-
Patent Agency Ranking
公开(公告)号：CN107330377B
公开(公告)日：2020-04-14
申请号：CN201710426646.X
申请日：2017-06-08
Applicant: 暨南大学
Abstract: 本发明公开了一种桥梁防撞系统中的虚拟航道构建与船舶偏航检测方法，该方法通过在桥梁通航孔安装的摄像机采集图像视频信息，并对采集到的视频信息进行处理，在视频图像上显示出虚拟航道，计算出船舶到虚拟航道的距离，从而判断轮船是否有偏航而撞上桥墩的危险。该方法针对存在航标和没有航标的不同情况用不同的方法构建虚拟航道，并对不同的河道地形构建出不同的虚拟航道，具有较好的适应性。针对结构型河道，能够构建出直线型虚拟航道；针对曲线型河道，能够根据实际地形构建出C型和S型虚拟航道；针对水域中存在突出河岸、小/微型岛屿等障碍物的情况，能够构建出适应实际地形的虚拟航道，绕开障碍物，保证船舶航行安全。
-
公开(公告)号：CN107330377A
公开(公告)日：2017-11-07
申请号：CN201710426646.X
申请日：2017-06-08
Applicant: 暨南大学
Abstract: 本发明公开了一种桥梁防撞系统中的虚拟航道构建与船舶偏航检测方法，该方法通过在桥梁通航孔安装的摄像机采集图像视频信息，并对采集到的视频信息进行处理，在视频图像上显示出虚拟航道，计算出船舶到虚拟航道的距离，从而判断轮船是否有偏航而撞上桥墩的危险。该方法针对存在航标和没有航标的不同情况用不同的方法构建虚拟航道，并对不同的河道地形构建出不同的虚拟航道，具有较好的适应性。针对结构型河道，能够构建出直线型虚拟航道；针对曲线型河道，能够根据实际地形构建出C型和S型虚拟航道；针对水域中存在突出河岸、小/微型岛屿等障碍物的情况，能够构建出适应实际地形的虚拟航道，绕开障碍物，保证船舶航行安全。
-
公开(公告)号：CN107133973B
公开(公告)日：2019-12-24
申请号：CN201710332263.6
申请日：2017-05-12
Applicant: 暨南大学
Abstract: 本发明公开了一种桥梁防撞系统中的船舶检测方法，包括以下步骤：采用张正友棋盘格标定法进行摄像机标定；图像获取与预处理；绘制虚拟航道；结合混合高斯背景法与三帧差分法检测运动前景；提取运动前景目标的特征值，作为训练深度神经网络DNN的样本数据；搭建、训练、测试深度神经网络DNN；根据完成训练的深度神经网络DNN对实时视频流中的船舶特征进行识别，标志运动船舶；根据标定结果，定时监测船舶航航行状况。本发明设计的基于GMM与三帧差分法的船舶检测方法，克服了传统方法中前景轮廓断裂、目标不完整的问题，利用前景船舶特征对深度神经网络DNN进行训练，可准确、智能地识别船舶，提高了船舶检测的精度、效率、实时性。
-
公开(公告)号：CN107884767A
公开(公告)日：2018-04-06
申请号：CN201711050019.7
申请日：2017-10-31
Applicant: 暨南大学 , 广州忘平信息科技有限公司
CPC classification number: G01S11/12 , G01B11/0608
Abstract: 本发明公开了一种双目视觉系统测量船舶距离与高度的方法，包括以下步骤：步骤1:建立两个用于船舶测距测高的双目视觉系统；步骤2:单个摄像头标定，步骤3：两个摄像头分别获取左右图像并进行预处理，从而获取轮廓上及轮廓内部二维图像像素点坐标；步骤4：双目校正，计算目标点在左右两个图像上形成的视差；步骤5：立体匹配，得到视差图；步骤6：三维重建；可将图像中的二维点坐标重投影为三维世界坐标；步骤7：计算出船舶到桥梁的距离；步骤8：提取出三维坐标点中y值最大和最小的坐标，计算得到船舶的高度。本发明能够实时监测船舶到桥梁的距离，检测船舶高度是否超过桥梁规定通航高度，防止船舶撞击桥梁的事故发生，保障人民生命财产安全。
-
公开(公告)号：CN107133973A
公开(公告)日：2017-09-05
申请号：CN201710332263.6
申请日：2017-05-12
Applicant: 暨南大学
Abstract: 本发明公开了一种桥梁防撞系统中的船舶检测方法，包括以下步骤：采用张正友棋盘格标定法进行摄像机标定；图像获取与预处理；绘制虚拟航道；结合混合高斯背景法与三帧差分法检测运动前景；提取运动前景目标的特征值，作为训练深度神经网络DNN的样本数据；搭建、训练、测试深度神经网络DNN；根据完成训练的深度神经网络DNN对实时视频流中的船舶特征进行识别，标志运动船舶；根据标定结果，定时监测船舶航航行状况。本发明设计的基于GMM与三帧差分法的船舶检测方法，克服了传统方法中前景轮廓断裂、目标不完整的问题，利用前景船舶特征对深度神经网络DNN进行训练，可准确、智能地识别船舶，提高了船舶检测的精度、效率、实时性。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
