CN114355961A - 无人机基于多视角视觉同步紧耦合视觉辅助悬停方法 - Google Patents
无人机基于多视角视觉同步紧耦合视觉辅助悬停方法 Download PDFInfo
- Publication number
- CN114355961A CN114355961A CN202111403845.1A CN202111403845A CN114355961A CN 114355961 A CN114355961 A CN 114355961A CN 202111403845 A CN202111403845 A CN 202111403845A CN 114355961 A CN114355961 A CN 114355961A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- vision
- view
- imu
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010168 coupling process Methods 0.000 title claims abstract description 28
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 28
- 230000008878 coupling Effects 0.000 title claims abstract description 27
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 19
- 230000000007 visual effect Effects 0.000 claims abstract description 47
- 230000033001 locomotion Effects 0.000 claims abstract description 36
- 230000004927 fusion Effects 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims description 29
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 13
- 230000036544 posture Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 206010034719 Personality change Diseases 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000004069 differentiation Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012827 research and development Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Studio Devices (AREA)
- Processing Or Creating Images (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，属于无人机研发技术领域，融合无人机多视角的视觉观测信息，包括前视、下视、后视、左视、右视、IMU、气压计、GPS、磁力计等多传感器实时估计载体飞机的运动状态信息，包括姿态、位置、速度，从而实时估计无人机的姿态信息和位置、速度信息。该无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，通过多视角图像融合机载IMU实时估计载体飞机运动状态信息，再与GPS、气压计、磁力计等信息进行融合，实时估计无人机的姿态信息和位置、速度信息，相比单纯GPS信号进行悬停定位的无人机，使用多角度视觉融合GPS信息，进行无人机的悬停技术会更稳定、更鲁棒、更精准。
Description
技术领域
本发明属于无人机研发技术领域，具体为一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法。
背景技术
随着经济的快速发展,人们的生活方式趋于多样化，这也导致我国使用无人机来辅助工作呈现出上升的趋势，因而无人机的自身稳定性变得非常重要。然而目前无人机的控制悬停主要以强GPS信号为主，当遇到搜不到卫星GPS的时候，无人机就会无法进行使用，因此使用视觉辅助无人机稳定飞行的需求越来越迫切。
目前无人机在巡检过程中，为保证无人机飞行和悬停的精准性，往往只采用纯GPS信号来控制无人机，导致无人机搜索不到GPS信号或者遇到GPS信号较弱环境的时候，例如(大桥底下、楼道间、人为GPS干扰)，无人机无法保持精准的悬停，会因GPS信号差而导致较大幅度晃动，甚至导致无法控制。
已有技术对无人机的视觉辅助悬停，大多使用无人机下视单目摄像头采集现场可见光图像，通过图像的运动，进而通过光流算法来计算出飞机的运动速度。但是在地面纹理较弱、飞机离地面较高的时候，会导致单目视觉算法计算飞机的速度和位置有较大的误差，无法满足视觉辅助无人机悬停稳定。因此，基于无人机基于多视角视觉同步紧耦合视觉辅助悬停技术实现越来越重要。
发明内容
