-
公开(公告)号：CN116105693B
公开(公告)日：2024-10-29
申请号：CN202310261345.1
申请日：2023-03-17
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明涉及无人机自主定位领域，提供一种基于POI数据的地面及低空场景无人机自主定位方法，包括：首先，使用开源的POI数据制备无偏定位基准数据；然后，在无人机实时航拍图像中检测标牌，识别出标牌中的文字信息；其次，将标牌的文字信息与POI数据中的地名字段进行检索，获取与标志牌匹配的POI数据中的经纬度信息；接着，利用标牌中心点经纬度量测标志牌四个角点的经纬度坐标，利用标志牌四个角点的图像深度信息和图像中心点的深度信息，根据成像几何关系，计算标志牌四个角点的高度；最后，根据成像几何关系，利用标牌四个角点的图像坐标和三维地理坐标，估计当前时刻无人机的位置。本发明定位误差不随无人机工作时间增加而累积。
-
公开(公告)号：CN115495611A
公开(公告)日：2022-12-20
申请号：CN202211442411.7
申请日：2022-11-18
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F16/587 , G06T7/12 , G06T7/13 , G06V20/17 , G06V10/74
Abstract: 本发明属于空间数据检索领域，实现一种面向无人机自主定位的空间场景检索方法，该方法在无人机图像上提取出空间对象轮廓，并将空间对象按照类型和是否处于边缘进行重排序，并筛选出初始匹配空间对象，然后计算所有空间对象与初始匹配空间对象的矢量空间距离，并作为空间对象匹配的条件；在空间检索过程中，依据空间距离关系对底图进行裁剪以缩小检索空间范围；最后匹配成功数最多的空间对象即为初始匹配空间对象的对应斑块。本发明相较于传统的空间检索方法，使用空间对象的矢量空间距离刻画空间关系，而不使用斑块相似性考虑匹配成功度，对于无人机图像的几何畸变、空间对象的边缘不准确等问题有更大的容错空间，且检索效率更高。
-
公开(公告)号：CN114169442B
公开(公告)日：2022-12-09
申请号：CN202111495585.5
申请日：2021-12-08
Applicant: 中国电子科技集团公司第五十四研究所 , 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/46 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于双原型网络的遥感图像小样本场景分类算法。首先，该发明利用支持标签的监督信息对支持特征生成的原型进行原型自校准，获得更准确的原型。然后，以校准后的较精准原型作为基础，将查询样本的预测结果通过变换作为查询原型，利用查询原型来反向预测支持样本。这个过程中，支持样本和查询样本之间的信息交互是对原型的进一步校准，称之为原型互校准。该发明优化了三个损失，其中自校准损失和互校准损失有助于模型学习更具有代表性的原型，做出更准确的预测。由于网络不需要学习额外的参数，该发明的模型非常轻量且易于使用。在三个公开遥感数据集上的实验表明，该方法与其他先进的小样本图像分类方法相比具有较好的分类性能。
-
公开(公告)号：CN114972982A
公开(公告)日：2022-08-30
申请号：CN202210425413.9
申请日：2022-04-22
Applicant: 中国电子科技集团公司第五十四研究所 , 中国人民解放军国防科技大学
IPC: G06V20/10 , G06V10/24 , G06V10/25 , G06V10/774
Abstract: 本发明提供一种基于改进过采样的遥感图像目标检测类别不均衡处理方法，首先统计遥感数据集中类别数量、各类目标数量；然后判断数据集是否存在类别不均衡问题，若不存在，则结束，若存在，则转到下一步；其次，对目标量少的类别图像进行扩充；最后，得到目标扩充后的数据集。本发明能够克服当前过采样技术易导致模型过拟合的缺陷，从而解决遥感图像目标检测类别不均衡问题。
-
公开(公告)号：CN116105693A
公开(公告)日：2023-05-12
申请号：CN202310261345.1
申请日：2023-03-17
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明涉及无人机自主定位领域，提供一种基于POI数据的地面及低空场景无人机自主定位方法，包括：首先，使用开源的POI数据制备无偏定位基准数据；然后，在无人机实时航拍图像中检测标牌，识别出标牌中的文字信息；其次，将标牌的文字信息与POI数据中的地名字段进行检索，获取与标志牌匹配的POI数据中的经纬度信息；接着，利用标牌中心点经纬度量测标志牌四个角点的经纬度坐标，利用标志牌四个角点的图像深度信息和图像中心点的深度信息，根据成像几何关系，计算标志牌四个角点的高度；最后，根据成像几何关系，利用标牌四个角点的图像坐标和三维地理坐标，估计当前时刻无人机的位置。本发明定位误差不随无人机工作时间增加而累积。
-
Patent Agency Ranking
