CN114926526B - 一种基于变焦相机的位姿测量方法 - Google Patents
一种基于变焦相机的位姿测量方法 Download PDFInfo
- Publication number
- CN114926526B CN114926526B CN202210562740.9A CN202210562740A CN114926526B CN 114926526 B CN114926526 B CN 114926526B CN 202210562740 A CN202210562740 A CN 202210562740A CN 114926526 B CN114926526 B CN 114926526B
- Authority
- CN
- China
- Prior art keywords
- target
- measurement
- ellipse
- current frame
- representing
- 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
Images
Classifications
-
- 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
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于变焦相机的位姿测量方法,涉及位姿测量技术领域,该方法引入变焦相机,对当前帧测量图像进行目标位置和目标尺度的识别得到各个合作特征的测量坐标,对每个合作特征的测量坐标进行椭圆拟合求解,并在椭圆的目标区域面积相对于当前帧测量图像的面积的占比小于预定阈值时,通过改变焦距提高在远距离的目标成像分辨率,然后将拟合得到的椭圆的中心坐标作为特征像素点即可对四个特征像素点进行PNP求解得到位姿测量结果,该方法可以降低特征提取误差对于整个位姿测量精度的影响,尤其在中远距离条件下可以达到较高的视觉位姿测量精度,且具有无人机导航应用所需要的鲁棒性与实时性。
Description
技术领域
本发明涉及位姿测量技术领域,尤其是一种基于变焦相机的位姿测量方法。
背景技术
在传统的位姿测量或视觉着陆/舰应用中,视觉系统的主要测量误差来源是合作特征的成像尺寸减小导致的图像提取误差,成像尺寸的变化本质是回归到像素点代表的实际距离的大小,近距离的时候图像提取误差代表的实际距离很小,一旦距离变远或成像角度增大,意味着单个像素点代表的距离就增大了,所以图像提取误差对位姿测量的误差影响随着距离逐渐增大,因此现有的实施方案都采用组合镜头的方式来提高在远距离条件下视觉系统的测量精度,但组合镜头的方式在成本和载重量较高,限制了其应用场景。
发明内容
本发明人针对上述问题及技术需求,提出了一种基于变焦相机的位姿测量方法,本发明的技术方案如下:
一种基于变焦相机的位姿测量方法,该方法包括:
控制变焦相机在当前焦距下进行图像采集获取当前帧测量图像;
对当前帧测量图像进行目标位置和目标尺度的识别得到各个合作特征的测量坐标;
对每个合作特征的测量坐标进行椭圆拟合求解,若拟合得到的椭圆的目标区域面积SR相对于当前帧测量图像的面积S的占比小于预定阈值,则控制变焦相机进行变焦直至拟合得到的椭圆的目标区域面积SR相对于当前帧测量图像的面积S的占比达到预定阈值;
当拟合得到的椭圆的目标区域面积SR相对于当前帧测量图像的面积S的占比达到预定阈值时,将拟合得到的椭圆的中心坐标作为特征像素点;
对四个特征像素点进行PNP求解得到位姿测量结果。
本发明的有益技术效果是:
本申请公开了一种基于变焦相机的位姿测量方法,该方法利用变焦相机来实现位姿测量,通过改变焦距提高在远距离的目标成像分辨率,降低特征提取误差对于整个位姿测量精度的影响,尤其在中远距离条件下可以达到较高的视觉位姿测量精度,且具有无人机导航应用所需要的鲁棒性与实时性。
该方法针对动态改变焦距的过程中目标特征在成像视场中尺度变化剧烈的情况,通过目标位置滤波器和目标尺度滤波器实现目标位置和目标尺度的识别跟踪,估计圆特征的尺度变化以此适应测量距离的变化,从而能够根据测量精度需求实时控制焦距变化并捕捉跟踪目标特征。
而针对动态改变焦距的前后状态下变焦相机内参数发生改变的情况,该方法利用在线标定的相机内参数在线标定值进行位姿测量,提高位姿测量的准确性。
附图说明
图1是一个实施例中的位姿测量方法的流程图。
图2是另一个实施例中的位姿测量方法的流程图。
图3是一个实例中本申请的位姿测量方法与传统的位姿测量方法的XYZ轴的绝对误差的结果比较图。
图4是一个实例中本申请的位姿测量方法与传统的位姿测量方法的XYZ轴的误差百分比变化的结果比较图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
本申请公开了一种基于变焦相机的位姿测量方法,请参考图1所示的流程图,该方法包括如下步骤:
步骤S1,控制变焦相机在当前焦距下进行图像采集获取当前帧测量图像。
步骤S2,对当前帧测量图像进行目标位置和目标尺度的识别得到各个合作特征的测量坐标。
在一个实例中,根据合作特征的数量创建对应数量的线程并初始化,并根据设定好的物点与像点的匹配关系分配每个合作特征的编号ID。在之后的图像序列里,对合作特征的位置跟踪彼此独立,也即通过各个线程并行进行目标位置和目标尺度的识别确定对应的合作特征的测量坐标。
具体的,对合作特征的位置跟踪包括两个阶段:确定目标新位置和确定目标新尺度,分别介绍如下:
1、通过目标位置滤波器获取当前帧测量图像中的目标新位置。
首先初始化一个二维的目标新位置的预期高斯输出进行目标位置滤波器的参数初始化,再以前一个时刻的测量坐标为中心确定一个预定范围的样本,该预定范围比如选尺寸为前一个时刻的目标的尺寸2倍大小的范围。对预定范围中每个像素点计算包括原始灰度特征和fhog特征在内的28维的融合特征。
基于各个像素点的融合特征利用预设位置模型确定目标新位置。具体的,将每个像素点的融合特征乘以二维Hann窗作为位置测试输入Z1,将使得响应最大的位置测试输入Z1作为目标新位置。其中,F-1()表示求傅里叶反变换,l是表示维度的参数,d1是位置测试输入Z1的维度的最大值,λ1是正则项的系数;A1lt表示t时刻l维度下的预设位置模型A1,B1t表示t时刻下的预设位置模型B1。预设位置模型A1和预设位置模型B1可以采用现有的深度学习模型来实现,本申请不再详细展开。
同时还会利用目标新位置更新预设位置模型,具体的,预设位置模型A1的更新过程写为: 是t-1时刻l维度下的预设位置模型A1,η1为学习速率,是目标位置滤波器的输出在t时刻下取反后的傅里叶变换,Ft l是学习样本F在t时刻l维度下的傅里叶变换。预设位置模型B1的更新过程写为:Bt-1是t-1时刻下的预设位置模型B1,η2为学习速率,k是表示维度的参数,Ft k是学习样本F在t时刻k维度下的傅里叶变换
2、由于合作特征的测量坐标还会受到尺度的影响,因此在得到目标新位置后,还需要进一步通过目标尺度滤波器来估计圆特征的尺度变化以适应测量距离的变化,从而由目标新位置和目标新尺度得到准确的合作特征的测量坐标。
首先初始化一个一维的目标新尺度的预期高斯输出进行目标尺度滤波器的参数初始化,以目标新位置为中心并提取33种不同尺度下的样本,将每个样本的尺寸固定并提取PCA-HOG特征。
然后基于每个样本的PCA-HOG特征利用预设尺度模型确定目标新尺度。具体的,将每个样本的PCA-HOG特征乘以一维Hann窗并进行插值降维减少运算量,得到尺度测试输入Z2。将使得响应最大的尺度测试输入Z2作为目标新尺度,其中,F-1()表示求傅里叶反变换,l是表示维度的参数,d2是尺度测试输入Z2的维度的最大值,λ2是正则项的系数。表示t时刻l维度下的预设位置模型A2,B2t表示t时刻下的预设位置模型B2。同样的,预设位置模型A2和预设位置模型B2可以采用现有的深度学习模型来实现,本申请不再详细展开。
同样的,利用目标新尺度更新预设尺度模型。预设位置模型A2的更新过程与上述预设位置模型A1的更新过程相同,预设位置模型B2的更新过程与上述预设位置模型B1的更新过程相同,该实施例不再赘述。
步骤S3,对每个合作特征的测量坐标进行椭圆拟合求解。
在椭圆标准坐标系下,椭圆参数满足XeΛXe T=1,Xe是椭圆上的坐标,a、b为椭圆参数且a表示椭圆的长半轴,b表示椭圆的短半轴。合作特征的测量坐标X0与椭圆上的坐标Xe之间的转换关系满足:Xe=R(α)X0+(Tx Ty)T,R(α)表示旋转矩阵,Tx表示测量坐标系与椭圆坐标系之间在x方向的平移向量,Ty表示测量坐标系与椭圆坐标系之间在y方向的平移向量。基于该转换关系可以列出误差方程并利用泰勒级数展开,得到误差方程的泰勒级数展开项为通过最小二乘法迭代求解、最小化该误差vi,其中α表示坐标旋转矩阵角度参数,li表示坐标平移分量。由此可以得到椭圆参数,然后基于椭圆参数即可拟合得到椭圆。
步骤S4,若拟合得到的椭圆的目标区域面积SR相对于当前帧测量图像的面积S的占比小于预定阈值τ,也即则控制变焦相机进行变焦直至拟合得到的椭圆的目标区域面积SR相对于当前帧测量图像的面积S的占比达到预定阈值。
其中,控制变焦相机进行变焦的方法包括:根据拟合得到的椭圆的目标区域面积SR和当前帧测量图像的面积S通过PID控制确定变焦相机变焦至的目标焦距,由变焦相机在目标焦距下获取到的当前帧测量图像拟合得到的椭圆的目标区域面积SR相对于当前帧测量图像的面积S的占比达到预定阈值,且拟合得到的椭圆位于当前帧测量图像的中心。具体的,按照Zm=Zc+Kp*Ep+Kd*Ed进行PID控制,确定目标焦距Zm,Zc是当前焦距,Kp、Kd是PID控的误差比例系数,Ep由当前拟合得到的目标区域面积SR相对于当前帧测量图像的面积S的占比计算得到,Ed由当前计算得到的Ep和上一个计算得到的Ep的误差得到。具体的,Ed=(Ep-E′p)*h,E′p是上一个计算得到的Ep,h是由上一个计算得到的Ep与当前计算得到的Ep之间的时间差决定的因子。
步骤S5,当拟合得到的椭圆的目标区域面积SR相对于当前帧测量图像的面积S的占比达到预定阈值时,将拟合得到的椭圆的中心坐标作为特征像素点。
步骤S6,对四个特征像素点进行PNP求解得到位姿测量结果。
实际在进行PNP求解时,还需要利用到相机内参数,而动态改变焦距的前后状态下,变焦相机内参数也会发生改变,因此首先在线标定得到变焦相机在当前焦距下的相机内参数在线标定值,基于相机内参数在线标定值对四个特征像素点进行PNP求解得到位姿测量结果。得到相机内参数在线标定值的方法具体包括:根据离线标定得到的参数映射表确定变焦相机在当前焦距下的相机内参数初始值,并利用相机内参数初始值对扩展卡尔曼滤波器进行参数初始化。利用完成参数初始化的卡尔曼滤波器将当前帧测量图像和变焦相机上固定的IMU测量单元获取到的IMU测量数据进行融合、在线标定得到变焦相机在当前焦距下的相机内参数在线标定值。
具体的利用四个特征像素点进行PNP求解的方法本申请不再赘述。请参考图2,在实际应用时,可能出现没有准确获取到四个特征像素点的情况。则当特征像素点的数量小于两个时,利用所有线程重新进行目标位置和目标尺度的识别。而当特征像素点的数量达到两个但不为四个时,利用缺失的特征像素点对应的线程重新进行目标位置和目标尺度的识别,也即仅对缺失的特征像素点重识别。
在一个实例中,基于本申请一个实施例公开的位姿测量方法利用变焦相机进行位姿测量的误差与常规的视觉位置的位姿测量结果的误差对比示意图如图3和4所示。从测量误差结果总体来看,随着测量距离增大,合作特征在视场中所占据的比例逐渐小于设定的阈值,在利用本申请的方法时,变焦相机会进行1~30倍的变焦并在线标定得到相机内参数在线标定值,使得合作特征的图像尺寸满足系统阈值。此过程使得合作特征的图像提取精度提高,在测量距离大于100米后,利用本申请的方法带来的测量误差基本不会再随着测量距离增大而增加,但传统方法的测量误差波动较大,而且本申请的方法带来的测量误差显然小于传统不变焦的测量方法。图3示出了本申请的位姿测量方法与传统的位姿测量方法分别在X、Y、Z轴上的绝对误差,图4示出了本申请的位姿测量方法与传统的位姿测量方法分别在X、Y、Z轴上的误差百分比,L1是本申请的位姿测量方法的误差结果,L2是传统的位姿测量方法的误差结果。从X轴和Y轴的绝对误差和误差百分比变化可以看出,本申请的方法的测量精度始终保持在0.5%左右,在497米的测量点,其绝对测量误差为0.5米。而按照传统方法采用未变焦条件下图像进行位姿估计时,合作特征在图像中约占3个像素,其绝对测量误差达到7.5m。
以上所述的仅是本申请的优选实施方式,本发明不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本发明的保护范围之内。
Claims (4)
1.一种基于变焦相机的位姿测量方法,其特征在于,所述方法包括:
控制变焦相机在当前焦距下进行图像采集获取当前帧测量图像;
对所述当前帧测量图像进行目标位置和目标尺度的识别得到各个合作特征的测量坐标,包括:计算以前一个时刻的测量坐标为中心的预定范围内的每个像素点的原始灰度特征和fhog特征得到28维的融合特征;将每个像素点的融合特征乘以二维Hann窗作为位置测试输入Z1,将使得响应最大的位置测试输入Z1作为目标新位置,其中,F-1()表示求傅里叶反变换,l是表示维度的参数,d1是位置测试输入Z1的维度的最大值,λ1是正则项的系数;表示t时刻l维度下的预设位置模型A1,B1t表示t时刻下的预设位置模型B1;以所述目标新位置为中心并提取33种不同尺度下的样本,将每个样本的尺寸固定并提取PCA-HOG特征;将每个样本的PCA-HOG特征乘以一维Hann窗并进行插值降维得到尺度测试输入Z2,将使得响应最大的尺度测试输入Z2作为目标新尺度,其中,F-1()表示求傅里叶反变换,l是表示维度的参数,d2是尺度测试输入Z2的维度的最大值,λ2是正则项的系数;表示t时刻l维度下的预设位置模型A2,B2t表示t时刻下的预设位置模型B2;由所述目标新位置和所述目标新尺度得到合作特征的测量坐标,并利用目标新位置更新预设位置模型、利用目标新尺度更新预设尺度模型;
对每个合作特征的测量坐标进行椭圆拟合求解,包括:最小化误差方程的泰勒级数展开项得到椭圆参数,基于椭圆参数拟合得到椭圆,vi表示误差,X0表示合作特征的测量坐标,α表示坐标旋转矩阵角度参数,li表示坐标平移分量;a、b为椭圆参数且a表示椭圆的长半轴,b表示椭圆的短半轴;
若拟合得到的椭圆的目标区域面积SR相对于当前帧测量图像的面积S的占比小于预定阈值,则控制所述变焦相机进行变焦直至拟合得到的椭圆的目标区域面积SR相对于当前帧测量图像的面积S的占比达到所述预定阈值,包括:按照Zm=Zc+Kp*Ep+Kd*Ed进行PID控制,确定目标焦距Zm,Zc是当前焦距,Kp、Kd是PID控的误差比例系数,Ep由当前拟合得到的目标区域面积SR相对于当前帧测量图像的面积S的占比计算得到,Ed由当前计算得到的Ep和上一个计算得到的Ep的误差得到;由所述变焦相机在所述目标焦距Zm下获取到的当前帧测量图像拟合得到的椭圆的目标区域面积SR相对于当前帧测量图像的面积S的占比达到所述预定阈值,且拟合得到的椭圆位于当前帧测量图像的中心;
当拟合得到的椭圆的目标区域面积SR相对于当前帧测量图像的面积S的占比达到所述预定阈值时,将拟合得到的椭圆的中心坐标作为特征像素点;
对四个特征像素点进行PNP求解得到位姿测量结果。
2.根据权利要求1所述的方法,其特征在于,所述对四个特征像素点进行PNP求解得到位姿测量结果,包括:
在线标定得到所述变焦相机在当前焦距下的相机内参数在线标定值,基于所述相机内参数在线标定值对四个特征像素点进行PNP求解得到所述位姿测量结果。
3.根据权利要求2所述的方法,其特征在于,所述在线标定得到所述变焦相机在当前焦距下的相机内参数在线标定值,包括:
根据离线标定得到的参数映射表确定所述变焦相机在当前焦距下的相机内参数初始值,并利用所述相机内参数初始值对扩展卡尔曼滤波器进行参数初始化;
利用完成参数初始化的所述卡尔曼滤波器将所述当前帧测量图像和所述变焦相机上固定的IMU测量单元获取到的IMU测量数据进行融合、在线标定得到所述变焦相机在当前焦距下的相机内参数在线标定值。
4.根据权利要求1所述的方法,其特征在于,所述对所述当前帧测量图像进行目标位置和目标尺度的识别,包括:
根据各个合作特征在当前帧测量图像中所处象限分别针对每个合作特征创建线程,通过各个线程并行进行目标位置和目标尺度的识别确定对应的合作特征的测量坐标;
则所述方法还包括:
当特征像素点的数量小于两个时,利用所有线程重新进行目标位置和目标尺度的识别;
当特征像素点的数量达到两个但不为四个时,利用缺失的特征像素点对应的线程重新进行目标位置和目标尺度的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210562740.9A CN114926526B (zh) | 2022-05-23 | 2022-05-23 | 一种基于变焦相机的位姿测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210562740.9A CN114926526B (zh) | 2022-05-23 | 2022-05-23 | 一种基于变焦相机的位姿测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114926526A CN114926526A (zh) | 2022-08-19 |
CN114926526B true CN114926526B (zh) | 2023-05-05 |
Family
ID=82811577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210562740.9A Active CN114926526B (zh) | 2022-05-23 | 2022-05-23 | 一种基于变焦相机的位姿测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114926526B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105957090A (zh) * | 2016-05-17 | 2016-09-21 | 中国地质大学(武汉) | 一种基于达芬奇技术的单目视觉位姿测量方法及系统 |
CN108562274A (zh) * | 2018-04-20 | 2018-09-21 | 南京邮电大学 | 一种基于标志器的非合作目标位姿测量方法 |
CN109405835A (zh) * | 2017-08-31 | 2019-03-01 | 北京航空航天大学 | 基于非合作目标直线与圆单目图像的相对位姿测量方法 |
CN110332887A (zh) * | 2019-06-27 | 2019-10-15 | 中国地质大学(武汉) | 一种基于特征光标点的单目视觉位姿测量系统及方法 |
CN110689579A (zh) * | 2019-10-18 | 2020-01-14 | 华中科技大学 | 基于合作目标的快速单目视觉位姿测量方法及测量系统 |
CN112066879A (zh) * | 2020-09-11 | 2020-12-11 | 哈尔滨工业大学 | 基于计算机视觉的气浮运动模拟器位姿测量装置及方法 |
CN112634365A (zh) * | 2020-12-23 | 2021-04-09 | 大连理工大学 | 一种微结构特征的位姿高精度跟踪与检测方法 |
CN113516716A (zh) * | 2021-07-16 | 2021-10-19 | 燕山大学 | 一种单目视觉位姿测量及调整方法和系统 |
-
2022
- 2022-05-23 CN CN202210562740.9A patent/CN114926526B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105957090A (zh) * | 2016-05-17 | 2016-09-21 | 中国地质大学(武汉) | 一种基于达芬奇技术的单目视觉位姿测量方法及系统 |
CN109405835A (zh) * | 2017-08-31 | 2019-03-01 | 北京航空航天大学 | 基于非合作目标直线与圆单目图像的相对位姿测量方法 |
CN108562274A (zh) * | 2018-04-20 | 2018-09-21 | 南京邮电大学 | 一种基于标志器的非合作目标位姿测量方法 |
CN110332887A (zh) * | 2019-06-27 | 2019-10-15 | 中国地质大学(武汉) | 一种基于特征光标点的单目视觉位姿测量系统及方法 |
CN110689579A (zh) * | 2019-10-18 | 2020-01-14 | 华中科技大学 | 基于合作目标的快速单目视觉位姿测量方法及测量系统 |
CN112066879A (zh) * | 2020-09-11 | 2020-12-11 | 哈尔滨工业大学 | 基于计算机视觉的气浮运动模拟器位姿测量装置及方法 |
CN112634365A (zh) * | 2020-12-23 | 2021-04-09 | 大连理工大学 | 一种微结构特征的位姿高精度跟踪与检测方法 |
CN113516716A (zh) * | 2021-07-16 | 2021-10-19 | 燕山大学 | 一种单目视觉位姿测量及调整方法和系统 |
Non-Patent Citations (4)
Title |
---|
姜涛 ; 程筱胜 ; 崔海华 ; 田威 ; .面向机器人位姿测量的大视场变焦测量方法.光学学报.2018,(第08期),全文. * |
张慧智 ; 高箴 ; 周健 ; .基于激光视觉技术的运动目标位姿测量与误差分析.激光杂志.2020,(第04期),全文. * |
杨小平 ; 孙国祥 ; .基于手眼视觉的两种目标位姿测量法仿真分析.计算机仿真.2012,(第06期),全文. * |
肖志涛 ; 朱莎莎 ; 耿磊 ; 李月龙 ; 刘文超 ; 叶琨 ; .深度约束的零件尺寸测量系统标定方法.红外与激光工程.2015,(第09期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN114926526A (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633536B (zh) | 一种基于二维平面模板的相机标定方法及系统 | |
CN108510551B (zh) | 一种远距离大视场条件下相机参数的标定方法及系统 | |
CN111415387B (zh) | 相机位姿确定方法、装置、电子设备及存储介质 | |
CN109544630B (zh) | 位姿信息确定方法和装置、视觉点云构建方法和装置 | |
CN110570449B (zh) | 一种基于毫米波雷达与视觉slam的定位与建图方法 | |
CN110264528B (zh) | 一种鱼眼镜头双目像机快速自标定方法 | |
CN111524194B (zh) | 一种激光雷达和双目视觉相互融合的定位方法及终端 | |
CN109559355B (zh) | 一种基于相机组的无公共视场的多相机全局标定装置及方法 | |
CN108871373B (zh) | 一种基于俯仰滚转台和非线性优化的星敏感器标定方法 | |
CN114266836B (zh) | 基于振镜相机的主动视觉三维标定方法、系统和设备 | |
CN110488838B (zh) | 一种室内自主导航机器人精确重复定位方法 | |
CN110751123B (zh) | 一种单目视觉惯性里程计系统及方法 | |
CN111009014A (zh) | 通用成像模型正交分光成像位姿传感器的标定方法 | |
CN112388635B (zh) | 机器人多传感器融合感知与空间定位的方法、系统及装置 | |
Ding et al. | A robust detection method of control points for calibration and measurement with defocused images | |
KR20230003803A (ko) | 라이다 좌표계와 카메라 좌표계의 벡터 정합을 통한 자동 캘리브레이션 방법 | |
CN114758011B (zh) | 融合离线标定结果的变焦相机在线标定方法 | |
CN111915685A (zh) | 一种变焦摄像机标定方法 | |
CN113888583A (zh) | 一种视觉跟踪准确性的实时判断方法及装置 | |
CN114926526B (zh) | 一种基于变焦相机的位姿测量方法 | |
CN113554712A (zh) | 自动驾驶车辆的配准方法、装置、电子设备和车辆 | |
CN112419427A (zh) | 用于提高飞行时间相机精度的方法 | |
CN115630254A (zh) | 高精度星敏感器光学系统内参数微变化量的在轨标定方法 | |
CN113405532B (zh) | 基于视觉系统结构参数的前方交会测量方法及系统 | |
CN115471555A (zh) | 一种基于图像特征点匹配的无人机红外巡检位姿确定方法 |
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 |