CN104680522B - 基于智能手机前后摄像头同时工作的视觉定位方法 - Google Patents
基于智能手机前后摄像头同时工作的视觉定位方法 Download PDFInfo
- Publication number
- CN104680522B CN104680522B CN201510065115.3A CN201510065115A CN104680522B CN 104680522 B CN104680522 B CN 104680522B CN 201510065115 A CN201510065115 A CN 201510065115A CN 104680522 B CN104680522 B CN 104680522B
- Authority
- CN
- China
- Prior art keywords
- camera
- image
- data
- mobile phone
- smart mobile
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000009977 dual effect Effects 0.000 claims abstract description 5
- 230000002146 bilateral effect Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 241001269238 Data Species 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000005316 response function Methods 0.000 claims description 2
- 238000005286 illumination Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 4
- 238000002474 experimental method Methods 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 235000011475 lollipops Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
- H04M1/7243—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages
- H04M1/72439—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality with interactive means for internal management of messages for image or video messaging
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
- Telephone Function (AREA)
Abstract
本发明公开了一种基于智能手机前后摄像头同时工作的视觉定位方法，包括视觉数据获取及预处理、IMU数据获取及预处理和设备位置姿态估计三个步骤，通过智能手机的前后摄像头获取图像并进行简单预处理，给出可用于位置估计的图像数据；获取智能手机的IMU数据，同步数据刷新周期；融合图像和IMU数据，给出设备的位置和姿态估计。本发明采用智能手机的前后双摄像头避免室内光照变化频繁及单侧强光或弱光对算法的影响。在整个过程中，最终解算出的位置及姿态信息可以实时输出给无人飞行器等用于导航。
Description
技术领域
本发明属于计算机视觉与机器人交叉领域，涉及一种基于流行智能手机平台前后摄像头同时工作的视觉定位方法。
背景技术
在导航定位领域，视觉导航由于仅需要使用简单的传感器，适用于复杂的环境，有着较为广泛的应用。针对纯视觉导航的误差问题，又引入了IMU和视觉融合的定位和导航方法。
但以往的视觉定位和导航算法往往在室内应用时存在一定的问题。由于室内光照条件的复杂，如常出现的单侧强光照而另一侧则比较昏暗，进入房间时光照突变等，以往的视觉定位方法会出现交叉的
随着智能手机的迅速发展，其计算能力已经相当可观，同时也配备了充分的传感器，如陀螺仪，加速度计，气压计，其摄像头的精度也有了非常大的进步。
发明内容
本发明的目的在于针对室内光照条件的复杂，以及低成本实现视觉定位和导航的问题，提出一种基于流行智能手机平台，同时使用前后摄像头的室内定位方法。
本发明解决其技术问题是通过以下技术方案来实现的：一种基于智能手机前后摄像头同时工作的视觉定位方法，包括以下步骤：
