基于神经网络的船舶航拍图像融合研究

航拍图像融合是船舶图像研究领域中的一个重要研究方向,针对当前船舶航拍图像融合过程复杂,计算量大,融合精度低等缺陷,提出了基于神经网络的船舶航拍图像融合方法。首先分析船舶航拍图像融合原理,并对船舶航拍图像进行分解,得到低频和高频的船舶航拍图像分量,然后采用神经网络对船舶航拍图像的高频分量进行处理,并用加权平均法对船舶航拍图像的低频分量进行处理,最后通过逆变换对船舶航拍图像融合,并进行了仿真实验。实验结果表明,神经网络可以获得高精度的船舶航拍图像融合结果,船舶航拍图像融合时间短,相对于其他船舶航拍图像融合方法,神经网络的船舶航拍图像融合结果更胜一筹。     

航拍视频车辆检测目标关联与时空轨迹匹配

高解析度轨迹数据蕴含丰富车辆行驶与交通流时空信息.为从航拍视频中提取车辆轨迹,构建了车辆检测目标跨帧关联与轨迹匹配融合方法.采用卷积神经网络YOLOv5构建视频全域车辆目标检测,提出车辆动力学与轨迹置信度约束下跨帧目标关联算法,建立了基于最大相关性的断续轨迹匹配与融合构建算法,实现轨迹车辆唯一编号.将轨迹从图像坐标转换...     

一种基于角点特征的场景锁定新方法

为了消除由飞机旋转、平移等运动造成的场景变化,使机载吊舱能对感兴趣场景连续侦察和跟踪,本文提出一种基于角点特征的场景锁定新方法。本文将参考图像等分成16块,选取每块中响应值最大的角点作为特征点,采用SAD(sum of absolute differences)算法进行特征点匹配,然后利用改进的RANSAC算法进行角点的一致性检测,利用最小二乘法解算全局运动参数,最后计算图像之间的累积运动。该算法便于在DSP+FPGA硬件平台上实现,能在20 ms内完成处理,实验结果表明,该算法匹配精度高,稳定性好,能较好地实现场景锁定。     

基于目标空间分布特征的无人机航拍车辆实时检测技术研究

针对无人机航拍视角下存在整体图像分辨率高但占比较高的小尺度车辆检测特征点稀少这一问题,从卷积网络检测器针对性优化与基于目标分布特征的航拍图像自适应切分2个角度综合考虑,提出一种基于目标空间分布特征的无人机航拍车辆检测网络DF-Net。以单阶段目标检测框架SSD为基础,引入深度可分离卷积和抗混叠低通滤波器对网络结构进行优化搭建E-SSD,为后续检测网络搭建提供高效检测器;接着基于条件生成对抗CGAN思想构建密度估计网络生成器,从而得到航拍图像中车辆的准确分布特征,生成高质量的车辆密度图;将E-SSD与车辆密度估计网络结合,对车辆密度图进行自适应切分,并将切分后的局部图像与全局图像一同输入E-SSD,最后在决策层融合检测结果,由此实现对航拍视角道路交通场景下车辆目标的精确高效检测。在试验中,一方面将设计的基于目标空间分布特征的无人机航拍车辆检测网络DF-Net与E-SSD进行对比分析,另一方面将DF-Net与航拍目标检测领域表现较为优秀的网络进行比较。研究结果表明：设计的方法对于2个试验在均值平均精度指标上均有提升,与E-SSD网络对比时提升了至少4.4%,与航拍目标检测领域优秀网络比较时也有一定提升,并保持了较好的实时性。     

基于无人机的防波堤巡检

在无人机大发展背景下,选择MD4-1000四旋翼电动无人机,以天津东疆人造沙滩北防波堤(近岸300 m斜坡式防波堤和离岸1.8 km半圆体防波堤)作为试验对象,开展基于无人机的防波堤巡检尝试。无人机沿防波堤中心线飞行并不间断垂直向下拍摄,获取大量的覆盖完全并具有一定重叠度的数码照片,继而利用摄影测量后处理软件Pix4Dmaper获取了斜坡式防波堤的二维正射影像和三维数字表面模型数据,并且在照片集中识别并测量了半圆体防波堤的变形和破损形状。基于无人机的防波堤巡检方法是一种"室外航拍,室内检测"的新巡检工作模式,不仅效率高,而且成果展现形式更加生动具体。     

基于无人机+BIM的实景融合技术在航道工程中的应用*

针对现有工程方案展示方法的缺陷和不足,基于开源软件Blender提出一种新方法。以某航道工程为例,通过无人机航拍及视频前处理、摄像机轨迹反求、三维建筑信息模型（BIM）建模及动画制作、合成输出等关键技术,实现在航拍照片/视频插入三维BIM/动画,并结合虚拟摄像机和渲染,达成两者在透视、材质、光影等多方面的融合嵌入。此方法既可保留航拍照片/视频低成本、高清晰、高还原度的优点,又可通过BIM/动画展示水下航道等此类遮蔽对象以及未建护岸、拌和站等目前不存在的对象及其施工建造过程。此方法学习和使用成本低,可推广性强,可应用于工程投标、方案评审以及对外汇报展示。     

道路红线可视化技术研究

随着计算机图像处理软件（Boujou、Adobe Illustrator、Adobe After Effects、Adobe Premiere Pro）、无人机技术的飞速发展,在道路设计过程中,可视化技术得到了大量的应用,在很大程度上提升了传统设计的效率和质量。例如在道路前期方案设计中对道路红线可视化技术的应用探索,就是借助无人机航拍技术,利用上述计算机图像处理软件,在航拍的视频或图片中将规划红线绘制出来,从而更好地展示项目的规划范围、用地拆迁等,更加真实和直观地展示项目建筑拆迁、相交道路等信息。     

基于卷积神经网络的航拍视频轨道异物检测方法

针对无人机航拍视频轨道异物检测存在动态背景及异物类型多样等问题,提出了一种基于CNN(卷积神经网络)的航拍视频轨道异物检测方法：对航拍单帧图像采用Canny边缘检测、概率Hough变换、线段筛选等确定轨道区域;采用改进的MobileNet CNN模型对轨道区域图像进行单帧图像异物检测分类;利用视频的帧间相关性优化单帧检测结果,得到最终的视频轨道异物检测结果;并采用自建的实拍轨道区域图像数据集进行试验。结果表明,该方法适用于航拍视频中存在多种类型异物的情况,并能实现有效检测。     

一种基于航拍无人机的高桥墩偏位检测方法

为解决高桥墩偏位人工检测难问题,提出了基于航拍无人机的高桥墩偏位检测方法。采用航拍无人机拍摄图片,经处理后导入Matlab程序,求出高桥墩中轴线方程,得到偏位角度,结合工程案例,验证了该方法的可行性。