[发明专利]基于三维光场技术的光学无人机监测方法及系统在审
申请号: | 201910280348.3 | 申请日: | 2019-04-09 |
公开(公告)号: | CN111818274A | 公开(公告)日: | 2020-10-23 |
发明(设计)人: | 李应樵;李莉华 | 申请(专利权)人: | 深圳市视觉动力科技有限公司 |
主分类号: | H04N5/247 | 分类号: | H04N5/247;H04N5/232;H04N5/225;G06T7/557;G06T7/00 |
代理公司: | 青岛联智专利商标事务所有限公司 37101 | 代理人: | 邵新华;迟承柏 |
地址: | 518055 广东省深圳市南山区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 三维 技术 光学 无人机 监测 方法 系统 | ||
1.一种基于光场技术的无人机监测方法,包括:
开始无人机监测;
通过光场相机获得较低分别率的视频图像信息;
判断所获得的视频图像信息是否为无人机;
对其中的无人机图像进行图形重建;
获得重建后的光场图像深度及位置信息监测无人机并发出警示。
2.如权利要求1所述的无人机监测方法,其中所述图像重建步骤为基于模型的超分辨率方法或基于多帧的超分辨率方法。
3.如权利要求2所述的无人机监测方法,其中所述基于多帧的超分辨率方法,从一组分辨率相对较低(LR)的图像中重建一个分辨率较较高(HR)图像的方法,也可以被称为多帧图像超分辨方法;利用记录得到的分辨率相对较低(LR)的图像之间的相关性进行重建。
4.如权利要求1或3所述的无人机监测方法,其中所述无人机图像的重建步骤,包括(a)通过微透镜阵列成像的光场图像;(b)根据焦平面的距离排列的子孔径图像序列;(c)单个子孔径图像;(d)根据主镜头上的位置排列的多视角子孔径图像;其中所述多视角子孔径图像阵列是在原始复眼图像进行处理后获得的。
5.如权利要求1或3所述的无人机监测方法,其中所述无人机图像的重建步骤后,将重建的光场图像结合估计的深度图对光场图像进行再聚焦,并将再聚焦的图像相结合获得所有聚焦的光场图像。
6.如权利要求4所述的无人机监测方法,其中根据上述合成孔径技术,原始复眼图像中的像素点被重投影到了各个子孔径图像中,形成了对场景不同视角的成像,并将原始复眼图像中的光场信息进一步合成、提取,得到成像空间的多视角视图,并获得数字重聚焦序列和深度图。
7.如权利要求6所述的无人机监测方法,其中采用下列公式:
L′(u,v,x′,y′)=L(u,v,kx′+(1-k)u,ky′+(1-k)v) (5)
I′(x′,y′)=∫∫L(u,v,kx′+(1-k)u,ky′+(1-k)v)dudv (6)
其中,I,I’表示一次和二次成像面的坐标系;
L和L’表示一次和二次成像面的能量,
当在取得被摄物体在每个微透镜的深度数据后,便可计算出整个影像的深度图,从而拍摄出立体的3D视频图像。
8.如权利要求1所述的无人机监测方法,其中,在获得所述视频图像信息前不需要进行适当的聚焦;进行一次拍摄就能捕捉到所有的深度图信息。
9.如权利要求1所述的无人机监测方法,还包括下列步骤:
对所述视频图像的图像帧进行分类;
将所述图像帧进行语义分割;
检测到无人机图像;
并且将所述无人机图像进行实例分割,分割聚类出不同物体的像素。
10.如权利要求1所述的无人机监测方法,还包括:
在对光场图像进行处理和解码后,对所述视频图像的超分辨率帧进行分析;
对于给定的经过预处理的监控视频,将视频中的帧序列重塑为数据矩阵;并且
对数据矩阵进行分析和编码以提取图像的主要特征;并且
利用机器学习技术,对无人机图像特征模式进行识别,进而检测出视频图像中的无人机。
11.如权利要求10所述的无人机监测方法,其中所述的机器学习技术为RCNN,FastRCNN,YOLO,SSD方法。
12.一种基于光场技术的无人机监测系统,包括:
启动模块,开始无人机监测;
图像信息获取模块,通过光场相机获得较低分别率的视频图像信息;
判断模块,判断所获得的视频图像信息是否为无人机;
重建模块,对其中的无人机图像进行图形重建;
警示模块,获得重建后的光场图像深度及位置信息监测无人机并发出警示。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市视觉动力科技有限公司,未经深圳市视觉动力科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910280348.3/1.html,转载请声明来源钻瓜专利网。