KR101941878B1 - 무인항공기 영상 자동 기하보정을 위한 처리시스템 - Google Patents

무인항공기 영상 자동 기하보정을 위한 처리시스템 Download PDF

Info

Publication number
KR101941878B1
KR101941878B1 KR1020170061471A KR20170061471A KR101941878B1 KR 101941878 B1 KR101941878 B1 KR 101941878B1 KR 1020170061471 A KR1020170061471 A KR 1020170061471A KR 20170061471 A KR20170061471 A KR 20170061471A KR 101941878 B1 KR101941878 B1 KR 101941878B1
Authority
KR
South Korea
Prior art keywords
image
unit
data
processing unit
feature point
Prior art date
Application number
KR1020170061471A
Other languages
English (en)
Other versions
KR20180127567A (ko
Inventor
최명진
김태영
김민재
이민섭
고형균
이용태
신원재
Original Assignee
(주)인스페이스
한국전자통신연구원
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 (주)인스페이스, 한국전자통신연구원 filed Critical (주)인스페이스
Priority to KR1020170061471A priority Critical patent/KR101941878B1/ko
Publication of KR20180127567A publication Critical patent/KR20180127567A/ko
Application granted granted Critical
Publication of KR101941878B1 publication Critical patent/KR101941878B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G06T5/006—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • G06K9/4609—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • 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
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Image Processing (AREA)

Abstract

본 발명의 무인항공기 영상 자동 기하보정을 위한 처리 시스템은 데이터 값을 입력하는 데이터 입력부; 상기 데이터 입력부에서 입력된 데이터를 가공하는 1차 데이터 처리부; 상기 1차 데이터 처리부에서 가공된 데이터를 2차적으로 가공시키는 2차 데이터 처리부; 및 상기 2차 데이터 처리부에서 가공된 데이터를 출력하는 출력부;를 포함하는 것을 특징으로 한다.

