CN107270904B - 基于图像配准的无人机辅助引导控制系统及方法 - Google Patents

基于图像配准的无人机辅助引导控制系统及方法 Download PDF

Info

Publication number
CN107270904B
CN107270904B CN201710488065.9A CN201710488065A CN107270904B CN 107270904 B CN107270904 B CN 107270904B CN 201710488065 A CN201710488065 A CN 201710488065A CN 107270904 B CN107270904 B CN 107270904B
Authority
CN
China
Prior art keywords
image
moment
processing unit
predicted
measurement data
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
CN201710488065.9A
Other languages
English (en)
Other versions
CN107270904A (zh
Inventor
刘贞报
方辰
马博迪
布树辉
张超
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical 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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201710488065.9A priority Critical patent/CN107270904B/zh
Publication of CN107270904A publication Critical patent/CN107270904A/zh
Application granted granted Critical
Publication of CN107270904B publication Critical patent/CN107270904B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/18—Stabilised platforms, e.g. by gyroscope
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Navigation (AREA)

Abstract

本发明提出一种基于图像配准的无人机辅助引导控制系统及方法，包括图像传感器、惯性测量单元、处理单元；处理单元接收惯性测量单元第一时刻和第二时刻的测量数据，并以此估计第一和第二时刻之间的运动；处理单元对第一时刻获得的图像通过不同的预处理方法进行预处理，并将估计的运动应用到每种预处理后的图像，得到多个预测图像；处理单元将每个预测图像分别与第二时刻获得的图像进行比较，得到与第二图像最匹配的预测图像；处理单元利用最匹配的预测图像与第二图像之间的误差对惯性测量单元第二时刻的测量数据进行修正。本发明采用图像配置方法进行辅助导航，消除惯性测量单元IMU数据中的误差，能够获得更为精确的导航结果。

Description

基于图像配准的无人机辅助引导控制系统及方法
技术领域
本发明涉及了无人机导航技术领域，是一种无人机的导航滤波方法，应用计算机视觉中的图像处理方法，具体为非线性系统的扩展卡尔曼滤波方法和基于强度的图像配准方法所得到的基于图像配准的无人机辅助引导控制系统及方法。
背景技术
无人机的导航系统通常包括惯性测量单元(IMU)和GPS。然而GPS的定位精度容易受到环境影响，在一些深山或者其他环境干扰情况下无法正常工作，这为无人机进行各类任务带来诸多限制。典型的惯性测量单元(IMU)包括多个陀螺仪和加速度计，利用它们可以测量解算无人机的姿态角、位置、速度和方向。然而，典型的IMU在测量中会有误差。误差源可能包括陀螺仪比例因子误差，偏差和漂移。这些错误可能是时变的并且可以在IMU测量中累积。特别地，初始测量中的小误差可以在随后的测量中传播，并与其他的误差组合或由导航计算放大例如，诸如十分之一的姿态的小误差甚至可以使无人机偏离目的地几百米。所以，单独的惯性测量单元(IMU)工作无法给无人机提供长时间的姿态信息，如何解决IMU数据中的误差是无人机导航中的最重要的问题。
发明内容
为解决无人机导航过程中IMU数据的各种漂移误差和噪声误差带来的影响，同时解决在GPS信号较差时无法用IMU进行独立导航的问题，本发明提出了一种基于图像配准的辅助导航系统来消除IMU数据中的误差，获得更为精确的导航的结果。
本发明的技术方案为：
所述一种基于图像配准的无人机辅助引导控制系统，其特征在于：包括能够在第一时刻获得第一图像并在第二时刻获得第二图像的图像传感器；能够得到对应于第一时刻和第二时刻测量数据的惯性测量单元；以及耦合到图像传感器和惯性测量单元的处理单元；所述处理单元能够接收来自惯性测量单元的测量数据，并依据惯性测量单元的测量数据估计第一和第二时刻之间的运动；所述处理单元能够对第一时刻获得的第一图像通过不同的预处理方法进行预处理，并将估计的运动应用到每种预处理后的图像，得到多个预测图像；所述处理单元能够将每个预测图像分别与第二时刻获得的第二图像进行比较，得到与第二图像最匹配的预测图像；所述处理单元能够利用最匹配的预测图像与所述第二图像之间的误差对惯性测量单元第二时刻的测量数据进行修正。
进一步的优选方案，所述一种基于图像配准的无人机辅助引导控制系统，其特征在于：所述处理单元能够依据惯性测量单元的测量数据估计第一和第二时刻之间的运动，所述运动为平移和/或旋转运动。
进一步的优选方案，所述一种基于图像配准的无人机辅助引导控制系统，其特征在于：所述处理单元能够依据修正后的惯性测量单元第二时刻测量数据，重新估计第一和第二时刻之间的运动，并将估计的运动应用到每种预处理后的图像，得到新的多个预测图像；所述处理单元能够将每个新的预测图像分别与第二时刻获得的第二图像进行比较，得到新的与第二图像最匹配的预测图像；所述处理单元能够利用新的最匹配的预测图像与所述第二图像之间的误差对修正后的惯性测量单元第二时刻的测量数据再次进行修正。
所述一种基于图像配准的无人机辅助引导控制方法，其特征在于：包括以下步骤：
步骤1：在时刻T从图像传感器获取第一时刻的第一图像，同时获取T时刻的惯性测量单元测量数据；
步骤2：在时刻T+dT从图像传感器获取第二时刻的第二图像，同时获取T+dT时刻的惯性测量单元测量数据；
步骤3：依据获取的T时刻和T+dT时刻的惯性测量单元测量数据，估计第一时刻和第二时刻之间的运动；所述运动为平移和/或旋转运动；
步骤4：对第一时刻获得的第一图像采用不同的预处理方法进行预处理，并将估计的运动应用到每种预处理后的图像，得到多个预测图像；
步骤5：采用基于强度的图像配准方法，将将每个预测图像分别与第二时刻获得的第二图像进行比较，得到与第二图像最匹配的预测图像；
步骤6：利用最匹配的预测图像与所述第二图像之间的误差对惯性测量单元T+dT时刻的测量数据进行修正：将最匹配的预测图像与所述第二图像之间的像素误差转换为平移和/或旋转运动的运动误差，在估计的运动中消除运动误差。
进一步的优选方案，所述一种基于图像配准的无人机辅助引导控制方法，其特征在于：还包括以下步骤：
步骤7：利用修正后的惯性测量单元T+dT时刻的测量数据，重新估计第一和第二时刻之间的运动，并将估计的运动应用到每种预处理后的图像，得到新的多个预测图像；然后返回步骤5。
进一步的优选方案，所述一种基于图像配准的无人机辅助引导控制方法，其特征在于：步骤4中采用的预处理方法包括中值滤波、双边滤波、维纳滤波、高斯滤波。
有益效果
本发明采用图像配置方法进行辅助导航，消除惯性测量单元IMU数据中的误差，能够获得更为精确的导航结果。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为整个导航系统的框架图。
图2为本发明的导航方法流程图。
图3为确定导航误差的一个实施方法。
具体实施方式
下面详细描述本发明的实施例，所述实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
图1是导航系统的一个实施例的框图。
导航系统100包括耦合到处理单元102的图像传感器112和惯性测量单元(IMU)114。IMU114向处理单元102提供无人机状态数据。无人机状态数据包括无人机的位置，方向，速度，姿态角等数据。处理单元102使用来自IMU的数据来确定导航系统 100所在的无人机的位置和速度。应当理解，尽管在图1中仅示出了单个处理单元102。如图1所示，处理单元102可以包括多个处理器，每个处理器负责执行特定的任务。
图像传感器112是本实施例中的单目相机。波长，频带等根据具体实现而变化。此外，可以使用诸如但不限于二维图像感测，光检测和测距(LiDAR)传感器，毫米波无线电检测和测距(RADAR)传感器等的任何适当的成像技术来实现图像传感器112。
处理单元102从IMU114接收无人机状态数据和来自图像传感器112的图像数据。然后，处理单元102使用图像配准方法，通过图像数据来处理IMU数据中的错误的估计。处理单元102包括用于执行图像配准技术中使用的各种方法，处理任务，计算和控制功能的软件程序，固件或其他计算机可读指令，以便改进IMU错误的估计。
这些指令通常存储在用于存储计算机可读指令或数据结构的任何适当的计算机可读介质上。计算机可读介质可以被实现为可由通用或专用计算机或处理器或任何可编程逻辑器件访问的任何可用介质。合适的处理器可读介质可以包括诸如磁介质或光介质的存储介质。例如，存储或存储介质可以包括常规硬盘，光盘只读存储器(CD-ROM)，诸如随机存取存储器(RAM)的易失性或非易失性介质(包括但不限于同步动态随机存储器(SDRAM)，双数据速率(DDR)RAM，RAMBUS动态RAM(RDRAM)，静态RAM(SRAM) 等)，只读存储器(ROM)，电可擦除可编程ROM(EEPROM)和闪存，合适的处理器可读介质还可以包括通过诸如网络和/或无线链路的通信介质传送的诸如电，电磁或数字信号的传输介质。
如图1所示，图像配准指令106，导航指令108和扩展卡尔曼滤波器指令110存储在存储器104中。图像配准指令106由处理单元102实现，以基于接收到的图像数据计算IMU数据中的误差。导航指令108由处理单元102实现以计算位置，速度等。处理单元102基于导航计算将控制命令输出到一个或多个执行机构118以控制无人机的运动。同时，处理单元102将导航计算的结果输出到显示模块120。扩展卡尔曼滤波器指令110由处理单元102实现，以基于从图像配准方法计算的误差的结果来补偿IMU 数据中的误差。此外，包括备用传感器116，例如全球定位系统(GPS)传感器。这些备用传感器的数据也是用于经由扩展卡尔曼滤波器指令110补偿IMU数据中的错误。
在操作中，图像传感器112在时间T获得第一时刻的图像。图像传感器112将第一时刻的图像提供给处理单元102。同时，IMU114获得与时间T相对应的测量数据，并将数据提供给处理单元102，处理单元102通过IMU测量数据在时间T计算无人机的位置，航向，姿态，速度等。在时间T+dT，图像传感器112获得第二时刻图像并将图像提供给处理单元102。另外，惯性测量单元(IMU)114向处理单元102提供时间 T+dT的测量数据。通过分析从时间T和时间T+dT的IMU的测量数据，处理单元102 估计无人机在时间T和时间T+dT之间的运动(包括旋转和/或平移)。基于IMU测量数据的无人机的运动估计可能由于诸如漂移，偏差，陀螺仪比例因子等来源的误差而不正确。
由处理单元102基于IMU测量数据所估计的无人机的运动用作我们计算的基准，以确定无人机运动的可能值的范围。随后，处理单元102先进行图像的预处理，这里分别用中值滤波、双边滤波、维纳滤波、高斯滤波对第一时刻的图像进行预处理，然后将运动估计应用于预处理后的图像，产生多个预测图像。在后，处理单元102使用基于强度的图像配准方法来预测第二时刻的图像，进行IMU数据的误差补偿。基于强度的图像配准的方法是本领域技术人员已知的用于确定映射第一张图像与第二张图像对准的变换的方法。基于强度的图像配准比较第一张和第二张图像的原始像素数据的强度，而不是匹配第一和第二图像中的特征(例如点，线或边)。多个预测图像中的每一个预测图像被建模为在对应视场中的局部(非线性)仿射和平滑。所选择的匹配最紧密的标准是图像的二次误差最小。
处理单元102产生对应于多个预处理的预测图像。例如，如果估计无人机向侧面移动，则变换将图像相应地滑动到一侧。类似地，如果估计无人机向前移动，则转换会影响图像中不再可见的边缘。将每个预测图像与在时间T+dT捕获的第二图像进行比较，以识别与第二图像最匹配的预测图像。特别地，处理单元102确定每个预测图像与第二图像之间的二次误差。选择具有最小二次误差的预测图像作为最接近的匹配。然后，在扩展卡尔曼滤波器指令110中使用与最匹配的预测图像对应的预处理参数，利用最匹配的预测图像与所述第二图像之间的误差对惯性测量单元T+dT时刻的测量数据进行修正。处理单元102对每个时间间隔重复该处理以连续地补偿IMU测量数据中的错误。然后，处理单元102使用经补偿的IMU数据进行导航计算。
通过使用基于强度的图像配准，导航系统100避免了与典型的基于特征的图像匹配相关联的许多困难。基于特征的图像匹配通常涉及从图像中提取诸如点和形状的特征。然后将所提取的特征与第二图像中的对应特征进行匹配，以确定两个图像之间的变化。然而，由于从帧到帧和环境条件的变化，典型的基于特征的图像匹配可能是麻烦的。此外，典型的基于特征的图像匹配是处理器密集型的，这使得难以跟上实时导航计算。上述导航系统100基本上避免了这些困难，因为基于强度的图像配准并不试图提取特征并且直接对原始像素数据进行操作。此外，通过产生多个预测图像，导航系统100能够基本上补偿IMU数据中的错误。如上所述，使用图像数据来补偿IMU数据中的错误，使得能够使用与更昂贵的IMU相比具有差的长期性能的较便宜的IMU。特别地，较低成本的IMU受益于图像传感器112的良好的长期性能。
图2是描绘导航方法200的一个流程图。方法200可以由上述系统100来实现。在框202中，在第一时刻获得第一图像。在框204中，获得对应于第一时刻的IMU测量数据。在框206中，获得在第二时刻获得第二图像。在框208中，获得对应于第二时刻的IMU测量数据。在框210中，基于IMU测量数据来估计第一和第二时刻之间的运动。在框212中，基于使用图像配准接收到的第一和第二图像来确定IMU数据中的错误。关于误差的确定的附加细节在下面参照图3更详细地讨论。
在框214中，基于对应于所选择的预测图像的参数来补偿IMU数据中的错误。具体地，如上所述，使用扩展卡尔曼滤波器来补偿IMU数据中的错误扩展卡尔曼滤波器对于本领域技术人员是已知的，在此不再赘述。在框215中，确定是否应该重复对IMU 数据中的错误的误差和补偿的计算。例如，所选择的预测图像可能不完全匹配第二图像。在这种情况下，可能需要进一步改进IMU数据中的误差估计。如果要重复计算，则方法200返回到框210处，其中的数据是基于补偿了错误的IMU测量数据来精细化运动估计。然后基于框212处的精细的运动估计，重新计算IMU数据中的错误。然后，使用重新计算的误差，在框214中，对IMU数据的误差进一步补偿。
图3是描述确定无人机状态数据的误差的方法的一个流程图。方法300可以在上述方法200中的框212处实现。在框302中，将基于来自IMU数据的运动估计应用于多个预处理过程后的图像。在框304中，产生与多个变换(将运动估计应用于预处理过程后的图像的过程)对应的多个预测图像。预测图像各自表示基于估计运动的第二图像的预测。
在框306中，将在第二时刻获得的第二图像与每个预测图像进行比较。例如，计算第二图像与每个预测图像之间的二次误差。在框308中，选择与第二图像最匹配的预测图像。具体的是，选择与最小二次误差对应的预测图像作为与第二图像最接近的预测图像。虽然所选择的预测图像可能不完全匹配第二图像，但是所选择的预测图像提供对IMU数据的校正以基本上补偿误差。另外，为了进一步校正，可以重复生成预测图像。在随后的迭代中，基于对IMU数据中的错误的补偿来改进估计运动。然后基于精确的IMU运动估计来计算预测图像。因此，每个后续迭代提供与第二图像更紧密匹配的预测图像。然后使用随后选择的变换来执行对IMU数据中的错误的进一步补偿。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (4)

1.一种基于图像配准的无人机辅助引导控制系统，其特征在于：包括能够在第一时刻获得第一图像并在第二时刻获得第二图像的图像传感器；能够得到对应于第一时刻和第二时刻测量数据的惯性测量单元；以及耦合到图像传感器和惯性测量单元的处理单元；所述处理单元能够接收来自惯性测量单元的测量数据，并依据惯性测量单元的测量数据估计第一和第二时刻之间的运动；所述处理单元能够对第一时刻获得的第一图像通过不同的预处理方法进行预处理，并将估计的运动应用到每种预处理后的图像，得到多个预测图像；所述处理单元能够将每个预测图像分别与第二时刻获得的第二图像进行比较，得到与第二图像最匹配的预测图像；所述处理单元能够利用最匹配的预测图像与所述第二图像之间的误差对惯性测量单元第二时刻的测量数据进行修正；
所述处理单元能够依据修正后的惯性测量单元第二时刻测量数据，重新估计第一和第二时刻之间的运动，并将估计的运动应用到每种预处理后的图像，得到新的多个预测图像；所述处理单元能够将每个新的预测图像分别与第二时刻获得的第二图像进行比较，得到新的与第二图像最匹配的预测图像；所述处理单元能够利用新的最匹配的预测图像与所述第二图像之间的误差对修正后的惯性测量单元第二时刻的测量数据再次进行修正。
2.根据权利要求1所述一种基于图像配准的无人机辅助引导控制系统，其特征在于：所述处理单元能够依据惯性测量单元的测量数据估计第一和第二时刻之间的运动，所述运动为平移和/或旋转运动。
3.一种基于图像配准的无人机辅助引导控制方法，其特征在于：包括以下步骤：
步骤1：在时刻T从图像传感器获取第一时刻的第一图像，同时获取T时刻的惯性测量单元测量数据；
步骤2：在时刻T+dT从图像传感器获取第二时刻的第二图像，同时获取T+dT时刻的惯性测量单元测量数据；
步骤3：依据获取的T时刻和T+dT时刻的惯性测量单元测量数据，估计第一时刻和第二时刻之间的运动；所述运动为平移和/或旋转运动；
步骤4：对第一时刻获得的第一图像采用不同的预处理方法进行预处理，并将估计的运动应用到每种预处理后的图像，得到多个预测图像；
步骤5：采用基于强度的图像配准方法，将将每个预测图像分别与第二时刻获得的第二图像进行比较，得到与第二图像最匹配的预测图像；
步骤6：利用最匹配的预测图像与所述第二图像之间的误差对惯性测量单元T+dT时刻的测量数据进行修正：将最匹配的预测图像与所述第二图像之间的像素误差转换为平移和/或旋转运动的运动误差，在估计的运动中消除运动误差；
步骤7：利用修正后的惯性测量单元T+dT时刻的测量数据，重新估计第一和第二时刻之间的运动，并将估计的运动应用到每种预处理后的图像，得到新的多个预测图像；然后返回步骤5。
4.根据权利要求3所述一种基于图像配准的无人机辅助引导控制方法，其特征在于：步骤4中采用的预处理方法包括中值滤波、双边滤波、维纳滤波、高斯滤波。
CN201710488065.9A 2017-06-23 2017-06-23 基于图像配准的无人机辅助引导控制系统及方法 Active CN107270904B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710488065.9A CN107270904B (zh) 2017-06-23 2017-06-23 基于图像配准的无人机辅助引导控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710488065.9A CN107270904B (zh) 2017-06-23 2017-06-23 基于图像配准的无人机辅助引导控制系统及方法

Publications (2)

Publication Number Publication Date
CN107270904A CN107270904A (zh) 2017-10-20
CN107270904B true CN107270904B (zh) 2020-07-03

Family

ID=60068662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710488065.9A Active CN107270904B (zh) 2017-06-23 2017-06-23 基于图像配准的无人机辅助引导控制系统及方法

Country Status (1)

Country Link
CN (1) CN107270904B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108168503B (zh) * 2017-12-21 2020-08-14 北华航天工业学院 一种三分量感应线圈姿态数据采集系统及方法
CN110673115B (zh) * 2019-09-25 2021-11-23 杭州飞步科技有限公司 雷达与组合导航系统的联合标定方法、装置、设备及介质
CN115900639B (zh) * 2023-03-08 2023-05-30 深圳市科思科技股份有限公司 应用于无人机上云台相机的航向角矫正方法和服务器

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0653600A1 (de) * 1993-11-16 1995-05-17 Mafo Systemtechnik Dr.-Ing. A. Zacharias GmbH & Co. KG Verfahren zur Bestimmung der Sichtliniendrehraten mit einem starren Suchkopf
CN101598556A (zh) * 2009-07-15 2009-12-09 北京航空航天大学 一种未知环境下无人机视觉/惯性组合导航方法
EP2372656A2 (en) * 2010-03-04 2011-10-05 Honeywell International Inc. Method and apparatus for vision aided navigation using image registration
CN102426019A (zh) * 2011-08-25 2012-04-25 航天恒星科技有限公司 一种无人机景象匹配辅助导航方法及系统
CN102829785A (zh) * 2012-08-30 2012-12-19 中国人民解放军国防科学技术大学 基于序列图像和基准图匹配的飞行器全参数导航方法
CN103954283A (zh) * 2014-04-01 2014-07-30 西北工业大学 基于景象匹配/视觉里程的惯性组合导航方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0653600A1 (de) * 1993-11-16 1995-05-17 Mafo Systemtechnik Dr.-Ing. A. Zacharias GmbH & Co. KG Verfahren zur Bestimmung der Sichtliniendrehraten mit einem starren Suchkopf
CN101598556A (zh) * 2009-07-15 2009-12-09 北京航空航天大学 一种未知环境下无人机视觉/惯性组合导航方法
EP2372656A2 (en) * 2010-03-04 2011-10-05 Honeywell International Inc. Method and apparatus for vision aided navigation using image registration
CN102426019A (zh) * 2011-08-25 2012-04-25 航天恒星科技有限公司 一种无人机景象匹配辅助导航方法及系统
CN102829785A (zh) * 2012-08-30 2012-12-19 中国人民解放军国防科学技术大学 基于序列图像和基准图匹配的飞行器全参数导航方法
CN103954283A (zh) * 2014-04-01 2014-07-30 西北工业大学 基于景象匹配/视觉里程的惯性组合导航方法

Also Published As

Publication number Publication date
CN107270904A (zh) 2017-10-20

Similar Documents

Publication Publication Date Title
US9547910B2 (en) Method and apparatus for vision aided navigation using image registration
CN111947671B (zh) 用于定位的方法、装置、计算设备和计算机可读存储介质
CN112230242B (zh) 位姿估计系统和方法
US20200124421A1 (en) Method and apparatus for estimating position
CN107167826B (zh) 一种自动驾驶中基于可变网格的图像特征检测的车辆纵向定位系统及方法
US20200218906A1 (en) Robust lane association by projecting 2-d image into 3-d world using map information
EP2901236B1 (en) Video-assisted target location
US11151729B2 (en) Mobile entity position estimation device and position estimation method
CN113933818A (zh) 激光雷达外参的标定的方法、设备、存储介质及程序产品
CN107270904B (zh) 基于图像配准的无人机辅助引导控制系统及方法
US11983890B2 (en) Method and apparatus with motion information estimation
US20220398825A1 (en) Method for generating 3d reference points in a map of a scene
CN114396943B (zh) 一种融合定位方法与终端
CN114136315B (zh) 一种基于单目视觉辅助惯性组合导航方法及系统
Bucci et al. Comparison of feature detection and outlier removal strategies in a mono visual odometry algorithm for underwater navigation
WO2016022188A2 (en) Video-assisted landing guidance system and method
US12044770B2 (en) Apparatus and method for determining kinetic information
Emter et al. Stochastic cloning and smoothing for fusion of multiple relative and absolute measurements for localization and mapping
CN117906598B (zh) 无人机设备的定位方法、装置、计算机设备和存储介质
JP6593995B2 (ja) 空港監視装置
JP5056436B2 (ja) 三次元地図生成装置、及びプログラム
KR101767169B1 (ko) 비전 센서 기반 자이로 드리프트 감소 장치 및 방법
CN117723055A (zh) 一种用于自主代客泊车的低成本定位方法及系统
CN117824672A (zh) 一种bev车道信息协同的多传感器融合定位方法及系统
CN117760427A (zh) 一种基于环境地标检测的惯导-地图融合定位方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Liu Zhenbao

Inventor after: Fang Chen

Inventor after: Ma Bodi

Inventor after: Bu Shu Hui

Inventor after: Zhang Chao

Inventor before: Liu Zhenbao

Inventor before: Fang Chen

Inventor before: Bu Shu Hui

Inventor before: Zhang Chao

GR01 Patent grant
GR01 Patent grant