CN111861972A - 目标状态识别*** - Google Patents
目标状态识别*** Download PDFInfo
- Publication number
- CN111861972A CN111861972A CN201910347314.1A CN201910347314A CN111861972A CN 111861972 A CN111861972 A CN 111861972A CN 201910347314 A CN201910347314 A CN 201910347314A CN 111861972 A CN111861972 A CN 111861972A
- Authority
- CN
- China
- Prior art keywords
- image
- wavelet
- equipment
- processing
- complexity
- 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
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
- G06T7/0004—Industrial image inspection
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种目标状态识别***,所述***包括:日夜摄像设备,位于地面观测点,用于对背朝地面向上方空域进行摄像操作,以获得并输出相应的上方采集图像;小波处理设备,与所述日夜摄像设备连接,用于对所述上方采集图像执行小波滤波处理,以获得小波处理图像;复杂度检测设备,与所述小波处理设备连接,用于接收所述小波处理图像,对所述小波处理图像的复杂度进行检测,以获得对应的复杂度等级。本发明的目标状态识别***构造紧凑,识别准确。由于对针对性识别到的无人机图案进行实时图像内容分析,以确定所述无人机图案对应的无人机目标是否存在机身破损情况,从而为无人机的飞行提供安全保障。
Description
技术领域
本发明涉及航空器领域,尤其涉及一种目标状态识别***。
背景技术
航空器(aircraft)能在大气层内进行可控飞行的飞行器。任何航空器都必须产生大于自身重力的升力,才能升入空中。根据产生升力的原理,航空器可分为两大类:轻于空气的航空器和重于空气的航空器。前者靠空气静浮力升空;后者靠空气动力克服自身重力升空。
航空器是飞行器中的一个大类,是指通过机身与空气的相对运动(不是由空气对地面发生的反作用)而获得空气动力升空飞行的任何机器。航空器包括气球、飞艇、飞机、滑翔机、旋翼机、直升机、扑翼机、倾转旋翼机等。飞机是常见的一种航空器。无动力装置的滑翔机﹑以旋翼作为主要升力面的直升机以及在大气层外飞行的航天飞机都不属飞机的范围。
发明内容
本发明至少具备以下三处重要的发明点:
(1)对针对性识别到的无人机图案进行实时图像内容分析,以确定所述无人机图案对应的无人机目标是否存在机身破损情况,从而为无人机的飞行提供安全保障;
(2)在小波处理的基础上,基于图像的各个像素点的各个像素值的均方差来确定对应的复杂度等级,提高复杂度等级判断的精度;
(3)在要处理的图像过于复杂时,去除后续图像处理环节中所述同态滤波设备和所述布特沃斯低通滤波设备中的同态滤波设备的处理过程,以在保证图像处理效果的同时避免图像运算量过大。
根据本发明的一方面,提供了一种目标状态识别***,所述***包括:日夜摄像设备,位于地面观测点,用于对背朝地面向上方空域进行摄像操作,以获得并输出相应的上方采集图像;小波处理设备,与所述日夜摄像设备连接,用于接收所述上方采集图像,对所述上方采集图像执行小波滤波处理,以获得小波处理图像。
更具体地,在所述目标状态识别***中,所述***还包括:复杂度检测设备,与所述小波处理设备连接,用于接收所述小波处理图像,对所述小波处理图像的复杂度进行检测,以获得对应的复杂度等级。
更具体地,在所述目标状态识别***中:在所述复杂度检测设备中,基于所述小波处理图像的各个像素点的各个像素值的均方差来确定对应的复杂度等级。
更具体地,在所述目标状态识别***中:在所述复杂度检测设备中,基于所述小波处理图像的各个像素点的各个像素值的均方差来确定对应的复杂度等级包括:所述均方差越大,确定的对应的复杂度等级越高;其中,所述复杂度检测设备还内置ROM存储器和RAM存储器,所述RAM存储器用于接收并存储所述复杂度等级。
更具体地,在所述目标状态识别***中,所述***还包括:图像复原设备,分别与所述复杂度检测设备和所述小波处理设备连接,用于接收所述小波处理图像,并在接收到的复杂度等级未超过预设等级阈值时,对所述小波处理图像执行图像复原处理,以获得并输出相应的图像复原图像;旋转校正设备,与所述图像复原设备连接,用于对接收到的图像复原图像执行旋转校正操作,以获得对应的旋转校正图像;布特沃斯低通滤波设备,与所述旋转校正设备连接,用于对接收到的旋转校正图像进行布特沃斯低通滤波处理,以获得并输出对应的布特沃斯低通滤波图像;同态滤波设备,分别与所述复杂度检测设备和所述布特沃斯低通滤波设备连接,用于接收所述布特沃斯低通滤波图像,并在接收到的复杂度等级未超过预设等级阈值时,对所述布特沃斯低通滤波图像执行同态滤波处理,以获得并输出相应的同态滤波图像;目标提取设备,与所述同态滤波设备连接,用于基于无人机成像特征提取所述同态滤波图像中的无人机目标所在的无人机图案,并输出所述无人机图案;数据比对设备,与所述目标提取设备连接,用于将无人机完整外形与接收到的无人机图案进行相似度分析,以在相似度超限时,发出机身完整信号。
本发明的目标状态识别***构造紧凑,识别准确。由于对针对性识别到的无人机图案进行实时图像内容分析,以确定所述无人机图案对应的无人机目标是否存在机身破损情况,从而为无人机的飞行提供安全保障。
具体实施方式
下面将对本发明的目标状态识别***的实施方案进行详细说明。
无人驾驶的载体中,无人驾驶汽车和无人驾驶飞机是常见的两种载体,对于无人驾驶飞机即无人机来说,侦测监视是无人机最早的用途之一。无人侦察机可以深入阵地前沿和敌后一二百公里,甚至更远的距离。它依靠装在机上的可见光照相机、电影摄影机、标准或微光电视摄像机、红外扫描器和雷达等设备,完成各种侦察和监视任务。一般来说,一架无人机可携带一种或几种侦察设备,按预定的程序或地面指令进行工作,最后将所获得的信息和图像随时传送回地面,供有关部门使用;也可以将获得的所有信息记录下来,待无人机回收时一次取用。随着高新技术的发展和应用,无人机上的设备性能也在不断提高,同时还增加了一些新的装备,应用范围进一步扩大。如装备全球定位***(GPS)后,无人机可与侦察卫星和有人驾驶侦察机配合使用,形成高、中、低空,多层次、多方位的立体空中侦察监视网,使所获得的情报信息更加准确可靠。
现有技术中,无人机由于具有机器驾驶的特性,无法对自身的状态例如机身破损情况进行准确分析和判断,导致可能会一直带伤飞行,这样,一旦产生无人机的飞行事故,则对无人机经营方以及地面人员和设备都会造成一定的伤害。
为了克服上述不足,本发明搭建了一种目标状态识别***,能够有效解决相应的技术问题。
根据本发明实施方案示出的目标状态识别***包括:
日夜摄像设备,位于地面观测点,用于对背朝地面向上方空域进行摄像操作,以获得并输出相应的上方采集图像;
小波处理设备,与所述日夜摄像设备连接,用于接收所述上方采集图像,对所述上方采集图像执行小波滤波处理,以获得小波处理图像。
接着,继续对本发明的目标状态识别***的具体结构进行进一步的说明。
所述目标状态识别***中还可以包括:
复杂度检测设备,与所述小波处理设备连接,用于接收所述小波处理图像,对所述小波处理图像的复杂度进行检测,以获得对应的复杂度等级。
所述目标状态识别***中:
在所述复杂度检测设备中,基于所述小波处理图像的各个像素点的各个像素值的均方差来确定对应的复杂度等级。
所述目标状态识别***中:
在所述复杂度检测设备中,基于所述小波处理图像的各个像素点的各个像素值的均方差来确定对应的复杂度等级包括:所述均方差越大,确定的对应的复杂度等级越高;
其中,所述复杂度检测设备还内置ROM存储器和RAM存储器,所述RAM存储器用于接收并存储所述复杂度等级。
所述目标状态识别***中还可以包括:
图像复原设备,分别与所述复杂度检测设备和所述小波处理设备连接,用于接收所述小波处理图像,并在接收到的复杂度等级未超过预设等级阈值时,对所述小波处理图像执行图像复原处理,以获得并输出相应的图像复原图像;
旋转校正设备,与所述图像复原设备连接,用于对接收到的图像复原图像执行旋转校正操作,以获得对应的旋转校正图像;
布特沃斯低通滤波设备,与所述旋转校正设备连接,用于对接收到的旋转校正图像进行布特沃斯低通滤波处理,以获得并输出对应的布特沃斯低通滤波图像;
同态滤波设备,分别与所述复杂度检测设备和所述布特沃斯低通滤波设备连接,用于接收所述布特沃斯低通滤波图像,并在接收到的复杂度等级未超过预设等级阈值时,对所述布特沃斯低通滤波图像执行同态滤波处理,以获得并输出相应的同态滤波图像;
目标提取设备,与所述同态滤波设备连接,用于基于无人机成像特征提取所述同态滤波图像中的无人机目标所在的无人机图案,并输出所述无人机图案;
数据比对设备,与所述目标提取设备连接,用于将无人机完整外形与接收到的无人机图案进行相似度分析,以在相似度超限时,发出机身完整信号;
其中,所述数据比对设备还用于在无人机完整外形与接收到的无人机图案的相似度未超限时,发出机身破损信号;
其中,所述图像复原设备还用于在接收到的复杂度等级超过预设等级阈值时,停止对所述小波处理图像执行图像复原处理,将所述小波处理图像作为图像复原图像输出给所述旋转校正设备;
其中,所述同态滤波设备还用于在接收到的复杂度等级超过预设等级阈值时,停止对所述布特沃斯低通滤波图像执行同态滤波处理,并将所述布特沃斯低通滤波图像作为同态滤波图像输出;
其中,所述图像复原设备、所述旋转校正设备、所述布特沃斯低通滤波设备和所述同态滤波设备被集成在同一块印刷电路板上。
所述目标状态识别***中还可以包括:
伽马调整设备,分别与所述日夜摄像设备和所述小波处理设备连接,用于接收所述上方采集图像,基于所述上方采集图像的信噪比等级距离预设下限信噪比等级的远近将所述上方采集图像平均分割成相应块大小的各个分块,对每一个分块,基于该分块的像素值方差选择对应的不同力度的伽马调整处理以获得调整分块,将获得的各个调整分块合并以获得调整合并图像;在所述伽马调整设备中,所述上方采集图像的信噪比等级距离预设下限信噪比等级越远,将所述上方采集图像平均分割成的相应块越大,以及在所述伽马调整设备中,对每一个分块,该分块的像素值方差越大,选择的伽马调整处理的力度越小;
其中,所述伽马调整设备还用于将所述调整合并图像替换所述上方采集图像发送给所述小波处理设备。
所述目标状态识别***中还可以包括:
信号调整设备,用于与所述伽马调整设备连接,用于在所述伽马调整设备对所述上方采集图像执行伽马调整之前,当所述上方采集图像的信噪比等级小于所述预设下限信噪比等级时,对所述上方采集图像执行信噪比提升操作,将执行信噪比提升操作后的上方采集图像替换上方采集图像输入到所述伽马调整设备,当所述上方采集图像的信噪比等级大于等于所述预设下限信噪比等级时,对所述上方采集图像不执行信噪比提升操作。
所述目标状态识别***中还可以包括:
SDRAM存储设备,与所述伽马调整设备连接,用于预先存储所述预设下限信噪比等级。
另外,小波(Wavelet)这一术语,顾名思义,“小波”就是小的波形。所谓“小”是指他具有衰减性;而称之为“波”则是指它的波动性,其振幅正负相间的震荡形式。与Fourier变换相比,小波变换是时间(空间)频率的局部化分析,他通过伸缩平移运算对信号(函数)逐步进行多尺度细化,最终达到高频处时间细分,低频处频率细分,能自动适应时频信号分析的要求,从而可聚焦到信号的任意细节,解决了Fourier变换的困难问题,成为继Fourier变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。
小波分析的应用是与小波分析的理论研究紧密地结合在一起地。他已经在科技信息产业领域取得了令人瞩目的成就。电子信息技术是六大高新技术中重要的一个领域,他的重要方面是图像和信号处理。现今,信号处理已经成为当代科学技术工作的重要部分,信号处理的目的就是:准确的分析、诊断、编码压缩和量化、快速传递或存储、精确地重构(或恢复)。从数学地角度来看,信号与图像处理可以统一看作是信号处理(图像可以看作是二维信号),在小波分析地许多分析的许多应用中,都可以归结为信号处理问题。对于其性质随时间是稳定不变的信号,处理的理想工具仍然是傅立叶分析。但是在实际应用中的绝大多数信号是非稳定的,而特别适用于非稳定信号的工具就是小波分析。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:只读内存(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种目标状态识别***,其特征在于,所述***包括:
日夜摄像设备,位于地面观测点,用于对背朝地面向上方空域进行摄像操作,以获得并输出相应的上方采集图像;
小波处理设备,与所述日夜摄像设备连接,用于接收所述上方采集图像,对所述上方采集图像执行小波滤波处理,以获得小波处理图像。
2.如权利要求1所述的目标状态识别***,其特征在于,所述***还包括:
复杂度检测设备,与所述小波处理设备连接,用于接收所述小波处理图像,对所述小波处理图像的复杂度进行检测,以获得对应的复杂度等级。
3.如权利要求2所述的目标状态识别***,其特征在于:
在所述复杂度检测设备中,基于所述小波处理图像的各个像素点的各个像素值的均方差来确定对应的复杂度等级。
4.如权利要求3所述的目标状态识别***,其特征在于:
在所述复杂度检测设备中,基于所述小波处理图像的各个像素点的各个像素值的均方差来确定对应的复杂度等级包括:所述均方差越大,确定的对应的复杂度等级越高;
其中,所述复杂度检测设备还内置ROM存储器和RAM存储器,所述RAM存储器用于接收并存储所述复杂度等级。
5.如权利要求4所述的目标状态识别***,其特征在于,所述***还包括:
图像复原设备,分别与所述复杂度检测设备和所述小波处理设备连接,用于接收所述小波处理图像,并在接收到的复杂度等级未超过预设等级阈值时,对所述小波处理图像执行图像复原处理,以获得并输出相应的图像复原图像;
旋转校正设备,与所述图像复原设备连接,用于对接收到的图像复原图像执行旋转校正操作,以获得对应的旋转校正图像;
布特沃斯低通滤波设备,与所述旋转校正设备连接,用于对接收到的旋转校正图像进行布特沃斯低通滤波处理,以获得并输出对应的布特沃斯低通滤波图像;
同态滤波设备,分别与所述复杂度检测设备和所述布特沃斯低通滤波设备连接,用于接收所述布特沃斯低通滤波图像,并在接收到的复杂度等级未超过预设等级阈值时,对所述布特沃斯低通滤波图像执行同态滤波处理,以获得并输出相应的同态滤波图像;
目标提取设备,与所述同态滤波设备连接,用于基于无人机成像特征提取所述同态滤波图像中的无人机目标所在的无人机图案,并输出所述无人机图案;
数据比对设备,与所述目标提取设备连接,用于将无人机完整外形与接收到的无人机图案进行相似度分析,以在相似度超限时,发出机身完整信号;
其中,所述数据比对设备还用于在无人机完整外形与接收到的无人机图案的相似度未超限时,发出机身破损信号;
其中,所述图像复原设备还用于在接收到的复杂度等级超过预设等级阈值时,停止对所述小波处理图像执行图像复原处理,将所述小波处理图像作为图像复原图像输出给所述旋转校正设备;
其中,所述同态滤波设备还用于在接收到的复杂度等级超过预设等级阈值时,停止对所述布特沃斯低通滤波图像执行同态滤波处理,并将所述布特沃斯低通滤波图像作为同态滤波图像输出;
其中,所述图像复原设备、所述旋转校正设备、所述布特沃斯低通滤波设备和所述同态滤波设备被集成在同一块印刷电路板上。
6.如权利要求5所述的目标状态识别***,其特征在于,所述***还包括:
伽马调整设备,分别与所述日夜摄像设备和所述小波处理设备连接,用于接收所述上方采集图像,基于所述上方采集图像的信噪比等级距离预设下限信噪比等级的远近将所述上方采集图像平均分割成相应块大小的各个分块,对每一个分块,基于该分块的像素值方差选择对应的不同力度的伽马调整处理以获得调整分块,将获得的各个调整分块合并以获得调整合并图像;在所述伽马调整设备中,所述上方采集图像的信噪比等级距离预设下限信噪比等级越远,将所述上方采集图像平均分割成的相应块越大,以及在所述伽马调整设备中,对每一个分块,该分块的像素值方差越大,选择的伽马调整处理的力度越小;
其中,所述伽马调整设备还用于将所述调整合并图像替换所述上方采集图像发送给所述小波处理设备。
7.如权利要求6所述的目标状态识别***,其特征在于,所述***还包括:
信号调整设备,用于与所述伽马调整设备连接,用于在所述伽马调整设备对所述上方采集图像执行伽马调整之前,当所述上方采集图像的信噪比等级小于所述预设下限信噪比等级时,对所述上方采集图像执行信噪比提升操作,将执行信噪比提升操作后的上方采集图像替换上方采集图像输入到所述伽马调整设备,当所述上方采集图像的信噪比等级大于等于所述预设下限信噪比等级时,对所述上方采集图像不执行信噪比提升操作。
8.如权利要求7所述的目标状态识别***,其特征在于,所述***还包括:
SDRAM存储设备,与所述伽马调整设备连接,用于预先存储所述预设下限信噪比等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910347314.1A CN111861972A (zh) | 2019-04-28 | 2019-04-28 | 目标状态识别*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910347314.1A CN111861972A (zh) | 2019-04-28 | 2019-04-28 | 目标状态识别*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111861972A true CN111861972A (zh) | 2020-10-30 |
Family
ID=72964902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910347314.1A Pending CN111861972A (zh) | 2019-04-28 | 2019-04-28 | 目标状态识别*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111861972A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930300A (zh) * | 2012-11-21 | 2013-02-13 | 北京航空航天大学 | 一种飞机目标识别方法及*** |
CN106371447A (zh) * | 2016-10-25 | 2017-02-01 | 南京奇蛙智能科技有限公司 | 一种无人机全天候精准降落的控制方法 |
CN106709498A (zh) * | 2016-11-15 | 2017-05-24 | 成都赫尔墨斯科技有限公司 | 一种无人机拦截*** |
CN106970639A (zh) * | 2017-03-15 | 2017-07-21 | 武汉理工大学 | 一种基于无人机平台的港口实景监控***及方法 |
CN107689166A (zh) * | 2017-10-16 | 2018-02-13 | 哈工大机器人集团重庆普耀信息产业发展有限公司 | 一种机场飞行区监控管理***及管理方法 |
CN107968933A (zh) * | 2017-11-06 | 2018-04-27 | 戴惠英 | 一种无线路由监控方法 |
-
2019
- 2019-04-28 CN CN201910347314.1A patent/CN111861972A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930300A (zh) * | 2012-11-21 | 2013-02-13 | 北京航空航天大学 | 一种飞机目标识别方法及*** |
CN106371447A (zh) * | 2016-10-25 | 2017-02-01 | 南京奇蛙智能科技有限公司 | 一种无人机全天候精准降落的控制方法 |
CN106709498A (zh) * | 2016-11-15 | 2017-05-24 | 成都赫尔墨斯科技有限公司 | 一种无人机拦截*** |
CN106970639A (zh) * | 2017-03-15 | 2017-07-21 | 武汉理工大学 | 一种基于无人机平台的港口实景监控***及方法 |
CN107689166A (zh) * | 2017-10-16 | 2018-02-13 | 哈工大机器人集团重庆普耀信息产业发展有限公司 | 一种机场飞行区监控管理***及管理方法 |
CN107968933A (zh) * | 2017-11-06 | 2018-04-27 | 戴惠英 | 一种无线路由监控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9177481B2 (en) | Semantics based safe landing area detection for an unmanned vehicle | |
CN104616003B (zh) | 电力线上异物类型识别*** | |
CN105651780A (zh) | 通过无人机检测风机叶片状态的方法、装置及*** | |
US9874878B2 (en) | System and method for adaptive multi-scale perception | |
US20190068962A1 (en) | Systems and Methods for Improving Performance of a Robotic Vehicle by Managing On-board Camera Defects | |
Huh et al. | A vision-based automatic landing method for fixed-wing UAVs | |
CN112947511A (zh) | 一种无人机巡检风机叶片的方法 | |
CN104735423A (zh) | 位于无人机上的输电设备辨认平台 | |
CN105208346B (zh) | 基于无人机的输电设备辨认方法 | |
CN105718895A (zh) | 一种基于视觉特征的无人机 | |
CN107985577A (zh) | 一种安全无人机 | |
US10577101B2 (en) | Water surface detection method and apparatus, unmanned aerial vehicle landing method and apparatus and unmanned aerial vehicle | |
CN111861972A (zh) | 目标状态识别*** | |
WO2018211396A1 (en) | Detection of powerlines in aerial images | |
CN205901897U (zh) | 基于车载无人机移动治超站的图像识别*** | |
Fan et al. | A vision-based algorithm for landing unmanned aerial vehicles | |
CN214154700U (zh) | 无人机图像自检缺陷识别管理监测*** | |
WO2020006732A1 (zh) | 无人机降落方法、装置及无人机 | |
CN213987269U (zh) | 一种无人机巡检风机叶片的*** | |
CN111902851B (zh) | 学习用数据生成方法、学习用数据生成装置以及学习用数据生成程序 | |
CN111950456A (zh) | 一种基于无人机的智能化fod探测方法及*** | |
JP6949138B2 (ja) | 航空機運航実績情報の収集装置 | |
Rajput et al. | Hazard detection on runways using image processing techniques | |
KR101723028B1 (ko) | 실시간으로 변화하는 영상정보를 통합 관리하는 영상처리시스템 | |
CN113534093B (zh) | 飞机目标的螺旋桨叶片数量反演方法及目标识别方法 |
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 |