CN112985388B - 基于大位移光流法的组合导航方法及系统 - Google Patents

基于大位移光流法的组合导航方法及系统 Download PDF

Info

Publication number
CN112985388B
CN112985388B CN202110184527.4A CN202110184527A CN112985388B CN 112985388 B CN112985388 B CN 112985388B CN 202110184527 A CN202110184527 A CN 202110184527A CN 112985388 B CN112985388 B CN 112985388B
Authority
CN
China
Prior art keywords
optical flow
image
module
navigation
information
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.)
Expired - Fee Related
Application number
CN202110184527.4A
Other languages
English (en)
Other versions
CN112985388A (zh
Inventor
黄峰
陈建亮
吴衔誉
谢钰
沈英
吴靖
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.)
Fuzhou University
Original Assignee
Fuzhou 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 Fuzhou University filed Critical Fuzhou University
Priority to CN202110184527.4A priority Critical patent/CN112985388B/zh
Publication of CN112985388A publication Critical patent/CN112985388A/zh
Application granted granted Critical
Publication of CN112985388B publication Critical patent/CN112985388B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C21/10—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
    • 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
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明涉及一种基于大位移光流法的组合导航方法，包括以下步骤：步骤S1:获取与导航载体捷联的相机拍摄的连续视频图像，同时从连续的视频中获取第一图像、第二图像；步骤S2:计算第一图像、第二图像的灰度平均值并与预设的灰度阈值进行比较，根据比较的结果进行预处理；步骤S3:利用光流法对预处理后的第一图像、第二图像进行光流计算，并采用线性插值的方法对误匹配值进行剔除，得到第一图像、第二图像的总光流值；步骤S4:将总光流值通过光流‑运动场转移模型进行缩放；步骤S5:根据缩放后的光流，结合IMU的角速度信息进行补偿，得到经度方向和纬度方向的速度信息。本发明实现在大位移、光照变化剧烈的情况下对导航载体自主，稳定，准确地导航。

Description

基于大位移光流法的组合导航方法及系统
技术领域
本发明涉及导航技术领域，具体涉及一种基于大位移光流法的组合导航方法及系统。
背景技术
近年来随着四旋翼无人机等小型无人飞行器在影视、农业、新闻、消防、救援、能源、遥感测绘、野生动物保护等多个领域的广泛应用与需求量激增，应用于小型无人飞行器的高精度、低成本、智能导航技术研究越来越受到重视。传统四旋翼无人机通常使用GPS/INS(惯性导航系统)组合导航方式，该方案在空旷地区导航效果良好；但在山区和室内等地区，由于GPS信号较差；该方案很难得到理想的结果。由于上述原因，基于视觉的导航算法越来越受到各大研究机构的重视。基于光流法的导航算法是视觉导航的重要组成部分，因此对该算法的研究具有深远的意义。
由于无人机飞行速度快，对导航信息测量的实时性要求较高。因此，光流计算的速度要快速。同时，如果当相邻两帧图像的时间内无人机飞行速度过快，还应考虑大位移光流计算的问题。此外，当无人机飞行到不同场景时光照情况不同，也要考虑到会造成跟踪错误的情况。现有光流算法虽然也能比较准确跟踪到特征点，但是很多算法需要通过迭代计算得到最终的结果，所以很难保证实时处理。同时，大部分现有光流算法都是基于光流约束基本方程推导的，因此大位移光流计算难以实现。由于光流算法存在上述的缺点，所以很难基于光流法开发出稳定的导航方法。
发明内容
有鉴于此，本发明的目的在于提供一种基于大位移光流法的组合导航方法及系统，实现在大位移、光照变化剧烈的情况下对导航载体自主，稳定，准确地导航。
为实现上述目的，本发明采用如下技术方案：
一种基于大位移光流法的组合导航方法，包括以下步骤：
步骤S1:获取与导航载体捷联的相机拍摄的连续视频图像，同时从连续的视频中获取第一图像、第二图像；
步骤S2:计算第一图像、第二图像的灰度平均值并与预设的灰度阈值进行比较，根据比较的结果进行预处理；
步骤S3:利用光流法对预处理后的第一图像、第二图像进行光流计算，并采用线性插值的方法对误匹配值进行剔除，得到第一图像、第二图像的总光流值；
步骤S4:将总光流值通过光流-运动场转移模型进行缩放；
步骤S5:根据缩放后的光流，结合IMU的角速度信息进行补偿，得到经度方向和纬度方向的速度信息，实现光流/惯性组合导航。
进一步的，所述步骤S2具体为：
步骤S1:将所述第一图像、第二图像中所有像素点的灰度相加后取平均值；
步骤S2:将第一图像第二图像的平均值差的绝对值同灰度阈值进行比较,并根据比较结果选择预处理方法；
步骤S3:根据选择的预处理方法对第一图像、第二图像进行预处理。
进一步的，所述预处理方法包括局部二值化算法或中值滤波算法。
进一步的，所述步骤S3具体为：
步骤S31:将预处理后的第一图像、第二图像进行下采样，并利用Edgeflow光流计算方法求解粗光流dn；
步骤S32:将粗光流乘以下采样的倍数，得到的结果作为名义光流，并以此为基准对第一图像进行预平移,并将平移后的第一图像和第二图像进行LK光流计算，并求出亚像素光流ds；
步骤S33:将粗光流dn和ds相加求得总光流dt；dt就是所述以像素为单位的光流值。
进一步的，所述步骤S4具体为：
对于畸变较严重的相机，要首先进行畸变矫正，采用张正有标定法，利用Matlab标定工具箱求得参数矩阵和畸变参数；
通过激光测距仪进行高度测量；
待获得相机内部参数及飞行高度后利用光流-运动场转移模型将以像素为单位的光流信息转化为米制单位。
进一步的，所述步骤S5具体为：利用IMU测得的角速度信息对光流信息进行补偿，公式如下：
Figure BDA0002942489490000041
Figure BDA0002942489490000042
对各传感器进行误差建模，以惯导信息为基础建立松组合导航算法的状态方程，以光流测得的速度信息为基础建立量测方程；然后对该系统进行卡尔曼滤波，以惯导系统误差进行估计，并将估计的误差返回到惯导系统内部进行校正。
一种基于大位移光流法的组合导航系统，包括依次连接的图像采集模块、图像预处理模块、光流计算模块和组合导航模块；
图像采集模块用于获取连续视频图像，同时从连续的视频中获取第一图像、第二图像；
图像预处理模块用于对第一图像，第二图像进行灰度平均值计算，然后与特定的阈值进行比较，根据比较的结果选择预处理方案并进行预处理；
光流计算模块用于对预处理后的第一图像，第二图像两帧图像进行光流计算，采用先粗后精的光流计算方案，提升光流计算的精度，并采用线性插值的方法对误匹值进行剔除；
组合导航模块用于将光流通过光流-运动场进行缩放，得到经度和纬度方向的速度信息；并结合IMU测量的信息，将光流求出的两个纬度的速度信息和惯性测量单元测量的信息进行卡尔曼滤波，实现组合导航。
进一步的，所述图像预处理模块包括二值化处理模块和中值滤波模块；
所述二值化处理模块，用于对图像采集模块获取相邻两帧灰度变化比较大的图像进行局部二值化处理
所述中值滤波模块，用于剔除图像采集模块获取的图像中的高频噪声。
进一步的，所述光流计算计算模块包括计算模块和光流异常值剔除模块
所述计算模块，用于对相邻两帧图像进行先粗后精的光流计算
所述光流异常值剔除模块，利用线性插值的算法，用于将光流计算模块计算得到的异常值剔除。
进一步的，所述组合导航模块包括光流补偿模块和信息融合模块；
所述光流补偿模块，用于利用IMU角速度信息，对光流计算结果进行补偿；
所述信息融合模块，用于将光流估计的结果和IMU信息进行融合；对各传感器进行误差建模，以惯导信息为基础建立松组合导航算法的状态方程，以光流测得的速度信息为基础建立量测方程；并对该系统进行卡尔曼滤波。以惯导系统误差进行估计，并将估计的误差返回到惯导系统内部进行校正。
本发明与现有技术相比具有以下有益效果：
本发明通过对图像进行预处理去除图像中和光照相关联的部分及高频噪声，并利用先粗后精的光流计算方法对预处理图像进行光流计算获取准确的光流值，并通过和IMU进行角速度信息补偿及信息融合实现在大位移、光照变化剧烈的情况下对导航载体自主，稳定，准确地导航。
附图说明
图1是本发明方法流程图；
图2是本发明系统原理框图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种基于大位移光流法的组合导航方法，包括以下步骤：
步骤S1：获取与导航载体捷联的相机拍摄的连续视频图像，同时从连续的视频中获取连续视频的相邻帧第一图像、第二图像；
步骤S2：计算第一图像、第二图像的灰度平均值并与预设的灰度阈值进行比较，根据比较的结果进行预处理；
在本实施中，优选的，判断相邻两幅图像是否受光照影响过大导致灰度值差别过大。如果平均灰度值差别过大，则利用一种局部二值化方法对两幅图像进行二值化。计算公式为：
Figure BDA0002942489490000061
其中Ib(x，y)代表的是二值化后的图像，I(x，y)代表原图像，m和n代表待比较邻域的大小。max设置为255，min设置为0。
步骤S3:利用光流法对预处理后的第一图像、第二图像进行光流计算，并采用线性插值的方法对误匹配值进行剔除，得到第一图像、第二图像的总光流值；
在本实施例中，步骤S3，具体为；
首先使用基于边缘直方图匹配的光流算法求解粗光流，由于要满足光流计算实时性的要求，该方法首先利用Sobel算子提取图像的边缘，进而建立第一图像，第二图像的水平和竖直方向边缘直方图并利用SAD匹配算法对两幅边缘直方图进行匹配，随后将匹配的结果利用插值算法进行(线性)插值，则得到的直线的斜率为待求的粗光流。该算法将图像的梯度压缩到直方图的水平和垂直方向。将二维图像搜索问题简化为一维信号匹配问题，提高了计算效率，从而加速光流计算。
计算出粗光流之后，以该光流值为基准，对相邻帧帧图像进行预平移。然后利用orb检测两幅图像的特征点，利用LK算法对检测到的点进行光流估计。
由于此时LK光流算法估计的光流值比较小，可以用一个线性函数来拟合所有的特征点。引入光流时间序列的线性插值，称为“线性插值光流(LIOF)。通过此种算法能剔除异常值从而减少对最终光流计算结果的影响。
将上述粗光流和精细光流计算结果结合，求出总光流。
步骤S4:将总光流值通过光流-运动场转移模型进行缩放；
在本实施例中，首先需要对实验所用的相机进行标定。
优选的，采用张正友标定法实现对相机的标定，获取相机的内参。然后利用光流运动场转换模型，将光流信息转化的实际运动信息；具体公式为：
Figure BDA0002942489490000081
其中f是焦距，Z是相机的高度信息。v是光流值。vm，trans为将光流信息转化的实际运动信息；
步骤S5：根据缩放后的光流，结合IMU的角速度信息进行补偿，得到经度方向和纬度方向的速度信息，实现光流/惯性组合导航。
在本实施例中，步骤S5具体为：
首先需要对上步骤得到的光流实际速度进行角速度补偿，x方向速度补充公式为：
Figure BDA0002942489490000082
Figure BDA0002942489490000083
其中Tx为最终得到的x方向的平移速度，vx为x方向光流，f为焦距，w为角速度，Z为相机的高度信息。
待角速度补偿完成之后，需要对各传感器进行误差建模，以惯导信息为基础建立松组合导航算法的状态方程，以光流测得的速度信息为基础建立量测方程。然后对该系统进行卡尔曼滤波。以惯导系统误差进行估计，并将估计的误差返回到惯导系统内部进行校正。
优选的，参考图2，在本实施例中，还提供一种基于大位移光流法的组合导航系统，包括依次连接的图像采集模块、图像预处理模块、光流计算模块和组合导航模块；
图像采集模块用于获取连续视频图像，同时从连续的视频中获取第一图像、第二图像；
图像预处理模块用于对第一图像，第二图像进行灰度平均值计算，然后与特定的阈值进行比较，根据比较的结果选择预处理方案并进行预处理；
光流计算模块用于对预处理后的第一图像，第二图像两帧图像进行光流计算，采用先粗后精的光流计算方案，提升光流计算的精度，并采用线性插值的方法对误匹值进行剔除；
组合导航模块用于将光流通过光流-运动场进行缩放，得到经度和纬度方向的速度信息；并结合IMU测量的信息，将光流求出的两个纬度的速度信息和惯性测量单元测量的信息进行卡尔曼滤波，实现组合导航。
优选的，图像预处理模块包括二值化处理模块和中值滤波模块；二值化处理模块，用于对图像采集模块获取相邻两帧灰度变化比较大的图像进行局部二值化处理
中值滤波模块，用于剔除图像采集模块获取的图像中的高频噪声。
优选的，光流计算计算模块包括计算模块和光流异常值剔除模块
计算模块，用于对相邻两帧图像进行先粗后精的光流计算
光流异常值剔除模块，利用线性插值的算法，用于将光流计算模块计算得到的异常值剔除。
优选的，组合导航模块包括光流补偿模块和信息融合模块；
光流补偿模块，用于利用IMU角速度信息，对光流计算结果进行补偿；
信息融合模块，用于将光流估计的结果和IMU信息进行融合；对各传感器进行误差建模，以惯导信息为基础建立松组合导航算法的状态方程，以光流测得的速度信息为基础建立量测方程；并对该系统进行卡尔曼滤波。以惯导系统误差进行估计，并将估计的误差返回到惯导系统内部进行校正。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (7)

1.一种基于大位移光流法的组合导航方法，其特征在于，包括以下步骤：
步骤S1:获取与导航载体捷联的相机拍摄的连续视频图像，同时从连续的视频中获取第一图像、第二图像；
步骤S2:计算第一图像、第二图像的灰度平均值并与预设的灰度阈值进行比较，根据比较的结果进行预处理；
步骤S3:利用光流法对预处理后的第一图像、第二图像进行光流计算，并采用线性插值的方法对误匹配值进行剔除，得到第一图像、第二图像的总光流值；
所述步骤S3具体为：
步骤S31:将预处理后的第一图像、第二图像进行下采样，并利用Edgeflow光流计算方法求解粗光流dn；
步骤S32:将粗光流乘以下采样的倍数，得到的结果作为名义光流，并以此为基准对第一图像进行预平移,并将平移后的第一图像和第二图像进行LK光流计算，并求出亚像素光流ds；
步骤S33:将粗光流dn和ds相加求得总光流dt；dt就是以像素为单位的光流值；
步骤S4:将总光流值通过光流-运动场转移模型进行缩放；
步骤S5:根据缩放后的光流，结合IMU的角速度信息进行补偿，得到经度方向和纬度方向的速度信息，实现光流/惯性组合导航；
利用IMU测得的角速度信息对光流信息进行补偿，公式如下：
Figure FDA0003683759750000021
Figure FDA0003683759750000022
对各传感器进行误差建模，以惯导信息为基础建立松组合导航算法的状态方程，以光流测得的速度信息为基础建立量测方程；然后对惯导系统进行卡尔曼滤波，以惯导系统误差进行估计，并将估计的误差返回到惯导系统内部进行校正。
2.根据权利要求1所述的基于大位移光流法的组合导航方法，其特征在于，所述步骤S2具体为：
步骤S21:将所述第一图像、第二图像中所有像素点的灰度相加后取平均值；
步骤S22:将第一图像第二图像的平均值差的绝对值同灰度阈值进行比较,并根据比较结果选择预处理方法；
步骤S23:根据选择的预处理方法对第一图像、第二图像进行预处理。
3.根据权利要求1所述的基于大位移光流法的组合导航方法，其特征在于，预处理方法包括局部二值化算法或中值滤波算法。
4.根据权利要求1所述的基于大位移光流法的组合导航方法，其特征在于，所述步骤S4具体为：
对于畸变较严重的相机，要首先进行畸变矫正，采用张正有标定法，利用Matlab标定工具箱求得参数矩阵和畸变参数；
通过激光测距仪进行高度测量；
待获得相机内部参数及飞行高度后利用光流-运动场转移模型将以像素为单位的光流信息转化为米制单位。
5.一种基于大位移光流法的组合导航系统，其特征在于，包括依次连接的图像采集模块、图像预处理模块、光流计算模块和组合导航模块；
图像采集模块用于获取连续视频图像，同时从连续的视频中获取第一图像、第二图像；
图像预处理模块用于对第一图像，第二图像进行灰度平均值计算，然后与特定的阈值进行比较，根据比较的结果选择预处理方案并进行预处理；
光流计算模块用于对预处理后的第一图像，第二图像两帧图像进行光流计算，采用先粗后精的光流计算方案，提升光流计算的精度，并采用线性插值的方法对误匹值进行剔除；
组合导航模块用于将光流通过光流-运动场进行缩放，得到经度和纬度方向的速度信息；并结合IMU测量的信息，将光流求出的两个纬度的速度信息和惯性测量单元测量的信息进行卡尔曼滤波，实现组合导航；
利用IMU测得的角速度信息对光流信息进行补偿，公式如下：
Figure FDA0003683759750000041
Figure FDA0003683759750000042
所述组合导航模块包括光流补偿模块和信息融合模块；
所述光流补偿模块，用于利用IMU角速度信息，对光流计算结果进行补偿；
所述信息融合模块，用于将光流估计的结果和IMU信息进行融合；对各传感器进行误差建模，以惯导信息为基础建立松组合导航算法的状态方程，以光流测得的速度信息为基础建立量测方程；并对惯导系统进行卡尔曼滤波，以惯导系统误差进行估计，并将估计的误差返回到惯导系统内部进行校正。
6.根据权利要求5所述的基于大位移光流法的组合导航系统，其特征在于，所述图像预处理模块包括二值化处理模块和中值滤波模块；
所述二值化处理模块，用于对图像采集模块获取相邻两帧灰度变化比较大的图像进行局部二值化处理；
所述中值滤波模块，用于剔除图像采集模块获取的图像中的高频噪声。
7.根据权利要求5所述的基于大位移光流法的组合导航系统，其特征在于，所述光流计算模块包括计算模块和光流异常值剔除模块；
所述计算模块，用于对相邻两帧图像进行先粗后精的光流计算；
所述光流异常值剔除模块，利用线性插值的算法，用于将光流计算模块计算得到的异常值剔除。
CN202110184527.4A 2021-02-08 2021-02-08 基于大位移光流法的组合导航方法及系统 Expired - Fee Related CN112985388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110184527.4A CN112985388B (zh) 2021-02-08 2021-02-08 基于大位移光流法的组合导航方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110184527.4A CN112985388B (zh) 2021-02-08 2021-02-08 基于大位移光流法的组合导航方法及系统

Publications (2)

Publication Number Publication Date
CN112985388A CN112985388A (zh) 2021-06-18
CN112985388B true CN112985388B (zh) 2022-08-19

Family

ID=76393167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110184527.4A Expired - Fee Related CN112985388B (zh) 2021-02-08 2021-02-08 基于大位移光流法的组合导航方法及系统

Country Status (1)

Country Link
CN (1) CN112985388B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114459472B (zh) * 2022-02-15 2023-07-04 上海海事大学 一种容积卡尔曼滤波器和离散灰色模型的组合导航方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103149939A (zh) * 2013-02-26 2013-06-12 北京航空航天大学 一种基于视觉的无人机动态目标跟踪与定位方法
CN111457913A (zh) * 2019-01-22 2020-07-28 北京京东尚科信息技术有限公司 交通工具导航数据融合方法、装置和系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106813662A (zh) * 2016-06-08 2017-06-09 极翼机器人(上海)有限公司 一种基于光流的导航方法
CN106959101B (zh) * 2017-03-17 2019-04-09 哈尔滨工业大学 一种基于光流法的室内定位方法
US10262224B1 (en) * 2017-07-19 2019-04-16 The United States Of America As Represented By Secretary Of The Navy Optical flow estimation using a neural network and egomotion optimization
CN107943064B (zh) * 2017-11-15 2019-12-03 北京工业大学 一种无人机定点悬停系统和方法
CN108986150B (zh) * 2018-07-17 2020-05-22 南昌航空大学 一种基于非刚性稠密匹配的图像光流估计方法及系统
CN110349186B (zh) * 2019-07-16 2021-05-11 南昌航空大学 基于深度匹配的大位移运动光流计算方法
CN111811506B (zh) * 2020-09-15 2020-12-01 中国人民解放军国防科技大学 视觉/惯性里程计组合导航方法、电子设备及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103149939A (zh) * 2013-02-26 2013-06-12 北京航空航天大学 一种基于视觉的无人机动态目标跟踪与定位方法
CN111457913A (zh) * 2019-01-22 2020-07-28 北京京东尚科信息技术有限公司 交通工具导航数据融合方法、装置和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于光流场与EM算法的运动目标检测";王源金 等;《福州大学学报》;20171230;第45卷(第6期);正文第810-814页 *

Also Published As

Publication number Publication date
CN112985388A (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN112014857B (zh) 用于智能巡检的三维激光雷达定位导航方法及巡检机器人
CN110807809B (zh) 基于点线特征和深度滤波器的轻量级单目视觉定位方法
CN110859044B (zh) 自然场景中的集成传感器校准
CN110567469B (zh) 视觉定位方法、装置、电子设备及系统
WO2017080102A1 (zh) 飞行装置、飞行控制系统及方法
WO2020006667A1 (en) Vehicle navigation system using pose estimation based on point cloud
WO2017080108A1 (zh) 飞行装置、飞行控制系统及方法
CN110455258B (zh) 一种基于单目视觉的无人机离地高度测量方法
CN108088414A (zh) 一种单目测距方法
CN111723778B (zh) 基于MobileNet-SSD的车辆测距系统及方法
CN113885046A (zh) 针对低纹理车库的智能网联汽车激光雷达定位系统及方法
CN114037762B (zh) 基于图像与高精度地图配准的实时高精度定位方法
JP2019056629A (ja) 距離推定装置及び方法
CN114973028A (zh) 一种航拍视频图像实时变化检测方法及系统
CN112985388B (zh) 基于大位移光流法的组合导航方法及系统
CN109883400B (zh) 基于yolo-sitcol的固定站自动目标检测与空间定位方法
CN112798020B (zh) 一种用于评估智能汽车定位精度的系统及方法
CN117406234A (zh) 基于单线激光雷达与视觉融合的目标测距和追踪的方法
CN115236643B (zh) 一种传感器标定方法、系统、装置、电子设备及介质
KR101996169B1 (ko) 카메라 변위를 고려한 가시광 통신 기반의 차량 위치 추정 방법 및 장치
CN113706424B (zh) 一种基于人工智能的果冻效应图像校正方法及系统
KR101996168B1 (ko) Cmos 센서의 롤링 셔터 보정을 고려한 가시광 통신 기반의 차량 위치 추정 방법 및 장치
CN118604865B (zh) 一种基于田间信息约束的农机定位方法
CN115597498B (zh) 一种无人机定位及速度估计方法
CN115371668B (zh) 一种基于图像识别和惯性导航的隧道无人机定位系统

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220819

CF01 Termination of patent right due to non-payment of annual fee