申请/专利权人:李小红
申请日:2021-01-25
公开(公告)日:2021-05-07
公开(公告)号:CN112767371A
主分类号:G06T7/00(20170101)
分类号:G06T7/00(20170101);G06T7/13(20170101);G06T5/00(20060101);G06T5/30(20060101);G06K9/32(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的撤回
法律状态:2022.01.04#发明专利申请公布后的撤回;2021.05.25#实质审查的生效;2021.05.07#公开
摘要:本发明涉及人工智能技术领域,具体涉及一种基于人工智能的可变阻尼调节果冻效应方法及系统。该方法包括:通过无人机上部署的相机采集当前RGB图像和深度图像;对RGB图像进行处理获得灰度图像;判断灰度图像是否出现果冻效应;当判定出现果冻效应时,通过筛选图像最大目标建筑,对最大目标建筑进行分析,获得最大目标建筑的目标建筑角点并划分感兴趣区域;分别对感兴趣区域内及对应的深度图像的区域内进行聚类分析,通过像素点密度差异获得果冻效应程度;根据果冻效应程度对云台阻尼进行调节。本发明利用图像处理方法量化了果冻效应程度,通过果冻效应程度调节云台阻尼实现调节果冻效应的功能。
主权项:1.一种基于人工智能的可变阻尼调节果冻效应方法,其特征在于,所述方法包括:通过部署在无人机上的相机采集RGB图像和深度图像;将所述RGB图像灰度化获得灰度图像;对所述灰度图像分析并判断果冻效应;当出现果冻效应时,检测所述灰度图像中某个建筑的角点并筛选出多个目标建筑角点,以每个所述目标建筑角点为感兴趣区域的顶点划分多个感兴趣区域;对所述感兴趣区域内像素点和对应所述深度图像中区域内的像素点分别进行聚类分析;所述聚类分析方法包括:计算所述灰度图像中一列像素点集合内相邻两类像素值的像素点的欧氏距离,根据所述像素点之间收缩效应获得第一距离序列;根据膨胀效应获得第二距离序列;以所述感兴趣区域内的所述目标建筑角点作为搜索框的顶点,所述搜索框的长为所述灰度图像内像素点与映射点的距离,所述映射点为所述深度图像中相应于所述灰度图像中像素点的像素点;以所述第一距离序列均值和所述第二距离序列均值分别作为所述搜索框的宽进行聚类分析,获得第一类像素密度序列和第二类像素密度序列;以所述灰度图像和所述深度图像的所述第一类像素密度序列的差异平均值和所述第二类像素密度序列的差异平均值分析获得果冻效应程度;通过所述果冻效应程度调节云台阻尼。
全文数据:
权利要求:
百度查询: 李小红 一种基于人工智能的可变阻尼调节果冻效应方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。