CN114200498A - 卫星导航/光学组合的目标检测方法及*** - Google Patents

卫星导航/光学组合的目标检测方法及*** Download PDF

Info

Publication number
CN114200498A
CN114200498A CN202210140871.8A CN202210140871A CN114200498A CN 114200498 A CN114200498 A CN 114200498A CN 202210140871 A CN202210140871 A CN 202210140871A CN 114200498 A CN114200498 A CN 114200498A
Authority
CN
China
Prior art keywords
optical
target
satellite navigation
optical cameras
suspected
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
Application number
CN202210140871.8A
Other languages
English (en)
Inventor
钟小鹏
陈振宇
刘春阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Tianxun Beidou Industrial Safety Technology Research Institute Co ltd
Original Assignee
Hunan Tianxun Beidou Industrial Safety Technology Research Institute Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hunan Tianxun Beidou Industrial Safety Technology Research Institute Co ltd filed Critical Hunan Tianxun Beidou Industrial Safety Technology Research Institute Co ltd
Priority to CN202210140871.8A priority Critical patent/CN114200498A/zh
Publication of CN114200498A publication Critical patent/CN114200498A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/485—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an optical system or imaging system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种卫星导航/光学组合的目标检测方法及***，通过卫星导航信号对至少两台光学相机进行标定，获取光学相机之间的相对位置关系；至少两台光学相机同时获取指定区域的图像或视频；对所述目标图像或视频进行处理，检测目标并获取所述目标的三维位置信息；对所述图像或视频进行处理，检测疑似目标并获取疑似目标的三维位置信息；根据所述目标的三维信息，调节所述光学相机焦距，获取疑似目标清晰图像或视频；对所述疑似目标清晰图像或视频进行处理，完成疑似目标的识别。本发明能对疑似目标的位置进行快速精准测量，成本低，测距精度高，同时引入卫星导航定位技术对光学相机的位置进行标定，统一了坐标系便于***快速部署。

