CN107292929A - 低功耗特征点图像定位方法及装置 - Google Patents
低功耗特征点图像定位方法及装置 Download PDFInfo
- Publication number
- CN107292929A CN107292929A CN201710319000.1A CN201710319000A CN107292929A CN 107292929 A CN107292929 A CN 107292929A CN 201710319000 A CN201710319000 A CN 201710319000A CN 107292929 A CN107292929 A CN 107292929A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- feature
- power consumption
- low
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种低功耗特征点图像定位方法及其装置,可用于飞行器,包括但不限于无人机,上述方法包括:从飞行器采集两张图像;获取每张图像中每个像素点的灰度值;通过对比图像中相邻像素点之间的灰度值来获取每张图像的特征像素点;对比两张图像之间的特征像素点来获取两张图像之间的补偿位移;以及基于补偿位移调整飞行器的位置。采用上述方法,可在悬停的飞行器发生漂移时,迅速回调飞行器的位置,使其精确定位于水平面上,实现稳定悬停。且,特征像素点的确定方法以及补充位移的确定方法均相对简单,计算量少,易于实现,当前大部分DSP芯片即能满足此方法的要求,从而降低了对设备的要求,降低了低功耗特征点图像定位装置的成本。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种飞行器的低功耗特征点图像定位方法及低功耗特征点图像定位装置。
背景技术
飞行器在定点悬停过程中,因天气对流、自身桨叶旋转产生的风力、以及飞行器自身测量精度等带来的影响,可能会发生水平位移,从而无法稳定悬停。为此,目前常采用光流法确定无人机的悬停,具体地,光流是指空间运动中的物体在观察成像平面上的像素运动的瞬间速度,光流技术就是利用图像序列中像素在时间域上的变化及相邻帧之间的相关性来找到上一帧与当前帧之间存在的对应关系,从而计算出相邻帧之间物体的运动信息的一种方法,其目的是获取物体的运动场。然而,光流法依赖于光流传感器及光流算法,其对图像质量要求高,算法复杂,计算速度慢,因而对硬件要求高,导致成本高。
发明内容
本发明要解决的技术问题在于,针对现有技术中飞行器的定点定位方法复杂、装置成本高的缺陷,提供了一种飞行器的低功耗特征点图像定位方法及低功耗特征点图像定位装置。
本发明解决其技术问题所采用的技术方案是:提供了一种低功耗特征点图像定位方法,包括:
从飞行器采集两张图像;
获取每张图像中每个像素点的灰度值;
通过对比所述图像中相邻像素点之间的所述灰度值来获取每张所述图像的特征像素点;
对比所述两张图像之间的所述特征像素点来获取所述两张图像之间的补偿位移;以及
基于所述补偿位移调整所述飞行器的位置。
在根据本发明实施例的低功耗特征点图像定位方法中,所述通过对比所述图像中相邻像素点之间的所述灰度值来获取每张所述图像的特征像素点包括:
选取待对比的像素点及其相邻的像素点;
分别计算该像素点与它相邻的像素点之间的灰度值差值,并获得所述灰度值差值的绝对值之和;以及
若该像素点对应的灰度值差值的绝对值之和大于预设的特征误差度,则确定该像素点为特征像素点。
在根据本发明实施例的低功耗特征点图像定位方法中,选取待对比的像素点及其相邻的像素点包括:预设定点精度M,选取与所述待对比的像素点相邻M个像素点范围内的所有像素点作为该像素点相邻的像素点。
根据在根据本发明实施例的低功耗特征点图像定位方法中,所述选取待对比的像素点及其相邻的像素点进一步包括:选取上一个待对比的所述像素点的第M个相邻的像素点作为此次待对比的像素点。
在根据本发明实施例的低功耗特征点图像定位方法中,对比所述两张图像之间的所述特征像素点来获取所述两张图像之间的补偿位移包括:
在预设的平移范围内平移第一张图像的特征像素点;
将第一张图像的特征像素点及其平移后的特征像素点分别与第二张图像的特征像素点重叠对比,获得各自的匹配值;
基于所述匹配值确定所述补偿位移。
在根据本发明实施例的低功耗特征点图像定位方法中,所述匹配值Z=i/n*100%,其中i为匹配重叠的所述特征像素点的数量,n为所有特征像素点的数量。
在根据本发明实施例的低功耗特征点图像定位方法中,基于所述匹配值确定所述补偿位移包括:
若所述匹配值最大的为未平移的特征像素点,则所述补偿位移为0;若所述匹配值最大的为平移后的特征像素点,则所述补偿位移为该特征像素点的平移范围。
在根据本发明实施例的低功耗特征点图像定位方法中,在预设的平移范围内平移第一张图像的特征像素点包括:预设平移量S,对特征像素点在一个平面的X方向平移S个像素点和/或在该平面的Y方向平移S个像素点。
在根据本发明实施例的低功耗特征点图像定位方法中,所述从飞行器采集两张图像包括从飞行器采集相邻的两帧图像。
本发明还提供了一种低功耗特征点图像定位装置,包括:
图像采集单元,用于从飞行器采集两张图像;
灰度值获取单元,用于获取每张图像中每个像素点的灰度值;
特征像素点获取单元,用于通过对比所述图像中相邻像素点之间的所述灰度值来获取每张所述图像的特征像素点;
补偿位移获取单元,用于对比所述两张图像之间的所述特征像素点来获取所述两张图像之间的补偿位移;以及
调整单元,用于基于所述补偿位移调整所述飞行器的位置。
在根据本发明实施例的低功耗特征点图像定位装置中,所述特征像素点获取单元包括:
像素点选取模块,用于选取待对比的像素点及其相邻的像素点;
对比系数获取模块,用于分别计算该像素点与它相邻的像素点之间的灰度值差值,并获得所述灰度值差值的绝对值之和;以及
对比模块,用于在该像素点对应的灰度值差值的绝对值之和大于预设的特征误差度时,确定该像素点为特征像素点。
实施本发明具有以下有益效果:采用上述飞行器的低功耗特征点图像定位方法,可在悬停的飞行器发生漂移时,迅速回调飞行器的位置,使其精确定位于水平面上,实现稳定悬停。且,该方法中,特征像素点的确定方法以及补充位移的确定方法均相对简单,计算量少,易于实现,当前大部分DSP芯片即能满足此方法的要求,从而降低了对设备的要求,降低了低功耗特征点图像定位装置的成本。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是依据本发明一实施例的一种飞行器的低功耗特征点图像定位方法的流程图;
图2是图1中步骤S300的流程图;
图3是M取值为1时相邻像素点的选取示意图;
图4是M取值为2时相邻像素点的选取示意图;
图5是依据定点精度M选取待对比的像素点的示意图;
图6是示例的标有特征像素点的第一张图像;
图7是示例的标有特征像素点的第二张图像;
图8是图1中步骤S400的流程图;
图9依据本发明另一实施例的一种飞行器的低功耗特征点图像定位装置的框图;
图10是图9中特征像素点获取单元的框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参见图1,图1示出了依据本发明一实施例的一种飞行器的低功耗特征点图像定位方法的流程图,该飞行器包括但不限于无人机,上述方法包括:步骤S100、从飞行器采集两张图像;步骤S200、获取每张图像中每个像素点的灰度值;步骤S300、通过对比图像中相邻像素点之间的灰度值来获取每张图像的特征像素点;步骤S400、对比两张图像之间的特征像素点来获取两张图像之间的补偿位移;以及步骤S500、基于补偿位移调整飞行器的位置。
采用上述飞行器的低功耗特征点图像定位方法,可在悬停的飞行器发生漂移时,迅速回调飞行器的位置,使其精确定位于水平面上,实现稳定悬停。且,该方法中,特征像素点的确定方法以及补充位移的确定方法均相对简单,计算量少,易于实现,当前大部分DSP芯片即能满足此方法的要求,从而降低了对设备的要求,降低了实现成本。
具体地,步骤S100中,当飞行器悬停并不做任何操作时,采用设于飞行器上的摄像头或摄像机定点采集两张图像。例如,摄像头每20毫秒获取一张黑白颜色图像,即每秒50帧,帧数足够大以保证每帧图像之间位移是比较小的。再从获取的多帧图像中提取两张图像,这两张图像之间的时间间隔可根据实际情况设置,如20毫秒、100毫秒等,时间间隔不宜过大,确保两张图像之间的位移足够小;例如,实际操作中可采集相邻的两帧图像。图像尺寸为500*500,总像素点为250000个。
步骤S200中,获取步骤S100中采集的两张图像的每个像素点的灰度值,并将它们分别存入两个二维数组中。
参见图2,在本发明的一具体实施方式中,步骤S300进一步包括:步骤S310、选取待对比的像素点及其相邻的像素点;S320、分别计算该像素点与它相邻的像素点之间的灰度值差值,并获得灰度值差值的绝对值之和;以及步骤S330、若该像素点对应的灰度值差值的绝对值之和大于预设的特征误差度,则确定该像素点为特征像素点。
根据飞行器使用环境的不同、以及操作者对悬停精度的要求不同,可预先设置参量:定点精度M和特征误差度L,以满足不同需要和要求的低功耗特征点图像定位,例如,定点精度M可在1-10的范围内取值,特征误差度L与灰度值相关,可在0-255的范围内取值。
步骤S310中,可基于预设的定点精度M来选取与待对比的像素点相邻的像素点,例如选取与待对比的像素点相邻M个像素点范围内的所有像素点作为该待对比像素点相邻的像素点。参见图3,图3示出了M取值为1时相邻像素点的选取示意图,若此时待对比的像素点为A,则选取与A相邻1个像素点的所有像素点作为A相邻的像素点,即A1~A4。又参见图4,图4示出了M取值为2时相邻像素点的选取示意图,若此时待对比的像素点为B,则选取与B相邻2个像素点的所有像素点作为B相邻的像素点,即B1~B12。M为其它取值时相邻像素点的选取以此类推,此处不再一一赘述。
步骤S310中,还可基于预设的定点精度M来选取待对比的像素点,即选取上一个待对比的像素点的第M个相邻的像素点作为此次待对比的像素点。参见图5,图5示出了依据定点精度M选取待对比的像素点的示意图,图中M取3,数字1表示第1个待对比的像素点,例如可从图像的右上角边缘选取一个像素点作为第1个待对比的像素点。可选取第1个待对比的像素点的右侧第M个(即第3个)相邻的像素点作为第2个待对比的像素点,用数字2表示。第3个待对比的像素点以此类推,选取第2个待对比的像素点的右侧第3个相邻的像素点作为第3个待对比的像素点,用数字3表示。若向右选取到边缘,则换至下一行,即换至第1个待对比的像素点的下侧相邻的第3个像素点,用数字4表示此次选取的第4个待对比的像素点,后续以此类推,直至整张图像选取完毕为止。
以下将以M=1来详细阐述步骤S320和步骤S330。参见图3,当M=1时,选取待对比的像素点A及其相邻的像素点A1~A4,这些像素点对应的灰度值分别为H、以及H1~H4,则该像素点与其相邻的各个像素点的灰度值差值的绝对值之和若C大于预设的特征误差度L,则确定该像素点为特征像素点。该像素点判断结束后,选取下一个待对比的像素点,继续判断是否为特征像素点,直至在整个图像选取结束,最终获得这张图像的所有特征像素点,图6和图7分别示出了示例的标有特征像素点的第一张图像和标有特征像素点的第二张图像,其中深黑色的像素点为特征像素点。
参见图8,在本发明的另一具体实施方式中,步骤S400进一步包括:步骤S410、在预设的平移范围内平移第一张图像的特征像素点;步骤S420、将第一张图像的特征像素点及其平移后的特征像素点分别与第二张图像的特征像素点重叠对比,获得各自的匹配值;以及步骤S430、基于匹配值确定补偿位移。
具体地,步骤S410中,首先预设平移量S,S可在1~10个像素点范围内取值,上述平移包括对第一张图像中的所有特征像素点在一个平面的X方向平移S个像素点和/或在该平面的Y方向平移S个像素点,其中X方向和Y方向均包括正方向和负方向。为阐述方便,可用(Xe,Ye)表示平移范围,若S=1,则平移范围包括:(1,1)、(1,0)、(1,-1)……(-1,-1)。
步骤S420中,匹配值Z=i/n*100%,其中i为两张图像重叠对比中能够实现匹配重叠的特征像素点的数量,n为所有特征像素点的数量。以图6和图7为例,所有特征像素点的数量n=20,并取S=1。未平移时(即平移范围为(0,0)),第一张图像与第二张图像之间的匹配值Z=45%;平移范围为(-1,1)时,Z=20%;平移范围为(0,-1)时,Z=20%;平移范围为(1,0)时,Z=100%……依次计算获取各个匹配值。从中得出,平移范围为(1,0)时匹配值最大,则该平移范围为补偿位移,即按照X正方向平移一个像素,Y方向不变的补偿位移调整飞行器。若匹配值最大的为未平移的特征像素点,则补偿位移为(0,0),维持飞行器不动。
在本发明的一个具体示例中,采集的图像的尺寸为500*500,总像素点为250000个,M=3,S=1,则特征像素点最多总共需计算27777个像素点。其中,每个像素点在判断是否为特征像素点时需计算加法4次,在确定补偿位移时需对比9次,加上读写点操作等指令数大约为400K,每秒计算50张图片,即每秒总计算次数为20M,计算过程简单,所需时间短,大部分DSP芯片能够满足此算法要求,达到低功耗低运算要求的目的,降低了成本。
参见图9,本发明还提供了一种飞行器的低功耗特征点图像定位装置100,该低功耗特征点图像定位装置100包括:图像采集单元110,用于从飞行器采集两张图像;灰度值获取单元120,用于获取每张图像中每个像素点的灰度值;特征像素点获取单元130,用于通过对比图像中相邻像素点之间的灰度值来获取每张图像的特征像素点;补偿位移获取单元140,用于对比两张图像之间的特征像素点来获取两张图像之间的补偿位移;以及调整单元150,用于基于补偿位移调整飞行器的位置。
在本发明的一具体实施方式中,参见图10,特征像素点获取单元130包括:像素点选取模块131,用于选取待对比的像素点及其相邻的像素点;对比系数获取模块132,用于分别计算该像素点与它相邻的像素点之间的灰度值差值,并获得灰度值差值的绝对值之和;以及对比模块133,用于在该像素点对应的灰度值差值的绝对值之和大于预设的特征误差度时,确定该像素点为特征像素点。
本发明中任意低功耗特征点图像定位装置的细节方案已在上述低功耗特征点图像定位方法中描述,该低功耗特征点图像定位装置可实施上述任意一种低功耗特征点图像定位方法,此处可部分或全部引用以上关于低功耗特征点图像定位方法的阐述,在此不再赘述。
可以理解的,以上实施例仅表达了本发明的优选实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制;应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,可以对上述技术特点进行自由组合,还可以做出若干变形和改进,这些都属于本发明的保护范围;因此,凡跟本发明权利要求范围所做的等同变换与修饰,均应属于本发明权利要求的涵盖范围。
Claims (11)
1.一种低功耗特征点图像定位方法,其特征在于,包括:
从飞行器采集两张图像;
获取每张图像中每个像素点的灰度值;
通过对比所述图像中相邻像素点之间的所述灰度值来获取每张所述图像的特征像素点;
对比所述两张图像之间的所述特征像素点来获取所述两张图像之间的补偿位移;以及
基于所述补偿位移调整所述飞行器的位置。
2.根据权利要求1所述的低功耗特征点图像定位方法,其特征在于,所述通过对比所述图像中相邻像素点之间的所述灰度值来获取每张所述图像的特征像素点包括:
选取待对比的像素点及其相邻的像素点;
分别计算该像素点与它相邻的像素点之间的灰度值差值,并获得所述灰度值差值的绝对值之和;以及
若该像素点对应的灰度值差值的绝对值之和大于预设的特征误差度,则确定该像素点为特征像素点。
3.根据权利要求2所述的低功耗特征点图像定位方法,其特征在于,选取待对比的像素点及其相邻的像素点包括:预设定点精度M,选取与所述待对比的像素点相邻M个像素点范围内的所有像素点作为该像素点相邻的像素点。
4.根据权利要求3所述的低功耗特征点图像定位方法,其特征在于,所述选取待对比的像素点及其相邻的像素点进一步包括:选取上一个待对比的所述像素点的第M个相邻的像素点作为此次待对比的像素点。
5.根据权利要求1所述的低功耗特征点图像定位方法,其特征在于,对比所述两张图像之间的所述特征像素点来获取所述两张图像之间的补偿位移包括:
在预设的平移范围内平移第一张图像的特征像素点;
将第一张图像的特征像素点及其平移后的特征像素点分别与第二张图像的特征像素点重叠对比,获得各自的匹配值;
基于所述匹配值确定所述补偿位移。
6.根据权利要求5所述的低功耗特征点图像定位方法,其特征在于,所述匹配值Z=i/n*100%,其中i为匹配重叠的所述特征像素点的数量,n为所有特征像素点的数量。
7.根据权利要求5所述的低功耗特征点图像定位方法,其特征在于,基于所述匹配值确定所述补偿位移包括:
若所述匹配值最大的为未平移的特征像素点,则所述补偿位移为0;若所述匹配值最大的为平移后的特征像素点,则所述补偿位移为该特征像素点的平移范围。
8.根据权利要求5所述的低功耗特征点图像定位方法,其特征在于,在预设的平移范围内平移第一张图像的特征像素点包括:预设平移量S,对特征像素点在一个平面的X方向平移S个像素点和/或在该平面的Y方向平移S个像素点。
9.根据权利要求1所述的低功耗特征点图像定位方法,其特征在于,所述从飞行器采集两张图像包括从飞行器采集相邻的两帧图像。
10.一种低功耗特征点图像定位装置,其特征在于,包括:
图像采集单元,用于从飞行器采集两张图像;
灰度值获取单元,用于获取每张图像中每个像素点的灰度值;
特征像素点获取单元,用于通过对比所述图像中相邻像素点之间的所述灰度值来获取每张所述图像的特征像素点;
补偿位移获取单元,用于对比所述两张图像之间的所述特征像素点来获取所述两张图像之间的补偿位移;以及
调整单元,用于基于所述补偿位移调整所述飞行器的位置。
11.根据权利要求10所述的低功耗特征点图像定位装置,其特征在于,所述特征像素点获取单元包括:
像素点选取模块,用于选取待对比的像素点及其相邻的像素点;
对比系数获取模块,用于分别计算该像素点与它相邻的像素点之间的灰度值差值,并获得所述灰度值差值的绝对值之和;以及
对比模块,用于在该像素点对应的灰度值差值的绝对值之和大于预设的特征误差度时,确定该像素点为特征像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710319000.1A CN107292929A (zh) | 2017-05-08 | 2017-05-08 | 低功耗特征点图像定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710319000.1A CN107292929A (zh) | 2017-05-08 | 2017-05-08 | 低功耗特征点图像定位方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107292929A true CN107292929A (zh) | 2017-10-24 |
Family
ID=60093939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710319000.1A Pending CN107292929A (zh) | 2017-05-08 | 2017-05-08 | 低功耗特征点图像定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292929A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977014A (zh) * | 2017-11-30 | 2018-05-01 | 广州市华科尔科技股份有限公司 | 一种无人机自动悬停方法 |
CN111540003A (zh) * | 2020-04-27 | 2020-08-14 | 浙江光珀智能科技有限公司 | 一种深度图像的生成方法及装置 |
CN114092518A (zh) * | 2021-11-19 | 2022-02-25 | 招商局重庆交通科研设计院有限公司 | 一种基于三帧差法的无人机悬停位置补偿方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8315794B1 (en) * | 2006-09-05 | 2012-11-20 | Honeywell International Inc. | Method and system for GPS-denied navigation of unmanned aerial vehicles |
CN105173102A (zh) * | 2015-09-18 | 2015-12-23 | 西北农林科技大学 | 一种基于多图像的四旋翼飞行器增稳系统与方法 |
CN105346706A (zh) * | 2015-11-13 | 2016-02-24 | 深圳市道通智能航空技术有限公司 | 飞行装置、飞行控制系统及方法 |
CN105654507A (zh) * | 2015-12-24 | 2016-06-08 | 北京航天测控技术有限公司 | 一种基于图像动态特征跟踪的车辆外廓尺寸测量方法 |
CN105913067A (zh) * | 2016-04-18 | 2016-08-31 | 徐庆 | 图像轮廓特征的提取方法及其装置 |
CN106054931A (zh) * | 2016-07-29 | 2016-10-26 | 北方工业大学 | 一种基于视觉定位的无人机定点飞行控制系统 |
CN106529538A (zh) * | 2016-11-24 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种飞行器的定位方法和装置 |
-
2017
- 2017-05-08 CN CN201710319000.1A patent/CN107292929A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8315794B1 (en) * | 2006-09-05 | 2012-11-20 | Honeywell International Inc. | Method and system for GPS-denied navigation of unmanned aerial vehicles |
CN105173102A (zh) * | 2015-09-18 | 2015-12-23 | 西北农林科技大学 | 一种基于多图像的四旋翼飞行器增稳系统与方法 |
CN105346706A (zh) * | 2015-11-13 | 2016-02-24 | 深圳市道通智能航空技术有限公司 | 飞行装置、飞行控制系统及方法 |
CN105654507A (zh) * | 2015-12-24 | 2016-06-08 | 北京航天测控技术有限公司 | 一种基于图像动态特征跟踪的车辆外廓尺寸测量方法 |
CN105913067A (zh) * | 2016-04-18 | 2016-08-31 | 徐庆 | 图像轮廓特征的提取方法及其装置 |
CN106054931A (zh) * | 2016-07-29 | 2016-10-26 | 北方工业大学 | 一种基于视觉定位的无人机定点飞行控制系统 |
CN106529538A (zh) * | 2016-11-24 | 2017-03-22 | 腾讯科技(深圳)有限公司 | 一种飞行器的定位方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977014A (zh) * | 2017-11-30 | 2018-05-01 | 广州市华科尔科技股份有限公司 | 一种无人机自动悬停方法 |
CN111540003A (zh) * | 2020-04-27 | 2020-08-14 | 浙江光珀智能科技有限公司 | 一种深度图像的生成方法及装置 |
CN114092518A (zh) * | 2021-11-19 | 2022-02-25 | 招商局重庆交通科研设计院有限公司 | 一种基于三帧差法的无人机悬停位置补偿方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105447853B (zh) | 飞行装置、飞行控制系统及方法 | |
CN104848851B (zh) | 基于多传感器数据融合构图的变电站巡检机器人及其方法 | |
CN108926355A (zh) | 用于站立对象的x射线系统和方法 | |
CN109000557B (zh) | 一种核燃料棒位姿自动识别方法 | |
CN114399554A (zh) | 一种多相机系统的标定方法及系统 | |
CN105716542A (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
CN109376641B (zh) | 一种基于无人机航拍视频的运动车辆检测方法 | |
CN113538666B (zh) | 一种植物植株三维模型快速重建方法 | |
CN109739254A (zh) | 一种电力巡检中采用视觉图像定位的无人机及其定位方法 | |
CN107292929A (zh) | 低功耗特征点图像定位方法及装置 | |
CN110207666A (zh) | 一种气浮平台上模拟卫星的视觉位姿测量方法及装置 | |
CN112197766B (zh) | 一种针对系留旋翼平台的视觉测姿装置 | |
CN110060304B (zh) | 一种生物体三维信息采集方法 | |
CN111336948A (zh) | 基于成像平面转换的非标定手持式廓形检测方法及装置 | |
CN110608685A (zh) | 一种基于树莓派的物体尺寸快速测量方法 | |
CN110044262A (zh) | 基于图像超分辨率重建的非接触式精密测量仪及测量方法 | |
CN208254424U (zh) | 一种激光盲孔深度检测系统 | |
CN104156977B (zh) | 基于多线列时差扫描扩展采样的点目标运动速度探测方法 | |
CN113012238B (zh) | 一种多深度相机快速标定与数据融合的方法 | |
CN106683133A (zh) | 一种获取目标深度图像的方法 | |
CN112712566B (zh) | 基于结构参数在线校正的双目立体视觉传感器测量方法 | |
CN106709432A (zh) | 基于双目立体视觉的人头检测计数方法 | |
CN114332243A (zh) | 一种基于透视投影模型的火箭助推器分离姿态测量方法 | |
RU2692970C2 (ru) | Способ калибровки видеодатчиков многоспектральной системы технического зрения | |
CN111951295B (zh) | 基于多项式拟合高精度确定飞行轨迹的方法、装置和电子设备 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 1503-1506, West building, Qiushi building, No.17, Zizhu 7th Road, Zhulin community, Xiangmihu street, Futian District, Shenzhen City, Guangdong Province Applicant after: Zhongke Xingtu (Shenzhen) digital technology industry R & D Center Co., Ltd Address before: 518000 Guangdong city of Shenzhen province Futian District Xiangmi Lake street, Shennan Road Zhuzilin Qiushi building west block 1616 Applicant before: SHENZHEN WEINEIDE SOFTWARE DEVELOPMENT Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171024 |