CN107491099A - 一种基于视觉和陀螺仪的云台控制方法及装置 - Google Patents
一种基于视觉和陀螺仪的云台控制方法及装置 Download PDFInfo
- Publication number
- CN107491099A CN107491099A CN201710763390.1A CN201710763390A CN107491099A CN 107491099 A CN107491099 A CN 107491099A CN 201710763390 A CN201710763390 A CN 201710763390A CN 107491099 A CN107491099 A CN 107491099A
- Authority
- CN
- China
- Prior art keywords
- current frame
- frame image
- image
- homography matrix
- angular speed
- 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
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D3/00—Control of position or direction
- G05D3/12—Control of position or direction using feedback
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种基于视觉和陀螺仪的云台控制方法及装置,用以解决由于陀螺仪噪声过大和陀螺仪本身容易受温度影响的特性产生漂移所造成的检测精度较低,影响云台控制精度,最终影响采集的图像的清晰度的问题。所述方法包括:根据当前采集的图像信息,确定第一角速度;根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度,并根据所述第三角速度,对云台进行控制。
Description
技术领域
本发明涉及云台控制技术领域,特别涉及一种基于视觉和陀螺仪的云台控制方法及装置。
背景技术
随着科学的发展进步,无人机获得了飞速的发展,现在无人机已经广泛的应用到了火险侦查、防恐救生、航拍摄影、环境监测、灾情侦查等很多方面,并且无人机在跟踪动物迁徙、反恐追踪、野外救援、实时通信等方面发挥着巨大的作用。有效的克服了有人驾驶飞机成本高、适应性差、操作复杂、维护成本高的缺陷。
然而由于无人机飞行本身会引起结构震动,以及外界干扰也会引起结构震动,为了保证位于无人机云台上的图像采集设备采集的图像的清晰度及画面的稳定性,现有云台控制系统,根据云台自身陀螺仪获取的图像采集设备的角速度,对云台进行控制,减弱无人机结构震动对图像采集设备造成的影响。然而现有云台所使用的微机电系统(Micro-Electro-Mechanical System,MEMS)陀螺仪存在以下缺点:1、陀螺仪本身存在检测噪声,这种噪声影响对云台控制的精度影响云台图像采集设备的成像效果,在长焦图像采集设备上影响更大。2、MEMS陀螺仪由于本身容易受温度影响的特性,在温度变化时会产生不同的漂移量影响云台控制的效果,导致对云台控制的精度不高,影响云台图像采集设备采集的图像的清晰度。
发明内容
本发明提供一种基于视觉和陀螺仪的云台控制方法及装置,用以解决现有技术中存在的MEMS陀螺仪噪声较大精度不高,以及存在温度漂移现象,导致对云台控制的精度不高,影响云台图像采集设备采集的图像的清晰度的问题。
本发明公开了一种基于视觉和陀螺仪的云台控制方法,所述方法包括:
根据当前采集的图像信息,确定第一角速度;
根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度,并根据所述第三角速度,对云台进行控制。
进一步地,所述根据当前采集的图像信息,确定第一角速度包括:
获取当前帧图像中的至少四个第一特征点,并针对当前帧图像中的每个第一特征点,在当前帧图像的上一帧图像中识别与该第一特征点对应的第二特征点;
根据每个第一特征点和每个第二特征点在世界坐标系中的投影坐标,确定当前帧图像对应的单应矩阵,并根据所述单应矩阵,确定第一角速度。
进一步地,所述获取当前帧图像中的至少四个第一特征点之前,所述方法还包括:
将当前帧图像转换为灰度图像并进行高斯滤波。
进一步地,所述确定当前帧图像对应的单应矩阵之后,根据所述单应矩阵,确定第一角速度之前,所述方法还包括:
根据当前帧图像对应的单应矩阵中的每个元素及所述每个元素对应的阈值范围,判断每个元素的值是否均在所述每个元素对应的阈值范围内;
如果是,进行后续步骤。
进一步地,所述方法还包括:
根据当前帧图像之前设定数量的图像对应的单应矩阵,对当前帧图像对应的单应矩阵进行平滑处理,并根据平滑处理后的单应矩阵对当前帧图像对应的单应矩阵进行更新。
进一步地,所述确定第一角速度之后,根据所述第三角速度,对云台进行控制之前,所述方法还包括:
根据当前采集的图像信息,确定第一航向角;
根据所述第一航向角、陀螺仪获取的第二航向角、预设的量测噪声及预设的卡尔曼滤波算法,确定第三航向角;
所述根据所述第三角速度,对云台进行控制包括:
根据所述第三角速度和第三航向角,对云台进行控制。
进一步地,所述根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度之前,所述方法还包括:
根据云台图像采集设备焦距的一次函数,确定当前帧图像的量测噪声,并根据当前帧图像的量测噪声对预设的量测噪声进行更新。
一种基于视觉和陀螺仪的云台控制装置,所述装置包括:
确定模块,用于根据当前采集的图像信息,确定第一角速度;
控制模块,用于根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度,并根据所述第三角速度,对云台进行控制。
进一步地,所述确定模块,具体用于获取当前帧图像中的至少四个第一特征点,并针对当前帧图像中的每个第一特征点,在当前帧图像的上一帧图像中识别与该第一特征点对应的第二特征点;根据每个第一特征点和每个第二特征点在世界坐标系中的投影坐标,确定当前帧图像对应的单应矩阵,并根据所述单应矩阵,确定第一角速度。
进一步地,所述装置还包括:
处理模块,用于将当前帧图像转换为灰度图像并进行高斯滤波。
进一步地,所述确定模块,还用于针对当前帧图像对应的单应矩阵中的每个元素,判断每个元素对应的值是否均在该元素对应的阈值范围内,如果是,根据所述单应矩阵,确定第一角速度。
进一步地,所述确定模块,还用于根据当前帧图像之前设定数量的图像对应的单应矩阵,对当前帧图像对应的单应矩阵进行平滑处理,并根据平滑处理后的单应矩阵对当前帧图像对应的单应矩阵进行更新。
进一步地,所述确定模块,还用于根据当前采集的图像信息,确定第一航向角;
所述控制模块,还用于根据所述第一航向角、陀螺仪获取的第二航向角、预设的量测噪声及预设的卡尔曼滤波算法,确定第三航向角;根据所述第三角速度和第三航向角,对云台进行控制。
进一步地,所述装置还包括:
更新模块,用于根据云台图像采集设备焦距的一次函数,确定当前帧图像的量测噪声,并根据当前帧图像的量测噪声对预设的量测噪声进行更新。
本发明公开了一种基于视觉和陀螺仪的云台控制方法及装置,所述方法包括:根据当前采集的图像信息,确定第一角速度;根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度,并根据所述第三角速度,对云台进行控制。由于在本发明实施例中,根据当前采集的图像信息,确定第一角速度,并根据预设的量测噪声使用预设的卡尔曼滤波算法,对所述第一角速度和陀螺仪获取的第二角速度进行融合,确定第三角速度,提高了对云台角速度获取的准确性,保证了根据云台角速度对云台进行控制的精度,提高了无人机图像采集设备采集的图像的清晰度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的一种基于视觉和陀螺仪的云台控制过程示意图;
图2为本发明实施例1提供的一种基于视觉和陀螺仪的云台控制过程示意图;
图3为本发明实施例3提供的一种基于视觉和陀螺仪的云台控制过程示意图;
图4为本发明实施例4提供的一种基于视觉和陀螺仪的云台控制过程示意图;
图5为本发明实施例5提供的一种基于视觉和陀螺仪的云台控制装置结构示意图。
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作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。
实施例1:
图1为本发明实施例提供的一种基于视觉和陀螺仪的云台增控制程示意图,该过程包括:
S101:根据当前采集的图像信息,确定第一角速度。
本发明实施例提供的基于视觉和陀螺仪的云台控制方法应用于无人机,所述无人机上带有云台图像采集设备,可以通过云台图像采集设备在无人机飞行时实时采集图像信息。
具体的,根据采集的图像信息,确定云台图像采集设备对应的第一角速度,从而确定云台对应的第一角速度。在本发明实施例中,根据采集的图像信息,确定云台图像采集设备对应的角速度是现有技术,不再进行赘述。
S102:根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度,并根据所述第三角速度,对云台进行控制。
量测噪声是卡尔曼滤波算法中的一个参数,用来调整输入卡尔曼滤波算法中两个输入量对卡尔曼滤波算法输出量的影响,在本发明实施例中两个输入量分别为第一角速度和陀螺仪获取的第二角速度,输出量为第三角速度。在本发明实施例中,当所述量测噪声减少时,所述第一角速度对输出的第三角速度的影响减弱,所述陀螺仪获取的第二角速度对输出的第三角速度的影响加强,当所述量测噪声增大时,所述第一角速度对输出的第三角速度的影响加强,所述陀螺仪获取的第二角速度对输出的第三角速度的影响减弱。其中预设的量测噪声可以为固定的数值,当然也可以根据当前的采集图像时的焦距来确定。
具体的,根据预设的量测噪声使用预设的卡尔曼滤波算法,对所述第一角速度和陀螺仪获取的第二角速度进行融合,确定第三角速度,并根据所述第三角速度,对云台进行控制。
在本发明实施例中,根据预设的量测噪声使用预设的卡尔曼滤波算法,确定角速度的过程是现有技术,不再进行赘述。
图2为本发明实施例提供的一种基于视觉和陀螺仪的云台控制过程示意图,具体的,云台图像采集设备实时采集当前图像,对云台图像采集设备采集的图像进行图像处理,确定第一角速度,根据预设的量测噪声使用预设的卡尔曼滤波算法,对所述第一角速度和陀螺仪获取的第二角速度进行融合,确定第三角速度,将第三角速度发送给角速度环控制器。另外,角度环控制器根据加速度计和陀螺仪获取的云台航向角,确定对云台航向角的控制量,并将对云台航向角的控制量发送至角速度环控制器,角速度环控制器根据第三角速度和云台航向角的控制量,控制云台上电机的运转,实现对云台的控制。
由于在本发明实施例中,根据当前采集的图像信息,确定第一角速度,并根据预设的量测噪声使用预设的卡尔曼滤波算法,对所述第一角速度和陀螺仪获取的第二角速度进行融合,确定第三角速度,提高了对云台角速度获取的准确性,保证了根据云台角速度对云台进行控制的精度,提高了云台图像采集设备采集的图像的清晰度。
实施例2:
为了准确的获取第一角速度,提高对云台的控制精度,所述根据当前采集到的图像信息,确定第一角速度包括:
获取当前帧图像中的至少四个第一特征点,并针对当前帧图像中的每个第一特征点,在当前帧图像的上一帧图像中识别与该第一特征点对应的第二特征点;
根据每个第一特征点和每个第二特征点在世界坐标系中的投影坐标,确定当前帧图像对应的单应矩阵,并根据所述单应矩阵,确定第一角速度。
具体的,针对云台采集的当前帧图像,可以采用特征点提取算法,获取当前帧图像中的至少四个第一特征点,并采用特征点跟踪算法,针对当前帧图像中的每个第一特征点,在当前帧图像的上一帧图像中识别与该第一特征点对应的第二特征点。其中特征点提取算法可以为:尺度不变特征变换(Scale-invariant feature transform,SIFT)算法等,预设的特征点跟踪算法可以为:可变形目标跟踪的静态自适应对应聚类(Clustering ofStatic-Adaptive Correspondences for Deformable Object Tracking,CMT)跟踪算法、跟踪学习检测(Tracking-Learning-Detection,TLD)算法等。
在本发明实施例中,在图像中识别特征点,以及在当前帧图像的上一帧图像中识别与该第一特征点对应的第二特征点都可以采用现有技术来实现,在本发明实施例中不再进行赘述。
另外,也可以采用相同的特征点提取算法,分别获取当前帧图像中的每个第一特征点和当前帧图像的上一帧图像中的每个第二特征点,其中所述第一特征点的数量与所述第二特征点的数量相同且不小于四个,针对当前帧图像中的每个第一特征点采用最邻近法,在当前帧图像的上一帧图像中确定与该第一特征点对应的第二特征点。
具体的,图像中的每个特征点在世界坐标系中对应着唯一的投影坐标,并且当前帧图像中至少有四个第一特征点,针对每个第一特征点,在当前帧图像的上一帧图像中均存在与该第一特征点对应的第二特征点,识别每个第一特征点及该第一特征点对应第二特征点在世界坐标系中的投影坐标,可以得到至少四对特征点的投影坐标,根据所述至少四对特征点的投影坐标,确定单应矩阵,并根据单应矩阵,确定第一角速度。
在本发明实施例中,确定图像中的特征点在世界坐标系中的投影坐标,根据至少四对特征点的投影坐标确定单应矩阵,及根据单应矩阵确定第一角速度是现有技术,不再进行赘述。
实施例3:
为了准确的获取当前帧图像中的特征点,提高对云台控制的精度,在上述实施例的基础上,在本发明实施例中,所述获取当前帧图像中的至少四个第一特征点之前,所述方法还包括:
将当前帧图像转换为灰度图像并进行高斯滤波。
具体的,对当前帧图像进行灰度处理,将当前帧图像转换为灰度图像,并且为了防止该灰度图像中的高斯噪声影响对特征点提取的准确性,对该灰度图像进行高斯滤波,去除该灰度图像中的高斯噪声。
在本发明实施例中,对图像进行高斯滤波是现有技术,不再进行赘述。。
实施例4:
为了提高对云台控制的精度,在上述各实施例的基础上,在本发明实施例中,所述确定当前帧图像对应的单应矩阵之后,根据所述单应矩阵,确定第一角速度之前,所述方法还包括:
针对当前帧图像对应的单应矩阵中的每个元素,判断每个元素对应的值是否均在该元素对应的阈值范围内;
如果是,进行后续步骤。
在本发明实施例中,针对单应矩阵中的每个元素设置有阈值范围,确定当前帧图像对应的单应矩阵之后,针对当前帧图像对应的单应矩阵中的每个元素,判断每个元素对应的值是否均在该元素对应的阈值范围内,如果每个元素对应的值均在该元素对应的阈值范围内,说明该单应矩阵不存在异常,进行后续根据所述单应矩阵,确定第一角速度的步骤;如果存在元素对应的值不在该元素对应的阈值范围内,则说明该单应矩阵异常,无法根据该单应矩阵确定出准确的第一角速度,不进行后续根据所述单应矩阵,确定第一角速度的步骤。其中每个元素对应的阈值范围可以相同,可以不同。
例如:单应矩阵中包含3个元素分别为元素1、元素2、元素3,其中元素1对应的值为1、元素2对应的值为2/3、元素3对应的值为3/2,元素1对应的阈值范围为1/2-3/2、元素2对应的阈值范围为1/2-1、元素3对应的阈值范围为1-2,该单应矩阵中每个元素对应的值均在该元素对应的阈值范围内,确定该单应矩阵正常。
为了更准确的确定第一角速度,所述方法还包括:
根据当前帧图像之前设定数量的图像对应的单应矩阵,对当前帧图像对应的单应矩阵进行平滑处理,并根据平滑处理后的单应矩阵对当前帧图像对应的单应矩阵进行更新。
具体的,根据当前帧图像之前的设定数量的图像对应的单应矩阵,该设定数量可以为3、4、7等,对当前帧图像对应的单应矩阵进行平滑处理,即针对当前帧图像对应的单应矩阵中的每个元素,根据该元素的值及该元素在所述设定数量的图像对应的单应矩阵中的值的均值,对该元素的值进行更新,并根据平滑处理后的单应矩阵对当前帧图像对应的单应矩阵进行更新。
图3为本发明实施例提供的一种基于视觉和陀螺仪的云台控制过程示意图,该过程包括:
S301:将当前帧图像转换为灰度图像并进行高斯滤波。
S302:获取当前帧图像中的至少四个第一特征点,并针对当前帧图像中的每个第一特征点,在当前帧图像的上一帧图像中识别与该第一特征点对应的第二特征点。
S303:根据每个第一特征点和每个第二特征点在世界坐标系中的投影坐标,确定当前帧图像对应的单应矩阵。
S304:针对当前帧图像对应的单应矩阵中的每个元素,判断每个元素对应的值是否均在该元素对应的阈值范围内,如果是,进行S305,如果否,则结束。
S305:根据当前帧图像之前设定数量的图像对应的单应矩阵,对当前帧图像对应的单应矩阵进行平滑处理,并根据平滑处理后的单应矩阵对当前帧图像对应的单应矩阵进行更新。
S306:根据所述单应矩阵,确定第一角速度。
S307:根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度,并根据所述第三角速度,对云台进行控制。
实施例5:
为了进一步提高对云台控制的准确性,所述确定第一角速度之后,根据所述第三角速度,对云台进行控制之前,所述方法还包括:
根据当前采集到的图像信息,确定第一航向角;
根据所述第一航向角、陀螺仪获取的第二航向角、预设的量测噪声及预设的卡尔曼滤波算法,确定第三航向角;
所述根据所述第三角速度,对云台进行控制包括:
根据所述第三角速度和第三航向角,对云台进行控制。
量测噪声是卡尔曼滤波算法中的一个参数,用来调整输入卡尔曼滤波算法中两个输入量对卡尔曼滤波算法输出量的影响,在本发明实施例中两个输入量分别为第一航向角和陀螺仪获取的第二航向角,输出量为第三航向角。在本发明实施例中,当所述量测噪声减少时,所述第一航向角对输出的第三航向角的影响减弱,所述陀螺仪获取的第二航向角对输出的第三航向角的影响加强,当所述量测噪声增大时,所述第一航向角对输出的第三航向角的影响加强,所述陀螺仪获取的第二航向角对输出的第三航向角的影响减弱。其中预设的量测噪声可以为固定的数值,当然也可以根据当前的采集环境对预设的量测噪声进行调整。
具体的,根据当前采集的图像信息,确定当前帧图像对应的单应矩阵,并根据当前帧图像对应的单应矩阵,确定第一航向角,并根据预设的量测噪声使用预设的卡尔曼滤波算法,对所述第一航向角和陀螺仪获取的第二航向角进行融合,确定第三航向角,并根据所述第三角速度和第三航向角,控制云台增稳,在本发明实施例中,根据单应矩阵确定第一航向角是现有技术,不再进行赘述。
所述根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度之前,所述方法还包括:
根据云台图像采集设备的焦距的一次函数,确定当前帧图像的量测噪声,并根据当前帧图像的量测噪声对预设的量测噪声进行更新。
在实际应用过程中,随着云台图像采集设备焦距的增大,图像对震动越来越敏感,陀螺仪获取的角速度精度也越来越不能满足图像增稳的需要。在本发明实施例中,为了提高对云台控制的精度,预先设置有云台图像采集设备的焦距的一次函数,并根据云台图像采集设备的焦距的一次函数,确定当前帧图像的量测噪声,并根据当前帧图像的量测噪声对预设的量测噪声进行更新,其中云台图像采集设备的一次函数可以为云台图像采集设备的变倍倍数和焦距的积。
图4为本发明实施例提供的一种基于视觉和陀螺仪的云台控制过程示意图,该过程包括:
S401:将当前帧图像转换为灰度图像并进行高斯滤波。
S402:获取当前帧图像中的至少四个第一特征点,并针对当前帧图像中的每个第一特征点,在当前帧图像的上一帧图像中识别与该第一特征点对应的第二特征点。
S403:根据每个第一特征点和每个第二特征点在世界坐标系中的投影坐标,确定当前帧图像对应的单应矩阵。
S404:针对当前帧图像对应的单应矩阵中的每个元素,判断每个元素对应的值是否均在该元素对应的阈值范围内,如果是,进行S405,如果否,则结束。
S405:根据当前帧图像之前设定数量的图像对应的单应矩阵,对当前帧图像对应的单应矩阵进行平滑处理,并根据平滑处理后的单应矩阵对当前帧图像对应的单应矩阵进行更新。
S406:根据所述单应矩阵,确定第一角速度;根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度。
S407:根据当前帧图像对应的单应矩阵,确定第一航向角;根据所述第一航向角、陀螺仪获取的第二航向角、预设的量测噪声及预设的卡尔曼滤波算法,确定第三航向角。
S408:根据所述第三角速度和第三航向角,对云台进行控制。
实施例5:
图5为本发明实施例提供的一种基于视觉和陀螺仪的云台控制装置结构示意图,该装置包括:
确定模块51,用于根据当前采集的图像信息,确定第一角速度;
控制模块52,用于根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度,并根据所述第三角速度,对云台进行控制。
所述确定模块51,具体用于获取当前帧图像中的至少四个第一特征点,并针对当前帧图像中的每个第一特征点,在当前帧图像的上一帧图像中识别与该第一特征点对应的第二特征点;根据每个第一特征点和每个第二特征点在世界坐标系中的投影坐标,确定当前帧图像对应的单应矩阵,并根据所述单应矩阵,确定第一角速度。
处理模块53,用于将当前帧图像转换为灰度图像并进行高斯滤波。
所述确定模块51,还用于针对当前帧图像对应的单应矩阵中的每个元素,判断每个元素对应的值是否均在该元素对应的阈值范围内,如果是,根据所述单应矩阵,确定第一角速度。
所述确定模块51,还用于根据当前帧图像之前设定数量的图像对应的单应矩阵,对当前帧图像对应的单应矩阵进行平滑处理,并根据平滑处理后的单应矩阵对当前帧图像对应的单应矩阵进行更新。
所述确定模块51,还用于根据当前帧图像对应的单应矩阵,确定第一航向角;
所述控制模块52,还用于根据所述第一航向角、陀螺仪获取的第二航向角、预设的量测噪声及预设的卡尔曼滤波算法,确定第三航向角;根据所述第三角速度和第三航向角,对云台进行控制。
所述装置还包括:
更新模块54,用于云台图像采集设备焦距的一次函数,确定当前帧图像的量测噪声,并根据当前帧图像的量测噪声对预设的量测噪声进行更新。
本发明公开了一种基于视觉和陀螺仪的云台控制方法及装置,所述方法包括:根据当前采集的图像信息,确定第一角速度;根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度,并根据所述第三角速度,对云台进行控制。由于在本发明实施例中,根据当前采集的图像信息,确定第一角速度,并根据预设的量测噪声使用预设的卡尔曼滤波算法,对所述第一角速度和陀螺仪获取的第二角速度进行融合,确定第三角速度,提高了对云台角速度获取的准确性,保证了根据云台角速度对云台进行控制的精度,提高了云台图像采集设备采集的图像的清晰度。
对于系统/装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种基于视觉和陀螺仪的云台控制方法,其特征在于,所述方法包括:
根据当前采集的图像信息,确定第一角速度;
根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度,并根据所述第三角速度,对云台进行控制。
2.如权利要求1所述的方法,其特征在于,所述根据当前采集的图像信息,确定第一角速度包括:
获取当前帧图像中的至少四个第一特征点,并针对当前帧图像中的每个第一特征点,在当前帧图像的上一帧图像中识别与该第一特征点对应的第二特征点;
根据每个第一特征点和每个第二特征点在世界坐标系中的投影坐标,确定当前帧图像对应的单应矩阵,并根据所述单应矩阵,确定第一角速度。
3.如权利要求2所述的方法,其特征在于,所述获取当前帧图像中的至少四个第一特征点之前,所述方法还包括:
将当前帧图像转换为灰度图像并进行高斯滤波。
4.如权利要求2所述的方法,其特征在于,所述确定当前帧图像对应的单应矩阵之后,根据所述单应矩阵,确定第一角速度之前,所述方法还包括:
根据当前帧图像对应的单应矩阵中的每个元素及所述每个元素对应的阈值范围,判断每个元素的值是否均在所述每个元素对应的阈值范围内;
如果是,进行后续步骤。
5.如权利要求2或4所述的方法,其特征在于,所述方法还包括:
根据当前帧图像之前设定数量的图像对应的单应矩阵,对当前帧图像对应的单应矩阵进行平滑处理,并根据平滑处理后的单应矩阵对当前帧图像对应的单应矩阵进行更新。
6.如权利要求1所述的方法,其特征在于,所述确定第一角速度之后,根据所述第三角速度,对云台进行控制之前,所述方法还包括:
根据当前采集的图像信息,确定第一航向角;
根据所述第一航向角、陀螺仪获取的第二航向角、预设的量测噪声及预设的卡尔曼滤波算法,确定第三航向角;
所述根据所述第三角速度,对云台进行控制包括:
根据所述第三角速度和第三航向角,对云台进行控制。
7.如权利要求1或6所述的方法,其特征在于,所述根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度之前,所述方法还包括:
根据云台图像采集设备焦距的一次函数,确定当前帧图像的量测噪声,并根据当前帧图像的量测噪声对预设的量测噪声进行更新。
8.一种基于视觉和陀螺仪的云台控制装置,其特征在于,所述装置包括:
确定模块,用于根据当前采集的图像信息,确定第一角速度;
控制模块,用于根据所述第一角速度、陀螺仪获取的第二角速度、预设的量测噪声及预设的卡尔曼滤波算法,确定第三角速度,并根据所述第三角速度,对云台进行控制。
9.如权利要求8所述的装置,其特征在于,所述确定模块,具体用于获取当前帧图像中的至少四个第一特征点,并针对当前帧图像中的每个第一特征点,在当前帧图像的上一帧图像中识别与该第一特征点对应的第二特征点;根据每个第一特征点和每个第二特征点在世界坐标系中的投影坐标,确定当前帧图像对应的单应矩阵,并根据所述单应矩阵,确定第一角速度。
10.如权利要求9所述的装置,其特征在于,所述装置还包括:
处理模块,用于将当前帧图像转换为灰度图像并进行高斯滤波。
11.如权利要求9所述的装置,其特征在于,所述确定模块,还用于针对当前帧图像对应的单应矩阵中的每个元素,判断每个元素对应的值是否均在该元素对应的阈值范围内,如果是,根据所述单应矩阵,确定第一角速度。
12.如权利要求9或11所述的装置,其特征在于,所述确定模块,还用于根据当前帧图像之前设定数量的图像对应的单应矩阵,对当前帧图像对应的单应矩阵进行平滑处理,并根据平滑处理后的单应矩阵对当前帧图像对应的单应矩阵进行更新。
13.如权利要求8所述的装置,其特征在于,所述确定模块,还用于根据当前采集的图像信息,确定第一航向角;
所述控制模块,还用于根据所述第一航向角、陀螺仪获取的第二航向角、预设的量测噪声及预设的卡尔曼滤波算法,确定第三航向角;根据所述第三角速度和第三航向角,对云台进行控制。
14.如权利要求8或13所述的装置,其特征在于,所述装置还包括:
更新模块,用于根据云台图像采集设备焦距的一次函数,确定当前帧图像的量测噪声,并根据当前帧图像的量测噪声对预设的量测噪声进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710763390.1A CN107491099A (zh) | 2017-08-30 | 2017-08-30 | 一种基于视觉和陀螺仪的云台控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710763390.1A CN107491099A (zh) | 2017-08-30 | 2017-08-30 | 一种基于视觉和陀螺仪的云台控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107491099A true CN107491099A (zh) | 2017-12-19 |
Family
ID=60651098
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710763390.1A Pending CN107491099A (zh) | 2017-08-30 | 2017-08-30 | 一种基于视觉和陀螺仪的云台控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107491099A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108279708A (zh) * | 2017-12-31 | 2018-07-13 | 深圳市秦墨科技有限公司 | 一种云台自动校准方法、装置以及云台 |
CN110637266A (zh) * | 2018-04-28 | 2019-12-31 | 深圳市大疆创新科技有限公司 | 云台的控制方法和云台 |
CN113532455A (zh) * | 2020-04-17 | 2021-10-22 | 北京三快在线科技有限公司 | 视觉融合定位方法、装置、电子设备和可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102707734A (zh) * | 2012-06-19 | 2012-10-03 | 上海大学 | 基于惯性姿态传感器的自稳定云台 |
US8494225B2 (en) * | 2010-02-19 | 2013-07-23 | Julian L. Center | Navigation method and aparatus |
CN104501814A (zh) * | 2014-12-12 | 2015-04-08 | 浙江大学 | 一种基于视觉和惯性信息的姿态与位置估计方法 |
CN104811588A (zh) * | 2015-04-10 | 2015-07-29 | 浙江工业大学 | 一种基于陀螺仪的船载稳像控制方法 |
CN105931275A (zh) * | 2016-05-23 | 2016-09-07 | 北京暴风魔镜科技有限公司 | 基于移动端单目和imu融合的稳定运动跟踪方法和装置 |
-
2017
- 2017-08-30 CN CN201710763390.1A patent/CN107491099A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8494225B2 (en) * | 2010-02-19 | 2013-07-23 | Julian L. Center | Navigation method and aparatus |
CN102707734A (zh) * | 2012-06-19 | 2012-10-03 | 上海大学 | 基于惯性姿态传感器的自稳定云台 |
CN104501814A (zh) * | 2014-12-12 | 2015-04-08 | 浙江大学 | 一种基于视觉和惯性信息的姿态与位置估计方法 |
CN104811588A (zh) * | 2015-04-10 | 2015-07-29 | 浙江工业大学 | 一种基于陀螺仪的船载稳像控制方法 |
CN105931275A (zh) * | 2016-05-23 | 2016-09-07 | 北京暴风魔镜科技有限公司 | 基于移动端单目和imu融合的稳定运动跟踪方法和装置 |
Non-Patent Citations (1)
Title |
---|
刘玺,方勇纯,张雪波: "基于单应矩阵的位姿估计方法及应用", 《第27届中国控制会议》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108279708A (zh) * | 2017-12-31 | 2018-07-13 | 深圳市秦墨科技有限公司 | 一种云台自动校准方法、装置以及云台 |
CN110637266A (zh) * | 2018-04-28 | 2019-12-31 | 深圳市大疆创新科技有限公司 | 云台的控制方法和云台 |
CN113532455A (zh) * | 2020-04-17 | 2021-10-22 | 北京三快在线科技有限公司 | 视觉融合定位方法、装置、电子设备和可读存储介质 |
CN113532455B (zh) * | 2020-04-17 | 2023-03-31 | 北京三快在线科技有限公司 | 视觉融合定位方法、装置、电子设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11042723B2 (en) | Systems and methods for depth map sampling | |
RU2768997C1 (ru) | Способ, устройство и оборудование для распознавания препятствий или земли и управления полетом, и носитель данных | |
KR102189262B1 (ko) | 엣지 컴퓨팅을 이용한 교통 정보 수집 장치 및 방법 | |
CN110268445A (zh) | 利用陀螺仪的相机自动校准 | |
CN106529495A (zh) | 一种飞行器的障碍物检测方法和装置 | |
CN112798811B (zh) | 速度测量方法、装置和设备 | |
CN111275015A (zh) | 一种基于无人机的电力巡线电塔检测识别方法及系统 | |
CN107491099A (zh) | 一种基于视觉和陀螺仪的云台控制方法及装置 | |
CN116719339A (zh) | 一种基于无人机的电力线路巡检控制方法及系统 | |
CN104913775B (zh) | 无人机对地高度的测量方法、无人机定位方法及装置 | |
CN112040175A (zh) | 无人机巡检方法、装置、计算机设备和可读存储介质 | |
CN111932637B (zh) | 一种车身相机外参自适应标定方法和装置 | |
CN107504917A (zh) | 一种三维尺寸测量方法及装置 | |
CN108460333A (zh) | 基于深度图的地面检测方法及装置 | |
CN114519712A (zh) | 一种点云数据处理方法、装置、终端设备及存储介质 | |
CN114020043A (zh) | 无人机建筑工程监理系统、方法、电子设备及存储介质 | |
RU2602729C2 (ru) | Способ определения расстояния до объекта при помощи камеры (варианты) | |
KR102448233B1 (ko) | 정밀 착륙을 위한 드론 제어 방법 | |
CN115717867A (zh) | 一种基于机载双相机和目标追踪的桥梁变形测量方法 | |
CN110196601A (zh) | 无人机控制方法、装置、系统和计算机可读存储介质 | |
CN105303563A (zh) | 一种跌倒检测方法及装置 | |
CN109116869B (zh) | 一种绕点飞行控制方法及装置 | |
US10577101B2 (en) | Water surface detection method and apparatus, unmanned aerial vehicle landing method and apparatus and unmanned aerial vehicle | |
CN117241142A (zh) | 云台相机的俯仰角动态矫正方法和装置、设备及存储介质 | |
CN112560769A (zh) | 用于检测障碍物的方法、电子设备、路侧设备和云控平台 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171219 |
|
RJ01 | Rejection of invention patent application after publication |