项目甲项目已经具备无人机图片和视频 AI 识别能力，但单纯的像素检测框无法直接进入业务处置。项目的关键补强是把“像素坐标”转换为“地图可用的经[坐标已隐藏]线索”，并在无人机 APP 中形成跨任务可查询、可处置的闭环。
已确认结论
- AI 识别结果可来自航拍图片、直播视频或离线视频识别，结果至少包含目标类别、置信度和像素位置。
- 目标经[坐标已隐藏]定位依赖图片/视频对应的飞行元数据，包括 GPS、云台姿态、相机参数、高程来源等。
- 某采集平台掌握飞行元数据，定位接口设计为“我方传 `fileId + 像素[坐标已隐藏]某采集平台返回目标经[坐标已隐藏]
- 线索数据在 APP 侧需要支持跨任务查询，不应仅限于虚拟座舱当前任务作用域。
- 线索状态流转已明确为：
0=待处理、1=已处理、2=已忽略、3=已转工单。
识别到线索的链路
- 无人机采集图片或视频。
- AI 服务输出目标类别、置信度、检测框或中心点像素坐标。
- 定位服务根据
fileId找到图片元数据，完成像素到经[坐标已隐藏]的换算。 - 系统把识别结果和地理坐标写入线索表。
- APP 端通过 AI 线索模块按时间、任务、类型、状态等条件查询和处置。
核心数据要点
- 定位接口请求关键字段：
fileId、detections[].detectionId、detections[].category、detections[].confidence、detections[].pixelX、detections[].pixelY - 定位接口响应关键字段：
results[].targetLat、results[].targetLon、results[].targetAlt、results[].locationConfidence、results[].gsd、results[].heightSource - 线索表
ai_clue关键字段：task_id、clue_type_id、clue_type_name、confidence、[坐标已隐藏]status、image_url
产品与交互规则
- 虚拟座舱中的实时线索面板只看当前任务，是生产态入口，不是历史查询入口。
- APP 底部应新增独立的“AI线索”Tab，用于跨任务历史线索查询。
- 线索列表需要支持时间范围、任务 ID、线索类型、关键词和状态筛选。
- 线索详情至少展示基础信息、证据图片、位置信息和处置动作。
风险与失败边界
- 图片缺少 GPS、云台姿态或相机参数时，目标无法可靠定位。
- 视频帧进入“无对应 OSD”区间时，可保留识别结果，但不得生成目标地理坐标。
- 弱网场景下，实时线索写入必须有离线缓存和任务结束后的批量补写。
- 结果去重规则如果不稳定，容易造成同一目标重复入库和重复处置。
待确认
- 某采集平台定位接口最终认证方式是否采用
API Key + HMAC。 - 单次定位接口的正式响应时间 SLA 是否按建议的 3 秒内执行。
- 线索是否在 V1 就支持人工改类型和人工调置信度。
- 线索转工单的外部系统对接范围和字段映射。
参考来源
- 公众号落地笔记：[[第四十一篇-把像素变成经[坐标已隐藏]