CN110430389B - 图像数据采集方法、装置、计算机设备以及存储介质 - Google Patents
图像数据采集方法、装置、计算机设备以及存储介质 Download PDFInfo
- Publication number
- CN110430389B CN110430389B CN201910545160.7A CN201910545160A CN110430389B CN 110430389 B CN110430389 B CN 110430389B CN 201910545160 A CN201910545160 A CN 201910545160A CN 110430389 B CN110430389 B CN 110430389B
- Authority
- CN
- China
- Prior art keywords
- image frame
- unmanned aerial
- aerial vehicle
- information
- video
- 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 39
- 230000007547 defect Effects 0.000 claims abstract description 126
- 230000002950 deficient Effects 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 23
- 230000004888 barrier function Effects 0.000 claims description 13
- 238000007906 compression Methods 0.000 claims description 11
- 230000006835 compression Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 6
- 238000013144 data compression Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 9
- 238000007726 management method Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/04—Protocols for data compression, e.g. ROHC
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
- H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
- H04N21/440218—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by transcoding between formats or standards, e.g. from MPEG-2 to MPEG-4
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Security & Cryptography (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请具体涉及一种图像数据采集方法、装置、计算机设备和存储介质。方法包括:通过获取无人机上传的视频信息;提取所述视频信息包含预设采集目标的原始图像帧;识别所述原始图像帧中包含的缺陷图像帧;截取所述视频信息中包含所述缺陷图像帧的视频片段;上传所述缺陷图像帧以及所述视频片段。本申请图像数据采集方法通过无人机采集图像数据,识别无人机采集的数据中的目标缺陷图像帧,直接上传缺陷图像帧以及包含缺陷图像帧的视频片段,有效减少数据传输的数据量,显著减少图像数据在传输过程的数据量。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种基于无人机的图像数据采集方法、装置、计算机设备以及存储介质。
背景技术
无人驾驶飞机简称“无人机”,是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞行器。无人机实际上是无人驾驶飞行器的统称,从技术角度定义可以分为:无人固定翼飞机、无人垂直起降飞机、无人飞艇、无人直升机、无人多旋翼飞行器、无人伞翼机等。目前,无人机已在野外施工、勘探、交通运输、旅游、救援等领域中得到广泛应用。
由于无人机不受地形限制且可以搭载各种摄像设备,常用于对故障位置现场或人迹罕至的地方进行近距离的拍摄观察。无人机可以将拍摄的视频图像资料反馈至,供有关人员对现场进行分析。但视频图像资料数据的资料量过大,采集以及传输过程的复杂度较高。
发明内容
基于此,有必要针对现有无人机在视频图像资料数据的采集以及传输过程的数据量过大的技术问题,提供一种基于无人机的图像数据采集方法、装置、计算机设备以及存储介质。
一种图像数据采集方法,所述方法包括:
获取无人机上传的视频信息,所述视频信息由所述无人机根据预设飞行路线飞行采集;
提取所述视频信息包含预设采集目标的原始图像帧;
识别所述原始图像帧中包含的缺陷图像帧;
截取所述视频信息中包含所述缺陷图像帧的视频片段;
上传所述缺陷图像帧以及所述视频片段。
在其中一个实施例中,所述控制无人机按照预设飞行路线飞行,接收并保存所述无人机在飞行路线中采集的视频信息之前还包括:
获取各预设采集目标的坐标信息;
根据所述各预设采集目标的坐标信息,确定无人机的飞行区域信息;
实时获取所述飞行区域信息的障碍物信息;
根据所述障碍物信息进行无人机的飞行路线规划,生成、并推送预设飞行路线至所述无人机。
在其中一个实施例中,所述上传所述缺陷图像之前还包括:
将所述缺陷图像帧以及所述缺陷图像帧的视频片段中的每一帧视频图像划分为多个相同大小的像素区域;
将每个像素区域划分为多个相同大小的子像素区域;
对每个子像素区域以预设的压缩比进行压缩,以形成相应的数据块;
将关联于一个像素区域的所有数据块按照预设的顺序排列并保存于一个相应的数据区块中;
按预设的顺序将所有数据区块排列并保存于存储单元中,获取压缩处理后的所述缺陷图像帧以及所述视频片段;
所述上传所述缺陷图像帧以及所述视频片段包括:
上传压缩处理后的所述缺陷图像帧以及所述视频片段。
在其中一个实施例中,所述提取所述视频信息包含预设采集目标的原始图像帧包括:
根据所述无人机的定位信息,确定所述无人机在各预设采集目标的飞行时间段;
查找所述视频信息中所述飞行时间段内的视频信息;
提取所述飞行时间段内的视频信息内图像帧作为原始图像帧。
在其中一个实施例中,所述识别所述原始图像帧中包含的缺陷图像帧包括:
获取所述预设采集目标的各角度图像;
根据所述无人机在各拍摄时刻的定位信息与摄像头角度信息,确定无人机的各角度图像对应的实时原始图像帧;
获取所述预设采集目标的角度图像与对应的所述实时原始图像帧的相似度;
当所述相似度低于预设相似度阈值时,判定所述原始图像帧为缺陷图像帧。
在其中一个实施例中,所述截取所述视频信息中包含所述缺陷图像帧的视频片段包括:
根据所述无人机的定位信息,确定所述无人机在各预设采集目标的飞行时间段;
将所述缺陷图像帧对应的拍摄时刻定位至所述飞行时间段内;
根据各飞行时间段内第一次缺陷图像帧对应的拍摄时刻与最后一次缺陷图像帧对应的拍摄时刻,截取所述视频信息中包含所述缺陷图像帧的视频片段。
一种图像数据采集装置,所述装置包括:
图像数据获取模块,用于获取无人机上传的视频信息,所述视频信息由所述无人机根据预设飞行路线飞行采集;
图像帧提取模块,用于提取所述视频信息包含预设采集目标的原始图像帧;
图像识别模块,用于识别所述原始图像帧中包含的缺陷图像帧;
视频截取模块,用于截取所述视频信息中包含所述缺陷图像帧的视频片段;
信息上传模块,用于上传所述缺陷图像帧以及所述视频片段。
在其中一个实施例中,还包括路径规划模块,所述路径规划模块具体用于:
获取各预设采集目标的坐标信息;
根据所述各预设采集目标的坐标信息,确定无人机的飞行区域信息;
实时获取所述飞行区域信息的障碍物信息;
根据所述障碍物信息进行无人机的飞行路线规划,获取预设飞行路线。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取无人机上传的视频信息,所述视频信息由所述无人机根据预设飞行路线飞行采集;
提取所述视频信息包含预设采集目标的原始图像帧;
识别所述原始图像帧中包含的缺陷图像帧;
截取所述视频信息中包含所述缺陷图像帧的视频片段;
上传所述缺陷图像帧以及所述视频片段。
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以下步骤:
获取无人机上传的视频信息,所述视频信息由所述无人机根据预设飞行路线飞行采集;
提取所述视频信息包含预设采集目标的原始图像帧;
识别所述原始图像帧中包含的缺陷图像帧;
截取所述视频信息中包含所述缺陷图像帧的视频片段;
上传所述缺陷图像帧以及所述视频片段。
上述图像数据采集方法、装置、计算机设备以及存储介质,通过获取无人机上传的视频信息;提取所述视频信息包含预设采集目标的原始图像帧;识别所述原始图像帧中包含的缺陷图像帧;截取所述视频信息中包含所述缺陷图像帧的视频片段;上传所述缺陷图像帧以及所述视频片段。本申请图像数据采集方法通过无人机采集图像数据,识别无人机采集的数据中的目标缺陷图像帧,直接上传缺陷图像帧以及包含缺陷图像帧的视频片段,有效减少数据传输的数据量,显著减少图像数据在传输过程的数据量。
附图说明
图1为一个实施例中图像数据采集方法的应用环境图;
图2为一个实施例中图像数据采集方法的流程示意图;
图3为一个实施例中图2的步骤S300的子流程示意图;
图4为一个实施例中图2的步骤S500的子流程示意图;
图5为一个实施例中图像数据采集装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的无人机管理方法,可以应用于如图1所示的应用环境中,其中,无人机102通过网络与无人机管理服务器104进行通信,无人机管理服务器104通过网络与云端服务器106通信,无人机管理服务器104位于无人机停机屋内,用于控制无人机的工作。此外,无人机停机屋包括了仓体和仓门,仓体具有防水、隔热功能。仓体底部设有一个用于安放无人机上摄像头、激光雷达等挂载的“挂载放置孔”。无人机管理服务器用于采集预设采集目标的缺陷图像,为维护预设采集目标的正常工作提供技术支持,首先无人机管理服务器获取无人机上传的视频信息,视频信息由无人机根据预设飞行路线飞行采集;识别原始图像帧中包含的缺陷图像帧;截取视频信息中包含缺陷图像帧的视频片段;上传缺陷图像帧以及视频片段至云端服务器,供资料分析工作人员使用。
如图2所示,在其中一个实施例中,本申请的图像数据采集方法,通过无人机管理服务器实现,图像数据采集方法具体包括以下步骤:
