CN114812558B - 一种结合激光测距的单目视觉无人机自主定位方法 - Google Patents
一种结合激光测距的单目视觉无人机自主定位方法 Download PDFInfo
- Publication number
- CN114812558B CN114812558B CN202210410208.5A CN202210410208A CN114812558B CN 114812558 B CN114812558 B CN 114812558B CN 202210410208 A CN202210410208 A CN 202210410208A CN 114812558 B CN114812558 B CN 114812558B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- change information
- images
- position change
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000008859 change Effects 0.000 claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000013519 translation Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 8
- 206010034719 Personality change Diseases 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000007547 defect Effects 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种结合激光测距的单目视觉无人机自主定位方法。所述方法包括:通过获取机载相机采集的图像信息以及对应时刻激光测距提供的高度信息,利用采集的图像数据进行单目视觉位姿估计,再结合激光测距的高度信息计算位姿变化的缩放参数,进而解算无人机真实的位置姿态,实现无人机自主定位。本方法不受无线信号的限制,与双目及多目视觉定位相比对无人机的负载要求较低,涉及的整体计算量小,且激光测距弥补了深度相机测量距离短的缺陷,方便室外适用,是一种普适性与灵活性较强的自主定位方法。
Description
技术领域
本申请涉及无人机自主定位技术领域,特别是涉及一种结合激光测距的单目视觉无人机自主定位方法。
背景技术
目前,基于视觉的无人机自主定位方式具有定位精度高、采集信息丰富、成本低以及适用范围广等特点,已成为无人机自主定位系统研究与应用的主流趋势。
视觉定位的基本原理是利用机载相机采集图像数据,通过图像处理和位姿估计解算无人机的位置姿态,实现无人机自主定位。这种定位方式不依赖外界的无线信号,适用范围更广。
现阶段视觉定位技术主要有基于双目视觉、基于多目视觉以及基于深度相机的定位方法。采用双目相机或多目相机定位对无人机负载要求高,且涉及的整体计算流程复杂,计算量大。采用深度相机定位由于相机测量的深度距离有限,难以在室外使用。因此,现有技术存在计算复杂、适应性不佳的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够不依赖无线信号,操作简单灵活,且适用范围广的结合激光测距的单目视觉无人机自主定位方法。
一种结合激光测距的单目视觉无人机自主定位方法,所述方法包括:
获取无人机运动时机载单目相机采集的序列图像,以及激光测距装置采集的对应时刻所述单目相机光心到地面的高度数据;
通过图像匹配算法对所述序列图像中的相邻两帧图像进行处理,得到所述相邻两帧图像的同名点匹配点对;
根据对极几何约束原理由所述同名点匹配点对进行位姿估计,得到无人机姿态变化信息和具有尺度不确定性的位置变化信息;
根据所述相邻两帧图像在对应时刻的高度数据,以及所述具有尺度不确定性的位置变化信息,得到无人机实际位置变化信息;
根据所述无人机姿态变化信息和所述无人机实际位置变化信息完成无人机自主定位。
在其中一个实施例中,还包括:从所述序列图像中获取相邻两帧图像;
对所述相邻两帧图像进行特征提取和特征描述,并通过最近邻匹配法得到所述相邻两帧图像的单应变换矩阵;
以所述相邻两帧图像中的前一帧图像的特征点为中心,分割出子图像;
将后一帧图像对应的子图像重投影,与所述前一帧图像的子图像进行模板匹配,实现特征点精准匹配;
将匹配的特征点通过所述单应变换矩阵进行变换,得到前后两帧图像中的同名点匹配点对。
在其中一个实施例中,还包括:获取N组所述同名点匹配点对的坐标;其中,N不小于8;
根据对极几何约束原理,根据所述N组同名点匹配点对的坐标构建线性方程组;
求解所述线性方程组得到本质矩阵;
对所述本质矩阵进行奇异值分解,得到旋转矩阵和平移向量;
根据所述旋转矩阵确定无人机姿态变化信息,根据所述平移矩阵确定无人机具有尺度不确定性的位置变化信息。
在其中一个实施例中,还包括:当N=8时,根据对极几何约束原理,根据所述N组同名点匹配点对的坐标构建线性方程组为:
其中,为前一帧图像上同名点坐标,为后一帧图像上同名点坐标,e=[e1,e2,e3,e4,e5,e6,e7,e8,e9]T为所述本质矩阵。
在其中一个实施例中,还包括:根据所述相邻两帧图像在对应时刻的高度数据,以及所述具有尺度不确定性的位置变化信息,确定尺度参数;
根据所述具有尺度不确定性的位置变化信息和所述尺度参数,确定无人机实际位置变化信息。
在其中一个实施例中,还包括:获取所述相邻两帧图像在对应时刻的高度数据分别为h1和h2;
获取所述具有尺度不确定性的位置变化信息为t=[x,y,z]T;其中,x,y,z分别为无人机在x方向、y方向和z方向上的距离变化量;
确定尺度参数为:
在其中一个实施例中,还包括:根据所述具有尺度不确定性的位置变化信息t=[x,y,z]T和所述尺度参数s,确定无人机实际位置变化信息为:
上述结合激光测距的单目视觉无人机自主定位方法,通过获取机载相机采集的图像信息以及对应时刻激光测距提供的高度信息,利用采集的图像数据进行单目视觉位姿估计,再结合激光测距的高度信息计算位姿变化的缩放参数,进而解算无人机真实的位置姿态,实现无人机自主定位。本方法不受无线信号的限制,与双目及多目视觉定位相比对无人机的负载要求较低,涉及的整体计算量小,且激光测距弥补了深度相机测量距离短的缺陷,方便室外适用,是一种普适性与灵活性较强的自主定位方法。
附图说明
图1为一个实施例中结合激光测距的单目视觉无人机自主定位方法的流程示意图;
图2为一个实施例中无人机图像采集与激光测距示意图;
图3为一个实施例中序列图像同名点精确配准流程图;
图4为另一个实施例中结合激光测距的单目视觉无人机自主定位方法的流程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种结合激光测距的单目视觉无人机自主定位方法,包括以下步骤:
步骤102,获取无人机运动时机载单目相机采集的序列图像,以及激光测距装置采集的对应时刻单目相机光心到地面的高度数据。
如图2所示,假设无人机在布有标志点的平面上运动,运动过程机载相机的镜头始终垂直向下。在无人机上搭载单目相机,当无人机处于运动状态时,利用机载相机采集周围环境的图像数据。同时,利用激光测距获得对应时刻相机光心到地面的距离数据,即无人机的高度数据。在地面布置标志点是为了使无人机采集的图像数据中包含充足的特征,便于在同名点配对环节进行SIFT特征匹配与模板匹配处理,保证获得配对同名点的精度,进而保证最终的定位精度。
步骤104,通过图像匹配算法对序列图像中的相邻两帧图像进行处理,得到相邻两帧图像的同名点匹配点对。
机载相机采集的序列图像数据具有时间连续性,本实施例中按照图3所示的流程对序列图像进行处理。首先,利用SIFT特征提取算法对相邻两帧图像进行特征提取、特征描述,并通过最近邻匹配法则初步计算两幅图像间的单应变换。然后两幅图像中以前一帧图像特征点为中心分割出子图像,并将后一帧图像对应的子图像重投影,与前一帧图像对应子图像进行模板匹配,实现特征点精确配准。最后将配准的特征点通过单应变换,得到前后两帧图像中精确配准的同名点。
步骤106,根据对极几何约束原理由同名点匹配点对进行位姿估计,得到无人机姿态变化信息和具有尺度不确定性的位置变化信息。
单目位姿估计的原理是对极几何约束。假设需要求解图像I1与图像I2间的位姿变化,设I1到I2的运动为R,t。经过同名点配对后,图像I1中有一个特征点p1,在图像I2中对应特征点P2,则p1和p2是同一个空间点在两个成像平面上的投影,满足对极几何约束。定义x1,x2为两个像素点在归一化平面上的坐标,本质矩阵E=t^R,则有以下关系式:
因此,基于单目视觉的位姿估计方法主要包含两个步骤,根据配对点的像素坐标求解本质矩阵E,对本质矩阵E进行分解得到旋转矩阵R和平移向量t。
根据本质矩阵的线性性质,最少可以利用八对匹配点计算求得。考虑一对匹配点的归一化坐标为x1=[u1,v1,1]T,x2=[u2,v2,1]T,根据对极约束,有:
将本质矩阵E展开,e=[e1,e2,e3,e4,e5,e6,e7,e8,e9]T,则有:
[u2u1,u2v1,u2,v2u1,v2v1,v2,u1,v1,1]·e=0
同理,八对匹配点可构成如下线性方程组:
若八对匹配点组成的矩阵符合满秩的条件,则根据上述方程组可求解本质矩阵E。
求得本质矩阵E后,通过奇异值分解得到旋转矩阵R和平移向量t。假设E的SDV值为E=U∑VT,根据本质矩阵E的内在性质,分解时存在4种可能的解。将任意一点代入4种解,检测该点在两个相机下的深度,深度均为正的解是正确的解。由于本质矩阵具有尺度等价性,分解后只能获得图像I1到图像I2对应时间段相机的旋转变化矩阵R和具有尺度不确定性的平移变化向量t。
按照上述单目位姿估计步骤,利用匹配的同名特征点求解具有尺度不确定性的无人机位置姿态。
步骤108,根据相邻两帧图像在对应时刻的高度数据,以及具有尺度不确定性的位置变化信息,得到无人机实际位置变化信息。
具体地,由单目位姿估计求得的旋转矩阵R为无人机实际姿态变化Rz,即:
Rz=R
平移向量t具有尺度不确定性,与无人机实际位置变化间相差尺度参数s。假设图像I1和图像I2对应时刻激光测距数据的高度分别为h1和h2,对应时间段无人机的平移向量为t=[x,y,z]T。则当h1≠h2时,有以下关系式:
s·z=h2-h1
结合激光测距求得尺度参数s后即可获得无人机实际的位置变化tz
步骤110,根据无人机姿态变化信息和无人机实际位置变化信息完成无人机自主定位。
无人机的实际位置姿态参数Rz,tz均已求出,利用无人机单目相机拍摄的序列图像和激光测距获得的高度数据,可实现无人机自主定位。
上述结合激光测距的单目视觉无人机自主定位方法中,通过获取机载相机采集的图像信息以及对应时刻激光测距提供的高度信息,利用采集的图像数据进行单目视觉位姿估计,再结合激光测距的高度信息计算位姿变化的缩放参数,进而解算无人机真实的位置姿态,实现无人机自主定位。本方法不受无线信号的限制,与双目及多目视觉定位相比对无人机的负载要求较低,涉及的整体计算量小,且激光测距弥补了深度相机测量距离短的缺陷,方便室外适用,是一种普适性与灵活性较强的自主定位方法。
在其中一个实施例中,还包括:从序列图像中获取相邻两帧图像;对相邻两帧图像进行特征提取和特征描述,并通过最近邻匹配法得到相邻两帧图像的单应变换矩阵;以相邻两帧图像中的前一帧图像的特征点为中心,分割出子图像;将后一帧图像对应的子图像重投影,与前一帧图像的子图像进行模板匹配,实现特征点精准匹配;将匹配的特征点通过单应变换矩阵进行变换,得到前后两帧图像中的同名点匹配点对。
在其中一个实施例中,还包括:获取N组同名点匹配点对的坐标;其中,N不小于8;根据对极几何约束原理,根据N组同名点匹配点对的坐标构建线性方程组;求解线性方程组得到本质矩阵;对本质矩阵进行奇异值分解,得到旋转矩阵和平移向量;根据旋转矩阵确定无人机姿态变化信息,根据平移矩阵确定无人机具有尺度不确定性的位置变化信息。
在其中一个实施例中,还包括:当N=8时,根据对极几何约束原理,根据N组同名点匹配点对的坐标构建线性方程组为:
其中,为前一帧图像上同名点坐标,为后一帧图像上同名点坐标,e=[e1,e2,e3,34,e5,e6,e7,e8,e9]T为本质矩阵。
在其中一个实施例中,还包括:根据相邻两帧图像在对应时刻的高度数据,以及具有尺度不确定性的位置变化信息,确定尺度参数;根据具有尺度不确定性的位置变化信息和尺度参数,确定无人机实际位置变化信息。
在其中一个实施例中,还包括:获取相邻两帧图像在对应时刻的高度数据分别为h1和h2;
获取具有尺度不确定性的位置变化信息为t=[x,y,z]T;其中,x,y,z分别为无人机在x方向、y方向和z方向上的距离变化量;
确定尺度参数为:
在其中一个实施例中,还包括:根据具有尺度不确定性的位置变化信息t=[x,y,z]T和尺度参数s,确定无人机实际位置变化信息为:
应该理解的是,虽然图1、3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1、3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在另一个实施例中,如图4所示,提供了一种结合激光测距的单目视觉无人机自主定位方法,通过激光测距采集高度数据得到的高度变化信息和机载相机采集图像数据得到的无尺度无人机位姿信息,进行尺度参数的估计,进而得到有尺度的无人机位姿信息。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (4)
1.一种结合激光测距的单目视觉无人机自主定位方法,其特征在于,所述方法包括:
获取无人机运动时机载单目相机采集的序列图像,以及激光测距装置采集的对应时刻所述单目相机光心到地面的高度数据;
通过图像匹配算法对所述序列图像中的相邻两帧图像进行处理,得到所述相邻两帧图像的同名点匹配点对,步骤包括:
S11从所述序列图像中获取相邻两帧图像;
S12对所述相邻两帧图像进行特征提取和特征描述,并通过最近邻匹配法得到所述相邻两帧图像的单应变换矩阵;
S13以所述相邻两帧图像中的前一帧图像的特征点为中心,分割出子图像;
S14将后一帧图像对应的子图像重投影,与所述前一帧图像的子图像进行模板匹配,实现特征点精准匹配;
S15将匹配的特征点通过所述单应变换矩阵进行变换,得到前后两帧图像中的同名点匹配点对;
根据对极几何约束原理由所述同名点匹配点对进行位姿估计,得到无人机姿态变化信息和具有尺度不确定性的位置变化信息,步骤包括:
S21获取N组所述同名点匹配点对的坐标;其中,N不小于8;
S22根据对极几何约束原理,根据所述N组同名点匹配点对的坐标构建线性方程组;当N=8时,构建的线性方程组为:
其中,为前一帧图像上同名点坐标,为后一帧图像上同名点坐标,e=[e1,e2,e3,e4,e5,e5,e6,e7,e8,e9]T为本质矩阵;
S23求解所述线性方程组得到本质矩阵;
S24对所述本质矩阵进行奇异值分解,得到旋转矩阵和平移向量;
S25根据所述旋转矩阵确定无人机姿态变化信息,根据所述平移向量确定无人机具有尺度不确定性的位置变化信息;
根据所述相邻两帧图像在对应时刻的高度数据,以及所述具有尺度不确定性的位置变化信息,得到无人机实际位置变化信息;
根据所述无人机姿态变化信息和所述无人机实际位置变化信息完成无人机自主定位。
2.根据权利要求1所述的方法,其特征在于,根据所述相邻两帧图像在对应时刻的高度数据,以及所述具有尺度不确定性的位置变化信息,得到无人机实际位置变化信息,包括:
根据所述相邻两帧图像在对应时刻的高度数据,以及所述具有尺度不确定性的位置变化信息,确定尺度参数;
根据所述具有尺度不确定性的位置变化信息和所述尺度参数,确定无人机实际位置变化信息。
3.根据权利要求2所述的方法,其特征在于,根据所述相邻两帧图像在对应时刻的高度数据,以及所述具有尺度不确定性的位置变化信息,确定尺度参数,包括:
获取所述相邻两帧图像在对应时刻的高度数据分别为h1和h2;
获取所述具有尺度不确定性的位置变化信息为t=[x,y,z]T;其中,x,y,z分别为无人机在x方向、y方向和z方向上的距离变化量;
确定尺度参数为:
4.根据权利要求3所述的方法,其特征在于,根据所述具有尺度不确定性的位置变化信息和所述尺度参数,确定无人机实际位置变化信息,包括:
根据所述具有尺度不确定性的位置变化信息t=[x,y,z]T和所述尺度参数s,确定无人机实际位置变化信息为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210410208.5A CN114812558B (zh) | 2022-04-19 | 2022-04-19 | 一种结合激光测距的单目视觉无人机自主定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210410208.5A CN114812558B (zh) | 2022-04-19 | 2022-04-19 | 一种结合激光测距的单目视觉无人机自主定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114812558A CN114812558A (zh) | 2022-07-29 |
CN114812558B true CN114812558B (zh) | 2024-03-15 |
Family
ID=82505543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210410208.5A Active CN114812558B (zh) | 2022-04-19 | 2022-04-19 | 一种结合激光测距的单目视觉无人机自主定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114812558B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116817929B (zh) * | 2023-08-28 | 2023-11-10 | 中国兵器装备集团兵器装备研究所 | 一种无人机对地平面多目标同时定位方法及系统 |
CN117036488B (zh) * | 2023-10-07 | 2024-01-02 | 长春理工大学 | 一种基于几何约束的双目视觉定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291093A (zh) * | 2017-07-04 | 2017-10-24 | 西北工业大学 | 基于视觉slam的复杂环境下无人机自主降落区域选择方法 |
CN109141396A (zh) * | 2018-07-16 | 2019-01-04 | 南京航空航天大学 | 辅助信息与随机抽样一致算法融合的无人机位姿估计方法 |
CN111707261A (zh) * | 2020-04-10 | 2020-09-25 | 南京非空航空科技有限公司 | 一种微型无人机高速感知和定位方法 |
AU2020101932A4 (en) * | 2020-07-16 | 2020-10-01 | Xi'an University Of Science And Technology | Binocular vision–based method and system for pose measurement of cantilever tunneling equipment |
-
2022
- 2022-04-19 CN CN202210410208.5A patent/CN114812558B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291093A (zh) * | 2017-07-04 | 2017-10-24 | 西北工业大学 | 基于视觉slam的复杂环境下无人机自主降落区域选择方法 |
CN109141396A (zh) * | 2018-07-16 | 2019-01-04 | 南京航空航天大学 | 辅助信息与随机抽样一致算法融合的无人机位姿估计方法 |
CN111707261A (zh) * | 2020-04-10 | 2020-09-25 | 南京非空航空科技有限公司 | 一种微型无人机高速感知和定位方法 |
AU2020101932A4 (en) * | 2020-07-16 | 2020-10-01 | Xi'an University Of Science And Technology | Binocular vision–based method and system for pose measurement of cantilever tunneling equipment |
Also Published As
Publication number | Publication date |
---|---|
CN114812558A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108717712B (zh) | 一种基于地平面假设的视觉惯导slam方法 | |
CN107945220B (zh) | 一种基于双目视觉的重建方法 | |
CN114812558B (zh) | 一种结合激光测距的单目视觉无人机自主定位方法 | |
CN109658457B (zh) | 一种激光与相机任意相对位姿关系的标定方法 | |
CN108615244B (zh) | 一种基于cnn和深度滤波器的图像深度估计方法及系统 | |
CN114399554B (zh) | 一种多相机系统的标定方法及系统 | |
CN112184824B (zh) | 一种相机外参标定方法、装置 | |
CN110264528B (zh) | 一种鱼眼镜头双目像机快速自标定方法 | |
Saurer et al. | Homography based visual odometry with known vertical direction and weak manhattan world assumption | |
CN109840922B (zh) | 基于双目光场相机的深度获取方法和系统 | |
CN103278138A (zh) | 一种复杂结构薄部件三维位置及姿态的测量方法 | |
CN107545586B (zh) | 基于光场极线平面图像局部的深度获取方法及系统 | |
CN112509125A (zh) | 一种基于人工标志物和立体视觉的三维重建方法 | |
CN110992487B (zh) | 手持式飞机油箱快速三维地图重建装置及重建方法 | |
CN109709977B (zh) | 移动轨迹规划的方法、装置及移动物体 | |
CN113592721B (zh) | 摄影测量方法、装置、设备及存储介质 | |
US6175648B1 (en) | Process for producing cartographic data by stereo vision | |
CN102519434A (zh) | 一种用于立体视觉三维恢复数据精度测量的试验验证方法 | |
CN105844692A (zh) | 基于双目立体视觉的三维重建装置、方法、系统及无人机 | |
CN112580683B (zh) | 一种基于互相关的多传感器数据时间对齐系统及其方法 | |
Wendel et al. | Automatic alignment of 3D reconstructions using a digital surface model | |
CN112150518A (zh) | 一种基于注意力机制的图像立体匹配方法及双目设备 | |
CN114529585A (zh) | 基于深度视觉和惯性测量的移动设备自主定位方法 | |
CN116205961A (zh) | 多镜头组合影像和激光雷达点云的自动配准方法及其系统 | |
CN113012238B (zh) | 一种多深度相机快速标定与数据融合的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |