-
公开(公告)号：CN120088683A
公开(公告)日：2025-06-03
申请号：CN202510197019.8
申请日：2025-02-21
Applicant: 武汉大学
IPC: G06V20/17 , G06V10/25 , G06V10/44 , G06N3/0455 , G06V10/82 , G06V10/764 , G06V20/70 , G06V10/80
Abstract: 本发明提供一种低空无人机目标检测方法及系统，包括：通过在编码层中引入多类别语义增强模块来强化前景特征，提高对低空无人机红外小目标的检测精度，同时通过查询细化模块解决不同尺度特征之间的语义错位问题。特征提取过程采用ResNet骨干网络生成多尺度特征图，随后通过多类别语义增强模块对前景特征进行加权处理，增强对目标区域的关注。查询细化模块在不同尺度的特征图之间进行跨层级信息交互，并通过路径聚合结构优化查询，确保目标查询的语义一致性。经过优化的目标查询输入解码器，解码器通过多头注意力机制直接生成目标的边界框和类别标签。本发明实现了快速、精确的小目标检测，特别适合低空无人机检测的实时性要求。
-
公开(公告)号：CN118366065B
公开(公告)日：2024-10-22
申请号：CN202410509317.1
申请日：2024-04-26
Applicant: 武汉大学
Abstract: 本发明提供一种基于高度信息的无人机影像车辆检测方法及系统，包括：根据同类车辆图像数据，确定不同类别车辆对应候选区域的边界框分布概率以及给定高度下车辆密度；利用无人机先验信息和尺度映射函数确定候选区域尺度分布，根据飞行高度动态调整候选区域大小和分布密度，确定区域建议网络范围，由密度阈值筛选区域建议网络中的候选区域；基于特征金字塔网络生成多层细化特征，在每层细化特征中加入上下文信息，采用序列式特征细化策略，结合当前层特征和无人机先验信息，得到目标车辆定位表征结果。本发明通过构建物体检测的比例模型、尺度自适应目标建议模块以及动态特征细化模块，显著提升了目标检测的准确性和效率。
-
公开(公告)号：CN118366065A
公开(公告)日：2024-07-19
申请号：CN202410509317.1
申请日：2024-04-26
Applicant: 武汉大学
Abstract: 本发明提供一种基于高度信息的无人机影像车辆检测方法及系统，包括：根据同类车辆图像数据，确定不同类别车辆对应候选区域的边界框分布概率以及给定高度下车辆密度；利用无人机先验信息和尺度映射函数确定候选区域尺度分布，根据飞行高度动态调整候选区域大小和分布密度，确定区域建议网络范围，由密度阈值筛选区域建议网络中的候选区域；基于特征金字塔网络生成多层细化特征，在每层细化特征中加入上下文信息，采用序列式特征细化策略，结合当前层特征和无人机先验信息，得到目标车辆定位表征结果。本发明通过构建物体检测的比例模型、尺度自适应目标建议模块以及动态特征细化模块，显著提升了目标检测的准确性和效率。
-
公开(公告)号：CN116594422A
公开(公告)日：2023-08-15
申请号：CN202310492173.9
申请日：2023-05-04
Applicant: 武汉大学
IPC: G05D1/10
Abstract: 本发明提供了一种基于多源遥感数据的无人机最优降落点确定方法及设备，包括：对无人机采集的图像信息进行预处理和特征提取，结合各项传感器数据判断所处的地理环境；对无人机采集到的路径图像进行分析，通过俯视视角选择宽敞平坦且上方无遮挡的区域，记录各备选降落点的环境参数；对每一类环境参数都会规定相应的阈值，采集数据高于阈值则该点作为备选降落点；对沿途备选降落点的环境参数进行处理；将规范数据环境参数代入该地理环境下已确定的最优参数模型，得到该点关于降落可行性的打分，定义该点作为降落点的可靠度；得到该条路径上的最优降落点。本发明通过智能车底盘和无人机同时多角度收集数据，便于后期更优化的调整和工作。
-
-
-
Search Results
4
records
(took 0.013 seconds)
