CN106873619B - 一种无人机飞行路径的处理方法 - Google Patents

一种无人机飞行路径的处理方法 Download PDF

Info

Publication number
CN106873619B
CN106873619B CN201710053181.8A CN201710053181A CN106873619B CN 106873619 B CN106873619 B CN 106873619B CN 201710053181 A CN201710053181 A CN 201710053181A CN 106873619 B CN106873619 B CN 106873619B
Authority
CN
China
Prior art keywords
frame image
unmanned aerial
aerial vehicle
current frame
camera
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
Application number
CN201710053181.8A
Other languages
English (en)
Other versions
CN106873619A (zh
Inventor
缪瑞航
邹丹平
裴凌
刘佩林
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 Jiaotong University
Original Assignee
Shanghai Jiaotong University
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 Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201710053181.8A priority Critical patent/CN106873619B/zh
Publication of CN106873619A publication Critical patent/CN106873619A/zh
Application granted granted Critical
Publication of CN106873619B publication Critical patent/CN106873619B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0808—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted for aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Image Analysis (AREA)

Abstract

一种无人机飞行路径的处理方法，无人机固定安装有双目相机，双目相机包括左相机和右相机，包括步骤：获取双目相机当前帧图像；检测当前帧图像与已记录路径的关键帧图像是否相似，若相似，根据当前帧图像和关键帧图像计算双目相机的相对位姿，并根据双目相机的相对位姿计算无人机的相对位姿，并对无人机的相对位姿进行修正；若不相似，判断当前帧图像是否为关键帧图像，若是，将当前帧图像存储为关键帧图像。由于根据关键帧图像存储无人机的飞行路径，大大减少了视觉定位算法的计算量，通过记录的路径使得无人机或其他配置了摄像机的无人机能够按路径飞行，并且，在按路径飞行的过程中，通过对无人机的位置漂移的修正，能达到精准的跟踪效果。

