CN113612966A - 一种基于城市低空遥感数据的特定目标物智能判别方法 - Google Patents
一种基于城市低空遥感数据的特定目标物智能判别方法 Download PDFInfo
- Publication number
- CN113612966A CN113612966A CN202110753189.1A CN202110753189A CN113612966A CN 113612966 A CN113612966 A CN 113612966A CN 202110753189 A CN202110753189 A CN 202110753189A CN 113612966 A CN113612966 A CN 113612966A
- Authority
- CN
- China
- Prior art keywords
- intelligent
- aerial vehicle
- unmanned aerial
- server
- remote sensing
- 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 27
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000004891 communication Methods 0.000 claims abstract description 27
- 230000011664 signaling Effects 0.000 claims description 14
- 238000013473 artificial intelligence Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012850 discrimination method Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008309 brain mechanism Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/65—Network streaming protocols, e.g. real-time transport protocol [RTP] or real-time control protocol [RTCP]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于城市低空遥感数据的特定目标物智能判别方法，包括平台***、服务器、摄像头、移动端、云台、通用接口、无人机、智能处理盒、5G通讯模组、智能图形处理芯片、视频推流模块和智能识别模块，所述平台***通过服务器与所述无人机建立通信，所述无人机通过5G通讯模组与所述移动端通信；包括如下步骤：步骤1，通过无人机采取高清影像数据，数据分辨率大小无限制，在对数据进行标注之前，重命名使得名称更加规范；本发明具有智能化程度高、方便控制、实用性强、减少识别时间、减少延迟、便于推广使用的优点。
Description
技术领域
本发明涉及遥感技术技术领域，尤其是涉及一种基于城市低空遥感数据的特定目标物智能判别方法。
背景技术
无人驾驶飞机简称“无人机”，英文缩写为“UAV”，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，随着无人机技术的发展以及关键零组件成本持续下降，大大降低了开发无人机***的门槛，这也使得无人机得到了广泛的应用，当前的人工智能产业的发展浪潮，主要是源于深度学习算法的提出，在数据量和计算能力的基础上实现大规模计算，属于技术性突破。属于超级人工智能的，关于意识起源、人脑机理等方面的基础理论研究仍有继续突破的余地；
目前城市低空遥感数据的采集大多采用无人机来完成，无人机的图像传输采用的是无线电传输，受无人机和地面站距离的影响很大，且无线电的带宽有限，导致无人机在视频图传时为了满足视频的流畅性，对原视频的画质都进行了降低，一直停留在1080P的视频分辨率，但是在实际应用中对视频清晰度的要求越来越高，1080P已经不能满足当前的需求，在人工智能识别方面，针对无人机边飞边识别的人工智能识别方法还相对不成熟，识别的时间相对较长，叠加在视频上会有明显的延迟，所以如何运用5G网络代替无线电进行影像数据和飞行数据的传输、如何通过优化算法训练出轻量级的识别模型，减少识别的时间、如何在保证视频流畅的同时提高无人机图传的画质，突破1080P的瓶颈成为当前必须解决的问题，为此，我们提出一种基于城市低空遥感数据的特定目标物智能判别方法。
发明内容
本发明的目的是提供一种具有智能化程度高、方便控制、实用性强、减少识别时间、减少延迟、便于推广使用的一种基于城市低空遥感数据的特定目标物智能判别方法，解决了现有技术中的问题。
本发明的上述发明目的是通过以下技术方案得以实现的：一种基于城市低空遥感数据的特定目标物智能判别方法，包括平台***、服务器、摄像头、移动端、云台、通用接口、无人机、智能处理盒、5G通讯模组、智能图形处理芯片、视频推流模块和智能识别模块，所述平台***通过服务器与所述无人机建立通信，所述无人机通过5G通讯模组与所述移动端通信；
包括如下步骤：
步骤1，通过无人机采取高清影像数据，数据分辨率大小无限制，在对数据进行标注之前，重命名使得名称更加规范。
步骤2，配置标注工具的环境，使用标注工具对预处理的影像数据进行标注，并将输出的文件转换为模型需要的文件，将数据整理成模型认可的形式。
步骤3，下载预训练权重文件，采用集成物体检测和实例分割两大功能的框架训练轻量化模型，调整参数、优化识别算法。
步骤4，对训练的模型进行测试，选取最优的模型。
步骤5，使用步骤4的模型编写人工智能识别程序。
步骤6，在服务器上部署信令服务，将摄像头配置到服务器上，通过调用接口对摄像头云台进行远程控制，并获取4K高清影像数据。
步骤7，搭建移动端APP，在移动端对无人机和云台进行控制，同时可以接收4K高清实时画面，获取无人机实时的飞行数据。
步骤8，搭建平台***用于观看无人机高清影像数据实时判别结果以及回传的飞行数据。
本发明进一步设置为：所述智能处理盒由5G通讯模组、智能图形处理芯片、视频推流模块和智能识别模块组成。
通过采用上述技术方案，智能处理盒子通过边缘计算的方式在获取到视频后直接进行识别，再将识别后的视频通过视频推流模块进行推流直播，视频推流支持rtmp、rtsp协议，以达到实时性的应用需求。
本发明进一步设置为：所述步骤4中，所述智能识别模块通过无人机航拍采集图片，运用对象实例分割框架训练识别模型，通过不断的调参优化获取最优的轻量化模型。
通过采用上述技术方案，通过采用轻量化识别模型的处理方式，将目标检测的服务部署在靠近数据源的一端，能够更快地响应网络服务，同时使用轻量化识别模型更大程度地降低识别的时间。
本发明进一步设置为：所述智能图像处理芯片采用高效的无损视频压缩算法，对摄像头采集的原始视频流进行无损视频压缩，支持H.265、H.264编码协议。
通过采用上述技术方案，可以更加快速的对图形信息进行处理以及传输，提高视频采集效率。
本发明进一步设置为：所述服务器上部署信令服务，将无人机装配的摄像头信息配置在服务器上，通过调用服务器上的接口从而进行远程云台控制。
通过采用上述技术方案，方便操作人员远程对无人机进行操控，以便于人为对不同情境下的环境进行视频采集。
本发明进一步设置为：所述移动端为手机或平板，所述移动端通过调用服务器的接口对摄像头的云台进行实时控制，接收来自无人机实时回传的飞行数据。
通过采用上述技术方案，使得地面工作人员可以实时的接收到无人机采集的视频信息，同时便于远程操控。
本发明进一步设置为：所述步骤3中，识别算法集成了物体检测和实例分割两大功能，采用轻量级的深度可分离卷积神经网络，训练超轻量级的识别模型。
通过采用上述技术方案，能够更快地响应网络服务，同时使用轻量化识别模型更大程度地降低识别的时间。
本发明进一步设置为：所述摄像头通过5G通讯模组与平台***建立通讯连接。
通过采用上述技术方案，搭建平台***可以观看无人机高清识别影像和获取到的无人机飞行数据，并在地图上实时绘制识别到的区域和识别类型。
综上所述，本发明的有益技术效果为：
1.本一种基于城市低空遥感数据的特定目标物智能判别方法，在结构上，通过5G通讯模组、服务器和智能处理盒的边缘计算方案，有效地打破了无人机1080P的图传瓶颈，在保证无人机图传流畅度的同时将画质提升至4K，使用信令服务实现了远距离云台实时控制，并且将人工智能识别服务放在靠近数据源的一端，就近提供最近端服务，产生更快的网络服务响应，同时使用超轻量级的识别模型，满足了在实时业务、应用智能的基本需求，并且可以通过平台***观看实时的识别影像和飞行数据；
2.在结构上，无人机通过搭载高清摄像头，无人机采集的4K图像通过5G网络实时回传，支持多屏、多路同时播放，以及通过信令服务实现移动端对摄像头的远程云台控制功能，在提高视频清晰度的同时有效地解除了传统无人机视频图传清晰度和云台控制受无人机与地面站的距离限制，同时配属了基于超高清图像的AI服务，采用边缘计算和超轻量级识别模型，实现了无人机4K高清视频直播和人工智能识别的高效融合。
附图说明
图1是本发明一种基于城市低空遥感数据的特定目标物智能判别方法的工作原理结构示意图；
图2是本发明一种基于城市低空遥感数据的特定目标物智能判别方法的发明方法结构示意图。
图中，1、平台***；2、服务器；3、摄像头；4、移动端；5、云台；6、通用接口；7、无人机；8、智能处理盒；9、5G通讯模组；10、智能图形处理芯片；11、视频推流模块；12、智能识别模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
参照图1和图2，包括平台***1、服务器2、摄像头3、移动端4、云台5、通用接口6、无人机7、智能处理盒8、5G通讯模组9、智能图形处理芯片10、视频推流模块11和智能识别模块12，平台***1通过服务器2与无人机7建立通信，无人机7通过5G通讯模组9与移动端4通信；
包括如下步骤：
步骤1，通过无人机7采取高清影像数据，数据分辨率大小无限制，在对数据进行标注之前，重命名使得名称更加规范。
步骤2，配置标注工具的环境，使用标注工具对预处理的影像数据进行标注，并将输出的文件转换为模型需要的文件，将数据整理成模型认可的形式。
步骤3，下载预训练权重文件，采用集成物体检测和实例分割两大功能的框架训练轻量化模型，调整参数、优化识别算法。
步骤4，对训练的模型进行测试，选取最优的模型。
步骤5，使用步骤4的模型编写人工智能识别程序。
步骤6，在服务器2上部署信令服务，将摄像头3配置到服务器2上，通过调用接口对摄像头3云台5进行远程控制，并获取4K高清影像数据。
步骤7，搭建移动端4APP，在移动端4对无人机7和云台5进行控制，同时可以接收4K高清实时画面，获取无人机7实时的飞行数据。
步骤8，搭建平台***1用于观看无人机7高清影像数据实时判别结果以及回传的飞行数据；
在本实施例中，在使用过程中，5G通讯模组9、智能图形处理芯片10、视频推流模块11和智能识别模块12集成到智能处理盒8中，智能处理盒8和摄像头3连接并搭载在无人机7上，在服务器2上部署信令服务，将摄像头3配置到服务器2上，通过无人机7采取高清影像数据，数据分辨率大小无限制，无人机7采集的4K图像通过5G网络实时回传，支持多屏、多路同时播放，以及通过信令服务实现移动端4对摄像头3的远程云台5控制功能，在提高视频清晰度的同时有效地解除了传统无人机7视频图传清晰度和云台5控制受无人机7与地面站的距离限制。
如图1和图2所示，包括平台***1、服务器2、摄像头3、移动端4、云台5、通用接口6、无人机7、智能处理盒8、5G通讯模组9、智能图形处理芯片10、视频推流模块11和智能识别模块12，平台***1通过服务器2与无人机7建立通信，无人机7通过5G通讯模组9与移动端4通信；
在本实施例中，采用边缘计算和超轻量级识别模型，实现了无人机7高清视频直播和人工智能识别的高效融合，调用接口对摄像头3云台5进行远程控制，并获取4K高清影像数据，通过5G通讯模组9、服务器2和智能处理盒8的边缘计算方案，有效地打破了无人机71080P的图传瓶颈，在保证无人机7图传流畅度的同时将画质提升至4K，使用信令服务实现了远距离云台5实时控制，并且将人工智能识别服务放在靠近数据源的一端，就近提供最近端服务，产生更快的网络服务响应，同时使用超轻量级的识别模型，满足了在实时业务、应用智能的基本需求，并且可以通过平台***1观看实时的识别影像和飞行数据。
参照图1，智能处理盒8由5G通讯模组9、智能图形处理芯片10、视频推流模块11和智能识别模块12组成，智能处理盒8子通过边缘计算的方式在获取到视频后直接进行识别，再将识别后的视频通过视频推流模块11进行推流直播，视频推流支持rtmp、rtsp协议，以达到实时性的应用需求。
参照图2，步骤4中，智能识别模块12通过无人机7航拍采集图片，运用对象实例分割框架训练识别模型，通过不断的调参优化获取最优的轻量化模型，通过采用轻量化识别模型的处理方式，将目标检测的服务部署在靠近数据源的一端，能够更快地响应网络服务，同时使用轻量化识别模型更大程度地降低识别的时间。
