CN103575267A - 使图像与用于导航的地形高程地图相关的方法 - Google Patents
使图像与用于导航的地形高程地图相关的方法 Download PDFInfo
- Publication number
- CN103575267A CN103575267A CN201310301757.XA CN201310301757A CN103575267A CN 103575267 A CN103575267 A CN 103575267A CN 201310301757 A CN201310301757 A CN 201310301757A CN 103575267 A CN103575267 A CN 103575267A
- Authority
- CN
- China
- Prior art keywords
- map
- edge
- atlas
- meticulous
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Abstract
本发明涉及使图像与用于导航的地形高程地图相关的方法。用于导航的方法包括:构建包括区域的二维或三维表示的当前地图;检测当前地图上的一个或多个边缘特征;以及基于边缘特征来生成第一精细边缘地图。所述方法进一步包括:检索包括区域的二维或三维表示的历史地图;检测所述历史地图上的一个或多个边缘特征;以及基于所述边缘特征来生成第二精细边缘地图。其后,所述当前地图的粗略版本是从所述第一精细边缘地图生成的,而所述历史地图的粗略版本是从所述第二精细边缘地图生成的。所述当前和历史地图的所述粗略版本然后被相关以确定第一位置和方位。所述第一精细边缘地图然后被与所述第二精细边缘地图相关以确定第二更准确的位置和方位。
Description
技术领域
本发明涉及使图像与用于导航的地形高程地图相关的方法。
背景技术
地形相关和图像相关技术已被用于军事机载导航一段时间了。在地形相关中,诸如数字地形高程数据库(DTED)之类的地理参照高程地图相对于使用诸如雷达设备或LADAR(激光检测和测距)设备之类的测距传感器从飞机拍摄的地面高程的测量而被相关。地图曲面和传感器生成的曲面使用在高程域中操作的二维相关算法进行比较,所述二维相关算法在两个曲面完美地重叠时生成最大相关。这个操作产生两个之间的偏移的估计,并且因为高程地图被地理参照,所以估计飞机位置的误差。误差估计可以在导航系统中被用来使用卡尔曼滤波或其他校正技术来校正位置误差。
图像相关技术以相似的方式工作。从飞机拍摄的图像相对于地理参照图像数据库在强度域中被相关。最大相关发生在两个图像完美地重叠时。机载图像必须被移动或者旋转的量提供导航误差的估计。
存在地形相关和图像相关导航方法的优点和限制两者。地形相关技术常常使用实际上覆盖整个行星的DTED数据库,在数据存储方面是相对紧凑的,并且已经被广泛地用在军事应用中。然而,地形相关所需要的测距传感器通常是大的、笨重的、昂贵的以及有源的。此外,因为测距传感器发射RADAR或其他波段的能量,所以这些传感器容易被敌手检测到。相比之下,虽然图像相关能够用小型便宜的相机来执行,但地理参照数据库具有非常大的存储要求,这对于一些应用来说是禁止的。进一步地,地形和图像相关技术两者都具有为计算密集的、把高性能要求强加于处理系统的缺点。
发明内容
一种用于导航的方法包括:构建包括区域的一个或多个二维或三维表示的当前地图;检测所述当前地图上的一个或多个边缘特征;以及基于所述当前地图上的所检测到的边缘特征来生成第一精细边缘地图。所述方法进一步包括:检索包括所述区域的一个或多个二维或三维表示的历史地图;检测所述历史地图上的一个或多个边缘特征;以及基于所述历史地图上的所检测到的边缘特征来生成第二精细边缘地图。其后,所述当前地图的粗略版本是从所述第一精细边缘地图生成的,而所述历史地图的粗略版本是从所述第二精细边缘地图生成的。所述当前地图的粗略版本然后与所述历史地图的粗略版本相关以确定第一位置和方位。所述第一精细边缘地图使用所述第一位置和方位与所述第二精细边缘地图相关以确定比所述第一位置和方位更准确的第二位置和方位。
附图说明
要理解的是,图仅描绘示例性实施例并且因此不将被认为在范围上限制,示例性实施例将通过利用附图以附加的特异性和细节来描述,在附图中:
图1是根据一个方法的用于使用当前地图和历史地图执行相关的方法的流程图;
图2A是来自由飞机在飞行期间所获得的当前地图的区域的雷达地图;
图2B描绘了被转换为在精细边缘当前地图中仅示出边缘的图2A的雷达图像。
图3A是来自历史地图的相同区域的卫星照片;
图3B描绘了被转换为在精细边缘历史地图中仅示出边缘的图3A的卫星照片。
图4A是从图2B的精细边缘当前地图生成的粗略当前地图;
图4B是从图3B中所示出的精细边缘历史地图生成的粗略历史地图;
图5A示出了在图4B的粗略历史地图上使图4A的粗略当前地图滑动的结果;
图5B示出了图4A的粗略当前地图和图4B的粗略历史地图的相关的结果;以及
图6是根据一个实施例的导航系统的框图。
具体实施方式
在以下具体描述中,实施例被足够详细地描述以使得本领域的技术人员能够实践本发明。应当理解的是,在不背离本发明的范围的情况下可以利用其他实施例。以下具体描述因此将不在限制意义上进行。
提供了执行图像与高程地图之间的相关的方法。本方法提供对二维(2-D)地图和三维(3-D)地图的相关,所述地图中的任何一个能够被较早地存储或者由诸如飞机之类的行驶飞行器来生成。本方法使得能够在地形数据库的低存储要求情况下使用便宜的传感器。
本方法利用了分别从2-D图像和3-D图像生成的2-D地图和3-D地图。所述地图中的一个通常是具有已知坐标的预存储的“历史”地图,而另一个地图是从正试图算出其位置的飞行器所拍摄的“当前”地图。飞行器通过将当前地图与所存储的历史地图进行比较来确定其位置,并且确定那两个地图需要被移动和旋转多少以便于地图彼此准确地重叠。比较的这个过程被称作“相关”。为了加速相关过程,地图的粗略版本被首先相关以给出近似位置和方位,其然后被用来初始化精细相关。
本技术基于在高程数据和相机数据中存在引起边缘的许多物理结构的假设而工作。这个技术依靠地形中的高起伏。包括诸如峡谷或绝壁之类的自然高起伏的区域将工作,但本技术特别适用于包括诸如建筑物之类的人造特征、具有锐边缘的高程数据库。这种类型的高程地图能够从航空光雷达(或LIDAR - 光检测和测距)勘测生成。
本方法对地图中的每一个应用边缘检测算法。不同类型的图像可以具有允许边缘被检测到的不同类型的特征,但常常存在足够相似性以致不同类型的图像仍然能够被比较以确定它们相对的位置和方位。边缘检测技术通过在水平和垂直方向两者上区别相邻元素来计算梯度。结果是在每个元素位置处的二维梯度向量。
阈值能够被应用于梯度大小以产生表示高对比度点即边缘的二元图像。这个技术可以被应用于地形高程数据和相机强度数据两者,从而为两者产生“边缘域”中的图像。这些二元边缘域表示然后可以使用标准图像相关技术而被相关。因为图像是二元的,所以针对相关的计算要求被大大地减少了。
虽然在这里在使三维曲面地图与从飞机拍摄的图像相关的上下文中对本技术进行了描述,但是这个技术还能够被扩展到许多其他传感器组合。这个的示例是使从飞机拍摄的毫米波雷达(三维)图像与地理参照光学图像数据库相关。本方法提供了通过首先将样本转换到边缘域并执行两个边缘域表示之间的相关操作而使来自根本不同的数据类型的两个样本相关的能力。因为可以从不同的视点观察到两个样本,所以两个边缘域表示的正确相关可能需要旋转以及平移。在典型的应用中,惯性导航系统提供初始变换,而最大相关通过计算与关于这个初始变换的位置或姿态(attitude)的变化相对应的相关值而被确定。
在使得能够在较低的地形起伏区域中与DTED一起使用的另外的方法中,梯度的高阶导数被计算。梯度提供地形的斜率,同时梯度的导数(差分)提供斜率改变,诸如峰、谷以及脊线。这些特征然后可以用阈值过程来检测,使得当导数高于特定值时边缘被认为存在,而当导数低于所述值时边缘不被认为存在。因为这些特征趋于与视觉域(阴影等)中的边缘相关联,所以DTED梯度的导数然后可以与图像边缘相关联。
本方法估计两个边缘域图像之间的变换,其表示机载导航系统的误差。这个估计然后能够被作为校正应用于导航系统。本方法通过使用当前导航位置来确定地形数据库的哪些区域很可能在视图中、并且仅尝试使图像与该局部领域相匹配来减少搜索空间。
本发明可以使用包括梯度和边缘检测的计算的图像处理技术以软件加以实现。
图1是根据一个方法的用于使用当前地图和历史地图执行相关的方法100的流程图。在方法100中,利用了区域的3-D地图,其能够从光雷达或雷达图像生成(块110)。光雷达或雷达图像能够由在该区域上飞行的飞机来收集以生成当前地图。可替换地,光雷达或雷达图像可以是来自被存储在飞机上的历史地图的。方法100还采用2-D地图,其能够从由一个或多个相机所拍摄的光学图像生成(块120)。光学图像能够由在该区域上飞行的飞机来收集以生成当前地图,或者可以是来自被先前存储的历史地图的卫星或航空照片。
方法100估计飞机的飞行高度、俯仰角以及侧倾角,其被用来将来自3-D地图的3-D数据投射到相同图像的2-D顶视图上(块112)。方法100然后计算2-D图像中的边缘特征(块114)并生成第一精细边缘地图。粗略地图像素值然后被设置为每个粗略像素内的精细边缘像素的总和(块116),并且第一粗略地图被生成。术语“粗略”意指地图的较粗分辨率,其中粗略地图中的一个像素能够与精细地图中的若干像素相对应。
方法100还计算由相机所拍摄的2-D图像中的边缘特征(块122),并且生成第二精细边缘地图。粗略地图像素值然后被设置为每个粗略像素内的精细边缘像素的总和(块124),并且第二粗略地图被生成。
第一和第二粗略地图在粗略相关过程中被用来确定北、东以及航向角的粗略参数(块130)。在可选的扩展中,还可以确定俯仰和侧倾。粗略相关的结果然后在精细相关过程中连同第一和第二精细边缘地图一起被用来确定北、东以及航向角的精细参数(块132)。术语“精细”意指地图的更精细分辨率。
在示例性方法中,生成了包括由飞机在飞行期间所收集的区域的3-D雷达图像的当前地图。图2A是来自由飞机所获得的当前地图的选定区域的示例性3-D雷达图像,其中当前地图具有1.6米的分辨率。所述方法将3-D雷达图像与在较早时间拍摄并存储在历史地图中的相同区域的2-D卫星照片进行比较(相关)。图3A是来自对应于图2A的雷达图像中所示出的所选区域的历史地图的示例性卫星照片,其中历史地图也具有1.6米的分辨率。
当前地图和历史地图两者都使用飞行高度、俯仰角以及侧倾角来预处理以给出顶视图,从而使得仅剩余变量是北、东以及航向角。卫星地图具有已知坐标,因此以算出飞机在哪里,雷达图像与卫星图像进行比较。这个相关通过在北和东方向上旋转雷达图像然后使其滑动直到它拟合卫星图像为止来实现。
图2A的雷达图像是800乘800个像素,而图3A的卫星图像是1400乘1400个像素。因此,在每个方向上每次旋转和滑动当前地图和历史地图1个像素、然后在每个位置处进行比较将花费太长时间。为了加速相关过程,当前地图和历史地图中的图像迅速穿过标准边缘检测算法。图2B描绘了被转换为在精细边缘当前地图中示出边缘的图2A的雷达图像。图3B描绘了被转换为在精细边缘历史地图中示出边缘的图3A的卫星照片。
其后,通过将每个10乘10精细像素块中边缘像素的数目存储成单个粗略像素而为当前地图和历史地图生成了小的粗略地图。来自生成的粗略当前地图的一个帧在15.9米的分辨率情况下被示出在图4A中,而来自生成的粗略历史地图的一个帧同样在15.9米的分辨率情况下被示出在图4B中。用来加速相关的这个精细到粗略转换在标题为RAPID LIDAR IMAGE CORRELATION FOR GROUND NAVIGATION的待决美国申请序号13/302,831中被进一步详细地描述,其公开内容通过引用结合。
图5A示出了在来自图4B的粗略历史地图的帧上使来自图4A的粗略当前地图的帧滑动的结果。粗略当前地图每次被移动一个粗略像素,并且然后其像素被从粗略历史地图像素中减去。在这个示例中,粗略[x, y, ψ]帧相关误差曲面被示出为对于ψ粗略最佳= 1.35度的固定值具有[x, y]坐标的曲面,其中ψ粗略最佳是给出最佳地图相关的航向,ψ,位移,而x = 东并且y = 北。在这个示例中,全局粗略相关花费了24.4秒。
以0.38度步长从-4度到+3.64度针对每个旋转角(ψ)重复该过程,同时针对最佳角度绘制[东位移, 北位移]结果,如图5A中所描绘的那样。
在粗略位移和旋转被计算之后,粗略结果被应用于原始精细边缘地图(图2B和3B)。粗略相关的结果在图5B中被示出。在这个示例中,粗略结果准确到为大约16米的一个粗像素内。粗略结果然后被用来启动精细像素相关,因为搜索在北和东坐标中被缩窄到16米。因此,1.6米分辨率精细边缘地图仅不得不被移动16个像素,而不是遍及全800像素宽度。
图6是能够实现本技术的导航系统600的一个实施例的框图。系统600包括至少一个处理单元602以及被操作地耦合到处理单元602的至少一个存储器单元604。至少一个传感器606与处理单元602操作通信。传感器606可以是光学相机、光雷达设备、雷达设备等等。存储器单元604包括将地形高程数据存储在历史地图中的数据库608。
用于在本方法和系统中使用的处理器能够使用如为本领域的技术人员已知的软件、固件、硬件或其任何适当的组合来实现。通过示例而非限制的方式,用于处理器的硬件部件能够包括一个或多个微处理器、存储器元件、数字信号处理(DSP)元件、接口卡以及本领域中已知的其他标准部件。前述中的任一个都可以由专门设计的专用集成电路(ASIC)或现场可编程门阵列(FPGA)来补充或者结合在其中。处理器包括或者与软件程序、固件或其他计算机可读指令一起运行以用于执行在本方法中使用的各种过程任务、计算以及控制功能。这些指令典型地有形地体现在包括用于计算机可读指令或数据结构的存储的计算机可读介质的任何适当的计算机程序产品上。
本发明能够用可以被通用或专用计算机或处理器或任何可编程逻辑器件访问的任何可用的计算机可读存储媒体来实现。适当的计算机可读媒体可以包括诸如磁或光学媒体之类的储存器或存储器媒体。例如,储存器或存储器媒体可以包括常规硬盘、紧凑盘-只读存储器(CD-ROM)、DVD、易失性或非易失性媒体,诸如随机存取存储器(RAM) (包括但不限于同步动态随机存取存储器(SDRAM)、双数据率(DDR) RAM、RAMBUS动态RAM(RDRAM)、静态RAM(SRAM)等等)、只读存储器(ROM)、电可擦可编程ROM(EEPROM)、闪速存储器、蓝光盘等等。上述的组合还被包括在计算机可读媒体的范围内。
本发明能够通过由至少一个处理器执行的诸如程序模块之类的计算机可执行指令来实现。通常,程序模块包括执行特定任务或者实现特定抽象数据类型的例行程序、程序、对象、数据部件、数据结构、算法等等。
示例实施例
示例1包括用于导航的方法,其包括:构建包括区域的一个或多个二维或三维表示的当前地图;检测当前地图上的一个或多个边缘特征;基于当前地图上的所检测到的边缘特征来生成第一精细边缘地图;检索包括该区域的一个或多个二维或三维表示的历史地图;检测历史地图上的一个或多个边缘特征;基于历史地图上的所检测到的边缘特征来生成第二精细边缘地图;从第一精细边缘地图生成当前地图的粗略版本;从第二精细边缘地图生成历史地图的粗略版本;使当前地图的粗略版本与历史地图的粗略版本相关以确定第一位置和方位;以及使用第一位置和方位来使第一精细边缘地图与第二精细边缘地图相关,以确定比第一位置和方位更准确的第二位置和方位。
示例2包括示例1的方法,其中,当前地图是由通过飞机上的一个或多个相机在飞行期间所拍摄的光学图像构建的。
示例3包括示例1和2中的任一个的方法,其中,历史地图包括二维或三维光雷达或雷达图像。
示例4包括示例1和2中的任一个的方法,其中,历史地图包括数字地形高程数据库。
示例5包括示例1的方法,其中,当前地图包括由通过飞机上的一个或多个距离传感器在飞行期间所获得的距离数据所构建的二维或三维图像。
示例6包括示例5的方法,其中,距离数据是从光雷达设备获得的。
示例7包括示例5的方法,其中,距离数据是从雷达设备获得的。
示例8包括示例5-7中的任一个的方法,其中,历史地图包括光学图像数据库。
示例9包括示例8的方法,其中,光学图像数据库包括一个或多个卫星或航空照片。
示例10包括示例1-9中的任一个的方法,其中,当前地图和历史地图使用飞行高度、俯仰角以及侧倾角来预处理以产生每个地图的顶视图。
示例11包括示例1-10中的任一个的方法,其中,使第一精细边缘地图与第二精细边缘地图相关包括在北和东方向上旋转当前地图中的表示并然后使其滑动直到该当前地图中的表示与历史地图中的表示对准为止。
示例12包括用于导航的系统,其包括处理器和存储器单元,所述存储器单元包括具有可由处理器执行以执行包括以下各项的方法的指令的计算机可读介质:构建包括区域的二维(2-D)或三维(3-D)图像的当前地图;检测当前地图上的一个或多个边缘特征;基于当前地图上的所检测到的边缘特征来生成第一精细边缘地图;检索具有2-D图像或3-D图像的该区域的历史地图;检测历史地图上的一个或多个边缘特征;基于历史地图上的所检测到的边缘特征来生成第二精细边缘地图;从第一精细边缘地图生成当前地图的粗略版本;从第二精细边缘地图生成历史地图的粗略版本;使当前地图的粗略版本与历史地图的粗略版本相关以确定第一位置和方位;以及使用第一位置和方位来使第一精细边缘地图与第二精细边缘地图相关,以确定比第一位置和方位更准确的第二位置和方位。
示例13包括示例12的系统,其进一步包括在飞机上被配置成在飞行期间捕获光学图像的一个或多个相机。
示例14包括示例12和13中的任一个的系统,其中,历史地图包括在存储器单元中存储的三维光雷达或雷达图像。
示例15包括示例12和13中的任一个的系统,其中,历史地图包括在存储器单元中存储的数字地形高程数据库。
示例16包括示例12的系统,其进一步包括在飞机上被配置成在飞行期间获得距离数据的一个或多个距离传感器。
示例17包括示例16的系统,其中,距离传感器包括光雷达设备或雷达设备。
示例18包括示例16和17中的任一个的系统,其中,历史地图包括在存储器单元中存储的光学图像数据库,该光学图像数据库包括一个或多个卫星或航空照片。
示例19包括计算机程序产品,其包括具有可由处理器执行以执行包括以下各项的方法的指令的非暂时性计算机可读介质:构建包括区域的一个或多个二维或三维表示的当前地图;检测当前地图上的一个或多个边缘特征;基于当前地图上的所检测到的边缘特征来生成第一精细边缘地图;检索包括该区域的一个或多个二维或三维表示的历史地图;检测历史地图上的一个或多个边缘特征;基于历史地图上的所检测到的边缘特征来生成第二精细边缘地图;从第一精细边缘地图生成当前地图的粗略版本;从第二精细边缘地图生成历史地图的粗略版本;使当前地图的粗略版本与历史地图的粗略版本相关以确定第一位置和方位;以及使用第一位置和方位来使第一精细边缘地图与第二精细边缘地图相关,以确定比第一位置和方位更准确的第二位置和方位。
示例20包括示例19的计算机程序产品,其中,使第一精细边缘地图与第二精细边缘地图相关包括在北和东方向上旋转当前地图中的表示并然后使其滑动直到该当前地图中的表示与历史地图中的表示对准为止。
本发明可以在不背离其本质特性的情况下以其他形式来体现。所描述的实施例将在所有方面仅被认为是说明性的而不是限制性的。因此,意图是,本发明仅由权利要求及其等同物所限制。
Claims (3)
1.一种用于导航的方法,包括:
构建包括区域的一个或多个二维或三维表示的当前地图;
检测所述当前地图上的一个或多个边缘特征;
基于所述当前地图上的所检测到的边缘特征来生成第一精细边缘地图;
检索包括所述区域的一个或多个二维或三维表示的历史地图;
检测所述历史地图上的一个或多个边缘特征;
基于所述历史地图上的所检测到的边缘特征来生成第二精细边缘地图;
从所述第一精细边缘地图生成所述当前地图的粗略版本;
从所述第二精细边缘地图生成所述历史地图的粗略版本;
使所述当前地图的所述粗略版本与所述历史地图的所述粗略版本相关以确定第一位置和方位;以及
使用所述第一位置和方位来使所述第一精细边缘地图与所述第二精细边缘地图相关,以确定比所述第一位置和方位更准确的第二位置和方位。
2.一种用于导航的系统,包括:
处理器;以及
存储器单元,其包括具有可由所述处理器执行以执行包括以下各项的方法的指令的计算机可读介质:
构建包括区域的二维(2-D)或三维(3-D)图像的当前地图;
检测所述当前地图上的一个或多个边缘特征;
基于所述当前地图上的所检测到的边缘特征来生成第一精细边缘地图;
检索具有2-D图像或3-D图像的所述区域的历史地图;
检测所述历史地图上的一个或多个边缘特征;
基于所述历史地图上的所检测到的边缘特征来生成第二精细边缘地图;
从所述第一精细边缘地图生成所述当前地图的粗略版本;
从所述第二精细边缘地图生成所述历史地图的粗略版本;
使所述当前地图的所述粗略版本与所述历史地图的所述粗略版本相关以确定第一位置和方位;以及
使用所述第一位置和方位来使所述第一精细边缘地图与所述第二精细边缘地图相关,以确定比所述第一位置和方位更准确的第二位置和方位。
3.一种计算机程序产品,包括:
一种非暂时性计算机可读介质,其具有可由处理器执行以执行包括以下各项的方法的指令:
构建包括区域的一个或多个二维或三维表示的当前地图;
检测所述当前地图上的一个或多个边缘特征;
基于所述当前地图上的所检测到的边缘特征来生成第一精细边缘地图;
检索包括所述区域的一个或多个二维或三维表示的历史地图;
检测所述历史地图上的一个或多个边缘特征;
基于所述历史地图上的所检测到的边缘特征来生成第二精细边缘地图;
从所述第一精细边缘地图生成所述当前地图的粗略版本;
从所述第二精细边缘地图生成所述历史地图的粗略版本;
使所述当前地图的所述粗略版本与所述历史地图的所述粗略版本相关以确定第一位置和方位;以及
使用所述第一位置和方位来使所述第一精细边缘地图与所述第二精细边缘地图相关联,以确定比所述第一位置和方位更准确的第二位置和方位。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/553,281 US8766975B2 (en) | 2012-07-19 | 2012-07-19 | Method of correlating images with terrain elevation maps for navigation |
US13/553281 | 2012-07-19 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103575267A true CN103575267A (zh) | 2014-02-12 |
CN103575267B CN103575267B (zh) | 2017-10-13 |
Family
ID=48747385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310301757.XA Active CN103575267B (zh) | 2012-07-19 | 2013-07-18 | 使图像与用于导航的地形高程地图相关的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8766975B2 (zh) |
EP (1) | EP2687817B1 (zh) |
JP (1) | JP2014021121A (zh) |
CN (1) | CN103575267B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104833370A (zh) * | 2014-02-08 | 2015-08-12 | 本田技研工业株式会社 | 用于映射、定位和位姿校正的系统和方法 |
CN107407564A (zh) * | 2014-12-26 | 2017-11-28 | 赫尔环球有限公司 | 选择用于装置的定位的特征几何形状 |
CN110926486A (zh) * | 2019-11-26 | 2020-03-27 | 百度在线网络技术(北京)有限公司 | 一种路线确定方法、装置、设备和计算机存储介质 |
CN111260538A (zh) * | 2018-12-03 | 2020-06-09 | 北京初速度科技有限公司 | 基于长基线双目鱼眼相机的定位及车载终端 |
CN111448601A (zh) * | 2017-12-04 | 2020-07-24 | 株式会社电装 | 车道网络数据生成装置、车道网络数据生成程序以及存储介质 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014003284A1 (de) | 2014-03-05 | 2015-09-10 | Astrium Gmbh | Verfahren zur Positions- und Lagebestimmung mittels virtueller Referenzbilder |
EP3248029A4 (en) * | 2015-01-19 | 2018-10-03 | The Regents of the University of Michigan | Visual localization within lidar maps |
US9547904B2 (en) | 2015-05-29 | 2017-01-17 | Northrop Grumman Systems Corporation | Cross spectral feature correlation for navigational adjustment |
US9616886B2 (en) | 2015-07-16 | 2017-04-11 | Toyota Motor Engineering & Manufacturing North America, Inc. | Size adjustment of forward objects for autonomous vehicles |
US10054678B2 (en) | 2015-07-30 | 2018-08-21 | Toyota Motor Engineering & Manufacturing North America, Inc. | Minimizing incorrect sensor data associations for autonomous vehicles |
US9911189B1 (en) * | 2016-06-30 | 2018-03-06 | Kitty Hawk Corporation | Navigation based on downward facing sensors |
US10151588B1 (en) * | 2016-09-28 | 2018-12-11 | Near Earth Autonomy, Inc. | Determining position and orientation for aerial vehicle in GNSS-denied situations |
US10444347B2 (en) * | 2016-11-30 | 2019-10-15 | GM Global Technology Operations LLC | Accurate self localization using automotive radar synthetic aperture radar |
US10311752B2 (en) * | 2017-02-03 | 2019-06-04 | Honeywell International Inc. | Compressed edge map representation for image aided navigation |
US11035933B2 (en) | 2018-05-04 | 2021-06-15 | Honda Motor Co., Ltd. | Transition map between lidar and high-definition map |
US10970815B2 (en) | 2018-07-10 | 2021-04-06 | Raytheon Company | Multi-source image fusion |
WO2020014341A1 (en) * | 2018-07-10 | 2020-01-16 | Raytheon Company | Image registration to a 3d point set |
US11650057B2 (en) * | 2020-04-22 | 2023-05-16 | Honeywell International Inc. | Edge detection via window grid normalization |
US11555703B2 (en) | 2020-04-22 | 2023-01-17 | Honeywell International Inc. | Adaptive gaussian derivative sigma systems and methods |
US11580690B1 (en) | 2021-08-31 | 2023-02-14 | Raytheon Company | Horizon-based navigation |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及系统 |
CN101046387A (zh) * | 2006-08-07 | 2007-10-03 | 南京航空航天大学 | 利用景象匹配提高导航系统精度的方法及组合导航仿真系统 |
CN101604018A (zh) * | 2009-07-24 | 2009-12-16 | 中国测绘科学研究院 | 高分辨率遥感影像数据处理方法及其系统 |
US20110233322A1 (en) * | 2010-03-24 | 2011-09-29 | Lfk-Lenkflugkoerpersysteme Gmbh | Navigation Method for a Missile |
CN102246159A (zh) * | 2008-12-09 | 2011-11-16 | 通腾北美有限公司 | 产生测地参考数据库产品的方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3830496C1 (de) | 1988-09-08 | 1996-09-19 | Daimler Benz Aerospace Ag | Vorrichtung zum Erkennen und Verfolgen von Objekten |
FR2695202B1 (fr) | 1992-09-03 | 1994-11-10 | Aerospatiale | Système embarqué de navigation pour un engin aérien comportant un radar à visée latérale et à synthèse d'ouverture. |
US5991460A (en) | 1998-02-12 | 1999-11-23 | Rockwell Science Center, Inc. | Navigation system using hybrid sensor correlation system |
US6587601B1 (en) * | 1999-06-29 | 2003-07-01 | Sarnoff Corporation | Method and apparatus for performing geo-spatial registration using a Euclidean representation |
US6362775B1 (en) | 2000-04-25 | 2002-03-26 | Mcdonnell Douglas Corporation | Precision all-weather target location system |
US7751651B2 (en) * | 2004-04-02 | 2010-07-06 | The Boeing Company | Processing architecture for automatic image registration |
US7967255B2 (en) | 2006-07-27 | 2011-06-28 | Raytheon Company | Autonomous space flight system and planetary lander for executing a discrete landing sequence to remove unknown navigation error, perform hazard avoidance and relocate the lander and method |
US8296056B2 (en) * | 2009-04-20 | 2012-10-23 | Honeywell International Inc. | Enhanced vision system for precision navigation in low visibility or global positioning system (GPS) denied conditions |
US8457882B2 (en) * | 2011-04-19 | 2013-06-04 | Honeywell International Inc. | Systems and methods for navigation in a GPS-denied environment |
-
2012
- 2012-07-19 US US13/553,281 patent/US8766975B2/en active Active
-
2013
- 2013-07-03 EP EP13174991.3A patent/EP2687817B1/en active Active
- 2013-07-18 CN CN201310301757.XA patent/CN103575267B/zh active Active
- 2013-07-18 JP JP2013149184A patent/JP2014021121A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1987896A (zh) * | 2005-12-23 | 2007-06-27 | 中国科学院中国遥感卫星地面站 | 高分辨率sar影像配准处理方法及系统 |
CN101046387A (zh) * | 2006-08-07 | 2007-10-03 | 南京航空航天大学 | 利用景象匹配提高导航系统精度的方法及组合导航仿真系统 |
CN102246159A (zh) * | 2008-12-09 | 2011-11-16 | 通腾北美有限公司 | 产生测地参考数据库产品的方法 |
CN101604018A (zh) * | 2009-07-24 | 2009-12-16 | 中国测绘科学研究院 | 高分辨率遥感影像数据处理方法及其系统 |
US20110233322A1 (en) * | 2010-03-24 | 2011-09-29 | Lfk-Lenkflugkoerpersysteme Gmbh | Navigation Method for a Missile |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104833370A (zh) * | 2014-02-08 | 2015-08-12 | 本田技研工业株式会社 | 用于映射、定位和位姿校正的系统和方法 |
CN104833370B (zh) * | 2014-02-08 | 2020-07-10 | 本田技研工业株式会社 | 用于映射、定位和位姿校正的系统和方法 |
CN107407564A (zh) * | 2014-12-26 | 2017-11-28 | 赫尔环球有限公司 | 选择用于装置的定位的特征几何形状 |
CN111448601A (zh) * | 2017-12-04 | 2020-07-24 | 株式会社电装 | 车道网络数据生成装置、车道网络数据生成程序以及存储介质 |
CN111260538A (zh) * | 2018-12-03 | 2020-06-09 | 北京初速度科技有限公司 | 基于长基线双目鱼眼相机的定位及车载终端 |
CN111260538B (zh) * | 2018-12-03 | 2023-10-03 | 北京魔门塔科技有限公司 | 基于长基线双目鱼眼相机的定位及车载终端 |
CN110926486A (zh) * | 2019-11-26 | 2020-03-27 | 百度在线网络技术(北京)有限公司 | 一种路线确定方法、装置、设备和计算机存储介质 |
CN110926486B (zh) * | 2019-11-26 | 2021-06-11 | 百度在线网络技术(北京)有限公司 | 一种路线确定方法、装置、设备和计算机存储介质 |
US11703333B2 (en) | 2019-11-26 | 2023-07-18 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for determining route, device and computer storage medium |
Also Published As
Publication number | Publication date |
---|---|
US8766975B2 (en) | 2014-07-01 |
EP2687817A2 (en) | 2014-01-22 |
JP2014021121A (ja) | 2014-02-03 |
CN103575267B (zh) | 2017-10-13 |
US20140022262A1 (en) | 2014-01-23 |
EP2687817A3 (en) | 2017-11-29 |
EP2687817B1 (en) | 2019-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103575267A (zh) | 使图像与用于导航的地形高程地图相关的方法 | |
Maaref et al. | Lane-level localization and mapping in GNSS-challenged environments by fusing lidar data and cellular pseudoranges | |
EP2133662B1 (en) | Methods and system of navigation using terrain features | |
JP2022000636A (ja) | オンボードセンサの外部パラメータを較正する方法及び装置、並びに関連する車両 | |
CN102042835B (zh) | 自主式水下机器人组合导航系统 | |
EP2463680B1 (en) | Systems and methods for navigation using cross correlation on evidence grids | |
RU2720140C1 (ru) | Способ оценки собственной позиции и устройство оценки собственной позиции | |
EP2573584A1 (en) | Generic surface feature extraction from a set of range data | |
CN110795984A (zh) | 信息处理方法、信息处理装置及程序记录介质 | |
US20100053593A1 (en) | Apparatus, systems, and methods for rotating a lidar device to map objects in an environment in three dimensions | |
JP2002511614A (ja) | 物体位置の追跡・検知方法 | |
KR102127679B1 (ko) | 정사영상에 기반한 센서 탑재 이동형 플랫폼의 기하 보정 시스템 | |
Javanmardi et al. | Autonomous vehicle self-localization based on multilayer 2D vector map and multi-channel LiDAR | |
Jende et al. | A fully automatic approach to register mobile mapping and airborne imagery to support the correction of platform trajectories in GNSS-denied urban areas | |
Dill et al. | 3D Multi‐copter navigation and mapping using GPS, inertial, and LiDAR | |
Dill et al. | Seamless indoor-outdoor navigation for unmanned multi-sensor aerial platforms | |
CN112068152A (zh) | 使用3d扫描仪同时进行2d定位和2d地图创建的方法和系统 | |
Vora et al. | Aerial imagery based lidar localization for autonomous vehicles | |
CN115343745A (zh) | 三维激光雷达辅助的高精度卫星定位方法 | |
Wen | 3D LiDAR aided GNSS and its tightly coupled integration with INS via factor graph optimization | |
Peterson et al. | Comparison of UAV imagery-derived point cloud to terrestrial laser scanner point cloud | |
Khoshelham et al. | Vehicle positioning in the absence of GNSS signals: Potential of visual-inertial odometry | |
Gupta et al. | Terrain‐based vehicle orientation estimation combining vision and inertial measurements | |
Woock | Deep-sea seafloor shape reconstruction from side-scan sonar data for AUV navigation | |
US11580690B1 (en) | Horizon-based navigation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |