-
公开(公告)号：CN118397062B
公开(公告)日：2025-02-07
申请号：CN202410416762.3
申请日：2024-04-08
Applicant: 中国科学院空天信息创新研究院
IPC: G06F16/50
Abstract: 本发明提供一种融合平面结构信息的单目深度估计方法及装置，涉及计算机视觉技术领域，其中方法包括：构建深度估计模型，并根据基于对比学习的多任务损失函数和带有相对深度值标签和平面实例标签的样本场景图像集对所述深度估计模型进行训练；所述深度估计模型由特征提取模块、平面结构实例分割模块和单目深度估计模块组成；将目标图像输入训练好的深度估计模型，获取所述目标图像对应的相对深度图。该方法可以通过场景图像中平面结构信息对单目深度估计任务的辅助监督，从而提升单目深度估计的鲁棒性与准确性。
-
公开(公告)号：CN118674957A
公开(公告)日：2024-09-20
申请号：CN202410803587.3
申请日：2024-06-20
Applicant: 中国科学院空天信息创新研究院
IPC: G06V10/762 , G06T7/70 , G06T7/60
Abstract: 本发明提供一种舰船编队的识别方法及装置，方法包括：根据区域图像中的舰船编队图像，得到舰船编队图像中每一舰船的位姿信息；根据每一舰船的位姿信息，判断舰船编队图像对应的舰船编队是否为圆形阵型；当舰船编队不为圆形阵型时，根据每一舰船的位姿信息，获取舰船编队的线性阵型判据，包括：分布轴线角、平均舰船航向角、沿分布轴线的投影聚类类别数以及线性阵型拟合置信度；根据线性阵型判据，获取舰船编队的阵型类别。通过上述方法，以解决相关技术中关于船舶编队识别的研究和分析相对较少，也鲜有实际应用层面的研究的问题。
-
公开(公告)号：CN117611862B
公开(公告)日：2024-08-27
申请号：CN202311694425.2
申请日：2023-12-11
Applicant: 中国科学院空天信息创新研究院
IPC: G06V10/762 , G06V10/74 , G06V10/20 , G06V20/54
Abstract: 本发明提供一种AIS轨迹聚类方法、装置、电子设备和存储介质，属于数据聚类技术领域，其中方法包括：获取船舶自动识别系统AIS历史数据，对AIS历史数据进行预处理，得到预处理后的AIS历史数据；基于预处理后的AIS历史数据，生成航路密度图像；从航路密度图像中提取所有的主航道区域，对主航道区域中的像素点进行聚类处理，得到多个航道区域；获取待识别的多个目标AIS轨迹，基于多个航道区域，对多个目标AIS轨迹进行聚类和识别，得到多个目标AIS轨迹的类别。本发明提供的AIS轨迹聚类方法、装置、电子设备和存储介质适应性强、效率高。
-
公开(公告)号：CN118397062A
公开(公告)日：2024-07-26
申请号：CN202410416762.3
申请日：2024-04-08
Applicant: 中国科学院空天信息创新研究院
IPC: G06T7/50 , G06T7/11 , G06T3/4038 , G06T3/4046 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/52 , G06N3/0455 , G06N3/0499 , G06N3/0464
Abstract: 本发明提供一种融合平面结构信息的单目深度估计方法及装置，涉及计算机视觉技术领域，其中方法包括：构建深度估计模型，并根据基于对比学习的多任务损失函数和带有相对深度值标签和平面实例标签的样本场景图像集对所述深度估计模型进行训练；所述深度估计模型由特征提取模块、平面结构实例分割模块和单目深度估计模块组成；将目标图像输入训练好的深度估计模型，获取所述目标图像对应的相对深度图。该方法可以通过场景图像中平面结构信息对单目深度估计任务的辅助监督，从而提升单目深度估计的鲁棒性与准确性。
-
公开(公告)号：CN116740135B
公开(公告)日：2024-07-09
申请号：CN202310567534.1
申请日：2023-05-18
Applicant: 中国科学院空天信息创新研究院
IPC: G06T7/246 , G06V10/50 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种红外弱小目标跟踪方法、装置、电子设备及存储介质，所述方法包括：将包含目标的红外图像输入至特征提取网络，得到特征提取网络输出的HOG特征和多种卷积特征；将HOG特征和多种卷积特征进行融合，基于得到的融合特征对目标进行跟踪；特征提取网络包括浅层特征提取网络和深层特征提取网络；浅层特征提取网络用于获取红外图像的人工标注特征，并基于人工标注特征提取HOG特征；深层特征提取网络是基于注意力网络和卷积神经网络构建的，用于基于人工标注特征，确定红外图像的多种卷积特征。本发明可以实现对红外弱小目标的快速跟踪，简单高效，极大地提升了对红外弱小目标跟踪的精度和效率。
-
Patent Agency Ranking
公开(公告)号：CN117935620A
公开(公告)日：2024-04-26
申请号：CN202410029936.0
申请日：2024-01-08
Applicant: 中国科学院空天信息创新研究院
Abstract: 本发明提供一种空域冲突消解方法、装置、电子设备及存储介质，属于飞行器空域管控技术领域，该方法包括：在确定任意两个飞行器的申请空域之间存在冲突的情况下，对每个所述飞行器对应的空域凸包模型的属性信息进行分析，确定每个所述飞行器对应的空域调整策略；所述空域凸包模型是基于每个所述飞行器的申请空域确定的；基于每个所述飞行器对应的空域调整策略，对每个所述飞行器对应的空域凸包模型的属性信息进行调整，以消解所述飞行器的申请空域间的冲突；所述属性信息包括空域高度区间、空域时间区间和空域水平投影。本发明可以高效地消解大规模飞行器用空需求间的冲突，可靠性高，效果好，能够很好地满足大规模用空需求。
-
公开(公告)号：CN117902081A
公开(公告)日：2024-04-19
申请号：CN202311765788.0
申请日：2023-12-20
Applicant: 中国科学院空天信息创新研究院 , 宁夏大学
Abstract: 本发明提供一种无人机充电装置、无人机、无人机遥感系统及充电方法，涉及无线充电技术领域，无人机充电装置，包括：支撑机构、移动机构、弹射机构、无线充电器、第一定位组件以及第一控制器；无线充电器包括壳体、无线充电部、第一磁吸部以及电源组件；第一磁吸部围绕无线充电部设置；无线充电器设于所述弹射机构内。本发明提供的无人机充电装置、无人机、无人机遥感系统及充电方法，能在无人机携带遥感设备执行任务的过程中出现电池剩余电量不足的情况下，在不影响无人机执行任务的基础上为无人机充电，能提高无人机的充电效率，能提高无人机所执行的任务的执行效率和执行效果，能提高用户感知。
-
公开(公告)号：CN117311396B
公开(公告)日：2024-04-09
申请号：CN202311617752.8
申请日：2023-11-30
Applicant: 中国科学院空天信息创新研究院
Abstract: 本发明提供一种飞行监控方法、装置、设备及介质，涉及辅助飞行技术领域，该方法包括：从飞行器监控界面显示模块中获取目标飞行器在飞行过程中的实时飞行轨迹；从飞行轨道仿真模型的飞行器及轨道数字孪生界面显示模块中获取目标飞行器对应的仿真飞行轨迹；在实时飞行轨迹偏离所述仿真飞行轨迹的情况下，生成纠正指令，纠正指令用于指示发送目标纠正决策至目标飞行器；飞行轨道仿真模型是利用三维数字孪生建模技术结合运行目标飞行器的飞行轨道数据而生成的；飞行轨道数据是从分布式存储模块中提取的安全控制管道中的飞行数据。本发明利用数字孪生技术与辅助飞行技术相结合，降低飞行器在飞行过程中的安全隐患，提升了乘客以及飞行器的安全性。
-
公开(公告)号：CN117197681A
公开(公告)日：2023-12-08
申请号：CN202311062268.3
申请日：2023-08-22
Applicant: 中国科学院空天信息创新研究院 , 宁夏大学
IPC: G06V20/13 , G06V10/776 , G06V20/10 , G01D21/02
Abstract: 本发明提供一种遥感产品真实性检验方法、装置、系统、设备及介质，涉及遥感技术领域，该方法包括：在获取到目标遥感产品的真实性检验任务的情况下，基于真实性检验任务的任务参数，确定目标时段；在目标时段内确定测试区域的实时环境数据满足图像采集装置的运行条件的情况下，控制图像采集装置采集测试区域内每一采样点的图像数据；基于上述图像数据，获取目标遥感产品的真实性检验结果。本发明提供的遥感产品真实性检验方法、装置、系统、设备及介质，能响应于遥感产品真实性检验任务，更客观、更高效地确定进行图像数据采集工作的时机，能提高遥感产品真实性检验的准确率和效率。
-
公开(公告)号：CN116740135A
公开(公告)日：2023-09-12
申请号：CN202310567534.1
申请日：2023-05-18
Applicant: 中国科学院空天信息创新研究院
IPC: G06T7/246 , G06V10/50 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种红外弱小目标跟踪方法、装置、电子设备及存储介质，所述方法包括：将包含目标的红外图像输入至特征提取网络，得到特征提取网络输出的HOG特征和多种卷积特征；将HOG特征和多种卷积特征进行融合，基于得到的融合特征对目标进行跟踪；特征提取网络包括浅层特征提取网络和深层特征提取网络；浅层特征提取网络用于获取红外图像的人工标注特征，并基于人工标注特征提取HOG特征；深层特征提取网络是基于注意力网络和卷积神经网络构建的，用于基于人工标注特征，确定红外图像的多种卷积特征。本发明可以实现对红外弱小目标的快速跟踪，简单高效，极大地提升了对红外弱小目标跟踪的精度和效率。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.053 seconds)
