CN114742141A - 基于icp点云的多源信息数据融合研判方法 - Google Patents
基于icp点云的多源信息数据融合研判方法 Download PDFInfo
- Publication number
- CN114742141A CN114742141A CN202210333317.1A CN202210333317A CN114742141A CN 114742141 A CN114742141 A CN 114742141A CN 202210333317 A CN202210333317 A CN 202210333317A CN 114742141 A CN114742141 A CN 114742141A
- Authority
- CN
- China
- Prior art keywords
- data
- source
- wireless power
- power supply
- point cloud
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本发明公开了基于ICP点云的多源信息数据融合研判方法,包括:采集多源信息;采用ICP算法对雷达源信息和无线电源信息的数据分别进行点云匹配变换,实现雷达源和无线电源的数据到地球坐标系的转换,得到最终的映射矩阵;获取所有的无线电源和雷达源数据,分别对于每个无线电源和雷达源的数据均进行空间特征和运动特征的提取,并将得到的空间特征和运动特征整合记录到点的特征中;进行数据对比,根据雷达源和无线电源的时间差,以及目标源的速度粗估算在相同时间点的经纬度和高度,判断雷达源和无线电源数据得到的距离、高低和速度是否在偏差内;根据偏差结果进行融合判断。本发明为多个信息源系统提供数据融合研判的理论依据和支撑。
Description
技术领域
本发明涉及检测数据处理技术领域,尤其涉及基于ICP点云的多源信息数据融合研判方法。
背景技术
近年来,民用无人机技术日渐成熟,在应用越来越广泛的同时,由民用无人机引发的控制事故与相关安全问题日益常态化,民用无人机飞行器在许多有益应用场景的同时,也可能被越来越多的恶意使用。
对于低小慢的无人机反制系统就此产生了。对于低小慢无人机反制系统主要分为侦测和反制两部分,侦测识别真实目标是整个系统中的重要部分。通常一个系统中具有不止一个侦测设备,例如无线电破解设备,雷达,光电探头,不同设备探测目标的时候都是独立的探测,不同的设备间发现目标的能力以及识别真假目标的能力也不尽相同,不同的设备探测到的目标也是相互独立展示的,因此不同探测设备之间联动显得尤为重要;如何提高不同设备数据之间的耦合性和联动性,并保证融合的精确度往往是目前需要解决的问题。
发明内容
本发明的目的在于克服现有技术的不足,提供基于ICP点云的多源信息数据融合研判方法。
本发明的目的是通过以下技术方案来实现的:
基于ICP点云的多源信息数据融合研判方法,包括以下步骤:
步骤1:采集多源信息,包括雷达源信息和无线电源信息;
步骤2:采用ICP算法对雷达源信息和无线电源信息的数据分别进行点云匹配变换,通过计算旋转矩阵R和平移矩阵T对坐标系的点云数据坐标进行调整,再对调整后的坐标进行畸形矫正,实现雷达源和无线电源的数据到地球坐标系的转换;从而得到雷达源和无线电源数据到地球坐标系的映射矩阵
步骤3:获取所有的无线电源的数据,将其映射到地球坐标系中,对于每个无线电源的数据均进行空间特征和运动特征的提取,并将得到的空间特征和运动特征整合记录到点的特征中;
步骤4:获取所有的雷达源的数据,将其映射到地球坐标系中,对于每个雷达源的目标数据均进行空间特征和运动特征的提取,并将得到的空间特征和运动特征整合记录到点的特征中;
步骤5:对每个雷达源的目标数据与在点云中的无线电源的数据进行对比,根据雷达源和无线电源的时间差,以及目标源的速度粗估算在相同时间点的经纬度和高度,判断雷达源和无线电源数据得到的距离、高低和速度是否在偏差内;
步骤6:若所有对比结果均在偏差内,则认为是同一个目标,并将2个目标进行融合处理;随着时间推移关注这两个目标的时候,如果出现目标判断时连续3次不满足对比结果在均偏差内的条件,则认为融合失败,解除融合状态。
进一步的,所述雷达源的信息包括距离、方位角、高度、反射面、物体的运动速度、经纬度以及海拔。
进一步的,所述无线电源的信息包括无人机的无人机名称编号、经纬度、海拔高度、速度、相对飞手距离和飞手经纬度。
进一步的,所述步骤2具体包括:
步骤201:根据无线电源信息和雷达源信息分别得到对应的三维直角坐标数据,形成无线电数据目标点集Q和雷达数据点集P;
步骤202:将点集Q和点集P中的点一一对应
步骤203:将无线电源信息和雷达源信息分别得到对应的三维直角坐标数据通过ICP算法进行点云匹配变换,形成点云数据;
步骤204:计算旋转矩阵R和平移矩阵T,判断在所述旋转矩阵R和平移矩阵T的误差函数是否最小;若否,则返回步骤202;若是,则ICP算法结束;
步骤205:计算畸形矩阵,通过畸形矩阵对转换后的源坐标系进行矫正;
步骤206:得到最终的雷达源和无线电源数据到地球坐标系的映射矩阵。
其中,T3×1=[tx ty tz]T;
其中,α、β、γ分别表示点沿x、y、z轴的旋转角度,tx、ty、tz分别表示点沿x、y、z轴的平移量;其中,
进一步的,所述旋转矩阵R和平移矩阵T的误差函数为:
其中,f(R,t)表示源点集P在变换矩阵(R,t)下与目标点集Q之间的误差,R为旋转矩阵,t为平移矩阵;pi为源点集中的点集元素;qi为目标点集中的点集元素;n表示点集的规模。
进一步的,所述步骤204具体为:
步骤2041:根据计算得到旋转矩阵R和平移矩阵T对源点集P进行旋转平移变换,得到新的点集P’={pi’=Rpi+t,pi∈P};
步骤2042:计算pi’与对应点集qi的平均距离,如果小于给定的阈值或者大于预设的迭代次数,则停止迭代计算;否则返回第203步,直到误差函数满足收敛条件为止。
进一步的,所述畸形矩阵的计算公式为:
其中,x0,y0,z0为目标坐标系的坐标,x1,y1,z1为源坐标系的坐标;k11,k12,…,k30为通过线性回归方程拟合计算得到的数值。
本发明的有益效果:本发明通过多源信息判断目标在多个系统中是否具有相同或类似的空间特征以及物理运动特征,进而将多源的信息整合成单一目标,使研判真实目标的状态更真实,避免过多的虚假目标的干扰,能提高目标的可靠性,为以后更多源的系统中目标的研判提供理论和实际基础,在多站点的布局上形成统一的研判平台,提升用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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示出的结构获得其他的附图。
图1为本发明的方法流程图。
图2为ICP点云匹配变换流程图。
图3为数据融合研判流程图。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
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,所描述的实施例仅是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,本领域普通技术人员在没有作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。
在本实施例中,如图1所示,基于ICP点云的多源信息数据融合研判方法,包括以下步骤:
步骤1:采集多源信息,包括雷达源信息和无线电源信息;
步骤2:采用ICP算法对雷达源信息和无线电源信息的数据分别进行点云匹配变换,通过计算旋转矩阵R和平移矩阵T对坐标系的点云数据坐标进行调整,再对调整后的坐标进行畸形矫正,实现雷达源和无线电源的数据到地球坐标系的转换;从而得到雷达源和无线电源数据到地球坐标系的映射矩阵;
步骤3:获取所有的无线电源的数据,将其映射到地球坐标系中,对于每个无线电源的数据均进行空间特征和运动特征的提取,并将得到的空间特征和运动特征整合记录到点的特征中;
步骤4:获取所有的雷达源的数据,将其映射到地球坐标系中,对于每个雷达源的目标数据均进行空间特征和运动特征的提取,并将得到的空间特征和运动特征整合记录到点的特征中;
步骤5:对每个雷达源的目标数据与在点云中的无线电源的数据进行对比,根据雷达源和无线电源的时间差,以及目标源的速度粗估算在相同时间点的经纬度和高度,判断雷达源和无线电源数据得到的距离、高低和速度是否在偏差内;
步骤6:若所有对比结果均在偏差内,则认为是同一个目标,并将2个目标进行融合处理;随着时间推移关注这两个目标的时候,如果出现目标判断时连续3次不满足对比结果在均偏差内的条件,则认为融合失败,解除融合状态。
本发明的目的在于通过多源信息判断目标在多个系统中是否具有相同或类似的空间特征以及物理运动特征,进而将多源的信息整合成单一目标,提供精准的目标研判,为后续的处置流程提供基础。
多源信息在本方案中包括雷达数据源,无线电破解设备源,无线电破解设备源以下统称为无线电源。雷达源的目标信息结构包括距离,方位角,高度,反射面,物体的运动速度(包括大小和方向)以及根据以上特征推理出来的经纬度,海拔等信息。无线电源的目标信息结构包括无人机的无人机名称编号,经纬度,海拔高度,速度,相对飞手距离,飞手经纬度等信息。无线电源具有精度高,定位准确的特点,因此可以认为由无线电源得到的数据就是真实的地球坐标系中的真实数据,因此融合的时候需要先将雷达数据转到地球坐标系中再进行融合的研判。
将雷达源转到地球坐标系中的时候用到的是ICP点云配对原理,通过ICP算法将雷达源的数据通过旋转平移矩阵转换后,再通过一个畸形矫正矩阵变换到地球坐标系中。然后通过对比物体的空间特征以及运动特征,判断是否可能是同一个目标。
如图2所示,ICP算法原理以及流程如下:
(1)可以设定设备所在的位置为其坐标的原点位置,那么现在就有2组坐标数据,一组无线电对应的三维直角坐标系(简称地球坐标系),一组是雷达对应的三维直角坐标系(简称源坐标系)。
(2)点云匹配的变换公式由以下公式来表示:
其中R3x3代表旋转矩阵,T3x1代表平移向量,S代表整体比例因子,O1x3为零向量,地球坐标系和源坐标系都是基于真实世界的比例,因此此处S=1。
展开R3x3和T3x1
T3×1=[tx ty tz]T
其中α、β、γ分别表示点沿x、y、z轴的旋转角度,tx、ty、tz分别表示点沿x、y、z轴的平移量。
上述公式中R3x3可以进一步表示为:
刚性变换矩阵中涉及到6个未知数α、β、γ、tx、ty、tz。需要唯一确定这六个未知参数需要6个线性方程,才可以得到这几个位置数的值,进而完成刚性矩阵的参数估计。
(3)根据上述公式以及点云数据,那么就可以开始求解这两个点云数据的旋转矩阵和平移向量。此处,需要确定目标函数来求解,在待匹配的两组点云数据的重叠区域内,分别选取两个点集来表示源点集和目标点集,其中P={pi|pi∈R3,i=1,2,……n}为源点集,Q={qj|qj∈R3,j=1,2,……m}为目标点集,m和n分别代码两个点集的规模。设旋转矩阵为R,平移矩阵为t,用f(R,t)来表示源点集P在变换矩阵(R,t)下与目标点集Q之间的误差。则求解最优变换矩阵的问题就可以转化为求满足min(f(R,t))的最优解(R,t)
(4)由于知道点云的点配对情况因此只需要通过计算旋转矩阵R和平移矩阵t,使得误差函数最小,对于取得的R和t对点集P进行旋转平移变换,得到新的点集P’={pi’=Rpi+t,pi∈P};计算pi’与对应点集qi的平均距离,如果小于某一给定的阈值或者大于预设的迭代次数,则停止迭代计算。否则返回第3步,直到满足收敛条件为止。
通过观察旋转平移点云匹配的情况后,发现在不同方位角的时候地球坐标系和源坐标系的高度差是不相同的。也就是说无线电的坐标系和雷达源的坐标系之间并不是严格的直角坐标系,它们各自的坐标系中存在坐标系形变,因此需要在ICP点云配对模型的基础上增加形变处理。
形变通过对坐标进行线性拟合达到消除形变的效果,针对实验结果的观察,发现误差量基本都是在z方向上,因此对z方向的偏置进行3次方拟合,拟合公式如下:
其中x0,y0,z0为目标坐标系的坐标,x1,y1,z1为源坐标系的坐标,通过线性回归方程的计算可以计算出K:{k11,k12,……,k30}的值。
那么最终的坐标转换关系则是先将原坐标通过旋转平移矩阵转换成新的坐标(x1,y1,z1)然后再通过上述的方程转化到目标坐标系中,即可。
通过以上方法完成了地球坐标系中坐标到源坐标系中的转换,无线电源数据和雷达源数据点集经过处理为三维坐标点之后,首先通过ICP算法进行旋转平移矩阵的计算,通过旋转平移后的矩阵计算畸形形变矩阵,结合起来成为无线电映射到光电探头的坐标系中,经过实际测试,仅通过一次数据采集就完成了数据标定,大大提高了数据的不同设备之间的耦合性和联动性,为后续更精准的处置流程提供保证。以上方法通过测试,需要在各个方向上都有数据才能保证转换才能保证最后一步中的畸形转换公式的效果,否则会出现欠拟合的现象。
根据以上的算法算出旋转平移矩阵和畸形矫正矩阵之后,就可以进行下一步的融合研判。
如图3所示,融合研判的步骤如下:
1.获取所有的无线电源的数据,对于每个无线电源进行如下处理:
a)空间特征处理:取最近时间点的无线电数据的中的经度,纬度,高度,时间点。
b)运动特征处理:取最近3个点的无线电数据(如果不够则取对应所有点),计算出平均速度,和方向,平均加速度。
c)将a,b中得到的特征整合记录到点的特征中。
2.获取所有的雷达源的数据,对每个雷达源的目标数据进行一下特征提取处理:
a)空间特征处理:取最近时间点的无线电数据的中的经度,纬度,高度,时间点,将经纬度和高度通过上一步中获得的旋转平移矩阵和畸形矩阵进行进行平移旋转,并通过最终的畸形矩阵进行变换得到变换后的经度纬度高度。
b)运动特征处理:取最近的3个点的目标雷达数据(如果不够则取对应所有点),计算出平均速度,和方向,平均加速度。
c)将a,b中得到的特征整合记录到点的特征中。
3.对于每个雷达源目标数据首先在无线电源的数据中进行对比,在空间特征中由于雷达探测原理距离雷达越远的目标在空间范围内误差越大,因此根据雷达源目标距离雷达的距离跟误差应该成正相关,距离雷达越远则空间判定阈值应该越大,因此假定空间阈值为πr/36。
4.由于目标探测的时间并不是同时的,因此需要在判断目标源的是否一致的时候需要增加时间推算,根据雷达源和无线电源的时间差,和目标源的速度进行粗估算在相同时间点的经纬度和高度。
a)通过经纬度算出无线电源和雷达源之间的距离则再根据空间阈值计算公式计算偏差是否在偏差内,如果是则进行下一步判断。
b)同理对高度也进行同样的计算,如果都在偏差以内,则进行下一步判断。
c)对雷达源和无线电源的速度进行判断,如果误差在15%以内,则可以认定两个源的信息是基本相符的。
5.通过以上结果对比之后如果都满足,则可以认为是同一个目标,可以将2个目标进行融合处理。随着时间推移关注这两个目标的时候,如果出现目标判断时连续3次不满足4中的条件,则认为融合失败,解除融合状态。
需要说明的是,对于前述的各个方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某一些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和单元并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、ROM、RAM等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (8)
1.基于ICP点云的多源信息数据融合研判方法,其特征在于,包括以下步骤:
步骤1:采集多源信息,包括雷达源信息和无线电源信息;
步骤2:采用ICP算法对雷达源信息和无线电源信息的数据分别进行点云匹配变换,通过计算旋转矩阵R和平移矩阵T对坐标系的点云数据坐标进行调整,再对调整后的坐标进行畸形矫正,实现雷达源和无线电源的数据到地球坐标系的转换;从而得到雷达源和无线电源数据到地球坐标系的映射矩阵;
步骤3:获取所有的无线电源的数据,将其映射到地球坐标系中,对于每个无线电源的数据均进行空间特征和运动特征的提取,并将得到的空间特征和运动特征整合记录到点的特征中;
步骤4:获取所有的雷达源的数据,将其映射到地球坐标系中,对于每个雷达源的目标数据均进行空间特征和运动特征的提取,并将得到的空间特征和运动特征整合记录到点的特征中;
步骤5:对每个雷达源的目标数据与在点云中的无线电源的数据进行对比,根据雷达源和无线电源的时间差,以及目标源的速度粗估算在相同时间点的经纬度和高度,判断雷达源和无线电源数据得到的距离、高低和速度是否在偏差内;
步骤6:若所有对比结果均在偏差内,则认为是同一个目标,并将2个目标进行融合处理;随着时间推移关注这两个目标的时候,如果出现目标判断时连续3次不满足对比结果在均偏差内的条件,则认为融合失败,解除融合状态。
2.根据权利要求1所述的基于ICP点云的多源信息数据融合研判方法,其特征在于,所述雷达源的信息包括距离、方位角、高度、反射面、物体的运动速度、经纬度以及海拔。
3.根据权利要求1所述的基于ICP点云的多源信息数据融合研判方法,其特征在于,所述无线电源的信息包括无人机的无人机名称编号、经纬度、海拔高度、速度、相对飞手距离和飞手经纬度。
4.根据权利要求1所述的基于ICP点云的多源信息数据融合研判方法,其特征在于,所述步骤2具体包括:
步骤201:根据无线电源信息和雷达源信息分别得到对应的三维直角坐标数据,形成无线电数据目标点集Q和雷达数据点集P;
步骤202:将点集Q和点集P中的点一一对应
步骤203:将无线电源信息和雷达源信息分别得到对应的三维直角坐标数据通过ICP算法进行点云匹配变换,形成点云数据;
步骤204:计算旋转矩阵R和平移矩阵T,判断在所述旋转矩阵R和平移矩阵T的误差函数是否最小;若否,则返回步骤202;若是,则ICP算法结束;
步骤205:计算畸形矩阵,通过畸形矩阵对转换后的源坐标系进行矫正;
步骤206:得到最终的雷达源和无线电源数据到地球坐标系的映射矩阵。
7.根据权利要求4所述的基于ICP点云的多源信息数据融合研判方法,其特征在于,所述步骤204具体为:
步骤2041:根据计算得到旋转矩阵R和平移矩阵T对源点集P进行旋转平移变换,得到新的点集P’={pi’=Rpi+t,pi∈P};
步骤2042:计算pi’与对应点集qi的平均距离,如果小于给定的阈值或者大于预设的迭代次数,则停止迭代计算;否则返回第203步,直到误差函数满足收敛条件为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210333317.1A CN114742141A (zh) | 2022-03-30 | 2022-03-30 | 基于icp点云的多源信息数据融合研判方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210333317.1A CN114742141A (zh) | 2022-03-30 | 2022-03-30 | 基于icp点云的多源信息数据融合研判方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114742141A true CN114742141A (zh) | 2022-07-12 |
Family
ID=82279073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210333317.1A Pending CN114742141A (zh) | 2022-03-30 | 2022-03-30 | 基于icp点云的多源信息数据融合研判方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114742141A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115792890A (zh) * | 2023-02-06 | 2023-03-14 | 成都九洲迪飞科技有限责任公司 | 基于凝聚量测自适应互联的雷达多目标跟踪方法及系统 |
-
2022
- 2022-03-30 CN CN202210333317.1A patent/CN114742141A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115792890A (zh) * | 2023-02-06 | 2023-03-14 | 成都九洲迪飞科技有限责任公司 | 基于凝聚量测自适应互联的雷达多目标跟踪方法及系统 |
CN115792890B (zh) * | 2023-02-06 | 2023-08-15 | 成都九洲迪飞科技有限责任公司 | 基于凝聚量测自适应互联的雷达多目标跟踪方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108732582B (zh) | 车辆定位方法和装置 | |
CN111508021B (zh) | 一种位姿确定方法、装置、存储介质及电子设备 | |
CN110930495A (zh) | 基于多无人机协作的icp点云地图融合方法、系统、装置及存储介质 | |
CN111145227B (zh) | 一种地下隧道空间多视点云的可迭代整体配准方法 | |
CN109917333B (zh) | 融合aoa观测量与tdoa观测量的无源定位方法 | |
CN111735439B (zh) | 地图构建方法、装置和计算机可读存储介质 | |
CN111080682B (zh) | 点云数据的配准方法及装置 | |
JP2012026895A (ja) | 位置姿勢計測装置、位置姿勢計測方法、およびプログラム | |
CN110503713B (zh) | 一种基于轨迹平面法向量和圆心结合的旋转轴估计方法 | |
CN109856616B (zh) | 一种雷达定位相对系统误差修正方法 | |
CN111583342B (zh) | 一种基于双目视觉的目标快速定位方法及装置 | |
CN110187337B (zh) | 一种基于ls和neu-ecef时空配准的高机动目标跟踪方法及系统 | |
CN112154429B (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
CN114742141A (zh) | 基于icp点云的多源信息数据融合研判方法 | |
CN115343744A (zh) | 空中运动目标的光学单双星联合星上定位方法及系统 | |
CN113189541B (zh) | 一种定位方法、装置及设备 | |
CN111553954A (zh) | 一种基于直接法单目slam的在线光度标定方法 | |
CN111693962B (zh) | 一种基于交叉检验的目标运动模型估计方法 | |
CN114842074A (zh) | 一种基于模型匹配的无人机影像定位方法 | |
CN114004949A (zh) | 机载点云辅助的移动测量系统安置参数检校方法及系统 | |
CN114705223A (zh) | 多移动智能体在目标跟踪中的惯导误差补偿方法及系统 | |
Zhang et al. | Flexible on-orbit calibration for monocular camera and laser rangefinder integrated pose measurement system | |
Cheng et al. | Positioning method research for unmanned aerial vehicles based on meanshift tracking algorithm | |
CN112581544A (zh) | 基于参数优化的无公共视场相机标定方法 | |
CN115524662B (zh) | 测向时差联合定位方法、系统、电子设备及存储介质 |
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 |