Description

卫星导航/光学组合的目标检测方法及***
技术领域
本发明涉及卫星导航领域，尤其涉及一种卫星导航/光学组合的目标检测方法及***。
背景技术
随着无人机技术快速发展，采用卫星定位进行导航的“低慢小”无人机发展迅速、应用广泛，给工业生产和大众消费娱乐带来便利的同时，也给现有防空体系、国家安全和社会稳定带来新的威胁。“低慢小”无人机具有飞行高度低、飞行速度慢、飞行体积小的特点，给无人机的探测带来一定的困难，目前用于“低慢小”无人机目标探测识别的光电手段主要有激光测距、可见光成像、红外成像等，而光电手段探测识别的速度和精度主要受限于成像的质量，在大范围应用场景中无法满足大面积防护和快速识别的需求。
发明内容
针对现有技术的不足，本发明提供一种基于卫星导航/光学组合的目标检测方法，解决成像质量制约识别速度和准确率的问题，具体采用以下技术方案：
一种卫星导航/光学组合的目标检测方法，包含以下步骤，
通过卫星导航信号进行标定的至少两台光学相机，获取光学相机之间的相对位置关系；
至少两台光学相机同时获取指定区域的图像或视频；
对所述图像或视频进行处理，检测疑似目标并获取疑似目标的三维位置信息；
根据所述疑似目标的三维位置信息，调节所述光学相机焦距，获取疑似目标清晰图像或视频；
对所述疑似目标清晰图像或视频进行处理，完成疑似目标的识别。
进一步地，所述至少两台光学相机，布置在不同位置，光学相机之间的相对位置通过卫星导航载波相位测量技术实现高精度标定，包括利用卫星导航接收机输出所述光学相机的三维位置；根据所述光学相机的三维位置确认所述光学相机之间的相对位置关系；结合所述光学相机相对位置关系和所述光学相机内参数对所述光学相机之间的外参数进行校准。
进一步地，所述检测疑似目标基于运动目标识别方法，所述获取疑似目标的三维位置信息基于双目视觉原理。
进一步地，所述三维位置信息为疑似目标相对光学相机的相对位置信息，在获得光学相机的绝对位置后，所述三维位置可为所述疑似目标的绝对位置。
进一步地，所述疑似目标的识别可通过传统计算机视觉方法和/或神经网络方法。
进一步地，还包括根据所述疑似目标的轨迹信息和/或形状变化信息进行目标识别。
本发明还提供卫星导航/光学组合的目标检测***，包括至少两台光学相机，所述光学相机分别与控制及处理单元连接，所述光学相机与卫星导航接收机连接，所述卫星导航接收机接收卫星导航信号，用于标定所述光学相机，获取光学相机之间的相对位置关系，所述控制及处理单元用于控制光学相机进行获取疑似目标的图像或视频，并进行识别处理。
进一步地，卫星导航/光学组合的目标检测***，包括至少两台光学相机和一台可变焦相机，所述光学相机、可变焦相机分别与控制及处理单元连接，所述光学相机、可变焦相机与卫星导航接收机连接。
进一步地，所述光学相机为分布式或一体式布置，所述光学相机置于云台，连接存储单元。
进一步地，所述控制及处理单元包括识别决策模块。
与现有技术相比，本发明的优点及积极效果在于：
1. 利用卫星导航定位技术对光学相机安装位置进行快速标定，确保了光学相机坐标系的统一，不但降低了坐标系转换的难度，同时便于***的快速部署，光学相机对目标的位置进行快速精准测量，相比激光雷达测距方式成本较低，同时精度比单目摄像头测距精度高。
2.基于光学相机双目测距的方式不受识别率和不同物体种类的限制，在精准测距的基础上通过引导可变焦相机对可疑物体进行凝视和跟踪，保证了视频或图像的高质量，解决了识别速度和精准度难以兼顾的问题。
附图说明
图1为卫星导航/光学组合的目标检测方法流程图；
图2为实施例一的卫星导航/光学组合的目标检测***组成图；
图3为实施例二的卫星导航/光学组合的目标检测***组成图；
图4为实施例三的卫星导航/光学组合的目标检测***组成图；
图5为实施例四的卫星导航/光学组合的目标检测***组成图；
图6为实施例五的卫星导航/光学组合的目标检测***组成图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，都应当属于本发明保护的范围。
以下将结合说明书附图和具体实施例对本发明做进一步详细说明，本发明提供的一种卫星导航/光学组合的目标检测方法及***，图1示出了该实施例的方法流程示意图，包括：
一种卫星导航/光学组合的目标检测方法，包含以下步骤，
通过卫星导航信号进行标定的至少两台光学相机，获取光学相机之间的相对位置关系；
至少两台光学相机同时获取指定区域的图像或视频；
对所述图像或视频进行处理，当判断指定区域内存在有疑似目标时，通过基于卫星导航信号标定的光学相机的相对位置，获取的图像或视频均采用卫星导航坐标系，在同一坐标系中获取疑似目标的位置，检测疑似目标并获取疑似目标的三维位置信息；
进一步，根据所述目标的三维信息，调节所述光学相机焦距，获取疑似目标清晰图像或视频；
对所述疑似目标清晰图像或视频进行处理，完成疑似目标的识别。
如图5所示，光学相机分布式布置时，可为每一台光学相机安装卫星导航接收机，然后利用载波相位测量技术获得光学相机之间高精度的相对位置，从而完成光学相机标定；卫星导航接收机接收卫星导航信号，用于标定所述光学相机，获取光学相机之间的相对位置关系，控制及处理单元用于控制光学相机进行获取疑似目标的图像或视频，并进行识别处理。具体地，光学相机还可以内置卫星导航接收机模块，只要实现光学相机位置标定即可。
具体地，包含实时动态定位RTK（Real-Time Kinematic）以及精密单点定位PPP（Precise Point Positioning）技术，以及RTK-PPP二者相互结合的技术，具体包括如下步骤：利用卫星导航接收机输出所述光学相机的三维位置；根据所述光学相机的三维位置确认所述光学相机之间的相对位置关系；结合所述光学相机相对位置关系和所述光学相机内参数对所述光学相机之间的外参数进行校准。
在本实施例中，光学相机内参数包括相机焦距和像素大小；外参数包括图像坐标和三维坐标转换矩阵；在本实施例中，三维坐标转换矩阵，基于卫星导航信号标定的光学相机的相对位置，采用卫星导航坐标系。因此，获取的疑似目标的图像或视频均为卫星导航坐标系。
在另一实施例中，如图6所示，通过卫星导航接收机对至少一台光学相机进行定位，获取其绝对位置信息。
在本实施例中，所述至少两台光学相机，布置在不同位置，光学相机之间的相对位置通过卫星导航载波相位测量技术实现高精度标定。
本发明利用卫星导航定位技术对光学相机安装位置进行快速标定，确保了光学相机坐标系的统一，不但降低了坐标系转换的难度，同时便于***的快速部署，光学相机对目标的位置进行快速精准测量，卫星导航接收机相比激光、雷达测距方式成本较低，而且不需要复杂的三维坐标处理计算。
在本实施例中，检测疑似目标基于运动目标识别方法，所述获取疑似目标的三维位置信息基于双目视觉原理，同时精度比单目摄像头测距精度高。运动目标识别方法，是指对动态目标图像进行检测，包括背景差分法、帧间差分法、光流法、混合高斯模型、码本等。
具体地，疑似目标的三维位置信息为疑似目标相对光学相机的相对位置信息，通过疑似目标相对光学相机的三维位置信息和已标定的光学相机之间的相对位置，进而计算出所述目标相对光学相机的位置信息或距离信息；
在另一实施例中，所述三维位置信息为根据光学相机的绝对位置，得到所述疑似目标的绝对位置。通过卫星导航定位技术标定出光学相机的绝对位置，进而根据所述目标相对光学相机的三维位置信息，计算出所述目标的绝对位置信息。
在本实施例中，位置信息包含距离信息或/和水平坐标；根据所述位置信息可计算出所述目标相对光学相机的俯仰角、方位角和焦距；具体地，光学相机为可变焦相机。根据所述目标位置信息，可变焦相机对所述目标进行凝视跟踪，获取目标清晰图像或视频；当所述目标的成像大小已可满足目标的识别和分类要求时，可不需调节所述光学相机的焦距。
在本实施例中，所述疑似目标的识别可通过传统计算机视觉方法和/或神经网络方法。可通过传统计算机视觉方法、深度学习等神经网络方法识别疑似目标，若疑似目标为需要预警的目标时，则启动下一步控制策略，这些方法都可以叠加使用，作为相互验证疑似目标用；也可以单独使用，根据用户实际需求进行配置。传统计算机视觉方法包括：子空间（线性降维）PCA（主成成分分析）：尽量多地保留原始数据的保留主要信息，降低冗余信息；LDA（线性判别分析）：增大类间差距，减小类内差距。非线性降维： 流形学习、加入核函数。ICA（独立成分分析）：比PCA效果好，比较依赖于训练测试场景，且对光照、人脸的表情、姿态敏感，泛化能力不足。HMM（隐马尔科夫）：和前面这些算法相比，它对光照变化、表情和姿态的变化更鲁棒。
神经网络方法是一种比较新型的图像识别技术，是在传统的图像识别方法和基础上融合神经网络算法的一种图像识别方法。这里的神经网络是指人工神经网络，也就是说这种神经网络并不是动物本身所具有的真正的神经网络，而是人类模仿动物神经网络后人工生成的。在神经网络图像识别技术中，遗传算法与BP网络相融合的神经网络图像识别模型是非常经典的，在很多领域都有它的应用。在图像识别***中利用神经网络***，一般会先提取图像的特征，再利用图像所具有的特征映射到神经网络进行图像识别分类。以汽车拍照自动识别技术为例，当汽车通过的时候，汽车自身具有的检测设备会有所感应。此时检测设备就会启用图像采集装置来获取汽车正反面的图像。获取了图像后必须将图像上传到计算机进行保存以便识别。最后车牌定位模块就会提取车牌信息，对车牌上的字符进行识别并显示最终的结果。在对车牌上的字符进行识别的过程中就用到了基于模板匹配算法和基于人工神经网络算法。