Description

무인항공기 영상 자동 기하보정을 위한 처리시스템{SYSTEM FOR UNMANNED AIRCRAFT IMAGE AUTO GEOMETRIC CORRECTION}
본 발명은 영상 자동 처리시스템에 관한 것으로, 더욱 상세하게는 무인기 영상을 자동으로 기하보정하기 위한 무인항공기 영상 자동 기하보정을 위한 처리 시스템에 관한 것이다.
일반적으로 최근 접근불능지역의 관측이 가능하고 광역지역의 공간적 자료를 쉽게 수집할 원격탐사를 위한 자료획득 플랫폼으로 대표적으로 다양한 모니터링 기법이 연구되고 있다. 이 중 무인항공기의 경우 다른 플랫폼에 비해 경제성, 상시성, 적시성이 좋기 때문에 최근에는 무인항공기를 활용한 다양한 모니터링 시스템을 구축하는 기법이 연구되고 있다,
이러한 원격탐사 플랫폼을 이용한 모니터링 시스템은 수집영상의 과학적 분석을 위해 전처리 과정을 거친 영상을 사용한다.
그러나 현재 무인기를 이용한 모니터링의 경우 과학적 분석자료를 산출할 수 있는 무인기 기반 모니터링 시스템이 아닌 사람이 직접 눈으로 보기만 하는 단순한 모니터링에 그치고 있다.
따라서 무인기 기반의 모니터링 시스템 구축을 위한 자동 무인항공기 영상처리시스템 개발이 필요하다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은 무인기를 통해 수집한 영상을 과학적 분석 및 매핑이 가능한 영상으로 산출하는 자동 기하보정 시스템을 구축하기 위한 무인항공기 영상 자동 기하보정을 위한 처리시스템을 제공하는 데 있다.
상기 목적을 달성하기 위한 본 발명의 무인 항공기 영상 자동 기하보정을 위한 처리시스템은 데이터 값을 입력하는 데이터 입력부; 상기 데이터 입력부에서 입력된 데이터를 가공하는 1차 데이터 처리부; 상기 1차 데이터 처리부에서 가공된 데이터를 2차적으로 가공시키는 2차 데이터 처리부; 및 상기 2차 데이터 처리부에서 가공된 데이터를 출력하는 출력부;를 제공한다.
상기 데이터 입력부는 무인항공기에서 촬영한 이미지와, 기본적인 전처리가 완료된 기존의 항공영상을 입력할 수 있다.
상기 1차 데이터처리부는 입력된 무인항공기 영상과 래퍼런스 영상의 특징점, 즉 같은 위치의 픽셀을 찾는 특징점 추출부, 상기 특징점 추출부에서 검출된 특징점을 기반으로 래퍼런스영상에서 무인항공기 영상이 차지하는 영역을 찾게되며 영상을 대조하여 영상간 매칭을 수행하는 특징점 매칭부, 상기 특징점 매칭부에서 산출된 GCP 정보를 기반으로 원본영상의 모든 픽셀을 대상으로 실제지리좌표정보를 입력하는 기하정보 입력부, 상기 기하정보 입력부에서 기하보정이 완료된 영상 및 게산된 GCP정보를 산출하는 기하정보 출력부 및 상기 데이터 입력부에서 인가받은 데이터를 분석하는 데이터 분석부를 더 포함할 수 있다.
상기 2차 데이터처리부는 1차 데이터처리부에서 처리된 영상의 네임과 분석된 자료의 네임을 비교하여 서로 일치하는 영상의 GCP 정보를 그대로 적용하여 분석영상의 기하보정을 수행할 수 있다.
이러한 특징에 따르면, 본 발명의 무인항공기 영상 자동 기하보정을 위한 처리시스템을 통해 과학적 분석이 가능한 기초 자료를 제공할 수 있는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 무인항공기 영상 자동 기하보정을 위한 처리시스템의 블록도이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
그러면 첨부한 도면을 참고로 하여 본 발명의 일 실시예에 따른 무인항공기영상 자동 기하보정을 위한 처리시스템에 대하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 무인항공기영상 자동 기하보정을 위한 처리시스템의 블록도이다.
도 1을 참조하면, 본 발명의 무인항공기영상 자동 기하보정을 위한 처리시스템은 데이터 값을 입력하는 데이터 입력부(10), 상기 데이터 입력부(10)에서 입력된 데이터를 가공하는 1차 데이터 처리부(20), 상기 1차 데이터 처리부(20)에서 가공된 데이터를 2차적으로 가공시키는 2차 데이터 처리부(30) 및 상기 2차 데이터 처리부(30)에서 가공된 데이터를 출력하는 출력부(40)를 포함하여 구성하고 있다.
상기 데이터 입력부(10)는 무인항공기에서 촬영한 이미지와, 기본적인 전처리가 완료된 기존의 항공영상(이하 래퍼런스 영상)을 입력한다.
상기 1차 데이터처리부(20)는 입력된 무인항공기 영상과 래퍼런스 영상의 특징점, 즉 같은 위치의 픽셀을 찾는 특징점 추출부(21), 상기 특징점 추출부(21)에서 검출된 특징점을 기반으로 래퍼런스영상에서 무인항공기 영상이 차지하는 영역을 찾게되며 영상을 대조하여 영상간 매칭을 수행하는 특징점 매칭부(22), 상기 특징점 매칭부(22)에서 산출된 GCP 정보를 기반으로 원본영상의 모든 픽셀을 대상으로 실제지리좌표정보를 입력하는 기하정보 입력부(23), 상기 기하정보 입력부(23)에서 기하보정이 완료된 영상 및 게산된 GCP정보를 산출하는 기하정보 출력부(24) 및 상기 데이터 입력부(10)에서 인가받은 데이터를 분석하는 데이터 분석부(25)를 포함하여 구성하고 있다.
상기 1차 데이터 처리부(20)에서 자료의 처리가 어떻게 이루어 지는지 상세하게 설명한다.
상기 특징점 추출부(21)에서 특징점을 찾는 알고리즘은 SURF(Speed Up Robust Features)알고리즘을 사용한다. SURF 알고리즘은 다중스케일공간정리를 기반하며, 특징점검출은 헤시안행렬을 기반으로 한다. 행렬을 구하기 이전에 빠른 계산을 위해 영상을 적분영상으로 변환하게 되며 적분영상 변환은 다음과 같다.
