CN114549656A - Ar眼镜相机与imu的标定方法 - Google Patents
Ar眼镜相机与imu的标定方法 Download PDFInfo
- Publication number
- CN114549656A CN114549656A CN202210134645.9A CN202210134645A CN114549656A CN 114549656 A CN114549656 A CN 114549656A CN 202210134645 A CN202210134645 A CN 202210134645A CN 114549656 A CN114549656 A CN 114549656A
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- camera
- imu
- matrix
- axis
- 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 23
- 239000011521 glass Substances 0.000 title claims abstract description 11
- 238000005259 measurement Methods 0.000 title abstract description 14
- 230000003190 augmentative effect Effects 0.000 title abstract description 4
- 239000011159 matrix material Substances 0.000 claims abstract description 92
- 230000009466 transformation Effects 0.000 claims abstract description 56
- 238000013519 translation Methods 0.000 claims description 25
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000003672 processing method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 9
- 230000010354 integration Effects 0.000 abstract description 3
- 230000001133 acceleration Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及一种AR眼镜相机与IMU的标定方法,包括采用应用同一世界坐标系的相机坐标系经过一体的IMU和相机多次移动拟合求出相机坐标系到IMU坐标系的变换矩阵T;本发明通过先标定出相机的内参数,再由机器人的空间矩阵变换理论转换成求解AT=TB问题,解决了现有技术中对图像重投影误差的计算方法复杂且优化参数众多的技术问题。本发明保护了相机拍照一次同时IMU积分多次的标定方法,减少了IMU和图像的重投影误差计算、减少了IMU和相机时间延时的校准参数,减少了IMU和摄像机移动的次数,减少了IMU和相机的标定时间。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种AR眼镜相机与IMU的标定方法。
背景技术
SLAM,全称叫Simultaneous Localization and Mapping,中文叫同时定位与建图。就是一个传感器在不停的运动,并在实时的扫描周围的地形。目前基于SLAM技术开发的代表性产品有微软的Hololens和谷歌的Project Tango。但现有技术中在AR眼镜中单目SLAM处在初始化的尺度问题和追踪的尺度漂移问题,而双目也存在精度不高和鲁棒性不好的问题。IMU(Inertial Measurement Unit),中文叫惯性测量单元,惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置。一般的,一个IMU包含了三个单轴的加速度计和三个单轴的陀螺,加速度计检测物体在载体坐标系统独立三轴的加速度信号,而陀螺检测载体相对于导航坐标系的角速度信号,测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态。
现在常用的是采kalibr(视觉-惯性标定工具箱)标定原理是来对图像的重投影误差进行计算,但该方法计算复杂且优化参数众多,计算效率低。
发明内容
针对上述现有技术中存着的不足之处,本发明提供了一种AR眼镜相机与IMU的标定方法,解决了现有技术中对图像重投影误差的计算方法复杂且优化参数众多的技术问题。
本发明公开了一种AR眼镜相机与IMU的标定方法,包括采用应用同一世界坐标系的相机坐标系经过一体的IMU和相机多次移动拟合求出相机坐标系到IMU坐标系的变换矩阵T;
Timu1×T×Tc1×P1=Timu1×T1×Timu2×T×Tc2×P2 (1)
其中,Timu1为AR模块位置1时的IMU坐标系,Tc1为位置1相机坐标系;Timu2为AR模块位置2时的IMU坐标系,Tc2为位置2相机坐标系;T1为IMU从位置1移动到位置2的变换矩阵;P1为一个图像特征点在相机坐标系TC2下的坐标点;P2为一个图像特征点在相机坐标系TC2下的坐标点。
本发明AR眼镜相机与IMU的标定方法进一步改进在于,相机坐标系到IMU坐标系的变换矩阵:
其中r11,r12,r13,r21,r22,r23,r31,r32,r33代表旋转矩阵;p1,p2,p3代表平移矩阵x,y,z分量;
按照公式(9)和(10)设定待求的变换矩阵:
其中,T’代表相机坐标系到IMU坐标系的变换矩阵,R’代表相机坐标系到IMU坐标系变换矩阵的旋转矩阵,Rz(θ′)分别代表相机坐标系到IMU坐标系的变换矩阵的x轴的旋转矩阵、y轴的旋转矩阵,Z轴的旋转矩阵;θ′,pX′,py′,pz′表示相机坐标系到IMU坐标系的变换矩阵的x,y,z坐标轴的旋转和x,y,z坐标轴的平移量;
相机坐标系到IMU坐标系的变换矩阵可转换成6个代求的未知数;
采用非线性函数的最小二乘处理方法来求取18个未知数,其中6个未知数为相机坐标系到IMU坐标系的变换矩阵;
t为t=(px,py,pz)T(10)
其中θ,px,py,pz代表相机坐标系到物体坐标系绕x坐标轴的旋转角,相机坐标系到物体坐标系绕y坐标轴的旋转角,相机坐标系到物体坐标系绕z坐标轴的旋转角,代表相机坐标系到物体坐标系x坐标轴平移量,代表相机坐标系到物体坐标系y坐标轴平移量,代表相机坐标系到物体坐标系z坐标轴平移量;Rz(θ)代表相机坐标系到IMU坐标系的变换矩阵的x轴的旋转矩阵、y轴的旋转矩阵,Z轴的旋转矩阵;
变换理论IMU和相机同时经过一次运动则相机坐标系到物体坐标系(相机标定板)产生两个相机坐标系到物体坐标系T11和T12为12个待求的未知数。
本发明和已有技术相比较,其效果是积极和明显的。本发明通过先标定出相机的内参数,再由机器人学的空间矩阵变换理论转换成求解AT=TB问题,解决了现有技术中对图像重投影误差的计算方法复杂且优化参数众多的技术问题。本发明保护了相机拍照一次同时IMU积分多次的标定方法,减少了IMU和图像的重投影误差计算、减少了IMU和相机时间延时的校准参数,减少了IMU和摄像机移动的次数,减少了IMU和相机的标定时间。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的AR眼镜相机与IMU的标定方法的原理图。
图2为本发明的AR眼镜相机与IMU的标定方法的相机坐标系到物体坐标系的变换矩阵(R,t)的示意图。
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。
本实施例中,以相机坐标系到物体坐标系的变换矩阵作为中间量来求取相机坐标系到IMU坐标系的变换矩阵,物体坐标系即相机标定板处,也即世界坐标系。
如图1所示,本发明提供了AR眼镜相机与IMU的标定方法,包括采用应用同一世界坐标系的相机坐标系经过一体的IMU和相机多次移动拟合求出相机坐标系到IMU坐标系的变换矩阵T;
Timu1×T×Tc1×P1=Timu1×T1×Timu2×T×Tc2×P2 (1)
其中,Timu1为AR模块位置1时的IMU坐标系,Tc1为位置1相机坐标系;Timu2为AR模块位置2时的IMU坐标系,Tc2为位置2相机坐标系;T1为IMU从位置1移动到位置2的变换矩阵;P1为一个图像特征点在相机坐标系TC1下的坐标点;P2为一个图像特征点在相机坐标系TC2下的坐标点。
通过运动积分模型公式(4)和(6)计算下一帧imu的旋转矩阵、下一刻imu的速度和下一刻imu的位置:
通过公式(7)计算T1为相机从imu1位置移动到imu2位置的变换矩阵:
R(t+Δt)为T1时刻的IMU旋转矩阵,p(t+Δt)T1时刻的IMU平移矩阵。
其中由公式(8)相机的针孔模型或得:
如图2所示,先用opencv(跨平台计算机视觉和机器学习软件库)标定好针孔模型相机的内参数fx,fy,cx,cy,fx,fy为相机焦距(像素单位)cx,cy为相机光轴在图像坐标系中的偏移量(像素单位),u,v为像素点x,y方向坐标,XYZ为该像素点在相机坐标系下坐标,Z代表代表相机到物体的距离。
由相机坐标系到物体坐标系的转换,物体上的点P对应图像平面上的点p,通过使用旋转矩阵R和平移向量t将点p和点P关联起来。
t为t=(px,py,pz)T (10)
其中θ,px,py,pz代表相机坐标系到物体坐标系绕x坐标轴的旋转角,相机坐标系到物体坐标系绕y坐标轴的旋转角,相机坐标系到物体坐标系绕z坐标轴的旋转角,代表相机坐标系到物体坐标系x坐标轴平移量,代表相机坐标系到物体坐标系y坐标轴平移量,代表相机坐标系到物体坐标系z坐标轴平移量;Rz(θ)代表相机坐标系到IMU坐标系的变换矩阵的x轴的旋转矩阵、y轴的旋转矩阵,Z轴的旋转矩阵;
