CN104236528A - 一种非合作目标相对位姿测量方法 - Google Patents

一种非合作目标相对位姿测量方法 Download PDF

Info

Publication number
CN104236528A
CN104236528A CN201310221797.3A CN201310221797A CN104236528A CN 104236528 A CN104236528 A CN 104236528A CN 201310221797 A CN201310221797 A CN 201310221797A CN 104236528 A CN104236528 A CN 104236528A
Authority
CN
China
Prior art keywords
image
matching
relative pose
noncooperative target
target relative
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.)
Pending
Application number
CN201310221797.3A
Other languages
English (en)
Inventor
陈凤
黄建明
魏祥泉
王盈
曾占魁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Aerospace System Engineering Institute
Original Assignee
Shanghai Aerospace System Engineering Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Aerospace System Engineering Institute filed Critical Shanghai Aerospace System Engineering Institute
Priority to CN201310221797.3A priority Critical patent/CN104236528A/zh
Publication of CN104236528A publication Critical patent/CN104236528A/zh
Pending legal-status Critical Current

Links

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
    • G01C11/04—Interpretation of pictures
    • G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
    • G01C11/08—Interpretation of pictures by comparison of two or more pictures of the same area the pictures not being supported in the same relative position as when they were taken

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种非合作目标相对位姿测量方法，包括首先获取所述非合作目标对应的序列图像，并对所述图像进行特征点提取，基于所述特征点进行立体匹配，以进行三维重建及对应的相对位姿的测量。本发明利用非合作目标飞行器表面结构进行特征点提取，根据特征点信息进行立体匹配，在匹配过程中，引入了特征点预测技术来提高匹配的速度，引入了匹配的交叉验证和目标体参数约束来提高匹配的准确性，以便后续进行可观测部位的三维重建和位姿参数的测量，为导航系统提供精确输入。以提高特征点的匹配精度，进而提高目标相对位姿测量精度。

Description

一种非合作目标相对位姿测量方法
 
技术领域
本发明涉及空间非合作目标相对导航技术，尤其涉及一种非合作目标相对位姿测量方法。
 
背景技术
根据是否能够提供有效合作信息，空间攻防对抗或空间在轨服务的目标可以分为合作目标和非合作目标。目前，国际上基于合作目标的空间交会对接及捕获操控技术的研究日趋成熟，我国也已经通过神舟八号和天宫一号进行了空间在轨演示验证。针对非合作目标的空间交会及操控技术是目前国际上的研究热点，美欧等发达国家均已经或正在开展空间非合作目标交会及操控演示验证。
目前，国内空间平台对空间非合作目标的捕获识别与匹配测量和编队飞行控制技术，其中远程段的导航和控制方法在型号研制的牵引下已经获得突破。最后近程和超近程阶段对空间非合作目标捕获操控技术所需的影像导航技术是发展智能化空间机动平台急需掌握的核心技术，其中基于目标特征的空间非合作目标位姿测量技术为一项重要关键技术。
 
发明内容
为了提高空间非合作目标相对位姿测量精度，本发明提供一种基于特征点立体匹配的空间非合作目标的相对位姿测量方法,以提高特征点匹配精度，进而提高目标位姿测量精度。
为了达到上述发明目的，本发明提供一种非合作目标相对位姿测量方法，包括首先获取所述非合作目标对应的若干帧图像，并对所述图像进行特征点提取，基于所述特征点进行立体匹配，以进行三维重建及对应的相对位姿的测量。
可选的，所述立体匹配还包括特征点预测，及对应所述立体匹配的交叉验证匹配点预测和空间目标体尺寸约束。
可选的，所述立体匹配包括基于极线约束的立体匹配和基于空间连续的亚像素相关的立体匹配。
可选的，所述立体匹配包括：首先在左相机图像上选取一个子窗口图像，然后在右相机同时刻图像中的一相应区域内，寻找与所述子窗口图像相似度最高的子图像。
可选的，所述图像分别由左相机和右相机获得，所述相似度的计算公式如下：
                                                   
