CN106780511A - 基于单目视觉的慢旋非合作目标相对测量系统和方法 - Google Patents
基于单目视觉的慢旋非合作目标相对测量系统和方法 Download PDFInfo
- Publication number
- CN106780511A CN106780511A CN201611092726.8A CN201611092726A CN106780511A CN 106780511 A CN106780511 A CN 106780511A CN 201611092726 A CN201611092726 A CN 201611092726A CN 106780511 A CN106780511 A CN 106780511A
- Authority
- CN
- China
- Prior art keywords
- target
- feature
- image
- slow rotation
- characteristic
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于单目视觉的慢旋非合作目标相对测量方法,该测量系统包含图像预处理单元,用于对采集的慢旋目标图像进行图像降噪、图像增强及图像分割过程,获取用于解算的目标有效区域;图像特征的选择与提取单元,用于对目标有效区域中的目标本体矩形、圆及点特征的检测提取;特征表达与检索单元,用于实现旋转目标实时二位图像特征与三位目标特征的连续跟踪匹配;位姿结算单元,用于根据不同旋转角速度下提取的不同特征解算求得慢旋非合作目标相对位置和相对姿态信息。本发明具有实时性好、鲁棒性强及测量精度高等优点。
Description
技术领域
本发明涉及航天器相对测量技术,特别涉及一种基于单目视觉的慢旋非合作目标相对测量系统和方法。
背景技术
为了实现空间交会对接、抓取捕获等在轨操控任务,需要对航天器与目标航天器之间的相对位置、姿态进行精确测量。基于视觉的测量方式具有非接触、精度较高、稳定性好等特点。按照测量方式的不同,分为合作目标视觉测量方式和非合作目标视觉测量方式。基于合作目标视觉测量方式具有精度高、速度快的特点,但需要在目标上安装主动或被动发光的标记点,且受限于安装标记物的位置,只有有限的自由度。尤其是在空间视觉测量中,背景相对简单,且需要一定监控任务的情况下,非合作的目标视觉测量方式更为适合。在非合作的目标视觉测量实现过程中,非合作目标航天器的信息获取途径少,既缺乏足够的先验知识又不具有易于稳定提取和识别的人工标记点,且还无法通过航天器间相互通信和导航卫星的测量获得有效信息,只能依赖于对包含目标航天器的场景图像或图像序列进行处理,提取被测目标的有效特征,获取空间目标实时位姿信息,为后续的在轨操控任务中的控制部分提供测量结果。
相比无自旋运动的非合作目标的相对测量,基于慢旋运动的非合作目标成像的大小、形状和姿态都在随着目标的慢旋运动而不断地变换,因此追踪星时刻提取的用于解算的目标星的特征随着目标的慢旋运动而不断变化,图像信息处理算法比较复杂,面临着可靠性和实时性的挑战,为得到实时性好、鲁棒性强及精度高的位姿测量结果,其测量方法就显得尤为重要。
发明内容
本发明的目的是提供一种基于单目视觉的慢旋非合作目标相对测量系统和方法,解决了逼近过程中追踪星与慢旋运动的目标星之间相对位置和姿态的测量,具有实时性好、鲁棒性强及测量精度高等优点,为后续空间在轨操控任务的顺利实施提供位姿信息支持。
为了实现以上目的,本发明是通过以下技术方案实现的:
一种基于单目视觉的慢旋非合作目标相对测量系统,其特点是,包含:
图像预处理单元,用于对采集的慢旋目标图像进行图像降噪、图像增强及图像分割过程,获取用于解算的目标有效区域;
图像特征的选择与提取单元,用于对目标有效区域中的目标本体矩形、圆及点特征的检测提取;
特征表达与检索单元,用于实现旋转目标实时二位图像特征与三位目标特征的连续跟踪匹配;
位姿结算单元,用于根据不同旋转角速度下提取的不同特征解算求得慢旋非合作目标相对位置和相对姿态信息。
一种基于单目视觉的慢旋非合作目标相对测量方法,其特点是,该方法包含:
S1,图像预处理单元对采集的慢旋目标图像进行图像降噪、图像增强及图像分割过程,获取用于解算的目标有效区域;
S2,图像特征的选择与提取单元对目标有效区域中的目标本体矩形、圆及点特征的检测提取;
S3,特征表达与检索单元实现旋转目标实时二位图像特征与三位目标特征的连续跟踪匹配;
S4,位姿结算单元根据不同旋转角速度下提取的不同特征解算求得慢旋非合作目标相对位置和相对姿态信息。
所述的步骤S2中图像特征的选择与提取单元提取的矩形特征用于获取姿态解算的消失点特征。
所述的步骤S3具体包含:
S3.1,将空间目标分割为主体与子部件,提取相关几何特征;
S3.2,利用尺度不变特征检索法对提取的目标几何特征编码;
S3.3,对编码特征构建局部特征数据库;
S3.4,采用特征跟踪法实现旋转目标实时二维图像特征与三维目标特征的连续跟踪匹配。
所述的步骤S3.1具体为:通过探测各子部件边界和区域面积确定其几何特征进而分割得到独立分离的空间目标主体和子部件,将各子部件进行多边形拟合,以拟合区域为基本单元提取其几何特征。
所述的步骤S3.2具体为:利用目标卫星各个表面及其显著特征的几何体的数目、子部件的面积及各部件之间的距离以及参照表面之间的连接性和相关性尺度不变特征进行几何特征编码,生成各姿态模型对应的特征检索向量。
所述的步骤S3.3具体为:根据目标自身的结构特点,在目标各个表面选取具有代表性的特征构建局部特征数据库,使数据库里的每个姿态对应一唯一的数值检索。
所述的步骤S3.4具体为:目标上最为显著的特征检测结果作为特征匹配的初始条件,确定目标在视场中可视的表面编码,并以此为初始状态,开始进行特征匹配,比较观测图像提取的特征检索与数据库里的各个模型的检索值,并采用特征跟踪法实现旋转目标实时二维图像特征与三维目标特征的连续跟踪匹配。
位姿解算单元根据不同时刻提取的不同特征分别采取圆和消失点位姿解算,圆和特征点位姿解算,消失点和特征点位姿解算,及特征点位姿解算四种位姿解算方案完成慢旋非合作目标的相对测量。
本发明与现有技术相比,具有以下优点:
本发明解决了逼近过程中追踪星与慢旋运动的目标星之间相对位置和姿态的测量,具有实时性好、鲁棒性强及测量精度高等优点,为后续空间在轨操控任务的顺利实施提供位姿信息支持
附图说明
图1为本发明一种基于单目视觉的慢旋非合作目标相对测量方法的流程图。
具体实施方式
以下结合附图,通过详细说明一个较佳的具体实施例,对本发明做进一步阐述。
一种基于单目视觉的慢旋非合作目标相对测量系统,包含:图像预处理单元,用于对采集的慢旋目标图像进行图像降噪、图像增强及图像分割过程,获取用于解算的目标有效区域;图像特征的选择与提取单元,用于对目标有效区域中的目标本体矩形、圆及点特征的检测提取;特征表达与检索单元,用于实现旋转目标实时二位图像特征与三位目标特征的连续跟踪匹配;位姿结算单元,用于根据不同旋转角速度下提取的不同特征解算求得慢旋非合作目标相对位置和相对姿态信息。
如图1所示,一种基于单目视觉的慢旋非合作目标相对测量方法,该方法包含:
S1,图像预处理单元对采集的慢旋目标图像进行图像降噪、图像增强及图像分割过程,获取用于解算的目标有效区域;
S2,图像特征的选择与提取单元对目标有效区域中的目标本体矩形、圆及点特征的检测提取;
S3,特征表达与检索单元实现旋转目标实时二位图像特征与三位目标特征的连续跟踪匹配;
S4,位姿结算单元根据不同旋转角速度下提取的不同特征解算求得慢旋非合作目标相对位置和相对姿态信息。
所述的步骤S2中图像特征的选择与提取单元提取的矩形特征用于获取姿态解算的消失点特征。
所述的步骤S3具体包含:
S3.1,将空间目标分割为主体与子部件,提取相关几何特征;
S3.2,利用尺度不变特征检索法对提取的目标几何特征编码;
S3.3,对编码特征构建局部特征数据库;
S3.4,采用特征跟踪法实现旋转目标实时二维图像特征与三维目标特征的连续跟踪匹配。
所述的步骤S3.1具体为:通过探测各子部件边界和区域面积确定其大小、方向和质心等几何特征进而分割得到独立分离的空间目标主体和子部件,将各子部件进行多边形拟合,以拟合区域为基本单元提取其几何特征。
假设大小为M×N的数字图像f(x,y)的二维(p+q)阶矩定义为
其中,p=0,1,2,...,q=0,1,2,...,相应的(p+q)阶中心矩定义为
其中
一阶矩可用来描述区域的质心。由ηpq表示的归一化中心矩定义为:
式中:
其中,p+q=2,3,...。
区域对象的延伸方向(即长轴方向)可定义为
其几何意义是与区域有相同的二阶矩的椭圆长轴与x轴夹角。区域的长轴a与短轴b也同样用此椭圆的长轴与短轴长度近似
将分割后得到的空间目标主体与部件分别拟合为与区域有相同二阶矩的椭圆进行处理,利用式(3)计算各部件的质心,再通过(7)和(8)得到各部件的长短轴,利用椭圆面积公式计算其面积,即可得到所需的几何特征参数。
所述的步骤S3.2具体为:利用目标卫星各个表面及其显著特征的几何体的数目、子部件的面积及各部件之间的距离以及参照表面之间的连接性和相关性尺度不变特征进行几何特征编码,生成各姿态模型对应的特征检索向量。