针对现有技术的不足，本发明提供了一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，包括以下步骤：
S1、发送悬停指令至无人机，无人机接收到悬停指令，并同时开启无人机的悬停模式；
S2、无人机采集多个相机角度下的视觉图像，视觉图像的频率恒定为20hz；
S3、无人机采集IMU载体飞机测量的无人机六轴姿态角以及加速度在内的测量数据，IMU的频率恒定为200hz；
S4、将步骤S2和S3中采集的视觉图像和IMU测量数据进行时间同步处理，将视觉图像额时间戳与IMU的时间戳进行对齐，并基于差分算法处理使得视觉图像和IMU测量数据时间同步；
S5、对步骤S2中多个角度下的视觉图像同时进行图像特征提取与跟踪，对多相机采集到的图像进行跟踪排序，并重采样和去噪预处理，利用光流法计算出各点的光流值，得出各点的光流场，然后对光流场进行阈值分割，区分出前景与背景，采用形态学滤波中的开、闭运算滤除孤立噪声点，经过区域连通便可识别出目标区域并提取其特征信息,并计算相机的位姿；
S6、对步骤S4中的IMU测量数据基于IMU内置的预积分算法，利用IMU间相对姿态矩阵预积分方程，计算测量节点间相对姿态，然后对局部区域挠曲形状拟合，利用相对姿态计算值和拟合值构造量测量，对载体飞机的位姿进行计算；
S7、基于步骤S5和S6的计算数据，计算相邻两帧图像的图像特征点位置变化信息从而计算出两帧间的速度和位移，然后再积分计算两帧图像间的IMU数据从而算出载体飞机的运动速度和位移轨迹，对载体飞机的姿态和轨迹进行实时估计；
S8、将步骤S5和S6的多视觉图像和IMU数据进行紧耦合，将视觉图像和IMU得到的中间数据通过一个优化滤波器进行处理，把图像特征加入到特征向量中，对全局与局部图优化，计算出载体飞机的实时位姿和速度，实时估计载体飞机的运动状态信息；
S9、将多视觉图像与IMU紧耦合后的数据，再与GPS、超声波传感器、3DTof、磁力计进行扩展卡尔曼融合后，实时估计载体飞机的运动位移、速度和姿态变化；
S10、融合多传感器的载体飞机数据，载体飞机的运动状态数据即代表搭载载体飞机数据的无人机运动状态数据，实时感知无人机的运动状态信息，进行辅助无人机进行精准悬停。
进一步优化本技术方案，所述S2中，多个相机角度的视觉图像包括前视、左视、右视、后视以及下视的五个不同角度上的视觉图像，所述多个相机角度的视觉图像需要进行时间同步处理。
进一步优化本技术方案，所述S3中，IMU(惯性测量单元)的载体飞机搭载在无人机的惯性导航设备中，从而用于基于姿态进行无人机的精密位移推算。
进一步优化本技术方案，所述S5中，光流法可基于时变图像灰度的时空微分来计算像素的速度矢量，也可以基于特征和区域匹配的匹配方法来计算。
进一步优化本技术方案，所述S8中，进行紧耦合时，多视觉图像和IMU数据进行相互调用，形成载体飞机运动位姿的全局图与局部图。
进一步优化本技术方案，所述S9中，GPS、超声波传感器、3DTof以及磁力计均搭载在无人机上。
进一步优化本技术方案，所述S10中，无人机的精准悬停的精度达到±3cm的范围内。
与现有技术相比，本发明提供了一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，具备以下有益效果：
该无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，通过多视角图像融合机载IMU实时估计载体飞机运动状态信息，再与GPS、气压计、磁力计等信息进行融合，实时估计无人机的姿态信息和位置、速度信息，相比单纯GPS信号进行悬停定位的无人机，使用多角度视觉融合GPS信息，进行无人机的悬停技术会更稳定、更鲁棒、更精准。
附图说明
图1为本发明提出的一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法的流程走向图；
图2为本发明提出的一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法的步骤简图。
具体实施方式
下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一：
请参阅图1和图2，一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，包括以下步骤：
S1、发送悬停指令至无人机，无人机接收到悬停指令，并同时开启无人机的悬停模式；
S2、无人机采集多个相机角度下的视觉图像，视觉图像的频率恒定为20hz；
S3、无人机采集IMU(惯性测量单元)载体飞机测量的无人机六轴姿态角(或角速率)以及加速度在内的测量数据，IMU的频率恒定为200hz；
S4、将步骤S2和S3中采集的视觉图像和IMU测量数据进行时间同步处理，将视觉图像额时间戳与IMU的时间戳进行对齐，并基于差分算法处理使得视觉图像和IMU测量数据时间同步；
S5、对步骤S2中多个角度下的视觉图像同时进行图像特征提取与跟踪，对多相机采集到的图像进行跟踪排序，并重采样和去噪预处理，利用光流法计算出各点的光流值，得出各点的光流场，然后对光流场进行阈值分割，区分出前景与背景，采用形态学滤波中的开、闭运算滤除孤立噪声点，经过区域连通便可识别出目标区域并提取其特征信息,并计算相机的位姿；
S6、对步骤S4中的IMU测量数据基于IMU内置的预积分算法，利用IMU间相对姿态矩阵预积分方程，计算测量节点间相对姿态，然后对局部区域挠曲形状拟合，利用相对姿态计算值和拟合值构造量测量，对载体飞机的位姿进行计算；
S7、基于步骤S5和S6的计算数据，计算相邻两帧图像的图像特征点位置变化信息从而计算出两帧间的速度和位移，然后再积分计算两帧图像间的IMU数据从而算出载体飞机的运动速度和位移轨迹，对载体飞机的姿态和轨迹进行实时估计；
S8、将步骤S5和S6的多视觉图像和IMU数据进行紧耦合，将视觉图像和IMU得到的中间数据通过一个优化滤波器进行处理，把图像特征加入到特征向量中，对全局与局部图优化，计算出载体飞机的实时位姿和速度，实时估计载体飞机的运动状态信息；
S9、将多视觉图像与IMU紧耦合后的数据，再与GPS、超声波传感器、3DTof、磁力计进行扩展卡尔曼融合后，实时估计载体飞机的运动位移、速度和姿态变化；
S10、融合多传感器的载体飞机数据，载体飞机的运动状态数据即代表搭载载体飞机数据的无人机运动状态数据，实时感知无人机的运动状态信息，进行辅助无人机进行精准悬停。
具体的，所述S2中，多个相机角度的视觉图像包括前视、左视、右视、后视以及下视的五个不同角度上的视觉图像，所述多个相机角度的视觉图像需要进行时间同步处理。
具体的，所述S3中，IMU(惯性测量单元)的载体飞机搭载在无人机的惯性导航设备中，从而用于基于姿态进行无人机的精密位移推算。
具体的，所述S8中，进行紧耦合时，多视觉图像和IMU数据进行相互调用，形成载体飞机运动位姿的全局图与局部图。
具体的，所述S9中，GPS、超声波传感器、3DTof等传感器均搭载在无人机上。
具体的，所述S10中，无人机的精准悬停的精度达到±3cm的范围内。
实施例二：
一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，包括以下步骤：
S1、发送悬停指令至无人机，无人机接收到悬停指令，并同时开启无人机的悬停模式。
S2、无人机采集多个相机角度下的视觉图像，多个相机角度的视觉图像包括前视、左视、右视、后视以及下视的五个不同角度上的视觉图像，所述多个相机角度的视觉图像需要进行时间同步处理，视觉图像的频率恒定为20hz。
S3、无人机采集IMU(惯性测量单元)载体飞机测量的无人机六轴姿态角(或角速率)以及加速度在内的测量数据，IMU(惯性测量单元)的载体飞机搭载在无人机的惯性导航设备中，从而用于基于姿态进行无人机的精密位移推算，IMU的频率恒定为200hz。
通过将视觉图像的频率恒定在20hz，IMU的频率恒定在200hz，用于避免图像模糊以及IMU发生抖动的问题。
S4、将步骤S2和S3中采集的视觉图像和IMU测量数据进行时间同步处理，将视觉图像额时间戳与IMU的时间戳进行对齐，并基于差分算法处理使得视觉图像和IMU测量数据时间同步。
S5、对步骤S2中多个角度下的视觉图像同时进行图像特征提取与跟踪，计算相机的位姿，进行图像特征提取与跟踪包括以下具体内容：在对多相机采集到的图像进行跟踪排序，并重采样和去噪预处理，利用光流法计算出各点的光流值，得出各点的光流场，然后对光流场进行阈值分割，区分出前景与背景，采用形态学滤波中的开、闭运算滤除孤立噪声点，经过区域连通便可识别出目标区域并提取其特征信息。
其中，光流法可基于时变图像灰度(或其滤波形式)的时空微分(即时空梯度函数)来计算像素的速度矢量，也可以基于特征和区域匹配的匹配方法来计算。
S6、对步骤S4中的IMU测量数据基于IMU内置的预积分算法，利用IMU间相对姿态矩阵预积分方程，计算测量节点间相对姿态，然后对局部区域挠曲形状拟合，利用相对姿态计算值和拟合值构造量测量，对载体飞机的位姿进行计算。
S7、基于步骤S5和S6的计算数据，计算相邻两帧图像的图像特征点位置变化信息从而计算出两帧间的速度和位移，然后再积分计算两帧图像间的IMU数据从而算出载体飞机的运动速度和位移轨迹，对载体飞机的姿态和轨迹进行实时估计。
S8、将步骤S5和S6的多视觉图像和IMU数据进行紧耦合，将视觉图像和IMU得到的中间数据通过一个优化滤波器进行处理，把图像特征加入到特征向量中，对全局与局部图优化，计算出载体飞机的实时位姿和速度，实时估计载体飞机的运动状态信息；
S9、将多视觉图像与IMU紧耦合后的数据，再与GPS、超声波传感器、3DTof、磁力计进行扩展卡尔曼融合后，实时估计载体飞机的运动位移、速度和姿态变化，其中，GPS、超声波传感器、3DTof以及磁力计均搭载在无人机上。
S10、融合多传感器的载体飞机数据，载体飞机的运动状态数据即代表搭载载体飞机数据的无人机运动状态数据，实时感知无人机的运动状态信息，进行辅助无人机进行精准悬停，无人机的精准悬停的精度达到±5cm的范围内。
本发明的有益效果是：该无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，通过多视角图像融合机载IMU实时估计载体飞机运动状态信息，再与GPS、气压计、磁力计等信息进行融合，实时估计无人机的姿态信息和位置、速度信息，相比单纯GPS信号进行悬停定位的无人机，使用多角度视觉融合GPS信息，进行无人机的悬停技术会更稳定、更鲁棒、更精准。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，其特征在于，包括以下步骤：
S1、发送悬停指令至无人机，无人机接收到悬停指令，并同时开启无人机的悬停模式；
S2、无人机采集多个相机角度下的视觉图像，视觉图像的频率恒定为20hz；
S3、无人机采集IMU载体飞机测量的无人机六轴姿态角以及加速度在内的测量数据，IMU的频率恒定为200hz；
S4、将步骤S2和S3中采集的视觉图像和IMU测量数据进行时间同步处理，将视觉图像额时间戳与IMU的时间戳进行对齐，并基于差分算法处理使得视觉图像和IMU测量数据时间同步；
S5、对步骤S2中多个角度下的视觉图像同时进行图像特征提取与跟踪，对多相机采集到的图像进行跟踪排序，并重采样和去噪预处理，利用光流法计算出各点的光流值，得出各点的光流场，然后对光流场进行阈值分割，区分出前景与背景，采用形态学滤波中的开、闭运算滤除孤立噪声点，经过区域连通便可识别出目标区域并提取其特征信息,并计算相机的位姿；
S6、对步骤S4中的IMU测量数据基于IMU内置的预积分算法，利用IMU间相对姿态矩阵预积分方程，计算测量节点间相对姿态，然后对局部区域挠曲形状拟合，利用相对姿态计算值和拟合值构造量测量，对载体飞机的位姿进行计算；
S7、基于步骤S5和S6的计算数据，计算相邻两帧图像的图像特征点位置变化信息从而计算出两帧间的速度和位移，然后再积分计算两帧图像间的IMU数据从而算出载体飞机的运动速度和位移轨迹，对载体飞机的姿态和轨迹进行实时估计；
S8、将步骤S5和S6的多视觉图像和IMU数据进行紧耦合，将视觉图像和IMU得到的中间数据通过一个优化滤波器进行处理，把图像特征加入到特征向量中，对全局与局部图优化，计算出载体飞机的实时位姿和速度，实时估计载体飞机的运动状态信息；
S9、将多视觉图像与IMU紧耦合后的数据，再与GPS、超声波传感器、3DTof、磁力计进行扩展卡尔曼融合后，实时估计载体飞机的运动位移、速度和姿态变化；
S10、融合多传感器的载体飞机数据，载体飞机的运动状态数据即代表搭载载体飞机数据的无人机运动状态数据，实时感知无人机的运动状态信息，进行辅助无人机进行精准悬停。
2.根据权利要求1所述的一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，其特征在于，所述S2中，多个相机角度的视觉图像包括前视、左视、右视、后视以及下视的五个不同角度上的视觉图像，所述多个相机角度的视觉图像需要进行时间同步处理。
3.根据权利要求1所述的一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，其特征在于，所述S3中，IMU的载体飞机搭载在无人机的惯性导航设备中，从而用于基于姿态进行无人机的精密位移推算。
4.根据权利要求1所述的一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，其特征在于，所述S5中，光流法可基于时变图像灰度的时空微分来计算像素的速度矢量，也可以基于特征和区域匹配的匹配方法来计算。
5.根据权利要求1所述的一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，其特征在于，所述S8中，进行紧耦合时，多视觉图像和IMU数据进行相互调用，形成载体飞机运动位姿的全局图与局部图。
6.根据权利要求1所述的一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，其特征在于，所述S9中，GPS、超声波传感器、3DTof以及磁力计均搭载在无人机上。
7.根据权利要求1所述的一种无人机基于多视角视觉同步紧耦合视觉辅助悬停方法，其特征在于，所述S10中，无人机的精准悬停的精度达到±3cm的范围内。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111403845.1A CN114355961A (zh) | 2021-11-24 | 2021-11-24 | 无人机基于多视角视觉同步紧耦合视觉辅助悬停方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111403845.1A CN114355961A (zh) | 2021-11-24 | 2021-11-24 | 无人机基于多视角视觉同步紧耦合视觉辅助悬停方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114355961A true CN114355961A (zh) | 2022-04-15 |
Family
ID=81095538
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111403845.1A Pending CN114355961A (zh) | 2021-11-24 | 2021-11-24 | 无人机基于多视角视觉同步紧耦合视觉辅助悬停方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114355961A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107390704A (zh) * | 2017-07-28 | 2017-11-24 | 西安因诺航空科技有限公司 | 一种基于imu姿态补偿的多旋翼无人机光流悬停方法 |
| CN107504969A (zh) * | 2017-07-24 | 2017-12-22 | 哈尔滨理工大学 | 基于视觉和惯性组合的四旋翼室内导航方法 |
| CN110775288A (zh) * | 2019-11-26 | 2020-02-11 | 哈尔滨工业大学（深圳） | 一种基于仿生的飞行机械颈眼系统及控制方法 |
| CN112379681A (zh) * | 2020-11-02 | 2021-02-19 | 中国兵器工业计算机应用技术研究所 | 无人机避障飞行方法、装置及无人机 |
| CN113375665A (zh) * | 2021-06-18 | 2021-09-10 | 西安电子科技大学 | 基于多传感器松紧耦合的无人机位姿估计方法 |
-
2021
- 2021-11-24 CN CN202111403845.1A patent/CN114355961A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107504969A (zh) * | 2017-07-24 | 2017-12-22 | 哈尔滨理工大学 | 基于视觉和惯性组合的四旋翼室内导航方法 |
| CN107390704A (zh) * | 2017-07-28 | 2017-11-24 | 西安因诺航空科技有限公司 | 一种基于imu姿态补偿的多旋翼无人机光流悬停方法 |
| CN110775288A (zh) * | 2019-11-26 | 2020-02-11 | 哈尔滨工业大学（深圳） | 一种基于仿生的飞行机械颈眼系统及控制方法 |
| CN112379681A (zh) * | 2020-11-02 | 2021-02-19 | 中国兵器工业计算机应用技术研究所 | 无人机避障飞行方法、装置及无人机 |
| CN113375665A (zh) * | 2021-06-18 | 2021-09-10 | 西安电子科技大学 | 基于多传感器松紧耦合的无人机位姿估计方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110262546B (zh) | 一种隧道智能无人机巡检方法 | |
| CN110068335B (zh) | 一种gps拒止环境下无人机集群实时定位方法及系统 | |
| CN106017463B (zh) | 一种基于定位传感装置的飞行器定位方法 | |
| CN105652891B (zh) | 一种旋翼无人机移动目标自主跟踪装置及其控制方法 | |
| CN110243358A (zh) | 多源融合的无人车室内外定位方法及系统 | |
| Strydom et al. | Visual odometry: autonomous uav navigation using optic flow and stereo | |
| Merino et al. | Vision-based multi-UAV position estimation | |
| CN112634451A (zh) | 一种融合多传感器的室外大场景三维建图方法 | |
| CN110865650B (zh) | 基于主动视觉的无人机位姿自适应估计方法 | |
| Grabe et al. | Robust optical-flow based self-motion estimation for a quadrotor UAV | |
| CN112987065B (zh) | 一种融合多传感器的手持式slam装置及其控制方法 | |
| Hwangbo et al. | Visual-inertial UAV attitude estimation using urban scene regularities | |
| CN110553648A (zh) | 一种用于室内导航的方法和系统 | |
| CN104076817A (zh) | 一种高清视频航拍多模传感器自外感知智能导航系统及其方法 | |
| CN106289250A (zh) | 一种航向信息采集系统 | |
| CN112556719B (zh) | 一种基于cnn-ekf的视觉惯性里程计实现方法 | |
| 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 | |
| CN108106613B (zh) | 基于视觉辅助的定位方法与系统 | |
| CN110533719A (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 | |
| Williams et al. | Feature and pose constrained visual aided inertial navigation for computationally constrained aerial vehicles | |
| Wang et al. | Monocular vision and IMU based navigation for a small unmanned helicopter | |
| CN114910069A (zh) | 一种无人机的融合定位初始化系统及方法 | |
| CN113465596B (zh) | 一种基于多传感器融合的四旋翼无人机定位方法 | |
| CN116989772B (zh) | 一种空地多模态多智能体协同定位与建图方法 | |
| CN113701750A (zh) | 一种井下多传感器的融合定位系统 |
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 |