CN110455258B - 一种基于单目视觉的无人机离地高度测量方法 - Google Patents
一种基于单目视觉的无人机离地高度测量方法 Download PDFInfo
- Publication number
- CN110455258B CN110455258B CN201910820275.2A CN201910820275A CN110455258B CN 110455258 B CN110455258 B CN 110455258B CN 201910820275 A CN201910820275 A CN 201910820275A CN 110455258 B CN110455258 B CN 110455258B
- Authority
- CN
- China
- Prior art keywords
- definition
- image
- unmanned aerial
- aerial vehicle
- distance
- 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
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
- G01C5/005—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels altimeters for aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
Abstract
本发明提供了一种基于单目视觉的无人机离地高度测量方法,利用单目电动调焦相机视觉传感器获取一系列地面景象图像,利用清晰图像的高频能量占比高的特性提出一种清晰度评价函数,采用提出的清晰度评价函数对图像进行评价,根据评价结果完成无人机离地高度测量,为无人机等各类小型飞行平台的着陆、上升或下降等提供高度信息。本发明采用梯度计算方法得到高频能量,评价图像高频能量多少实现图像清晰度评价,相对于直接计算频域,计算量少,满足系统实时性要求,相对于梯度函数,通过频域信息描述评价结果,抗噪性较好。
Description
技术领域
本发明涉及光电测距领域,利用单目视觉传感器完成无人机离地高度测量,属于可用于无人机等各类小型飞行平台的着陆、上升或下降等,也可为其它视觉平台测距提供参考。
背景技术
小型无人机具有轻巧便携、使用场景比较灵活、应用成本低等特点,在航拍、物流等领域得到越来越广泛的应用。
为了实现无人机自主着陆或复杂地形环境下的低空飞行,需要获取无人机的离地高度信息。无人机的离地高度数据是无人机着陆、上升或下降、防碰撞的重要信息,由于无人机对设备重量、功耗、体积等有着严格的限制,无人机测量离地高度传感器需要具备体积小、功耗低、重量轻等优势。目前用于无人机测量离地高度的传感器主要有气压高度传感器、超声波测距传感器。
气压高度传感器采用气压传感器获取无人机所在位置大气压力数据,通过气压高度公式计算得到气压高度。在实际应用中,利用气压高度传感器测量的气压高度与无人机实际飞行高度不符,若在飞行中直接使用测量的气压高度会给飞行安全带来隐患。
通过向地面发射超声波并接收返回的反射波,测量其往返时间计算得到无人机离地高度,超声波测距传感器就是利用超声波的反射特性完成无人机离地高度测量。超声波测距技术已应用在防碰撞、避障等领域,超声波测距传感器具有功耗低、精度高等特点,非常适合无人机低空高度测量需求,但是超声波测距范围有限,这限制了超声波测距传感器在无人机方面的应用。
由于地面状况复杂,在低空情况下为了保证飞行安全,无人机在获取离地高度同时需要获取相对于下方地面或树林、建筑等障碍物的距离。在测量下方树林等障碍物的相对距离时候,超声波测距传感器可能收不到反射波,导致距离测量失败。
随着工艺技术进步,视觉传感的体积越来越小,功耗越来越低,重量越来越轻,并且性能大大提升,越来越多被用于小型无人机的自主定位。目前的无人机一般会搭载视觉传感器用来获取自身运动信息以及周围的环境信息。在不增加无人机搭载测距传感器前提下,利用视觉传感器完成无人机离地高度测量对于无人机着陆、上升或下降、防碰撞等有着重要意义。
视觉测距是利用摄像机或者照相机实时拍摄被测目标的图像,通过计算机快速提取目标图像的特征信号,经分析计算之后,得出被测目标到拍摄点的距离。与其它测距方法相比,视觉测距是被动测距,即不需要向目标物发射任何信号,只需拍摄下目标物的图像即可。视觉传感器获得的图像直观并能提供比其他传感器更加丰富的信息,测距精度相对较高,不易受到干扰,能够在复杂环境下及时地提供信息。另外视觉测距可以节省硬件开发成本,只需在软件算法上进行研究优化。
目前视觉测距技术研究主要有单目、双目与多目测距。双目和多目测距精度较高,但是计算耗时较长,并且存在特殊条件约束,比如双目基线精度对测量平台稳定性要求极高。单目测距主要利用景象特征信息进行计算测距,具有设备简单、成本低等优点,但是传统单目测距方法需要固定参照物,无法适应远距离测量要求。
专利“尹振东,蒋旭,吴芝路,等.一种基于单目视觉的可见光图像测距方法[P].中国:CN103852060B,2016”介绍了一种单目视觉测距方法,这种方法需要摄像头有固定角度,适用范围可能受限。
专利“曹志昂,叶茂,陆川,等.一种基于几何关系的单目视觉测距方法[P].中国:CN106443650A,2017”介绍了一种基于几何关系的视觉测距方法,这种方法需要比较准确的几何关系。
目前公开的单目测距专利中,这些方法需要结合设备信息,如角度、几何关系等,这会限制使用场合,当出现应用环境变化时,测距误差会比较大。本专利仅考虑图像信息,通过评价图像信息完成单目测距,降低对设备需求。评价图像信息采用图像清晰度评价函数。
对特定的数字成像系统,图像的清晰度反映了系统的离焦程度。当图像比较清晰,在近对焦区时,图像中含有丰富的细节,纹理明显,在空域表现为相邻像素的灰度值变化较大,在频域则表现为高频分量较多。利用这些特点可以构造基于频域或空域的各种对焦评价函数,实现对图像的清晰度评价。
目前常用的清晰度评价函数主要有以下几类:梯度函数、频域函数、信息学函数、统计学函。统计学函数测量精度不高;频域函数计算量大,不适于一般情况下的快速、实时测量;信息学(熵)函数依据图像内容不同则容易出现较大的波动,甚至出现峰谷倒置这样完全相反的结果;频域评价函数虽然具有一定的抗噪性,但是需要进行空域到频域的转换,计算复杂,运算量大,往往很难满足系统的实时性要求;常用的Tenengrad、空间梯度、方差函数等梯度评价函数虽然计算量小,但是抗噪性较差。
专利“苏伟博.自动聚焦方法[P].中国:CN102053339B,2014”基于改进DCT变换设计了图像清晰度评价函数。专利“李玉岩,梁锡宁,石鹏,等.一种粗精调结合的红外图像自动调焦方法[P].中国:CN104301601A,2015”利用图像清晰评价值指导调焦。专利“娄小平,褚翔,孟晓辰,等.一种基于改进Sobel算子的动态自动调焦方法[P].中国:CN106488122A,2017”提出了改进的Sobel算子清晰度评价函数。专利“谭世恒.一种自动对焦的清晰度评价方法及装置[P].中国:CN106383399B,2019”提出了一种自动对焦的清晰度评价方法及装置。这些方法采用的清晰度评价函数对于无人机复杂的室外环境不具有较好效果。
专利“李恒宇,袁泽峰,程洪涛,等.小型无人自旋翼机用单目可调焦液态镜头寻找安全着陆区域方法[P].中国:CN107437050A,2017”利用液态可调焦镜头采集图像并进行清晰度评价,从而判断该区域是否适合着陆。
针对无人机飞行过程的高度测量方法,需要一种既能满足系统实时性要求,又具备一定抗噪性的整体性能优良的清晰度评价函数,利用清晰度评价函数的评价结果计算得到无人机离地高度。
发明内容
为了克服现有技术的不足,本发明提供一种基于单目视觉的无人机离地高度测量方法。本发明利用单目电动调焦相机视觉传感器获取一系列地面景象图像,利用清晰图像的高频能量占比高的特性提出一种清晰度评价函数,采用提出的清晰度评价函数对图像进行评价,根据评价结果完成无人机离地高度测量,为无人机等各类小型飞行平台的着陆、上升或下降等提供高度信息。
本发明解决其技术问题所采用的技术方案的具体步骤如下:
(1)地面景象采集:无人机搭载电动调焦相机传感器,调整电动调焦相机像距,采集一系列地面景象图像,采集不少于20帧图像,包含不同程度模糊图像和清晰图像;
(2)清晰度评价:假设f(x,y)为其中一个像距位置时的图像,图像尺寸大小为M×N,定义图像的能量为:
高频部分能量为:
清晰度评价函数定义为:
采用归一化清晰度评价值,归一化清晰度评价值为:
公式中fvn是一系列图像清晰度评价值中最小值,fvx是一系列图像清晰度评价值中最大值;
(3)清晰度评价值拟合:用高斯函数对清晰度评价值进行曲线拟合,得到清晰度评价值的高斯函数拟合曲线,采用高斯函数曲线拟合,高斯函数曲线为:
公式中a1、b1、c1是高斯函数待拟合的参数,x是拟合的清晰度评价值离散点序号,f(x)是拟合的清晰度评价值;
(4)清晰度最优位置确定:
对于高斯拟合曲线,根据高斯拟合函数参数b1得出最优清晰度位置:
如果位置b1邻域内有采集的图像序号,则该图像序号对应的位置为最优清晰度位置;
如果位置b1邻域内没有采集的图像序号,则采用b1两侧邻近清晰度值作为判断依据;
如果位置b1两侧邻近清晰度值差值不大于指定阈值,则b1位置为最优清晰度位置,此位置的像距就是最佳像距;
如果位置b1两侧邻近清晰度值差值大于指定阈值,则通过对高斯拟合曲线插值得到最优清晰度位置;
所述指定阈值不大于0.05;
(5)离地高度计算:
根据几何光学原理,对理想成像系统模型,物体通过透镜成像时,满足光学公式为:
公式中f是焦距,u是物距,v是像距,根据公式进一步得到物距为:
在最佳成像状态下,也就是最优清晰度位置,电动调焦相机焦距已知,通过清晰度评价值拟合曲线得到最佳像距,根据几何光学成像公式计算物距,即可得到无人机离地高度,完成离地高度测量。
本发明的有益效果在于提出了一种新的图像清晰度评价算法,该算法采用梯度计算方法得到高频能量,评价图像高频能量多少实现图像清晰度评价,相对于直接计算频域,计算量少,满足系统实时性要求,相对于梯度函数,本发明通过频域信息描述评价结果,抗噪性较好。相比于目前公开的现有技术,利用图像信息通过数字计算得到距离参数,不需要过多的设备先验信息,对相机安装要求不高,具有较大的使用范围。
附图说明
图1为本发明基于单目视觉的无人机离地高度测量示意图。
图2为本发明离地高度测量工作流程图。
图3为本发明归一化清晰度评价值曲线。
图4为本发明高斯拟合曲线结果。
图5为本发明清晰度最优值位置结果。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
单目电动调焦相机在工作时可以通过调整像距得到不同清晰度图像,本发明通过单目电动调焦相机传感器在不同像距下获取一系列地面景象图像,用清晰度评价函数对图像进行评价,得到一系列清晰度评价值,然后用高斯函数拟合清晰度评价值得到拟合曲线,确定清晰度最优值位置,得到最佳像距,在电动调焦相机焦距一定情况下可以得到无人机离地高度。利用单目视觉得到的高度信息可以为无人机等各类小型飞行平台的着陆、上升或下降等提供高度参考。
基于单目视觉的无人机离地高度测量示意图参照图1,无人机通过电动调焦相机获取地面景象图像进行高度测量。
基于单目视觉的无人机离地高度测量工作流程图参照图2所示,首先用单目电动调焦相机获取一系列地面景象图像,用清晰度评价函数对图像进行清晰度评价得到清晰度评价值,然后用高斯函数曲线对清晰度评价值拟合得到清晰度最优位置,最后计算物距完成无人机离地高度测量,具体实施方式如下:
(1)地面景象采集:无人机搭载电动调焦相机传感器,调整电动调焦相机像距,采集一系列地面景象图像,采集不少于20帧图像,包含不同程度模糊图像和清晰图像;
(2)清晰度评价:假设f(x,y)为其中一个像距位置时的图像,图像尺寸大小为M×N,定义图像的能量为:
高频部分能量为:
清晰度评价函数定义为:
采用归一化清晰度评价值,归一化清晰度评价值为:
公式中fvn是一系列图像清晰度评价值中最小值,fvx是一系列图像清晰度评价值中最大值;
(3)清晰度评价值拟合:用高斯函数对清晰度评价值进行曲线拟合,得到清晰度评价值的高斯函数拟合曲线,采用高斯函数曲线拟合,高斯函数曲线为:
公式中a1、b1、c1是高斯函数待拟合的参数,x是拟合的清晰度评价值离散点序号,f(x)是拟合的清晰度评价值;
(4)清晰度最优位置确定:
对于高斯拟合曲线,根据高斯拟合函数参数b1得出最优清晰度位置:
如果位置b1邻域内有采集的图像序号,则该图像序号对应的位置为最优清晰度位置;
如果位置b1邻域内没有采集的图像序号,则采用b1两侧邻近清晰度值作为判断依据;
如果位置b1两侧邻近清晰度值差值不大于指定阈值,则b1位置为最优清晰度位置,此位置的像距就是最佳像距;
如果位置b1两侧邻近清晰度值差值大于指定阈值,则通过对高斯拟合曲线插值得到最优清晰度位置;
所述指定阈值不大于0.05;
(5)离地高度计算:
根据几何光学原理,对理想成像系统模型,物体通过透镜成像时,满足光学公式为:
公式中f是焦距,u是物距,v是像距,根据公式进一步得到物距为:
在最佳成像状态下,也就是最优清晰度位置,电动调焦相机焦距已知,通过清晰度评价值拟合曲线得到最佳像距,根据几何光学成像公式计算物距,即可得到无人机离地高度,完成离地高度测量。
实施例:
(1)地面景象采集:无人机在空中飞行时,在某一位置进行高度测量时,调整单目电动调焦相机像距,将电动调焦相机的景深作为调整步长,每调整一次像距获取一次地面景象图像,在电动调焦相机可调整范围内获取一系列地面景象图像。在获取地面景象同时,记录每次图像对应调焦相机的像距。
(2)清晰度评价:电动调焦相机通过调整像距得到不同清晰度图像,清晰图像在边缘及细节部分清晰,具有更锐化的边缘和更丰富的细节特征,具有更多的高频能量,高频能量多的图像也会比高频能量少的图像相对清晰,因此可以通过图像中高频部分能量多少评价图像清晰度。
电动调焦相机在调整像距位置得到地面景象图像,假设f(x,y)为其中一个像距位置时的图像,图像尺寸大小为M×N,定义图像的能量为:
高频部分能量为:
清晰度评价函数定义为:
采用归一化清晰度评价值,归一化清晰度评价值为:
公式中fvn是一系列图像清晰度评价值中最小值,fvx是一系列图像清晰度评价值中最大值。归一化的清晰度评价值曲线参照图3所示,横坐标是采集不同像距位置的图像序号,纵坐标为归一化清晰度评价值。
(3)清晰度评价值拟合:单目电动调焦相机通过调整步长得到一系列图像,清晰度评价值是离散点,为了找到最优成像位置,也就是最佳像距,需要对清晰度离散点进行曲线拟合,本发明采用的高斯函数曲线拟合,高斯函数曲线为:
公式中a1、b1、c1是高斯函数待拟合的参数,x是拟合的清晰度评价值离散点序号,f(x)是拟合的清晰度评价值。
对于图3所示的清晰度评价值,用高斯函数曲线进行拟合,得到的高斯拟合结果参照图4所示。
(4)清晰度最优位置确定:对于高斯拟合曲线,根据高斯拟合函数参数b1得出最优清晰度位置。
如果位置b1邻域内有采集的图像序号,认为该图像序号对应的位置就是最优清晰度位置。
如果位置b1邻域内没有采集的图像序号,采用b1两侧邻近清晰度值作为判断依据。
如果位置b1两侧邻近清晰度值差值不大于指定阈值,认为b1位置就是最优清晰度位置,此位置的像距就是最佳像距。
如果位置b1两侧邻近清晰度值差值大于指定阈值,通过对高斯拟合曲线插值得到最优清晰度位置。
阈值根据实际情况确定,一般情况下不大于0.05。
清晰度最优值位置确定结果参照图5所示。
(5)离地高度计算:
根据几何光学原理,对理想成像系统模型,物体通过透镜成像时,满足光学公式为
公式中f是焦距,u是物距,v是像距,根据公式进一步得到物距为:
在最佳成像状态下,也就是清晰度最优位置,根据此时相机焦距、像距等参数计算得到物距,也就是无人机离地高度。
实际情况中,可以通过其他传感器,如湿热计,获取大气参数,补偿大气参数得到更好的高度精度测量结果。
以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (1)
1.一种基于单目视觉的无人机离地高度测量方法方法,其特征在于包括下述步骤:
(1)地面景象采集:无人机搭载电动调焦相机传感器,调整电动调焦相机像距,采集一系列地面景象图像,采集不少于20帧图像,包含不同程度模糊图像和清晰图像;
(2)清晰度评价:假设f(x,y)为其中一个像距位置时的图像,图像尺寸大小为M×N,定义图像的能量为:
高频部分能量为:
清晰度评价函数定义为:
采用归一化清晰度评价值,归一化清晰度评价值为:
公式中fvn是一系列图像清晰度评价值中最小值,fvx是一系列图像清晰度评价值中最大值;
(3)清晰度评价值拟合:用高斯函数对清晰度评价值进行曲线拟合,得到清晰度评价值的高斯函数拟合曲线,采用高斯函数曲线拟合,高斯函数曲线为:
公式中a1、b1、c1是高斯函数待拟合的参数,x是拟合的清晰度评价值离散点序号,f(x)是拟合的清晰度评价值;
(4)清晰度最优位置确定:
对于高斯拟合曲线,根据高斯拟合函数参数b1得出最优清晰度位置:
如果位置b1邻域内有采集的图像序号,则该图像序号对应的位置为最优清晰度位置;
如果位置b1邻域内没有采集的图像序号,则采用b1两侧邻近清晰度值作为判断依据;
如果位置b1两侧邻近清晰度值差值不大于指定阈值,则b1位置为最优清晰度位置,此位置的像距就是最佳像距;
如果位置b1两侧邻近清晰度值差值大于指定阈值,则通过对高斯拟合曲线插值得到最优清晰度位置;
所述指定阈值不大于0.05;
(5)离地高度计算:
根据几何光学原理,对理想成像系统模型,物体通过透镜成像时,满足光学公式为:
公式中f是焦距,u是物距,v是像距,根据公式进一步得到物距为:
在最佳成像状态下,也就是最优清晰度位置,电动调焦相机焦距已知,通过清晰度评价值拟合曲线得到最佳像距,根据几何光学成像公式计算物距,即可得到无人机离地高度,完成离地高度测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910820275.2A CN110455258B (zh) | 2019-09-01 | 2019-09-01 | 一种基于单目视觉的无人机离地高度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910820275.2A CN110455258B (zh) | 2019-09-01 | 2019-09-01 | 一种基于单目视觉的无人机离地高度测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110455258A CN110455258A (zh) | 2019-11-15 |
CN110455258B true CN110455258B (zh) | 2021-08-10 |
Family
ID=68490280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910820275.2A Active CN110455258B (zh) | 2019-09-01 | 2019-09-01 | 一种基于单目视觉的无人机离地高度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110455258B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112911133B (zh) * | 2019-12-03 | 2023-05-09 | 精微视达医疗科技(武汉)有限公司 | 一种内窥镜对焦方法及装置 |
CN112904548B (zh) * | 2019-12-03 | 2023-06-09 | 精微视达医疗科技(武汉)有限公司 | 一种内窥镜对焦方法及装置 |
CN110986891B (zh) * | 2019-12-06 | 2021-08-24 | 西北农林科技大学 | 一种利用无人机准确快速测量树木冠幅的系统 |
WO2021114194A1 (zh) * | 2019-12-12 | 2021-06-17 | 深圳市大疆创新科技有限公司 | 拍摄方法、拍摄设备及计算机可读存储介质 |
CN112351196B (zh) * | 2020-09-22 | 2022-03-11 | 北京迈格威科技有限公司 | 图像清晰度的确定方法、图像对焦方法及装置 |
CN113459084A (zh) * | 2021-05-21 | 2021-10-01 | 广东拓斯达科技股份有限公司 | 一种机器人参数标定方法、装置、设备及存储介质 |
CN113391644B (zh) * | 2021-06-11 | 2022-06-17 | 中新国际联合研究院 | 一种基于图像信息熵的无人机拍摄距离半自动寻优方法 |
CN113538545B (zh) * | 2021-07-16 | 2022-08-09 | 上海大学 | 一种基于电液可调焦镜头的单目深度估计方法及相应的相机和存储介质 |
CN114689014B (zh) * | 2022-05-31 | 2022-09-02 | 江西省医学科学院 | 单目相机调焦测距装置、测距方法、存储介质及计算机 |
CN116796119B (zh) * | 2023-06-16 | 2024-04-05 | 南京理工大学 | 一种基于无人机运动平台的单目测距精度计算方法 |
CN117710436A (zh) * | 2024-02-06 | 2024-03-15 | 唐山百川智能机器股份有限公司 | 一种基于无人机载单目相机的闸瓦厚度检测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101621672B (zh) * | 2009-03-10 | 2013-07-24 | 北京中星微电子有限公司 | 一种视频清晰度分析方法及装置 |
TWI524126B (zh) * | 2011-04-07 | 2016-03-01 | 鴻海精密工業股份有限公司 | 自動對焦方法 |
US9715721B2 (en) * | 2015-12-18 | 2017-07-25 | Sony Corporation | Focus detection |
CN106504279B (zh) * | 2016-10-18 | 2019-02-19 | 安庆师范大学 | 彩色图像自动聚焦方法 |
CN106998459A (zh) * | 2017-03-15 | 2017-08-01 | 河南师范大学 | 一种连续变焦技术的单摄像头立体图像生成方法 |
CN107664899B (zh) * | 2017-10-19 | 2020-07-07 | 广东顺德工业设计研究院(广东顺德创新设计研究院) | 自动对焦的方法、装置以及系统 |
CN109341543A (zh) * | 2018-11-13 | 2019-02-15 | 厦门市汉飞鹰航空科技有限公司 | 一种基于视觉图像的高度计算方法 |
-
2019
- 2019-09-01 CN CN201910820275.2A patent/CN110455258B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110455258A (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110455258B (zh) | 一种基于单目视觉的无人机离地高度测量方法 | |
CN110221603B (zh) | 一种基于激光雷达多帧点云融合的远距离障碍物检测方法 | |
WO2017050279A1 (zh) | 无人机深度图像的获取方法、装置及无人机 | |
GB2503328B (en) | Tire detection for accurate vehicle speed estimation | |
CN106960454B (zh) | 景深避障方法、设备及无人飞行器 | |
US10909395B2 (en) | Object detection apparatus | |
CN112001958B (zh) | 基于有监督单目深度估计的虚拟点云三维目标检测方法 | |
WO2019238127A1 (zh) | 一种测距方法、装置及系统 | |
CN107272021A (zh) | 使用雷达和视觉定义的图像检测区域的对象检测 | |
US20130322697A1 (en) | Speed Calculation of a Moving Object based on Image Data | |
KR20170010315A (ko) | 헤이즈 검출을 위한 시스템 및 방법들 | |
CN108007426B (zh) | 一种摄像头测距方法 | |
CN109816702A (zh) | 一种多目标跟踪装置和方法 | |
CN114495064A (zh) | 一种基于单目深度估计的车辆周围障碍物预警方法 | |
CN109410234A (zh) | 一种基于双目视觉避障的控制方法及控制系统 | |
CN113643345A (zh) | 一种基于双光融合的多目道路智能识别方法 | |
CN109870126A (zh) | 一种面积计算方法以及一种能够进行面积计算的手机 | |
CN115291219A (zh) | 利用单目摄像头实现无人机动态避障方法、装置及无人机 | |
US20230177724A1 (en) | Vehicle to infrastructure extrinsic calibration system and method | |
Ortigosa et al. | Obstacle-free pathway detection by means of depth maps | |
CN108305290A (zh) | 一种动目标的精确测谱方法 | |
CN110012280B (zh) | 用于vslam系统的tof模组及vslam计算方法 | |
Dirgantara et al. | Object Distance Measurement System Using Monocular Camera on Vehicle | |
CN112985388B (zh) | 基于大位移光流法的组合导航方法及系统 | |
CN115937325A (zh) | 一种结合毫米波雷达信息的车端摄像头标定方法 |
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 |