变换理论IMU和相机同时经过一次运动则相机坐标系到物体坐标系(相机标定板)产生两个相机坐标系到物体坐标系T11和T12为12个待求的未知数。
公式(11)为相机坐标系到IMU坐标系的变换矩阵,其中:
其中r11,r12,r13,r21,r22,r23,r31,r32,r33代表旋转矩阵;p1,p2,p3代表平移矩阵x,y,z分量;
按照公式9和10同样设定待求的变换矩阵:
其中,T’代表相机坐标系到IMU坐标系的变换矩阵,R’代表相机坐标系到IMU坐标系变换矩阵的旋转矩阵,Rz(θ′)分别代表相机坐标系到IMU坐标系的变换矩阵的x轴的旋转矩阵、y轴的旋转矩阵,Z轴的旋转矩阵;θ′,pX′,py′,pz′表示相机坐标系到IMU坐标系的变换矩阵的x,y,z坐标轴的旋转和x,y,z坐标轴的平移量;
相机坐标系到IMU坐标系的变换矩阵可转换成6个代求的未知数。
综上所述,采用非线性函数的最小二乘处理方法来求取18个未知数,其中6个未知数为相机坐标系到IMU坐标系的变换矩阵;
具体求法:经过公式(1)可以整理出
此方程为非线性函数,其测量方程、误差方程和正规方程也将都是非线性方程,对公式(12)先将其线性化,然后在按线性函数求解。
具体作法是:对被测量值取近似值
θ1″,px1″,py1″,pz1″,θ2″,px2″,py2″,pz2″,θ″,pX″′,py″′,pz″′其与估计值之间有θ1,px1,py1,pz1,θ2,px2,py2,pz2,θ′,pX′,py′,pz′有微小的差别δi;
这样只要求得δ1,δ2,Lδ16问题便可解决;
其中L表示中间的若干个数,M表示中间的若干个方程;
其中δ1~δ6为相机移动前相机坐标系到物体坐标系的变换矩阵的x,y,z坐标轴的旋转和x,y,z坐标轴的平移量误差;
其中δ7~δ12为相机移动后相机坐标系到物体坐标系的变换矩阵的x,y,z坐标轴的旋转和x,y,z坐标轴的平移量误差;
其中δ13~δ18为相机坐标系到IMU坐标系的变换矩阵的x,y,z坐标轴的旋转和x,y,z坐标轴的平移量误差;
解方程组:
以其诸解作为近似值;
其中li代表有误差的实测值,L表示中间的若干个数,m代表有M个方程取18;
这样δi将很小。其中li为有误差的实测值;
则有以下线性误差方程组;
固有V′V=最小
其中L表示中间的若干个数,M表示中间的若干个方程;
v1~v6代表相机移动前相机坐标系到物体坐标系的变换矩阵的x,y,z坐标轴的旋转和x,y,z坐标轴的平移量实际测量数值与估计值之差;
其中v7~v12相机移动后相机坐标系到物体坐标系的变换矩阵的x,y,z坐标轴的旋转和x,y,z坐标轴的平移量实际测量数值与估计值之差;
其中v13~v18相机坐标系到IMU坐标系的变换矩阵的x,y,z坐标轴的旋转和x,y,z坐标轴的平移量实际测量数值与估计值之差;
转化求解线性方程最小二乘问题,以求取上述的18个未知数。
现有技术中通用的kalibr(视觉-惯性标定工具箱)标定方法图像两帧之间的IMU采集帧数有很多帧,这样应用IMU预积分时需要计算每一帧的IMU运动模型;而本发明提出的理论是IMU和相机同时触发,一帧图像数据对应一帧IMU数据,这样IMU和摄像机移动的次数就不需要很多次,而且不需要IMU和相机时间延时的校准。
本发明通过先标定出相机的内参数,再由机器人的空间矩阵变换理论转换成求解AT=TB问题,解决了现有技术中对图像重投影误差的计算方法复杂且优化参数众多的技术问题。本发明保护了相机拍照一次同时IMU积分多次的标定方法,减少了IMU和图像的重投影误差计算、减少了IMU和相机时间延时的校准参数,减少了IMU和摄像机移动的次数,减少了IMU和相机的标定时间。
本发明中未涉及部分均与现有技术相同或可采用现有技术加以实现。以上所述仅是本发明的较佳实施例而已,并非对本发明做任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案的范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但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作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (2)
1.一种AR眼镜相机与IMU的标定方法,其特征在于:包括采用应用同一世界坐标系的相机坐标系经过一体的IMU和相机多次移动拟合求出相机坐标系到IMU坐标系的变换矩阵T;
由公式(1)求出变换矩阵T:
Timu1×T×Tc1×P1=Timu1×T1×Timu2×T×Tc2×P2 (1)
其中,Timu1为AR模块位置1时的IMU坐标系,Tc1为位置1的相机坐标系;Timu2为AR模块位置2时的IMU坐标系,Tc2为位置2的相机坐标系;T1为IMU从位置1移动到位置2的变换矩阵;P1为一个图像特征点在相机坐标系TC1下的坐标点;P2为一个图像特征点在相机坐标系TC2下的坐标点。
2.根据权利要求1所述的AR眼镜相机与IMU的标定方法,其特征在于,相机坐标系到IMU坐标系的变换矩阵T表示为公式(11):
其中r11,r12,r13,r21,r22,r23,r31,r32,r33代表旋转矩阵;p1,p2,p3代表平移矩阵x,y,z分量;
按照公式(9)和(10)设定待求的变换矩阵:
其中,T’代表相机坐标系到IMU坐标系的变换矩阵,R’代表相机坐标系到IMU坐标系变换矩阵的旋转矩阵,Rz(θ′)分别代表相机坐标系到IMU坐标系的变换矩阵的x轴的旋转矩阵、y轴的旋转矩阵,Z轴的旋转矩阵;θ′,pX′,py′,pz′表示相机坐标系到IMU坐标系的变换矩阵的x,y,z坐标轴的旋转和x,y,z坐标轴的平移量;
相机坐标系到IMU坐标系的变换矩阵可转换成6个代求的未知数;
采用非线性函数的最小二乘处理方法来求取18个未知数,其中6个未知数为相机坐标系到IMU坐标系的变换矩阵;
t为t=(px,py,pz)T (10)
其中θ,px,py,pz代表相机坐标系到物体坐标系绕x坐标轴的旋转角,相机坐标系到物体坐标系绕y坐标轴的旋转角,相机坐标系到物体坐标系绕z坐标轴的旋转角,代表相机坐标系到物体坐标系x坐标轴平移量,代表相机坐标系到物体坐标系y坐标轴平移量,代表相机坐标系到物体坐标系z坐标轴平移量;Rz(θ)代表相机坐标系到IMU坐标系的变换矩阵的x轴的旋转矩阵、y轴的旋转矩阵,Z轴的旋转矩阵;
变换理论IMU和相机同时经过一次运动则相机坐标系到物体坐标系产生相机坐标系到物体坐标系的两个变换矩阵,得到12个待求的未知数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210134645.9A CN114549656A (zh) | 2022-02-14 | 2022-02-14 | Ar眼镜相机与imu的标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210134645.9A CN114549656A (zh) | 2022-02-14 | 2022-02-14 | Ar眼镜相机与imu的标定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114549656A true CN114549656A (zh) | 2022-05-27 |
Family
ID=81675602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210134645.9A Pending CN114549656A (zh) | 2022-02-14 | 2022-02-14 | Ar眼镜相机与imu的标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114549656A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020259106A1 (zh) * | 2019-06-24 | 2020-12-30 | 深圳奥比中光科技有限公司 | 相机和惯性测量单元相对姿态的标定方法及装置 |
WO2021043214A1 (zh) * | 2019-09-04 | 2021-03-11 | 深圳市道通智能航空技术有限公司 | 一种标定方法、装置及飞行器 |
US10992928B1 (en) * | 2020-01-30 | 2021-04-27 | Facebook Technologies, Llc | Calibration system for concurrent calibration of device sensors |
CN112734841A (zh) * | 2020-12-31 | 2021-04-30 | 华南理工大学 | 一种用轮式里程计-imu和单目相机实现定位的方法 |
WO2021180128A1 (zh) * | 2020-03-11 | 2021-09-16 | 华南理工大学 | 一种基于rgbd传感器和imu传感器的定位方法 |
CN113763479A (zh) * | 2021-07-19 | 2021-12-07 | 长春理工大学 | 一种折反射全景相机与imu传感器的标定方法 |
-
2022
- 2022-02-14 CN CN202210134645.9A patent/CN114549656A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020259106A1 (zh) * | 2019-06-24 | 2020-12-30 | 深圳奥比中光科技有限公司 | 相机和惯性测量单元相对姿态的标定方法及装置 |
WO2021043214A1 (zh) * | 2019-09-04 | 2021-03-11 | 深圳市道通智能航空技术有限公司 | 一种标定方法、装置及飞行器 |
US10992928B1 (en) * | 2020-01-30 | 2021-04-27 | Facebook Technologies, Llc | Calibration system for concurrent calibration of device sensors |
WO2021180128A1 (zh) * | 2020-03-11 | 2021-09-16 | 华南理工大学 | 一种基于rgbd传感器和imu传感器的定位方法 |
CN112734841A (zh) * | 2020-12-31 | 2021-04-30 | 华南理工大学 | 一种用轮式里程计-imu和单目相机实现定位的方法 |
CN113763479A (zh) * | 2021-07-19 | 2021-12-07 | 长春理工大学 | 一种折反射全景相机与imu传感器的标定方法 |
Non-Patent Citations (2)
Title |
---|
XIAO HU等: "Multistate Constrained Invariant Kalman Filter For Rolling Shutter Camera And Imu Calibration", 2020 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING, 30 September 2020 (2020-09-30), pages 56 - 60 * |
杨浩;张峰;叶军涛;: "摄像机和惯性测量单元的相对位姿标定方法", 机器人, no. 04, 15 July 2011 (2011-07-15), pages 37 - 44 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109540126B (zh) | 一种基于光流法的惯性视觉组合导航方法 | |
CN111156998B (zh) | 一种基于rgb-d相机与imu信息融合的移动机器人定位方法 | |
CN106056664B (zh) | 一种基于惯性和深度视觉的实时三维场景重构系统及方法 | |
CN110986939B (zh) | 一种基于imu预积分的视觉惯性里程计方法 | |
TWI397671B (zh) | 定位載體、估測載體姿態與建地圖之系統與方法 | |
JP4876204B2 (ja) | 小型姿勢センサ | |
CN106052584B (zh) | 一种基于视觉及惯性信息融合的轨道空间线形测量方法 | |
CN108170297B (zh) | 实时六自由度vr/ar/mr设备定位方法 | |
CN111380514A (zh) | 机器人位姿估计方法、装置、终端及计算机存储介质 | |
CN111415387A (zh) | 相机位姿确定方法、装置、电子设备及存储介质 | |
CN113551665B (zh) | 一种用于运动载体的高动态运动状态感知系统及感知方法 | |
CN115371665B (zh) | 一种基于深度相机和惯性融合的移动机器人定位方法 | |
CN112116651B (zh) | 一种基于无人机单目视觉的地面目标定位方法和系统 | |
CN112985450B (zh) | 一种具有同步时间误差估计的双目视觉惯性里程计方法 | |
CN114608554B (zh) | 一种手持slam设备以及机器人即时定位与建图方法 | |
CN111504314B (zh) | Imu与刚体的位姿融合方法、装置、设备及存储介质 | |
CN111340851A (zh) | 基于双目视觉与imu融合的slam方法 | |
Satoh et al. | A head tracking method using bird's-eye view camera and gyroscope | |
CN114926547A (zh) | 一种相机与imu的标定方法、电子设备及系统 | |
CN114018291A (zh) | 一种惯性测量单元参数的标定方法、装置 | |
CN109785428A (zh) | 一种基于多态约束卡尔曼滤波的手持式三维重建方法 | |
CN116952229A (zh) | 无人机定位方法、装置、系统和存储介质 | |
CN114549656A (zh) | Ar眼镜相机与imu的标定方法 | |
CN113405532B (zh) | 基于视觉系统结构参数的前方交会测量方法及系统 | |
CN112161639B (zh) | 一种基于角度光流法的垂直双目惯导里程计及其计算方法 |
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 |