(1)视觉数据获取及预处理：智能手机放置于室内环境，通过智能手机自带的前后摄像头获取视觉图像数据；根据实际应用场景，选定固定的图像获取速率，记为m帧/秒，m取10-20；对获得图像进行预处理；
(2)IMU数据获取及预处理：获得IMU数据，所述IMU数据为智能手机自带的陀螺仪和加速度计数据；根据智能手机传感器的性能，选定固定的传感器数据获取速率，记为n帧/秒；
(3)根据步骤1预处理后的视觉数据和步骤2预处理后的IMU数据，进行设备位置和姿态估计，包括以下子步骤：
(3.1)当仅有IMU数据，没有图像数据获得时，使用IMU数据扩展其状态和协方差矩阵；
(3.2)当图像数据到达时，执行以下操作：
(3.2.1)通过特征提取算法(常见的如SIFT，SURF等)获得图像数据的特征点及描述，在单侧的图像帧之间完成特征匹配，利用特征点优化算法(如RANSAC)减少特征匹配的误差；
(3.2.2)根据步骤3.2.1获得的图像特征数据及步骤3.1获得的IMU状态和协方差矩阵及图像数据，使用扩展卡尔曼滤波(EKF)，获得摄像头的位置和姿态估计；
(3.2.3)根据步骤3.2.2获得的摄像头位置和姿态估计以及最新的IMU数据，扩展IMU状态和协方差矩阵；
(3.3)若有标记无效的单侧摄像头数据到达，则使用另一侧摄像头当前的位置和姿态估计，结合设备上双摄像头相对位置，重新获得无效侧摄像头初始位置，且抛弃其对应的原所有摄像头姿态数据。
进一步地，所述步骤1具体包括以下子步骤：
(1.1)同时开启智能手机的前后摄像头(分别记为摄像头A和摄像头B)，同步前后摄像头的获取速率，使其保持相同的帧速m获取图像数据，禁用自动对焦以避免焦距的改变；
(1.2)图像到达时分别测量并判断其亮度，设置亮度阈值范围为[T1,T2]，判断每一帧图像亮度是否在亮度阈值范围内；如图像满足亮度条件，更新对应摄像头的时间标记，进入步骤1.3，否则直接抛弃图像；
(1.3)若双侧摄像头采集的图像均满足亮度条件且获取时间距上次符合要求的图像的获取时间均没有超过时间阈值t，则将双侧图像数据送入步骤3进行融合；
(1.4)若单侧摄像头图像获取时间距上次符合要求的图像的获取时间超过时间阈值t，则标记该摄像头图像数据无效，并把无效信息及另一侧图像数据送入步骤3，同时抛弃该无效摄像头所有已存储数据；
(1.5)若双侧摄像头图像获取时间距上次符合要求的图像的获取时间均超过时间阈值t，则中止定位。
进一步地，所述步骤3.2.1具体包括以下子步骤：
(3.2.1.1)对步骤1输入的所有图像应用特征响应函数凸显特征点，如SIFT算法常用的高斯差操作；
(3.2.1.2)对步骤3.1.1处理后的图像应用非极值抑制操作，在特征函数的响应图里找出所有区域极小值和极大值；
(3.2.1.3)对步骤1输入的所有图像进行降采样后重复步骤3.1.1和3.1.2，实现特征识别的尺度不变性；
(3.2.1.4)将单侧的多帧图像的特征点相互匹配，实现特征点的对应；
(3.2.1.5)通过RANSAC或类似算法优化特征点匹配结果，去除错误的特征点对应。
本发明的有益效果是：本发明使用智能手机实现IMU和视觉辅助室内定位，一方面简化了系统的开发，无须自己搭建复杂的软硬件平台，另一方面则可以将其与日常应用结合，实现部分增强现实应用。此外，本发明利用智能手机前后双摄像头的特点，同时使用前后摄像头进行视觉定位，有助于在单侧光照恶劣或光照强度快速变化的场合，如室内，进行较为精确的，可稳定运行的视觉定位。
附图说明
图1是本发明的系统结构图；
图2是本发明方法的总流程图；
图3是本发明方法融合流程示意图；
图4是具体实施方式下软件结构的示意图。
具体实施方式
下面以在Android平台上实现本发明方法为例，本发明的系统结构如图1所示。如图2所示，本发明一种基于智能手机前后摄像头同时工作的视觉定位方法，包括以下步骤：
(1)视觉数据获取及预处理：智能手机放置于室内环境，通过智能手机自带的前后摄像头获取视觉图像数据；根据实际应用场景，选定固定的图像获取速率，记为m帧/秒，m通常取10-20；对获得图像进行预处理；具体包括以下子步骤：
(1.1)同时开启智能手机的前后摄像头(分别记为摄像头A和摄像头B)，同步前后摄像头的获取速率，使其保持相同的帧速m获取图像数据，禁用自动对焦以避免焦距的改变；
(1.2)图像到达时分别测量并判断其亮度，设置亮度阈值范围为[T1,T2]，判断每一帧图像亮度是否在亮度阈值范围内；如图像满足亮度条件，更新对应摄像头的时间标记(如摄像头A)，进入步骤1.3，否则直接抛弃图像；
(1.3)若双侧摄像头采集的图像均满足亮度条件且获取时间距上次符合要求的图像的获取时间均没有超过时间阈值t，则将双侧图像数据送入步骤3进行融合；
(1.4)若单侧摄像头图像获取时间距上次符合要求的图像的获取时间超过时间阈值t，则标记该摄像头图像数据无效，并把无效信息及另一侧图像数据送入步骤3，同时抛弃该无效摄像头所有已存储数据；
(1.5)若双侧摄像头图像获取时间距上次符合要求的图像的获取时间均超过时间阈值t，则中止定位。
根据以上步骤1.1到1.5，选定m为10，即固定前后摄像头以10帧的速度进行图像采集。实验使用Android 5.0 Lollipop平台，使用其新引入的Camera 2 API获取图像数据，其优点是将摄像头的输入输出抽象为流水线，更有利于对流式图像做处理及输出，其后使用OpenCV for Android SDK进行图像处理。为方便图像处理，设置获取图像的格式为YUV_420_888。取t为3s，即单侧超过3s没有符合要求的图像时使用另一侧数据重新估计位置，双侧均超过3s没有符合要求的图像时则中止定位。
实际使用时，帧数及阈值的选择取决于设备的性能及具体定位精度的要求，提高帧数有利于提高定位精度，但其对设备的性能要求相对较高，而较低的帧数有利于在相对性能较弱的设备上运行算法，但在移动较快的场景下，定位精度可能有一定损失。而较大的超时阈值t则有利于在更恶劣的环境下持续运行算法，但会带来更大的定位误差，而较小的阈值则相反。因此，只要采用基于光照选择使用双侧图像的思想，不论其帧数，阈值及所使用系统如何，都属于本发明的内容。
本发明设计的基于智能手机平台的图像采集及预处理方法，能够处理以下两种特殊情况：a)长时间单侧光照恶劣，如过于明亮或者昏暗；b)短时间光照突变，如开关房门时。并在一定程度上增加光照良好情况下的定位精度。
(2)IMU数据获取及预处理：获得智能手机自带的陀螺仪和加速度计数据；根据不同智能手机传感器的性能，选定固定的传感器数据获取速率，记为n帧/秒。
实际使用中，由于智能手机的多个传感器数据刷新频率不一致，需要根据设备传感器性能选择，本实验中选择n为60，即每秒获得60次陀螺仪和加速度计数据。
由于传感器实际回报速率较难精确控制，因此采用重采样的方法获得固定速率的传感器数据，通过对原传感器数据进行插值和重采样，输出频率一致为60帧/秒的传感器数据。
此外，获得数据后视具体情况对传感器数据做简单处理，如尺度的变换及明显异常值的剔除，但不应对其做太过复杂的处理。
(3)如图3所示，进行设备位置和姿态估计，包括以下子步骤：
(3.1)当仅有IMU数据，没有图像数据获得时(IMU数据获得频率通常都高于摄像头)，使用IMU数据扩展其状态和协方差矩阵；
(3.2)当图像数据到达时，执行以下操作：
(3.2.1)通过特征提取算法(常见的如SIFT，SURF等)获得图像数据的特征点及描述，在单侧的图像帧之间完成特征匹配，利用特征点优化算法(如RANSAC)减少特征匹配的误差；
(3.2.2)使用步骤3.2.1获得的图像特征数据及步骤3.1里获得的IMU状态和协方差矩阵及图像数据，使用扩展卡尔曼滤波(EKF)，获得摄像头的位置和姿态估计；
(3.2.3)使用步骤3.2.2的摄像头位置和姿态估计和最新的IMU数据，扩展IMU状态和协方差矩阵；
本实验中，选用SURF作为特征和描述符算法，RANSAC作为特征匹配误差优化算法，以下为步骤3.2.1的具体步骤：
(3.2.1.1)通过高斯滤波和Hessian矩阵行列式计算，得到变换后图像组成的高斯金字塔尺度空间，不同层数中的图像的区别在于高斯模糊大小不同；
(3.2.1.2)通过对比高斯金字塔尺度空间三维领域内26个点的大小，初步找出特征点，并使用三维线性插值算法找出准确的特征点位置；
(3.2.1.3)计算特征点邻域(6s,s为特征点所在的尺度)内60度扇形的水平及垂直Haar小波特征，旋转扇形找到最大的方向，作为特征点的主方向；
(3.2.1.4)将特征点附近边长为20s的正方形框均分为16个子区域，统计其水平和垂直方向的Haar小波特征，将其水平方向之和，水平方向绝对值之和，垂直方向之和，垂直方向绝对值之和，共4×16＝64维向量作为特征描述算子；
(3.2.1.5)将多帧图像的特征点相互匹配，实现特征点的对应；
(3.2.1.6)反复在所有特征点里随机选取N个特征点，估计摄像头模型，计算其它点到模型的具体，找出距离最小的一组特征点，作为俄内点估计摄像头模型。
(3.3)若有标记无效的单侧摄像头数据到达，则使用另一侧摄像头当前的位置和姿态估计，结合设备上双摄像头相对位置，重新获得其初始位置，且抛弃其对应的原所有摄像头姿态数据。
在实验中，为进一步降低算法运行压力，抛弃存储的超过一定时间的摄像头状态。
在实际的特征识别与匹配里，由于环境的复杂性，图像会出现各种变形，如光照、位置、仿射等变换对于图像特征的影响。因此在对比各特征算法的特点及效果后，选择了SURF算法作为特征识别算法，其具有对旋转，尺度及仿射的不变性，且在保证一定的可重复，可定位及鲁棒性的前提下具有较高的运行效率。
具体的图像特征算法及误差修正算法需要根据实际应用场合及性能要求选取，以获得最佳的性能及效果，因此，不论其使用何特征识别算法和误差修正算法，只要采用前后摄像头同时工作，获取图像进行特征识别并匹配的方法，均属于本发明的内容。
对于输入的图像数据，为了进一步降低算法运行的压力，加入一定的过滤机制，对于变化不大且距离前次有效图像时间较短的图像，不再重复进行计算，而是直接丢弃。
为提高程序的实时性和充分利用多核处理器的多线程能力，程序设计为各独立线程接收处理传感器数据，各自通过本地Socket连接向算法线程传送数据，由算法线程进行统一的处理，完成后交由输出线程输出到相应的设备，而主线程则负责控制其它线程及UI交互，具体结构见图4。
Claims (2)
1.一种基于智能手机前后摄像头同时工作的视觉定位方法，其特征在于，包括以下步骤：
(1)视觉数据获取及预处理：智能手机放置于室内环境，通过智能手机自带的前后摄像头获取视觉图像数据；根据实际应用场景，选定固定的图像获取速率，记为m帧/秒，m取10-20；对获得图像进行预处理；该步骤具体包括以下子步骤：
(1.1)同时开启智能手机的前后摄像头，同步前后摄像头的获取速率，使其保持相同的帧速m获取图像数据，禁用自动对焦以避免焦距的改变；
(1.2)图像到达时分别测量并判断其亮度，设置亮度阈值范围为[T1,T2]，判断每一帧图像亮度是否在亮度阈值范围内；如图像满足亮度条件，更新对应摄像头的时间标记，进入步骤(1.3)，否则直接抛弃图像；
(1.3)若双侧摄像头采集的图像均满足亮度条件且获取时间距上次符合要求的图像的获取时间均没有超过时间阈值t，则将双侧图像数据送入步骤(3)进行融合；
(1.4)若单侧摄像头图像获取时间距上次符合要求的图像的获取时间超过时间阈值t，则标记该摄像头图像数据无效，并把无效信息及另一侧图像数据送入步骤(3)，同时抛弃该摄像头所有已存储数据；
(1.5)若双侧摄像头图像获取时间距上次符合要求的图像的获取时间均超过时间阈值t，则中止定位；
(2)IMU数据获取及预处理：获得IMU数据，所述IMU数据为智能手机自带的陀螺仪和加速度计数据；根据智能手机传感器的性能，选定固定的传感器数据获取速率，记为n帧/秒；
(3)根据步骤(1)预处理后的视觉数据和步骤(2)预处理后的IMU数据，进行设备位置和姿态估计，包括以下子步骤：
(3.1)当仅有IMU数据，没有图像数据获得时，使用IMU数据扩展其状态和协方差矩阵；
(3.2)当图像数据到达时，执行以下操作：
(3.2.1)通过特征提取算法获得图像数据的特征点及描述，在单侧的图像帧之间完成特征匹配，利用特征点优化算法减少特征匹配的误差；
(3.2.2)根据步骤(3.2.1)获得的图像特征数据及步骤(3.1)获得的IMU状态和协方差矩阵及图像数据，使用扩展卡尔曼滤波，获得摄像头的位置和姿态估计；
(3.2.3)根据步骤(3.2.2)获得的摄像头位置和姿态估计以及最新的IMU数据，扩展IMU状态和协方差矩阵；
(3.3)若有标记无效的单侧摄像头数据到达，则使用另一侧摄像头当前的位置和姿态估计，结合设备上双摄像头相对位置，重新获得无效侧摄像头初始位置，且抛弃其对应的原所有摄像头姿态数据。
2.根据权利要求1所述基于智能手机前后摄像头同时工作的视觉定位方法，其特征在于，所述步骤(3.2.1)具体包括以下子步骤：
(3.2.1.1)对步骤(1)输入的所有图像应用特征响应函数凸显特征点；
(3.2.1.2)对步骤(3.1.1)处理后的图像应用非极值抑制操作，在特征函数的响应图里找出所有区域极小值和极大值；
(3.2.1.3)对步骤(1)输入的所有图像进行降采样后重复步骤(3.1.1)和(3.1.2)，实现特征识别的尺度不变性；
(3.2.1.4)将单侧的多帧图像的特征点相互匹配，实现特征点的对应；
(3.2.1.5)通过RANSAC算法优化特征点匹配结果，去除错误的特征点对应。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510065115.3A CN104680522B (zh) | 2015-02-09 | 2015-02-09 | 基于智能手机前后摄像头同时工作的视觉定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510065115.3A CN104680522B (zh) | 2015-02-09 | 2015-02-09 | 基于智能手机前后摄像头同时工作的视觉定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104680522A CN104680522A (zh) | 2015-06-03 |
| CN104680522B true CN104680522B (zh) | 2017-06-23 |
Family
ID=53315515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510065115.3A Active CN104680522B (zh) | 2015-02-09 | 2015-02-09 | 基于智能手机前后摄像头同时工作的视觉定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104680522B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10073531B2 (en) * | 2015-10-07 | 2018-09-11 | Google Llc | Electronic device pose identification based on imagery and non-image sensor data |
| CN105953796A (zh) * | 2016-05-23 | 2016-09-21 | 北京暴风魔镜科技有限公司 | 智能手机单目和imu融合的稳定运动跟踪方法和装置 |
| CN105894486B (zh) * | 2016-06-29 | 2018-08-03 | 深圳市优象计算技术有限公司 | 一种基于imu信息的手机夜拍方法 |
| CN106813672B (zh) * | 2017-01-22 | 2020-02-14 | 深圳悉罗机器人有限公司 | 移动机器人的导航方法及移动机器人 |
| CN108253963B (zh) * | 2017-12-20 | 2021-04-20 | 广西师范大学 | 一种基于多传感器融合的机器人自抗扰定位方法以及定位系统 |
| CN111811421B (zh) * | 2020-07-17 | 2021-09-03 | 中国人民解放军国防科技大学 | 一种高速实时形变监测方法及系统 |
| CN113188605B (zh) * | 2021-05-12 | 2022-06-21 | 郑州大学 | 一种基于智能手机的物理实验方法 |
| CN114550491A (zh) * | 2022-03-03 | 2022-05-27 | 东南大学 | 一种基于手机的机场地下停车位定位导航方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101441769A (zh) * | 2008-12-11 | 2009-05-27 | 上海交通大学 | 单目摄像机实时视觉定位方法 |
| CN103186797A (zh) * | 2011-12-29 | 2013-07-03 | 财团法人工业技术研究院 | 视觉定位方法及装置 |
| EP2434256A3 (en) * | 2010-09-24 | 2014-04-30 | Honeywell International Inc. | Camera and inertial measurement unit integration with navigation data feedback for feature tracking |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7376262B2 (en) * | 2003-08-04 | 2008-05-20 | American Gnc Corporation | Method of three dimensional positioning using feature matching |
-
2015
- 2015-02-09 CN CN201510065115.3A patent/CN104680522B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101441769A (zh) * | 2008-12-11 | 2009-05-27 | 上海交通大学 | 单目摄像机实时视觉定位方法 |
| EP2434256A3 (en) * | 2010-09-24 | 2014-04-30 | Honeywell International Inc. | Camera and inertial measurement unit integration with navigation data feedback for feature tracking |
| CN103186797A (zh) * | 2011-12-29 | 2013-07-03 | 财团法人工业技术研究院 | 视觉定位方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| Linear pose estimation from points or lines;Ansar A等;《IEEE Transactions on Pattern Analysis and Machine Intelligence》;20031231;第25卷(第05期);第578-589页 * |
| Real-Time Simultaneous Localisation and Mapping with a Single Camera;Davison A等;《Proceedings of the International Conference on Computer Vision》;20031231;第1403-1410页 * |
| 基于视觉的微小型四旋翼飞行机器人位姿估计与导航研究;郑伟;《中国博士学位论文全文数据库 信息科技辑》;20141015(第10期);第31页，第42页，第四章，第五章 * |
| 用于无人直升机着舰控制的计算机视觉技术研究;邱力为等;《航空学报》;20031231;第24卷(第04期);第351-354页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104680522A (zh) | 2015-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104680522B (zh) | 基于智能手机前后摄像头同时工作的视觉定位方法 | |
| CN107590453B (zh) | 增强现实场景的处理方法、装置及设备、计算机存储介质 | |
| CN110046546B (zh) | 一种自适应视线追踪方法、装置、系统及存储介质 | |
| CN104463108B (zh) | 一种单目实时目标识别及位姿测量方法 | |
| US9516214B2 (en) | Information processing device and information processing method | |
| EP3296953B1 (en) | Method and device for processing depth images | |
| CN110263657A (zh) | 一种人眼追踪方法、装置、系统、设备和存储介质 | |
| US10218913B2 (en) | HDR/WDR image time stamps for sensor fusion | |
| CN108268864A (zh) | 人脸识别方法、系统、电子设备和计算机程序产品 | |
| US11151731B2 (en) | Apparatus and method for efficient regularized image alignment for multi-frame fusion | |
| CN109741369A (zh) | 一种用于机器人跟踪目标行人的方法及系统 | |
| CN101930628A (zh) | 基于单目摄像机和多平面镜折反射装置的运动捕捉方法 | |
| CN103886107A (zh) | 基于天花板图像信息的机器人定位与地图构建系统 | |
| CN108171734A (zh) | 一种orb特征提取与匹配的方法及装置 | |
| KR102530222B1 (ko) | 이미지 센서 및 이미지 센서의 동작 방법 | |
| CN109525786A (zh) | 视频处理方法、装置、终端设备及存储介质 | |
| CN109887029A (zh) | 一种基于图像颜色特征的单目视觉里程测量方法 | |
| CN109919971A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN110505398A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN114926514B (zh) | 一种事件图像与rgb图像的配准方法及装置 | |
| CN109948624A (zh) | 特征提取的方法、装置、电子设备和计算机存储介质 | |
| CN115661341A (zh) | 一种基于多传感器融合的实时动态语义建图方法与系统 | |
| CN117876608B (zh) | 三维图像重建方法、装置、计算机设备及存储介质 | |
| CN111046796A (zh) | 一种基于双摄像头深度信息的低成本空间手势控制方法及系统 | |
| CN105893578A (zh) | 一种照片选择的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |