CN107504969A - 基于视觉和惯性组合的四旋翼室内导航方法 - Google Patents
基于视觉和惯性组合的四旋翼室内导航方法 Download PDFInfo
- Publication number
- CN107504969A CN107504969A CN201710604401.1A CN201710604401A CN107504969A CN 107504969 A CN107504969 A CN 107504969A CN 201710604401 A CN201710604401 A CN 201710604401A CN 107504969 A CN107504969 A CN 107504969A
- Authority
- CN
- China
- Prior art keywords
- information
- rotor
- navigation
- inertia
- access control
- 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
- 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
- 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)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于视觉和惯性组合的四旋翼室内导航方法,该方法在室内无外界导航信息的下,依靠安装在四旋翼电机底座下的四个相机和惯性元件组合提供导航信息;本发明采用的技术方案是:基于视觉和惯性组合的四旋翼室内导航方法,包括如下步骤:首先,提取并匹配四旋翼电机底座下的四个相机同步采集四个方位的图像的特征点,获取特征点匹配组,预积分相邻图像帧间四旋翼的惯性信息;其次,并行利用优化方法将四个方向单目视觉与惯性预积分信息紧耦合,获得四组四旋翼的导航信息;最后,融合四组导航信息获取高精度、强鲁棒的室内导航信息。
Description
技术领域
本发明涉及一种四旋翼室内导航方法,特别是在室内没有任何外部导航信息的情况下基于自身携带的相机与惯性元件组合的室内导航方法。
技术背景
四旋翼是一种结构简单、机动性强、起飞条件要求低、能够悬停的微小型无人机,能够方便出入各种环境复杂的场景执行搜救、侦查、偷袭等高难度任务。高精度、强稳定的导航方法是保证四旋翼完成任务的前提保障,而在城市建筑物密集、深林植被密集、深山以及室内GPS等外界导航信息缺失情况下,四旋翼将会失去导航能力,就像人被蒙上了眼睛。相机能够采集到丰富的环境信息,通过搭载相机能够在外界导航信息缺失下为四旋翼提供导航信息。但是采用单目相机进行导航时,提供的导航位置信息缺乏尺度信息,而惯性能够弥补单目导航的尺度问题。单目相机和惯性元件不仅尺寸小、重量轻,而且他俩组合导航能够提供精度高于纯视觉的导航信息。室内和走廊存在大量的环境信息不丰富的墙面,采用四个方向的同时采集环境信息对四旋翼的三维位置和姿态信息进行计算,能够利用更多、更丰富的室内环境信息为四旋翼提供导航,能够获取精度更高的四旋翼室内导航信息。
发明内容
本发明所要解决的技术问题是,提供一种基于视觉和惯性组合的四旋翼室内导航方法,实现在室内无GPS信号环境下,依靠自身携带的相机和惯性元件获取四旋翼的姿态和位置信息。
本发明采用的技术方案是:基于视觉和惯性组合的四旋翼室内导航方法,包括如下步骤:首先,提取并匹配四旋翼电机底座下的四个相机同步采集四个方位的图像特征点,获取特征点匹配组,预积分相邻图像帧间四旋翼的惯性信息;其次,并行利用优化的方法将四个方向单目视觉与惯性预积分信息紧耦合,获得四组四旋翼的导航信息;最后,融合四组导航信息获取高精度、强鲁棒的室内导航信息。
所述的获取特征点匹配组是:采用四旋翼电机底座下安装的四个普通微型相机同步获取实时图像信息,然后采用机载嵌入式处理器对四个方向上相机采集图像并行运行特征像素点的提取与匹配算法。通过对时间连续的相邻图像帧中特征点的提取与匹配,获取四个方向上对应的图像特征点匹配组。
所述的并行利用优化方法将四个方向单目视觉与惯性预积分信息紧耦合是:采用优化相关的软件库的对视觉与惯性紧耦合系统的状态进行求解。其中系统状态求解,通过求解视觉和惯性预积分误差模型的如下非线性最小二乘问题获取。
其中∑I和∑C分别为惯性测量单元和相机的噪声协方差矩阵,系统在j时刻的惯性误差模型和视觉误差模型分别为:
