CN106934809B - 基于双目视觉的无人机空中自主加油快速对接导航方法 - Google Patents

基于双目视觉的无人机空中自主加油快速对接导航方法 Download PDF

Info

Publication number
CN106934809B
CN106934809B CN201710195516.XA CN201710195516A CN106934809B CN 106934809 B CN106934809 B CN 106934809B CN 201710195516 A CN201710195516 A CN 201710195516A CN 106934809 B CN106934809 B CN 106934809B
Authority
CN
China
Prior art keywords
image
feature points
circle
camera
adopting
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.)
Expired - Fee Related
Application number
CN201710195516.XA
Other languages
English (en)
Other versions
CN106934809A (zh
Inventor
罗德林
李�柱
吴顺祥
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.)
Xiamen University
Original Assignee
Xiamen 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 Xiamen University filed Critical Xiamen University
Priority to CN201710195516.XA priority Critical patent/CN106934809B/zh
Publication of CN106934809A publication Critical patent/CN106934809A/zh
Application granted granted Critical
Publication of CN106934809B publication Critical patent/CN106934809B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • 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
    • G06T2207/30204—Marker
    • G06T2207/30208—Marker matrix

Landscapes

  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

基于双目视觉的无人机空中自主加油快速对接导航方法，涉及机器视觉与图像处理。利用带有滤光片的双目摄像机系统对带有光学标志灯的加油锥套同时进行拍摄，获得左右两幅图像；对左右两幅图像分别依次进行灰度化、二值化、中值滤波处理后，采用区域生长法查找并标记左右两幅图像中的所有连通区域，再求取每个连通区域质心作为特征点；采用改进haar小波变换对所有特征点进行描述，获得所有特征点的描述向量，再采用最小欧氏距离法对左右图像的特征点进行匹配，得左右图像的特征点对；利用双目视觉原理计算特征点的三维坐标，并采用最小二乘法对三维坐标进行空间圆的拟合，获得加油锥套的端面圆曲线，再通过计算获得该圆的圆心、法向量和半径。

Description

基于双目视觉的无人机空中自主加油快速对接导航方法
技术领域
本发明涉及机器视觉与图像处理，尤其是涉及基于双目视觉的无人机空中自主加油快速对接导航方法。
背景技术
近年来，随着无人机的应用越来越广泛，尤其是在军事领域，无人机已经成为了各国争相配备的装备，随之而来的增加无人机航程的需求使无人机自主空中加油技术应运而生。无人机自主空中加油可以延长无人机空中飞行时间，使无人机的续航时间增加30％～40％，同时也可以增加载重量。因此，无人机自主空中加油技术使得无人机在未来空中作战、防御以及侦察等方面具有非常广阔的前景。
空中加油的关键在对接阶段，需要实时测量加油机加油锥套和受油机的相对位置，对加油锥套进行位姿估计。当加油机和受油机距离较远时(10m以上)，通过GPS的导航就能够满足导航需要，但是当二者进入对接阶段时，GPS导航精度很难达到对接所需的要求，因此，在近距离对接时，通常采用基于机器视觉的技术来完成精准对接。
基于机器视觉的导航系统进行位姿估计分为3个步骤：(1)特征提取；(2)特征点匹配；(3)相对位姿估计。传统的特征点的提取和匹配方法有很多，比如SIFT算法，SURF算法，这些算法都能够快速的提取图像中的特征点并进行匹配，但是，这两种算法都有一个缺点，就是SIFT和SURF是无差别地提取整个图像中的特征点，即只要满足该算法所规定的特征点的像素点都会被认为是特征点，这些特征点不一定在加油锥套上，对于空中加油来说这些特征点就是无用的。还有一些专门用于特征点匹配的方法，比如说极线匹配方法，该方法是在将特征点提取出来后，才用来进行匹配的。极线匹配只是将匹配维度从二维缩小到了一维，因此，匹配的准确率有待提高。
参考文献：
[1]赵高长,张磊,武风波.改进的中值滤波算法在图像去噪中的应用[J].应用光学,2011,32(4):678-682.
[2]陈柏生.一种二值图像连通区域标记的新方法[J].计算机工程与应用,2006,25:46-47.
[3]张锐娟,张建奇,杨翠.基于SURF的图像配准方法研究[J].红外与激光工程,2009,38(1):160-165.
[4]解洪文,王宏伦.基于双目视觉的自动空中加油近距导航方法[J].北京航空航天大学学报,2011,37(2):206-209.
发明内容
本发明的目的在于克服现有技术中存在的上述缺陷，提供基于双目视觉的无人机空中自主加油快速对接导航方法。
本发明包括以下步骤：
1)利用带有滤光片的双目摄像机系统对带有光学标志灯的加油锥套同时进行拍摄，获得左右两幅图像；
2)对左右两幅图像分别依次进行灰度化、二值化、中值滤波处理[1]后，采用区域生长法查找并标记左右两幅图像中的所有连通区域[2]，再求取每个连通区域质心作为特征点；
3)采用改进haar小波变换对所有特征点进行描述[3]，获得所有特征点的描述向量，再采用最小欧氏距离法对左右图像的特征点进行匹配，获得左右图像的特征点对；
4)利用双目视觉原理计算特征点的三维坐标[4]，并采用最小二乘法对三维坐标进行空间圆的拟合，获得加油锥套的端面圆曲线，再通过计算获得该圆的圆心、法向量和半径。
在步骤1)中，所述利用带有滤光片的双目摄像机系统对带有光学标志灯的加油锥套同时进行拍摄，获得左右两幅图像的具体方法可为：
(1)将相同型号的两台摄像机分别固定在无人机的左右两侧，调整好角度，组成双目视觉系统，并对该双目视觉系统采用张正友标定法进行标定，得到该双目视觉系统的内部参数和外部参数，然后分别在左右摄像机的镜头上安装只允许单一颜色通过的滤光片；
(2)在加油机加油锥套的圆周边上安装光学标志灯，该光学标志灯的发光颜色与安装在摄像机上的滤光片所允许通过的颜色相同；
(3)用步骤(1)中所述的双目视觉系统对步骤(2)中所述的加油锥套进行拍照，获得左右两幅图像。
在步骤2)中，所述对左右两幅图像分别依次进行灰度化、二值化、中值滤波处理[1]后，采用区域生长法查找并标记左右两幅图像中的所有连通区域[2]，再求取每个连通区域质心作为特征点的具体方法可为：
(1)对步骤1)第(3)部分中所获得的左右两幅图像分别依次进行灰度化、二值化及中值滤波等图像处理；
(2)对经过步骤(2)后的二值图像采用区域生长法进行连通区域查找及标记，具体方法流程见图2，然后计算所有连通区域的质心，计算方法如下：
Figure BDA0001257250600000031
其中，Pi为连通区域像素点的像素值，xi,yi连通区域像素点的像素坐标，Xc,Yc为连通区域的质心坐标，连通区域的质心即为特征点的坐标。
在步骤3)中，所述采用改进haar小波变换对所有特征点进行描述，获得所有特征点的描述向量，再采用最小欧氏距离法对左右图像的特征点进行匹配，获得左右图像的特征点对的具体方法可为：
(1)对步骤2)第(2)部分中所获得的左右图像特征点进行改进的haar小波变换，即以特征点为中心取一个正方形区域，将该正方形区域划分为大小均匀的16个小正方形区域，再以小正方形区域的大小为haar小波模板的大小，对这16个小正方形区域进行水平方向上和垂直方向上的haar小波变换，然后将haar小波变换的水平方向值之和，水平方向绝对值之和，垂直方向之和，垂直方向绝对值之和，组成一个4×16＝64维的描述向量，参考图3。
(2)对描述后的左右图像特征点进行匹配，即对左图像中的每个特征点的描述向量与右图像中的每个特征点描述向量进行欧氏距离的计算，将具有最小欧式距离的两个特征点作为一对特征点对。欧式距离计算公式如下：
Figure BDA0001257250600000032
在步骤4)中，所述利用双目视觉原理计算特征点的三维坐标，并采用最小二乘法对三维坐标进行空间圆的拟合，获得加油锥套的端面圆曲线，再通过计算获得该圆的圆心、法向量和半径的具体方法可为：
(1)利用步骤1)第(1)部分中获得的双目视觉系统的内部参数矩阵、外部参数矩阵及双目视觉原理求取加油锥套上光学标志灯的三维坐标；求取公式如下：
设双目摄像机系统的内部参数分别为Al,Ar外部参数为Ml,Mr，其中
Figure BDA0001257250600000033
Figure BDA0001257250600000034
设某成像特征点的世界坐标系为(xw yw zw)，则由投影原理可得：
Figure BDA0001257250600000041
Figure BDA0001257250600000042
令投影矩阵Hl＝Al*Ml,Hr＝Ar*Mr，则
Figure BDA0001257250600000044
其中，Hl,Hr中的所有分量均为已知量，则经过展开消去zl,zr可得：
Figure BDA0001257250600000045
令
则可得
Figure BDA0001257250600000047
所以，最后求得三维坐标为
Figure BDA0001257250600000051
(2)对步骤(1)中求得的三维坐标采用最小二乘法进行空间圆的拟合，拟合得到的空间圆曲线就是加油锥套端面圆曲线，然后利用端面圆曲线求得端面圆的圆心三维坐标、法向量、半径。
本发明先通过光学标志灯和滤光片，过滤掉图像中一些不必要的场景信息，再通过图像灰度化、二值化、中值滤波等图像处理突出光学标志灯在图像中成像的连通区域，然后通过求取图像中连通区域的质心作为特征点，并对特征点采用改进haar小波变换进行描述，得到特征点的描述向量，再利用最小欧式距离进行匹配，得到匹配点对，最后利用双目视觉原理计算加油锥套上光学标志灯的三维坐标。本发明提取的特征点准确且有用，匹配准确率也极高，因此可以快速准确地确定加油锥套的位置信息。
由此可见，与现有技术相比，本发明具有如下有益效果：
1)在双目摄像机镜头上安装滤光片和在加油追安装滤光片允许通过颜色的光学标志灯，能够很好的过滤掉一些不必要的场景信息，使得特征点的提取更加简单和准确。
2)先准确提取特征点，即先提取图片中的加油锥套上的光学标志灯的质心坐标。SIFT算法和SURF算法是盲目地在整张图片中无差别提取特征点，这些特征点大多不在加油锥管上，所以是无用的，提高匹配的错误率也增加计算量。而本发明提取特征点的方法提取的特征点数量有限且都在加油椎管上，这样就更加准确的提取到了有用的特征点，减少了特征点的数量，缩小了匹配的范围。
3)采用改进haar小波变换对特征点进行描述，即以特征点为中心取一个正方形区域，将该正方形区域划分为大小均匀的16个小正方形区域，再以小正方形区域的大小为haar小波模板的大小，对这16个小正方形区域进行水平方向上和垂直方向上的haar小波变换，然后将haar小波变换的水平方向值之和，水平方向绝对值之和，垂直方向之和，垂直方向绝对值之和，组成一个4×16＝64维的描述向量，参考图3。而原始的haar小波变换只用一个模板对特征点进行描述，只有4个维度，描述不够详细，不够准确，会使匹配的误差变大。本发明采用改进的haar小波变换对特征点进行描述，可以得到的维度更高的描述向量，描述会更加准确，也就使得特征点的匹配更加准确。匹配的准确率越高，三维坐标的计算结果也就越精确。
4)本发明提取的特征点准确且有限，因此采用全局搜索匹配，可有效提高匹配的准确率。而且即使是全局搜索，整个过程用时也不到0.3s，完全能够满足快速地实时检测需求。
附图说明
图1为本发明的整体流程图。
图2为本发明中区域生长法查找标记二值图像中连通区域的流程图。
图3为本发明中改进haar小波变换示意图。
图4为本发明中的双目视觉成像原理图。
具体实施方式
本发明提供的一种基于双目视觉的无人机空中自主加油快速对接导航方法，参见图1，具体步骤如下：
步骤1.1：将相同型号的两台摄像机分别固定在无人机的左右两侧，调整好角度，组成双目视觉系统，并对该双目视觉系统采用张正友标定法进行标定，得到该双目视觉系统的内部参数和外部参数，然后分别在左右摄像机的镜头上安装只允许单一颜色通过的滤光片。
步骤1.2：在加油机加油锥套的圆周边上安装光学标志灯，该光学标志灯的发光颜色与安装在摄像机上的滤光片所允许通过的颜色相同。
步骤1.3：用步骤1.1中所述的双目视觉系统对步骤1.2中所述的加油锥套进行拍照，获得左右两幅图像。
步骤2.1：对步骤1.3中所获得的左右两幅图像分别依次进行灰度化、二值化及中值滤波等图像处理。
步骤2.2：对经过步骤2.1后的二值图像采用区域生长法进行连通区域查找及标记，具体方法流程见图2。然后计算所有连通区域的质心，计算方法如下：
其中，Pi为连通区域像素点的像素值，xi,yi连通区域像素点的像素坐标，Xc,Yc为连通区域的质心坐标。连通区域的质心即为特征点的坐标。
步骤3.1：对步骤2.2中所获得的左右图像特征点进行改进的haar小波变换，即以特征点为中心取一个正方形区域，将该正方形区域划分为大小均匀的16个小正方形区域，再以小正方形区域的大小为haar小波模板的大小，对这16个小正方形区域进行水平方向上和垂直方向上的haar小波变换，然后将haar小波变换的水平方向值之和，水平方向绝对值之和，垂直方向之和，垂直方向绝对值之和，组成一个4×16＝64维的描述向量，参考图3。
步骤3.2：对描述后的左右图像特征点进行匹配，即对左图像中的每个特征点的描述向量与右图像中的每个特征点描述向量进行欧氏距离的计算，将具有最小欧式距离的两个特征点作为一对特征点对。欧式距离计算公式如下：
Figure BDA0001257250600000071
步骤4.1：利用步骤1.1中获得的双目视觉系统的内部参数矩阵、外部参数矩阵及双目视觉原理求取加油锥套上光学标志灯的三维坐标。
步骤4.2：对步骤4.1中求得的三维坐标采用最小二乘法进行空间圆的拟合，拟合得到的空间圆曲线就是加油锥套端面圆曲线，然后利用端面圆曲线求得端面圆的圆心三维坐标、法向量、半径。
本发明中的双目视觉成像原理图参见图4。
本发明适用于无人机空中自主加油的对接导航阶段，在对接时可以对加油机的加油锥套进行实时的位置估计，具有现实的使用意义。

Claims (1)

1.基于双目视觉的无人机空中自主加油快速对接导航方法，其特征在于包括以下步骤：
1)利用带有滤光片的双目摄像机系统对带有光学标志灯的加油锥套同时进行拍摄，获得左右两幅图像；所述利用带有滤光片的双目摄像机系统对带有光学标志灯的加油锥套同时进行拍摄，获得左右两幅图像的具体方法为：
(1)将相同型号的两台摄像机分别固定在无人机的左右两侧，调整好角度，组成双目视觉系统，并对该双目视觉系统采用张正友标定法进行标定，得到该双目视觉系统的内部参数和外部参数，然后分别在左右摄像机的镜头上安装只允许单一颜色通过的滤光片；
(2)在加油机加油锥套的圆周边上安装光学标志灯，该光学标志灯的发光颜色与安装在摄像机上的滤光片所允许通过的颜色相同；
(3)用步骤(1)中所述的双目视觉系统对步骤(2)中所述的加油锥套进行拍照，获得左右两幅图像；
2)对左右两幅图像分别依次进行灰度化、二值化、中值滤波处理后，采用区域生长法查找并标记左右两幅图像中的所有连通区域，再求取每个连通区域质心作为特征点；所述对左右两幅图像分别依次进行灰度化、二值化、中值滤波处理后，采用区域生长法查找并标记左右两幅图像中的所有连通区域，再求取每个连通区域质心作为特征点的具体方法为：
(1)对步骤1)第(3)部分中所获得的左右两幅图像分别依次进行灰度化、二值化及中值滤波图像处理；
(2)对经过步骤2)第(1)部分后的二值图像采用区域生长法进行连通区域查找及标记，然后计算所有连通区域的质心，计算方法如下：
Figure FDA0002312043390000011
其中，Pi为连通区域像素点的像素值，xi,yi为连通区域像素点的像素坐标，Xc,Yc为连通区域的质心坐标，连通区域的质心即为特征点的坐标；
3)采用改进haar小波变换对所有特征点进行描述，获得所有特征点的描述向量，再采用最小欧氏距离法对左右图像的特征点进行匹配，获得左右图像的特征点对；所述采用改进haar小波变换对所有特征点进行描述，获得所有特征点的描述向量，再采用最小欧氏距离法对左右图像的特征点进行匹配，获得左右图像的特征点对的具体方法为：
(1)对步骤2)第(2)部分中所获得的左右图像特征点进行改进的haar小波变换，即以特征点为中心取一个正方形区域，将该正方形区域划分为大小均匀的16个小正方形区域，再以小正方形区域的大小为haar小波模板的大小，对这16个小正方形区域进行水平方向上和垂直方向上的haar小波变换，然后将haar小波变换的水平方向值之和，水平方向绝对值之和，垂直方向之和，垂直方向绝对值之和，组成一个4×16＝64维的描述向量；
(2)对描述后的左右图像特征点进行匹配，即对左图像中的每个特征点的描述向量与右图像中的每个特征点描述向量进行欧氏距离的计算，将具有最小欧式距离的两个特征点作为一对特征点对，欧式距离计算公式如下：
Figure FDA0002312043390000021
其中，d12为左、右图像中两个特征点之间的欧式距离；n为特征点向量维度；x1k，x2k,k＝1,…,n为左、右图像特征点描述向量第k维的值；
4)利用双目视觉原理计算特征点的三维坐标，并采用最小二乘法对三维坐标进行空间圆的拟合，获得加油锥套的端面圆曲线，再通过计算获得该圆的圆心、法向量和半径；
所述利用双目视觉原理计算特征点的三维坐标，并采用最小二乘法对三维坐标进行空间圆的拟合，获得加油锥套的端面圆曲线，再通过计算获得该圆的圆心、法向量和半径的具体方法为：
(1)利用步骤1)第(1)部分中获得的双目视觉系统的内部参数矩阵、外部参数矩阵及双目视觉原理求取加油锥套上光学标志灯的三维坐标；求取公式如下：
设双目摄像机系统的内部参数分别为Al,Ar外部参数为Ml,Mr，其中
Figure FDA0002312043390000022
Figure FDA0002312043390000023
Mr＝[R T]
其中，Al,Ar为左、右摄像机的内部参数矩阵；fxl,fyl为左摄像机x,y轴上的尺度因子参数；fxr,fyr为右摄像机x,y轴上的尺度因子；sl,sr为左、右摄像机成像图像平面两轴之间的不垂直因子；(ul0,vl0)为左图像物理坐标系原点在像素坐标系中的坐标；(ur0,vr0)为右图像物理坐标系原点在像素坐标系中的坐标；Ml,Mr为左、右摄像机的外部参数矩阵；R为旋转矩阵；T为平移向量；
设某成像特征点的世界坐标系为(xw yw zw)，则由投影原理得：
Figure FDA0002312043390000031
Figure FDA0002312043390000032
其中，zl,zr为左、右图像比例系数；ul,vl为空间某点在左摄像机图像坐标系中的坐标；ur,vr为空间某点在右摄像机图像坐标系中的坐标；xw,yw,zw为空间某点在世界坐标系中的坐标；
令投影矩阵Hl＝Al*Ml,Hr＝Ar*Mr，则
Figure FDA0002312043390000034
其中，Hl,Hr中的所有分量均为已知量，Hl＝Al*Ml，hl11,hl12,…,hl34表示矩阵Hl中的元素，Hr＝Ar*Mr，hr11,hr12,…,hr34表示矩阵Hr中的元素，则经过展开消去zl,zr得：
Figure FDA0002312043390000035
令:
Figure FDA0002312043390000036
则得
Figure FDA0002312043390000037
所以，最后求得三维坐标为：
Figure FDA0002312043390000041
(2)对步骤4)第(1)部分中求得的三维坐标采用最小二乘法进行空间圆的拟合，拟合得到的空间圆曲线就是加油锥套端面圆曲线，然后利用端面圆曲线求得端面圆的圆心三维坐标、法向量、半径。
CN201710195516.XA 2017-03-29 2017-03-29 基于双目视觉的无人机空中自主加油快速对接导航方法 Expired - Fee Related CN106934809B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710195516.XA CN106934809B (zh) 2017-03-29 2017-03-29 基于双目视觉的无人机空中自主加油快速对接导航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710195516.XA CN106934809B (zh) 2017-03-29 2017-03-29 基于双目视觉的无人机空中自主加油快速对接导航方法

Publications (2)

Publication Number Publication Date
CN106934809A CN106934809A (zh) 2017-07-07
CN106934809B true CN106934809B (zh) 2020-02-14

Family

ID=59426687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710195516.XA Expired - Fee Related CN106934809B (zh) 2017-03-29 2017-03-29 基于双目视觉的无人机空中自主加油快速对接导航方法

Country Status (1)

Country Link
CN (1) CN106934809B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107677274B (zh) * 2017-09-12 2019-02-19 西北工业大学 基于双目视觉的无人机自主着陆导航信息实时解算方法
CN107909615A (zh) * 2017-12-18 2018-04-13 广东广业开元科技有限公司 一种基于双目视觉的消防炮定位方法
CN110136048B (zh) * 2018-02-09 2022-10-14 中国科学院上海高等研究院 一种图像配准方法及系统、存储介质及终端
CN108492282B (zh) * 2018-03-09 2021-08-06 天津工业大学 基于线结构光与多任务级联卷积神经网络的三维涂胶检测
CN109085845B (zh) * 2018-07-31 2020-08-11 北京航空航天大学 一种自主空中加油对接仿生视觉导航控制系统及方法
CN109636851B (zh) * 2018-11-13 2020-12-29 中国科学院计算技术研究所 基于双目视觉的危化品事故处理剂投送靶向定位方法
CN111352435B (zh) * 2018-12-20 2021-07-16 中国科学院沈阳自动化研究所 一种无人机编队自主空中加油方法
CN109859206A (zh) * 2019-02-28 2019-06-07 易思维（杭州）科技有限公司 一种圆孔特征的提取方法
CN111178170B (zh) * 2019-12-12 2023-07-04 青岛小鸟看看科技有限公司 一种手势识别方法和一种电子设备
CN111103896A (zh) * 2019-12-16 2020-05-05 北京泊松技术有限公司 一种无人机空中对接比赛评判系统及评判方法
CN111292413A (zh) * 2020-02-24 2020-06-16 浙江大华技术股份有限公司 图像模型的处理方法及装置、存储介质、电子装置
CN111598950A (zh) * 2020-04-23 2020-08-28 四川省客车制造有限责任公司 一种基于机器视觉的客车列车自动铰接方法及系统
CN112069589B (zh) * 2020-08-05 2022-10-11 中国航空工业集团公司哈尔滨空气动力研究所 一种低速风洞空中加油软管-锥套动态特性试验方法
CN112665618B (zh) * 2020-12-17 2022-05-17 安徽中元新材料技术有限公司 一种基于形态学的波长敏感模式提取装置及方法
CN113034590B (zh) * 2021-03-02 2024-01-09 西北工业大学 基于视觉融合的auv动态对接定位方法
GB2624651A (en) * 2022-11-24 2024-05-29 Continental Autonomous Mobility Germany GmbH Method for determining camera pose information, camera system and vehicle

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103294024A (zh) * 2013-04-09 2013-09-11 宁波杜亚机电技术有限公司 智能家居系统控制方法
CN103617428A (zh) * 2013-12-16 2014-03-05 中国科学院自动化研究所 基于混合特征的空中加油锥套目标检测方法
CN103984961A (zh) * 2014-05-30 2014-08-13 成都西物信安智能系统有限公司 一种用于检测车底异物的图像检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103294024A (zh) * 2013-04-09 2013-09-11 宁波杜亚机电技术有限公司 智能家居系统控制方法
CN103617428A (zh) * 2013-12-16 2014-03-05 中国科学院自动化研究所 基于混合特征的空中加油锥套目标检测方法
CN103984961A (zh) * 2014-05-30 2014-08-13 成都西物信安智能系统有限公司 一种用于检测车底异物的图像检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于SURF特征点的自主空中加油定位研究;秦思渊等;《计算机仿真》;20120630;80-84 *
基于双目视觉的自主空中加油锥套定位研究;张航;《万方中国学位论文全文数据库》;20131030;1-52 *

Also Published As

Publication number Publication date
CN106934809A (zh) 2017-07-07

Similar Documents

Publication Publication Date Title
CN106934809B (zh) 基于双目视觉的无人机空中自主加油快速对接导航方法
CN107063228B (zh) 基于双目视觉的目标姿态解算方法
CN107314771B (zh) 基于编码标志点的无人机定位以及姿态角测量方法
CN108534782B (zh) 一种基于双目视觉系统的地标地图车辆即时定位方法
CN109919911B (zh) 基于多视角光度立体的移动三维重建方法
CN109859272B (zh) 一种自动对焦双目摄像头标定方法及装置
CN110319772B (zh) 基于无人机的视觉大跨度测距方法
CN106530358A (zh) 仅用两幅场景图像标定ptz摄像机的方法
CN104880176A (zh) 基于先验知识模型优化的运动物位姿测量方法
CN108519102B (zh) 一种基于二次投影的双目视觉里程计算方法
CN110956661B (zh) 基于双向单应矩阵的可见光与红外相机动态位姿计算方法
CN107560603B (zh) 一种无人机倾斜摄影测量系统及测量方法
CN113850126A (zh) 一种基于无人机的目标检测和三维定位方法和系统
CN110969667A (zh) 基于边缘特征的多光谱相机外参自校正算法
CN111080709A (zh) 基于轨迹特征配准的多光谱立体相机自标定算法
CN113592721B (zh) 摄影测量方法、装置、设备及存储介质
CN110044374A (zh) 一种基于图像特征的单目视觉测量里程的方法及里程计
CN111583342B (zh) 一种基于双目视觉的目标快速定位方法及装置
CN115423863B (zh) 相机位姿估计方法、装置及计算机可读存储介质
CN106296718A (zh) 基于立体视觉导航系统的相机阵列快速标定方法
CN114549871A (zh) 一种无人机航拍图像与卫星影像匹配方法
CN104167001A (zh) 基于正交补偿的大视场摄像机标定方法
CN114812558A (zh) 一种结合激光测距的单目视觉无人机自主定位方法
Knyaz et al. Joint geometric calibration of color and thermal cameras for synchronized multimodal dataset creating
Tsao et al. Stitching aerial images for vehicle positioning and tracking

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200214

Termination date: 20210329