公开(公告)号：CN117475331A
公开(公告)日：2024-01-30
申请号：CN202311419388.4
申请日：2023-10-30
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明属于图像检测领域，具体涉及一种无人机轻量化目标检测方法，包括以下步骤：以公开的无人机目标检测数据集作为训练集，训练集包含行人和车辆目标的图像及标注；构建目标检测网络，包括主干网络、Neck网络和检测头；基于带标注的训练集对目标检测网络进行训练，得到目标检测模型，并根据损失函数结果对目标检测模型使用TensorRT加速，得到目标检测量化部署模型；根据所获取的地面目标图像以及目标检测量化部署模型，进行无人机监控画面行人和车辆目标的检测与识别。本发明针对基于嵌入式平台使用的特点，对目标检测方法进行了神经网络的轻量化改进、模型量化加速等操作，在保证准确性同时，大幅提升模型推理速度。
-
公开(公告)号：CN115878737B
公开(公告)日：2023-09-01
申请号：CN202211314651.9
申请日：2022-10-26
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F16/29
Abstract: 本发明公开了一种基于路网数据的交叉口提取及拓扑结构描述方法，属于图像处理技术领域。其包括步骤：采用OSM数据中的道路矢量作为基础路网数据，提取城市主干道路网；对存在断点的路网线进行拼接，形成完整路网；求各路网的交点，获得道路交叉口候选集；对交叉口候选集中多余的伪交叉点进行处理，获得交叉口点集；计算每条道路的方向；以点集中的交叉口点为对象，获取与其相交的道路线集合；根据道路方向和交叉点位置计算交叉口的拓扑结构描述。本发明充分利用路网数据空间关系求交叉口，并结合相交的道路方向特征构建拓扑结构，提高多源道路数据匹配的可靠性。
-
公开(公告)号：CN116089558A
公开(公告)日：2023-05-09
申请号：CN202310117539.4
申请日：2023-02-15
Applicant: 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于频数约束和三角形原则的地理点匹配方法，属于地理信息处理领域。其包括：获取待匹配地理点集合和基础地理点集合；计算拓扑结构；计算带有距离约束的拓扑结构；寻找待匹配地理点集合拓扑结构中每个三角形描述子在基础地理点集合拓扑结构中最相似的候选三角形描述子；获取所有基础地理点集合，统计每个地理点出现的频数；筛选出大于频数阈值的基础地理点集合；形成新的描述子集合；统计描述子集合中所包含的所有基础地理点，得到与待匹配地理点集合成功匹配的点集。本发明充分利用了地理点的空间位置分布关系，并结合待匹配点集的拓扑结构特点，采用多属性约束提高匹配的可靠性，适用于从大量地理点中匹配局部的地理点。
-
公开(公告)号：CN115495611B
公开(公告)日：2023-03-24
申请号：CN202211442411.7
申请日：2022-11-18
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06F16/587 , G06T7/12 , G06T7/13 , G06V20/17 , G06V10/74
Abstract: 本发明属于空间数据检索领域，实现一种面向无人机自主定位的空间场景检索方法，该方法在无人机图像上提取出空间对象轮廓，并将空间对象按照类型和是否处于边缘进行重排序，并筛选出初始匹配空间对象，然后计算所有空间对象与初始匹配空间对象的矢量空间距离，并作为空间对象匹配的条件；在空间检索过程中，依据空间距离关系对底图进行裁剪以缩小检索空间范围；最后匹配成功数最多的空间对象即为初始匹配空间对象的对应斑块。本发明相较于传统的空间检索方法，使用空间对象的矢量空间距离刻画空间关系，而不使用斑块相似性考虑匹配成功度，对于无人机图像的几何畸变、空间对象的边缘不准确等问题有更大的容错空间，且检索效率更高。
-
公开(公告)号：CN114821326A
公开(公告)日：2022-07-29
申请号：CN202210455974.3
申请日：2022-04-28
Applicant: 中国电子科技集团公司第五十四研究所
IPC: G06V20/10 , G06V10/25 , G06V10/774 , G06V10/80 , G06N3/04
Abstract: 本发明提供了一种宽幅遥感影像中密集弱小目标检测识别方法。该方法利用Mosaic、旋转、MixUp、缩放等手段进行样本扩增，获得丰富的、多尺度的训练样本；然后利用Transformer改进YOLOv5网络，并增加弱小目标检测头，增强模型对图像中全局信息和上下文信息的表征能力，提高密集场景下弱小目标检测识别性能；同时，使用多模型融合预测方法，提高预测精度，避免模型陷入局部最优；最后，使用分块检测的方法进行宽幅遥感影像中密集弱小目标检测识别。本发明使用了多模型融合预测，可以提高模型目标检测识别能力，避免模型陷入局部最优。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.04 seconds)