参照图1，智能图像处理芯片采用高效的无损视频压缩算法，对摄像头3采集的原始视频流进行无损视频压缩，支持H.265、H.264编码协议，可以更加快速的对图形信息进行处理以及传输，提高视频采集效率。
参照图1，服务器2上部署信令服务，将无人机7装配的摄像头3信息配置在服务器2上，通过调用服务器2上的接口从而进行远程云台5控制，方便操作人员远程对无人机7进行操控，以便于人为对不同情境下的环境进行视频采集。
参照图1，移动端4为手机或平板，移动端4通过调用服务器2的接口对摄像头3的云台5进行实时控制，接收来自无人机7实时回传的飞行数据，使得地面工作人员可以实时的接收到无人机7采集的视频信息，同时便于远程操控。
参照图2，步骤3中，识别算法集成了物体检测和实例分割两大功能，采用轻量级的深度可分离卷积神经网络，训练超轻量级的识别模型，能够更快地响应网络服务，同时使用轻量化识别模型更大程度地降低识别的时间。
参照图1，摄像头3通过5G通讯模组9与平台***1建立通讯连接，搭建平台***1可以观看无人机7高清识别影像和获取到的无人机7飞行数据，并在地图上实时绘制识别到的区域和识别类型。
本实施例的实施原理为：
本发明一种基于城市低空遥感数据的特定目标物智能判别方法，在使用过程中，5G通讯模组9、智能图形处理芯片10、视频推流模块11和智能识别模块12集成到智能处理盒8中，智能处理盒8和摄像头3连接并搭载在无人机7上，在服务器2上部署信令服务，将摄像头3配置到服务器2上，通过无人机7采取高清影像数据，数据分辨率大小无限制，无人机7采集的4K图像通过5G网络实时回传，支持多屏、多路同时播放，以及通过信令服务实现移动端4对摄像头3的远程云台5控制功能，在提高视频清晰度的同时有效地解除了传统无人机7视频图传清晰度和云台5控制受无人机7与地面站的距离限制，采用边缘计算和超轻量级识别模型，实现了无人机7高清视频直播和人工智能识别的高效融合，调用接口对摄像头3云台5进行远程控制，并获取4K高清影像数据，通过5G通讯模组9、服务器2和智能处理盒8的边缘计算方案，有效地打破了无人机71080P的图传瓶颈，在保证无人机7图传流畅度的同时将画质提升至4K，使用信令服务实现了远距离云台5实时控制，并且将人工智能识别服务放在靠近数据源的一端，就近提供最近端服务，产生更快的网络服务响应，同时使用超轻量级的识别模型，满足了在实时业务、应用智能的基本需求，并且可以通过平台***1观看实时的识别影像和飞行数据，以解决现有技术中存在的技术问题。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种基于城市低空遥感数据的特定目标物智能判别方法，包括平台***(1)、服务器(2)、摄像头(3)、移动端(4)、云台(5)、通用接口(6)、无人机(7)、智能处理盒(8)、5G通讯模组(9)、智能图形处理芯片(10)、视频推流模块(11)和智能识别模块(12)，其特征在于：所述平台***(1)通过服务器(2)与所述无人机(7)建立通信，所述无人机(7)通过5G通讯模组(9)与所述移动端(4)通信；
包括如下步骤：
步骤1，通过无人机(7)采取高清影像数据，数据分辨率大小无限制，在对数据进行标注之前，重命名使得名称更加规范；
步骤2，配置标注工具的环境，使用标注工具对预处理的影像数据进行标注，并将输出的文件转换为模型需要的文件，将数据整理成模型认可的形式；
步骤3，下载预训练权重文件，采用集成物体检测和实例分割两大功能的框架训练轻量化模型，调整参数、优化识别算法；
步骤4，对训练的模型进行测试，选取最优的模型；
步骤5，使用步骤4的模型编写人工智能识别程序；
步骤6，在服务器(2)上部署信令服务，将摄像头(3)配置到服务器(2)上，通过调用接口对摄像头(3)云台(5)进行远程控制，并获取4K高清影像数据；
步骤7，搭建移动端(4)APP，在移动端(4)对无人机(7)和云台(5)进行控制，同时可以接收4K高清实时画面，获取无人机(7)实时的飞行数据；
步骤8，搭建平台***(1)用于观看无人机(7)高清影像数据实时判别结果以及回传的飞行数据。
2.根据权利要求1所述的一种基于城市低空遥感数据的特定目标物智能判别方法，其特征在于：所述智能处理盒(8)由5G通讯模组(9)、智能图形处理芯片(10)、视频推流模块(11)和智能识别模块(12)组成。
3.根据权利要求1所述的一种基于城市低空遥感数据的特定目标物智能判别方法，其特征在于：所述步骤4中，所述智能识别模块(12)通过无人机(7)航拍采集图片，运用对象实例分割框架训练识别模型，通过不断的调参优化获取最优的轻量化模型。
4.根据权利要求1所述的一种基于城市低空遥感数据的特定目标物智能判别方法，其特征在于：所述智能图像处理芯片采用高效的无损视频压缩算法，对摄像头(3)采集的原始视频流进行无损视频压缩，支持H.265、H.264编码协议。
5.根据权利要求1所述的一种基于城市低空遥感数据的特定目标物智能判别方法，其特征在于：所述服务器(2)上部署信令服务，将无人机(7)装配的摄像头(3)信息配置在服务器(2)上，通过调用服务器(2)上的接口从而进行远程云台(5)控制。
6.根据权利要求1所述的一种基于城市低空遥感数据的特定目标物智能判别方法，其特征在于：所述移动端(4)为手机或平板，所述移动端(4)通过调用服务器(2)的接口对摄像头(3)的云台(5)进行实时控制，接收来自无人机(7)实时回传的飞行数据。
7.根据权利要求1所述的一种基于城市低空遥感数据的特定目标物智能判别方法，其特征在于：所述步骤3中，识别算法集成了物体检测和实例分割两大功能，采用轻量级的深度可分离卷积神经网络，训练超轻量级的识别模型。
8.根据权利要求1所述的一种基于城市低空遥感数据的特定目标物智能判别方法，其特征在于：所述摄像头(3)通过5G通讯模组(9)与平台***(1)建立通讯连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110753189.1A CN113612966A (zh) | 2021-07-02 | 2021-07-02 | 一种基于城市低空遥感数据的特定目标物智能判别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110753189.1A CN113612966A (zh) | 2021-07-02 | 2021-07-02 | 一种基于城市低空遥感数据的特定目标物智能判别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113612966A true CN113612966A (zh) | 2021-11-05 |
Family
ID=78337225
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110753189.1A Pending CN113612966A (zh) | 2021-07-02 | 2021-07-02 | 一种基于城市低空遥感数据的特定目标物智能判别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113612966A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104811674A (zh) * | 2015-05-22 | 2015-07-29 | 郑君雄 | 一种基于多旋翼无人机的监狱智能化安防装置 |
| CN111479086A (zh) * | 2019-01-04 | 2020-07-31 | 西南林业大学 | 无人机智能实时指挥管理*** |
| WO2020221284A1 (zh) * | 2019-04-29 | 2020-11-05 | 黄河勘测规划设计研究院有限公司 | 一种流域性洪涝场景的无人机监测方法及*** |
| CN112422783A (zh) * | 2020-10-10 | 2021-02-26 | 广东华南水电高新技术开发有限公司 | 一种基于停机坪集群的无人机智能巡查*** |
| KR102254491B1 (ko) * | 2019-11-22 | 2021-05-21 | (주)가시 | 지능형 영상 분석 모듈을 탑재한 자율비행 드론 |
-
2021
- 2021-07-02 CN CN202110753189.1A patent/CN113612966A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104811674A (zh) * | 2015-05-22 | 2015-07-29 | 郑君雄 | 一种基于多旋翼无人机的监狱智能化安防装置 |
| CN111479086A (zh) * | 2019-01-04 | 2020-07-31 | 西南林业大学 | 无人机智能实时指挥管理*** |
| WO2020221284A1 (zh) * | 2019-04-29 | 2020-11-05 | 黄河勘测规划设计研究院有限公司 | 一种流域性洪涝场景的无人机监测方法及*** |
| KR102254491B1 (ko) * | 2019-11-22 | 2021-05-21 | (주)가시 | 지능형 영상 분석 모듈을 탑재한 자율비행 드론 |
| CN112422783A (zh) * | 2020-10-10 | 2021-02-26 | 广东华南水电高新技术开发有限公司 | 一种基于停机坪集群的无人机智能巡查*** |
Non-Patent Citations (1)
| Title |
|---|
| 朱瑞;施麟;陈宁;: "基于移动平台的海域无人机监视监测***研究", 江苏科技信息, no. 10 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5709906B2 (ja) | 視覚障害者支援用拡張現実パノラマ | |
| CN112581590B (zh) | 一种5g安防救援网联的无人机云边端协同控制方法 | |
| CN105049812B (zh) | 一种无人机便携式地面站处理方法及*** | |
| US20230360254A1 (en) | Pose estimation method and related apparatus | |
| WO2022141418A1 (zh) | 一种图像处理方法以及装置 | |
| WO2020083114A1 (zh) | 航拍相机的图像处理方法、图像处理***及无人机 | |
| CN109886096A (zh) | 一种智慧旅游监管及安全应急管理联动指挥*** | |
| WO2022141445A1 (zh) | 一种图像处理方法以及装置 | |
| US10602064B2 (en) | Photographing method and photographing device of unmanned aerial vehicle, unmanned aerial vehicle, and ground control device | |
| WO2022141477A1 (zh) | 一种图像处理方法以及装置 | |
| CN108650494B (zh) | 基于语音控制的可即时获取高清照片的直播*** | |
| CN104811615A (zh) | 一种体感控制摄像***及方法 | |
| CN208366352U (zh) | 一种导盲设备 | |
| WO2022141351A1 (zh) | 一种视觉传感器芯片、操作视觉传感器芯片的方法以及设备 | |
| CN108650522A (zh) | 基于自动控制的可即时获取高清照片的直播*** | |
| CN116134484A (zh) | 一种图像处理方法以及装置 | |
| CN105933666A (zh) | 多镜头行程记录仪 | |
| CN111294558A (zh) | 基于探火雷达、摄像机和无人机联动的森林防火方法、装置及*** | |
| CN106572288A (zh) | 一种无人机图像传输一体化摄像机 | |
| CN113612966A (zh) | 一种基于城市低空遥感数据的特定目标物智能判别方法 | |
| WO2021164082A1 (zh) | 控制视频数据采集的方法、发射控制装置及无线传输*** | |
| CN112004060B (zh) | 用于景区的无人机观光方法 | |
| CN113542562A (zh) | 一种双光融合无人机的图像采集*** | |
| CN112702579A (zh) | 一种基于无人机航拍影像的自动识别*** | |
| CN220603901U (zh) | 一种基于4g网络的无人机 |
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 |