– SAR 应用(石油泄漏、森林监测、洪水监测、3D 测绘) – 湄公河三角洲和红河三角洲(VNRice)的水稻监测 – 太阳能潜力 – 巴河流域的环境。
胡梦云,a,b,c 李芳芳,a,b 石申成,a,b 乔宇,a,b 葛金曼,d 李小军,d 曾和平 a,b,e,f,* a 华东师范大学,精密光谱国家重点实验室,上海,中国 b 华东师范大学重庆学院,重庆市精密光学重点实验室,重庆,中国 c 上海理工大学,光电与计算机工程学院,光学仪器与系统教育部工程研究中心,上海市现代光学系统重点实验室,上海,中国 d 中国空间技术研究院(西安),空间微波国家重点实验室,陕西省西安市 e 上海量子科学研究中心,上海,中国 f 重庆市脑与智能研究院,广阳湾实验室,重庆,中国
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
• VODA.ai 将所有故障中的 50% 正确放置在按故障可能性 (LoF) 排序的前 1% 管道中 • 在前 1% 中正确识别的管道中,86% 的管道之前没有发生过故障
摘要 - 在水下计算机视觉中,由于浊度和可变照明条件等环境因素,提高了Aruco标志物的特征提出了重大挑战。本研究探讨了旨在改善非杂种环境中Aruco标记检测性能的图像预处理策略。研究了三种不同的预处理方法:对自适应直方图均衡的增强,一种基于频率域的方法,重点是局部和全局处理,以及一种针对照明校正,降低降低,对比度增强和颜色调整的自动预处理技术。实验验证是为了使用实际水下图像评估这些策略的有效性。这项研究阐明了针对水下Aruco标记检测应用量身定制的有效预处理技术,为开发强大的水下计算机视觉系统提供了见解。索引术语 - 进行处理,视觉,Aruco,水下,ROV
无人驾驶飞行器 (UAV) 以其速度快、功能多样而闻名,可用于收集航空图像和遥感数据,用于土地利用调查和精准农业。随着无人机的可用性和可访问性的增长,它们现在作为船舶监控和搜索救援 (SAR) 行动等海洋应用的技术支持至关重要。无人机上可以配备高分辨率摄像头和图形处理单元 (GPU),以有效和高效地帮助定位感兴趣的物体,适用于紧急救援行动,或者在我们的案例中,用于精准水产养殖应用。现代计算机视觉算法使我们能够在动态环境中检测感兴趣的物体;然而,这些算法依赖于从无人机收集的大型训练数据集,而目前在海洋环境中收集这些数据集非常耗时且费力。为此,我们提出了一个新的基准套件 SeaD- roneSim,它可用于创建具有真实感的照片级航空图像数据集,并为任何给定对象的分割掩模提供地面实况。仅利用 SeaDroneSim 生成的合成数据,我们在真实航拍图像上获得了 71 个平均精度 (mAP),用于检测我们感兴趣的对象,即本可行性研究中流行的开源遥控水下机器人 (BlueROV)。这款新模拟套装的结果可作为检测 BlueROV 的基准,可用于