Description

一种无人机飞行路径的处理方法
技术领域
本发明涉及无人机技术领域，具体涉及一种无人机飞行路径的处理方法。
背景技术
目前，无人机在复杂环境下(如室内、丛林里、洞穴等等)的导航是极其困难的，特别是无人机自主返航、精准的路径跟随等功能的实现是十分困难的，在这种情况下使用现有的加速度计和光流计作为里程计，并且使用图像匹配进行实时的路径误差修正是一个可行的办法。
但是，目前的视觉定位算法一般计算量偏大，如SLAM等算法，很难在机载系统上实时运行，因此，选择合适的方法来融合视觉信息对无人机飞行路径进行处理是必须要考虑的。
发明内容
针对如何记录无人机飞行路径，及实现路径跟踪的问题，本申请提供一种无人机飞行路径的处理方法，无人机固定安装有双目相机，双目相机包括左相机和右相机，包括步骤：
获取双目相机当前帧图像；
检测当前帧图像与已记录路径的关键帧图像是否相似，若相似，根据当前帧图像和关键帧图像计算双目相机的相对位姿，并根据双目相机的相对位姿计算无人机的相对位姿，并对无人机的相对位姿进行修正；
若不相似，判断当前帧图像是否为关键帧图像，若是，将当前帧图像存储为关键帧图像。
一种实施例中，根据双目相机的相对位姿计算无人机的相对位姿，具体为：
根据优化函数获取无人机的相对位姿，优化函数为：
Figure BDA0001217621650000011
其中，Ti(t)表示t时刻第i幅关键帧时无人机的相对位姿，ρ指的是欧氏距离的平方，
Figure BDA0001217621650000012
是3D点和2D图像点的对应关系集合，
Figure BDA0001217621650000013
Vi是第i幅关键帧里面的特征点集合，PWC指的是双目相机的相对位姿，X指的是三维坐标点。
一种实施例中，对无人机的相对位姿进行修正，包括步骤：
保存双目相机的内参参数、外参参数、畸变参数，并将双目相机中的左相机的中心设置为双目相机的中心点；
利用fast或Shi-Tomas角点提取算法提取左相机图像中的角点xl，及利用Lucas-Kanade算法提取右相机图像中的对应点xr，并且计算出角点xl和对应点xr计算点对；
利用RANSAC算法计算单应性矩阵Hlr和基础矩阵Flr，并根据单应性矩阵Hlr和基础矩阵Flr剔除异常点对；
对保留的点对计算对应的三维坐标点，并计算所有三维坐标点距离双目相机的平均距离；
根据关键帧图像和无人机的相对位姿构建参考关键帧，并由参考关键帧变换成临时中间帧图像，通过Lucas-Kanade算法对临时中间帧图像和当前帧图像进行点对匹配，并计算临时中间帧图像的相机坐标；
根据临时中间帧图像的相机坐标计算出临时中间帧图像的世界坐标；
根据临时中间帧图像的世界坐标通过优化函数计算无人机的相对位姿，并通过卡尔曼滤波器更新无人相的相对位姿。
一种实施例中，根据单应性矩阵Hlr和基础矩阵Flr剔除异常点对，具体为：
若双目相机的图像场景是平面或接近平面，判断角点xl和对应点xr是否满足公式xl＝Hlrxr，若不满足，则剔除导常点对；
若双目相机的图像场景复杂，判断角点xl和对应点xr是否满足公式xlFlrxr＝0，若不满足，则剔除导常点对。
一种实施例中，计算临时中间帧图像的相机坐标，具体为：
Figure BDA0001217621650000021
其中，
Figure BDA0001217621650000022
K为相机的内参参数，davg为三维坐标点距离双目相机的平均距离，
Figure BDA0001217621650000023
为位移，
Figure BDA0001217621650000024
和
Figure BDA0001217621650000025
为旋转矩阵，
Figure BDA0001217621650000026
和xR分别是临时中间帧图像的相机坐标和世界坐标。
一种实施例中，判断当前帧图像是否为关键帧图像，包括步骤：
判断当前帧图像与前一帧图像的位置差是否超过预设的Dmax，若超过，则当前帧图像为关键帧图像；
否则，判断当前帧图像与前一帧图像的朝向夹角是否超过预设的δψmax，若超过，则当前帧图像为关键帧图像；
否则，判断当前帧图像与前一帧图像的轨迹切向方向夹角是否超过Θmax，若超过，则当前帧图像为关键帧图像；
否则，判断当前帧图像与前一帧图像的匹配特征点是否少于预设的Nmin，若少于，则当前帧图像为关键帧图像，否则，当前帧图像不是关键帧图像。
一种实施例中，Dmax＝0.5m，δψmax＝π/9，Θmax＝π/4，Nmin＝10。
依据上述实施例的无人机飞行路径的处理方法，由于根据关键帧图像存储无人机的飞行路径，大大减少了视觉定位算法的计算量，通过记录的路径使得无人机或其他配置了摄像机的无人机能够按路径飞行，并且，在按路径飞行的过程中，通过对无人机的位置漂移的修正，能达到精准的跟踪效果。
附图说明
图1为无人机飞行路径的处理方法流程图；
图2为双目相机坐标系的示意图；
图3为关键帧图像和当前帧图像的特征点匹配及临时帧图像示意图；
图4为无人机路径跟踪示意图；
图5为路径记录的示意图；
图6为路径记录的效果分析示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
针对安装有双目相机的无人机的路径记录与回放的问题，本例提供一种无人机飞行路径的处理方法，其流程图如图1所示，具体包括如下步骤。
S1：获取双目相机当前帧图像。
由于无人机固定安装有双目相机，双目相机包括左相机和右相机，当无人机飞行过程中，可以获取双目相机当前帧图像，根据当前帧图像对无人机的飞行路径作相应的处理。
本例中，假设获得的当前帧图像已经是去畸变的图像，并设世界坐标系为
Figure BDA0001217621650000031
相机坐标系表示为
Figure BDA0001217621650000032
那么左相机的姿态可以表示成一个3×4的矩阵
Figure BDA0001217621650000033
该
Figure BDA0001217621650000034
矩阵包含了相机的旋转和平移，同时使用矩阵K来表示左相机的内参，该K矩阵包括了相机的焦距和相机的中心点。
因此，三维世界的点投影在向平面，可以表达成：
Figure BDA0001217621650000035
其中，r表示将投影结果转换为齐次坐标的比列系数，x＝[x，y，1]T，X＝[X，Y，Z，1]T分别表示二维坐标点和三维坐标点。
通过双目相机系统的两幅图像，可以获得空间中的三维坐标点，双目相机坐标系的示意图如图2所示，表达式如下：
Figure BDA0001217621650000041
表达式中xl和xr分别指左右两幅不同图像中相对应的二维点，通过结合左右两个图像的(1)表达式可以求出对应三维空间中该点的坐标。
S2：检测当前帧图像与已记录路径的关键帧图像是否相似，若相似，根据当前帧图像和关键帧图像计算双目相机的相对位姿，并根据双目相机的相对位姿计算无人机的相对位姿，并对无人机的相对位姿进行修正。
