CN112697044B - 一种基于无人机平台的静态刚性物体视觉测量方法 - Google Patents

一种基于无人机平台的静态刚性物体视觉测量方法 Download PDF

Info

Publication number
CN112697044B
CN112697044B CN202011496577.8A CN202011496577A CN112697044B CN 112697044 B CN112697044 B CN 112697044B CN 202011496577 A CN202011496577 A CN 202011496577A CN 112697044 B CN112697044 B CN 112697044B
Authority
CN
China
Prior art keywords
aerial vehicle
unmanned aerial
image
target
camera
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
Application number
CN202011496577.8A
Other languages
English (en)
Other versions
CN112697044A (zh
Inventor
罗晓燕
刘博�
吴承曦
李露
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202011496577.8A priority Critical patent/CN112697044B/zh
Publication of CN112697044A publication Critical patent/CN112697044A/zh
Priority to US17/527,267 priority patent/US11875524B2/en
Application granted granted Critical
Publication of CN112697044B publication Critical patent/CN112697044B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/12—Acquisition of 3D measurements of objects

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于无人机平台的静态刚性物体视觉测量方法，针对现有视觉测量方法专业性较强而泛用性较差的问题，本发明采用目标检测与三维重建相结合的方法来标记出待测量物体，采用三维点云处理的方法来进一步标记出待测量尺寸并计算出其长度，充分利用了无人机平台采集数据的便利性，及其全球卫星导航系统GNSS、惯性测量单元IMU等协助进行测量。不需要使用光笔、标志物等常见辅助设备，可以提升视觉测量的泛用性。

Description

一种基于无人机平台的静态刚性物体视觉测量方法
技术领域
本发明涉及机器视觉领域，更具体地说，涉及一种静态刚性物体视觉测量的方法。
背景技术
视觉测量是一种通过拍摄目标的方式对物体的尺寸和位姿等进行测量的技术，该技术操作简便，不需要接触物体就可以进行测量，受场景和目标的限制较小。
根据拍摄图像方式的不同，视觉测量主要分为单目视觉测量、双目视觉测量和结构光视觉测量三种。单目视觉测量需要使用激光测距传感器、光笔、标志物等辅助设备来获取三维尺度信息，并标记出待测量尺寸进行测量。双目视觉测量采用两个摄像头，可以直接获取三维尺度信息，但仍需使用标志物或光笔来辅助测量。结构光视觉测量通过发射编码过的结构光，并接受由物体表面反射的光线来获取其精准的复杂几何形状，与其他两种视觉测量方案以及本发明的方案存在较大的区别。
目前视觉测量基本采用上述方案，具备较强的专业性和较高的成本，多用于精密工业测量，应用领域较窄。
发明内容
现有的视觉测量方案大多追求在工业中精确地测量零部件的尺寸，往往需要使用光笔、标志物等辅助设备，导致其专业性较强而泛用性较差，针对上述技术问题，本发明提出了一套基于无人机平台的静态刚性物体视觉测量方案来提升视觉测量的泛用性。现有的视觉测量方案主要是通过计算三维空间中标记点之间的距离等参数来测量尺寸。其中，图像是使用固定位置的相机拍摄获取的，三维尺度信息是使用光笔、多个摄像头等获取的，标记点是使用标志物、光笔笔尖等进行人工标记获取的。本发明的方案采用目标检测与三维重建相结合的方法来标记出待测量物体，采用三维点云处理的方法来进一步标记出待测量尺寸并计算出其长度，从而完成测量。其中，图像是使用无人机搭载的相机拍摄获取的，三维尺度信息是使用无人机全球卫星导航系统、惯性测量单元等获取的，待测量尺寸是使用计算机标记的。相比起现有方案，本发明的方案获取图像更为便利，不需要使用标志物、光笔等辅助设备，仅需使用无人机采集数据即可进行测量，剩余操作都在计算机上完成，可以提升视觉测量的泛用性。
本发明提供了如下技术方案：
一种基于无人机平台的静态刚性物体视觉测量的方法，包括以下步骤：
第一步：使用无人机采集数据，具体包括图像集、每一幅图像对应的无人机位置信息、每一幅图像对应的惯性测量单元数据。其中，图像由无人机搭载的相机获得，位置信息由无人机全球卫星导航系统获得，惯性测量单元数据由无人机上的惯性测量单元获得。
第二步：对所有图像进行目标检测，确定每幅图像中目标物体的坐标。
第三步：将每幅图像对应的无人机位置信息和惯性测量单元数据转化为相机外参：
Figure BDA0002842342090000021
t＝P1-P2
其中，α、β、γ为当前图像对应的无人机机体坐标系(IMU坐标系)与当地水平坐标系(NED坐标系)之间的旋转变换欧拉角，由惯性测量单元测得；P1为NED坐标系下无人机的初始位置坐标，由全球卫星导航系统提供；P2为NED坐标系下当前图像对应的无人机位置坐标，可由全球卫星导航系统直接提供，也可通过惯性测量单元的数据结合P1计算得到，融合两种不同渠道获取的P2可以提升结果的精度；由P1-P2计算得到的t为无人机当前图像对应的位移；将R作为相机的旋转矩阵，将t作为相机的位移矩阵，即可得到相机外参。
第四步：结合目标检测的结果和计算出的相机外参进行三维重建：
4.1依次对每幅图像提取特征，剔除其中不属于目标物体的部分；
4.2对图像进行筛选，剔除其中特征数目少于阈值T1的图像，并对剩余图像生成特征描述符；
4.3图像之间进行特征匹配，剔除其中匹配数目少于阈值T2的图像对；
4.4使用剩余的图像对进行三维重建获取三维点云，在重建过程中，使用第三步中计算好的相机外参。
第五步：对重建结果进行三维点云处理：
5.1进行点云预处理，去除三维点云中的噪声；
5.2进行点云分割，进一步去除噪声，同时分割得到目标物体点云。
第六步：对目标物体点云进行建模分析，标记出待测量尺寸并进行测量：
