CN107421542B - 一种基于机器视觉与wsn的室内定位系统及定位方法 - Google Patents
一种基于机器视觉与wsn的室内定位系统及定位方法 Download PDFInfo
- Publication number
- CN107421542B CN107421542B CN201710420695.2A CN201710420695A CN107421542B CN 107421542 B CN107421542 B CN 107421542B CN 201710420695 A CN201710420695 A CN 201710420695A CN 107421542 B CN107421542 B CN 107421542B
- Authority
- CN
- China
- Prior art keywords
- module
- positioning
- dimensional code
- indoor
- wsn
- 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
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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于机器视觉与WSN的室内定位系统和定位方法,所述定位系统包括可在室内移动的移动模块,设置于该移动模块上的主控模块、图像采集模块、角运动检测装置以及Zigbee定位模块,设置于室内天花板上的二维码矩阵模块,所述的图像采集模块、角运动检测装置、Zigbee定位模块以及移动模块均与所述主控模块连接。本发明提供的基于机器视觉与WSN的室内定位系统及定位方法,其通过机器视觉的二维码识别与空间定位分析,并采用加权质心算法与粒子群优化算法来实现室内定位,从而可有效提高定位精度。
Description
技术领域
本发明涉及室内定位技术领域,尤其涉及一种基于机器视觉与WSN的室内定位系统及定位方法。
背景技术
随着新型移动设备广泛应用于物联网+应用的快速增长,基于位置感知的应用越来越重要。在室内和室外的环境下,连续地可靠地提供位置信息可以为用户带来更好的用户体验。室外定位和基于位置的服务已经成熟,基于GPS和地图的位置服务被广泛应用,并成为各种移动设备被使用最多的应用之一。近年来,位置服务的相关技术和产业正向室内发展以提供无所不在的基于位置的服务,其主要推动力是室内位置服务所能带来的巨大的应用和商业潜能。目前,室内定位技术已经有所发展,由于室内环境非常复杂,定位精度低和定位时间长等原因,目前还没有可以很好利用且比较完善的室内定位技术。
发明内容
为克服现有技术的不足及存在的问题,本发明提供一种基于机器视觉与WSN的室内定位系统及定位方法,以解决现有技术方案中的定位系统或定位方法存在的定位精度低的问题。
本发明是通过以下技术方案实现的:一种基于机器视觉与WSN的室内定位系统,其包括可在室内移动的移动模块,设置于该移动模块上的主控模块、图像采集模块、角运动检测装置以及Zigbee定位模块,设置于室内天花板上的二维码矩阵模块,所述的图像采集模块、角运动检测装置、Zigbee定位模块以及移动模块均与所述主控模块连接;
所述的二维码矩阵模块包括有多个包含位置坐标信息的二维码,
所述角运动检测装置用于检测所述图像采集模块中的摄像头是否与天花板保持垂直状态;
所述图像采集模块用于采集与识别所述二维码中的位置坐标信息,并将识别出的位置坐标信息传输至所述主控模块进行处理,
所述Zigbee定位模块用于作为WSN中的移动节点,该Zigbee定位模块与室内设置的WSN参考节点配合,通过加权质心算法与粒子群优化算法实现室内定位。
优选地,所述二维码矩阵模块中的二维码为QR二维码;所述角运动检测装置为陀螺仪模块。
优选地,所述移动模块包括车体,车体底部设置有一万向轮和两驱动轮。
较佳地,所述主控模块为小型工控机;所述摄像头为高清CMOS摄像头。
本发明还提供了一种基于机器视觉与WSN的室内定位方法的,其包括:
S0、在室内的天花板布置二维码矩阵,并进行编码,记录每个二维码的实际坐标信息,并在室内空间布置相应的WSN参考节点;
S1、利用所述Zigbee定位模块作为WSN中的移动节点,将收到室内WSN参考节点之间的RSSI值进行测矩,设N为收到的参考节点数量,N≧4,然后对N点RSSI值进行降序排列,取其中信号最强的4个RSSI值,采用的排列方式进行加权质心算法计算,最后得出各种排列的平均值,最后得出所述移动节点P的位置坐标P(x,y);
所述加权质心算法公式为:
其中三个参考节点坐标分别为O1(x1,y1)、O2(x2,y2)、O3(x3,y3);d1、d2、d3分别为O1、O2、O3到所述移动节点P的距离;
S2、利用所述图像采集模块获取并识别出图像采集模块与天花板上相对的二维码的中心点M的位置坐标信息M(xw,yw,zw),其中二维码的中心点M的坐标采用世界坐标系,然后通过图像处理,获取二维码图像的中心位置在图像中的投影N的坐标值N(u,v),再根据二维码图像的图像像素坐标系与世界坐标系转换关系,对图像采集模块中的摄像头进行标定,最后通过对同一个二维码的前后两帧所获取的图像位置进行比较,获取所述移动模块的位置坐标;
S3、通过视觉定位坐标进行分析,对粒子群优化算法进行惯性权重因子进行参数优化,以实现全局搜索与局部搜索之间的快速切换,从而可缩短算法初期的搜索范围,加快收敛速度;根据无线定位坐标,初始化粒子群,并根据相应的公式来计算粒子适应度,再根据每个粒子适应度来选择个体极值Pid和全局极值Pgd,最后根据粒子群优化算法获取最优位置从而实现室内定位。
优选地,步骤S2中,在根据二维码图像的图像像素坐标系与世界坐标系转换关系,对图像采集模块中的摄像头进行标定过程中,利用的齐次坐标公式为:
其中,M1为内部参数阵,M2为外部参数阵,f为等效焦距,T为世界坐标原点在摄像头坐标系中的坐标,R为正交旋转矩阵。
优选地,步骤S3中,在技术计算粒子适应度时采用公式来计算粒子适应度,上述式子中,fi(x,y,z)为一个移动节点(即粒子)的位置坐标(x,y,z)在粒子群算法中的表达方式,ri为粒子i的辐射半径;所述粒子群优化算法公式如下:
Vid=w×Vid+C1×rand()(Pid-Xid(t))+C2×rand()×(Pgd-Xid(t))
其中Vid为第d维的速度,w为惯性权重,C1、C2为学习常数,rand()为0到1之间的随机数,Pid为每个粒子到目前为止所出现的最佳位置,Pgd所有粒子到目前为止所出现的最佳位置,Xid为每个粒子目前的所在位置。
本发明提供的基于机器视觉与WSN的室内定位系统及定位方法,其通过机器视觉的二维码识别与空间定位分析,并采用加权质心算法与粒子群优化算法来实现室内定位,从而可有效提高定位精度。
附图说明
图1是本发明实施例中所述室内定位系统的结构示意图。
图2是本发明实施例中各坐标系的关系示意图。
图3是本发明实施例中利用所述室内定位方法进行定位的步骤流程示意图。
具体实施方式
为了便于本领域技术人员的理解,以下结合附图和具体实施例对本发明作进一步详细描述。
如附图1所示,一种基于机器视觉与WSN的室内定位系统,其包括可在室内移动的移动模块,设置于该移动模块上的主控模块、图像采集模块、角运动检测装置以及Zigbee定位模块,设置于室内天花板上的二维码矩阵模块,所述的图像采集模块、角运动检测装置、Zigbee定位模块以及移动模块均与所述主控模块连接;
所述的二维码矩阵模块包括有多个包含位置坐标信息的二维码,
所述角运动检测装置用于检测所述图像采集模块中的摄像头是否与天花板保持垂直状态;通常,天花板与地面一般是平行设置的,而移动模块与所述图像采集模块在工作前就已经调节好与天花板垂直,而所述角运动检测装置则是为了检测所述图像采集模块中的摄像头是否与天花板保持垂直,若摄像头没有与天花板垂直,则其偏移量(偏移角度参数)会在图像处理过程中对坐标作相应的调整;
所述图像采集模块用于采集与识别所述二维码中的位置坐标信息,并将识别出的位置坐标信息传输至所述主控模块进行处理,
所述Zigbee定位模块用于作为WSN中的移动节点,该Zigbee定位模块与室内设置的WSN参考节点配合,通过加权质心算法与粒子群优化算法实现室内定位。当然,本实施例中的室内定位系统还包括有电源模块,该电源模块用于为主控模块、图像采集模块、角运动检测装置以及Zigbee定位模块等各功能模块提供工作电能。
优选地,所述二维码矩阵模块中的二维码为QR二维码;所述角运动检测装置为陀螺仪模块;所述摄像头为高清CMOS摄像头;所述主控模块为小型工控机,该小型工控机选用X86CPU架构处理器,并采用RTOS实时操作系统与OpenCV设计框架。
本实施例中,所述移动模块包括车体,车体底部设置有一万向轮和两驱动轮;其中,万向轮设置于车体底部前端,用于方便控制车体移动的转向,而两驱动轮则设置于车体底部的后端,两驱动轮通过驱动控制器来驱动车体前进或后退。
本发明实施例中还提供了一种基于机器视觉与WSN的室内定位方法的,其包括:
S0、在室内的天花板布置二维码矩阵,并进行编码,记录每个二维码的实际坐标信息,并在室内空间布置相应的WSN参考节点;
S1、利用所述Zigbee定位模块作为WSN中的移动节点,将收到室内WSN参考节点之间的RSSI值进行测矩,设N为收到的参考节点数量,N≧4,然后对N点RSSI值进行降序排列,取其中信号最强的4个RSSI值,采用的排列方式进行加权质心算法计算,最后得出各种排列的平均值(即在最强的4个RSSI值中不重复的三个数值为一组,可得出6组数据,然后取每组数据的平均值),最后得出所述移动节点的位置坐标P(x,y);
所述加权质心算法公式为:
其中三个参考节点坐标分别为O1(x1,y1)、O2(x2,y2)、O3(x3,y3);d1、d2、d3分别为O1、O2、O3到P点的距离;
S2、利用所述图像采集模块获取并识别出天花板上设置的二维码中的位置坐标信息P(xw,yw,zw),其中二维码中的坐标采用世界坐标,再通过图像处理,获取二维码图像的中心位置在图像中的投影P的坐标值(u,v),最后根据二维码图像像素坐标与世界坐标转换关系,对图像采集模块中的摄像头进行标定,其齐次坐标为:
其中,M1为内部参数阵,M2为外部参数阵,f为等效焦距,T为世界坐标原点在摄像头坐标系中的坐标,R为正交旋转矩阵,最后通过对同一个二维码的前后两帧所获取的图像位置进行比较,获取移动位置坐标;其中,图2为本实施例中的世界坐标系、摄像头坐标系、图像像素坐标系以及图像坐标系的关系示意图。
S3、通过视觉定位坐标进行分析,对粒子群优化算法进行惯性权重因子进行参数优化,以实现全局搜索与局部搜索之间的快速切换,从而可缩短算法初期的搜索范围,加快收敛速度;根据无线定位坐标,初始化粒子群,并根据相应的公式来计算粒子适应度,再根据每个粒子适应度来选择个体极值Pid和全局极值Pgd,最后根据粒子群优化算法获取最优位置,从而实现室内定位;其中,通过公式
来计算粒子适应度,上述式子中,fi(x,y,z)为一个移动节点(即粒子)的位置坐标(x,y,z)在粒子群算法中的表达方式,ri为粒子i的辐射半径;所述粒子群优化算法公式如下:
Vid=w×Vid+C1×rand()(Pid-Xid(t))+C2×rand()×(Pgd-Xid(t))
其中Vid为第d维的速度,w为惯性权重,C1、C2为学习常数,rand()为0到1之间的随机数,Pid为每个粒子到目前为止所出现的最佳位置,Pgd所有粒子到目前为止所出现的最佳位置,Xid为每个粒子目前的所在位置;惯性权重因子w可以使粒子保持运动惯性,决定了粒子前面速度对当前速度的继承的多少,较大的w值有利于全局搜索,而较小的w值有利于局部搜索;因此选择合适的w值可以使粒子具有均衡的全局和局部的搜索能力。具体到本实施例中,当机器视觉(利用所述图像采集模块识别所述二维码中的位置坐标)所得坐标与zigbee定位坐标相差较大时,惯性权重因子采用全局搜索模式;而当两者相差较小时,则采用局部搜索模式,以此来实现快速定位,从而在保证定位精度的基础上有效提升定位的速度。需要说明的是,上述步骤的时间顺序并不严格按照步骤序号所描述的时间顺序进行,在实际中,一些步骤顺序可同时进行,一些步骤的时间先后顺序也可进行相应的调整。另外,本发明实施例中的机器视觉定位是指以所述图像采集模块、小型工控机等功能模块或设备进行的定位。
粒子群优化算法具有深刻的智能背景,需要改变的参数少,且算法的计算量小,实现简单,能够以较快的速度较准确的找到问题的最优解,因此本发明采用粒子群优化算法来有效提高定位精度。而为了保证粒子群优化算法的精度,本发明实施例中通过加权质心算法,以及机器视觉的二维码识别与空间定位分析,为粒子群优化算法提供参数优化,从而有效提高定位精度。
附图3是利用本发明实施例所述室内定位方法进行室内定位的其中一个实施例的步骤流程的流程示意图,其具体步骤流程如附图3所示,在此不再详述。
本发明实施例提供的基于机器视觉与WSN的室内定位系统及定位方法,其通过机器视觉的二维码识别与室内WSN定位分析,采用加权质心算法与粒子群优化算法来实现室内定位,并结合陀螺仪模块,提供当前设备移动速度与位置,为粒子群优化算法提供参数优化,从而可有效提高室内定位精度。
上述实施例为本发明的较佳的实现方式,并非是对本发明的限定,在不脱离本发明的发明构思的前提下,任何显而易见的替换均在本发明的保护范围之内。
Claims (8)
1.一种基于机器视觉与WSN的室内定位系统的定位方法,所述系统包括可在室内移动的移动模块,设置于该移动模块上的主控模块、图像采集模块、角运动检测装置以及Zigbee定位模块,设置于室内天花板上的二维码矩阵模块,所述的图像采集模块、角运动检测装置、Zigbee定位模块以及移动模块均与所述主控模块连接;
所述的二维码矩阵模块包括有多个包含位置坐标信息的二维码,
所述角运动检测装置用于检测所述图像采集模块中的摄像头是否与天花板保持垂直状态;
所述图像采集模块用于采集与识别所述二维码中的位置坐标信息,并将识别出的位置坐标信息传输至所述主控模块进行处理,
所述Zigbee定位模块用于作为WSN中的移动节点,该Zigbee定位模块与室内设置的WSN参考节点配合,通过加权质心算法与粒子群优化算法实现室内定位;
所述基于机器视觉与WSN的室内定位系统的定位方法,包括:
S0、在室内的天花板布置二维码矩阵,并进行编码,记录每个二维码的实际坐标信息,并在室内空间布置相应的WSN参考节点;
S1、利用所述Zigbee定位模块作为WSN中的移动节点,将收到室内WSN参考节点之间的RSSI值进行测距,设N为收到的参考节点数量,N≧4,然后对N点RSSI值进行降序排列,取其中信号最强的4个RSSI值,采用C3 4的排列方式进行加权质心算法计算,最后得出各种排列的平均值,最后得出所述移动节点P的位置坐标P(x,y);
所述加权质心算法公式为:
其中三个参考节点坐标分别为O1(x1,y1)、O2(x2,y2)、O3(x3,y3);d1、d2、d3分别为O1、O2、O3到所述移动节点P的距离;
S2、利用所述图像采集模块获取并识别出图像采集模块与天花板上相对的二维码的中心点M的位置坐标信息M(xw,yw,zw),其中二维码的中心点M的坐标采用世界坐标系,然后通过图像处理,获取二维码图像的中心位置在图像中的投影N的坐标值N(u,v),再根据二维码图像的图像像素坐标系与世界坐标系转换关系,对图像采集模块中的摄像头进行标定,最后通过对同一个二维码的前后两帧所获取的图像位置进行比较,获取所述移动模块的位置坐标;
S3、通过视觉定位坐标进行分析,对粒子群优化算法进行惯性权重因子参数优化,以实现全局搜索与局部搜索之间的快速切换;根据无线定位坐标,初始化粒子群,并根据相应的公式来计算粒子适应度,再根据每个粒子适应度来选择个体极值Pid和全局极值Pgd,最后根据粒子群优化算法获取最优位置从而实现室内定位。
2.根据权利要求1所述的室内定位系统的定位方法,其特征在于:所述二维码矩阵模块中的二维码为QR二维码。
3.根据权利要求2所述的室内定位系统的定位方法,其特征在于:所述角运动检测装置为陀螺仪模块。
4.根据权利要求3所述的室内定位系统的定位方法,其特征在于:所述主控模块为小型工控机。
5.根据权利要求4所述的室内定位系统的定位方法,其特征在于:所述移动模块包括车体,车体底部设置有一万向轮和两驱动轮。
6.根据权利要求1所述的室内定位系统的定位方法,其特征在于:所述摄像头为高清CMOS摄像头。
8.根据权利要求1或7所述的室内定位系统的定位方法,其特征在于:步骤S3中,
来计算粒子适应度,上述式子中,fi(x,y,z)为一个移动节点的位置坐
标(x,y,z)在粒子群算法中的表达方式,ri为粒子i的辐射半径;
所述粒子群优化算法公式如下:
Vid=w×Vid+C1×rand()(Pid-Xid(t))+C2×rand()×(Pgd-Xid(t))
其中Vid为第d维的速度,w为惯性权重,C1、C2为学习常数,rand()为0到1之间的随机数,Pid为每个粒子到目前为止所出现的最佳位置,Pgd所有粒子到目前为止所出现的最佳位置,Xid为每个粒子目前的所在位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710420695.2A CN107421542B (zh) | 2017-06-07 | 2017-06-07 | 一种基于机器视觉与wsn的室内定位系统及定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710420695.2A CN107421542B (zh) | 2017-06-07 | 2017-06-07 | 一种基于机器视觉与wsn的室内定位系统及定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107421542A CN107421542A (zh) | 2017-12-01 |
CN107421542B true CN107421542B (zh) | 2020-07-28 |
Family
ID=60428901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710420695.2A Active CN107421542B (zh) | 2017-06-07 | 2017-06-07 | 一种基于机器视觉与wsn的室内定位系统及定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107421542B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108038953B (zh) * | 2018-01-16 | 2020-12-29 | 李燕玲 | 一种基于商场内定位的人工智能金融支付排队系统和方法 |
CN109029464B (zh) * | 2018-08-21 | 2021-05-14 | 北京理工大学 | 一种自设特征图形的视觉二维码室内定位方法 |
CN110864691B (zh) * | 2019-11-15 | 2021-10-19 | 浙江大学华南工业技术研究院 | 基于天花板式二维码的仿磁条定位方法及装置 |
CN112729289B (zh) * | 2020-12-23 | 2024-02-27 | 联通物联网有限责任公司 | 应用于自动导引车的定位方法、装置、设备和存储介质 |
CN117177174B (zh) * | 2023-11-03 | 2024-01-26 | 江苏达海智能系统股份有限公司 | 一种基于机器视觉与wsn的室内定位方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115506A (zh) * | 2015-07-27 | 2015-12-02 | 深圳先进技术研究院 | 一种室内定位方法及系统 |
CN106123892A (zh) * | 2016-06-22 | 2016-11-16 | 武汉科技大学 | 一种基于无线传感器网络与地磁地图的机器人定位方法 |
CN106153050A (zh) * | 2016-08-27 | 2016-11-23 | 杭州国辰牵星科技有限公司 | 一种基于信标的室内定位系统和方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8005486B2 (en) * | 2007-01-22 | 2011-08-23 | Worcester Polytechnic Institute | Precise node localization in sensor ad-hoc networks |
KR100947117B1 (ko) * | 2007-12-13 | 2010-03-10 | 한국전자통신연구원 | 이동체의 위치 추적 시스템 및 방법 |
CN102135429B (zh) * | 2010-12-29 | 2012-06-13 | 东南大学 | 一种基于视觉的机器人室内定位导航方法 |
CN102914303B (zh) * | 2012-10-11 | 2015-01-21 | 江苏科技大学 | 多移动机器人的智能空间系统及导航信息获取方法 |
-
2017
- 2017-06-07 CN CN201710420695.2A patent/CN107421542B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115506A (zh) * | 2015-07-27 | 2015-12-02 | 深圳先进技术研究院 | 一种室内定位方法及系统 |
CN106123892A (zh) * | 2016-06-22 | 2016-11-16 | 武汉科技大学 | 一种基于无线传感器网络与地磁地图的机器人定位方法 |
CN106153050A (zh) * | 2016-08-27 | 2016-11-23 | 杭州国辰牵星科技有限公司 | 一种基于信标的室内定位系统和方法 |
Non-Patent Citations (2)
Title |
---|
基于加强学习与联想记忆粒子群优化算法的节点定位;张广峰,等;《传感器与微系统》;20131231;第32卷(第3期);第71-73页 * |
无线传感器网络环境下基于粒子滤波的移动机器人SLAM算法;海丹,等;《智能系统学报》;20101031;第5卷(第5期);第425-431页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107421542A (zh) | 2017-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107421542B (zh) | 一种基于机器视觉与wsn的室内定位系统及定位方法 | |
Faessler et al. | A monocular pose estimation system based on infrared leds | |
JP6426725B2 (ja) | 移動可能な対象物体の場所を追跡するためのシステム及び方法 | |
CN107665506B (zh) | 实现增强现实的方法及系统 | |
CN106708048B (zh) | 机器人的天花板图像定位方法和系统 | |
CN103886107B (zh) | 基于天花板图像信息的机器人定位与地图构建系统 | |
Krajník et al. | External localization system for mobile robotics | |
CN109341689A (zh) | 基于深度学习的移动机器人视觉导航方法 | |
EP1759334A2 (en) | Method and apparatus for visual odometry | |
CN105447856B (zh) | 基于机器人运动参数与特征向量的标记点匹配方法 | |
KR20180070932A (ko) | 이동체 및 이동체의 제어 방법 | |
CN109129465B (zh) | 一种机器人手眼标定系统及其工作流程 | |
Dragon et al. | Ground plane estimation using a hidden markov model | |
Hu et al. | An indoor positioning framework based on panoramic visual odometry for visually impaired people | |
Salimibeni et al. | IoT-TD: IoT dataset for multiple model BLE-based indoor localization/tracking | |
CN112051596A (zh) | 一种基于节点编码的室内定位方法及装置 | |
Wang et al. | LF-VIO: A visual-inertial-odometry framework for large field-of-view cameras with negative plane | |
Huang et al. | Dynamic event camera calibration | |
Feng et al. | Genetic algorithm based optimal placement of PIR sensor arrays for human localization | |
Alves et al. | Cost-effective indoor localization for autonomous robots using kinect and wifi sensors | |
Kawanishi et al. | Parallel line-based structure from motion by using omnidirectional camera in textureless scene | |
Lu et al. | Robust and real-time self-localization based on omnidirectional vision for soccer robots | |
Herranz et al. | Camera pose estimation using particle filters | |
CN103871068B (zh) | 一种基于遗传算法的高精度标定方法 | |
CN102798391B (zh) | 一种激光影像定位导航装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
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: Zhao Xiaofang Inventor after: Lin Shengxin Inventor after: Liu Huazhu Inventor after: Chen Xuefang Inventor before: Liu Huazhu Inventor before: Lin Shengxin Inventor before: Zhao Xiaofang Inventor before: Chen Xuefang |
|
GR01 | Patent grant | ||
GR01 | Patent grant |