CN107330927B - 机载可见光图像定位方法 - Google Patents
机载可见光图像定位方法 Download PDFInfo
- Publication number
- CN107330927B CN107330927B CN201710405693.6A CN201710405693A CN107330927B CN 107330927 B CN107330927 B CN 107330927B CN 201710405693 A CN201710405693 A CN 201710405693A CN 107330927 B CN107330927 B CN 107330927B
- Authority
- CN
- China
- Prior art keywords
- image
- sensor
- error
- coordinate
- positioning
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000003384 imaging method Methods 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000013519 translation Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 8
- 238000012937 correction Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012892 rational function Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
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
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开的一种机载可见光图像定位方法，旨在提供一种定位精度高、处理速度快的机载遥感图像定位方法。本发明通过下述技术方案予以实现：以传感器共线成像模型为中心，将机载可见光实时图像和传感器成像参数送入以共线模型为基础的直接模块进行正射校正；校正后的实时图像与相应的带地理编码的基准图像进行图像配准，采用图像匹配模块获取同名点坐标；再将同名点坐标信息和传感器成像参数送入传感器参数更新模块更新传感器成像参数；直接定位模块对实时图像赋予地理坐标值；同时将基准图像的定位误差和传感器成像参数误差送入误差分析模块，误差分析模块对校正后图像任意像素位置计算定位误差，传递出校正后输出图像的定位误差。
Description
技术领域
本发明涉及一种不同于传统的图像采集后经地面人工事后处理的机载可见光图像的定位方法。
背景技术
可见光图像是机载传感器获取最直观的信息。在机载图像信息的开发应用中，图像定位是基础，它的目的是将图像的每个像素位置与地理位置关联起来，也叫做图像地理编码。以此为基础，就可以很方便的开发各种更复杂的图像应用，例如不同类别图像之间的匹配、拼接、融合，基于图像的战场变化检测、毁伤评估等等。
图像地理编码常见于遥感影像的几何纠正。它的主要内容是利用地面控制点、数字高程模型以及传感器参数来拟合一个包括轨道模型、有理函数模型和多项式模型的几何变换模型。几何变换模型基于控制点影像库的控制点半自动选取，使历史图控制点影像块与遥感图进行图像块搜索和匹配，为缺少控制点条件下的遥感影像定位提供了快速的技术支持。为了达到遥感影像应用的精度，需要一定数量的地面控制点，但很多实际情况下不能满足这个条件。
机载图像几何纠正的经典方法包括直接地理定位方法、空中三角测量方法和基于图像特征匹配方法。直接地理定位方法利用图像曝光时刻获取的传感器坐标、姿态信息等外方位元素通过成像模型纠正图像，处理速度快，但是由外方位元素的精度导致的定位精度通常不稳定且较差。空中三角测量方法，是利用地面控制点对外方位元素进行平差。基于图像特征匹配的方法避免地面控制点，利用同一批影像中相邻图像的重叠部分进行特征提取与匹配，使一批图像互相配准和校正。
利用计算机图像匹配技术获取机载图像的几何纠正，是近年来研究的热点，在实践中也获得了较多的应用。图像匹配或配准在计算机视觉领域有深入的研究，基于特征的图像匹配是目前主流的研究热点，但是实践中这种方法并不能保证正确匹配的稳定性。Doucette等人在公开文献“Image georeregistration methods:A framework forapplication guidelines”IEEE Applied Imagery Pattern Recognition Workshop:Sensing for Control&Augmentation,2013:1-14.中总结实用性的地理图像配准方法基础上推荐归一化互相关法(NCC)用于地理信息方面的图像配准工具。Cannata等人在公开文献“Autonomous Video Registration Using Sensor Model Parameter Adjustments”Applied Imagery Pattern Recognition Workshop,2000中提到开发的自动视频图像配准同样采用互相关法。原因在于获取的实时图像带有成像参数，通过共线模型可以得到定位信息，以此作为匹配的先验信息，约束互相关匹配的搜索范围，该方法自动执行起来效率更高。
发明内容
本发明的目的是针对现有技术存在的不足之处，提供一种定位精度高、处理速度快、可扩展性好的机载可见光图像定位方法。
本发明的上述目的可以通过以下措施来达到，一种机载可见光图像定位方法，其特征在于包括如下步骤：以传感器共线成像模型为中心，将机载可见光实时图像和传感器成像参数送入以传感器共线成像模型为基础的直接定位模块进行正射校正，校正后的实时图像与相应的带地理编码的基准图进行图像配准；然后采用图像匹配模块获取实时图和基准图配准同名点坐标；再将同名点坐标信息和传感器成像参数送入传感器参数更新模块更新传感器成像参数；更新后的传感器成像参数再次通过以传感器共线成像模型为基础的直接定位模块对实时图像赋予地理坐标值，输出经过校正的带地理编码的实时图像；同时将基准图像的定位误差和传感器成像参数误差送入误差分析模块，误差分析模块对校正后图像任意像素位置计算定位误差，采用传感器共线成像模型的偏微分方式，计算传感器成像参数误差和图像配准误差，传递出校正后输出图像的定位误差。
本发明相比于现有技术具有如下有益效果。
定位精度高。本发明针对现有技术经典方法的综合，以传感器共线成像模型为中心，将机载可见光实时图像和传感器成像参数送入直接定位模块获得正射校正实时图像，采用图像匹配获取同名点坐标，将同名点坐标信息和传感器参数送入传感器参数更新模块更新传感器成像参数，利用同名点信息对成像参数更新来提高定位精度。获得机载可见光图像的高精度定位结果，即使在大倾斜角条件下也能取得优于100米的定位精度。与经典方法相比定位精度高，定位误差优于直接定位法误差两个数量级，并且在DEM误差和配准误差稳定的情况下，能得到稳定的定位误差。能够计算定位结果的误差，具有严格的误差传递数学推导过程。
对图像中的任意目标，不仅能够给出地理坐标，还能计算误差范围，具备处理速度快的优点，还能计算机全自动处理。
处理速度快。本发明以传感器共线成像模型为中心，采用图像匹配更新传感器参数，近实时的将采集的图像赋予地理坐标值，并正射校正。以传感器共线成像模型为中心，定位处理速度快；经共线模型校正后的图像送入图像匹配模块与基准图像进行配准，与常用的图像匹配方法相比处理速度快，图像匹配过程使用了直接定位方法得到的误差范围作为互相关匹配的约束，减小图像匹配的搜索范围，加快图像匹配过程，并使本来不可控的图像匹配能够自动化。
可扩展性好。本发明以传感器共线成像模型为中心，采用图像匹配更新传感器参数，近实时的将采集的图像赋予地理坐标值，并正射校正。传感器共线成像模型可以根据源图像的不同而更换，其他部分不变，具有较好的可扩展性。
附图说明
图1是本发明可见光图像定位方法流程图。
图2是图1中实时图像与基准图像互相关配准平移位置关系图。
图3是传感器参数更新方法流程图。
具体实施方式
参阅图1。根据本发明，以传感器共线成像模型为中心，将机载可见光图像和传感器成像参数送入以共线模型为基础的直接定位模块进行正射校正，校正后的实时图与相应的带地理编码的基准图进行图像配准；然后采用图像匹配模块进行图像匹配获取同名点坐标；再将同名点坐标信息和传感器参数送入传感器参数更新模块更新传感器成像参数；更新后的传感器成像参数再次通过以传感器共线成像模型为基础的直接定位模块对实时图像赋予地理坐标值，输出经过校正的带地理编码的实时图像；同时将获得机载可见光实时图像的定位结果送入误差分析模块，误差分析模块对校正后图像任意像素位置计算定位误差，采用传感器共线成像模型的偏微分方式，计算传感器成像参数误差和图像配准误差，传递出校正后输出图像的定位误差。
可见光的传感器成像已有严格的物理模型来描述，称作传感器共线成像模型。传感器共线成像模型是由地理坐标到传感器坐标的平移变换、旋转变换和传感器坐标到图像坐标的映射变换，这三个坐标变换串联而成的。传感器共线成像模型根据地理坐标到传感器坐标的平移变换、旋转变换坐标和传感器坐标到图像坐标的映射变换，这三个坐标变换组成下述两个约束方程组的坐标变换关系：
在上述两个约束方程组中，XS、YS、ZS分别是传感器孔径中心的地心地固ECEF，Xk、Yk、Zk坐标分别是第k个像素位置对应的ECEF坐标，xk、yk分别是第k个像素在图像中的位置坐标，f是焦距，a11…a33组成旋转变换矩阵。
用传感器共线成像模型计算像素位置的地理坐标时，可采用最小二乘方法，引入地面高程信息，求解上述两个约束方程组，即使像素坐标值和地心地固ECEF坐标值满足两个约束方程组(1)和以下约束方程式：
式中，a是参考椭圆的半长轴长度，b是参考椭圆的半短轴长度，h是第k个像素在参考椭圆上的高度。
图像匹配模块可以采用Doucette等人在公开文献“Image georeregistrationmethods:A framework for application guidelines”IEEE Applied Imagery PatternRecognition Workshop:Sensing for Control&Augmentation,2013:1-14中提及的互相关法NCC用于图像匹配。图像匹配模块通过上述直接定位模型模块获得的实时图定位信息作为先验信息，以此先验信息约束互相关匹配的搜索范围。匹配范围的确定方法，以及选取正确匹配同名点对的方法描述如下：
传感器的成像参数误差可以通过实验获得经验值，若传感器的成像参数误差在ECEF坐标系下组成的误差矩阵为ΣECEF，则通过对约束方程组
式求偏导的方法获得定位误差的传递。计算ECEF坐标系下的定位误差ΣXYZ
ΣXYZ＝(BT(AΣECEFAT)-1B)-1， (3)
其中，A是(1)(2)式对传感器参数的雅可比矩阵，B是(1)(2)式对地理坐标值的雅可比矩阵，T表示矩阵的转置。
图像互相关匹配对三倍ΣXYZ的图像范围进行匹配搜索，即可保证成功匹配99％以上的成功概率。
参阅图2。图2中实时图像和基准图像分别被分为16块进行互相关，如图所示获得16个互相关配准的关系位置点。实时图像在经过共线模型几何校正后，选取正确的匹配同名点对，以获得与基准图像同样朝向和分辨率，基准图像和实时图像的配准变换关系仅存在平移：
其中，x0,y0是基准图的像素位置，x1,y1是实时图像的像素位置，a,b组成的位移量画点如图2中的*号所示。采用的Jain等人在公开文献“Data clustering:a review”ACMComputing Surveys，1999.中提及的K-means聚类方法将正确的匹配位移量关系选出来。正确的位移量被如图2所示圈出，所对应的匹配位置即是正确的匹配同名点对。
参阅图3。参数更新模块通过图像匹配获得实时图像像素位置与基准图像地理位置的对应关系，并以式(1)方程组和式(2)方程为约束，采用最小二乘法更新传感器参数。
参数更新模块将初始传感器参数代入传感器共线成像模型，传感器共线成像模型根据约束方程组(1)、约束方程(2)的偏导，组成最小二乘法迭代量。最小二乘法根据实时图像和基准图像配准的匹配点的地理坐标和正射影像DEM误差组成的匹配点地固坐标系ECEF坐标和匹配点的图像坐标，在匹配点处计算迭代量。参数更新模块依据最小二乘法计算的迭代量，判断迭代量是否小于阈值，是则更新传感器参数，否则将更新参数返回传感器共线成像模型，再次更新传感器参数。
参数更新模块根据初始传感器参数，代入传感器共线成像模型，在匹配点处计算式约束方程组(1)、约束方程(2)的偏导，组成最小二乘法的迭代量：
Δ＝(BTB)-1(BTF)。
其中，B同式(3)，F是(1)式约束方程组对传感器参数的雅可比矩阵并且合并所有匹配位置点。
参数更新模块根据设定的迭代量阈值，在当小于该阈值时，最小二乘法算法停止，并输出更新后的传感器参数：
Par＝Par+Δ。
误差分析模块引入配准误差和正射影像DEM误差：
其中，
分别为第k个匹配位置的配准误差，
是正射影像DEM误差。配准误差可用经验值代替，互相关图像配准的误差为1个像素。再将该误差矩阵转换到地固坐标系ECEF坐标下：
其中，TECEF是图像平面坐标到ECEF坐标的坐标转换。
图像平面误差到地固坐标系ECEF坐标误差传递在这里进行了的简化，直接使用坐标转换函数作用于图像平面误差。实验也表明通过这两种方法获得的最终定位误差差别不大。
由(5)式的匹配误差计算更新后的参数误差：ΣPar＝(BT(AΣP,ECEFAT)-1B)-1，其中，B同式(3)，A在(3)式的基础上合并多个匹配点。最后参数误差通过(3)式得到定位误差。
对本发明算法的误差进行数值仿真。假设传感器参数包含位置和朝向，输入误差源包含传感器位置、朝向误差，高程误差和配准误差，模拟配准的同名点数量为20个，根据误差传递计算方法可获得定位误差。表1是传感器大倾斜角情况下的仿真结果。从表1可以看出本方法得到的定位误差优于直接定位法误差两个数量级，并且在DEM误差和配准误差稳定的情况下，能得到稳定的定位误差。在DEM误差和配准误差很差的情况下，得到的定位误差为100米左右。
表1数值仿真实验结果
Claims (10)
1.一种机载可见光图像定位方法，其特征在于包括如下步骤：以传感器共线成像模型为中心，将机载可见光实时图像和传感器成像参数送入以传感器共线成像模型为基础的直接定位模块进行正射校正，校正后的实时图像与相应的带地理编码的基准图像进行图像配准；然后采用图像匹配模块获取实时图像和基准图像配准同名点坐标；再将同名点坐标信息和传感器成像参数送入传感器参数更新模块更新传感器成像参数；更新后的传感器成像参数再次通过以传感器共线成像模型为基础的直接定位模块对实时图像赋予地理坐标值，输出经过校正的带地理编码的实时图像；同时将基准图像的定位误差和传感器成像参数误差送入误差分析模块，误差分析模块对校正后图像任意像素位置计算定位误差，采用传感器共线成像模型的偏微分方式，计算传感器成像参数误差和图像配准误差，传递出校正后输出图像的定位误差。
2.如权利要求1所述的机载可见光图像定位方法，其特征在于：图像匹配模块通过直接定位模块获得的实时图像定位信息作为先验信息，以此先验信息约束图像匹配的搜索计算范围。
3.如权利要求1所述的机载可见光图像定位方法，其特征在于：实时图像在经过共线成像模块几何校正后，获得与基准图像同样朝向和分辨率。
4.如权利要求1所述的机载可见光图像定位方法，其特征在于：传感器共线成像模型是由地理坐标到传感器的平移变换坐标、旋转变换坐标和传感器坐标到图像坐标的映射变换，三个坐标图像变换串联而成的。
5.如权利要求4所述的机载可见光图像定位方法，其特征在于：地理坐标到传感器坐标的平移变换、旋转变换坐标和传感器坐标到图像坐标的映射变换，该三个坐标图像变换组成下述两个约束方程组的坐标变换关系：
式中，XS、YS、ZS分别是传感器孔径中心的地心地固ECEF，Xk、Yk、Zk坐标分别是第k个像素位置对应的ECEF坐标，xk、yk分别是第k个像素在图像中的位置坐标，f是焦距，a11…a33组成旋转变换矩阵。
6.如权利要求5所述的机载可见光图像定位方法，其特征在于：用传感器共线成像模型计算像素位置的地理坐标时，采用最小二乘方法，引入地面高程信息，求解两个约束方程组，使像素坐标值和地心地固ECEF坐标值满足两个约束方程组(1)和以下约束方程式：
式中，a是参考椭圆的半长轴长度，b是参考椭圆的半短轴长度，h是第k个像素在参考椭圆上的高度。
7.如权利要求6所述的机载可见光图像定位方法，其特征在于：参数更新模块将初始传感器参数代入传感器共线成像模型，传感器共线成像模型根据约束方程组(1)、约束方程(2)的偏导，组成最小二乘法迭代量。
8.如权利要求7所述的机载可见光图像定位方法，其特征在于：最小二乘法根据实时图像和基准图像配准的匹配点的地理坐标和正射影像DEM误差组成的匹配点地固坐标系ECEF坐标和匹配点的图像坐标，在匹配点处计算迭代量。
9.如权利要求8所述的机载可见光图像定位方法，其特征在于：参数更新模块依据最小二乘法计算的迭代量，判断迭代量是否小于阈值，是则更新传感器参数，否则将更新参数返回传感器共线成像模型，完成更新的传感器参数。
10.如权利要求9所述的机载可见光图像定位方法，其特征在于：参数更新模块根据使用者设定的迭代量阈值，在当小于该阈值时，最小二乘法算法停止，并输出更新后的传感器参数，传感器共线成像模型根据源图像的不同而更换。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710405693.6A CN107330927B (zh) | 2017-06-01 | 2017-06-01 | 机载可见光图像定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710405693.6A CN107330927B (zh) | 2017-06-01 | 2017-06-01 | 机载可见光图像定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107330927A CN107330927A (zh) | 2017-11-07 |
| CN107330927B true CN107330927B (zh) | 2020-06-26 |
Family
ID=60194138
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710405693.6A Active CN107330927B (zh) | 2017-06-01 | 2017-06-01 | 机载可见光图像定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107330927B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108062747A (zh) * | 2017-12-28 | 2018-05-22 | 江西师范大学 | 一种遥感影像的处理方法及系统 |
| CN108594223A (zh) * | 2018-03-26 | 2018-09-28 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | 机载sar图像目标定位方法 |
| CN110675446A (zh) * | 2018-07-03 | 2020-01-10 | 百度在线网络技术（北京）有限公司 | 定位方法和装置 |
| CN110163896B (zh) * | 2019-03-29 | 2023-02-03 | 西南电子技术研究所（中国电子科技集团公司第十研究所） | Sar图像匹配方法 |
| CN110160503B (zh) * | 2019-04-04 | 2021-06-04 | 武汉大学 | 一种顾及高程的无人机景观匹配定位方法 |
| CN114331914B (zh) * | 2022-03-07 | 2022-05-24 | 中咨数据有限公司 | 一种图像快速校准与实时渲染方法、系统、介质及移动端 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101571593A (zh) * | 2008-04-30 | 2009-11-04 | 北京航空航天大学 | 一种星载sar图像的严密共线方程模型 |
| CN103810701A (zh) * | 2014-01-15 | 2014-05-21 | 北京农业信息技术研究中心 | 一种无人机载成像高光谱几何校正的方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4591492B2 (ja) * | 2007-09-19 | 2010-12-01 | ブラザー工業株式会社 | 画像形成装置 |
-
2017
- 2017-06-01 CN CN201710405693.6A patent/CN107330927B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101571593A (zh) * | 2008-04-30 | 2009-11-04 | 北京航空航天大学 | 一种星载sar图像的严密共线方程模型 |
| CN103810701A (zh) * | 2014-01-15 | 2014-05-21 | 北京农业信息技术研究中心 | 一种无人机载成像高光谱几何校正的方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 《A General Photogrammetric Method for Determining Object Position and Orientation》;Joseph S.-C. Yuan;《IEEE Transactions on Robotics and Automation》;19890430;第5卷(第2期);全文 * |
| 《框幅式航测相机中像移量对直接地理定位精度影响的研究》;赵嘉鑫 等;《红外与激光工程》;20150228;第44卷(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107330927A (zh) | 2017-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107330927B (zh) | 机载可见光图像定位方法 | |
| CN110296691B (zh) | 融合imu标定的双目立体视觉测量方法与系统 | |
| CN108648240B (zh) | 基于点云特征地图配准的无重叠视场相机姿态标定方法 | |
| CN109521403B (zh) | 多线激光雷达的参数标定方法及装置、设备及可读介质 | |
| CN112183171B (zh) | 一种基于视觉信标建立信标地图方法、装置 | |
| CN109708649B (zh) | 一种遥感卫星的姿态确定方法及系统 | |
| CN108510551B (zh) | 一种远距离大视场条件下相机参数的标定方法及系统 | |
| CN104457710B (zh) | 一种基于非量测数码相机的航空数字摄影测量方法 | |
| CN105716542A (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
| CN103822615A (zh) | 一种多控制点自动提取与聚合的无人机地面目标实时定位方法 | |
| CN102778224B (zh) | 一种基于极坐标参数化的航空摄影测量光束法平差的方法 | |
| CN113340277B (zh) | 一种基于无人机倾斜摄影的高精度定位方法 | |
| CN112581544B (zh) | 基于参数优化的无公共视场相机标定方法 | |
| Tjahjadi et al. | Single frame resection of compact digital cameras for UAV imagery | |
| CN113947638B (zh) | 鱼眼相机影像正射纠正方法 | |
| CN112270698A (zh) | 基于最邻近曲面的非刚性几何配准方法 | |
| CN111538029A (zh) | 一种视觉与雷达融合的测量方法及终端 | |
| CN103927738A (zh) | 一种大间距模式下基于双目视觉图像的行星车定位方法 | |
| CN116563377A (zh) | 一种基于半球投影模型的火星岩石测量方法 | |
| Jiang et al. | Learned local features for structure from motion of uav images: A comparative evaluation | |
| CN111583342A (zh) | 一种基于双目视觉的目标快速定位方法及装置 | |
| CN117197241B (zh) | 一种基于多目视觉的机器人末端绝对位姿高精度跟踪方法 | |
| CN118097045A (zh) | 一种融合多源信息的局部地图动态生成方法及系统 | |
| CN111998823B (zh) | 基于双目异光源测距装置的目标测距方法 | |
| CN102620745A (zh) | 一种机载imu视准轴误差检校方法 |
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 |