CN106996777A - 一种基于地面图像纹理的视觉导航方法 - Google Patents
一种基于地面图像纹理的视觉导航方法 Download PDFInfo
- Publication number
- CN106996777A CN106996777A CN201710264333.9A CN201710264333A CN106996777A CN 106996777 A CN106996777 A CN 106996777A CN 201710264333 A CN201710264333 A CN 201710264333A CN 106996777 A CN106996777 A CN 106996777A
- Authority
- CN
- China
- Prior art keywords
- image
- ground
- represented
- image texture
- texture
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manipulator (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于地面图像纹理的视觉导航方法,包括以下步骤:步骤1,建立绝对坐标系,在坐标系内设置多个标定点;步骤2,使得移动机器人在移动过程中可自动使用图像采集装置对移动路径上的地面纹理进行拍照;步骤3,若当前拍照图像纹理与标定点图像纹理无重叠处时,则与上一帧拍照图像进行图像配准,若当前拍照图像纹理与标定点图像纹理有重叠处时,则与标定点图像进行图像配准。本发明提出了的视觉导航方法,不需对地面进行额外处理,适用范围广且方面,辅以地面的图片来标定,间歇性校正累计误差,以达到高精度定位,且每次经过标定点时会更新用以标定的图片信息,自适应地面磨损等情况。
Description
技术领域
本发明涉及移动机器人技术领域,具体涉及一种基于地面图像纹理的视觉导航方法。
背景技术
视觉导航是目前移动机器人领域中的热点,随着机器人的发展,其应用领域愈加广泛,目前机器人的导航方式主要有磁条导航,惯性导航,激光导航等。
磁条导航需要在机器人移动路径上铺设磁条,精度较低,且突出地面的磁条易损坏;惯性导航随着时间的累积,惯性导航累积误差增大,需辅助其他设备予以校正,且高精度的惯性导航器件成本较高;激光导航需要在移动路径两边添加反光板,对反光板的安装精度要求较高,且对其他光源敏感,不易于室外作业,成本较高。
发明内容
本发明的目的在于提供一种基于地面图像纹理的视觉导航方法,以解决上述背景技术中提出的问题。所述基于地面图像纹理的视觉导航方法不需对地面进行额外处理,适用范围广且方面,辅以地面的图片来标定,间歇性校正累计误差,以达到高精度定位,且每次经过标定点时会更新用以标定的图片信息,自适应地面磨损等情况。
为实现上述目的,本发明提供如下技术方案:
一种基于地面图像纹理的视觉导航方法,包括以下步骤:
步骤1,建坐标系:建立绝对坐标系,在坐标系内设置多个标定点;
步骤2,机器人设置:使得移动机器人在移动过程中可自动使用图像采集装置对移动路径上的地面纹理进行拍照;
步骤3,图像纹理对比:若当前拍照图像纹理与标定点图像纹理无重叠处时,则与上一帧拍照图像进行图像配准,以得到当前位置;
若当前拍照图像纹理与标定点图像纹理有重叠处时,则与标定点图像进行图像配准,以得到当前位置。
优选的,步骤1中的标定点为人为设定,并指定每个标定点对应的绝对坐标。
优选的,所述标定点间隔设置在移动路径上。
优选的,步骤3中的标定点图像为事先拍摄好的标定点位置图像,且标定点图像提前存储在机器人中。
优选的,所述图像配准的算法为:
1):输入两张照片坐标I1(x,y),I2(x,y),且输入照片的宽、高均为w:x,y∈[0,w];
2):对I1,I2进行快速傅里叶变换,得到谱S1(u,v),S2(u,v),可表示为:
3):对S1,S2求幅值并做对数极坐标变换,得到对数极坐标下的幅值图P1,P2,可表示为:
4):对P1,P2进行傅里叶变换,得到SP1,2(uρ,vθ),可表示为:
5):计算其中×表示对每个像素执行复数乘法操作,可表示为:
6):计算归一化的AS的傅里叶变换逆WS,可表示为:WS(ρ,θ)=∫∫AS(uρ,vθ)|AS(uρ,vθ)|-1ej2π(ux+vy)duρdvθ;
7):计算WS的极值点坐标,并取若干极值点的θ坐标值作为备选旋转角度,分别为θ1,θ2,......θn,可表示为:
