CN117897737A - 一种无人机监控方法、装置、无人机及监控设备 - Google Patents
一种无人机监控方法、装置、无人机及监控设备 Download PDFInfo
- Publication number
- CN117897737A CN117897737A CN202180102022.7A CN202180102022A CN117897737A CN 117897737 A CN117897737 A CN 117897737A CN 202180102022 A CN202180102022 A CN 202180102022A CN 117897737 A CN117897737 A CN 117897737A
- Authority
- CN
- China
- Prior art keywords
- information
- position information
- monitoring target
- warning
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 205
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000012806 monitoring device Methods 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims 1
- 238000007689 inspection Methods 0.000 abstract description 15
- 206010063385 Intellectualisation Diseases 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本申请提供一种无人机监控方法、装置、无人机及监控设备,所述方法包括:根据无人机搭载的摄像装置所采集的图像,在空间中识别监控目标与警示对象;获取所述监控目标与所述警示对象的位置信息,所述位置信息基于所述摄像装置采集所述图像时的位姿确定;基于所述监控目标的位置信息确定警戒区域;基于所述警示对象的位置与所述警戒区域的位置关系生成警示信息。如此,一方面受益于无人机的机动性,上述方案大大增加了对监控目标安防巡检的灵活性与智能化;另一方面在一些突发事故的场景中,通过上述方案能够迅速对突发事故作出分析与决策。
Description
本申请涉及无人机技术领域,尤其涉及一种无人机监控方法、装置、无人机及监控设备。
在相关的安防巡检技术中,可以通过在设防区域内安装摄像头来监视设防区域。但由于摄像头存在视觉盲区,因此往往还需要加派巡检人员对设防区域进行巡检,以防范设防区域内可能发生的危险事故。安防巡检主要还是依赖人防,缺乏灵活性与智能化。在一些突发事故的场景中,更加无法迅速并准确地对突发事故作出分析与决策。
发明内容
有鉴于此,本申请的目的之一是提供一种无人机监控方法、装置、无人机及监控设备,以增加安防巡检的灵活性与智能化。
为了达到上述技术效果,本发明实施例公开了如下技术方案:
第一方面,提供了一种无人机监控方法,所述方法包括:
根据无人机搭载的摄像装置所采集的图像,在空间中识别监控目标与警示对象;
获取所述监控目标与所述警示对象的位置信息,所述位置信息基于所述摄像装置采集所述图像时的位姿确定;
基于所述监控目标的位置信息确定警戒区域;
基于所述警示对象的位置与所述警戒区域的位置关系生成警示信息。
第二方面,提供了一种无人机监控装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器调用所述可执行指令时实现如上述第一方面所述方 法的操作。
第三方面,提供了一种无人机,包括:
机身;
动力组件,用于驱动所述无人机在空间中运动;
摄像装置;
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器调用所述可执行指令时实现如上述第一方面所述方法的操作。
第四方面,提供了一种监控设备,所述监控设备与无人机通信,所述监控设备包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器调用所述可执行指令时实现如上述第一方面所述方法的操作。
第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述方法的操作。
第六方面,提供了一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时执行如上述第一方面所述方法的操作。本申请提供的一种无人机监控方法、装置、无人机及监控设备,根据无人机搭载的摄像装置所采集的图像识别出监控目标和警示对象,以及获取监控目标和监视对象的位置信息,然后基于监控目标的位置信息确定警戒区域,并基于警示对象的位置与警戒区域的位置关系生成警戒信息。如此,一方面受益于无人机的机动性,上述方案大大增加了对监控目标安防巡检的灵活性与智能化;另一方面在一些突发事故的场景中,通过上述方案能够迅速对突发事故作出分析与决策。
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动 性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请根据一实施例示出的一种无人机监控方法的流程图。
图2是本申请根据另一实施例示出的一种无人机监控方法的流程图。
图3是本申请根据另一实施例示出的一种无人机监控方法的流程图。
图4是本申请根据另一实施例示出的一种无人机监控方法的流程图。
图5(a)-(b)是本申请根据一实施例示出的监控目标的位置信息获取方法的示意图。
图6是本申请根据另一实施例示出的一种无人机监控方法的示意图。
图7是本申请根据另一实施例示出的一种无人机监控方法的示意图。
图8是本申请根据一实施例示出的路标的示意图。
图9(a)-(b)是本申请根据一实施例示出的警戒区域的示意图。
图10(a)-(b)是本申请根据另一实施例示出的警戒区域的示意图。
图11是本申请根据另一实施例示出的警戒区域的示意图。
图12是本申请根据另一实施例示出的一种无人机监控方法的示意图。
图13(a)-(c)是本申请根据一实施例示出的警示对象与警戒区域位置关系的示意图。
图14是本申请根据一实施例示出的一种无人机监控设备结构示意图。
图15是本申请根据一实施例示出的一种无人机结构示意图。
图16是本申请根据一实施例示出的一种监控设备结构示意图。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
在相关的安防巡检技术中,可以通过在设防区域内安装摄像头来监视设防区域。但由于摄像头存在视觉盲区,因此往往还需要加派巡检人员对设防区域进行巡检,以防范设防区域内可能发生的危险事故。安防巡检主要还是依赖人防,缺乏灵活性与智能化。此外,在一些如火灾、自然灾害、交通事故等突发事故中,更加无法迅速并准确地对突发事故作出分析与决策。
无人机,例如无人飞机、无人船、无人车等有极大的机动性,且不受地形限制。受益于无人机的机动性,若将无人机应用于安防巡检技术中,则将大大增加安防巡检的灵活性与智能化。
然而,如何将无人机应用在安防巡检场景中面临着较多的技术难点。如上述通过摄像头来监控设防区域的方案中,是通过对比摄像头所采集的图像与上一张图像相比是否发生像素变化,来确定设防区域是否被入侵。但由于无人机的机动性,当无人机位置发生变化时,无人机所采集的图像与上一张图像相比就会发生变化,因此无法通过对比图像像素是否发生变化来监控设防区域是否被入侵。
此外,在一些方案中,无人机在收集某区域的若干张图像后,在图像中写入的位姿信息。在无人机返航后基于地面端(如个人电脑等终端)的处理软件将图像所覆盖的范围投影到数据获取的平面上,再根据投影的图像获取被监控物体的位置信息等其他信息。同时,上述方法需要无人机在返航后通过地面端的软件进行处理,时效性较差,对于一些突发事故无法迅速地作出分析与决策。而且通过软件处理后需要经由人工判别被监控物体,以及人工测量被监控物体的位置信息,无法进行自动识别,机器学习以及更深入的分析。
为此,本申请提出了一种无人机监控方法,包括如图1所示的步骤:
步骤110:根据无人机搭载的摄像装置所采集的图像在空间中识别监控目标与警示对象;
步骤120:获取所述监控目标与所述警示对象的位置信息;
例如,所述位置信息基于所述摄像装置采集所述图像时的位姿确定。在一可选实施方案中,获取无人机搭载的摄像装置所采集的图像,在所述图像中识别监控目标与警示对象的图像区域,基于所述摄像装置采集所述图像时的位姿和所述图像区域,获取所述监控目标与所述警示对象的位置信息。
再比如,所述位置信息可以基于无人机上的其他距离传感器确定,例如,双目、激光雷达、毫米波雷达等等。
步骤130:基于所述监控目标的位置信息确定警戒区域;
步骤140:基于所述警示对象的位置与所述警戒区域的位置关系生成警示信息。
此外,在一些方案中,获取无人机搭载的摄像装置所采集的图像,在 所述图像中识别监控目标与警示对象的图像区域,基于所述摄像装置采集所述图像时的位姿和所述图像区域,获取所述监控目标与所述警示对象的位置信息;基于所述监控目标的位置信息确定警戒区域;基于所述警示对象的位置与所述警戒区域的位置关系生成警示信息。
此外,在一些方案中,根据无人机搭载的摄像装置所采集的图像,和所述摄像装置采集所述图像时的位姿,确定监控目标与所述警示对象的位置信息;基于所述监控目标的位置信息确定警戒区域;基于所述警示对象的位置与所述警戒区域的位置关系生成警示信息。
本申请提供的无人机监控方法可以应用于无人机,其中无人机可以包括无人飞机、无人船、无人车等无人驾驶设备。以下以无人机为无人飞机为例展开说明。无人机可以根据自身搭载的摄像装置所采集的图像识别出监控目标和警示对象,然后基于摄像装置采集该图像时的位姿确定监控目标与警示对象的位置信息,并且基于监控目标的位置信息生成警戒区域,基于警示对象的位置与警戒区域的位置关系生成警示信息。
此外,上述方法还可以应用于与无人机通信的监控设备。监控设备可以包括遥控器、具有视频显示功能的终端设备,如手机、平板电脑、PC(Personal Computer,个人电脑)、可穿戴设备等。监控设备可以通过与无人机建立的通信链路获取无人机上搭载的摄像装置所采集的图像,并识别出监控目标和警示对象,然后获取监控目标与警示对象的位置信息。其中,该位置信息可以由无人机基于摄像装置采集该图像时的位姿确定后,发送至监控设备;也可以无人机将摄像装置采集该图像时的位姿信息发送至监控设备,由监控设备根据位姿信息确定监控目标与警示对象的位置信息。然后监控设备可以基于监控目标的位置信息生成警戒区域,并基于警示对象的位置与警戒区域的位置关系生成警示信息。或者,上述方法中,部分步骤在无人机上执行,部分步骤在监控设备上执行也是可选的。
此外,无人机所搭载的摄像装置可以是普通相机或专业相机,也可以是红外相机、多光谱相机等摄像装置,本申请在此不做限制。
本申请提供的无人机监控方法,是基于无人机采集的图像,通过监控目标与警示对象的位置信息来提出解决方案。其中,监控目标可以包括表征危险源的目标,如油罐、加油站、着火区域等需要被监控的物体;而警示对象可以是应远离危险源的对象,如行人、车辆、动物、携带火源的可移动对 象(如在抽烟的行人)等。监控目标与警示对象的位置信息可以包括真实的地理位置信息。在无人机所采集的每一帧图像中都识别出监控目标和警示对象,并根据监控目标的位置信息划分出警戒区域,然后根据警示对象与警戒区域的位置关系生成警示信息。例如,当警示对象靠近、进入警戒区域时即生成警示信息。警示信息可以包括文字、语言、视频等格式的信息。警示信息可以通过多种方式展示,例如可以通过监控设备的用户界面输出警示信息,或者通过监控设备的播放模块播放警示信息,还可以由其他设备输出警示信息,例如通过外设音箱广播,控制警示灯闪烁等等。上述方案利用了无人机的机动性,大大增加了对监控目标安防巡检的灵活性与智能化;同时上述方案可以在无人机作业过程中执行,无需等到无人机返航后再利用地面端的软件对图像进行处理,因此在一些突发事故的场景中,通过上述方案能够迅速对突发事故作出分析与决策。
在一些实施例中,为了更好地向监控人员展示监控目标和警戒区域,本申请提供的无人机监控方法,还包括如图2所示的步骤:
步骤210:获取所述监控目标所在区域的正射图像或立体图;
步骤220:在所述正射图像或立体图中展示所述警戒区域。
监控目标和警戒区域的展示方法有两种:一是展示在监控目标所在区域的正射图像中,二是展示在监控目标所在区域的立体图中。或者也可以是这两者的组合。
对于第一种展示方法,正射图像是一种正射投影下的图像,具有信息量大、易于判读等优点。通过正射图像向监控人员展示监控目标和警戒区域,可以使监控人员全方面地获取这两者的信息。
正射图像的获取方法有两种:一是通过图像合成获取正射图像,二是通过三维模型获取正射图像。
对于第一种获取方法,由于实际通过摄像装置采集的图像都是中心投影,因此正射图像可以是通过摄像装置采集的图像经过合成后的图像。具体地,可以基于摄像装置的位姿处理所采集的图像来合成正射图像。
对于第二种获取方法,正射图像的获取方法包括如图3所示的步骤:
步骤310:获取所述监控目标所在区域的三维模型,所述三维模型通过摄像装置采集的图像建立;
步骤320:通过所述三维模型获取所述正射图像。
在一些实施例中,可以利用摄像装置采集的图像进行合成或建立三维模型。在一些实施例中,采集图像的无人机与执行上述无人机监控方法的无人机可以是同一台无人机,也可以是不同的无人机。例如先指派一台或多台无人机飞行至监控目标所在区域采集若干张图像,地面端可以对采集的图像进行合成或建立三维模型。并指派其他无人机执行上述无人机监控方法。
对于第二种展示方法,警戒区域展示在立体图上,可以更直观、立体地向监控人员展示警戒区域及其周边的情况。在一些实施例中,立体图可以利用三维模型获取,其中用于获取立体图的三维模型与用于获取正射图像的三维模型可以是同一个三维模型,也可以是不同的三维模型。例如用于获取立体图的三维模型可以比用于获取正射图像的三维模型更为精细。
通过在正射图像或立体图像中展示警戒区域,可以让监控人员更好地掌握警戒区域附近的信息。
摄像装置所采集的图像中,图像的边缘区域往往有较大的畸变,而中心区域部分可以认为没有畸变。若监控目标处于图像的边缘位置,则在图像中会产生形变,导致所确定的位置信息并不准确。因此为了保证所获取的监控目标位置信息的准确度,可以获取监控目标在图像的中心区域时,监控目标与警示对象的位置信息。此外,除了保持监控目标处于图像的中心区域,在一些实施例中,还可以在计算监控目标与警示对象的位置信息之前,先对图像进行畸变校正处理。
监控目标与警示对象的位置信息可以基于摄像装置采集图像时的位姿确定。在一些实施例中,监控目标的位置信息通过如图4所示的步骤获取:
步骤410:获取所述监控目标在所述图像中的像素位置信息;
步骤420:获取所述摄像装置的位姿信息;
步骤430:根据所述像素位置信息以及所述位姿信息计算所述监控目标的位置信息。
摄像装置包括镜头、传感器,即感光器件(sensor)等其他必要组件,镜头到sensor的距离为焦距f。摄像装置的位姿信息可以是镜头或者是镜头光心点的位姿信息。位姿信息包括位置信息和/或姿态信息,位置信息可以包括摄像装置的世界坐标,姿态信息可以包括摄像装置的俯仰(pitch)角、横滚(roll)角以及偏航(yaw)角。
如图5(a)-(b)所示,当无人机搭载的摄像装置在作业时,sensor510 在地面上的投影范围为AB。可以通过获取摄像装置在采集图像时的位姿信息,根据几何投影关系,获取sensor上任一像素点在地面上的投影点的位置信息。
如图5(a)所示,当摄像装置处于正射时,即sensor510与地面相互平行,根据镜头520的位姿信息(x,y,z)以及几何投影关系,可以获取以sensor510中心点为原点的任一像素点(u,v)在地面上投影点A的位置信息(X,Y)。投影点A的位置信息(X,Y)与像素点(u,v)以及镜头520的位姿信息(x,y,z)的关系为:
X=x+z*u*pixelsize/f
Y=y+z*v*pixelsize/f
其中,pixelsize为单个像素的尺寸。
如图5(b)所示,当摄像装置处于倾斜摄影时,即sensor510与地面不平行,根据镜头520的位姿信息(x,y,z)以及几何投影关系,可以获取以sensor510中心点为原点的任一像素点(u,v)在地面上投影点A的位置信息(X,Y)。投影点A的位置信息(X,Y)与像素点(u,v)以及镜头520的位姿信息(x,y,z)的关系为:
X=x+z*tanα
Y=y+z*v*pixelsize/f
其中,α=β+γ,β可以通过摄像装置的姿态信息获取,γ=arctan(u*pixelsize/f),pixelsize为单个像素的尺寸。
如此,通过上述方法,可以得到摄像装置处于正射或倾斜摄影状态下,sensor上任一像素点在地面投影点的位置信息。以上以监控目标为例示出了如何获取监控目标的位置信息的实施例。对于警示对象可以同样使用上述方法获取其位置信息。
在一些实施例中,监控目标的位置信息包括水平位置信息与高度位置信息,监控目标的位置信息的获取步骤还包括如图6所示的步骤:
步骤610:根据所述水平位置信息,利用预设的地形模型查找所述高度信息的修正值;
步骤620:利用所述修正值更新所述水平位置信息。
通过如图4所示的步骤可以获取监控目标的水平位置信息(X,Y)。预设的地形模型用于获取监控目标的高度位置信息,可以包括数字高程模型 (Digital Elevation Model,DEM)或数字表面模型(Digital Surface Model,DSM)。根据水平位置信息(X,Y),利用DEM或DSM查找该水平位置下对应的高度信息的修正值H,如此可以获取监控目标的位置信息(X,Y,H)。
如上所述,监控目标的水平位置信息(X,Y)根据摄像装置的位姿信息计算得出。其中,位姿信息中的z可以代表摄像装置当前位置相对于起飞点(home点)的相对高度。在一些实施例中,若home点与监控目标在地面上的投影位置不在同一水平高度上时,利用像装置当前位置相对于home点的相对高度z来计算监控目标的水平位置信息(X,Y)会引入误差。为了消除该误差,可以利用高度信息的修正值H更新水平位置信息(X,Y)。
除了利用高度信息的修正值H来矫正监控目标的位置信息,还可以利用如图7所示的步骤校正监控目标的位置信息:
步骤710:在所述图像中识别测量点并获取所述测量点的像素位置信息;
步骤720:获取所述摄像装置的位姿信息;
步骤730:根据所述像素位置信息以及所述位姿信息计算所述测量点的位置信息;
步骤740:基于所述测量点的位置信息与所述测量点的真实位置信息确定误差信息;
步骤750:利用所述误差信息对所述监控目标的位置信息进行校正。
可以利用已知真实位置信息的测量点对监控目标的位置信息进行校正。确定测量点的真实位置信息与其在地面上投影点的位置信息之间的误差信息后,可以利用该误差信息对监控目标的位置信息进行校正。而测量点在地面上投影点的位置信息可以根据测量点在图像上的像素位置信息、摄像装置的位姿信息,利用投影关系计算得出。
在一些实施例中,测量点可以是预设的已知真实位置信息的路标。在一些实施例中,可以在向监控人员显示的图像(包括正射图像或立体图)中显示这些路标。作为一个实施例,如图8所示,正射图像中显示有地面上分布的4个已知真实位置信息的路标,分别为Mark 1、Mark 2、Mark 3、Mark 4。以路标Mark 1为例,路标Mark 1的真实位置为(X1,Y1,H1)。通过摄像装置的位姿信息以及路标Mark 1在图像中的像素位置信息可以计算路标 Mark 1在地面上投影点的位置信息(X1proj,Y1proj,H1proj)。如此,可以获取Mark 1的真实位置(X1,Y1,H1)与其在地面上投影点的位置(X1proj,Y1proj,H1proj)之间的误差信息V1,其中V1为矢量。对于其他路标,可以通过同样的方式获取误差信息V2、V3、V4。对于各路标附近的像素,例如距离路标在预设像素距离内的像素点,按照误差信息对该像素点在地面上投影点的位置信息上加以校正。对于两个路标之间的像素点,可以对误差信息进行内插,利用内插值对这些像素点在地面上投影点的位置信息加以校正。具体内插值的获取方法可以参考相关技术,本申请在此不做限制。
在一些实施例中,测量点的真实位置信息还可以基于无人机搭载的激光雷达设备确定。无人机搭载的激光雷达设备可以获取测量点的点云信息,并根据点云信息可以确定测量点的真实位置信息。在一些实施例中,无人机搭载的激光雷达可以是输出稀疏点云的低成本激光雷达。在一些实施例中,激光雷达与摄像装置的sensor进行了精准的标定,可以确定出描述两者间位姿关系的外参矩阵,同时sensor的内参矩阵也可以提前标定。如此,可以建立测量点通过点云信息确定的位置信息(X,Y,Z)pointcloud,和测量点在sensor上对应的像素点(u,v)之间的换算关系,同时又可以获取像素点(u,v)在地面上投影点的位置信息(X1proj,Y1proj,H1proj)。通过比较通过点云信息确定的位置信息(X,Y,Z)pointcloud与投影点的位置信息(X1proj,Y1proj,H1proj),可以确定误差信息,并利用误差信息对投影点的位置信息的进行校正。对于多头的激光雷达,可以发射若干束激光,如此可以获得若干个测量点的真实位置信息。对于测量点之间的像素点,可以对两个测量点的误差信息进行内插,利用内插值对这些像素点在地面上的投影点的位置信息加以校正。具体内插值的获取方法可以参考相关技术,本申请在此不做限制。
在一些实施例中,测量点的真实位置信息还可以基于视觉算法计算。通过在不同时间拍摄的图像中提取测量点的特征,并构建共线方程,然后根据视觉算法计算出测量点的真实位置信息。基于测量点的真实位置信息与其在地面上投影点的位置信息确定出误差信息,并利用误差信息对投影点的位置信息进行校正。对于测量点之间的像素点,可以对两个测量点的误差信息进行内插,利用内插值对这些像素点在地面上的投影点的位置信息加以校正。具体内插值的获取方法可以参考相关技术,本申请在此不做限制。
通过上述实施例,可以获取监控目标的位置信息,并可以对该位置信息进行校正。在一些实施例中,警示对象的位置信息可以按照上述任一实施例所提供的方法获取。
在获取监控目标的位置信息后,可以基于该位置信息确定警戒区域。其中,确定警戒区域的方式可以根据需要设置,例如,在一些例子中,可以根据预设距离,在监控目标的所处位置往外扩充该预设距离作为警戒区域,该预设距离可以需要灵活设定;或者,还可以结合监控目标周边的环境或其他物体等来确定警戒区域;在另一些实施例中,监控目标可能具有一定的大小,占据地面一定的面积,监控目标的位置信息可以包括监控目标中的指定位置,警戒区域可以根据该指定位置与预设的区域模型确定。其中,监控目标中的指定位置可以是监控目标的中心位置,也可以是监控目标中其他非中心位置。预设的区域模型可以包括警戒区域的尺寸信息与形状信息。形状信息可以包括圆形区域,则尺寸信息可以包括区域半径;形状信息可以包括矩形区域,则尺寸信息可以包括区域长宽尺寸;形状信息还可以包括扇形区域,则尺寸信息可以包括区域弧度以及区域半径。在实际应用中,形状信息还可以包括其他任意形状,本申请在此不做限定。
如图9(a)所示的警戒区域,若监控目标为三个矩形构成的一厂房区域910,那么可以根据该厂房区域910的中心位置920以及预设的区域模型,确定以该厂房区域910的中心位置920为圆心,半径为R的圆形区域为警戒区域930。
又例如,如图9(b)所示的警戒区域,在运动场部分区域失火的场景下,监控目标为运动场940。通过无人机搭载的红外探测器可以识别到运动场940的左侧区域950有明显的高温异常,如此可以以左侧区域950的中心位置作为指定位置,确定以该指定位置为圆心,半径为R的圆形区域为警戒区域960。
在一些实施例中,监控目标的位置信息可以包括监控目标的边界位置,警戒区域可以根据该边界位置以及预设的缓冲距离确定。在一些实施例中,可以对摄像装置所采集的图像进行特征提取以及机器学习,识别出监控目标的边界。边界位置可以根据监控目标的外表面特征点确定。监控目标的边界可以包括监控目标的轮廓或外接多边形。例如,在如图10(a)所示的警戒区域中,某一厂房区域为监控目标1010,其边界为监控目标1010的轮廓1020, 如此,根据边界位置以及预设的缓冲距离,可以确定警戒区域1020。又例如,在如图10(b)所示的警戒区域中,监控目标1010的边界为外接矩形1040,如此,根据边界位置以及预设的缓冲距离,可以确定警戒区域1050。
又如图11所示的警戒区域示意图,监控目标为一罐体,通过对摄像装置所采集的图像进行特征提取以及机器学习,识别出罐体的顶部以及侧面边界范围,从而可确定出罐体的边界。如此,可以逐个获取边界像素在地面上投影点的位置信息,以得到罐体的边界位置集合{POS}i。对于未能识别出顶部以及侧面边界范围的物体,可以直接圈出该物体的最小外接矩形。逐个获取该最小外接矩形的边界像素以及中心像素在地面上投影点的位置信息,以得到物体的边界位置集合{POS}i。在确定监控目标的边界位置后,可以按照预设的缓冲距离L_buff进行外扩得到警戒区域(图11中表示为缓冲区边界)。外扩后得到的警戒区域的位置集合为{POS}i_buff。
在一些实施例中,一个警戒区域内还可以包括多个警戒级别的子区域,每个警戒级别的子区域分别对应了不同的缓冲距离。例如,若一个警戒区域内包括两个不同警戒级别的子区域,第一子区域对应缓冲距离L_buff_1,第二子区域对应缓冲距离L_buff_2,其中缓冲距离L_buff_1大于缓冲距离L_buff_2。如此,第一子区域的位置集合为{POS}i_buff_1,第二子区域的位置集合为{POS}i_buff_2。
在一些实施例中,还可以按照上述实施例提供的方法确定警示对象的边界位置。例如,若警示对象包括行人、自行车等物体,而警示物体在图像中的尺寸小于5*5像素,那么可以直接圈出警示对象的最小外接矩形,如图11所示。并逐个获取该最小外接矩形的边界像素以及中心像素在地面上投影点的位置信息,以得到警示对象的边界位置集合{pos}i。在一些实施例中,同样可以为警示对象设定警戒区域,警戒区域可以通过上述任一实施例提供的方法设定,本申请在此不再赘述。若警示对象的缓冲距离为l_buff,则警示对象的警戒区域的位置集合{pos}i_buff。
在一些实施例中,本申请提供的无人机监控方法,还包括如图12所示的步骤:
步骤1210:获取所述监控目标的类型信息;
步骤1220:所述警戒区域根据所述监控目标的位置信息与类型信息确定。
警戒区域除了可以根据监控目标的位置信息划分以外,还可以根据监控目标的类型信息确定。监控目标的类型信息可以包括低危险类、中危险类以及高危险类。例如在突发事故的场景中,交通事故现场所在的区域可以为低危险类,而失火区域则可以划分为高危险类。针对不同类别,可以设定不同大小的警戒区域。例如属于高危险类的监控目标所设置的缓冲距离最大,其次是属于中危险类的监控目标,而属于低危险类的监控目标所设置的缓冲距离最小。
此外,在一些实施例中,一个警戒区域内还可以包括多个警戒级别的子区域,针对不同警戒级别的子区域对应于不同级别的警示信息。例如,警戒区域可以划分为第一、第二子区域,其警戒级别依次递增。对于第一子区域,其警示信息可以为“您已进入警戒区域,请尽快离开”。对于第二子区域,其警示信息可以为“请停止靠近,并迅速离开警戒区域”。此外,针对不同级别的子区域,还可以采取不同的警示措施。如在上述例子中,对于第一子区域,可以采取语音广播警示信息的警示措施。对于第二子区域,可以采取APP、短信、电话通知警示对象的警示措施。
如图13(a)-(c)所示的警示对象与警戒区域的位置关系示意图,当警示对象与警戒区域的位置关系满足其中任一种时,则生成警示信息。
如图13(a)所示,监控目标为某一厂房区域1310,警戒区域1320为一圆形区域,图中示出了警示对象1330的外接矩形。当警示对象1330在警戒区域1320内,生成警示信息,以提醒警示对象1330离开警戒区域1320。在一些实施例中,可以分析警示对象的边界位置集合{pos}i,或者警示对象的警戒区域的位置集合{pos}i_buff,是否进入监控目标的警戒区域的位置集合{POS}i_buff,来确定警示对象是否进入监控目标的警戒区域。
此外,如图13(b)所示,当警示对象1330所处位置与警戒区域1320边界的距离d小于预设的距离阈值,则生成警示信息,以提醒警示对象1330停止靠近警戒区域1320。在一些实施例中,可以分析警示对象的边界位置集合{pos}i,或者警示对象的警戒区域的位置集合{pos}i_buff,与监控目标的警戒区域的位置集合{POS}i_buff的距离,来确定警示对象所处位置与监控目标的警戒区域边界的距离是否小于预设的距离阈值。
此外,还可以基于警示对象的位置信息提取警示对象的运动信息,根据运动信息生成警示对象的预测位置,若警示对象的预测位置与警戒区域满 足预设条件,则生成警示信息。例如,如图13(c)所示,可以基于警示对象1330的位置信息提取警示对象1330的运动信息,可知警示对象1330的运动信息为正在朝警戒区域1320移动。根据运动信息生成警示对象1330的预测位置,若警示对象1330的预测位置与警戒区域1320满足预设条件,则生成警示信息。例如,预设条件可以是预测位置在警戒区域内。根据警示对象1330正在朝警戒区域1320移动可知,警示对象1330的预测位置可能会进入警戒区域1320内,因此可以生成警示信息以提醒警示对象1330改变行动轨迹。
在生成警示信息后,可以对警示对象进行警示或提醒。在一些实施例中,上述方法还可以包括步骤:发送监控目标的位置信息至另一可移动设备,以使该可移动设备根据该位置信息执行目标任务,其中,目标任务可以包括拍摄监控目标的图像、和/或对警示对象发出语音信息。例如可以派遣值守飞机自动飞到监控目标所在位置进行侦查或喊话。
在一些实施例中,警示对象包括可移动的对象,例如警示对象包括人、车等可移动的对象,那么上述方法还可以包括步骤:控制无人机跟踪警示对象。例如,当无人机悬停在空中某一位置对监控目标进行监控时,若摄像装置所采集的图像中出现可移动的警示对象,则跟踪该警示对象的行踪。根据警示对象与警戒区域的位置信息生成警示信息。当警示对象离开摄像装置的拍摄范围后,无人机可以重新回到悬停的位置继续对监控目标进行监控。
在一些实施例中,监控目标包括可移动的对象,当通过无人机搭载的红外探测器或者通过其他方式识别到可移动的监控目标有高温异常(如车着火或有着火风险),或者识别到监控目标包括危险移动源(如搭载危险物品)时,上述方法还可以包括步骤:控制无人机跟踪监控目标。当可移动的监控目标失火或搭载有危险物品时,可以控制无人机一直跟踪监控目标,以警示监控目标周围的人物远离监控目标。
此外,本申请还提供了另一种无人机监控方法实施例,可以在获取无人机搭载的摄像装置所采集的图像后,通过机器学习实时识别出图像中的监控目标和警示对象,并基于摄像装置采集图像时的位姿确定监控目标和警示对象的位置信息,且对位置信息进行校正。此后,通过对图像进行特征提取以及机器学习,识别出监控目标的顶部以及侧面边界范围,并识别出图像中其他交通工具、人物等。
对于能识别出顶部范围的监控目标,可以逐个获取边界像素在地面上 投影点的位置信息,以得到监控目标的边界位置集合{POS}i。对于未能识别出顶部以及侧面边界范围的监控目标,可以直接圈出监控目标的最小外接矩形。逐个获取该最小外接矩形的边界像素以及中心像素在地面上投影点的位置信息,以得到监控目标的边界位置集合{POS}i。
对于在图像中的尺寸小于5*5像素的警示对象,可以直接圈出警示对象的最小外接矩形,并逐个获取该最小外接矩形的边界像素以及中心像素在地面上投影点的位置信息,以得到警示对象的边界位置集合{pos}i。
在确定监控目标的边界位置后,可以按照预设的缓冲距离L_buff进行外扩得到警戒区域,外扩后得到的警戒区域的位置集合为{POS}i_buff。
其中,警戒区域包括至少两个警戒级别的子区域,第一子区域对应缓冲距离L_buff_1,第二子区域对应缓冲距离L_buff_2,其中缓冲距离L_buff_1大于缓冲距离L_buff_2。如此,第一子区域的位置集合为{POS}i_buff_1,第二子区域的位置集合为{POS}i_buff_2。
警戒对象同样可以通过上述方法设置警戒区域,若警示对象的缓冲距离为l_buff,则警示对象的警戒区域的位置集合{pos}i_buff。
随后,实时分析警示对象的边界位置集合{pos}i或警示对象的警戒区域的位置集合{pos}i_buff是否进入监控目标的警戒区域{POS}i_buff,若未进入,则继续进行监控;若发现进入,则判断警示对象进入了哪一个子区域,针对不同的子区域对应有不同级别的警示信息以及采取不同的警示措施。
当警示对象进入警戒区域后,无人机可以实时上报至监控设备,监控设备下发下一步的任务调度,例如通过喇叭广播,使得警示对象离开警戒区域,消防人员/安保人员待命等警告语反制措施。除了警告语反制措施外,监控设备还可以将监控目标的地理坐标发送到值守飞机,派遣值守飞机按照地理坐标自动飞行到监控目标附近进行侦查或喊话。
如此,通过上述方案可以纠正监控目标和警示对象的位置信息,得到更高精度的地物信息和地理位置。且通过实时机器学习和警戒区域划定,可以实时为现场作业提供快速指导,有效应对突发事故的发生,并基于分析结果自动执行下一步操作,或联动其他设备进行联合作业,大大提高了安防巡检的灵活性与智能化。
基于上述任意实施例所述的一种无人机监控方法,本申请还提供了如 图14所示的一种无人机监控装置的结构示意图。如图14,在硬件层面,该无人机监控装置包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述任意实施例所述的一种无人机监控方法。
基于上述任意实施例所述的一种无人机监控方法,本申请还提供了如图15所示的一种无人机的结构示意图。如图15,在硬件层面,该无人机包括机身,动力组件,用于驱动无人机在空中运动,摄像装置,以及如图14所示的无人机监控装置。无人机监控装置包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述任意实施例所述的一种无人机监控方法。
基于上述任意实施例所述的一种无人机监控方法,本申请还提供了如图16所示的一种监控设备的结构示意图,该监控设备与无人机通信。如图16,在硬件层面,该监控设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述任意实施例所述的一种无人机监控方法。
基于上述任意实施例所述的一种无人机监控方法,本申请还提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时可用于执行上述任意实施例所述的一种无人机监控方法。
基于上述任意实施例所述的一种无人机监控方法,本申请还提供了一种计算机存储介质,存储介质存储有计算机程序,计算机程序被处理器执行时可用于执行上述任意实施例所述的一种无人机监控方法。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造 性劳动的情况下,即可以理解并实施。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请实施例所提供的方法和装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (22)
- 一种无人机监控方法,其特征在于,所述方法包括:根据无人机搭载的摄像装置所采集的图像,在空间中识别监控目标与警示对象;获取所述监控目标与所述警示对象的位置信息,所述位置信息基于所述摄像装置采集所述图像时的位姿确定;基于所述监控目标的位置信息确定警戒区域;基于所述警示对象的位置与所述警戒区域的位置关系生成警示信息。
- 根据权利要求1所述的方法,其特征在于,所述方法还包括:获取所述监控目标所在区域的正射图像或立体图;在所述正射图像或立体图中展示所述警戒区域。
- 根据权利要求2所述的方法,其特征在于,所述正射图像是摄像装置采集的图像经过合成后的图像。
- 根据权利要求2所述的方法,其特征在于,所述方法还包括:获取所述监控目标所在区域的三维模型,所述三维模型通过摄像装置采集的图像建立;通过所述三维模型获取所述正射图像。
- 根据权利要求1所述的方法,其特征在于,所述获取所述监控目标与所述警示对象的位置信息,包括:获取所述监控目标在所述图像的中心区域时所述监控目标与所述警示对象的位置信息。
- 根据权利要求1所述的方法,其特征在于,所述监控目标的位置信息包括所述监控目标中的指定位置,所述警戒区域根据所述指定位置与预设的区域模型确定;和/或,所述监控目标的位置信息包括所述监控目标的边界位置,所述警戒区域根据所述边界位置以及预设的缓冲距离确定。
- 根据权利要求6所述的方法,其特征在于,所述边界位置通过所述监控目标的外表面的特征点确定。
- 根据权利要求1所述的方法,其特征在于,所述方法还包括:获取所述监控目标的类型信息;所述警戒区域根据所述监控目标的位置信息与类型信息确定。
- 根据权利要求1所述的方法,其特征在于,所述警戒区域包括多个警戒级别的子区域,针对不同警戒级别的子区域对应于不同级别的警示信息。
- 根据权利要求1所述的方法,其特征在于,所述基于所述警示对象与所述警戒区域的位置关系生成警示信息,包括如下任一:若所述警示对象在所述警戒区域内,生成警示信息;或若所述警示对象所处位置与所述警戒区域边界的距离小于预设的距离阈值,生成警示信息;或基于所述警示对象的位置信息提取所述警示对象的运动信息,根据所述运动信息生成所述警示对象的预测位置,若所述警示对象的预测位置与所述警戒区域满足预设条件,则生成警示信息。
- 根据权利要求1所述的方法,其特征在于,所述方法还包括:发送所述监控目标的位置信息至另一可移动设备,以使所述可移动设备根据所述位置信息执行目标任务;所述目标任务包括拍摄所述监控目标的图像、和/或对所述警示对象发出语音信息。
- 根据权利要求1所述的方法,其特征在于,所述警示对象包括可移动的对象,所述方法还包括:控制所述无人机跟踪所述警示对象。
- 根据权利要求1所述的方法,其特征在于,所述监控目标包括可移动的对象,所述方法还包括:控制所述无人机跟踪所述监控目标。
- 根据权利要求1所述的方法,其特征在于,所述监控目标的位置信息通过以下步骤获取:获取所述监控目标在所述图像中的像素位置信息;获取所述摄像装置的位姿信息;根据所述像素位置信息以及所述位姿信息计算所述监控目标的位置信息。
- 根据权利要求14所述的方法,其特征在于,所述监控目标的位置信息包括水平位置信息与高度信息,所述位置信息的获取步骤还包括:根据所述水平位置信息,利用预设的地形模型查找所述高度信息的修正值;利用所述修正值更新所述水平位置信息。
- 根据权利要求14所述的方法,其特征在于,所述监控目标的位置信息的校正步骤包括:在所述图像中识别测量点并获取所述测量点的像素位置信息;获取所述摄像装置的位姿信息;根据所述像素位置信息以及所述位姿信息计算所述测量点的位置信息;基于所述测量点的位置信息与所述测量点的真实位置信息确定误差信息;利用所述误差信息对所述监控目标的位置信息进行校正。
- 根据权利要求16所述的方法,其特征在于,所述测量点为预设的已知真实位置信息的路标;或者所述测量点的真实位置信息通过以下一种或多种方式确定:基于所述无人机搭载的激光雷达设备对所述测量点所获取的点云信息确定所述测量点的真实位置信息;或者基于视觉算法计算所述测量点的真实位置信息。
- 一种无人机监控装置,其特征在于,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器调用所述可执行指令时实现如权利要求1-17任一所述方法的操作。
- 一种无人机,其特征在于,包括:机身;动力组件,用于驱动所述无人机在空间中运动;摄像装置;处理器;用于存储处理器可执行指令的存储器;其中,所述处理器调用所述可执行指令时实现如权利要求1-17任一所述方法的操作。
- 一种监控设备,其特征在于,所述监控设备与无人机通信,所述监控设备包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器调用所述可执行指令时实现如权利要求1-17任一所述方法的操作。
- 一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一所述方法的步骤。
- 一种机器可读存储介质,其特征在于,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被执行时执行如权利要求1-17任一所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/123137 WO2023060405A1 (zh) | 2021-10-11 | 2021-10-11 | 一种无人机监控方法、装置、无人机及监控设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117897737A true CN117897737A (zh) | 2024-04-16 |
Family
ID=85987137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180102022.7A Pending CN117897737A (zh) | 2021-10-11 | 2021-10-11 | 一种无人机监控方法、装置、无人机及监控设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN117897737A (zh) |
WO (1) | WO2023060405A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116449875B (zh) * | 2023-06-16 | 2023-09-05 | 拓恒技术有限公司 | 一种无人机巡检方法及*** |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008181347A (ja) * | 2007-01-25 | 2008-08-07 | Meidensha Corp | 侵入監視システム |
US8253792B2 (en) * | 2009-08-28 | 2012-08-28 | GM Global Technology Operations LLC | Vision system for monitoring humans in dynamic environments |
US10597053B2 (en) * | 2013-05-08 | 2020-03-24 | International Electronic Machines Corp. | Operations monitoring in an area |
US9819911B2 (en) * | 2015-07-13 | 2017-11-14 | Honeywell International Inc. | Home, office security, surveillance system using micro mobile drones and IP cameras |
CN108628343B (zh) * | 2018-05-02 | 2021-03-26 | 广东容祺智能科技有限公司 | 一种基于无人机的事故现场封锁装置及事故现场封锁方法 |
CN109117749A (zh) * | 2018-07-23 | 2019-01-01 | 福建中海油应急抢维修有限责任公司 | 一种基于无人机巡检影像的异常目标监管方法及*** |
CN112969977A (zh) * | 2020-05-28 | 2021-06-15 | 深圳市大疆创新科技有限公司 | 抓捕辅助方法、地面指挥平台、无人机、***及存储介质 |
CN112216049B (zh) * | 2020-09-25 | 2022-04-29 | 交通运输部公路科学研究所 | 一种基于图像识别的施工警戒区监测预警***及方法 |
CN112464755A (zh) * | 2020-11-13 | 2021-03-09 | 珠海大横琴科技发展有限公司 | 一种监控方法及装置、电子设备、存储介质 |
-
2021
- 2021-10-11 WO PCT/CN2021/123137 patent/WO2023060405A1/zh active Application Filing
- 2021-10-11 CN CN202180102022.7A patent/CN117897737A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2023060405A1 (zh) | 2023-04-20 |
WO2023060405A9 (zh) | 2024-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163904B (zh) | 对象标注方法、移动控制方法、装置、设备及存储介质 | |
CN106952303B (zh) | 车距检测方法、装置和*** | |
CN112216097A (zh) | 一种检测车辆的盲区的方法及装置 | |
CN108615321A (zh) | 基于雷达侦测及视频图像行为分析的安防预警***及方法 | |
US20190135450A1 (en) | System and method for automated tracking and navigation | |
US20200074176A1 (en) | Method and arrangement for condition monitoring of an installation with operating means | |
CN102436738A (zh) | 一种基于无人机的交通监测装置 | |
KR102265980B1 (ko) | 선박 및 항만 모니터링 장치 및 방법 | |
KR20140004291A (ko) | 전방차량 충돌 경고 시스템 및 전방차량 충돌 경고 방법 | |
EP4296973A1 (en) | System and method for localization of anomalous phenomena in assets | |
CN110750153A (zh) | 一种无人驾驶车辆的动态虚拟化装置 | |
JP5539250B2 (ja) | 接近物体検知装置及び接近物体検知方法 | |
CN112800918A (zh) | 一种非法运动目标的身份识别方法及装置 | |
CN113408454A (zh) | 一种交通目标检测方法、装置、电子设备及检测*** | |
CN111460920A (zh) | 一种面向机场复杂场景的目标跟踪及分割*** | |
CN112639803B (zh) | 用于识别设施处的物体的方法和组件 | |
Altekar et al. | Infrastructure-based sensor data capture systems for measurement of operational safety assessment (osa) metrics | |
CN115083088A (zh) | 铁路周界入侵预警方法 | |
CN117897737A (zh) | 一种无人机监控方法、装置、无人机及监控设备 | |
CN112802100A (zh) | 一种入侵检测方法、装置、设备和计算机可读存储介质 | |
CN112580489A (zh) | 交通灯检测方法、装置、电子设备及存储介质 | |
CN115421512A (zh) | 无人机的图像探测方法、装置、电子设备及存储介质 | |
CN112802058A (zh) | 一种非法运动目标的跟踪方法及装置 | |
US20200088831A1 (en) | Mobile body detection device, mobile body detection method, and mobile body detection program | |
JP2019179015A (ja) | 経路表示装置 |
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 |