CN113504385B - 复数相机测速方法及测速装置 - Google Patents

复数相机测速方法及测速装置 Download PDF

Info

Publication number
CN113504385B
CN113504385B CN202110748440.5A CN202110748440A CN113504385B CN 113504385 B CN113504385 B CN 113504385B CN 202110748440 A CN202110748440 A CN 202110748440A CN 113504385 B CN113504385 B CN 113504385B
Authority
CN
China
Prior art keywords
camera
mobile platform
images
cameras
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.)
Active
Application number
CN202110748440.5A
Other languages
English (en)
Other versions
CN113504385A (zh
Inventor
张晓林
王磊
杨冬冬
粱泓
李嘉茂
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.)
Anhui Aiguan Vision Technology Co ltd
Original Assignee
Anhui Aiguan Vision Technology Co ltd
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 Anhui Aiguan Vision Technology Co ltd filed Critical Anhui Aiguan Vision Technology Co ltd
Priority to CN202110748440.5A priority Critical patent/CN113504385B/zh
Publication of CN113504385A publication Critical patent/CN113504385A/zh
Priority to PCT/CN2022/082190 priority patent/WO2023273427A1/zh
Priority to JP2023540732A priority patent/JP2024501731A/ja
Priority to US18/263,583 priority patent/US20240085448A1/en
Application granted granted Critical
Publication of CN113504385B publication Critical patent/CN113504385B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/36—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light
    • G01P3/38—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light using photographic means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G01P3/64—Devices characterised by the determination of the time taken to traverse a fixed distance
    • G01P3/68—Devices characterised by the determination of the time taken to traverse a fixed distance using optical means, i.e. using infrared, visible, or ultraviolet light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/292—Multi-camera tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/38—Registration of image sequences
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Power Engineering (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明提供了一种复数相机测速方法及测速装置，测速方法包括：S1、对设置在一个移动平台上的位置相对固定的相机组的各相机的位置进行标定；S2、获取相机组中各相机的同步图像序列并记录时间戳；S3、处理相机组的各相机拍摄的图像的配准，当得到的两幅图像的配准结果大于第一阈值时，计算两幅图像的位置变换矩阵，并根据拍摄两幅所述图像的相机相对移动平台的位置关系得到移动平台的位置变换矩阵，最后根据位置变换矩阵及两幅图像的拍摄时间间隔算出移动平台的速度信息。通过处理不同相机拍摄的图像的配准来计算移动平台的速度，能够解决单个相机测速时拍摄距离和图像重合度的矛盾，获取高精度的移动速度信息。