8):计算I1的傅里叶变换共轭,可表示为:
9):对所有的备选旋转角度θ1,θ2,......θn:
a)对I2旋转θi角度,得到I2(x,y)=I2(xcosθ-ysinθ,xsinθ+ycosθ);
b)对I2′计算傅里叶变换,得到
c)计算
d)计算归一化的Ai的傅里叶变换逆Wi并计算Wi的最大值的标准差倍数,记为ci,可表示为:Wi(x,y)=∫∫Ai(u,v)|Ai(u,v)|-1ej2π(ux+vy)dudv;
ci=(maxW-mean(W))/std(W);
10):去标准差倍数c最大所对应的θi,可表示为:令θ′=1°,为二分寻找精确旋转角度的初始范围值;
11):重复以下步骤直到θ收敛,θ为旋转角度:
e)对于θi,f的三个数值θ-θ′,θ,θ+θ′,这3个角度执行步骤9中所述操作,得到三组傅里叶变换逆Wi,f(x,y),标准倍数c;
f)保留标准倍数c最大所对应的θi,f和Wi,f(x,y),然后令θ=θi,f,θ′=θ′/2;
12):对步骤11中f)所得到的Wi,f计算极值点坐标,记为x1,y1,可表示为:
13):对I1和I2做左右各8个像素的0值补丁,记为I1B和I2B,可得到:
14):对I2B旋转θ角度得到I2B′,可表示为:I2B′(x,y)=I2B(xcosθ-ysinθ,xsinθ+ycosθ);
15):对I1B′和I2B′进行傅里叶变换得到F1B和F2B;
16):计算可得到:
17):计算归一化的AB的傅里叶变换逆WB,并计算出极值点坐标,记为x2,y2,可得:
(x2,y2)=argmaxWB(x,y);
18):在{x1,x2,x1-w,x2-w}中取众数,即为x方向位移;
19):在{y1,y2,y1-w,y2-w}中取众数,即为y方向位移。
优选的,步骤2中图像采集装置选用摄像机,且摄像机安装于机器人底部。
优选的,步骤3中若当前拍照图像与标定点图像进行图像配准,则在配准完成后,将当前拍照图像与标定点图像进行糅合,产生具有两张图像特征的新图像作为新的标定点图像。
与现有技术相比,本发明的有益效果是:
本发明通过标定点的设置,在两个标定点之间,使用的是图像“惯性导航”,即对当前帧相对于上一帧的变化量进行积分,得出当前的姿态坐标,当到达标定点时,用此处数据矫正姿态坐标,从而消除“惯性导航”的累计误差。
本发明具有以下优点:
1、增加标定点时就是对此处地面拍摄一张图片,并指定此时对应的绝对坐标,所以对于相机分辨率能分清楚纹理的地面,是不需要进行任何附加处理的;
2、用标定点消除“惯性导航”的累计误差,定位误差是可控的,与标定点的间隔距离成正比,间隔一米时定位误差为±5mm;
3、“惯性导航”时,采集当前地面图像信息,是与上一帧图像比对的,因此可允许100%的地面突变,即当前经过此处拍摄到的图像信息相对于上次经过此处的变化程度,且在经过标定点时,会用当前所拍摄到的标定点的图像来更新已保存的标定点图像信息,而且标定点处允许50%的地面突变,因此只要标定点处地面的突变率不大于50%,都可自适应地面的变化,如磨损,洒落杂物等;
4、由于是采集地面图像,可将摄像机安装在车体底部或其他避光处,予其提供光源,使其不受外界光源干扰,故可应用于各种场景,包括室外。
本发明提出了的视觉导航方法,不需对地面进行额外处理,适用范围广且方面,辅以地面的图片来标定,间歇性校正累计误差,以达到高精度定位,且每次经过标定点时会更新用以标定的图片信息,自适应地面磨损等情况。
附图说明
图1为本发明方法的流程图;
图2为实施例中坐标系与标定点的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本案提出一实施例的一种基于地面图像纹理的视觉导航方法,其包括以下步骤:
步骤1,建坐标系:建立绝对坐标系,在坐标系内设置多个标定点;
步骤2,机器人设置:使得移动机器人在移动过程中可自动使用图像采集装置对移动路径上的地面纹理进行拍照;
步骤3,图像纹理对比:若当前拍照图像纹理与标定点图像纹理无重叠处时,则与上一帧拍照图像进行图像配准,以得到当前位置;
若当前拍照图像纹理与标定点图像纹理有重叠处时,则与标定点图像进行图像配准,以得到当前位置。
首先,建立一个绝对坐标系,在移动机器人运动前,在移动路径上间隔的设置多个标定点,每个标定点均人为指定,而且每个人为设定的标定点的绝对坐标均为已知。
然后,对移动机器人进行设置,将摄像机安装在机器人车体底部或其他避光处,用来对地面进行拍照,取得地面图像纹理,而且事先将每个标定点的地面图像纹理均进行拍摄,并储存于机器人的存储器中,用来进行图像配准。
最后,使得移动机器人开始运动,如说明书附图2的XOY坐标系所示,A、B、C、D、E点均为提前人为设定好的标定点,并且每个点的绝对坐标均已知,如A(xa,ya,θa)、B(xb,yb,θb)、C(xc,yc,θc)、D(xd,yd,θd)、E(xe,ye,θe),并且提前拍摄好这五个点的地面纹理图像。
当机器人运动至B点附近时,机器人的摄像机当前拍摄到的地面图像纹理就会与事先拍摄好的B点地面图像纹理具有重叠的地方,那么此时,先将当前拍摄的地面图像照片以及B点地面图像照片的坐标进行输入,通过配准方法,1):输入两张照片坐标I1(x,y),I2(x,y),且输入照片的宽、高均为w:x,y∈[0,w];
2):对I1,I2进行快速傅里叶变换,得到谱S1(u,v),S2(u,v),可表示为:
3):对S1,S2求幅值并做对数极坐标变换,得到对数极坐标下的幅值图P1,P2,可表示为:
4):对P1,P2进行傅里叶变换,得到SP1,2(uρ,vθ),可表示为:
5):计算其中×表示对每个像素执行复数乘法操作,可表示为:
6):计算归一化的AS的傅里叶变换逆WS,可表示为:WS(ρ,θ)=∫∫AS(uρ,vθ)|AS(uρ,vθ)|-1ej2π(ux+vy)duρdvθ;
7):计算WS的极值点坐标,并取若干极值点的θ坐标值作为备选旋转角度,分别为θ1,θ2,......θn,可表示为:
8):计算I1的傅里叶变换共轭,可表示为:
9):对所有的备选旋转角度θ1,θ2,......θn:
a)对I2旋转θi角度,得到I2(x,y)=I2(xcosθ-ysinθ,xsinθ+ycosθ);
b)对I2′计算傅里叶变换,得到
c)计算
d)计算归一化的Ai的傅里叶变换逆Wi并计算Wi的最大值的标准差倍数,记为ci,可表示为:Wi(x,y)=∫∫Ai(u,v)|Ai(u,v)|-1ej2π(ux+vy)dudv;
ci=(maxW-mean(W))/std(W);
12):去标准差倍数c最大所对应的θi,可表示为:令θ′=1°,为二分寻找精确旋转角度的初始范围值;
13):重复以下步骤直到θ收敛,θ为旋转角度:
e)对于θi,f的三个数值θ-θ′,θ,θ+θ′,这3个角度执行步骤9中操作,得到三组傅里叶变换逆Wi,f(x,y),标准倍数c;
f)保留标准倍数c最大所对应的θi,f和Wi,f(x,y),然后令θ=θi,f,θ′=θ′/2;
12):对步骤11中f)所得到的Wi,f计算极值点坐标,记为x1,y1,可表示为:
13):对I1和I2做左右各8个像素的0值补丁,记为I1B和I2B,可得到:
14):对I2B旋转θ角度得到I2B′,可表示为:I2B′(x,y)=I2B(xcosθ-ysinθ,xsinθ+ycosθ);
15):对I1B′和I2B′进行傅里叶变换得到F1B和F2B;
16):计算可得到:
17):计算归一化的AB的傅里叶变换逆WB,并计算出极值点坐标,记为x2,y2,可得:
(x2,y2)=argmaxWB(x,y);
18):在{x1,x2,x1-w,x2-w}中取众数,即为x方向位移;
19):在{y1,y2,y1-w,y2-w}中取众数,即为y方向位移;
进而获得当前拍照的位置(x,y,θ),从而进行下一步的视觉导航,而且当此图像配准完成后,将B点的地面图像与当前拍照图像进行糅合,步骤3中若当前拍照图像与标定点图像进行图像配准,则在配准完成后,将当前拍照图像与标定点图像进行糅合,产生具有B点地面图像纹理特征和当前拍照图像纹理特征的新图像作为新的标定点图像,使此新的标定点图像将原来B点的地面图像替换掉,及时更新,有利于自适应地面磨损。
当机器人运动至B点与C点之间时,机器人的摄像机当前拍摄到的地面图像纹理与事先拍摄好的任意一个标定点的地面图像纹理都不会具有重叠的地方,那么此时,将当前拍摄的地面图像照片与上一帧拍摄的地面图像的坐标进行输入,也通过配准方法,1):输入两张照片坐标I1(x,y),I2(x,y),且输入照片的宽、高均为w:x,y∈[0,w];
2):对I1,I2进行快速傅里叶变换,得到谱S1(u,v),S2(u,v),可表示为:
3):对S1,S2求幅值并做对数极坐标变换,得到对数极坐标下的幅值图P1,P2,可表示为:
4):对P1,P2进行傅里叶变换,得到SP1,2(uρ,vθ),可表示为:
5):计算其中×表示对每个像素执行复数乘法操作,可表示为:
6):计算归一化的AS的傅里叶变换逆WS,可表示为:WS(ρ,θ)=∫∫AS(uρ,vθ)|AS(uρ,vθ)|-1ej2π(ux+vy)duρdvθ;
7):计算WS的极值点坐标,并取若干极值点的θ坐标值作为备选旋转角度,分别为θ1,θ2,......θn,可表示为:
8):计算I1的傅里叶变换共轭,可表示为:
9):对所有的备选旋转角度θ1,θ2,......θn:
a)对I2旋转θi角度,得到I2(x,y)=I2(xcosθ-ysinθ,xsinθ+ycosθ);
b)对I2′计算傅里叶变换,得到
c)计算
d)计算归一化的Ai的傅里叶变换逆Wi并计算Wi的最大值的标准差倍数,记为ci,可表示为:Wi(x,y)=∫∫Ai(u,v)|Ai(u,v)|-1ej2π(ux+vy)dudv;
ci=(maxW-mean(W))/std(W);
14):去标准差倍数c最大所对应的θi,可表示为:令θ′=1°,为二分寻找精确旋转角度的初始范围值;
15):重复以下步骤直到θ收敛,θ为旋转角度:
e)对于θi,f的三个数值θ-θ′,θ,θ+θ′,这3个角度执行步骤9中操作,得
到三组傅里叶变换逆Wi,f(x,y),标准倍数c;
f)保留标准倍数c最大所对应的θi,f和Wi,f(x,y),然后令θ=θi,f,θ′=θ′/2;
12):对步骤11中f)所得到的Wi,f计算极值点坐标,记为x1,y1,可表示为:
13):对I1和I2做左右各8个像素的0值补丁,记为I1B和I2B,可得到:
14):对I2B旋转θ角度得到I2B′,可表示为:I2B′(x,y)=I2B(xcosθ-ysinθ,xsinθ+ycosθ);
15):对I1B′和I2B′进行傅里叶变换得到F1B和F2B;
16):计算可得到:
17):计算归一化的AB的傅里叶变换逆WB,并计算出极值点坐标,记为x2,y2,可得:
(x2,y2)=argmaxWB(x,y);
18):在{x1,x2,x1-w,x2-w}中取众数,即为x方向位移;
19):在{y1,y2,y1-w,y2-w}中取众数,即为y方向位移;
进而获得当前拍照的位置,从而进行下一步的视觉导航。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于地面图像纹理的视觉导航方法,其特征在于,包括以下步骤:
步骤1,建坐标系:建立绝对坐标系,在坐标系内设置多个标定点;
步骤2,机器人设置:使得移动机器人在移动过程中可自动使用图像采集装置对移动路径上的地面纹理进行拍照;
步骤3,图像纹理对比:若当前拍照图像纹理与标定点图像纹理无重叠处时,则与上一帧拍照图像进行图像配准,以得到当前位置;
若当前拍照图像纹理与标定点图像纹理有重叠处时,则与标定点图像进行图像配准,以得到当前位置。
2.根据权利要求1所述的一种基于地面图像纹理的视觉导航方法,其特征在于:步骤1中的标定点为人为设定,并指定每个标定点对应的绝对坐标。
3.根据权利要求1所述的一种基于地面图像纹理的视觉导航方法,其特征在于:所述标定点间隔设置在移动路径上。
4.根据权利要求1所述的一种基于地面图像纹理的视觉导航方法,其特征在于:步骤3中的标定点图像为事先拍摄好的标定点位置图像,且标定点图像提前存储在机器人中。
5.根据权利要求1所述的一种基于地面图像纹理的视觉导航方法,其特征在于:所述图像配准的算法为:
1):输入两张照片坐标I1(x,y),I2(x,y),且输入照片的宽、高均为w:x,y∈[0,w];
2):对I1,I2进行快速傅里叶变换,得到谱S1(u,v),S2(u,v),可表示为:
3):对S1,S2求幅值并做对数极坐标变换,得到对数极坐标下的幅值图P1,P2,可表示为:
4):对P1,P2进行傅里叶变换,得到SP1,2(uρ,vθ),可表示为:
5):计算其中×表示对每个像素执行复数乘法操作,可表示为:
6):计算归一化的AS的傅里叶变换逆WS,可表示为:WS(ρ,θ)=∫∫AS(uρ,vθ)|AS(uρ,vθ)|-1ej2π(ux+vy)duρdvθ;
7):计算WS的极值点坐标,并取若干极值点的θ坐标值作为备选旋转角度,分别为θ1,θ2,......θn,可表示为:
8):计算I1的傅里叶变换共轭,可表示为:
9):对所有的备选旋转角度θ1,θ2,......θn:
a)对I2旋转θi角度,得到I2(x,y)=I2(xcosθ-ysinθ,xsinθ+ycosθ);
b)对I2′计算傅里叶变换,得到
c)计算
d)计算归一化的Ai的傅里叶变换逆Wi并计算Wi的最大值的标准差倍数,记为ci,可表示为:Wi(x,y)=∫∫Ai(u,v)|Ai(u,v)|-1ej2π(ux+vy)dudv;
ci=(maxW-mean(W))/std(W);
10):去标准差倍数c最大所对应的θi,可表示为:令θ′=1°,为二分寻找精确旋转角度的初始范围值;
11):重复以下步骤直到θ收敛,θ为旋转角度:
e)对于θi,f的三个数值θ-θ′,θ,θ+θ′,这3个角度执行步骤9中所述操作,得到三组傅里叶变换逆Wi,f(x,y),标准倍数c;
f)保留标准倍数c最大所对应的θi,f和Wi,f(x,y),然后令θ=θi,f,θ′=θ′/2;
12):对步骤11中f)所得到的Wi,f计算极值点坐标,记为x1,y1,可表示为:
13):对I1和I2做左右各8个像素的0值补丁,记为I1B和I2B,可得到:
14):对I2B旋转θ角度得到I2B′,可表示为:
I2B′(x,y)=I2B(xcosθ-ysinθ,xsinθ+ycosθ);
15):对I1B′和I2B′进行傅里叶变换得到F1B和F2B;
16):计算可得到:
17):计算归一化的AB的傅里叶变换逆WB,并计算出极值点坐标,记为x2,y2,可得:
(x2,y2)=argmaxWB(x,y);
18):在{x1,x2,x1-w,x2-w}中取众数,即为x方向位移;
19):在{y1,y2,y1-w,y2-w}中取众数,即为y方向位移。
6.根据权利要求1所述的一种基于地面图像纹理的视觉导航方法,其特征在于:步骤2中图像采集装置选用摄像机,且摄像机安装于机器人底部。
7.根据权利要求1所述的一种基于地面图像纹理的视觉导航方法,其特征在于:步骤3中若当前拍照图像与标定点图像进行图像配准,则在配准完成后,将当前拍照图像与标定点图像进行糅合,产生具有两张图像特征的新图像作为新的标定点图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710264333.9A CN106996777B (zh) | 2017-04-21 | 2017-04-21 | 一种基于地面图像纹理的视觉导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710264333.9A CN106996777B (zh) | 2017-04-21 | 2017-04-21 | 一种基于地面图像纹理的视觉导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106996777A true CN106996777A (zh) | 2017-08-01 |
CN106996777B CN106996777B (zh) | 2019-02-12 |
Family
ID=59435670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710264333.9A Active CN106996777B (zh) | 2017-04-21 | 2017-04-21 | 一种基于地面图像纹理的视觉导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106996777B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107639635A (zh) * | 2017-09-30 | 2018-01-30 | 杨聚庆 | 一种机械臂位姿误差标定方法及系统 |
CN109059897A (zh) * | 2018-05-30 | 2018-12-21 | 上海懒书智能科技有限公司 | 一种基于agv小车的实时运行姿态的获取方法 |
CN109556596A (zh) * | 2018-10-19 | 2019-04-02 | 北京极智嘉科技有限公司 | 基于地面纹理图像的导航方法、装置、设备及存储介质 |
CN110097494A (zh) * | 2019-04-26 | 2019-08-06 | 浙江迈睿机器人有限公司 | 一种基于傅里叶-梅林变换的货物定位方法 |
CN110119670A (zh) * | 2019-03-20 | 2019-08-13 | 杭州电子科技大学 | 一种基于Harris角点检测的视觉导航方法 |
CN110189331A (zh) * | 2018-05-31 | 2019-08-30 | 上海快仓智能科技有限公司 | 建图方法、图像采集和处理系统和定位方法 |
WO2019154444A3 (zh) * | 2018-05-31 | 2019-10-03 | 上海快仓智能科技有限公司 | 建图方法、图像采集和处理系统和定位方法 |
CN111179303A (zh) * | 2020-01-07 | 2020-05-19 | 东南大学 | 基于粒子滤波的谷物收获机器人视觉导航方法及其应用 |
CN111415390A (zh) * | 2020-03-18 | 2020-07-14 | 上海懒书智能科技有限公司 | 一种基于地面纹理的定位导航方法及装置 |
CN112070810A (zh) * | 2020-08-31 | 2020-12-11 | 上海爱观视觉科技有限公司 | 定位方法、可移动设备及计算机可读存储介质 |
CN113029168A (zh) * | 2021-02-26 | 2021-06-25 | 杭州海康机器人技术有限公司 | 基于地面纹理信息的地图构建方法和系统及移动机器人 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101008566A (zh) * | 2007-01-18 | 2007-08-01 | 上海交通大学 | 基于地面纹理的智能车视觉装置及其全局定位方法 |
CN101566471A (zh) * | 2007-01-18 | 2009-10-28 | 上海交通大学 | 基于地面纹理的智能车视觉全局定位方法 |
CN101660908A (zh) * | 2009-09-11 | 2010-03-03 | 天津理工大学 | 基于单个路标的视觉定位与导航方法 |
WO2011047888A1 (en) * | 2009-10-19 | 2011-04-28 | Metaio Gmbh | Method of providing a descriptor for at least one feature of an image and method of matching features |
CN103292804A (zh) * | 2013-05-27 | 2013-09-11 | 浙江大学 | 一种单目自然视觉路标辅助的移动机器人定位方法 |
CN104616280A (zh) * | 2014-11-26 | 2015-05-13 | 西安电子科技大学 | 基于最大稳定极值区域和相位一致性的图像配准方法 |
CN104915964A (zh) * | 2014-03-11 | 2015-09-16 | 株式会社理光 | 对象跟踪方法和设备 |
CN105184803A (zh) * | 2015-09-30 | 2015-12-23 | 西安电子科技大学 | 一种姿态测量方法和装置 |
CN105841687A (zh) * | 2015-01-14 | 2016-08-10 | 上海智乘网络科技有限公司 | 室内定位方法和系统 |
CN105928505A (zh) * | 2016-04-19 | 2016-09-07 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
-
2017
- 2017-04-21 CN CN201710264333.9A patent/CN106996777B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101008566A (zh) * | 2007-01-18 | 2007-08-01 | 上海交通大学 | 基于地面纹理的智能车视觉装置及其全局定位方法 |
CN101566471A (zh) * | 2007-01-18 | 2009-10-28 | 上海交通大学 | 基于地面纹理的智能车视觉全局定位方法 |
CN101660908A (zh) * | 2009-09-11 | 2010-03-03 | 天津理工大学 | 基于单个路标的视觉定位与导航方法 |
WO2011047888A1 (en) * | 2009-10-19 | 2011-04-28 | Metaio Gmbh | Method of providing a descriptor for at least one feature of an image and method of matching features |
CN103292804A (zh) * | 2013-05-27 | 2013-09-11 | 浙江大学 | 一种单目自然视觉路标辅助的移动机器人定位方法 |
CN104915964A (zh) * | 2014-03-11 | 2015-09-16 | 株式会社理光 | 对象跟踪方法和设备 |
CN104616280A (zh) * | 2014-11-26 | 2015-05-13 | 西安电子科技大学 | 基于最大稳定极值区域和相位一致性的图像配准方法 |
CN105841687A (zh) * | 2015-01-14 | 2016-08-10 | 上海智乘网络科技有限公司 | 室内定位方法和系统 |
CN105184803A (zh) * | 2015-09-30 | 2015-12-23 | 西安电子科技大学 | 一种姿态测量方法和装置 |
CN105928505A (zh) * | 2016-04-19 | 2016-09-07 | 深圳市神州云海智能科技有限公司 | 移动机器人的位姿确定方法和设备 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107639635A (zh) * | 2017-09-30 | 2018-01-30 | 杨聚庆 | 一种机械臂位姿误差标定方法及系统 |
CN107639635B (zh) * | 2017-09-30 | 2020-02-07 | 杨聚庆 | 一种机械臂位姿误差标定方法及系统 |
CN109059897B (zh) * | 2018-05-30 | 2021-08-20 | 上海懒书智能科技有限公司 | 一种基于agv小车的实时运行姿态的获取方法 |
CN109059897A (zh) * | 2018-05-30 | 2018-12-21 | 上海懒书智能科技有限公司 | 一种基于agv小车的实时运行姿态的获取方法 |
CN110189331A (zh) * | 2018-05-31 | 2019-08-30 | 上海快仓智能科技有限公司 | 建图方法、图像采集和处理系统和定位方法 |
WO2019154444A3 (zh) * | 2018-05-31 | 2019-10-03 | 上海快仓智能科技有限公司 | 建图方法、图像采集和处理系统和定位方法 |
CN110189331B (zh) * | 2018-05-31 | 2022-08-05 | 上海快仓智能科技有限公司 | 建图方法、图像采集和处理系统和定位方法 |
CN109556596A (zh) * | 2018-10-19 | 2019-04-02 | 北京极智嘉科技有限公司 | 基于地面纹理图像的导航方法、装置、设备及存储介质 |
US11644338B2 (en) | 2018-10-19 | 2023-05-09 | Beijing Geekplus Technology Co., Ltd. | Ground texture image-based navigation method and device, and storage medium |
WO2020078064A1 (zh) * | 2018-10-19 | 2020-04-23 | 北京极智嘉科技有限公司 | 基于地面纹理图像的导航方法、装置、设备及存储介质 |
CN110119670A (zh) * | 2019-03-20 | 2019-08-13 | 杭州电子科技大学 | 一种基于Harris角点检测的视觉导航方法 |
CN110097494A (zh) * | 2019-04-26 | 2019-08-06 | 浙江迈睿机器人有限公司 | 一种基于傅里叶-梅林变换的货物定位方法 |
CN111179303A (zh) * | 2020-01-07 | 2020-05-19 | 东南大学 | 基于粒子滤波的谷物收获机器人视觉导航方法及其应用 |
CN111415390A (zh) * | 2020-03-18 | 2020-07-14 | 上海懒书智能科技有限公司 | 一种基于地面纹理的定位导航方法及装置 |
CN111415390B (zh) * | 2020-03-18 | 2023-05-09 | 上海懒书智能科技有限公司 | 一种基于地面纹理的定位导航方法及装置 |
CN112070810A (zh) * | 2020-08-31 | 2020-12-11 | 上海爱观视觉科技有限公司 | 定位方法、可移动设备及计算机可读存储介质 |
CN112070810B (zh) * | 2020-08-31 | 2024-03-22 | 安徽爱观视觉科技有限公司 | 定位方法、可移动设备及计算机可读存储介质 |
CN113029168A (zh) * | 2021-02-26 | 2021-06-25 | 杭州海康机器人技术有限公司 | 基于地面纹理信息的地图构建方法和系统及移动机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN106996777B (zh) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106996777A (zh) | 一种基于地面图像纹理的视觉导航方法 | |
US11080911B2 (en) | Mosaic oblique images and systems and methods of making and using same | |
CN110648398B (zh) | 基于无人机航摄数据的正射影像实时生成方法及系统 | |
US8189031B2 (en) | Method and apparatus for providing panoramic view with high speed image matching and mild mixed color blending | |
CN109520500B (zh) | 一种基于终端拍摄图像匹配的精确定位及街景库采集方法 | |
CN106856000B (zh) | 一种车载全景图像无缝拼接处理方法及系统 | |
CN106060493A (zh) | 多源投影无缝边缘拼接方法及系统 | |
CN103873758A (zh) | 全景图实时生成的方法、装置及设备 | |
CN109945841B (zh) | 一种无编码点的工业摄影测量方法 | |
CN106705962B (zh) | 一种获取导航数据的方法及系统 | |
CN105005964A (zh) | 基于视频序列影像的地理场景全景图快速生成方法 | |
CN106709865A (zh) | 一种深度图像合成方法及装置 | |
CN105427333A (zh) | 视频序列图像的实时配准方法、系统及拍摄终端 | |
CN103226840A (zh) | 全景影像拼接及量测系统及方法 | |
CN111161154A (zh) | 一种无人机视频实时快速正射拼接系统及其拼接方法 | |
CN108629742B (zh) | 真正射影像阴影检测与补偿方法、装置及存储介质 | |
CN106767850A (zh) | 一种基于场景图片的乘客定位方法及系统 | |
CN111105467B (zh) | 一种图像标定方法、装置及电子设备 | |
CN114897684A (zh) | 车辆图像的拼接方法、装置、计算机设备和存储介质 | |
JP2966248B2 (ja) | ステレオ対応探索装置 | |
CN109544455B (zh) | 一种超长高清实景长卷无缝融合方法 | |
CN104346771B (zh) | 一种电子地图分层管理方法 | |
CN204988176U (zh) | 一种确定建筑容积率的图像采集系统 | |
CN110021041B (zh) | 基于双目相机的无人驾驶场景增量式网格化结构重建方法 | |
CN108986025B (zh) | 基于不完备姿轨信息的高精度异时图像拼接及校正方法 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 230012 No.88, Bisheng Road, north of Sishui Road, Xinzhan District, Hefei City, Anhui Province Patentee after: Hefei Jingsong Intelligent Technology Co., Ltd Address before: 230012, Yaohai Hefei Industrial Park, Anhui Province, No. three, No. 2, a workshop room Patentee before: HEFEI GEN-SONG AUTOMATION TECHNOLOGY Co.,Ltd. |