第一连杆和第二连杆,所述第二连杆位于第一连杆上部,所述第二连杆顶部安装摄像机用于追踪飞行目标,所述第一连杆底部安装控制模块和五个声音传感器阵列,采用被动声定位算法来捕捉飞行目标第一次出现时的初始位置。
如图4所示,一种基于视觉伺服的视频追踪飞行目标控制,利用上述的***,包括如下步骤:
(1)、使用声音传感器阵列捕捉飞行目标出现时初始位置;
(2)、根据图像平面期望位置与初始位置特征误差实施模型预测控制算法,得到最优控制输入;
(3)、再通过坐标变换、控制模块驱动***连杆运动,从而使摄像机在新的位置捕捉新的目标图像特征,通过图像处理得到当前特征值,再次与期望位置进行比较,不断循环以上步骤实现***自动跟踪任务。
上述步骤(1)中飞行目标出现时的初始位置的获得方法如下:
如图1、图3所示,两个连杆分别长l1和l2,俯仰角θ和方位角为两个连杆的关节角度;P点为目标点,相对于摄像机的坐标Xc-Yc-Zc为相对于基坐标X0-Y0-Z0为因此两坐标间的坐标变换为0Tc:
如图2所示,五个声音传感器阵列坐标分别为M0(0,0,0),M1(D,0,0),M2(0,D,0),M3(-D,0,0),M4(0,-D,0);目标点P相对于基坐标的球面坐标为(R,θp),D是传感器距离中心基坐标原点的距离,R是原点到目标点P的距离,和θp是目标点相对于基坐标原点的方位角和俯仰角;ti(i=1,2,3,4)是声源到第i个传感器的时间;因此目标点P的定位用如下公式表示:
其中C是超声波在空气中传播速度,因为在实际情况中R>>Cτi,由此得到初始位置的俯仰角和方位角计算近似如下:
上述步骤(2)中模型预测的控制算法如下:
根据公式(1)和0P=0Tc cP,关节角运动速度和图像特征s=[u,v]T的导数有如下关系,其中(u,v)为目标点在图像平面像素坐标:
其中Jθ是图像像素特征有关的矩阵:
将公式(6)离散化,采样时间为T得到:
s(k+1)=s(k)+TJθ(k)vθ(k) (8)
以上代表下一时刻预测的图像变化特征,进一步递归得到一系列预测特征:
s(k+i)=s(k+i-1)+TJθ(k+i-1)vθ(k+i-1) (9)
预测k时刻的特征值s(k)由摄像机使用适当的检测算子获得,同时为了保证目标在视野内,需要根据分辨率考虑视觉约束:
(xg(k+i),yg(k+i))∈[umin,vmin;umax,vmax] (10)
因此在控制域内,基于图像平面特征值和关节角速度的代价函数为:
e(k+i)=s(k+i)-sd(k+i)为图像特征误差,sd(k+i)是目标图像位于图像中心的特征值常数即期望位置,Q、W为权值矩阵;通过优化公式(11)得到预测关节角输入速度,实现下一步控制。
上述步骤(3)中新的目标图像特征,通过图像处理得到当前特征值的方法如下:
根据基于图像的视觉伺服基本原理,目标P点在图像平面像素坐标(u,v)可表示为:
(u0,v0)为摄像机光轴在图像平面的中心点,α为摄像机的放大系数为已知参数。
将某一特定时刻整体投影图像作为其特征,ο(t)为目标投影,则i+j时序的特征mij定义如下:
mij=∫∫o(t)f(u,v)dudv (13)
图像特征值表示为0、1顺序的组合即s=[m10/m00,m01/m00]T=[xg,yg]T,是目标物体图像平面的重力中心,根据公式(6)和(7)以及ls<<zc,基于形心的矩阵解析形式如下:
其中xg,yg为图像平面特征值坐标,为目标俯仰角,通过权利要求4中方法得到的预测输入vθ控制驱动连杆运动,再由以上公式(6)、(14)获得当前图像特征值。
实施例:
使用CTFT-01视频追踪***,***包括一个双轴直接驱动***(第一个连杆的长度是l1=235mm第二个l2=235mm,350mm,关节的运动范围角度θ1和θ2分别为360°和180°。),摄像机分辨率为320×240,每帧成像时间40ms,安装在第二个连杆顶部。控制模块和声传感器安装在***底部。频率600mhz的DM6437DSP处理器和专用TVP5146视频芯片可有效保证***的快速反应。输出的PWM信号发送给步进电机驱动控制电机运动。同时,跟踪结果通过视频连接接口由电视显示设备监控。
视频跟踪***的最终任务是跟踪低空飞行目标(例如飞机的飞行高度是40-200米之间,速度小于300km/h)并能在一段时间内保持目标图像在视频图像平面的中心附近。摄像机坐标系与末端执行器坐标系重合。假设在整个跟踪过程飞行物体相对于大地坐标是一个线性均匀运动***。首先当目标出现由附图2中的声音定位***确定目标初始位置,快速捕捉到目标,根据图像平面期望位置与初始位置特征误差实施预测控制算法,根据代价公式(14)可得到最优控制输入,再通过坐标变换图4中控制模块驱动***连杆运动,从而末端摄像机在新的位置捕捉新的目标图像特征,通过图像处理得到当前特征值,再次与期望特征值进行比较,不断循环以上步骤实现***自动跟踪任务。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (5)
1.一种基于视觉伺服的视频追踪飞行目标控制***,其特征在于:所述***包括拥有旋转自由度的双轴直接驱动***,包括第一连杆和第二连杆,所述第二连杆位于第一连杆上部,所述第二连杆顶部安装摄像机用于追踪飞行目标,所述第一连杆底部安装控制模块和五个声音传感器阵列,采用被动声定位算法来捕捉飞行目标第一次出现时的初始位置。
2.一种基于视觉伺服的视频追踪飞行目标控制,其特征在于利用权利要求1所述的***,包括如下步骤:
(1)、使用声音传感器阵列捕捉飞行目标出现时初始位置;
(2)、根据图像平面期望位置与初始位置特征误差实施模型预测控制算法,得到最优控制输入;
(3)、再通过坐标变换、控制模块驱动***连杆运动,从而使摄像机在新的位置捕捉新的目标图像特征,通过图像处理得到当前特征值,再次与期望位置进行比较,不断循环以上步骤实现***自动跟踪任务。
3.根据权利要求2所述的一种基于视觉伺服的视频追踪飞行目标控制方法,其特征在于:所述步骤(1)中飞行目标出现时的初始位置的获得方法如下:
两个连杆分别长l1和l2,俯仰角θ和方位角为两个连杆的关节角度;P点为目标点,相对于摄像机的坐标Xc-Yc-Zc为相对于基坐标X0-Y0-Z0为因此两坐标间的坐标变换为0Tc:
五个声音传感器阵列坐标分别为M0(0,0,0),M1(D,0,0),M2(0,D,0),M3(-D,0,0),M4(0,-D,0);目标点P相对于基坐标的球面坐标为D是传感器距离中心基坐标原点的距离,R是原点到目标点P的距离,和θp是目标点相对于基坐标原点的方位角和俯仰角;ti(i=1,2,3,4)是声源到 第i个传感器的时间;因此目标点P的定位用如下公式表示:
其中C是超声波在空气中传播速度,因为在实际情况中R>>Cτi,由此得到初始位置的俯仰角和方位角计算近似如下:
。
4.根据权利要求2所述的一种基于视觉伺服的视频追踪飞行目标控制方法,其特征在于:所述步骤(2)中模型预测的控制算法如下:
根据公式(1)和0P=0Tc cP,关节角运动速度和图像特征s=[u,v]T的导数 有如下关系,其中(u,v)为目标点在图像平面像素坐标:
其中Jθ是图像像素特征有关的矩阵:
将公式(6)离散化,采样时间为T得到:
s(k+1)=s(k)+TJθ(k)vθ(k) (8)
以上代表下一时刻预测的图像变化特征,进一步递归得到一系列预测特征:
s(k+i)=s(k+i-1)+TJθ(k+i-1)vθ(k+i-1) (9)
预测k时刻的特征值s(k)由摄像机使用适当的检测算子获得,同时为了保证目标在视野内,需要根据分辨率考虑视觉约束:
(xg(k+i),yg(k+i))∈[umin,vmin;umax,vmax] (10)
因此在控制域内,基于图像平面特征值和关节角速度的代价函数为:
e(k+i)=s(k+i)-sd(k+i)为图像特征误差,sd(k+i)是目标图像位于图像中心的特征值常数即期望位置,Q、W为权值矩阵;通过优化公式(11)得到预测关节角输入速度,实现下一步控制。
5.根据权利要求2所述的一种基于视觉伺服的视频追踪飞行目标控制方法,其特征在于所述步骤(3)中新的目标图像特征,通过图像处理得到当前特征值的方法如下:
根据基于图像的视觉伺服基本原理,目标P点在图像平面像素坐标(u,v)可表示为:
(u0,v0)为摄像机光轴在图像平面的中心点,α为摄像机的放大系数为已知参数。
将某一特定时刻整体投影图像作为其特征,ο(t)为目标投影,则i+j时序的特征mij定义如下:
mij=∫∫o(t)f(u,v)dudv (13)
图像特征值表示为0、1顺序的组合即s=[m10/m00,m01/m00]T=[xg,yg]T,是目标物体图像平面的重力中心,根据公式(6)和(7)以及ls<<zc,基于形心的矩阵解析形式如下:
其中xg,yg为图像平面特征值坐标,为目标俯仰角,通过权利要求4中方法得到的预测输入vθ控制驱动连杆运动,再由以上公式(6)、(14)获得当前图像特征值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610809529.7A CN106371461A (zh) | 2016-09-08 | 2016-09-08 | 一种基于视觉伺服的视频追踪飞行目标控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610809529.7A CN106371461A (zh) | 2016-09-08 | 2016-09-08 | 一种基于视觉伺服的视频追踪飞行目标控制***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106371461A true CN106371461A (zh) | 2017-02-01 |
Family
ID=57899123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610809529.7A Pending CN106371461A (zh) | 2016-09-08 | 2016-09-08 | 一种基于视觉伺服的视频追踪飞行目标控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106371461A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106863286A (zh) * | 2017-04-12 | 2017-06-20 | 浙江硕和机器人科技有限公司 | 一种用于控制数字ccd相机图像采集的速度反馈性机械手 |
CN111624875A (zh) * | 2019-02-27 | 2020-09-04 | 北京京东尚科信息技术有限公司 | 视觉伺服控制方法、装置和无人设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070168114A1 (en) * | 2004-08-10 | 2007-07-19 | The Boeing Company | Synthetically generated sound cues |
CN101511000A (zh) * | 2009-02-27 | 2009-08-19 | 中山大学 | 一种利用声波定位的智能监控摄像头装置 |
CN101771814A (zh) * | 2009-12-29 | 2010-07-07 | 天津市亚安科技电子有限公司 | 具有声音识别定位功能的云台摄像机 |
CN101916115A (zh) * | 2010-07-27 | 2010-12-15 | 东北大学 | 一种微型共轴双旋翼飞行器控制装置及方法 |
CN104102218A (zh) * | 2014-06-30 | 2014-10-15 | 西北工业大学 | 基于视觉伺服的感知与规避方法及*** |
CN204432992U (zh) * | 2015-01-23 | 2015-07-01 | 胡家诚 | 无人机救援设备 |
CN105353772A (zh) * | 2015-11-16 | 2016-02-24 | 中国航天时代电子公司 | 一种无人机机动目标定位跟踪中的视觉伺服控制方法 |
-
2016
- 2016-09-08 CN CN201610809529.7A patent/CN106371461A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070168114A1 (en) * | 2004-08-10 | 2007-07-19 | The Boeing Company | Synthetically generated sound cues |
CN101511000A (zh) * | 2009-02-27 | 2009-08-19 | 中山大学 | 一种利用声波定位的智能监控摄像头装置 |
CN101771814A (zh) * | 2009-12-29 | 2010-07-07 | 天津市亚安科技电子有限公司 | 具有声音识别定位功能的云台摄像机 |
CN101916115A (zh) * | 2010-07-27 | 2010-12-15 | 东北大学 | 一种微型共轴双旋翼飞行器控制装置及方法 |
CN104102218A (zh) * | 2014-06-30 | 2014-10-15 | 西北工业大学 | 基于视觉伺服的感知与规避方法及*** |
CN204432992U (zh) * | 2015-01-23 | 2015-07-01 | 胡家诚 | 无人机救援设备 |
CN105353772A (zh) * | 2015-11-16 | 2016-02-24 | 中国航天时代电子公司 | 一种无人机机动目标定位跟踪中的视觉伺服控制方法 |
Non-Patent Citations (3)
Title |
---|
张作楠 等: "一种多传感器反直升机智能雷伺服跟踪***", 《电子技术应用》 * |
王军平 等: "基于图像矩的视觉伺服控制及应用", 《机械工程学报》 * |
王婷婷: "带有约束的机器人视觉伺服控制方法的研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106863286A (zh) * | 2017-04-12 | 2017-06-20 | 浙江硕和机器人科技有限公司 | 一种用于控制数字ccd相机图像采集的速度反馈性机械手 |
CN111624875A (zh) * | 2019-02-27 | 2020-09-04 | 北京京东尚科信息技术有限公司 | 视觉伺服控制方法、装置和无人设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ali et al. | Real-time multiple damage mapping using autonomous UAV and deep faster region-based neural networks for GPS-denied structures | |
CN111145545B (zh) | 基于深度学习的道路交通行为无人机监测***及方法 | |
US11328483B2 (en) | System and method for structure inspection | |
Asadi et al. | Vision-based integrated mobile robotic system for real-time applications in construction | |
CN109238240B (zh) | 一种顾及地形的无人机倾斜摄影方法及其摄影*** | |
CN107358796B (zh) | 一种基于无人机的车辆检测方法 | |
CN110082782A (zh) | 一种危化品园区巡检***及其实现方法 | |
US11584525B2 (en) | Deep learning-based localization of UAVs with respect to nearby pipes | |
US20190094149A1 (en) | Positioning system for aerial non-destructive inspection | |
CN101969548B (zh) | 基于双目摄像的主动视频获取方法及装置 | |
CN111178148B (zh) | 一种基于无人机视觉***的地面目标地理坐标定位方法 | |
WO2017084262A1 (zh) | 一种对移动目标进行监控的方法及监控设备、装置、*** | |
US20210221502A1 (en) | Method and a system for real-time data processing, tracking, and monitoring of an asset using uav | |
Tavasoli et al. | Real-time autonomous indoor navigation and vision-based damage assessment of reinforced concrete structures using low-cost nano aerial vehicles | |
CN108243304A (zh) | 枪球一体式动态人脸抓拍专用摄像机及动态人脸抓拍方法 | |
CN106371461A (zh) | 一种基于视觉伺服的视频追踪飞行目标控制***及方法 | |
Raj et al. | Vision based accident vehicle identification and scene investigation | |
CN107045805B (zh) | 一种用于小型航空器和空飘物的监测方法及*** | |
CN116309851B (zh) | 一种智慧园区监控摄像头的位置及朝向标定方法 | |
Clevenger et al. | Towards uav-based post-disaster damage detection and localization: Hurricane sally case study | |
CN114982739A (zh) | 一种基于深度学习的智能激光驱鸟设备及方法 | |
CN113432529B (zh) | 一种基于无人机摄像的震损结构层间残余变形检测方法 | |
Montes et al. | Semi-autopilot UAV flight path control for bridge structural health monitoring under GNSS-denied environment | |
Sa et al. | Visual 3D model-based tracking toward autonomous live sports broadcasting using a VTOL unmanned aerial vehicle in GPS-impaired environments | |
Mao et al. | Automated damage assessment of critical infrastructure using online mapping technique with small unmanned aircraft systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170201 |
|
RJ01 | Rejection of invention patent application after publication |