对于形状比较简单的物体，建立多种几何体模型，使用这些几何体对目标物体进行拟合，便可以用几何体的边长、半径等拟合待测量尺寸，并通过计算机自动标记出其位置，同时获取其具体数值。例如，对于文具用品，建立圆柱体、长方体等几何体模型，然后用圆柱体拟合签字笔等物体，用长方体拟合笔记本、文具盒、橡皮擦等物体，当几何体与目标物体点云基本重合时，认为拟合完成，便可以读取几何体的长、宽、高、半径等参数，从而得知目标物体的尺寸。
对于形状比较复杂的物体，对目标物体点云进行上采样、曲面拟合等处理以保证其形状的完整性，之后便可以查看其三维模型并在计算机上手动标记出待测量尺寸，同时获取其具体数值。
3)本发明与现有技术相比所具有的有益效果：
本发明利用无人机平台采集数据的便利性进行视觉测量，充分使用了无人机平台的位置信息和惯性测量单元数据，并采用了目标检测、三维重建、三维点云处理等方法，操作更为简便，具有更强的泛用性。本发明的一种基于无人机平台的对静态刚性物体进行视觉测量的方法，其利用无人机平台采集数据的便利性及其全球卫星导航系统GNSS、惯性测量单元IMU等协助进行测量，不需要使用光笔、标志物等常见辅助设备。
附图说明
图1为本发明的算法流程图。
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、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
本发明提出一种基于无人机平台的对静态刚性物体进行视觉测量的方法，包括如下步骤：
第一步：确定目标物体，规划飞行路径，在无人机平台上搭载相机。无人机应具备全球卫星导航系统(GNSS)与惯性测量单元(IMU)。单目相机就能够完成任务，可以使用双目相机来提高最终结果的精度。
第二步：按照规划的飞行路径操纵无人机进行航拍，待无人机返回后，读取图像、位置信息、惯性测量单元数据，并根据时间戳确定它们的对应关系。
第三步：依次对每幅图像进行目标检测，并记录目标物体在图像中的位置。应根据目标特点和任务需求选择合适的目标检测方法(例如，对于行人目标，应使用基于HOG特征的检测方法；又例如，对于实时性要求较高的任务，应采用YOLO卷积神经网络进行检测)，目标物体在图像中的位置用检测框表示，进一步对图像进行目标分割，并使用分割得到的掩膜来表示目标物体的位置；
第四步：将每幅图像对应的无人机位置信息和惯性测量单元数据转化为相机外参：
Figure BDA0002842342090000051
t＝P1-P2
其中，α、β、γ为当前图像对应的无人机机体坐标系(IMU坐标系)与当地水平坐标系(NED坐标系)之间的旋转变换欧拉角，由惯性测量单元测得；P1为NED坐标系下无人机的初始位置坐标，由全球卫星导航系统提供；P2为NED坐标系下当前图像对应的无人机位置坐标，可由全球卫星导航系统直接提供，也可通过惯性测量单元的数据结合P1计算得到，融合两种不同渠道获取的P2可以提升结果的精度；由P1-P2计算得到的t为无人机当前图像对应的位移；将R作为相机的旋转矩阵，将t作为相机的位移矩阵，即可得到相机外参。
第五步：结合目标检测的结果和计算出的相机外参进行三维重建：
5.1依次对每幅图像提取特征，剔除其中不属于目标物体的部分；
5.2对图像进行筛选，剔除其中特征数目少于阈值T1的图像，并对剩余图像生成特征描述符；
5.3图像之间进行特征匹配，剔除其中匹配数目少于阈值T2的图像对；
5.4使用剩余的图像对进行三维重建获取三维点云，在重建过程中，使用第四步中计算好的相机外参。
第六步：对重建结果进行三维点云处理：
6.1进行点云预处理，去除三维点云中的噪声；
6.2进行点云分割，进一步去除噪声，同时分割得到目标物体点云。
第七步：对目标物体点云进行建模分析，标记出待测量尺寸并进行测量：
对于形状比较简单的物体，建立多种几何体模型，使用这些几何体对目标物体进行拟合，便可以用几何体的边长、半径等拟合待测量尺寸，并通过计算机自动标记出其位置，同时获取其具体数值。例如，对于文具用品，建立圆柱体、长方体等几何体模型，然后用圆柱体拟合签字笔等物体，用长方体拟合笔记本、文具盒、橡皮擦等物体，当几何体与目标物体点云基本重合时，认为拟合完成，便可以读取几何体的长、宽、高、半径等参数，从而得知目标物体的尺寸。
对于形状比较复杂的物体，对目标物体点云进行上采样、曲面拟合等处理以保证其形状的完整性，之后便可以查看其三维模型并在计算机上手动标记出待测量尺寸，同时获取其具体数值。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，且应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种基于无人机平台的静态刚性物体视觉测量方法，其特征在于，包括以下步骤：
步骤1、确定目标物体，规划飞行路径，在无人机平台上搭载相机，无人机应具备全球卫星导航系统(GNSS)与惯性测量单元(IMU)；
步骤2、按照规划的飞行路径操纵无人机进行航拍，待无人机返回后，读取图像、位置信息、惯性测量单元数据，并根据时间戳确定它们的对应关系；
步骤3、依次对每幅图像进行目标检测，并记录目标物体在图像中的位置，应根据目标特点和任务需求选择合适的目标检测方法，目标物体在图像中的位置用检测框表示，进一步对图像进行目标分割，并使用分割得到的掩膜来表示目标物体的位置；
步骤4、将每幅图像对应的无人机位置信息和惯性测量单元数据转化为相机外参：
Figure FDA0003214557300000011
t＝P1-P2
其中，α、β、γ为当前图像对应的无人机机体坐标系即IMU坐标系与当地水平坐标系即NED坐标系之间的旋转变换欧拉角，由惯性测量单元测得；P1为NED坐标系下无人机的初始位置坐标，由全球卫星导航系统提供；P2为NED坐标系下当前图像对应的无人机位置坐标，由全球卫星导航系统直接提供，以及通过惯性测量单元的数据结合P1计算得到，融合两种不同渠道获取的P2提升结果的精度；由P1-P2计算得到的t为无人机当前图像对应的位移；将R作为相机的旋转矩阵，将t作为相机的位移矩阵，即可得到相机外参；
步骤5、结合目标检测的结果和计算出的相机外参进行三维重建：
(1)依次对每幅图像提取特征，剔除其中不属于目标物体的部分；
(2)对图像进行筛选，剔除其中特征数目少于阈值T1的图像，并对剩余图像生成特征描述符；
(3)图像之间进行特征匹配，剔除其中匹配数目少于阈值T2的图像对；
(4)使用剩余的图像对进行三维重建获取三维点云，在重建过程中，使用第4步中计算好的相机外参；
步骤6、对重建结果进行三维点云处理：
(1)进行点云预处理，去除三维点云中的噪声；
(2)进行点云分割，进一步去除噪声，同时分割得到目标物体点云；
步骤7、对目标物体点云进行建模分析，标记出待测量尺寸并进行测量：
对于形状简单的物体，建立多种几何体模型，使用这些几何体对目标物体进行拟合，用几何体的边长、半径参数拟合待测量尺寸，并通过计算机自动标记出其位置，同时获取其具体数值；
对于形状比较复杂的物体，对目标物体点云进行上采样、曲面拟合处理以保证其形状的完整性，之后查看其三维模型并在计算机上手动标记出待测量尺寸，同时获取其具体数值。
2.根据权利要求1所述的一种基于无人机平台的静态刚性物体视觉测量方法，其特征在于：所述步骤1中，采用单目相机，或使用双目相机来提高最终结果的精度。
3.根据权利要求1所述的一种基于无人机平台的静态刚性物体视觉测量方法，其特征在于：所述步骤3中选择合适的目标检测方法，包括对于行人目标，应使用基于HOG特征的检测方法；对于实时性要求较高的任务，应采用YOLO卷积神经网络进行检测。
CN202011496577.8A 2020-12-17 2020-12-17 一种基于无人机平台的静态刚性物体视觉测量方法 Active CN112697044B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011496577.8A CN112697044B (zh) 2020-12-17 2020-12-17 一种基于无人机平台的静态刚性物体视觉测量方法
US17/527,267 US11875524B2 (en) 2020-12-17 2021-11-16 Unmanned aerial vehicle platform based vision measurement method for static rigid object

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011496577.8A CN112697044B (zh) 2020-12-17 2020-12-17 一种基于无人机平台的静态刚性物体视觉测量方法

Publications (2)

Publication Number Publication Date
CN112697044A CN112697044A (zh) 2021-04-23
CN112697044B true CN112697044B (zh) 2021-11-26

Family

ID=75508875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011496577.8A Active CN112697044B (zh) 2020-12-17 2020-12-17 一种基于无人机平台的静态刚性物体视觉测量方法

Country Status (2)

Country Link
US (1) US11875524B2 (zh)
CN (1) CN112697044B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111161355B (zh) * 2019-12-11 2023-05-09 上海交通大学 多视图相机位姿和场景的纯位姿解算方法及系统
CN112132832B (zh) * 2020-08-21 2021-09-28 苏州浪潮智能科技有限公司 一种增强图像实例分割的方法、系统、设备及介质
CN116310099B (zh) * 2023-03-01 2024-07-26 南京工业大学 基于多视角图像的钢桥构件三维重建方法
CN116740060B (zh) * 2023-08-11 2023-10-20 安徽大学绿色产业创新研究院 基于点云几何特征提取的装配式预制构件尺寸检测方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9651679B1 (en) * 2011-04-13 2017-05-16 Rockwell Collins, Inc. Application of GPS signal processing to attitude determination and communication
KR101720565B1 (ko) * 2015-02-24 2017-03-30 주식회사 공간정보 조난수색 및 위급안내 방송용 무인비행시스템
CN108876828A (zh) * 2018-04-12 2018-11-23 南安市创培电子科技有限公司 一种无人机图像批处理三维重建方法
CN110045750A (zh) * 2019-05-13 2019-07-23 南京邮电大学 一种基于四旋翼无人机的室内场景构建系统及其实现方法
CN110319772B (zh) * 2019-07-12 2020-12-15 上海电力大学 基于无人机的视觉大跨度测距方法
CN110807828B (zh) * 2019-10-28 2020-05-08 北京林业大学 一种倾斜摄影三维重建匹配方法
CN111652966B (zh) * 2020-05-11 2021-06-04 北京航空航天大学 一种基于无人机多视角的三维重建方法及装置

Also Published As

Publication number Publication date
US20220198695A1 (en) 2022-06-23
US11875524B2 (en) 2024-01-16
CN112697044A (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
CN112697044B (zh) 一种基于无人机平台的静态刚性物体视觉测量方法
CN110426051B (zh) 一种车道线绘制方法、装置及存储介质
CN111340797A (zh) 一种激光雷达与双目相机数据融合检测方法及系统
CN109472828B (zh) 一种定位方法、装置、电子设备及计算机可读存储介质
CN114119864A (zh) 一种基于三维重建与点云匹配的定位方法和装置
JP2016161569A (ja) オブジェクトの３ｄ姿勢およびオブジェクトのランドマーク点の３ｄロケーションを求める方法、およびオブジェクトの３ｄ姿勢およびオブジェクトのランドマークの３ｄロケーションを求めるシステム
CN112734841B (zh) 一种用轮式里程计-imu和单目相机实现定位的方法
CN104268935A (zh) 一种基于特征的机载激光点云与影像数据融合系统及方法
CN104121902A (zh) 基于Xtion摄像机的室内机器人视觉里程计实现方法
CN114677435A (zh) 一种点云全景融合要素提取方法和系统
CN114842364A (zh) 一种露天矿山边坡图像裂隙参数提取方法及装置
CN116563377A (zh) 一种基于半球投影模型的火星岩石测量方法
CN109871024A (zh) 一种基于轻量级视觉里程计的无人机位姿估计方法
CN111583342A (zh) 一种基于双目视觉的目标快速定位方法及装置
CN113740864A (zh) 基于激光三维点云的探测器软着陆末段自主位姿估计方法
CN113393413B (zh) 基于单目与双目视觉协同的水域面积测量方法和系统
CN117036484A (zh) 一种基于几何和语义的视觉定位与建图方法、系统、设备及介质
CN105631431B (zh) 一种可见光目标轮廓模型指导的飞机感兴趣区测谱方法
CN115131433B (zh) 一种非合作目标位姿的处理方法、装置及电子设备
CN113781639B (zh) 一种大场景道路基础设施数字化模型快速构建方法
CN112767458B (zh) 激光点云与图像的配准的方法及系统
CN112258391B (zh) 一种基于道路交通标线的碎片化地图拼接方法
Jiang et al. A multi-view structured light measurement method based on pose estimation using deep learning
CN109827578B (zh) 基于轮廓相似性的卫星相对姿态估计方法
Zhi et al. Key technology of mine underground mobile positioning based on LiDAR and coded sequence pattern

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Luo Xiaoyan

Inventor after: Liu Bo

Inventor after: Wu Chengxi

Inventor after: Li Lu

Inventor before: Luo Xiaoyan

Inventor before: Liu Bo

Inventor before: Wu Chengxi

Inventor before: Li Lu

GR01 Patent grant
GR01 Patent grant