(a)利用式(3)计算各部件的质心;
(b)通过(7)和(8)得到各部件的长短轴;
(c)利用椭圆面积公式计算其面积,并将其作为对应区域面积;
(d)通过质心坐标计算得到各部件间的欧式距离;
(e)分别计算1-(dij/dmax)2与ai/amax,得到特征检索矩阵M,其中dij代表部件i与部件j之间的欧式距离,dmax代表所有部件间欧式距离最大值;ai代表部件i的区域面积,amax代表所有部件中区域面积最大值。
(f)计算矩阵M的特征向量,该向量即为对应空间目标姿态的检索向量
所述的步骤S3.3具体为:根据目标自身的结构特点,在目标各个表面选取具有代表性的特征,,例如圆、轮廓、典型结构上的角点构建局部特征数据库,使数据库里的每个姿态对应一唯一的数值检索。
所述的步骤S3.4具体为:目标上最为显著的特征检测结果作为特征匹配的初始条件,确定目标在视场中可视的表面编码,并以此为初始状态,开始进行特征匹配,比较观测图像提取的特征检索与数据库里的各个模型的检索值,并采用特征跟踪法实现旋转目标实时二维图像特征与三维目标特征的连续跟踪匹配。
位姿解算单元根据不同时刻提取的不同特征分别采取圆和消失点位姿解算,圆和特征点位姿解算,消失点和特征点位姿解算,及特征点位姿解算四种位姿解算方案完成慢旋非合作目标的相对测量。
考虑到图像帧间特征位置变化较小,采用扩展卡尔曼滤波(EKF)即可实现特征点跟踪;
对于椭圆特征跟踪,可以通过对椭圆圆心位置的跟踪来实现,根据运动预测的结果,将后一帧椭圆的检测范围限定在圆心位置估计值的邻域内,以排除其它噪声对椭圆检测的干扰;
对于直线特征的跟踪,可以将图像平面上检测到的轮廓直线进行Hough变换,将其映射为Hough空间的一个点,使用上述关于点跟踪的方法对Hough空间中的点进行跟踪,从而达到对直线特征的跟踪。
特征跟踪不仅可以实现二维图像特征与三维目标模型的持续匹配过程,同时也为提高椭圆、角点以及直线等几何特征检测的精度和效率提供可靠保证。
所述步骤S4特征匹配以目标上最为显著的特征检测结果作为特征匹配的初始条件,确定目标在视场中可视的表面编码,并以此为初始状态,开始进行特征匹配。通过比较观测图像提取的特征检索与数据库里的各个模型的检索值,通过简单的最小距离或相关系数得出模型之间的相似程度,并按相似性度大小返回检索结果确定最佳匹配,得到初始的位姿对应关系,并采用特征跟踪法实现旋转目标实时二维图像特征与三维目标特征的连续跟踪匹配。
其中特征匹配选用欧氏距离度量作为相似性匹配的度量方法,特征向量间欧氏距离最小的模型姿态即视为得到的最佳姿态估计结果。设任意两个三维模型的特征向量分别为X=(x1,x2,...,xn),则这三种距离度量可分别表达为:
在检索过程中,可以通过对不同特征赋予大小不同的权值以根据反映情况对结果施加影响,加权的欧式距离度量还可以由下式表达:
其中,ωi为不同特征的权值。
所述的位姿解算模块单元结合目标自身结构和尺寸,追踪星上视觉敏感器相关参数,目标星与追踪星之间的相对距离及当前时刻敏感器获取的旋转目标表面特征分别采取圆和消失点位姿解算,圆和特征点位姿解算,消失点和特征点位姿解算及特征点位姿解算四种位姿解算方案完成慢旋非合作目标的相对测量。
综上所述,本发明一种基于单目视觉的慢旋非合作目标相对测量系统和方法,解决了逼近过程中追踪星与慢旋运动的目标星之间相对位置和姿态的测量,具有实时性好、鲁棒性强及测量精度高等优点,为后续空间在轨操控任务的顺利实施提供位姿信息支持。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (9)
1.一种基于单目视觉的慢旋非合作目标相对测量系统,其特征在于,包含:
图像预处理单元,用于对采集的慢旋目标图像进行图像降噪、图像增强及图像分割过程,获取用于解算的目标有效区域;
图像特征的选择与提取单元,用于对目标有效区域中的目标本体矩形、圆及点特征的检测提取;
特征表达与检索单元,用于实现旋转目标实时二位图像特征与三位目标特征的连续跟踪匹配;
位姿结算单元,用于根据不同旋转角速度下提取的不同特征解算求得慢旋非合作目标相对位置和相对姿态信息。
2.一种基于单目视觉的慢旋非合作目标相对测量方法,其特征在于,该方法包含:
S1,图像预处理单元对采集的慢旋目标图像进行图像降噪、图像增强及图像分割过程,获取用于解算的目标有效区域;
S2,图像特征的选择与提取单元对目标有效区域中的目标本体矩形、圆及点特征的检测提取;
S3,特征表达与检索单元实现旋转目标实时二位图像特征与三位目标特征的连续跟踪匹配;
S4,位姿结算单元根据不同旋转角速度下提取的不同特征解算求得慢旋非合作目标相对位置和相对姿态信息。
3.如权利要求2所述的基于单目视觉的慢旋非合作目标相对测量方法,其特征在于,所述的步骤S2中图像特征的选择与提取单元提取的矩形特征用于获取姿态解算的消失点特征。
4.如权利要求2所述的基于单目视觉的慢旋非合作目标相对测量方法,其特征在于,所述的步骤S3具体包含:
S3.1,将空间目标分割为主体与子部件,提取相关几何特征;
S3.2,利用尺度不变特征检索法对提取的目标几何特征编码;
S3.3,对编码特征构建局部特征数据库;
S3.4,采用特征跟踪法实现旋转目标实时二维图像特征与三维目标特征的连续跟踪匹配。
5.如权利要求4所述的基于单目视觉的慢旋非合作目标相对测量方法,其特征在于,所述的步骤S3.1具体为:通过探测各子部件边界和区域面积确定其几何特征进而分割得到独立分离的空间目标主体和子部件,将各子部件进行多边形拟合,以拟合区域为基本单元提取其几何特征。
6.如权利要求4所述的基于单目视觉的慢旋非合作目标相对测量方法,其特征在于,所述的步骤S3.2具体为:利用目标卫星各个表面及其显著特征的几何体的数目、子部件的面积及各部件之间的距离以及参照表面之间的连接性和相关性尺度不变特征进行几何特征编码,生成各姿态模型对应的特征检索向量。
7.如权利要求4所述的基于单目视觉的慢旋非合作目标相对测量方法,其特征在于,所述的步骤S3.3具体为:根据目标自身的结构特点,在目标各个表面选取具有代表性的特征构建局部特征数据库,使数据库里的每个姿态对应一唯一的数值检索。
8.如权利要求4所述的基于单目视觉的慢旋非合作目标相对测量方法,其特征在于,所述的步骤S3.4具体为:目标上最为显著的特征检测结果作为特征匹配的初始条件,确定目标在视场中可视的表面编码,并以此为初始状态,开始进行特征匹配,比较观测图像提取的特征检索与数据库里的各个模型的检索值,并采用特征跟踪法实现旋转目标实时二维图像特征与三维目标特征的连续跟踪匹配。
9.如权利要求2所述的基于单目视觉的慢旋非合作目标相对测量方法,其特征在于,位姿解算单元根据不同时刻提取的不同特征分别采取圆和消失点位姿解算,圆和特征点位姿解算,消失点和特征点位姿解算,及特征点位姿解算四种位姿解算方案完成慢旋非合作目标的相对测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611092726.8A CN106780511A (zh) | 2016-12-01 | 2016-12-01 | 基于单目视觉的慢旋非合作目标相对测量系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611092726.8A CN106780511A (zh) | 2016-12-01 | 2016-12-01 | 基于单目视觉的慢旋非合作目标相对测量系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106780511A true CN106780511A (zh) | 2017-05-31 |
Family
ID=58915762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611092726.8A Pending CN106780511A (zh) | 2016-12-01 | 2016-12-01 | 基于单目视觉的慢旋非合作目标相对测量系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780511A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108225319A (zh) * | 2017-11-30 | 2018-06-29 | 上海航天控制技术研究所 | 基于目标特征的单目视觉快速相对位姿估计系统及方法 |
CN110823214A (zh) * | 2019-10-18 | 2020-02-21 | 西北工业大学 | 一种空间完全非合作目标相对位姿和惯量估计方法 |
CN112344914A (zh) * | 2020-10-30 | 2021-02-09 | 哈尔滨工业大学(深圳) | 基于柔性臂手眼相机的自适应视觉测量方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101581581A (zh) * | 2008-05-13 | 2009-11-18 | 株式会社Pfu | 图面信息管理装置以及对照检查方法 |
CN102135431A (zh) * | 2010-01-25 | 2011-07-27 | 北京三驰科技发展有限公司 | 一种惯性测量单元精度补偿的方法 |
EP2116975A3 (en) * | 2008-05-06 | 2012-03-07 | Honeywell International Inc. | Method and apparatus for vision based motion determination |
CN103075998A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种单目空间目标测距测角方法 |
CN104034269A (zh) * | 2014-06-24 | 2014-09-10 | 深圳市赛为智能股份有限公司 | 一种单目视觉测量方法与装置 |
CN104154919A (zh) * | 2014-08-13 | 2014-11-19 | 北京邮电大学 | 一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法 |
-
2016
- 2016-12-01 CN CN201611092726.8A patent/CN106780511A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2116975A3 (en) * | 2008-05-06 | 2012-03-07 | Honeywell International Inc. | Method and apparatus for vision based motion determination |
CN101581581A (zh) * | 2008-05-13 | 2009-11-18 | 株式会社Pfu | 图面信息管理装置以及对照检查方法 |
CN102135431A (zh) * | 2010-01-25 | 2011-07-27 | 北京三驰科技发展有限公司 | 一种惯性测量单元精度补偿的方法 |
CN103075998A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种单目空间目标测距测角方法 |
CN104034269A (zh) * | 2014-06-24 | 2014-09-10 | 深圳市赛为智能股份有限公司 | 一种单目视觉测量方法与装置 |
CN104154919A (zh) * | 2014-08-13 | 2014-11-19 | 北京邮电大学 | 一种非合作航天器上太阳能帆板三角架结构的位姿自主测量方法 |
Non-Patent Citations (2)
Title |
---|
赵连军: ""基于目标特征的单目视觉位置姿态测量技术研究"", 《中国博士学位论文全文数据库 信息科技辑》 * |
魏小峰 等: ""空间目标三维姿态估计方法"", 《武汉大学学报•信息科学版》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108225319A (zh) * | 2017-11-30 | 2018-06-29 | 上海航天控制技术研究所 | 基于目标特征的单目视觉快速相对位姿估计系统及方法 |
CN108225319B (zh) * | 2017-11-30 | 2021-09-07 | 上海航天控制技术研究所 | 基于目标特征的单目视觉快速相对位姿估计系统及方法 |
CN110823214A (zh) * | 2019-10-18 | 2020-02-21 | 西北工业大学 | 一种空间完全非合作目标相对位姿和惯量估计方法 |
CN110823214B (zh) * | 2019-10-18 | 2021-05-25 | 西北工业大学 | 一种空间完全非合作目标相对位姿和惯量估计方法 |
CN112344914A (zh) * | 2020-10-30 | 2021-02-09 | 哈尔滨工业大学(深圳) | 基于柔性臂手眼相机的自适应视觉测量方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9330307B2 (en) | Learning based estimation of hand and finger pose | |
Saeedi et al. | Vision-based 3-D trajectory tracking for unknown environments | |
Zhuang et al. | 3-D-laser-based scene measurement and place recognition for mobile robots in dynamic indoor environments | |
US8994723B2 (en) | Recognition and pose determination of 3D objects in multimodal scenes | |
CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
US9280832B2 (en) | Methods, systems, and computer readable media for visual odometry using rigid structures identified by antipodal transform | |
Qu et al. | Evaluation of SIFT and SURF for vision based localization | |
CN111145232A (zh) | 一种基于特征信息变化度的三维点云自动配准方法 | |
CN103177444A (zh) | 一种sar图像自动配准方法 | |
CN109493384B (zh) | 相机位姿估计方法、系统、设备及存储介质 | |
Drost et al. | Local hough transform for 3d primitive detection | |
Guo et al. | Research on image detection and matching based on SIFT features | |
CN106780511A (zh) | 基于单目视觉的慢旋非合作目标相对测量系统和方法 | |
Tao et al. | Combined imaging matching method of side scan sonar images with prior position knowledge | |
KR101528757B1 (ko) | 이분된 로컬 영역을 가지는 윤곽선 분할 기반 특징을 이용한 물체 인식 방법 | |
Sanchiz et al. | Structure from motion techniques applied to crop field mapping | |
Ganguly et al. | Range face image registration using ERFI from 3D images | |
CN109827578B (zh) | 基于轮廓相似性的卫星相对姿态估计方法 | |
Li et al. | New environmental line feature-based vision navigation: Design and analysis | |
Uenishi et al. | Virtual feature point extraction from polyhedral structure | |
CN114677418B (zh) | 一种基于点云特征点提取的配准方法 | |
Qu et al. | A high-precision registration algorithm for heterologous image based on effective sub-graph extraction and feature points bidirectional matching | |
Lourakis et al. | Autonomous visual navigation for planetary exploration rovers | |
US20240070897A1 (en) | Geoposition determination and evaluation of same using a 2-d object detection sensor calibrated with a spatial model | |
Ai et al. | Hierarchical Primitive and Semantics aided Scan Context for place recognition using LiDAR and Monocular Image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20170531 |