Figure 112017047281767-pat00001
여기서 ∏는 적분영상, (x,y)는 적분영상에서의 픽셀위치, Ⅰ는 원본영상, (i,j)는 원본영상에서의 픽셀위치이다. 적분영상이란 다음 필셀에 이전 픽셀까지의 값이 더해진 영상으로 특정 영역의 픽셀 값의 총합을 쉽게 구할 수 있다.
적분영상 제작 이후 헤시안 행렬 기반의 검출기를 사용하여 특징점을 검출하며, 알고리즘은 다음과 같다.
Figure 112017047281767-pat00002
여기서 H (x,y,σ)는 영상에서 주어진 점(x,y)에 대해 σ스케일을 갖는 헤시안행렬을 의미하며, σ는 필터사이즈, D xx(x,y, σ)는 영상의 (x,y)위치에서 가우시안필터의 2차 파생된 콘볼루션을 의미한다. 나머지 것들도 동일한 방식으로 계산한다.
특징점 검출 시 옥타브별로 서로 다른 스케일의 영상을 뽑아낸 후 비최대억제법(Non-Maximal Suppression)을 이용하여 이웃한 점들과 비교하여 중심점이 가장 클 경우 특징점으로 지정한다.
상기 특징점 매칭부(22)는 검출된 특징점을 기반을 래퍼런스영상에서 무인항공기영상이 차지하는 영역을 찾게되며 영상의 대조를 이용하여 영상간 매칭을 수행한다. 이를 위해서 먼저 특징점의 Orientation을 할당한다. Orientation은 검출된 특징점을 중심으로 6s 원안의 이웃들에게 s,y 방향의 Haar wavelet response를 계산하여 response의 합을 벡터로 나타내 벡터길이가 가장 긴 방향으로 Orientation을 할당한다. 할당된 Orientation 방향정보를 기반으로 Descriptor를 생성하며 헤시안 행렬에서 계산한 라플라시안의 부호와 Descriptor값을 비교하여 매칭을 수행한다. 두 특징에 해당하는 값이 하나는 양수 하나는 음수라면, 서로 다른 특징으로 간주하여 계산하지 않으며 부호가 같을 경우 유클리드 거리게산을 통해 죄근접 이웃을 탐색한 후 RANSAC(Random Sample Consensus)을 이용하여 매칭포인트를 추출한다.
추출한 매칭포인트를 기반으로 원본영상을 래퍼런스영상에 투영시켜 매핑영역을 산출하고 코너점을 검출한다. 코너점 검출을 위해 호모그래피를 이용한 투영방법을 사용한다.
상기 호모그래피란 하나의 이미지를 다른 이미지에 투영시켰을 때 대응점 사이의 일정한 변환관계를 의미하며 호모그래피를 이용한 투영방법은 샘플링된 영상좌표들에 대해 대응하는 지면좌표를 구한 수 여기서 얻어진 좌표들의 변환관계를 다른 경우에도 일반화하여 적용하는 방법이다.
래퍼런스영상의 매칭포인트와 원본영상의 매칭포인트 사이의 상관관계는 호모그래피 행렬로 산출될 수 있으며, 원본영상을 2D이미지에서 3D이미지로 투영시켜 기하정보를 향상시킨다. 호모그래피 행렬은 3x3 행렬로 일반식은 다음과 같다.
Figure 112017047281767-pat00003
Figure 112017047281767-pat00004
여기서 X와 X‘는각각 래퍼런스영상과 원본영상의 매칭점이고 H와 X와 X‘의관계를 나타내는 호모그래피 행렬이다. 호모그래피를 통해 원본영상을 래퍼런스영상에 투영시켜 원본영상이 래퍼런스영상에서 차지하는 영역을 매핑한 후 매핑된 영역의 각 코너점의 위치를 산출한다.
검출된 코너점의 위치를 래퍼런스 영상의 좌표정보와 매칭하여 GCP를 생성한다. GCP생성공식은 Pixel to latitude, longitude 변환을 사용하며 수식은 다음과 같다.
Figure 112017047281767-pat00005
Figure 112017047281767-pat00006
여기서 x, y는 GCP정보를, x‘, y‘는 산출된 코너점을, TLx_ref, TLy_ref는 래퍼런스 영상의 Top_Left 좌표정보를, Rx, Ry는 래퍼런스영상의 해상도이다. Pixel to latitude, longitude 변환 방법은 래퍼런스 영상의 Top_Left 좌표정보를 원점으로 하여 코너점의 좌표정보를 찾는 방법으로 GCP x를 구하기 위해 원점으로부터 x축방향의 픽셀개수만큼 x축 래퍼런스영상 해상도를 offset으로 계산하여 GCP x의 좌표정보를 산출한다. GCP y의 산출방법도 동일하게 진행한다.
상기 데이터 분석부(25)는 사용자의 목적에 맞는 다양한 고부가 영상산출모듈을 적용한다.
상기 기하정보 입력부(30)는 산출된 GCP정보를 기반으로 원본영상의 모든 픽셀을 대상으로 실제지리좌표정보를 입력하여 기하보정을 완료한다. 기하보정방법은 RPC 기법을 이용하여 GCP 좌표를 기반으로 원본영상을 매핑했을 때 GCP중 Top_Left 좌표를 원점으로 하여 나머지 GCP들의 방향에 따라 내부 픽셀들의 실제 지리좌표 입력 방식을 결정한다.
기하정보 출력부(24)에서는 기하보정이 완료된 영상 및 계산된 GCP 정보를 산출한다.
산출된 GCP 정보는 2차 데이터처리부(30)에서 고부가분석영상의 기하보정에 사용한다.
상기 2차 데이터처리부(30)는 1차 데이터처리부(20)에서 산출된 GCP 정보를 이용하여 자료분석부(25)에서 산출된 고부가영상의 기하보정을 수행한다. 상기 2차 데이터처리부(30)에서 처리된 영상의 네임과 분석된 자료의 네임을 비교하여 서로 일치하는 영상의 GCP 정보를 그대로 적용하여 분석영상의 기하보정을 수행한다.
이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
10: 데이터 입력부 20: 1차 데이터 처리부
21: 특징점 추출부 22: 특징점 매칭부
23: 기하정보 입력부 24: 기하정보 출력부
30: 2차 데이터처리부 40: 출력부

Claims (4)

  1. 무인항공기에서 촬영한 이미지와 전처리가 완료된 래퍼런스 영상을 입력하는 데이터 입력부;
    상기 데이터 입력부에서 입력된 데이터를 가공하는 1차 데이터 처리부;
    상기 1차 데이터 처리부에서 가공된 데이터를 2차적으로 가공시키는 2차 데이터 처리부; 및
    상기 2차 데이터 처리부에서 가공된 데이터를 출력하는 출력부;를 포함하되,
    상기 데이터 입력부는 무인항공기에서 촬영한 이미지와, 기본적인 전처리가 완료된 기존의 항공영상을 입력하며,
    상기 1차 데이터처리부는,
    입력된 무인항공기 이미지와 래퍼런스 영상의 특징점과 같은 위치의 픽셀을 찾는 특징점 추출부;
    상기 특징점 추출부에서 검출된 특징점을 기반으로 래퍼런스영상에서 무인항공기 영상이 차지하는 영역을 찾게되며 영상을 대조하여 영상간 매칭을 수행하는 특징점 매칭부;
    상기 특징점 매칭부에서 영상간 매칭을 수행하여 래퍼런스 영상의 모든 픽셀을 대상으로 실제지리좌표정보를 입력하는 기하정보 입력부;
    상기 기하정보 입력부에서 실제지리좌표정보를 입력한 영상 및 계산된 GCP정보를 산출하는 기하정보 출력부; 및
    상기 데이터 입력부에서 인가받은 데이터를 분석하는 데이터 분석부;를 포함하는 것을 특징으로 하는 무인항공기 영상 자동 기하보정을 위한 처리시스템.
  2. 삭제
  3. 삭제
  4. 삭제
KR1020170061471A 2017-05-18 2017-05-18 무인항공기 영상 자동 기하보정을 위한 처리시스템 KR101941878B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170061471A KR101941878B1 (ko) 2017-05-18 2017-05-18 무인항공기 영상 자동 기하보정을 위한 처리시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170061471A KR101941878B1 (ko) 2017-05-18 2017-05-18 무인항공기 영상 자동 기하보정을 위한 처리시스템

Publications (2)

Publication Number Publication Date
KR20180127567A KR20180127567A (ko) 2018-11-29
KR101941878B1 true KR101941878B1 (ko) 2019-01-28

Family

ID=64567180

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170061471A KR101941878B1 (ko) 2017-05-18 2017-05-18 무인항공기 영상 자동 기하보정을 위한 처리시스템

Country Status (1)

Country Link
KR (1) KR101941878B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102182128B1 (ko) * 2019-07-17 2020-11-23 주식회사 에프엠웍스 위치 추적 기반의 항공 영상 합성 방법 및 장치
KR20210126865A (ko) 2020-04-13 2021-10-21 한국항공우주산업 주식회사 무인항공기용 영상감지기 모의구동 시스템 및 방법

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102003187B1 (ko) * 2019-06-13 2019-07-23 주식회사 디지털커브 무인 비행체에 의해 촬영된 이미지들을 사용하여 측량 대상지의 위치 정보를 포함하는 GCP (Ground Control Point)들의 각각이 매칭된 결과 이미지를 모델링하는 방법 및 장치
CN110555817B (zh) * 2019-09-10 2022-06-24 中国科学院遥感与数字地球研究所 一种遥感图像几何归一化方法和装置
KR102610989B1 (ko) * 2019-12-26 2023-12-08 한국전자통신연구원 위성영상을 이용한 수치표면모델 생성 방법 및 장치

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101404640B1 (ko) * 2012-12-11 2014-06-20 한국항공우주연구원 영상 매칭 방법 및 이를 수행하는 시스템
KR101677230B1 (ko) 2015-06-26 2016-11-18 (주)인스페이스 이종 영상 융합 알고리즘의 품질 평가 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101404640B1 (ko) * 2012-12-11 2014-06-20 한국항공우주연구원 영상 매칭 방법 및 이를 수행하는 시스템
KR101677230B1 (ko) 2015-06-26 2016-11-18 (주)인스페이스 이종 영상 융합 알고리즘의 품질 평가 장치 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102182128B1 (ko) * 2019-07-17 2020-11-23 주식회사 에프엠웍스 위치 추적 기반의 항공 영상 합성 방법 및 장치
KR20210126865A (ko) 2020-04-13 2021-10-21 한국항공우주산업 주식회사 무인항공기용 영상감지기 모의구동 시스템 및 방법

Also Published As

Publication number Publication date
KR20180127567A (ko) 2018-11-29

Similar Documents

Publication Publication Date Title
KR101941878B1 (ko) 무인항공기 영상 자동 기하보정을 위한 처리시스템
CN111862126B (zh) 深度学习与几何算法结合的非合作目标相对位姿估计方法
US11244197B2 (en) Fast and robust multimodal remote sensing image matching method and system
CN107063228B (zh) 基于双目视觉的目标姿态解算方法
Tao et al. Dense point cloud extraction from UAV captured images in forest area
US10043279B1 (en) Robust detection and classification of body parts in a depth map
CN112883850B (zh) 一种基于卷积神经网络的多视角空天遥感图像匹配方法
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
CN105513119B (zh) 一种基于无人机的路桥三维重建方法及装置
CN114692720B (zh) 基于鸟瞰图的图像分类方法、装置、设备及存储介质
CN109671109B (zh) 密集点云生成方法及***
CN110617802A (zh) 一种星载动目标检测及速度估计方法
JP2023530449A (ja) 空中と地上の位置合わせのためのシステムおよび方法
JP3863014B2 (ja) 物体検出装置及びその方法
CN113971697A (zh) 一种空地协同车辆定位定向方法
Koizumi et al. Development of attitude sensor using deep learning
JP2020015416A (ja) 画像処理装置
JP5928010B2 (ja) 道路標示検出装置及びプログラム
Lu et al. Autonomous vision-based safe area selection algorithm for UAV emergency forced landing
Tahoun et al. Satellite image matching and registration: A comparative study using invariant local features
CN114972451A (zh) 一种基于旋转不变的SuperGlue匹配的遥感影像配准方法
CN109690555A (zh) 基于曲率的脸部检测器
Su Vanishing points in road recognition: A review
KR101775124B1 (ko) 위성영상의 위치 정확도 개선을 위한 자동영상처리시스템 및 방법
Rasyidy et al. A Framework for Road Boundary Detection based on Camera-LIDAR Fusion in World Coordinate System and Its Performance Evaluation Using Carla Simulator

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant