CN111178264A - 一种用于对无人机航拍图像中铁塔塔基姿态的估计算法 - Google Patents
一种用于对无人机航拍图像中铁塔塔基姿态的估计算法 Download PDFInfo
- Publication number
- CN111178264A CN111178264A CN201911393992.8A CN201911393992A CN111178264A CN 111178264 A CN111178264 A CN 111178264A CN 201911393992 A CN201911393992 A CN 201911393992A CN 111178264 A CN111178264 A CN 111178264A
- Authority
- CN
- China
- Prior art keywords
- image
- tower footing
- tower
- footing
- 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.)
- Pending
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 24
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 12
- 230000003287 optical effect Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 12
- 238000013459 approach Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000013341 scale-up Methods 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011159 matrix material Substances 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
- 238000010248 power generation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像数据处理与分析领域，现有对航拍图像中铁塔塔基姿态的估计算法无法估算对比度的图像，本发明提供一种用于对无人机航拍图像中铁塔塔基姿态的估计算法，包括，步骤1，对航拍塔基图像和标准塔基图像进行灰度变换，获得单通道灰度图；步骤2，对单通道灰度图，进行gabor滤波处理并累积，获得gabor图；步骤3，对gabor图灰度拉伸，获得灰度拉伸图；步骤4，对灰度拉伸图，进行强角点检测，获得强角点坐标序列；步骤5，对从航拍塔基图像的强角点序列和标准塔基图像的强角点序列，进行光流匹配，确定光流场；步骤6，进行仿射计算，获得塔基姿态参数；能够提高低对比度图像进行估算。
Description
技术领域
本发明涉及图像数据处理与分析领域，更具体地说是一种用于对无人机航拍图像中铁塔塔基姿态的估计算法。
背景技术
输电网连接电力生产端和电力消费端，是电力输送的重要保障，而输电铁塔又是输电网的重要组成部件之一。铁塔建设完毕后，其塔基区域的植被恢复情况会影响土地面貌，进而对塔基产生影响。因此，需要对铁塔塔基区域的植被恢复情况进行监测，以便及时采取措施，防止水土流失，以提高运行安全性。普遍措施是采用人员值守、人工巡视的方法。由于我国地理特征多样，铁塔位置分布在各种地理环境，人工巡检方式实施成本高，投入精力大，工作效率低，尤其是山区、峡谷等人员难以到达的地方。
近年来，随着图像识别技术的应用越来越广泛以及无人机的出现，为输电铁塔地基植被恢复的自动监测及预警提供了新的思路。无人机机动性强、环境适应性良好等因素，非常适合于电力塔基的检查。通过前期对无人机塔基GPS坐标的路径规划，无人机可以自动到达目的地对塔基进行航拍。然而，由于GPS的精确性存在误差以及无人机航拍姿态的不稳定，航拍的电力塔基图像往往存在着姿态不确定性，塔基姿态的不确定对于提取塔基底部位置图像就变得十分困难。只有精确提取出塔基地貌图像，才能自动化检查塔基地貌的绿植恢复情况。
针对无人机航拍的不确定性的塔基图像，现有的塔基姿态估计方式是利用塔基的强边缘特征进行算法设计，对边缘图像进行直线检测，根据直线的分布情况来估计塔基姿态。该方法采用霍夫变换算法来查找直线，对采集图像具有苛刻的采集标准，要求直线须具有完全像素级的直线度，对于具有一定畸变的直线就会漏检，输出的塔基顶点偏离实际塔基顶点，进而导致塔基姿态估计出现较大的误差，甚至是失败；另外，该方法采用的Canny边缘检测算法，对低对比度图像(如阴雨天采集的塔基图像)的检测能力较差，也会影响塔基姿态的估计。因此，急需一种对铁塔塔基姿态估计准确度较高的算法，能够准确识别低对比度图片内的塔基姿态。
发明内容
本发明所要解决的技术问题是克服上述现有技术中存在的缺陷，提供一种用于对无人机航拍图像中铁塔塔基姿态的估计算法，能够提高对低对比度图片识别准确度。
为实现上述目的，本发明通过以下技术方案得以实现：一种用于对无人机航拍图像中铁塔塔基姿态的估计算法，包括，步骤1，对航拍塔基图像和标准塔基图像进行灰度变换，分别获得各自对应的单通道灰度图；步骤2，对航拍塔基图像和标准塔基图像的单通道灰度图，分别进行至少八方向的gabor滤波处理，并对各自处理后的图像进行累积，分别获得各自对应的gabor图；步骤3，对航拍塔基图像和标准塔基图像的gabor图进行灰度拉伸处理，分别获得各自对应的灰度拉伸图；步骤4，对航拍塔基图像和标准塔基图像的灰度拉伸图，进行强角点检测，分别获得各自对应的强角点坐标序列；步骤5，对从航拍塔基图像的强角点序列和标准塔基图像的强角点序列，进行光流匹配，确定光流场；步骤6，进行仿射计算，获得塔基姿态参数。
本发明进一步优选方案为：在步骤1中，所述标准塔基图像是无人机按照预设巡航路径，在一段从接近到远离塔基的路径上通过连续拍摄所组成的图像集；所述航拍塔基图像是无人机执行日常巡航时，在所述一段从接近到远离塔基的路径上飞行的过程中，任意时刻拍摄的一张图像。
本发明进一步优选方案为：所述一段从接近到远离塔基的路径在水平方向上，位于以塔基为中心半径40M的范围内；无人机连续拍摄的时间间隔与无人机在水平方向上角速度呈的负相关，在水平方向上相邻的两次拍摄时无人机的位置与塔基之间的夹角均相等。
本发明进一步优选方案为：所述步骤2中，进行了八方向的gabor滤波处理，相邻的两个方向之间的夹角为22.5度；通过对不同方向上的gabor滤波处理图进行累积来确定图像中塔基的边缘部分。
本发明进一步优选方案为：所述步骤3中，对航拍塔基图像和标准塔基图像的gabor图进行灰度检测，对灰度级范围小于预设的灰度级范围的图像进行灰度拉伸，使其落入预设的灰度级范围。
本发明进一步优选方案为：所述步骤4中，采用sift局部特征提取算法对航拍塔基图像和标准塔基图像的灰度拉伸图，分别进行强角点检测。
本发明进一步优选方案为：所述sift局部特征提取算法包括DOG金字塔建立、DOG空间极值点的检测、关键点的精确定位和计算关键点的主方向。
本发明进一步优选方案为：所述步骤5中，采用optical flow光流算法对航拍塔基图像和标准塔基图像的强角点序列进行匹配和跟踪，选出匹配和跟踪成功的一对强角点序列，进行步骤6。
本发明进一步优选方案为：所述步骤6中，塔基姿态参数包括Roll、Yaw和Pitch三个参数。
综上所述，本发明具有以下有益效果：
1、采用8方向Gabor滤波来避免低对比度图像在计算边缘二值图时漏检边缘信息的问题；
2、采用强角点匹配与跟踪算法来避免图像畸变导致的直线检测失败的问题，降低图像采集标准，提高图像适用性；
3、在获取塔基像素高度和平面角度的基础上，还可以获取塔基旋转角度，提供更加准确的塔基识别区域；
4、可普遍应用于不同的气候环境，更适合实际项目应用中批量多样图像处理的使用要求；
5、使用了SIFT局部特征提取算法获取强特征点，使局部特征具有缩放、位移、旋转不变的特点；采用5级高斯差分金字塔，保证准确性和实时性的平衡；
6、利用optical flow算法计算局部特征匹配，具有更稳定的匹配结果。
附图说明
图1是本发明的流程图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
本实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。
如图1所示，示出了一种用于对无人机航拍图像中铁塔塔基姿态的估计算法，包括以下步骤：
步骤1，对航拍塔基图像和标准塔基图像进行灰度变换，分别获得各自对应的单通道灰度图。该步骤中，标准塔基图像是无人机按照预设巡航路径，在一段从接近到远离塔基的路径上通过连续拍摄所组成的图像集；航拍塔基图像是无人机执行日常巡航时，在一段从接近到远离塔基的路径的过程中，任意时刻拍摄的一张图像。需要说明的是，此处一段从接近到远离塔基的路径在水平方向上，位于以塔基为中心半径40M的范围内。无人机连续拍摄的时间间隔与无人机在水平方向上角速度呈的负相关，无人机角速度越快，拍摄间隔时间越短。在水平方向上相邻的两次拍摄时无人机的位置与塔基之间的夹角均相等，举例说明，以塔基为参考中心，无人机的飞行角度每变化10°就拍摄一次(也可以是5°、8°、15°等，根据实际使用情况做适当的调整)。无人机从飞入40m的半径范围内，到飞出40M的半斤范围，这段预设的飞行轨迹至少保证能够拍摄3次，以便组成标准塔基图像。
步骤2，对航拍塔基图像和标准塔基图像的单通道灰度图，分别进行至少八方向的gabor滤波处理，并对各自处理后的图像进行累积，分别获得各自对应的gabor图。该步骤中，优选为，进行了八方向的gabor滤波处理，相邻的两个方向之间的夹角为22.5度。通过对不同方向上的gabor滤波处理图进行累积来确定图像中塔基的边缘部分。
步骤3，对航拍塔基图像和标准塔基图像的gabor图进行灰度拉伸处理，分别获得各自对应的灰度拉伸图。具体地，对航拍塔基图像和标准塔基图像的gabor图进行灰度检测，对灰度级范围小于预设的灰度级范围的图像进行灰度拉伸，使其落入预设的灰度级范围。
步骤4，对航拍塔基图像和标准塔基图像的灰度拉伸图，进行强角点检测，分别获得各自对应的强角点坐标序列。该步骤中，采用sift局部特征提取算法对航拍塔基图像和标准塔基图像的灰度拉伸图，分别进行强角点检测。sift局部特征提取算法，对强局部特征具有旋转、缩放和位移不变性的特点，特别适用于于本应用场景(由于航拍无人机与塔基的距离和角度是随机的)。
sift局部特征提取算法包括DOG金字塔建立、DOG空间极值点的检测、关键点的精确定位和计算关键点的主方向。
DOG金字塔建立使用不同尺度的高斯差分核与图像卷积生成，如式(1)。由于塔基航拍图像分辨率有限，采用5层DOG空间已经足够，而且提高计算效率。
D(x，y，σ)＝[G(x，y，kσ)-G(x，y，σ)]＊(x，y)＝L(x，y，kσ)-L(x，y，σ) (1)
DOG空间的极值点的检测通过每一个采样点和它所有的空间相邻点比较，相同尺度的空间采用8方向点，上下相邻尺度空间采用9个方向点，共26个方向点，以确保在DOG空间和二维图像空间都检测到极值点。如果在DOG尺度空间本层以及上下两层的26个领域中是最大或最小值时，就认为该点是图像在该尺度下的一个强局部特征点。
由于DOG空间的极值点不是真实图像的极值点，通过对DOG空间进行二次曲线拟合获得关键点的精确定位。关键点的主方向使用图像提取方法求取局部结构的稳定方向。统计关键点梯度的直方图，并统计领域内像素的梯度核方向，获取方向直方图的最大值位主方向。
步骤5，对从航拍塔基图像的强角点序列和标准塔基图像的强角点序列，进行光流匹配，确定光流场。本实施例中，采用optical flow光流算法对航拍塔基图像和标准塔基图像的强角点序列进行匹配和跟踪，选出匹配和跟踪成功的一对强角点序列，进行步骤6。
强角点序列光流匹配的核心过程是标准塔基图像上第D(i，j)个强特征点的领域的S(s,t)像素通过主方向旋转后找到航拍塔基图像上的T(s,t)进行匹配，如式2，
计算获取最大D(i，j)，若最大D(i，j)大于预设的阀值，则认为该两个角点为匹配角点。由此可获得标准塔基图像和航拍图像的光流场。
步骤6，进行仿射计算，获得塔基姿态参数。通过上一步骤可以获得标准塔基图像和航拍塔基图像的光流场，即强角点之间的对应关系。
已知标准图像强角点坐标序列A，航拍图像强角点坐标序列B，而仿射计算便是求解最优仿射矩阵C，如式3和4。
M＝B*AT (4)
最终估计出塔基姿态的Roll、Yaw和Pitch参数
需要特别说明的是，由于标准塔基图像是无人机按照预设巡航路径，在一段从接近到远离塔基的路径上通过连续拍摄所组成的图像集，因此在步骤1-4获取的标准塔基图像的强角点坐标序列实际上是该图像集中，每一图像上的强角点坐标序列构成的强角点坐标序列的集合。该标准塔基图像是事先(在获取航拍塔基图像之前)采集，因此，步骤1-4中对标准塔基图像进行的灰度变换、滤波处理累积、灰度拉伸和强角点检测的操作，均可事先进行，并存储由标准塔基图像获得的强角点坐标序列的集合，再次进行光流匹配时，直接调用该强角点坐标序列的集合，无需在该计算。
Claims (9)
1.一种用于对无人机航拍图像中铁塔塔基姿态的估计算法，包括，
步骤1，对航拍塔基图像和标准塔基图像进行灰度变换，分别获得各自对应的单通道灰度图；
步骤2，对航拍塔基图像和标准塔基图像的单通道灰度图，分别进行至少八方向的gabor滤波处理，并对各自处理后的图像进行累积，分别获得各自对应的gabor图；
步骤3，对航拍塔基图像和标准塔基图像的gabor图进行灰度拉伸处理，分别获得各自对应的灰度拉伸图；
步骤4，对航拍塔基图像和标准塔基图像的灰度拉伸图，进行强角点检测，分别获得各自对应的强角点坐标序列；
步骤5，对航拍塔基图像的强角点序列和标准塔基图像的强角点序列，进行光流匹配，确定光流场；
步骤6，进行仿射计算，获得塔基姿态参数。
2.根据权利要求1所述的用于对无人机航拍图像中铁塔塔基姿态的估计算法，其特征在于：在步骤1中，所述标准塔基图像是无人机按照预设巡航路径，在一段从接近到远离塔基的路径上通过连续拍摄所组成的图像集；所述航拍塔基图像是无人机执行日常巡航时，在所述一段从接近到远离塔基的路径上飞行的过程中，任意时刻拍摄的一张图像。
3.根据权利要求2所述的用于对无人机航拍图像中铁塔塔基姿态的估计算法，其特征在于：所述一段从接近到远离塔基的路径在水平方向上，位于以塔基为中心半径40M的范围内；无人机连续拍摄的时间间隔与无人机在水平方向上角速度呈的负相关，在水平方向上相邻的两次拍摄时无人机的位置与塔基之间的夹角均相等。
4.根据权利要求2或3所述的用于对无人机航拍图像中铁塔塔基姿态的估计算法，其特征在于：所述步骤2中，进行了八方向的gabor滤波处理，相邻的两个方向之间的夹角为22.5度；通过对不同方向上的gabor滤波处理图进行累积来确定图像中塔基的边缘部分。
5.根据权利要求4所述的用于对无人机航拍图像中铁塔塔基姿态的估计算法，其特征在于：所述步骤3中，对航拍塔基图像和标准塔基图像的gabor图进行灰度检测，对灰度级范围小于预设的灰度级范围的图像进行灰度拉伸，使其落入预设的灰度级范围。
6.根据权利要求5所述的用于对无人机航拍图像中铁塔塔基姿态的估计算法，其特征在于：所述步骤4中，采用sift局部特征提取算法对航拍塔基图像和标准塔基图像的灰度拉伸图，分别进行强角点检测。
7.根据权利要求6所述的用于对无人机航拍图像中铁塔塔基姿态的估计算法，其特征在于：所述sift局部特征提取算法包括DOG金字塔建立、DOG空间极值点的检测、关键点的精确定位和计算关键点的主方向。
8.根据权利要求7所述的用于对无人机航拍图像中铁塔塔基姿态的估计算法，其特征在于：所述步骤5中，采用optical flow光流算法对航拍塔基图像和标准塔基图像的强角点序列进行匹配和跟踪，选出匹配和跟踪成功的一对强角点序列，进行步骤6。
9.根据权利要求6所述的用于对无人机航拍图像中铁塔塔基姿态的估计算法，其特征在于：所述步骤6中，塔基姿态参数包括Roll、Yaw和Pitch三个参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911393992.8A CN111178264A (zh) | 2019-12-30 | 2019-12-30 | 一种用于对无人机航拍图像中铁塔塔基姿态的估计算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911393992.8A CN111178264A (zh) | 2019-12-30 | 2019-12-30 | 一种用于对无人机航拍图像中铁塔塔基姿态的估计算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111178264A true CN111178264A (zh) | 2020-05-19 |
Family
ID=70654205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911393992.8A Pending CN111178264A (zh) | 2019-12-30 | 2019-12-30 | 一种用于对无人机航拍图像中铁塔塔基姿态的估计算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111178264A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112613437A (zh) * | 2020-12-28 | 2021-04-06 | 国网浙江省电力有限公司电力科学研究院 | 一种准确率高的违章建筑识别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101510257A (zh) * | 2009-03-31 | 2009-08-19 | 华为技术有限公司 | 一种人脸相似度匹配方法及装置 |
| CN109544608A (zh) * | 2018-03-22 | 2019-03-29 | 广东电网有限责任公司清远供电局 | 一种无人机图像采集特征配准方法 |
| CN109741257A (zh) * | 2018-12-25 | 2019-05-10 | 鸿视线科技(北京)有限公司 | 全景图全自动拍摄、拼接***及方法 |
-
2019
- 2019-12-30 CN CN201911393992.8A patent/CN111178264A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101510257A (zh) * | 2009-03-31 | 2009-08-19 | 华为技术有限公司 | 一种人脸相似度匹配方法及装置 |
| CN109544608A (zh) * | 2018-03-22 | 2019-03-29 | 广东电网有限责任公司清远供电局 | 一种无人机图像采集特征配准方法 |
| CN109741257A (zh) * | 2018-12-25 | 2019-05-10 | 鸿视线科技(北京)有限公司 | 全景图全自动拍摄、拼接***及方法 |
Non-Patent Citations (6)
| Title |
|---|
| 刘珊珊;李凡;: "基于特征点精度提纯的图像配准改进算法" * |
| 刘珊珊;李凡;: "基于特征点精度提纯的图像配准改进算法", 微电子学与计算机, no. 05 * |
| 毕国玲: "智能视频监控***中若干关键技术研究", 《中国博士学位论文全文数据库》, pages 79 - 81 * |
| 王保生;陈宇飞;赵卫东;周强强;: "基于水平集的手指静脉图像分割" * |
| 王保生;陈宇飞;赵卫东;周强强;: "基于水平集的手指静脉图像分割", 计算机应用, no. 02 * |
| 石文君;吴中川;刘晓红;黄应顺;: "低对比度条件下基于能量积累和Gabor变换的海天线提取", no. 05 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112613437A (zh) * | 2020-12-28 | 2021-04-06 | 国网浙江省电力有限公司电力科学研究院 | 一种准确率高的违章建筑识别方法 |
| CN112613437B (zh) * | 2020-12-28 | 2022-07-12 | 国网浙江省电力有限公司电力科学研究院 | 一种违章建筑识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nassar et al. | A deep CNN-based framework for enhanced aerial imagery registration with applications to UAV geolocalization | |
| US8446468B1 (en) | Moving object detection using a mobile infrared camera | |
| CN112419374B (zh) | 一种基于图像配准的无人机定位方法 | |
| CN110097093A (zh) | 一种异源图像精确匹配方法 | |
| CN101509782B (zh) | 一种小型地标捕获定位方法 | |
| CN109919975B (zh) | 一种基于坐标标定的广域监控运动目标关联方法 | |
| CN103149939A (zh) | 一种基于视觉的无人机动态目标跟踪与定位方法 | |
| CN110569861B (zh) | 一种基于点特征和轮廓特征融合的图像匹配定位方法 | |
| CN109461132B (zh) | 基于特征点几何拓扑关系的sar图像自动配准方法 | |
| CN110400330A (zh) | 基于融合imu的光电吊舱图像跟踪方法及跟踪*** | |
| CN112308913B (zh) | 一种基于视觉的车辆定位方法、装置及车载终端 | |
| CN116245916B (zh) | 一种面向无人艇的红外舰船目标跟踪方法及装置 | |
| CN105279769A (zh) | 一种联合多特征的层次粒子滤波跟踪方法 | |
| CN114973028B (zh) | 一种航拍视频图像实时变化检测方法及*** | |
| Bell et al. | Accurate vehicle speed estimation from monocular camera footage | |
| Xiao et al. | Geo-spatial aerial video processing for scene understanding and object tracking | |
| CN109883400B (zh) | 基于yolo-sitcol的固定站自动目标检测与空间定位方法 | |
| CN113838129B (zh) | 一种获得位姿信息的方法、装置以及*** | |
| CN109358315B (zh) | 一种辅助目标间接定位方法及*** | |
| CN110636248B (zh) | 目标跟踪方法与装置 | |
| CN113221883B (zh) | 无人机飞行导航路线实时修正方法 | |
| CN112613437B (zh) | 一种违章建筑识别方法 | |
| Peppa et al. | Handcrafted and learning-based tie point features-comparison using the EuroSDR RPAS benchmark datasets | |
| CN111178264A (zh) | 一种用于对无人机航拍图像中铁塔塔基姿态的估计算法 | |
| Hussnain et al. | Automatic feature detection, description and matching from mobile laser scanning data and aerial imagery |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211230 Address after: The eight district of Hangzhou city in Zhejiang province 310014 Huadian Zhaohui under No. 1 Lane Applicant after: STATE GRID ZHEJIANG ELECTRIC POWER COMPANY LIMITED ELECTRIC POWER Research Institute Address before: The eight district of Hangzhou city in Zhejiang province 310014 Huadian Zhaohui under No. 1 Lane Applicant before: STATE GRID ZHEJIANG ELECTRIC POWER COMPANY LIMITED ELECTRIC POWER Research Institute Applicant before: HANGZHOU E ENERGY ELECTRIC POWER TECHNOLOGY Co.,Ltd. |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200519 |