S100、获取无人机上传的视频信息,视频信息由无人机根据预设飞行路线飞行采集。
预设飞行路线是指无人机管理服务器根据实际情况预先设置的,用于指导无人机执行飞行任务的路线,路线上包含了无人机采集图像的预设采集目标,同时可以规避飞行区域内的障碍物,防止障碍物干扰无人机的飞行,无人机管理服务器可以通过将预设飞行路线导入无人机,使无人机按照此飞行路线进行飞行以采集所需要的视频信息。在无人机起飞后,无人机管理服务器可以通过设置与无人机停机屋内,与无人机管理服务器连接的路由器来接收无人机再飞行途中以采集到的视频信息。
S300,提取视频信息包含预设采集目标的原始图像帧。
视频信息中包含了无人机在飞行过程中摄像头采集的各个图像帧,其中有些图像帧是不包含预设采集目标的图像帧,这些图像帧对于图像数据采集的数据分析过程来说是无用的,可以通过数据帧的提取将其排除,直接获取包含预设采集目标的原始图像帧。
S500,识别原始图像帧中包含的缺陷图像帧。
原始图像帧是指包含预设采集目标的所有图像帧,但是用于对预设采集目标进行维护的话,其中正常的原始图像帧是无用的,可以识别原始图像帧中出现不正常现象的图像帧,将其作为缺陷图像帧,以备维护分析的过程使用。
S700,截取视频信息中包含缺陷图像帧的视频片段。
视频信息包含了无人机所采集的所有视频信息,有必要截取所有视频信息包含这些缺陷图像帧的视频片段来辅助维护工作人员的图像分析工作。
S900,上传缺陷图像帧以及视频片段。
在提取获得了缺陷视频帧和对应的视频片段之后,可以通过路由器建立与云端服务器的连接,将缺陷视频帧和对应的视频片段传输到云端服务器,仅上传缺陷视频帧与视频片段,通过边缘计算,即在无人机附近对采集的图像进行处理,可以有效降低数据传输的量,从而降低图像数据在采集以及传输过程的复杂度,提高图像数据处理的效率。
上述图像数据采集方法、装置、计算机设备以及存储介质,通过获取无人机上传的视频信息;提取所述视频信息包含预设采集目标的原始图像帧;识别所述原始图像帧中包含的缺陷图像帧;截取所述视频信息中包含所述缺陷图像帧的视频片段;上传所述缺陷图像帧以及所述视频片段。本申请图像数据采集方法通过无人机采集图像数据,识别无人机采集的数据中的目标缺陷图像帧,直接上传缺陷图像帧以及包含缺陷图像帧的视频片段,有效减少数据传输的数据量,显著减少图像数据在传输过程的数据量。
在其中一个实施例中,S100包括:
获取各预设采集目标的坐标信息,根据各预设采集目标的坐标信息,确定无人机的飞行区域信息,实时获取飞行区域信息的障碍物信息,根据障碍物信息进行无人机的飞行路线规划,生成、并推送预设飞行路线至无人机。
无人机管理服务器预存有整个飞行区域的信息,无人机的图像信息采集工作有对应的目标采集点,用户可以将这些目标点输入无人机管理服务器,无人机管理服务器可以通过在地图上标注这些坐标点,识别判断无人机可能的飞行区域。此外无人机还可以获取这些区域实时的障碍物信息,这些障碍物信息具体是位于无人机飞行高度范围内的障碍物。通过飞行区域信息以及障碍物信息进行无人机的飞行路线规划,来获得预设的飞行路线,可以获得最佳飞行路线,并将该预设飞行路线推送至无人机,提高无人机图像采集过程的效率。
在其中一个实施例中,S900之前还包括:
将缺陷图像帧以及缺陷图像帧的视频片段中的每一帧视频图像划分为多个相同大小的像素区域。
将每个像素区域划分为多个相同大小的子像素区域。
对每个子像素区域以预设的压缩比进行压缩,以形成相应的数据块。
将关联于一个像素区域的所有数据块按照预设的顺序排列并保存于一个相应的数据区块中。
按预设的顺序将所有数据区块排列并保存于存储单元中,获取压缩处理后的缺陷图像帧以及视频片段。
S900包括,上传压缩处理后的缺陷图像帧以及视频片段。
其中,像素区域是指其中包括多个像素的视频图像显示区域。可以将每一帧视频图像划分为多个像素区域,而后基于划分完成的像素区域再一次进行划分,得到子像素区域,从而将一个完整的视频图像拆分为多块较小的像素显示区域,分别对每个子像素区域进行压缩编码,以形成对应于每个子像素区域的不同的数据块,上述预设的压缩比可以包括25%,50%以及75%,压缩的具体百分比可以根据采集图像的分辨率以及可供分析的图像数据所需要的清晰程度来进行设置。通过压缩各个子像素区域以形成相应的数据块,将相应的数据块保存于关联每个像素区域的数据区块中,以形成块数据的存储结构,并且以光栅扫描的方式进行排列并存储,有利于对存储数据进行访问。可以将压缩完成的快数据上传到云端服务器中,云端服务器通过解码这些压缩后的块数据,来获得原始的缺陷图像帧以及视频片段。通过压缩可以进一步减小上传至云端服务器的数据量,提高数据上传过程的效率。
如图3所示,在其中一个实施例中,S300包括:
S320,根据无人机的定位信息,确定无人机在各预设采集目标的飞行时间段。
S340,查找视频信息中飞行时间段内的视频信息。
S360,提取飞行时间段内的视频信息内图像帧作为原始图像帧。
具体的,无人机上包含有定位模块,无人机管理服务器可以通过定位模块对当前无人机的位置进行定位,从而可以确定无人机到达以及离开各个预设采集目标时的时刻点,无人机管理服务器可以直接截取无人机在各个预设采集目标的飞行时间段内采集到的视频信息,并提取这些视频信息内的视频数据帧,作为待处理的原始图像帧。可以通过无人机的位置与时刻的对应关系,从无人机摄像头采集的视频图像中提取目标视频图像,避免处理的视频图像过多,影响处理效率。
如图4所示,在其中一个实施例中,S500包括:
S520,获取预设采集目标的各角度图像.