还包括非线性降维的图像识别技术，计算机的图像识别技术是一个异常高维的识别技术。不管图像本身的分辨率如何，其产生的数据经常是多维性的，这给计算机的识别带来了非常大的困难。想让计算机具有高效地识别能力，最直接有效的方法就是降维。降维分为线性降维和非线性降维。例如主成分分析（PCA）和线性奇异分析（LDA）等就是常见的线性降维方法，它们的特点是简单、易于理解。但是通过线性降维处理的是整体的数据集合，所求的是整个数据集合的最优低维投影。经过验证，这种线性的降维策略计算复杂度高而且占用相对较多的时间和空间，因此就产生了基于非线性降维的图像识别技术，它是一种极其有效的非线性特征提取方法。此技术可以发现图像的非线性结构而且可以在不破坏其本征结构的基础上对其进行降维，使计算机的图像识别在尽量低的维度上进行，这样就提高了识别速率。例如人脸图像识别***所需的维数通常很高，其复杂度之高对计算机来说无疑是巨大的“灾难”。由于在高维度空间中人脸图像的不均匀分布，使得人类可以通过非线性降维技术来得到分布紧凑的人脸图像，从而提高人脸识别技术的高效性。在本实施例中，还包括对所述疑似目标的轨迹信息和/或形状变化信息进行识别。具体地，根据所述目标清晰图像或视频，可以提取疑似目标的轨迹信息、轮廓信息、形状变化特征信息，进一步识别疑似目标是否为需要判定的目标。
本发明同时提出了一种卫星导航/光学组合的目标检测识别***，如图2所示，实施例一，该检测识别***由至少两台光学相机组成，所述光学相机与控制及处理单元连接，所述光学相机与卫星导航接收机连接，所述卫星导航接收机接收卫星导航信号，用于标定所述光学相机，获取光学相机之间的相对位置关系，所述控制及处理单元用于控制光学相机进行获取疑似目标的图像或视频，并进行识别处理。首先，光学相机通过卫星导航接收机进行位置标定，控制及处理单元控制光学相机同时对指定区域进行图像/视频获取，控制及处理单元对图像或视频进行检测识别处理，如果检测到指定区域内有其他疑似目标，则进一步基于双目视觉原理，获取疑似目标的三维位置信息，该三维位置信息通过在卫星导航坐标系中直接计算获取，不需要额外进行光学/视觉坐标系与卫星导航坐标系的转换，提高了处理效率，再根据该疑似目标的三维位置信息，在精准测距的基础上通过引导可变焦相机对可疑物体进行凝视和跟踪，调节所述光学相机焦距，获取疑似目标清晰图像或视频，保证了图像/视频的高质量，解决了识别速度和精准度难以兼顾的问题，对所述疑似目标清晰图像或视频进行处理，完成疑似目标的识别，以确保及时发现是否是非法/恶意目标（含无人机）侵入该指定区域，以便于及时制定反制该目标的策略与手段。
在实施例二中，如图3所示，该检测识别***由至少两台光学相机和一台可变焦相机组成，所述光学相机、可变焦相机分别与控制及处理单元连接。在本实施例中，至少两台光学相机，只用作双目视觉测距，另布置一台可变焦相机专门用于调整相机焦距，当检测有疑似目标时，控制及处理单元控制该可变焦相机进行焦距调整，以获取更清晰的疑似目标的图像/视频。
在实施例三中，如图4所示，光学相机分别连接存储单元，然后再与控制及处理单元连接；在本实施例中，存储单元存储光学相机或者可变焦相机的图像/视频，控制及处理单元可以通过存储单元进行检测识别分析，该存储单元也可以设置在控制及处理单元中，可以是控制及处理单元检测图像/识别之后，存储在存储单元中，还可以是控制及处理单元识别的疑似目标，将识别出来的结果存储在存储单元中，便于深度学习，不断丰富该控制及处理单元中的疑似目标库。
在实施例四中，如图5所示，光学相机分布式布置时，可为每一台光学相机安装卫星导航接收机，然后利用载波相位测量技术获得光学相机之间高精度的相对位置，从而完成标定；与前述实施例原理同，也可以是2个以上完全独立分布设置的光学相机，基于双目视觉原理可以计算出疑似目标所在的三维位置信息。
在实施例五中，如图6所示，通过卫星导航接收机对至少一台光学相机进行定位，获取其绝对位置信息。在此说明的是，在本实施例中，光学相机可以是一体设置，分为2个摄像头，仍是基于双目视觉原理可以计算出疑似目标所在的三维位置信息。
本发明通过卫星导航/光学组合方式实现对目标的检测，通过卫星导航接收机对光学相机实现快速标定，该方式一方面能够保证检测设备的快速部署标定，同时成本相比激光、雷达测距方式低，精度比单目摄像头测距精度高；基于双目测距的方式不受识别率和不同物体种类的限制，在精准测距的基础上通过引导可变焦相机对可疑物体进行凝视和跟踪，保证了图像/视频的高质量，解决了识别速度和精准度难以兼顾的问题。
综上，通过本发明卫星导航/光学组合的目标检测方法及***，可以高效率、高精准识别疑似目标为黑飞无人机时，即可进行无人机反制控制策略，从而达到高效打击黑飞无人机，为防护区域/活动提供高效保障。
虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围的情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (10)

1.一种卫星导航/光学组合的目标检测方法，其特征在于，包含以下步骤，
通过卫星导航信号进行标定的至少两台光学相机，获取光学相机之间的相对位置关系；
至少两台光学相机同时获取指定区域的图像或视频；
对所述图像或视频进行处理，检测疑似目标并获取疑似目标的三维位置信息；
根据所述疑似目标的三维位置信息，调节所述光学相机焦距，获取疑似目标清晰图像或视频；
对所述疑似目标清晰图像或视频进行处理，完成疑似目标的识别。
2.根据权利要求1所述的目标检测方法，其特征在于，所述至少两台光学相机，布置在不同位置，光学相机之间的相对位置通过卫星导航载波相位测量技术实现高精度标定，包括利用卫星导航接收机输出所述光学相机的三维位置；根据所述光学相机的三维位置确认所述光学相机之间的相对位置关系；结合所述光学相机相对位置关系和所述光学相机内参数对所述光学相机之间的外参数进行校准。
3.根据权利要求1所述的目标检测方法，其特征在于，所述检测疑似目标基于运动目标识别方法，所述获取疑似目标的三维位置信息基于双目视觉原理。
4.根据权利要求1所述的目标检测方法，其特征在于，所述三维位置信息为疑似目标相对光学相机的相对位置信息。
5.根据权利要求1所述的目标检测方法，其特征在于，所述三维位置信息为根据光学相机的绝对位置，得到所述疑似目标的绝对位置。
6.根据权利要求1所述的目标检测方法，其特征在于，所述疑似目标的识别可通过传统计算机视觉方法和/或神经网络方法。
7.根据权利要求5所述的目标检测方法，其特征在于，还包括根据所述疑似目标的轨迹信息和/或形状变化信息进行目标识别。
8.一种卫星导航/光学组合的目标检测***，其特征在于，包括至少两台光学相机，所述光学相机分别与控制及处理单元连接，所述光学相机与卫星导航接收机连接，所述卫星导航接收机接收卫星导航信号，用于标定所述光学相机，获取光学相机之间的相对位置关系，所述控制及处理单元用于控制光学相机进行获取疑似目标的图像或视频，并进行识别处理。
9.根据权利要求8所述的目标检测***，其特征在于，包括至少两台光学相机
和一台可变焦相机，所述光学相机、可变焦相机分别与控制及处理单元连接，所述光学相机、可变焦相机与卫星导航接收机连接。
10.根据权利要求8所述的目标检测***，其特征在于，所述光学相机为分布式或一体式布置，所述光学相机置于云台，连接存储单元。
CN202210140871.8A 2022-02-16 2022-02-16 卫星导航/光学组合的目标检测方法及*** Pending CN114200498A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210140871.8A CN114200498A (zh) 2022-02-16 2022-02-16 卫星导航/光学组合的目标检测方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210140871.8A CN114200498A (zh) 2022-02-16 2022-02-16 卫星导航/光学组合的目标检测方法及***

Publications (1)

Publication Number Publication Date
CN114200498A true CN114200498A (zh) 2022-03-18

Family

ID=80659025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210140871.8A Pending CN114200498A (zh) 2022-02-16 2022-02-16 卫星导航/光学组合的目标检测方法及***

Country Status (1)

Country Link
CN (1) CN114200498A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115278073A (zh) * 2022-07-25 2022-11-01 西安工业大学 一种基于视觉控制技术的无人机光电探测***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104729482A (zh) * 2015-03-30 2015-06-24 中国人民解放军63655部队 一种基于飞艇的地面微小目标侦测***及方法
CN108801274A (zh) * 2018-04-16 2018-11-13 电子科技大学 一种融合双目视觉和差分卫星定位的地标地图生成方法
CN109917413A (zh) * 2019-01-21 2019-06-21 苏州雷泰医疗科技有限公司 一种智能转移床的精确导航定位方法
US20190204427A1 (en) * 2017-12-28 2019-07-04 Lyft, Inc. Sensor calibration facility
CN110443247A (zh) * 2019-08-22 2019-11-12 中国科学院国家空间科学中心 一种无人机地面运动小目标实时检测***及方法
WO2020024079A1 (zh) * 2018-07-28 2020-02-06 合刃科技（深圳）有限公司 图像识别***
US20210263166A1 (en) * 2020-02-21 2021-08-26 Qualcomm Incorporated Method and apparatus to determine relative location using gnss carrier phase

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104729482A (zh) * 2015-03-30 2015-06-24 中国人民解放军63655部队 一种基于飞艇的地面微小目标侦测***及方法
US20190204427A1 (en) * 2017-12-28 2019-07-04 Lyft, Inc. Sensor calibration facility
CN108801274A (zh) * 2018-04-16 2018-11-13 电子科技大学 一种融合双目视觉和差分卫星定位的地标地图生成方法
WO2020024079A1 (zh) * 2018-07-28 2020-02-06 合刃科技（深圳）有限公司 图像识别***
CN109917413A (zh) * 2019-01-21 2019-06-21 苏州雷泰医疗科技有限公司 一种智能转移床的精确导航定位方法
CN110443247A (zh) * 2019-08-22 2019-11-12 中国科学院国家空间科学中心 一种无人机地面运动小目标实时检测***及方法
US20210263166A1 (en) * 2020-02-21 2021-08-26 Qualcomm Incorporated Method and apparatus to determine relative location using gnss carrier phase

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
岳子涵: "无人机管制***中的视觉识别技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
郑子儒: "《工程测量》", 30 August 2018, 中国建材工业出版社 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115278073A (zh) * 2022-07-25 2022-11-01 西安工业大学 一种基于视觉控制技术的无人机光电探测***

Similar Documents

Publication Publication Date Title
US11922643B2 (en) Vehicle speed intelligent measurement method based on binocular stereo vision system
US11900619B2 (en) Intelligent vehicle trajectory measurement method based on binocular stereo vision system
CN105550670B (zh) 一种目标物体动态跟踪与测量定位方法
CN100462047C (zh) 基于全方位计算机视觉的安全驾驶辅助装置
CN108731587A (zh) 一种基于视觉的无人机动态目标跟踪与定位方法
García et al. Driver monitoring based on low-cost 3-D sensors
CN102819847B (zh) 基于ptz移动摄像头的运动轨迹提取方法
CN111144207B (zh) 一种基于多模态信息感知的人体检测和跟踪方法
WO2014176485A1 (en) Facial recognition method and apparatus
KR20170022872A (ko) 자동추적 기능을 갖는 무인항공기
CN114905512B (zh) 一种智能巡检机器人全景追踪及避障方法及***
Long et al. Assisting the visually impaired: Multitarget warning through millimeter wave radar and RGB-depth sensors
Schumann et al. An image processing pipeline for long range UAV detection
Sun et al. Obstacle Detection of Intelligent Vehicle Based on Fusion of Lidar and Machine Vision.
CN112800918A (zh) 一种非法运动目标的身份识别方法及装置
CN114200498A (zh) 卫星导航/光学组合的目标检测方法及***
CN116310678A (zh) 固态激光雷达与热成像视觉融合的火源识别及定位方法
Hammer et al. Automated object detection and tracking with a flash LiDAR system
CN112488022A (zh) 一种环视全景监控方法、装置及***
CN109492513B (zh) 光场监控的人脸空间去重方法
Bashir et al. Video surveillance for biometrics: long-range multi-biometric system
Yang et al. Multiview infrared target detection and localization
CN117897737A (zh) 一种无人机监控方法、装置、无人机及监控设备
Brehar et al. Pedestrian detection in the context of multiple-sensor data alignment for far-infrared and stereo vision sensors
Najman et al. Stereo camera pair calibration for traffic surveillance applications

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220318

RJ01 Rejection of invention patent application after publication