Description

复数相机测速方法及测速装置
技术领域
本发明涉及测速技术领域，尤其涉及一种复数相机测速方法及测速装置。
背景技术
随着信息电子、自动控制等技术的不断发展，机器人已经越来越多的参与到人们的生产生活当中。其中具有移动、感知、搬运等能力的移动机器人作为其中的代表被广泛应用于多种行业。无论是家庭使用的扫地机器人，还是工业常见的AGV(自动导航小车)、智能叉车，或者酒店医院中的服务机器人，都是移动机器人技术的具体表现。
为了对移动机器人进行良好控制，实时获取机器人自身速度成为一个技术难点。当前应用的技术方案中，大部分移动机器人采用了左右轮测速码盘测速的方式，但这种方式本质上没有与真实环境形成反馈，因此当车轮出现打滑或者车轮被架空的情况下，移动机器人得到的速度并不真实，很容易误判自身的位置和运行状况，最终导致未知的错误，这对机器人运动的安全性和稳定性都带来极大挑战。
发明内容
本发明的目的在于提供一种复数相机测速方法及测速装置，测速精确且不会受外界干扰。
为了达到上述目的，本发明提供了一种复数相机测速方法，包括以下步骤：
S1、对设置在一个移动平台上的位置相对固定的相机组的各相机的位置进行标定，得到各相机之间的位置关系以及各相机与移动平台的位置关系；
S2、获取所述相机组中各相机的同步图像序列并记录时间戳；
S3、处理所述相机组的各相机拍摄的图像的配准，当得到的两幅图像的配准结果大于第一阈值时，计算两幅所述图像的位置变换矩阵，并根据拍摄两幅所述图像的相机之间的位置关系、所述相机相对所述移动平台的位置关系及两幅所述图像的位置变换矩阵得到所述移动平台在两幅图像拍摄的时间间隔下的位置变换矩阵，最后根据所述移动平台的位置变换矩阵及所述两幅图像的拍摄时间间隔，算出所述移动平台的速度信息。
可选的，所述S3具体包括：
S31、获取所述移动平台在当前时刻的位置信息，并根据所述移动平台在当前时刻的位置信息及第一相机相对所述移动平台的位置关系计算得到所述第一相机在当前时刻的第一位置；
S32、根据所述第一位置，遍历其他相机拍摄图像时的第二位置，当所述第二位置与所述第一位置的距离小于第二阈值时，则判定为查找成功，将对应所述第一位置及所述第二位置拍摄的图像分别记为查找图像及候选图像，记录所述查找图像及候选图像的时间戳，并进入S33；
S33、进行所述查找图像与所述候选图像的配准，若得到的配准结果大于所述第一阈值时，则判定为匹配成功，计算出所述查找图像与所述候选图像的位置变换矩阵，并进入S34；
S34、根据所述查找图像与所述候选图像的相机之间的位置关系及所述位置变换矩阵计算得到所述第一相机的位置变换矩阵，然后根据所述第一相机的位置变换矩阵及所述第一相机相对所述移动平台的位置关系计算得到所述移动平台的位置变换矩阵，最后根据所述移动平台的位置变换矩阵及所述两幅图像的拍摄时间差，算出所述移动平台的速度信息。
可选的，获取所述移动平台在当前时刻的位置信息的步骤具体包括：
对所述第一相机的查找图像和上一帧图像进行配准，得到所述第一相机的位置变换矩阵，并根据所述位置变换矩阵、所述第一相机相对所述移动平台的位置关系计算得到所述移动平台的位置信息。
可选的，对所述第一相机的查找图像和上一帧图像进行配准，得到所述第一相机的位置变换矩阵，并根据所述位置变换矩阵、所述第一相机相对所述移动平台的位置关系计算得到所述移动平台的位置信息时，根据每个相机的配准结果设定每个相机对应的权重，通过加权平均的方式计算得到所述移动平台的位置信息。
可选的，所述配准的方法为2D图像特征匹配法，所述2D图像特征匹配法通过提取两幅图像的特征点并进行快速匹配计算得到两幅图像的位置变换矩阵。
可选的，所述配准的方法为2D图像频域信息匹配法，所述2D图像频域信息匹配法通过傅立叶-梅林变换算法计算两幅图像的旋转平移和尺度因子，进而计算得到两幅图像的位置变换矩阵。
可选的，所述配准的方法为3D匹配法，所述3D匹配法通过两幅图像对应的3D点坐标计算空间3自由度的位姿和速度，进而计算得到两幅图像的位置变换矩阵。
可选的，通过位置传感器直接获取所述移动平台在当前时刻的位置信息。
可选的，在执行步骤S32或S33时，若查找失败或匹配失败，则进入S35，所述S35具体包括：
获取所述移动平台在当前时刻的位置信息、上一时刻的位置信息以及当前时刻和上一时刻的拍摄时间差，估算所述相机组相对所述被拍摄对象的速度。
为了达到上述目的，本发明还提供了一种复数相机测速装置，包括：
移动平台，能够相对被拍摄对象移动；
相机组，包括至少两台设置在所述移动平台上的相机，各相机之间的位置相对固定；
处理器，被配置为用于执行如权利要求1-8中任一项所述的复数相机测速方法。
可选的，所述相机组具备与所述相机匹配的光源，包括：
近红外光源和与之匹配的具有能够透过所述近红外光源发射光波长的镜头的相机；
或者远红外光源和与之匹配的远红外相机；
或者紫外光源和与之匹配的紫外相机；
或者具备偏振光的光源和与之匹配的具有能够透过所述偏振光的镜头的相机。
可选的，各相机的图像拍摄时间同步或者各相机的拍摄时间具有时间戳。
可选的，所述复数相机测速装置还包括设置在所述移动平台上的标定工具，所述标定工具用于标定各相机之间的相对位置关系及各相机相对所述移动平台的位置关系。
可选的，所述标定工具为棋盘格、激光测距仪、激光雷达、TOF传感器或编码器。
可选的，所述相机组包括至少一对双目相机。
可选的，所述相机组包括至少两台沿所述移动平台的主要运动方向布置的TOF相机。
可选的，所述相机组包括至少一对沿所述移动平台的主要运动方向布置的线阵相机。
可选的，所述相机组还包括至少一台全局快门面阵相机，所述处理器能够将所述全局快门面阵相机拍摄的图像与所述线阵相机拍摄的图像进行对比，以修正所述线阵相机拍摄的图像。
可选的，当得到的两幅图像的配准结果小于第一阈值时，所述处理器能够根据移动平台在当前时刻的位置信息、上一时刻的位置信息以及当前时刻和上一时刻的拍摄时间差，估算所述相机组相对所述被拍摄对象的速度。
可选的，所述复数相机测速装置还包括至少一台激光测量仪，所述激光测量仪用于测量不同被拍摄对象之间的距离。
可选的，所述激光测量仪为线激光测量仪或十字激光测量仪。
本发明提供了一种复数相机测速方法及测速装置，通过处理不同相机拍摄的图像的配准来得到高相似度的两幅图像，由于两幅所述图像具有最短的测量距离和最大的图像重合度，使得所述复数相机测速方法计算得到的所述移动平台的速度信息的精度比单个相机的连续图像追踪计算得到的被拍摄对象的速度信息的精度更高。且本发明提供的复数相机测速方法及复数相机测速装置与真实环境形成了反馈，避免了机器人因车轮出现打滑或者车轮被架空而造成误判的问题。
附图说明
本领域的普通技术人员将会理解，提供的附图用于更好地理解本发明，而不对本发明的范围构成任何限定。其中：
图1为本发明实施例提供的复数相机测速方法的步骤图；
图2为本发明实施例提供的复数相机测速方法的流程图；
图3为本发明实施例提供的复数相机测速装置的结构示意图；
图4为本发明实施例提供的查找图像和候选图像的示意图。
附图中：
101-相机组；102-相机组；103-光源；110-处理器；111-移动平台；
W-世界坐标系；C-中心坐标系。
具体实施方式
正如背景技术所述，当前应用的技术方案中，大部分移动机器人采用了左右轮测速码盘测速的方式，但这种方式本质上没有与真实环境形成反馈，因此当车轮出现打滑或者车轮被架空的情况下，移动机器人得到的速度并不真实，很容易误判自身的位置和运行状况，最终导致未知的错误，这对机器人运动的安全性和稳定性都带来极大挑战。
当把相机对准地面通过对地面图像的移动视频来算出相机的移动速度是已知的非常有效的方法。但是由于测速的精度取决于用于比较运算的两幅图像的拍摄位置距离和图像的重合度，所以如何提高两幅图像的拍摄距离和图像重合度是提高视觉测速性能的重要手段。因为一台相机的可视面积有限，当该相机拍摄的两幅图像的拍摄地点相距较远，两幅图像的重合率就会降低，进而影响视觉测速的准确性。
基于此，本发明提供了一种复数相机测速方法及测速装置，通过采用至少两台相对位置固定的相机进行拍摄，通过比较不同相机之间的图像来获取高精度的移动速度信息。
为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明作进一步详细说明。需说明的是，附图均采用非常简化的形式且未按比例绘制，仅用以方便、明晰地辅助说明本发明实施例的目的。此外，附图所展示的结构往往是实际结构的一部分。特别的，各附图需要展示的侧重点不同，有时会采用不同的比例。
如在本发明中所使用的，单数形式“一”、“一个”以及“该”包括复数对象，除非内容另外明确指出外。如在本发明中所使用的，术语“或”通常是以包括“和/或”的含义而进行使用的，除非内容另外明确指出外。如在本发明中所使用的，术语“若干”通常是以包括“至少一个”的含义而进行使用的，除非内容另外明确指出外。如在本发明中所使用的，术语“至少两个”通常是以包括“两个或两个以上”的含义而进行使用的，除非内容另外明确指出外。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括一个或者至少两个该特征。
本发明的核心思想在于提供一种复数相机测速方法及测速装置，解决当前机器人测速的真实性和准确性问题。
所述复数相机测速方法，包括以下步骤：
S1、对设置在一个移动平台上的位置相对固定的相机组的各相机的位置进行标定，得到各相机之间的位置关系以及各相机与移动平台的位置关系；
S2、获取所述相机组中各相机的同步图像序列并记录时间戳；
S3、处理所述相机组的各相机拍摄的图像的配准，当得到的两幅图像的配准结果大于第一阈值时，计算两幅所述图像的位置变换矩阵，并根据拍摄两幅所述图像的相机之间的位置关系、所述相机相对所述移动平台的位置关系及两幅所述图像的位置变换矩阵得到所述移动平台在两幅图像拍摄的时间间隔下的位置变换矩阵，最后根据所述移动平台的位置变换矩阵及所述两幅图像的拍摄时间间隔，算出所述移动平台的速度信息。
作为本发明的另一个方面，所述复数相机测速装置包括：
移动平台，能够相对被拍摄对象移动；
相机组，包括至少两台设置在所述移动平台上的相机，各相机之间的位置相对固定；
处理器，被配置为用于执行所述的复数相机测速方法。
如此配置，通过处理各相机拍摄的图像的配准来得到高相似度的两幅图像，由于两幅高相似度的图像具有最短的测量距离和最大的图像重合度，使得所述复数相机测速方法计算得到的所述移动平台的速度信息的精度比单个相机的连续图像追踪计算得到的被拍摄对象的速度信息的精度更高。且本发明提供的复数相机测速方法及复数相机测速装置与真实环境形成了反馈，避免了机器人因车轮出现打滑或者车轮被架空而造成误判的问题。
以下参考附图进行描述。
如图1-图3所示，图1为本发明实施例提供的复数相机测速方法的步骤图，图2为本发明实施例提供的复数相机测速方法的流程图，图3为本发明实施例提供的复数相机测速装置的结构示意图。本实施例提供了一种复数相机测速方法，包括以下步骤：
S1、对设置在一个移动平台111上的位置相对固定的相机组101的各相机102的位置进行标定，得到各相机102之间的位置关系以及各相机102与移动平台111的位置关系；
S2、获取所述相机组101中各相机102的同步图像序列并记录时间戳；
S3、处理所述相机组101的各相机102拍摄的图像的配准，当得到的两幅图像的配准结果大于第一阈值时，计算两幅所述图像的位置变换矩阵，并根据拍摄两幅所述图像的相机102之间的位置关系、两幅所述图像的位置变换矩阵、所述相机102相对所述移动平台111的位置关系得到所述移动平台111在两幅图像拍摄的时间间隔下的位置变换矩阵，最后根据所述移动平台111的位置变化矩阵及两幅所述图像的拍摄时间差，算出所述移动平台111的速度信息。
本实施例中，结合图3，所述复数相机102测速装置包括：
移动平台111，能够相对被拍摄对象移动；
相机组101，包括至少两台设置在所述移动平台111上的相机102，各相机102之间的位置相对固定；
处理器110，被配置为用于执行所述的复数相机102测速方法。
首先，执行步骤S1，对相机组101的各相机102的位置进行标定，得到各相机102之间的位置关系以及各相机102与移动平台111的位置关系。在进行位置标定时，需要先建立世界坐标系W和移动平台111的车身坐标系C，所述世界坐标系W可以是任一点作为原点，所述车身坐标系C以所述移动平台111的中心作为原点。本实施例中，使用的坐标系为右手坐标系，朝向移动平台111的前进方向为X轴，朝向移动平台111的右边方向为Y轴，竖直向下朝向地面的方向为Z轴。
所述移动平台111的移动速度只考虑二维平面的平移和旋转，故位置信息的表示只考虑水平面。移动平台111和相机组101的每个相机102的位置均在世界坐标系W下表示。其中，移动平台111的位置以其物理中心表示。相机组101的每个相机102的位置以相机102中心表示。
具体的，设tk时刻移动平台111的位置的坐标为c(x，y)，角度为θ,则在世界坐标系W下，所述移动平台111的位置矩阵表示为
Figure BDA0003141761650000091
相机组101中的每个相机102相对于移动平台111的位置固定，第i个相机102相对于移动平台111的位置关系可以表示为Pci，其中i＝1，2，…，M，M为相机组101中相机102的数目。
Figure BDA0003141761650000092
其中，θci是第i个相机102相对于移动平台111的角度、Δxci和Δyci是第i个相机102在移动平台111的车身坐标系C下的坐标。
本实施例中，可通过棋盘格、激光测距仪、激光雷达、TOF传感器或编码器来标定各相机102之间的相对位置关系及各相机102相对所述移动平台111的位置关系。
然后执行步骤S2，获取所述相机组101中各相机102的同步图像序列并记录时间戳。本实施例中，在时刻tk，相机组101的各相机102同步获取图像
Figure BDA0003141761650000093
i＝1，2，…，M。其中/>
Figure BDA0003141761650000094
表示tk时刻第i个相机102获取的图像数据，M表示相机组101中的相机102数量。在获取所述图像数据的同时获取该图像对应的时间戳tk。
接着，执行步骤S3、处理所述相机组101的各相机102拍摄的图像的配准，当得到的两幅图像的配准结果大于第一阈值时，计算两幅所述图像的位置变换矩阵，并根据拍摄两幅所述图像的相机102之间的位置关系、两幅所述图像的位置变换矩阵、所述相机102相对所述移动平台111的位置关系得到所述移动平台111在两幅图像拍摄的时间间隔下的位置变换矩阵，最后根据所述移动平台111的位置变化矩阵及两幅所述图像的拍摄时间差，算出所述移动平台111的速度信息。
进一步的，所述S3具体包括：
S31、获取所述移动平台111在当前时刻的位置信息，并根据所述移动平台111在当前时刻的位置信息及第一相机102相对所述移动平台111的位置关系计算得到所述第一相机102在当前时刻的第一位置；
S32、根据所述第一位置，遍历其他相机102拍摄图像时的第二位置，当所述第二位置与所述第一位置的距离小于第二阈值时，则判定为查找成功，将对应所述第一位置及所述第二位置拍摄的图像分别记为查找图像及候选图像，记录所述查找图像及候选图像的时间戳，并进入S32；
S33、进行所述查找图像与所述候选图像的配准，若得到的配准结果大于所述第一阈值时，则判定为配准成功，计算出所述查找图像与所述候选图像的位置变换矩阵，并进入S33；
S34、根据所述查找图像与所述候选图像的相机102之间的位置关系及所述位置变换矩阵计算得到所述第一相机102的位置变换矩阵，然后根据所述第一相机102的位置变换矩阵及所述第一相机102相对所述移动平台111的位置关系计算得到所述移动平台111的位置变换矩阵，最后根据所述移动平台111的位置变换矩阵及所述两幅图像的拍摄时间差，算出所述移动平台111的速度信息。
具体的，在执行完步骤S2之后，接着执行步骤S31，获取所述移动平台111在当前时刻的位置信息，并使每个相机102存储查找图像及对应的位置信息。
进一步的，获取所述移动平台111在当前时刻的位置信息的步骤具体包括：
对所述第一相机102的查找图像和上一帧图像进行配准，得到所述第一相机102的位置变换矩阵，并根据所述位置变换矩阵、所述第一相机102相对所述移动平台111的位置关系计算得到所述移动平台111的位置信息。
也就是说，移动平台111的位置可以通过相机组101的每个相机102来估计，相机组101中每个相机102在tk时刻获取相机102图像
Figure BDA0003141761650000101
后，对同一相机102的查找图像/>
Figure BDA0003141761650000102
和上一帧图像/>
Figure BDA0003141761650000103
进行配准计算，得到对应相机102的位置变换矩阵。
作为本实施例的第一个优选示例，所述配准的方法为2D图像特征匹配法，所述2D图像特征匹配法通过提取两幅图像的特征点并进行快速匹配计算两幅图像的位置变换矩阵
Figure BDA0003141761650000111
Figure BDA0003141761650000112
表示第i个相机102在tk-1和tk时刻的位置变换矩阵。
作为本实施例的第二个优选示例，所述配准的方法为2D图像频域信息匹配法，所述2D图像频域信息匹配法通过傅立叶-梅林变换算法计算两幅图像的旋转平移和尺度因子，进而获得两幅图像的位置变换矩阵
Figure BDA0003141761650000113
作为本实施例的第三个优选示例，所述配准的方法为3D匹配法，所述3D匹配法通过两幅图像对应的3D点坐标计算空间3自由度的位姿和速度，进而获得两幅图像的位置变换矩阵
Figure BDA0003141761650000114
例如，当第i个相机102是TOF相机102或配置有激光测距仪或单线激光雷达或多线激光光雷达装置时，图像数据含有深度信息，可以使用3D匹配的方法估计第i个相机102当前的位置。通过两幅图像对应的3D点坐标使用迭代最邻近(ICP)方法计算空间3自由度的位姿变换，或者使用上一时刻图像的3D坐标和当前时刻图像的2D坐标使用PnP算法获得两幅图像的位置变换矩阵/>
Figure BDA0003141761650000115
第i个相机102在tk时刻计算得到的前后帧位置变换矩阵
Figure BDA0003141761650000116
转换到移动平台111的位置变换关系/>
Figure BDA0003141761650000117
根据刚体变换有如下位置变换关系：
Figure BDA0003141761650000118
由于
Figure BDA0003141761650000119
为Pci的逆矩阵，而Pci为已知的第i个相机102相对移动平台111的位置关系，故可通过位置变换矩阵/>
Figure BDA00031417616500001110
直接计算出移动平台111的位置变换矩阵/>
Figure BDA00031417616500001111
tk时刻移动平台111的位置
Figure BDA00031417616500001112
可以由移动平台111在tk-1时刻的位置/>
Figure BDA00031417616500001113
和位置变换矩阵/>
Figure BDA00031417616500001114
计算得到，计算公式如下：
Figure BDA00031417616500001115
每个相机102根据移动平台111在tk时刻的位置
Figure BDA00031417616500001116
和第i个相机102相对移动平台111的位置关系得到该相机102在时刻tk的位置，计算公式如下：
Figure BDA0003141761650000121
每个相机102的存储当前时刻拍摄的查找图像
Figure BDA0003141761650000122
以及该查找图像/>
Figure BDA0003141761650000123
对应相机102在时刻tk的位置为/>
Figure BDA0003141761650000124
本实施例中，还可以通过位置传感器直接获取所述移动平台111在当前时刻的位置信息，所述位置传感器包括但不限于是编码器、惯性器件或里程计。
更进一步的，对所述第一相机102的查找图像和上一帧图像进行配准，得到所述第一相机102的位置变换矩阵，并根据所述位置变换矩阵、所述第一相机102相对所述移动平台111的位置关系计算得到所述移动平台111的位置信息时，根据每个相机102的配准结果设定每个相机102对应的权重，通过加权平均的方式计算得到所述移动平台111的位置信息。
也就是说，相机组101中第i个相机102通过公式(3)和(4)前后帧图像配准和位置变换矩阵估算出一个移动平台111的位置
Figure BDA0003141761650000125
为提高移动平台111的位置的精确度，可根据每个相机102计算的结果进行加权平均，加权平均的权值由每个相机102的配准结果决定。
如果tk时刻每个相机102的配准结果分别是si,则每个相机102的对应的
Figure BDA0003141761650000126
的权值分别为
Figure BDA0003141761650000127
其中，j为1，2，…，M。
则tk时刻移动平台111的位置计算如下：
Figure BDA0003141761650000128
通过加权平均的方式得到的移动平台111的位置的精度更高。
每个相机102存储查找图像及对应的位置信息后，执行步骤S32，每个相机102根据相机102的当前位置
Figure BDA0003141761650000129
查找并选择其他相机102过去时刻在此位置的候选图像。相机组101的每个相机102根据tk时刻的位置/>
Figure BDA00031417616500001210
遍历其他相机102所有候选图像的位置/>
Figure BDA0003141761650000131
Figure BDA0003141761650000132
为第l个相机102(l≠i)在时刻tk′的位置。当距离/>
Figure BDA0003141761650000133
最近的/>
Figure BDA0003141761650000134
满足如下关系：
Figure BDA0003141761650000135
其中，D为第二阈值，即给定的距离阈值。
对应的图像
Figure BDA0003141761650000136
为第l个相机102的候选图像，记录所述候选图像的时间戳tk′。
查找成功后，执行步骤S33，进行所述查找图像与所述候选图像的配准，若得到的配准结果大于所述第一阈值时，则判定为匹配成功，计算出所述查找图像与所述候选图像的位置变换矩阵。
则根据(4)式可以得到位置变换矩阵满足下列关系：
Figure BDA0003141761650000137
当存在匹配成功的候选图像，进入步骤S34，根据所述查找图像与所述候选图像的相机102之间的位置关系及所述位置变换矩阵计算得到所述第一相机102的位置变换矩阵，然后根据所述第一相机102的位置变换矩阵及所述第一相机102相对所述移动平台的位置关系计算得到所述移动平台111的位置变换矩阵，最后根据移动平台111的位置变换矩阵及所述两幅图像的拍摄时间差，算出所述移动平台111的速度信息。
请参照图4，图4为本发明实施例提供的查找图像和候选图像的示意图，所述查找图像和所述候选图像对应的相机102之间的位置关系是固定的。
第i个相机102在时刻tk和tk′的位置变换矩阵
Figure BDA0003141761650000138
满足：
Figure BDA0003141761650000139
根据公式(9)可计算得到第i个相机102的查找图像
Figure BDA00031417616500001310
与候选图像/>
Figure BDA00031417616500001311
之间的位置偏差/>
Figure BDA00031417616500001312
第i个相机102和第l个相机102之间的相对位置关系Pli为已知，进而可以根据公式(10)计算得到/>
Figure BDA00031417616500001313
再根据公式(3)
Figure BDA00031417616500001314
可以得到第i个相机102计算出来的移动平台111在时刻tk和时刻tk′的位置变化。因为tk时刻第i个相机102拍摄的查找图像/>
Figure BDA0003141761650000141
和第l个相机102拍摄的候选图像/>
Figure BDA0003141761650000142
具有最短的测量距离和最大的图像重合度，使得/>
Figure BDA0003141761650000143
的计算精度比单个相机102的连续图像追踪更高，进而使得/>
Figure BDA0003141761650000144
和/>
Figure BDA0003141761650000145
的计算精度更高。
将
Figure BDA0003141761650000146
按照(1)式分解成矩阵的形式，有
Figure BDA0003141761650000147
得到tk时刻由第i个相机102计算出来的移动平台111的移动速度Vi如下表示：
Figure BDA0003141761650000148
所述移动平台111的移动速度Vi即所述相机组101相对所述被拍摄对象的速度。
同理，可根据(6)式的配准权值，得到更精确的移动速度，公式如下：
Figure BDA0003141761650000149
进一步的，在执行步骤S32或S33时，若查找失败或匹配失败，则进入S35，所述S35具体包括：
获取所述移动平台111在当前时刻的位置信息、上一时刻的位置信息以及当前时刻和上一时刻的拍摄时间差，估算所述相机组101相对所述被拍摄对象的速度。
也就是说，如果相机组101中的所有相机102均未查找到候选图像，即没有一个相机102能够找到满足(8)式的候选图像，则查找失败进入步骤S35，否则查找成功进入S33。或者，如果所有的候选图像匹配失败，同样进入步骤S35。可根据步骤S31获取所述移动平台111在当前时刻的位置信息
Figure BDA00031417616500001410
上一时刻的位置信息/>
Figure BDA00031417616500001411
以及当前时刻和上一时刻的拍摄时间差(tk-tk-1)，进而得到移动平台111在相邻两个时刻的位置变换矩阵，具体公式如下：
Figure BDA0003141761650000151
当然，也可以根据公式(3)直接得到
Figure BDA0003141761650000152
所述/>
Figure BDA0003141761650000153
及/>
Figure BDA0003141761650000154
还可以根据公式(7)计算获得。
将
Figure BDA0003141761650000155
分解成矩阵的形式，有
Figure BDA0003141761650000156
最后得到tk时刻移动平台111的移动速度如下表示：
Figure BDA0003141761650000157
本发明实施例通过处理各相机102拍摄的图像的配准来得到高相似度的两幅图像，由于两幅所述图像具有最短的测量距离和最大的图像重合度，使得计算得到的移动平台111的速度信息信的精度比单个相机102的连续图像追踪计算得到的被拍摄对象的速度信息的精度更高。
基于此，请参照图2，本发明实施例还提供了复数相机102测速装置，包括：
移动平台111，能够相对被拍摄对象移动；
相机组101，包括至少两台设置在所述移动平台111上的相机102，各相机102之间的位置相对固定；
处理器110，被配置为用于执行上述复数相机102测速方法。
本实施例中，所述相机组101具备与所述相机102匹配的光源103，包括：
近红外光源103和与之匹配的具有能够透过所述近红外光源103发射光波长的镜头的相机102；
或者远红外光源103和与之匹配的远红外相机102；
或者紫外光源103和与之匹配的紫外相机102；
或者具备偏振光的光源103和与之匹配的具有能够透过所述偏振光的镜头的相机102。
本实施例中，各相机102的图像拍摄时间同步或者各相机102的拍摄时间具有时间戳，所述时间戳能够实时的被所述处理器110获取，以便于进行移动速度的计算。
本实施例中，所述复数相机102测速装置还包括设置在所述移动平台111上的标定工具，所述标定工具用于标定各相机102之间的相对位置关系及各相机102相对所述移动平台111中心的位置关系，所述位置关系能够被所述处理器110获取。
进一步的，所述标定工具为棋盘格、激光测距仪、激光雷达、TOF传感器或编码器。
作为本实施例的第一个优选示例，所述相机组101包括至少一对双目相机。所述双目相机是指双目相机包含共同视野，可以获得三维立体图像，使相机组101可以根据图像中各点的距离计算相机组101的空间3自由度以上的位姿及速度。
作为本实施例的第二个优选示例，所述相机组101包括至少两台沿所述移动平台111的主要运动方向布置的TOF相机，以保证前后两台相机用于匹配的图像是立体图像，使得图像匹配后可以根据拍摄对象的距离及/或形状得到更高的精度。
作为本实施例的第三个优选示例，所述相机组101包括至少一对沿所述移动平台111的主要运动方向布置的线阵相机，每对所述线阵相机的图像进行对比也可以得到相机组101的速度信息。
优选的，所述相机组101还包括至少一台全局快门面阵相机，所述处理器110能够将所述全局快门面阵相机拍摄的图像与所述线阵相机拍摄的图像进行对比，以修正所述线阵相机拍摄的图像。
进一步的，所述复数相机测速装置还包括至少一台激光测量仪，所述激光测量仪用于测量不同被拍摄对象之间的距离。
更进一步的，所述激光测量仪为线激光测量仪或十字激光测量仪。
本实施例中，所述处理器110不仅可以通过不同相机的图像对比获得高精度速度信息，而且也可以通过每一台相机的前后连续图像获得速度信息，该信息可以粗略算出不同相机拍摄的可用于匹配的图像出现时间，以提高匹配速度。
本实施例中，当得到的两幅图像的配准结果小于第一阈值时，所述处理器110能够根据移动平台111中心在当前时刻的位置信息、上一时刻的位置信息以及当前时刻和上一时刻的拍摄时间差，估算所述相机组101相对所述被拍摄对象的速度。
综上，本发明实施例提供了一种复数相机测速方法及测速装置，通过处理不同相机拍摄的图像的配准来得到高相似度的两幅图像，由于两幅所述图像具有最短的测量距离和最大的图像重合度，使得所述复数相机测速方法计算得到的所述移动平台的速度信息的精度比单个相机的连续图像追踪计算得到的被拍摄对象的速度信息的精度更高。且本发明提供的复数相机测速方法及复数相机测速装置与真实环境形成了反馈，避免了机器人因车轮出现打滑或者车轮被架空而造成误判的问题。
此外还应该认识到，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围。

Claims (20)

1.一种复数相机测速方法，其特征在于，包括以下步骤：
S1、对设置在一个移动平台上的位置相对固定的相机组的各相机的位置进行标定，得到各相机之间的位置关系以及各相机与移动平台的位置关系；
S2、获取所述相机组中各相机的同步图像序列并记录时间戳；
S3、处理所述相机组的各相机拍摄的图像的配准，当得到的两幅图像的配准结果大于第一阈值时，计算两幅所述图像的位置变换矩阵，并根据拍摄两幅所述图像的相机之间的位置关系、所述相机相对所述移动平台的位置关系及两幅所述图像的位置变换矩阵得到所述移动平台在两幅图像拍摄的时间间隔下的位置变换矩阵，最后根据所述移动平台的位置变换矩阵及所述两幅图像的拍摄时间间隔，算出所述移动平台的速度信息;
其中，所述S3具体包括：
S31、获取所述移动平台在当前时刻的位置信息，并根据所述移动平台在当前时刻的位置信息及第一相机相对所述移动平台的位置关系计算得到所述第一相机在当前时刻的第一位置；
S32、根据所述第一位置，遍历其他相机拍摄图像时的第二位置，当所述第二位置与所述第一位置的距离小于第二阈值时，则判定为查找成功，将对应所述第一位置及所述第二位置拍摄的图像分别记为查找图像及候选图像，记录所述查找图像及候选图像的时间戳，并进入S33；
S33、进行所述查找图像与所述候选图像的配准，若得到的配准结果大于所述第一阈值时，则判定为配准成功，计算出所述查找图像与所述候选图像的位置变换矩阵，并进入S34；
S34、根据所述查找图像与所述候选图像的相机之间的位置关系及所述位置变换矩阵计算得到所述第一相机的位置变换矩阵，然后根据所述第一相机的位置变换矩阵及所述第一相机相对所述移动平台的位置关系计算得到所述移动平台的位置变换矩阵，最后根据所述移动平台的位置变换矩阵及所述两幅图像的拍摄时间差，算出所述移动平台的速度信息。
2.如权利要求1所述的复数相机测速方法，其特征在于，获取所述移动平台在当前时刻的位置信息的步骤具体包括：
对所述第一相机的查找图像和上一帧图像进行配准，得到所述第一相机的位置变换矩阵，并根据所述位置变换矩阵、所述第一相机相对所述移动平台的位置关系计算得到所述移动平台的位置信息。
3.如权利要求2所述的复数相机测速方法，其特征在于，对所述第一相机的查找图像和上一帧图像进行配准，得到所述第一相机的位置变换矩阵，并根据所述位置变换矩阵、所述第一相机相对所述移动平台的位置关系计算得到所述移动平台的位置信息时，根据每个相机的配准结果设定每个相机对应的权重，通过加权平均的方式计算得到所述移动平台的位置信息。
4.如权利要求1或3所述的复数相机测速方法，其特征在于，所述配准的方法为2D图像特征匹配法，所述2D图像特征匹配法通过提取两幅图像的特征点并进行快速匹配计算得到两幅图像的位置变换矩阵。
5.如权利要求1或3所述的复数相机测速方法，其特征在于，所述配准的方法为2D图像频域信息匹配法，所述2D图像频域信息匹配法通过傅立叶-梅林变换算法计算两幅图像的旋转平移和尺度因子，进而计算得到两幅图像的位置变换矩阵。
6.如权利要求1或3所述的复数相机测速方法，其特征在于，所述配准的方法为3D匹配法，所述3D匹配法通过两幅图像对应的3D点坐标计算空间3自由度的位姿和速度，进而计算得到两幅图像的位置变换矩阵。
7.如权利要求1所述的复数相机测速方法，其特征在于，通过位置传感器直接获取所述移动平台当前时刻的位置信息。
8.如权利要求1所述的复数相机测速方法，其特征在于，在执行步骤S32或S33时，若查找失败或配准失败，则进入S35，所述S35具体包括：
获取所述移动平台在当前时刻的位置信息、上一时刻的位置信息以及当前时刻和上一时刻的拍摄时间差，估算所述移动平台的速度信息。
9.一种复数相机测速装置，其特征在于，包括：
移动平台，能够相对被拍摄对象移动；
相机组，包括至少两台设置在所述移动平台上的相机，各相机之间的位置相对固定；
处理器，被配置为用于执行如权利要求1-8中任一项所述的复数相机测速方法。
10.如权利要求9所述的复数相机测速装置，其特征在于，所述相机组具备与所述相机匹配的光源，包括：
近红外光源和与之匹配的具有能够透过所述近红外光源发射光波长的镜头的相机；
或者远红外光源和与之匹配的远红外相机；
或者紫外光源和与之匹配的紫外相机；
或者具备偏振光的光源和与之匹配的具有能够透过所述偏振光的镜头的相机。
11.如权利要求9所述的复数相机测速装置，其特征在于，各相机的图像拍摄时间同步或者各相机的拍摄时间具有时间戳。
12.如权利要求9所述的复数相机测速装置，其特征在于，所述复数相机测速装置还包括设置在所述移动平台上的标定工具，所述标定工具用于标定各相机之间的相对位置关系及各相机相对所述移动平台的位置关系。
13.如权利要求12所述的复数相机测速装置，其特征在于，所述标定工具为棋盘格、激光测距仪、激光雷达、TOF传感器或编码器。
14.如权利要求9所述的复数相机测速装置，其特征在于，所述相机组包括至少一对双目相机。
15.如权利要求9所述的复数相机测速装置，其特征在于，所述相机组包括至少两台沿所述移动平台的主要运动方向布置的TOF相机。
16.如权利要求9所述的复数相机测速装置，其特征在于，所述相机组包括至少一对沿所述移动平台的主要运动方向布置的线阵相机。
17.如权利要求16所述的复数相机测速装置，其特征在于，所述相机组还包括至少一台全局快门面阵相机，所述处理器能够将所述全局快门面阵相机拍摄的图像与所述线阵相机拍摄的图像进行对比，以修正所述线阵相机拍摄的图像。
18.如权利要求9所述的复数相机测速装置，其特征在于，当得到的两幅图像的配准结果小于第一阈值时，所述处理器能够根据移动平台在当前时刻的位置信息、上一时刻的位置信息以及当前时刻和上一时刻的拍摄时间差，估算所述移动平台的速度信息。
19.如权利要求9所述的复数相机测速装置，其特征在于，所述复数相机测速装置还包括至少一台激光测量仪，所述激光测量仪用于测量不同被拍摄对象之间的距离。
20.如权利要求19所述的复数相机测速装置，其特征在于，所述激光测量仪为线激光测量仪或十字激光测量仪。
CN202110748440.5A 2021-06-30 2021-06-30 复数相机测速方法及测速装置 Active CN113504385B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110748440.5A CN113504385B (zh) 2021-06-30 2021-06-30 复数相机测速方法及测速装置
PCT/CN2022/082190 WO2023273427A1 (zh) 2021-06-30 2022-03-22 复数相机测速方法及测速装置
JP2023540732A JP2024501731A (ja) 2021-06-30 2022-03-22 複数カメラによる速度測定方法及び速度測定装置
US18/263,583 US20240085448A1 (en) 2021-06-30 2022-03-22 Speed measurement method and apparatus based on multiple cameras