S540,根据无人机在各拍摄时刻的定位信息与摄像头角度信息,确定无人机的各角度图像对应的实时原始图像帧。
S560,获取预设采集目标的角度图像与对应的实时原始图像帧的相似度。
S580,当相似度低于预设相似度阈值时,判定原始图像帧为缺陷图像帧。
其中,预设采集目标的各角度图像具体是指无人机从各个不同的方位以及可能的拍摄角度拍摄到的正常的预设采集目标的图像,这些图像可以预先通过无人机进行采集,并且通过人工检验合格后作为预设采集目标的各角度图像,当使用无人机进行预设采集目标的图像数据采集过程中,也可以尽可能地让无人机从这些以前的拍摄角度上采集实时的图像数据。各个图像视频帧与当时无人机的定位信息以及摄像头角度一一对应,可以通过定位信息(包括位置信息和飞行高度信息)以及摄像头角度,从预设采集目标的各角度图像中查找与当前的原始图像帧对应的角度图像。而后通过对比预设的角度图像以及实施采集到的图像数据帧,当图像数据帧与预设的角度图像差异过大时,可以认为当前的预设采集目标对比原来的预设采集目标出现了某种变化,从而可以将该图像数据帧确定为缺陷图像帧。在其中一个实施例中,预设采集目标为工地高楼,当该工地高楼的绿色防护罩出现破损时,可以将包含该破损绿色防护罩的图像视频帧作为缺陷图像帧上传。通过将缺陷图像帧上传云端服务器,从而使得云端的维护工作人员可以通过缺陷图像帧分析预设采集目标的实施情况。
在其中一个实施例中,S700包括:
根据无人机的定位信息,确定无人机在各预设采集目标的飞行时间段。
将缺陷图像帧对应的拍摄时刻定位至飞行时间段内。
根据各飞行时间段内第一次缺陷图像帧对应的拍摄时刻与最后一次缺陷图像帧对应的拍摄时刻,截取视频信息中包含缺陷图像帧的视频片段。
在出现了缺陷图像帧的情况下,还有必要提供更加有力的分析依据给到云服务器端,此时可以截取包含该缺陷图像帧的视频片段作为更进一步的证据来帮助云端工作人员进一步分析实际情况,此时可以从整个视频信息中截取各个包含预设采集目标的视频片段,并将缺陷图像帧定位到这些片段中,从视频片段中截取缺陷图像帧第一次出现到最后一次出现的视频片段,作为上传至云服务器的视频片段,通过提供分析视频可以有效提高视频图像数据分析的有效性。
在其中一个实施例中,本申请的图像数据采集方法包括:获取各预设采集目标的坐标信息;根据各预设采集目标的坐标信息,确定无人机的飞行区域信息;实时获取飞行区域信息的障碍物信息;根据障碍物信息进行无人机的飞行路线规划,生成、并推送预设飞行路线至无人机。获取无人机上传的视频信息;根据无人机的定位信息,确定无人机在各预设采集目标的飞行时间段;查找视频信息中飞行时间段内的视频信息;提取飞行时间段内的视频信息内图像帧作为原始图像帧。获取预设采集目标的各角度图像;根据无人机在各拍摄时刻的定位信息与摄像头角度信息,确定无人机的各角度图像对应的实时原始图像帧;获取预设采集目标的角度图像与对应的实时原始图像帧的相似度;当相似度低于预设相似度阈值时,判定原始图像帧为缺陷图像帧。根据无人机的定位信息,确定无人机在各预设采集目标的飞行时间段;将缺陷图像帧对应的拍摄时刻定位至飞行时间段内;根据各飞行时间段内第一次缺陷图像帧对应的拍摄时刻与最后一次缺陷图像帧对应的拍摄时刻,截取视频信息中包含缺陷图像帧的视频片段。将缺陷图像帧以及缺陷图像帧的视频片段中的每一帧视频图像划分为多个相同大小的像素区域;将每个像素区域划分为多个相同大小的子像素区域;对每个子像素区域以预设的压缩比进行压缩,以形成相应的数据块;将关联于一个像素区域的所有数据块按照预设的顺序排列并保存于一个相应的数据区块中;按预设的顺序将所有数据区块排列并保存于存储单元中,获取压缩处理后的缺陷图像帧以及视频片段。上传压缩处理后的缺陷图像帧以及视频片段。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图5所示,本申请还包括一种图像数据采集装置,装置包括:
图像数据获取模块100,用于获取无人机上传的视频信息,视频信息由无人机根据预设飞行路线飞行采集;
图像帧提取模块300,用于提取视频信息包含预设采集目标的原始图像帧;
图像识别模块500,用于识别原始图像帧中包含的缺陷图像帧;
视频截取模块700,用于截取视频信息中包含缺陷图像帧的视频片段;
信息上传模块900,用于上传缺陷图像帧以及视频片段。
在其中一个实施例中,还包括路径规划模块,路径规划模块具体用于获取各预设采集目标的坐标信息;根据各预设采集目标的坐标信息,确定无人机的飞行区域信息;实时获取飞行区域信息的障碍物信息;根据障碍物信息进行无人机的飞行路线规划,生成、并推送预设飞行路线至无人机。
在其中一个实施例中,还包括数据压缩模块,用于将缺陷图像帧以及缺陷图像帧的视频片段中的每一帧视频图像划分为多个相同大小的像素区域;将每个像素区域划分为多个相同大小的子像素区域;对每个子像素区域以预设的压缩比进行压缩,以形成相应的数据块;将关联于一个像素区域的所有数据块按照预设的顺序排列并保存于一个相应的数据区块中;按预设的顺序将所有数据区块排列并保存于存储单元中,获取压缩处理后的缺陷图像帧以及视频片段。信息上传模块900具体用于上传压缩处理后的缺陷图像帧以及视频片段。
在其中一个实施例中,图像帧提取模块300用于根据无人机的定位信息,确定无人机在各预设采集目标的飞行时间段;查找视频信息中飞行时间段内的视频信息;提取飞行时间段内的视频信息内图像帧作为原始图像帧。
在其中一个实施例中,图像识别模块500用于获取预设采集目标的各角度图像;根据无人机在各拍摄时刻的定位信息与摄像头角度信息,确定无人机的各角度图像对应的实时原始图像帧;获取预设采集目标的角度图像与对应的实时原始图像帧的相似度;当相似度低于预设相似度阈值时,判定原始图像帧为缺陷图像帧。
在其中一个实施例中,视频截取模块700用于根据无人机的定位信息,确定无人机在各预设采集目标的飞行时间段;将缺陷图像帧对应的拍摄时刻定位至飞行时间段内;根据各飞行时间段内第一次缺陷图像帧对应的拍摄时刻与最后一次缺陷图像帧对应的拍摄时刻,截取视频信息中包含缺陷图像帧的视频片段。
关于图像数据采集装置的具体限定可以参见上文中对于图像数据采集方法的限定,在此不再赘述。上述图像数据采集装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像数据采集方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取无人机上传的视频信息,视频信息由无人机根据预设飞行路线飞行采集;
提取视频信息包含预设采集目标的原始图像帧;
识别原始图像帧中包含的缺陷图像帧;
截取视频信息中包含缺陷图像帧的视频片段;
上传缺陷图像帧以及视频片段。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取各预设采集目标的坐标信息;根据各预设采集目标的坐标信息,确定无人机的飞行区域信息;实时获取飞行区域信息的障碍物信息;根据障碍物信息进行无人机的飞行路线规划,生成、并推送预设飞行路线至无人机。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将缺陷图像帧以及缺陷图像帧的视频片段中的每一帧视频图像划分为多个相同大小的像素区域;将每个像素区域划分为多个相同大小的子像素区域;对每个子像素区域以预设的压缩比进行压缩,以形成相应的数据块;将关联于一个像素区域的所有数据块按照预设的顺序排列并保存于一个相应的数据区块中;按预设的顺序将所有数据区块排列并保存于存储单元中,获取压缩处理后的缺陷图像帧以及视频片段。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据无人机的定位信息,确定无人机在各预设采集目标的飞行时间段;查找视频信息中飞行时间段内的视频信息;提取飞行时间段内的视频信息内图像帧作为原始图像帧。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取预设采集目标的各角度图像;根据无人机在各拍摄时刻的定位信息与摄像头角度信息,确定无人机的各角度图像对应的实时原始图像帧;获取预设采集目标的角度图像与对应的实时原始图像帧的相似度;当相似度低于预设相似度阈值时,判定原始图像帧为缺陷图像帧。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据无人机的定位信息,确定无人机在各预设采集目标的飞行时间段;将缺陷图像帧对应的拍摄时刻定位至飞行时间段内;根据各飞行时间段内第一次缺陷图像帧对应的拍摄时刻与最后一次缺陷图像帧对应的拍摄时刻,截取视频信息中包含缺陷图像帧的视频片段。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取无人机上传的视频信息,视频信息由无人机根据预设飞行路线飞行采集;
提取视频信息包含预设采集目标的原始图像帧;
识别原始图像帧中包含的缺陷图像帧;
截取视频信息中包含缺陷图像帧的视频片段;
上传缺陷图像帧以及视频片段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取各预设采集目标的坐标信息;根据各预设采集目标的坐标信息,确定无人机的飞行区域信息;实时获取飞行区域信息的障碍物信息;根据障碍物信息进行无人机的飞行路线规划,生成、并推送预设飞行路线至无人机。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将缺陷图像帧以及缺陷图像帧的视频片段中的每一帧视频图像划分为多个相同大小的像素区域;将每个像素区域划分为多个相同大小的子像素区域;对每个子像素区域以预设的压缩比进行压缩,以形成相应的数据块;将关联于一个像素区域的所有数据块按照预设的顺序排列并保存于一个相应的数据区块中;按预设的顺序将所有数据区块排列并保存于存储单元中,获取压缩处理后的缺陷图像帧以及视频片段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据无人机的定位信息,确定无人机在各预设采集目标的飞行时间段;查找视频信息中飞行时间段内的视频信息;提取飞行时间段内的视频信息内图像帧作为原始图像帧。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取预设采集目标的各角度图像;根据无人机在各拍摄时刻的定位信息与摄像头角度信息,确定无人机的各角度图像对应的实时原始图像帧;获取预设采集目标的角度图像与对应的实时原始图像帧的相似度;当相似度低于预设相似度阈值时,判定原始图像帧为缺陷图像帧。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据无人机的定位信息,确定无人机在各预设采集目标的飞行时间段;将缺陷图像帧对应的拍摄时刻定位至飞行时间段内;根据各飞行时间段内第一次缺陷图像帧对应的拍摄时刻与最后一次缺陷图像帧对应的拍摄时刻,截取视频信息中包含缺陷图像帧的视频片段。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像数据采集方法,所述方法包括:
获取无人机上传的视频信息,所述视频信息由所述无人机根据预设飞行路线飞行采集;
提取所述视频信息包含预设采集目标的原始图像帧;
识别所述原始图像帧中包含的缺陷图像帧;
截取所述视频信息中包含所述缺陷图像帧的视频片段;
上传所述缺陷图像帧以及所述视频片段;
所述获取无人机上传的视频信息,所述视频信息由所述无人机根据预设飞行路线飞行采集之前,还包括:
获取各预设采集目标的坐标信息;
根据所述各预设采集目标的坐标信息,确定无人机的飞行区域信息;
实时获取所述飞行区域信息的障碍物信息,所述障碍物为所述无人机飞行高度范围内的障碍物;
根据所述障碍物信息进行无人机的飞行路线规划,生成、并推送预设飞行路线至所述无人机;
所述截取所述视频信息中包含所述缺陷图像帧的视频片段包括:
根据所述无人机的定位信息,确定所述无人机在各预设采集目标的飞行时间段;
将所述缺陷图像帧对应的拍摄时刻定位至所述飞行时间段内;
根据各飞行时间段内第一次缺陷图像帧对应的拍摄时刻与最后一次缺陷图像帧对应的拍摄时刻,截取所述视频信息中包含所述缺陷图像帧的视频片段;
所述上传所述缺陷图像帧以及所述视频片段包括:
通过路由器建立与云端服务器的连接,将所述缺陷图像帧和所述视频片段传输到所述云端服务器。
2.根据权利要求1所述的方法,其特征在于,所述上传所述缺陷图像之前还包括:
将所述缺陷图像帧以及所述缺陷图像帧的视频片段中的每一帧视频图像划分为多个相同大小的像素区域;
将每个像素区域划分为多个相同大小的子像素区域;
对每个子像素区域以预设的压缩比进行压缩,以形成相应的数据块;
将关联于一个像素区域的所有数据块按照预设的顺序排列并保存于一个相应的数据区块中;
按预设的顺序将所有数据区块排列并保存于存储单元中,获取压缩处理后的所述缺陷图像帧以及所述视频片段;
所述上传所述缺陷图像帧以及所述视频片段包括:
上传压缩处理后的所述缺陷图像帧以及所述视频片段。
3.根据权利要求1所述的方法,其特征在于,所述提取所述视频信息包含预设采集目标的原始图像帧包括:
根据所述无人机的定位信息,确定所述无人机在各预设采集目标的飞行时间段;
查找所述视频信息中所述飞行时间段内的视频信息;
提取所述飞行时间段内的视频信息内图像帧作为原始图像帧。
4.根据权利要求1所述的方法,其特征在于,所述识别所述原始图像帧中包含的缺陷图像帧包括:
获取所述预设采集目标的各角度图像;
根据所述无人机在各拍摄时刻的定位信息与摄像头角度信息,确定无人机的各角度图像对应的实时原始图像帧;
获取所述预设采集目标的角度图像与对应的所述实时原始图像帧的相似度;
当所述相似度低于预设相似度阈值时,判定所述原始图像帧为缺陷图像帧。
5.根据权利要求1所述的方法,其特征在于,所述预设采集目标包括工地大楼,所述缺陷图像帧包括工地大楼的绿色防护罩出现破损的图像视频帧。
6.一种图像数据采集装置,其特征在于,所述装置包括:
图像数据获取模块,用于获取无人机上传的视频信息,所述视频信息由所述无人机根据预设飞行路线飞行采集;
图像帧提取模块,用于提取所述视频信息包含预设采集目标的原始图像帧;
图像识别模块,用于识别所述原始图像帧中包含的缺陷图像帧;
视频截取模块,用于截取所述视频信息中包含所述缺陷图像帧的视频片段;
信息上传模块,用于上传所述缺陷图像帧以及所述视频片段;
路径规划模块,用于:获取各预设采集目标的坐标信息;根据所述各预设采集目标的坐标信息,确定无人机的飞行区域信息;实时获取所述飞行区域信息的障碍物信息,所述障碍物为所述无人机飞行高度范围内的障碍物;根据所述障碍物信息进行无人机的飞行路线规划,生成、并推送预设飞行路线至所述无人机;
所述图像帧提取模块具体用于:根据所述无人机的定位信息,确定所述无人机在各预设采集目标的飞行时间段;查找所述视频信息中所述飞行时间段内的视频信息;提取所述飞行时间段内的视频信息内图像帧作为原始图像帧;
所述信息上传模块具体用于:通过路由器建立与云端服务器的连接,将所述缺陷图像帧和所述视频片段传输到所述云端服务器。
7.根据权利要求6所述的装置,其特征在于,还包括数据压缩模块,用于:将所述缺陷图像帧以及所述缺陷图像帧的视频片段中的每一帧视频图像划分为多个相同大小的像素区域;将每个像素区域划分为多个相同大小的子像素区域;对每个子像素区域以预设的压缩比进行压缩,以形成相应的数据块;将关联于一个像素区域的所有数据块按照预设的顺序排列并保存于一个相应的数据区块中;按预设的顺序将所有数据区块排列并保存于存储单元中,获取压缩处理后的所述缺陷图像帧以及所述视频片段;所述信息上传模块用于:上传压缩处理后的所述缺陷图像帧以及所述视频片段。
8.根据权利要求6所述的装置,其特征在于,所述预设采集目标包括工地大楼,所述缺陷图像帧包括工地大楼的绿色防护罩出现破损的图像视频帧。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
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权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910545160.7A CN110430389B (zh) | 2019-06-21 | 2019-06-21 | 图像数据采集方法、装置、计算机设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910545160.7A CN110430389B (zh) | 2019-06-21 | 2019-06-21 | 图像数据采集方法、装置、计算机设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110430389A CN110430389A (zh) | 2019-11-08 |
CN110430389B true CN110430389B (zh) | 2021-12-07 |
Family
ID=68409396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910545160.7A Active CN110430389B (zh) | 2019-06-21 | 2019-06-21 | 图像数据采集方法、装置、计算机设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110430389B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053647A (zh) * | 2020-07-24 | 2020-12-08 | 华帝股份有限公司 | 一种获取智能家电设备功能演示的方法 |
CN112822497B (zh) * | 2020-12-01 | 2024-02-02 | 青岛大学 | 基于边缘计算的视频压缩编码处理方法及相关组件 |
CN113255439B (zh) * | 2021-04-13 | 2024-01-12 | 深圳市锐明技术股份有限公司 | 一种障碍物识别方法、装置、***、终端及云端 |
CN115604437A (zh) * | 2022-12-15 | 2023-01-13 | 合肥岭雁科技有限公司(Cn) | 一种网关数据的处理方法、***、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160600A (zh) * | 2015-09-23 | 2015-12-16 | 上海电巴新能源科技有限公司 | 供电线路的铁塔结构巡检方法 |
CN105389555A (zh) * | 2015-11-06 | 2016-03-09 | 天津航天中为数据***科技有限公司 | 基于航拍图像的隐患目标分析方法及*** |
CN106331712A (zh) * | 2015-06-30 | 2017-01-11 | 展讯通信(上海)有限公司 | 一种视频图像压缩方法 |
CN107014827A (zh) * | 2017-04-24 | 2017-08-04 | 国家电网公司 | 基于影像处理的输电线路缺陷分析方法、装置和*** |
CN107172395A (zh) * | 2017-06-01 | 2017-09-15 | 青岛科技大学 | 基于互联网的车间监测***及方法 |
CN207198666U (zh) * | 2017-04-24 | 2018-04-06 | 国家电网公司 | 用于输电线路影像获取的无人机和无人机*** |
CN108389197A (zh) * | 2018-02-26 | 2018-08-10 | 上海赛特斯信息科技股份有限公司 | 基于深度学习的输电线路缺陷检测方法 |
CN109325936A (zh) * | 2018-08-17 | 2019-02-12 | 国网天津市电力公司 | 基于神经网络深度学习的配电设备缺陷图像识别终端及方法 |
CN109640057A (zh) * | 2018-12-30 | 2019-04-16 | 广东电网有限责任公司 | 一种输电线路视频监测方法及相关装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102436914B1 (ko) * | 2017-09-28 | 2022-08-29 | 주식회사 케이티 | 태양광 패널의 불량 여부를 감지하는 서버 |
-
2019
- 2019-06-21 CN CN201910545160.7A patent/CN110430389B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106331712A (zh) * | 2015-06-30 | 2017-01-11 | 展讯通信(上海)有限公司 | 一种视频图像压缩方法 |
CN105160600A (zh) * | 2015-09-23 | 2015-12-16 | 上海电巴新能源科技有限公司 | 供电线路的铁塔结构巡检方法 |
CN105389555A (zh) * | 2015-11-06 | 2016-03-09 | 天津航天中为数据***科技有限公司 | 基于航拍图像的隐患目标分析方法及*** |
CN107014827A (zh) * | 2017-04-24 | 2017-08-04 | 国家电网公司 | 基于影像处理的输电线路缺陷分析方法、装置和*** |
CN207198666U (zh) * | 2017-04-24 | 2018-04-06 | 国家电网公司 | 用于输电线路影像获取的无人机和无人机*** |
CN107172395A (zh) * | 2017-06-01 | 2017-09-15 | 青岛科技大学 | 基于互联网的车间监测***及方法 |
CN108389197A (zh) * | 2018-02-26 | 2018-08-10 | 上海赛特斯信息科技股份有限公司 | 基于深度学习的输电线路缺陷检测方法 |
CN109325936A (zh) * | 2018-08-17 | 2019-02-12 | 国网天津市电力公司 | 基于神经网络深度学习的配电设备缺陷图像识别终端及方法 |
CN109640057A (zh) * | 2018-12-30 | 2019-04-16 | 广东电网有限责任公司 | 一种输电线路视频监测方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110430389A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110430389B (zh) | 图像数据采集方法、装置、计算机设备以及存储介质 | |
CN105159319B (zh) | 一种无人机的喷药方法及无人机 | |
US9679227B2 (en) | System and method for detecting features in aerial images using disparity mapping and segmentation techniques | |
US11727500B2 (en) | Damage prediction system using artificial intelligence | |
CN110703800A (zh) | 基于无人机的电力设施智能识别方法及*** | |
CN113791641A (zh) | 一种基于飞行器的设施检测方法及控制设备 | |
CN107830767B (zh) | 基于远程控制的无人机反制方法及介质 | |
CN106547814A (zh) | 一种输电线路无人机巡检图像的结构化自动归档方法 | |
CN110633629A (zh) | 基于人工智能的电网巡检方法、装置、设备及存储介质 | |
EP3300523A1 (en) | Vegetation management for power line corridor monitoring using computer vision | |
EP3300524A1 (en) | Condition detection using image processing | |
DE102020113417A1 (de) | Systeme und verfahren zur automatisierten multimodalen zustellung | |
CN112749589B (zh) | 巡检路径的确定方法、装置以及存储介质 | |
CN110832494A (zh) | 一种语义生成方法、设备、飞行器及存储介质 | |
CN112508865A (zh) | 一种无人机巡检避障方法、装置、计算机设备和存储介质 | |
CN110718137A (zh) | 目标物密度分布地图的构建方法及装置、终端、移动装置 | |
CN111191507A (zh) | 智慧社区的安全预警分析方法及*** | |
CN111383455A (zh) | 交通路口对象流量统计方法、装置、计算机设备和介质 | |
CN116152177A (zh) | 疫木识别方法、装置、计算机设备及计算机可读存储介质 | |
EP2821749A2 (en) | Photographing plan creation device and program and method for the same | |
US20170269585A1 (en) | System, method and server for managing stations and vehicles | |
CN110971824A (zh) | 无人机拍摄控制方法 | |
KR102236753B1 (ko) | 군집 rtk 드론들을 이용한 지상기준점 설정 방법 | |
CN113741495A (zh) | 无人机姿态调整方法、装置、计算机设备和存储介质 | |
CN113554781A (zh) | 架空输电线路远程巡检方法、装置和计算机设备 |
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 |