在三维坐标点被给出之后，通过不同时刻左边相机所拍摄的图像来获取左边相机两个不同时刻的相对位姿，本例中，采用触发方法进行图像匹配和计算无人机的相对运动姿态，具体的，当轨迹规划模块检测到当前帧图像与记录的关键帧图像相似的时候，开始选取出对应的关键帧图像进行计算相机位姿，这样可以节约寻找最合适关键帧的时间。
由于双目相机和无人机是固定连接的，那么由此可以获得无人机在这两个时刻的相对位姿。相对位姿使用Ti(t)∈SE(3)，下标i表示这是第i个关键帧，t表示时刻。Ti(t)就给出了
Figure BDA0001217621650000042
因此当3D点云和图像上的2D点的对应关系被给出之后，求Ti(t)等效于一个优化问题，进一步，本例根据优化函数获取无人相的相对位姿，优化函数为：
Figure BDA0001217621650000043
其中，Ti(t)表示t时刻第i幅关键帧时无人机的相对位姿，ρ指的是欧氏距离的平方，
Figure BDA0001217621650000044
是3D点和2D图像点的对应关系集合，
Figure BDA0001217621650000045
Vi是第i幅关键帧里面的特征点集合，PWC指的是双目相机的相对位姿，X指的是三维坐标点。
通过公式(3)获得无人机的相对位姿后，为达到无人机精准按记录的关键帧图像飞行，还要对该无人机的相对位姿进行修正，修正的步骤为：
1)保存双目相机的内参参数、外参参数、畸变参数，并将双目相机中的左相机的中心设置为双目相机的中心点。
2)利用fast或Shi-Tomas角点提取算法提取左相机图像中的角点xl，及利用Lucas-Kanade算法提取右相机图像中的对应点xr，并且计算出所述角点xl和对应点xr计算点对。
3)利用RANSAC算法计算单应性矩阵Hlr和基础矩阵Flr，并根据所述单应性矩阵Hlr和基础矩阵Flr剔除异常点对。
具体为：若双目相机的图像场景是平面或接近平面，判断角点xl和对应点xr是否满足公式xl＝Hlrxr，若不满足，则剔除导常点对；若双目相机的图像场景复杂，即远近特征点都比较多，判断角点xl和对应点xr是否满足公式xlFlrxr＝0，若不满足，则剔除导常点对。
4)对保留的点对计算对应的三维坐标点，并计算所有三维坐标点距离双目相机的平均距离davg。
5)根据关键帧图像和无人机的相对位姿构建参考关键帧，并由参考关键帧变换临时中间帧图像，通过Lucas-Kanade算法对临时中间帧图像和当前帧图像进行点对匹配，并计算临时中间帧图像的相机坐标。
关键帧图像和当前帧图像的特征点匹配及临时帧图像示意图如图3所示，具体的，为了匹配上足够的特征点，本例中，通过当前关键帧图像和无人机的相对位姿估计给出的位姿所推算出来的假象的参考关键帧，再由该参考关键帧变换而成临时中间帧图像，临时中间帧图像用于和当前帧图像进行点对匹配。由于在一小段时间内无人机计算的位置误差累积比较小，因此可以通过记录的位姿和当前的位姿获取较为精准的变换
Figure BDA0001217621650000051
通过
Figure BDA0001217621650000052
可以获得位移
Figure BDA0001217621650000053
旋转矩阵
Figure BDA0001217621650000054
和
Figure BDA0001217621650000055
下标
Figure BDA0001217621650000056
表示从参考关键帧图像相机坐标到临时中间帧图像相机坐标，下标
Figure BDA0001217621650000057
从世界坐标到临时中间帧图像相机坐标。
计算临时中间帧图像的相机坐标的公式如下：
Figure BDA0001217621650000058
其中
Figure BDA0001217621650000059
和xR分别是临时帧图像相机坐标和世界坐标的齐次坐标表达，因为，不能获取图像中每一个点的深度，所以，使用三维点的平均深度davg来代替d，因此
Figure BDA00012176216500000510
和xR的关系被改写为下式：
Figure BDA00012176216500000511
其中，
Figure BDA00012176216500000512
Figure BDA00012176216500000513
可以通过Lucas-Kanade算法匹配出的点对计算出。
6)根据临时中间帧图像的相机坐标计算出所述临时中间帧图像的世界坐标。
对公式(5)求逆即可得到：
Figure BDA00012176216500000514
7)根据临时中间帧图像的世界坐标通过优化函数计算无人机的相对位姿，并通过卡尔曼滤波器更新无人机的相对位姿。
将公式(6)得出的xR值代入公式(3)中即可求出无机人的相对位姿，由计算机视觉方法计算出来的位置和姿态的修正值通过卡尔曼滤波器更新无人机的相对位姿，即更新无人机的坐标和姿态，达到精准的跟踪目的，其跟踪示意图如图4所示。
S3：若不相似，判断当前帧图像是否为关键帧图像，若是，将当前帧图像存储为关键帧图像
其中，关键帧图像的构成如下：
1)左相机图像中抽出的特征点和这些特征点的描述子；
2)左相机图像中抽出的特征点所对应的空间中的三维点X；
3)左相机的姿态矩阵P；
4)无人机的位置坐标r＝[X，Y，Z]T；
5)无人机到达关键点的时刻t；
6)双目相机中获取的三维点云的平均深度davg。
本步骤中，判断当前帧图像是否为关键帧图像，包括步骤：
1)判断当前帧图像与前一帧图像的位置差是否超过预设的Dmax，若超过，则当前帧图像为关键帧图像，否则，判断下一个条件。
2)判断当前帧图像与前一帧图像的朝向夹角是否超过预设的δψmax，若超过，则当前帧图像为关键帧图像，否则，判断下一个条件。
3)判断当前帧图像与前一帧图像的轨迹切向方向夹角是否超过Θmax，若超过，则当前帧图像为关键帧图像，否则，判断下一个条件。
4)判断当前帧图像与前一帧图像的匹配特征点是否少于预设的Nmin，若少于，则当前帧图像为关键帧图像，否则，当前帧图像不是关键帧图像，等待下一帧图像。
根据关键帧的判断方法，本例的关键帧图像的记录示意图如图5所示，效果分析图如图6所示。
本例中，Dmax、δψmax、Θmax和Nmin的取值分别为：Dmax＝0.5m，δψmax＝π/9，Θmax＝π/4，Nmin＝10。当无人机的平均飞行速度在0.2m/s的时候，在关键帧图像所处位置的轨迹切向方向由该处附近的10个位置点确定。
本例提出的无人机路行处理方法，利用无人机飞行过程中记录的稀疏图像集、无人机航向、以及不精准的积分位移来记录无人机的飞行路径，使得该无人机或者其他配置了摄像机的无人机能够按路径飞行。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (5)

1.一种无人机飞行路径的处理方法，其特征在于，无人机固定安装有双目相机，所述双目相机包括左相机和右相机，包括步骤：
获取双目相机当前帧图像；
检测所述当前帧图像与已记录路径的关键帧图像是否相似，若相似，根据所述当前帧图像和关键帧图像计算双目相机的相对位姿，并根据所述双目相机的相对位姿计算无人机的相对位姿，并对所述无人机的相对位姿进行修正；其中：
所述根据双目相机的相对位姿计算无人机的相对位姿，具体为：
根据优化函数获取无人机的相对位姿，所述优化函数为：
Figure FDA0002829656220000011
其中，Ti(t)表示t时刻第i幅关键帧时无人机的相对位姿，ρ指的是欧氏距离的平方，
Figure FDA0002829656220000012
是3D点和2D图像点的对应关系集合，
Figure FDA0002829656220000013
Vi是第i幅关键帧里面的特征点集合，PWC指的是双目相机的相对位姿，X指的是三维坐标点，T表示待优化的无人机相对位姿；
所述对所述 无人机的相对位姿进行修正，包括步骤：
保存双目相机的内参参数、外参参数、畸变参数，并将双目相机中的左相机的中心设置为双目相机的中心点；
利用fast或Shi-Tomas角点提取算法提取左相机图像中的角点xl，及利用Lucas-Kanade算法提取右相机图像中的对应点xr，并且计算出所述角点xl和对应点xr计算点对；
利用RANSAC算法计算单应性矩阵Hlr和基础矩阵Flr，并根据所述单应性矩阵Hlr和基础矩阵Flr剔除异常点对；
对保留的点对计算对应的三维坐标点，并计算所有三维坐标点距离双目相机的平均距离；
根据所述关键帧图像和无人机的相对位姿构建参考关键帧，并由所述参考关键帧变换临时中间帧图像，通过Lucas-Kanade算法对所述临时中间帧图像和当前帧图像进行点对匹配，并计算所述临时中间帧图像的相机坐标；
根据所述临时中间帧图像的相机坐标计算出所述临时中间帧图像的世界坐标；
根据所述临时中间帧图像的世界坐标通过所述优化函数计算无人机的相对位姿，并通过卡尔曼滤波器更新无人机的相对位姿；
若不相似，判断所述当前帧图像是否为关键帧图像，若是，将所述当前帧图像存储为关键帧图像。
2.如权利要求1所述的处理方法，其特征在于，所述根据所述单应性矩阵Hlr和基础矩阵Flr剔除异常点对，具体为：
若双目相机的图像场景是平面或接近平面，判断角点xl和对应点xr是否满足公式xl＝Hlrxr，若不满足，则剔除导常点对；
若双目相机的图像场景复杂，判断角点xl和对应点xr是否满足公式xlFlrxr＝0，若不满足，则剔除导常点对。
3.如权利要求1所述的处理方法，其特征在于，计算所述临时中间帧图像的相机坐标，具体为：
Figure FDA0002829656220000021
其中，
Figure FDA0002829656220000022
K为相机的内参参数，davg为三维坐标点距离双目相机的平均距离，
Figure FDA0002829656220000027
为位移，
Figure FDA0002829656220000023
和
Figure FDA0002829656220000024
为旋转矩阵，
Figure FDA0002829656220000025
和
Figure FDA0002829656220000026
分别是临时中间帧图像的相机坐标和世界坐标。
4.如权利要求1所述的处理方法，其特征在于，所述判断所述 当前帧图像是否为关键帧图像，包括步骤：
判断所述当前帧图像与前一帧图像的位置差是否超过预设的Dmax，若超过，则所述当前帧图像为关键帧图像；
否则，判断所述当前帧图像与前一帧图像的朝向夹角是否超过预设的δψmax，若超过，则所述当前帧图像为关键帧图像；
否则，判断所述当前帧图像与前一帧图像的轨迹切向方向夹角是否超过Θmax，若超过，则所述当前帧图像为关键帧图像；
否则，判断所述当前帧图像与前一帧图像的匹配特征点是否少于预设的Nmin，若少于，则所述当前帧图像为关键帧图像，否则，所述当前帧图像不是关键帧图像。
5.如权利要求4所述的处理方法，其特征在于，Dmax＝0.5m，δψmax＝π/9，Θmax＝π/4，Nmin＝10。
CN201710053181.8A 2017-01-23 2017-01-23 一种无人机飞行路径的处理方法 Active CN106873619B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710053181.8A CN106873619B (zh) 2017-01-23 2017-01-23 一种无人机飞行路径的处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710053181.8A CN106873619B (zh) 2017-01-23 2017-01-23 一种无人机飞行路径的处理方法

Publications (2)

Publication Number Publication Date
CN106873619A CN106873619A (zh) 2017-06-20
CN106873619B true CN106873619B (zh) 2021-02-02

Family

ID=59158978

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710053181.8A Active CN106873619B (zh) 2017-01-23 2017-01-23 一种无人机飞行路径的处理方法

Country Status (1)

Country Link
CN (1) CN106873619B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107831776A (zh) * 2017-09-14 2018-03-23 湖南优象科技有限公司 基于九轴惯性传感器的无人机自主返航方法
WO2019061111A1 (zh) * 2017-09-27 2019-04-04 深圳市大疆创新科技有限公司 一种路径调整方法及无人机
CN107767450B (zh) * 2017-10-31 2021-05-28 南京维睛视空信息科技有限公司 一种基于sparse-slam的实时建图方法
CN107941167B (zh) * 2017-11-17 2020-06-16 西南民族大学 一种基于无人机载具和结构光扫描技术的空间扫描系统及其工作方法
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
CN109079799B (zh) * 2018-10-23 2021-11-12 哈尔滨工业大学（深圳） 一种基于仿生的机器人感知控制系统及控制方法
CN111127524A (zh) * 2018-10-31 2020-05-08 华为技术有限公司 一种轨迹跟踪与三维重建方法、系统及装置
CN109544630B (zh) * 2018-11-30 2021-02-02 南京人工智能高等研究院有限公司 位姿信息确定方法和装置、视觉点云构建方法和装置
CN109974693B (zh) * 2019-01-31 2020-12-11 中国科学院深圳先进技术研究院 无人机定位方法、装置、计算机设备及存储介质
CN112313707A (zh) * 2019-08-30 2021-02-02 深圳市大疆创新科技有限公司 跟踪方法和可移动平台
CN112947258B (zh) * 2021-04-02 2022-03-11 江苏百绿园林集团有限公司 一种智慧园林管理方法
CN113506337B (zh) * 2021-05-17 2024-04-16 南京理工大学 一种基于EPnP的双目相机位姿估计方法
CN113741495B (zh) * 2021-08-24 2024-04-05 中国南方电网有限责任公司超高压输电公司广州局 无人机姿态调整方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101957990A (zh) * 2010-08-13 2011-01-26 武汉大学 一种摄像机定标方法、图像处理设备和机动车辆
CN104182982A (zh) * 2014-08-27 2014-12-03 大连理工大学 双目立体视觉摄像机标定参数的整体优化方法
CN104637053A (zh) * 2015-01-29 2015-05-20 西北工业大学 宽基线多阵列相机系统的标定方法
CN105974932A (zh) * 2016-04-27 2016-09-28 中国人民解放军装甲兵工程学院 无人机控制方法
CN106272423A (zh) * 2016-08-31 2017-01-04 哈尔滨工业大学深圳研究生院 一种针对大尺度环境的多机器人协同制图与定位的方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7536030B2 (en) * 2005-11-30 2009-05-19 Microsoft Corporation Real-time Bayesian 3D pose tracking

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101957990A (zh) * 2010-08-13 2011-01-26 武汉大学 一种摄像机定标方法、图像处理设备和机动车辆
CN104182982A (zh) * 2014-08-27 2014-12-03 大连理工大学 双目立体视觉摄像机标定参数的整体优化方法
CN104637053A (zh) * 2015-01-29 2015-05-20 西北工业大学 宽基线多阵列相机系统的标定方法
CN105974932A (zh) * 2016-04-27 2016-09-28 中国人民解放军装甲兵工程学院 无人机控制方法
CN106272423A (zh) * 2016-08-31 2017-01-04 哈尔滨工业大学深圳研究生院 一种针对大尺度环境的多机器人协同制图与定位的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Vision-based navigation of unmanned aerial vehicles;Courbon, Jonathan 等;《Control Engineering Practice》;20101231;第18卷(第7期);789-799 *
基于视觉导航的无人机位姿控制与自主返航技术;盛哲;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20160715;C031-81 *

Also Published As

Publication number Publication date
CN106873619A (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
CN106873619B (zh) 一种无人机飞行路径的处理方法
CN109166149B (zh) 一种融合双目相机与imu的定位与三维线框结构重建方法与系统
JP6743191B2 (ja) マルチセンサ画像手ぶれ補正技術
US8213706B2 (en) Method and system for real-time visual odometry
KR101725060B1 (ko) 그래디언트 기반 특징점을 이용한 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법
US11176704B2 (en) Object pose estimation in visual data
KR101776621B1 (ko) 에지 기반 재조정을 이용하여 이동 로봇의 위치를 인식하기 위한 장치 및 그 방법
WO2019119328A1 (zh) 一种基于视觉的定位方法及飞行器
WO2019076304A1 (zh) 基于双目相机的无人机视觉slam方法、无人机及存储介质
CN106960454B (zh) 景深避障方法、设备及无人飞行器
US11783443B2 (en) Extraction of standardized images from a single view or multi-view capture
CN110517324B (zh) 基于变分贝叶斯自适应算法的双目vio实现方法
WO2014072737A1 (en) Cloud feature detection
WO2019241782A1 (en) Deep virtual stereo odometry
WO2019127518A1 (zh) 避障方法、装置及可移动平台
CN113721260B (zh) 一种激光雷达、双目相机和惯导的在线联合标定方法
WO2021081707A1 (zh) 数据处理方法、装置、可移动平台及计算机可读存储介质
CN116359873A (zh) 结合鱼眼相机实现车端4d毫米波雷达slam处理的方法、装置、处理器及其存储介质
Bazin et al. UAV attitude estimation by vanishing points in catadioptric images
KR20120111805A (ko) 촬영화상의 카메라 자세 추정 시스템 및 방법
Yahyanejad et al. Incremental, orthorectified and loop-independent mosaicking of aerial images taken by micro UAVs
CN112991400B (zh) 一种无人艇的多传感器辅助定位方法
EP2850454B1 (en) Motion detection through stereo rectification
CN110598370A (zh) 基于sip和ekf融合的多旋翼无人机鲁棒姿态估计
CN117115271A (zh) 无人机飞行过程中的双目相机外参数自标定方法及系统

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
GR01 Patent grant
GR01 Patent grant