式中，为(x,y)对应的两个子图像的相似度，I1为左相机摄取的图像，I2为右相机摄取的图像，m、n为选取的子图像块大小。
可选的，提供匹配坐标系，并基于所述特征点对所述非合作目标进行三维重建，并计算所述特征点与匹配坐标系的距离。
可选的，设定距离阈值，若所述特征点与匹配坐标系的距离大于所述距离阈值，输出所述非合作目标的空间位置参数。
可选的，输出所述非合作目标的空间位置参数后，还包括获取下一帧的图像，并对下一帧的图像进行立体匹配，直至所有帧的图像全部进行立体匹配。
可选的，若所述特征点与匹配坐标系的距离不小于所述距离阈值，则进行前后图像的帧间匹配，对所述特征点进行匹配与统计，输出所述非合作目标的空间位置参数。
可选的，所述帧间匹配为基于金字塔式相互验证的块匹配方式。
可选的，所述帧间匹配还包括：特征检测、缩放系数检测、利用帧间缩放系数和图像缩放建立对应的帧间匹配及匹配点检测。
可选的，还包括进行特征点挑选，建立目标坐标系，以进行相对位置姿态参数计算，输出目标坐标系相对于匹配坐标系的位置姿态参数。
可选的，所述特征点挑选包括：设置挑选阈值，所述挑选阈值范围为5~10帧；若所述连续稳定匹配图像的帧数大于或等于所述阈值范围，则挑选中所述特征点。
本发明利用非合作目标飞行器表面结构进行特征点提取，根据特征点信息进行立体匹配，在匹配过程中，引入了特征点预测技术来提高匹配的速度，引入了匹配的交叉验证和目标体参数约束来提高匹配的准确性，以便后续进行可观测部位的三维重建和位姿参数的测量，为导航系统提供精确输入。以提高特征点的匹配精度，进而提高目标相对位姿测量精度。
经仿真计算和试验证实，应用本发明的方法可提高特征点的匹配精度，进而提高目标相对位姿测量精度，可以应用于空间非合作目标近距离影像导航。
 
附图说明
本发明基于特征点匹配的空间非合作目标近距离相对位姿测量方法由以下的实施例及附图给出。
图1是本发明一个实施例的非合作目标近距离相对位姿测量方法的流程图。
图2和图3是本发明一个实施例的非合作目标相对姿态测量方法的实验效果图。
 
具体实施方式
为提高特征点匹配精度，进而提高目标位姿测量精度，本发明提供一种非合作目标相对位姿测量方法，包括首先获取所述非合作目标对应的若干帧图像，并对所述图像进行特征点提取，基于所述特征点进行立体匹配，以进行三维重建及对应的相对位姿的测量。
其中, 所述立体匹配还包括特征点预测，及对应所述立体匹配的交叉验证和目标体参数约束。所述立体匹配包括基于极线约束的立体匹配和基于空间连续的亚像素相关的立体匹配。
本发明利用非合作目标飞行器表面结构进行特征点提取，根据特征点信息进行立体匹配，在匹配过程中，引入了特征点预测技术来提高匹配的速度，引入了匹配的交叉验证和目标体参数约束来提高匹配的准确性，以便后续进行可观测部位的三维重建和位姿参数的测量，为导航系统提供精确输入。
下面结合附图说明本发明的优选实施例。如图1所示为本发明一个实施例的非合作目标近距离相对位姿测量方法的流程图。包括如下的步骤：
步骤1：左右相机序列的图像输入。
步骤2：对所述左右相机内的图像序列进行目标的稳定匹配。具体包括：
当frame==1时，进行左右相机捕获目标。即在左右相机图像的全部区域进行目标搜索、捕获；
若所述frame不为1，即大于1时，则利用对应的上一帧目标所在区域的相关信息，对左右相机目标跟踪、捕获，即进行目标位置预测，在预测区域进行目标检测，以实现对左右相机中的目标进行稳定匹配。
步骤3：选择其中任一相机获得的图像，对所述图像所在的目标区域进行特征点检测，所述图像可以为左相机获取的左图像，或者是右相机获得的右图像。本实施例，以左相机为例进行说明，即对左相机目标区域特征点检测。
步骤4：利用特征点进行双相机立体匹配，以进行后续的三维重建。所述立体匹配包括左右相机基于极线约束的粗匹配和基于空间连续的亚像素匹配。其中，所述左右相机基于极线约束的粗匹配后还包括交叉验证匹配点预测和空间目标体尺寸约束。
进一步地，所述步骤4具体包括:
首先在左相机图像上选取一个子窗口图像，然后在右相机同时刻图像中的一相应区域内，根据匹配准则，寻找与子窗口图像最为相似的子图像。相似度的计算采取了如下的方式：
                                        
式中，为(x,y)对应的两个邻域窗的相似度，I1为左相机摄取的图像，I2为右相机摄取的图像，m、n为选取的子图像块大小。
在对应特征点的搜索匹配过程中，算法中利用极线约束，在极线附近进行搜索，大幅度减少了匹配的计算量和误匹配点。在实际应用中，当一个基于特征点区域匹配可能存在误匹配，而误匹配点的存在严重影响目标的位置姿态测量精度，则可以利用已匹配点进行匹配点检测，以减少误匹配的可能性。
步骤5：基于特征点的三维重建，计算目标特征点与匹配坐标系间的距离。所述基于特征点的空间三维重建后还包括交叉验证匹配点预测和空间目标体尺寸约束。
步骤6：设定距离阈值，对步骤S5计算获取的结果进行判断，若计算目标特征点与匹配坐标系间的距离>距离阈值时，frame=frame+1，输出目标体的空间位置参数，并转向步骤1，获取下一帧的图像，并对下一帧的图像进行立体匹配，直至所有帧的图像全部进行立体匹配。
步骤7：若所述特征点与匹配坐标系的距离不小于所述距离阈值，则进行前后图像的帧间匹配，对所述特征点进行匹配与统计，输出所述非合作目标的空间位置参数。
本实施例中，所述距离阈值为50，即d<50时进行左相机前后帧间匹配，并对同名特征点进行匹配与统计；所述同名特征点为左右立体匹配、帧间匹配均获得良好匹配的特征点。
步骤7包括基于金字塔式相互验证的块匹配方式进行帧间匹配，所述帧间匹配还包括：特征检测、缩放系数检测、利用帧间缩放系数和图像缩放建立对应的帧间匹配及匹配点检测。作为一个实施例，具体流程如下：
步骤7.1：特征检测。k-th帧图像特征检测主要用于提取目标轮廓，确定目标像的几何大小（像平面内）；(k+1)th帧图像特征检测则包括轮廓提取与特征点提取两部分；
步骤7.2：缩放系数检测。其主要利用轮廓检测确定帧间缩放系数β；
步骤7.3：利用帧间缩放系数β和图像缩放技术即可建立对应的匹配像；
步骤7.4：匹配I。将相机(k+1)th帧图像特征点与通过缩放相机k-th帧图像获得的(k+1)th帧匹配像进行匹配，并将对应匹配点的坐标映射到相机k-th帧图像，形成基于原始图像的匹配点对；
步骤7.5：匹配II。根据图像匹配点对，在k-th帧图像中选取匹配基元，在 k-th帧匹配像上进行匹配，并将对应匹配点的坐标映射到相机(k+1)th帧图像上，形成基于原始图像的匹配点对；
步骤7.6：匹配点检测。建立匹配误差策略，对匹配点对进行评判，确定匹配点对。
步骤7中为了提高匹配精度，还采用了最小二乘亚像素匹配技术，该方法考虑了影像的几何畸变和辐射畸变，并可以对匹配精度进行估算。由于最小二乘算法属于局部最优算法，其初值的选取对其最终的结果影响较大。本文中最小二乘算法是建立在块相关匹配算法的基础上，利用其初值作为LSM算法的初始输入，以达到提高精度的目的。
步骤8：执行所述步骤7，即前后帧匹配后进行特征点挑选。所述特征点挑选包括：设置挑选阈值，所述挑选阈值范围为5~10帧；若所述连续稳定匹配图像的帧数大于或等于所述阈值范围，则挑选中所述特征点。
具体地址，挑选匹配性能良好的特征点，如连续稳定匹配5帧以上，建立目标坐标系；并在所述特征点挑选后，还包括特征点在目标系中的空间位置与更新。
步骤8中首先进行目标坐标系原点的选择，采用如下准则选取：
式中，O为目标坐标系原点，Pi为第i个空间跟踪点。，之后，建立目标坐标系，依据如下几个原则：
(1) 建立坐标系至少需要三个不在同一条直线上的立体匹配对；
(2) 位于第一个坐标轴上的两个立体匹配点对之间的像素距离尽可能长；
(3) 第三个立体匹配点对到第一个坐标轴的像素距离最长。
步骤9：根据已建立的目标坐标系，进行目标位置姿态参数计算，输出目标坐标系相对于匹配坐标系的位置姿态参数；并在所述目标位置姿态参数计算后，还包括特征点在目标系中的空间位置与更新。
步骤10：帧间参数传递，frame=frame+1，转向步骤1。
如图2和图3所示，为本发明一个实施例的非合作目标相对姿态测量方法的实验效果图。其中，图2为50米内目标坐标系原点位置测量误差随距离的变化关系；图3为40米内目标姿态测量误差随视线距离的变化关系。经仿真计算和试验证实，应用本发明的方法可提高特征点的匹配精度，进而提高目标相对位姿测量精度，可以应用于空间非合作目标近距离影像导航。
本发明利用非合作目标飞行器表面结构进行特征点提取，根据特征点信息进行立体匹配，在匹配过程中，引入了特征点预测技术来提高匹配的速度，引入了匹配的交叉验证和目标体参数约束来提高匹配的准确性，以便后续进行可观测部位的三维重建和位姿参数的测量，为导航系统提供精确输入。以提高特征点的匹配精度，进而提高目标相对位姿测量精度。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (13)

1.一种非合作目标相对位姿测量方法，其特征在于，包括首先获取所述非合作目标对应的双相机序列图像，并对所述图像进行特征点提取，基于所述特征点进行立体匹配，以进行三维重建及对应的相对位姿的测量。
2.如权利要求1所述的非合作目标相对位姿测量方法，其特征在于，所述立体匹配还包括特征点预测，及交叉验证匹配点预测和空间目标体尺寸约束。
3.如权利要求1所述的非合作目标相对位姿测量方法，其特征在于，所述立体匹配包括基于极线约束的粗匹配和基于空间连续的亚像素匹配。
4.如权利要求1所述的非合作目标相对位姿测量方法，其特征在于，所述立体匹配包括：首先在左相机图像上选取一个子窗口图像，然后在右相机同时刻图像中的相应区域内，寻找与所述子窗口图像相似度最高的子图像。
5.如权利要求4所述的非合作目标相对位姿测量方法，其特征在于，所述图像分别由左相机和右相机获得，所述相似度的计算公式如下：
       
式中， 为(x,y)对应的两个子图像窗的相似度，I1为左相机摄取的图像，I2为右相机摄取的图像，m、n为选取的子图像块大小。
6.如权利要求1所述的非合作目标相对位姿测量方法，其特征在于，提供匹配坐标系，并基于所述特征点对所述非合作目标进行三维重建，并计算所述特征点与所述匹配坐标系的距离。
7.如权利要求6所述的非合作目标相对位姿测量方法，其特征在于，设定距离阈值，若所述特征点与匹配坐标系的距离大于所述距离阈值，输出所述非合作目标的空间位置参数。
8.如权利要求7所述的非合作目标相对位姿测量方法，其特征在于，输出所述非合作目标的空间位置参数后，还包括获取下一帧的图像，并对下一帧的图像进行立体匹配，直至所有帧的图像全部进行立体匹配。
9.如权利要求6所述的非合作目标相对位姿测量方法，其特征在于，若所述特征点与匹配坐标系的距离小于所述距离阈值，则进行前后图像的帧间匹配，对所述同名特征点进行匹配与统计。
10.如权利要求9所述的非合作目标相对位姿测量方法，其特征在于，所述帧间匹配为基于金字塔式相互验证的块匹配方式。
11.如权利要求9所述的非合作目标相对位姿测量方法，其特征在于，所述帧间匹配还包括：特征检测、缩放系数检测、利用帧间缩放系数和图像缩放建立对应的帧间匹配及匹配点检测。
12.如权利要求1所述的非合作目标相对位姿测量方法，其特征在于，还包括特征点挑选，建立目标坐标系，以进行相对位置姿态参数计算，输出目标坐标系相对于匹配坐标系的位置姿态参数。
13.如权利要求12所述的非合作目标相对位姿测量方法，其特征在于，所述特征点挑选包括：设置挑选阈值，所述挑选阈值范围为5~10帧；若所述连续稳定匹配图像的帧数大于或等于所述阈值范围，则挑选中所述特征点。
CN201310221797.3A 2013-06-06 2013-06-06 一种非合作目标相对位姿测量方法 Pending CN104236528A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310221797.3A CN104236528A (zh) 2013-06-06 2013-06-06 一种非合作目标相对位姿测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310221797.3A CN104236528A (zh) 2013-06-06 2013-06-06 一种非合作目标相对位姿测量方法

Publications (1)

Publication Number Publication Date
CN104236528A true CN104236528A (zh) 2014-12-24

Family

ID=52225075

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310221797.3A Pending CN104236528A (zh) 2013-06-06 2013-06-06 一种非合作目标相对位姿测量方法

Country Status (1)

Country Link
CN (1) CN104236528A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105021184A (zh) * 2015-07-08 2015-11-04 西安电子科技大学 一种用于移动平台下视觉着舰导航的位姿估计系统及方法
CN105509733A (zh) * 2015-11-30 2016-04-20 上海宇航系统工程研究所 非合作空间圆目标的相对位姿测量方法
CN107490356A (zh) * 2017-08-21 2017-12-19 上海航天控制技术研究所 一种非合作目标旋转轴和旋转角测量方法
CN108416735A (zh) * 2018-03-19 2018-08-17 深圳市深图医学影像设备有限公司 基于几何特征的数字化x线图像的拼接方法及装置
CN108519110A (zh) * 2018-04-26 2018-09-11 北京空间飞行器总体设计部 基于图像信息的空间非合作目标自主相对导航在轨验证系统
CN108680198A (zh) * 2018-04-11 2018-10-19 北京空间飞行器总体设计部 一种基于羽流扰动的相对导航目标惯性参数辨识方法
CN108897023A (zh) * 2018-04-26 2018-11-27 北京空间飞行器总体设计部 一种星上自主的非合作机动目标跟踪保持变轨方法
CN108917772A (zh) * 2018-04-04 2018-11-30 北京空间飞行器总体设计部 基于序列图像的非合作目标相对导航运动估计方法
CN109073385A (zh) * 2017-12-20 2018-12-21 深圳市大疆创新科技有限公司 一种基于视觉的定位方法及飞行器
CN110030979A (zh) * 2019-03-11 2019-07-19 北京空间飞行器总体设计部 一种基于序列图像的空间非合作目标相对位姿测量方法
CN112407344A (zh) * 2020-09-28 2021-02-26 中国空间技术研究院 空间非合作目标的位姿预测方法和装置
CN113790710A (zh) * 2021-09-10 2021-12-14 同济大学 一种高速视频水下结构三维定位验证方法及装置

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105021184B (zh) * 2015-07-08 2017-10-24 西安电子科技大学 一种用于移动平台下视觉着舰导航的位姿估计系统及方法
CN105021184A (zh) * 2015-07-08 2015-11-04 西安电子科技大学 一种用于移动平台下视觉着舰导航的位姿估计系统及方法
CN105509733A (zh) * 2015-11-30 2016-04-20 上海宇航系统工程研究所 非合作空间圆目标的相对位姿测量方法
CN105509733B (zh) * 2015-11-30 2018-04-06 上海宇航系统工程研究所 非合作空间圆目标的相对位姿测量方法
CN107490356B (zh) * 2017-08-21 2020-04-07 上海航天控制技术研究所 一种非合作目标旋转轴和旋转角测量方法
CN107490356A (zh) * 2017-08-21 2017-12-19 上海航天控制技术研究所 一种非合作目标旋转轴和旋转角测量方法
CN109073385A (zh) * 2017-12-20 2018-12-21 深圳市大疆创新科技有限公司 一种基于视觉的定位方法及飞行器
WO2019119328A1 (zh) * 2017-12-20 2019-06-27 深圳市大疆创新科技有限公司 一种基于视觉的定位方法及飞行器
CN108416735A (zh) * 2018-03-19 2018-08-17 深圳市深图医学影像设备有限公司 基于几何特征的数字化x线图像的拼接方法及装置
CN108416735B (zh) * 2018-03-19 2022-02-01 深圳市深图医学影像设备有限公司 基于几何特征的数字化x线图像的拼接方法及装置
CN108917772A (zh) * 2018-04-04 2018-11-30 北京空间飞行器总体设计部 基于序列图像的非合作目标相对导航运动估计方法
CN108680198A (zh) * 2018-04-11 2018-10-19 北京空间飞行器总体设计部 一种基于羽流扰动的相对导航目标惯性参数辨识方法
CN108897023A (zh) * 2018-04-26 2018-11-27 北京空间飞行器总体设计部 一种星上自主的非合作机动目标跟踪保持变轨方法
CN108897023B (zh) * 2018-04-26 2021-02-09 北京空间飞行器总体设计部 一种星上自主的非合作机动目标跟踪保持变轨方法
CN108519110A (zh) * 2018-04-26 2018-09-11 北京空间飞行器总体设计部 基于图像信息的空间非合作目标自主相对导航在轨验证系统
CN110030979A (zh) * 2019-03-11 2019-07-19 北京空间飞行器总体设计部 一种基于序列图像的空间非合作目标相对位姿测量方法
CN110030979B (zh) * 2019-03-11 2020-11-20 北京空间飞行器总体设计部 一种基于序列图像的空间非合作目标相对位姿测量方法
CN112407344A (zh) * 2020-09-28 2021-02-26 中国空间技术研究院 空间非合作目标的位姿预测方法和装置
CN113790710A (zh) * 2021-09-10 2021-12-14 同济大学 一种高速视频水下结构三维定位验证方法及装置

Similar Documents

Publication Publication Date Title
CN104236528A (zh) 一种非合作目标相对位姿测量方法
KR102647351B1 (ko) 3차원의 포인트 클라우드를 이용한 모델링 방법 및 모델링 장치
CN114782691A (zh) 基于深度学习的机器人目标识别与运动检测方法、存储介质及设备
CN103530881B (zh) 适用于移动终端的户外增强现实无标志点跟踪注册方法
CN104715479A (zh) 基于增强虚拟的场景复现检测方法
CN113052109A (zh) 一种3d目标检测系统及其3d目标检测方法
CN106485690A (zh) 基于点特征的点云数据与光学影像的自动配准融合方法
CN103854283A (zh) 一种基于在线学习的移动增强现实跟踪注册方法
CN102982334B (zh) 基于目标边缘特征与灰度相似性的稀疏视差获取方法
CN103839277A (zh) 一种户外大范围自然场景的移动增强现实注册方法
CN102902355A (zh) 移动设备的空间交互方法
CN108470356A (zh) 一种基于双目视觉的目标对象快速测距方法
Taketomi et al. Real-time and accurate extrinsic camera parameter estimation using feature landmark database for augmented reality
CN103903263B (zh) 一种基于Ladybug全景相机图像的360度全方位测距方法
CN104596519A (zh) 基于ransac算法的视觉定位方法
CN109425348A (zh) 一种同时定位与建图的方法和装置
CN102075686A (zh) 一种鲁棒的实时在线摄像机跟踪方法
CN110390685A (zh) 一种基于事件相机的特征点跟踪方法
CN105989586A (zh) 一种基于语义光束平差法的slam方法
CN103428408B (zh) 一种适用于帧间的图像稳像方法
KR20220149717A (ko) 단안 카메라로부터 전체 골격 3d 포즈 복구
CN109978919A (zh) 一种基于单目相机的车辆定位方法及系统
Singh et al. Fusing semantics and motion state detection for robust visual SLAM
JP2006285952A (ja) 画像処理方法、画像処理装置、プログラムおよび記録媒体
CN104166977B (zh) 一种图像匹配相似性测度方法及其图像匹配方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20141224