其中为实现j时刻的状态向量,R为世界坐标系下的四旋翼姿态,P为世界坐标系下的四旋翼三维位置向量,V为世界坐标系下的四旋翼无人机三维速度向量,为j时刻与j-1时刻间惯性信息,为j时刻相机观测到的特征点信息,为惯性元件六维加速度与角速度偏差向量。
所述预积分相邻图像帧间四旋翼的惯性信息是:采用预积分将相邻两帧图像间的多个连续惯性约束积分成一个整体惯性约束,使得相机信息和惯性信息更新频率同步,相邻图像帧间惯性预积分误差模型和视觉误差模型为:
其中,l为相邻图像匹配组中的特征点坐标,为相机坐标系到惯性元件坐标系转换的旋转平移参数,为相机采用间隔,为对应下角标关于上角标的雅可比矩阵,上角标g为角速度偏差,a为加速度偏差。
最后对四组导航信息进行融合,以四方向的相机图中特征点匹配数量为权值,融合四个方向的导航信息,权重计算如下:其中为第i个方向的图像特征点匹配数量,为第i 个方向导航信息的权值。融合后的导航信息为,为第i个方向的三维欧拉角、三维位置、三维速度组成的导航信息向量。
本发明可以带来如下技术效果:
本发明采用提取并匹配四旋翼电机底部的四个相机同步采集四个方向的图像信息的方法,能够利用更丰富的环境信息,提高了室内导航信息的精确性和鲁棒性。在此基础上采用优化方法对视觉信息和惯性预积分信息进行紧密耦合,获取了高精度的导航参数估计。最后,融合了四组导航信息近一步提高了系统导航精度。
附图说明
图1是本发明基于视觉和惯性组合的四旋翼室内导航流程图;
图2是本发明采用的四旋翼整体结构图;
1:机载微型相机 2:嵌入式处理器
3:惯性元件 4:四旋翼本体
具体实施方式
下面结合实施例和附图对本发明的基于视觉和惯性组合的四旋翼室内导航方法做出详细说明。
针对在室内无外界导航信息的下,依靠四旋翼安装的相机和惯性元件组合提供导航信息;本发明设计了一种基于视觉和惯性组合的四旋翼室内导航方法,包括如下步骤:首先,提取并匹配四旋翼电机底座下的四个相机同步采集四个方位的图像特征点,获取特征点匹配组,预积分相邻图像帧间四旋翼的惯性信息;其次,并行利用优化方法将四个方向单目视觉与惯性预积分信息紧耦合,获得四组四旋翼的导航信息;最后,融合四组导航信息获取高精度、强鲁棒的室内导航信息。
如图1所示,本发明基于视觉和惯性组合的无人机室内导航方法,包括以下步骤。
(1)提取并匹配四旋翼电机底座下的四个相机同步采集四个方位的图像获取特征点匹配组,预积分相邻图像帧间四旋翼的惯性信息:
如图2所示,在四旋翼四个电机底座下安装四个微型机载相机,相机的镜头方向与所在机臂平行且向外。通过机载嵌入式处理器并行提取图像中的特征点并匹配相邻帧的特征点。该方法能够获取更多的环境信息,在面对墙面和走廊时四面采集的图像能够获取更加丰富特征信息,克服了一个方向图像中特征信息缺失引起的导航精度极度下降问题。
采用ORB(Oriented FAST and Rotated BRIEF)提取图像中的特征点,并采用RANSAC(随机采样一致性,Random sample consensus)算法移除匹配中的异常点,得到匹配准确的特征点匹配组。
(2)并行利用优化方法将四个方向单目视觉与惯性预积分信息紧耦合,获得四组四旋翼的导航信息。
视觉与惯性紧组合系统为非线性系统,其系统状态的解为视觉和惯性误差模型构成的非线性如下最小二乘问题的解。
通常采用高斯牛顿法求解系统状态,高斯牛顿通过多次线性化来近似非线性系统,能够获取准确率更高的系统状态估计。本发明采用GTSAM(Georgia Tech Smoothingand Mapping library)优化库中的增量平滑的方法更新系统状态,增量平滑充分利用系统历史状态能够更加精准的获取导航信息,并能够克服视觉和惯性异常情况。其中j时刻的视觉和惯性误差模型为:
其中为实现j时刻的状态向量,R为世界坐标系下的四旋翼姿态,P为世界坐标系下的四旋翼三维位置向量,V为世界坐标系下的四旋翼无人机三维速度向量,为j时刻与j-1时刻间惯性信息,为j时刻相机观测到的特征点信息,为惯性元件六维加速度与角速度偏差向量。
所述预积分相邻图像帧间四旋翼的惯性信息是:采用预积分将相邻两帧图像间的多个连续惯性约束积分成一个整体惯性约束,使得相机信息和惯性信息更新频率同步,相邻图像帧间惯性预积分误差模型为:
其中,l为相邻图像匹配组中的特征点坐标,为相机坐标系到惯性元件坐标系转换的旋转平移参数,通过测量标定获取,为相机采用间隔,为对应下角标关于上角标的雅可比矩阵,上角标g为角速度偏差,a为加速度偏差。
(3)最后对四组导航信息进行融合,以四方向的相机图中特征点匹配数量为权值,融合四个方向的导航信息,权重计算如下:其中为第i个方向的图像特征点匹配数量,为第i 个方向导航信息的权值。融合后的导航信息为,为第i个方向的三维欧拉角、三维位置、三维速度组成的导航信息向量。
Claims (4)
1.一种基于视觉和惯性组合的四旋翼室内导航方法,其特征在于,所述方法包括如下步骤:首先,提取并匹配四旋翼电机底座下的四个相机同步采集四个方位的图像的特征点,获取特征点匹配组,预积分相邻图像帧间四旋翼的惯性信息;其次,并行利用优化方法将四个方向单目视觉与惯性预积分信息紧耦合,获得四组四旋翼的导航信息;最后,融合四组导航信息获取高精度、强鲁棒的室内导航信息。
2.根据权利要求书1所述基于视觉和惯性组合的四旋翼室内导航方法,其特征在于所述的获取特征点匹配组,采用提取并匹配四旋翼电机底部的四个相机同步采集四个方向的图像特征点信息的方法,能够利用更丰富的环境信息,使得导航信息精度更高、鲁棒性更强。
3.根据权利要求书1所述基于视觉和惯性组合的无人机室内导航方法,其特征在于所述的四个方向单目视觉与惯性预积分信息紧耦合,采用优化的方式对四个方向的视觉与惯性进行并行紧耦合。
4.根据权利要求书1所述基于视觉和惯性组合的无人机室内导航方法,其特征在于所述的融合四组导航信息,采用的方法为:以四方向的相机图中特征点匹配数量为权值,融合四个方向的导航信息,权重计算如下:其中为第i个方向的图像特征点匹配数量, 为第i 个方向导航信息的权值;融合后的导航信息为,为第i个方向的三维欧拉角、三维位置、三维速度组成的导航信息向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710604401.1A CN107504969A (zh) | 2017-07-24 | 2017-07-24 | 基于视觉和惯性组合的四旋翼室内导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710604401.1A CN107504969A (zh) | 2017-07-24 | 2017-07-24 | 基于视觉和惯性组合的四旋翼室内导航方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107504969A true CN107504969A (zh) | 2017-12-22 |
Family
ID=60689462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710604401.1A Pending CN107504969A (zh) | 2017-07-24 | 2017-07-24 | 基于视觉和惯性组合的四旋翼室内导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107504969A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108444468A (zh) * | 2018-02-06 | 2018-08-24 | 浙江大学 | 一种融合下视视觉与惯导信息的定向罗盘 |
CN108716917A (zh) * | 2018-04-16 | 2018-10-30 | 天津大学 | 一种基于elm融合惯性和视觉信息的室内定位方法 |
CN108731700A (zh) * | 2018-03-22 | 2018-11-02 | 东南大学 | 一种视觉惯性里程计中的加权欧拉预积分方法 |
CN109079799A (zh) * | 2018-10-23 | 2018-12-25 | 哈尔滨工业大学(深圳) | 一种基于仿生的机器人感知控制系统及控制方法 |
CN109186592A (zh) * | 2018-08-31 | 2019-01-11 | 腾讯科技(深圳)有限公司 | 用于视觉惯导信息融合的方法和装置以及存储介质 |
CN109443355A (zh) * | 2018-12-25 | 2019-03-08 | 中北大学 | 基于自适应高斯pf的视觉-惯性紧耦合组合导航方法 |
CN109443353A (zh) * | 2018-12-25 | 2019-03-08 | 中北大学 | 基于模糊自适应ickf的视觉-惯性紧耦合组合导航方法 |
CN109506642A (zh) * | 2018-10-09 | 2019-03-22 | 浙江大学 | 一种机器人多相机视觉惯性实时定位方法及装置 |
CN109655059A (zh) * | 2019-01-09 | 2019-04-19 | 武汉大学 | 一种基于θ-增量学习的视觉-惯性融合导航系统及方法 |
CN109974693A (zh) * | 2019-01-31 | 2019-07-05 | 中国科学院深圳先进技术研究院 | 无人机定位方法、装置、计算机设备及存储介质 |
CN110207714A (zh) * | 2019-06-28 | 2019-09-06 | 广州小鹏汽车科技有限公司 | 一种确定车辆位姿的方法、车载系统及车辆 |
CN110426035A (zh) * | 2019-08-13 | 2019-11-08 | 哈尔滨理工大学 | 一种基于单目视觉和惯导信息融合的定位及建图方法 |
CN110986968A (zh) * | 2019-10-12 | 2020-04-10 | 清华大学 | 三维重建中实时全局优化和错误回环判断的方法及装置 |
CN111354042A (zh) * | 2018-12-24 | 2020-06-30 | 深圳市优必选科技有限公司 | 机器人视觉图像的特征提取方法、装置、机器人及介质 |
CN112697131A (zh) * | 2020-12-17 | 2021-04-23 | 中国矿业大学 | 基于视觉和惯性导航系统的井下移动装备定位方法及系统 |
CN114355961A (zh) * | 2021-11-24 | 2022-04-15 | 普宙科技(深圳)有限公司 | 无人机基于多视角视觉同步紧耦合视觉辅助悬停方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
CN105334518A (zh) * | 2015-11-30 | 2016-02-17 | 南京大学 | 一种基于室内四旋翼飞行器的激光雷达三维成像方法 |
EP3073223A1 (en) * | 2015-03-24 | 2016-09-28 | Honeywell International Inc. | Tightly coupled celestial-intertial navigation system |
WO2016187759A1 (en) * | 2015-05-23 | 2016-12-01 | SZ DJI Technology Co., Ltd. | Sensor fusion using inertial and image sensors |
US9702702B1 (en) * | 2015-06-15 | 2017-07-11 | The Charles Stark Draper Laboratory, Inc. | Methods and apparatus for navigational aiding using celestial object tracking |
-
2017
- 2017-07-24 CN CN201710604401.1A patent/CN107504969A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
EP3073223A1 (en) * | 2015-03-24 | 2016-09-28 | Honeywell International Inc. | Tightly coupled celestial-intertial navigation system |
WO2016187759A1 (en) * | 2015-05-23 | 2016-12-01 | SZ DJI Technology Co., Ltd. | Sensor fusion using inertial and image sensors |
US9702702B1 (en) * | 2015-06-15 | 2017-07-11 | The Charles Stark Draper Laboratory, Inc. | Methods and apparatus for navigational aiding using celestial object tracking |
CN105334518A (zh) * | 2015-11-30 | 2016-02-17 | 南京大学 | 一种基于室内四旋翼飞行器的激光雷达三维成像方法 |
Non-Patent Citations (2)
Title |
---|
CHRISTIAN F,ET AL: "On-Manifold Preintegration for Real-Time Visual–Inertial Odometry", 《 IEEE TRANSACTIONS ON ROBOTICS》 * |
黄鸿: "双目立体视觉与惯导融合里程计估计方法", 《中国优秀硕士学位论文全文数据库电子期刊信息科技辑》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108444468A (zh) * | 2018-02-06 | 2018-08-24 | 浙江大学 | 一种融合下视视觉与惯导信息的定向罗盘 |
CN108731700A (zh) * | 2018-03-22 | 2018-11-02 | 东南大学 | 一种视觉惯性里程计中的加权欧拉预积分方法 |
CN108731700B (zh) * | 2018-03-22 | 2020-07-31 | 东南大学 | 一种视觉惯性里程计中的加权欧拉预积分方法 |
CN108716917A (zh) * | 2018-04-16 | 2018-10-30 | 天津大学 | 一种基于elm融合惯性和视觉信息的室内定位方法 |
CN109186592A (zh) * | 2018-08-31 | 2019-01-11 | 腾讯科技(深圳)有限公司 | 用于视觉惯导信息融合的方法和装置以及存储介质 |
CN109506642A (zh) * | 2018-10-09 | 2019-03-22 | 浙江大学 | 一种机器人多相机视觉惯性实时定位方法及装置 |
CN109506642B (zh) * | 2018-10-09 | 2021-05-28 | 浙江大学 | 一种机器人多相机视觉惯性实时定位方法及装置 |
CN109079799B (zh) * | 2018-10-23 | 2021-11-12 | 哈尔滨工业大学(深圳) | 一种基于仿生的机器人感知控制系统及控制方法 |
CN109079799A (zh) * | 2018-10-23 | 2018-12-25 | 哈尔滨工业大学(深圳) | 一种基于仿生的机器人感知控制系统及控制方法 |
CN111354042B (zh) * | 2018-12-24 | 2023-12-01 | 深圳市优必选科技有限公司 | 机器人视觉图像的特征提取方法、装置、机器人及介质 |
CN111354042A (zh) * | 2018-12-24 | 2020-06-30 | 深圳市优必选科技有限公司 | 机器人视觉图像的特征提取方法、装置、机器人及介质 |
CN109443353A (zh) * | 2018-12-25 | 2019-03-08 | 中北大学 | 基于模糊自适应ickf的视觉-惯性紧耦合组合导航方法 |
CN109443355A (zh) * | 2018-12-25 | 2019-03-08 | 中北大学 | 基于自适应高斯pf的视觉-惯性紧耦合组合导航方法 |
CN109443355B (zh) * | 2018-12-25 | 2020-10-27 | 中北大学 | 基于自适应高斯pf的视觉-惯性紧耦合组合导航方法 |
CN109443353B (zh) * | 2018-12-25 | 2020-11-06 | 中北大学 | 基于模糊自适应ickf的视觉-惯性紧耦合组合导航方法 |
CN109655059A (zh) * | 2019-01-09 | 2019-04-19 | 武汉大学 | 一种基于θ-增量学习的视觉-惯性融合导航系统及方法 |
CN109655059B (zh) * | 2019-01-09 | 2022-05-13 | 武汉大学 | 一种基于θ-增量学习的视觉-惯性融合导航系统及方法 |
CN109974693A (zh) * | 2019-01-31 | 2019-07-05 | 中国科学院深圳先进技术研究院 | 无人机定位方法、装置、计算机设备及存储介质 |
CN109974693B (zh) * | 2019-01-31 | 2020-12-11 | 中国科学院深圳先进技术研究院 | 无人机定位方法、装置、计算机设备及存储介质 |
CN110207714B (zh) * | 2019-06-28 | 2021-01-19 | 广州小鹏自动驾驶科技有限公司 | 一种确定车辆位姿的方法、车载系统及车辆 |
CN110207714A (zh) * | 2019-06-28 | 2019-09-06 | 广州小鹏汽车科技有限公司 | 一种确定车辆位姿的方法、车载系统及车辆 |
CN110426035A (zh) * | 2019-08-13 | 2019-11-08 | 哈尔滨理工大学 | 一种基于单目视觉和惯导信息融合的定位及建图方法 |
CN110426035B (zh) * | 2019-08-13 | 2023-01-24 | 哈尔滨理工大学 | 一种基于单目视觉和惯导信息融合的定位及建图方法 |
CN110986968A (zh) * | 2019-10-12 | 2020-04-10 | 清华大学 | 三维重建中实时全局优化和错误回环判断的方法及装置 |
CN110986968B (zh) * | 2019-10-12 | 2022-05-24 | 清华大学 | 三维重建中实时全局优化和错误回环判断的方法及装置 |
CN112697131A (zh) * | 2020-12-17 | 2021-04-23 | 中国矿业大学 | 基于视觉和惯性导航系统的井下移动装备定位方法及系统 |
CN114355961A (zh) * | 2021-11-24 | 2022-04-15 | 普宙科技(深圳)有限公司 | 无人机基于多视角视觉同步紧耦合视觉辅助悬停方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107504969A (zh) | 基于视觉和惯性组合的四旋翼室内导航方法 | |
Delmerico et al. | Are we ready for autonomous drone racing? the UZH-FPV drone racing dataset | |
CN109029433B (zh) | 一种移动平台上基于视觉和惯导融合slam的标定外参和时序的方法 | |
CN106017463B (zh) | 一种基于定位传感装置的飞行器定位方法 | |
CN107850901B (zh) | 使用惯性传感器和图像传感器的传感器融合 | |
CN107850436B (zh) | 使用惯性传感器和图像传感器的传感器融合 | |
Strydom et al. | Visual odometry: autonomous uav navigation using optic flow and stereo | |
CN110095116A (zh) | 一种基于lift的视觉定位和惯性导航组合的定位方法 | |
CN113625774B (zh) | 局部地图匹配与端到端测距多无人机协同定位系统和方法 | |
CN111792034A (zh) | 使用传感器融合估计可移动物体的状态信息的方法及系统 | |
CN103994765B (zh) | 一种惯性传感器的定位方法 | |
CN102190081B (zh) | 基于视觉的飞艇定点鲁棒控制方法 | |
CN110533719B (zh) | 基于环境视觉特征点识别技术的增强现实定位方法及装置 | |
CN107449444A (zh) | 一种多星图姿态关联的星敏感器内参数标定方法及其装置 | |
CN108981693A (zh) | 基于单目相机的vio快速联合初始化方法 | |
Steiner et al. | A vision-aided inertial navigation system for agile high-speed flight in unmapped environments: Distribution statement a: Approved for public release, distribution unlimited | |
CN107909614A (zh) | 一种gps失效环境下巡检机器人定位方法 | |
CN108759826A (zh) | 一种基于手机和无人机多传感参数融合的无人机运动跟踪方法 | |
Rhudy et al. | Unmanned aerial vehicle navigation using wide‐field optical flow and inertial sensors | |
CN102636081A (zh) | 一种基于视觉运动建模的传递对准方法及装置 | |
CN115574816B (zh) | 仿生视觉多源信息智能感知无人平台 | |
CN109521785A (zh) | 一种随身拍智能旋翼飞行器系统 | |
Wang et al. | Monocular vision and IMU based navigation for a small unmanned helicopter | |
CN106352897A (zh) | 一种基于单目视觉传感器的硅mems陀螺误差估计与校正方法 | |
Deng et al. | Visual–inertial estimation of velocity for multicopters based on vision motion constraint |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171222 |