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110748440.5A CN113504385B (zh) 2021-06-30 2021-06-30 复数相机测速方法及测速装置

Publications (2)

Publication Number Publication Date
CN113504385A CN113504385A (zh) 2021-10-15
CN113504385B true CN113504385B (zh) 2023-07-14

Family

ID=78009851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110748440.5A Active CN113504385B (zh) 2021-06-30 2021-06-30 复数相机测速方法及测速装置

Country Status (4)

Country Link
US (1) US20240085448A1 (zh)
JP (1) JP2024501731A (zh)
CN (1) CN113504385B (zh)
WO (1) WO2023273427A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113504385B (zh) * 2021-06-30 2023-07-14 安徽爱观视觉科技有限公司 复数相机测速方法及测速装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825518A (zh) * 2016-03-31 2016-08-03 西安电子科技大学 基于移动平台拍摄的序列图像快速三维重建方法
JP2017053739A (ja) * 2015-09-10 2017-03-16 オプティトラック・ジャパン株式会社 モーションキャプチャー方法及びモーションキャプチャーシステム
CN112381886A (zh) * 2020-11-16 2021-02-19 深圳市洲明科技股份有限公司 基于多相机的三维场景重建方法、存储介质及电子设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102519481B (zh) * 2011-12-29 2013-09-04 中国科学院自动化研究所 一种双目视觉里程计实现方法
CN104268882A (zh) * 2014-09-29 2015-01-07 深圳市热活力科技有限公司 基于双线阵摄像头的高速运动物体检测与测速方法及系统
CN106370884B (zh) * 2016-09-09 2019-12-24 成都通甲优博科技有限责任公司 基于双目相机计算机视觉技术的车辆测速方法
JP7137464B2 (ja) * 2018-12-26 2022-09-14 株式会社デンソーアイティーラボラトリ カメラキャリブレーション装置、カメラキャリブレーション方法、およびプログラム
CN110322702B (zh) * 2019-07-08 2020-08-14 中原工学院 一种基于双目立体视觉系统的车辆智能测速方法
CN112639883B (zh) * 2020-03-17 2021-11-19 华为技术有限公司 一种相对位姿标定方法及相关装置
CN113504385B (zh) * 2021-06-30 2023-07-14 安徽爱观视觉科技有限公司 复数相机测速方法及测速装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017053739A (ja) * 2015-09-10 2017-03-16 オプティトラック・ジャパン株式会社 モーションキャプチャー方法及びモーションキャプチャーシステム
CN105825518A (zh) * 2016-03-31 2016-08-03 西安电子科技大学 基于移动平台拍摄的序列图像快速三维重建方法
CN112381886A (zh) * 2020-11-16 2021-02-19 深圳市洲明科技股份有限公司 基于多相机的三维场景重建方法、存储介质及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Velocity Measurement Research of Moving Object for Mobile Robot in Dynamic Environment;Peng Zhang, et al;《2018 10th International Conference on Intelligent Human-Machine Systems and Cybernetics》;第235-238页 *
基于双目视觉的钣金件边缘检测技术研究与系统开发;刘之远等;《航空制造技术》;第63卷(第7期);第30-39页 *

Also Published As

Publication number Publication date
JP2024501731A (ja) 2024-01-15
WO2023273427A1 (zh) 2023-01-05
CN113504385A (zh) 2021-10-15
US20240085448A1 (en) 2024-03-14

Similar Documents

Publication Publication Date Title
KR102085228B1 (ko) 깊이 센서의 깊이 보정을 위한 이미지 처리방법 및 그 장치
JP5992184B2 (ja) 画像データ処理装置、画像データ処理方法および画像データ処理用のプログラム
CN103020952B (zh) 信息处理设备和信息处理方法
WO2018142900A1 (ja) 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム
EP3825903A1 (en) Method, apparatus and storage medium for detecting small obstacles
JP6782903B2 (ja) 自己運動推定システム、自己運動推定システムの制御方法及びプログラム
KR102054455B1 (ko) 이종 센서 간의 캘리브레이션 장치 및 방법
CN108406731A (zh) 一种基于深度视觉的定位装置、方法及机器人
CN110728715A (zh) 一种智能巡检机器人像机角度自适应调整方法
CN110319772B (zh) 基于无人机的视觉大跨度测距方法
CN110456330B (zh) 一种相机与激光雷达之间外参无目标自动标定方法及系统
CN108519102B (zh) 一种基于二次投影的双目视觉里程计算方法
KR101544021B1 (ko) 3차원 지도 생성 장치 및 3차원 지도 생성 방법
JP5615055B2 (ja) 情報処理装置及びその処理方法
JP2006252473A (ja) 障害物検出装置、キャリブレーション装置、キャリブレーション方法およびキャリブレーションプログラム
CN105378794A (zh) 3d拍摄装置、用于建立3d图像的方法和用于构建3d拍摄装置的方法
CN113012224B (zh) 定位初始化方法和相关装置、设备、存储介质
CN104281148A (zh) 基于双目立体视觉的移动机器人自主导航方法
CN208323361U (zh) 一种基于深度视觉的定位装置及机器人
CN113008195B (zh) 一种基于空间点云的三维曲面距离测量方法及系统
CN113052897A (zh) 定位初始化方法和相关装置、设备、存储介质
CN111538029A (zh) 一种视觉与雷达融合的测量方法及终端
CN113504385B (zh) 复数相机测速方法及测速装置
CN112862818B (zh) 惯性传感器和多鱼眼相机联合的地下停车场车辆定位方法
Park et al. Global map generation using LiDAR and stereo camera for initial positioning of mobile robot

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
CB02 Change of applicant information

Address after: 230088 a14-5, 13 / F, block a, building J1, phase II, innovation industrial park, No. 2800, innovation Avenue, high tech Zone, Hefei, Anhui Province

Applicant after: Anhui aiguan Vision Technology Co.,Ltd.

Address before: 201306 room 602, T1 tower, No. 1555, Haigang Avenue, Lingang xinpian District, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai (Chuangjing Technology Center)

Applicant before: SHANGHAI EYEVOLUTION TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant