CN115014354A - 一种水下太阳光斑和偏振场自适应融合的罗盘计算方法 - Google Patents
一种水下太阳光斑和偏振场自适应融合的罗盘计算方法 Download PDFInfo
- Publication number
- CN115014354A CN115014354A CN202210661758.4A CN202210661758A CN115014354A CN 115014354 A CN115014354 A CN 115014354A CN 202210661758 A CN202210661758 A CN 202210661758A CN 115014354 A CN115014354 A CN 115014354A
- Authority
- CN
- China
- Prior art keywords
- polarization
- image
- solar
- vector
- azimuth angle
- 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.)
- Granted
Links
- 230000010287 polarization Effects 0.000 title claims abstract description 124
- 230000004927 fusion Effects 0.000 title claims abstract description 50
- 238000004364 calculation method Methods 0.000 title claims abstract description 23
- 239000013598 vector Substances 0.000 claims abstract description 75
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 31
- 238000002493 microarray Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 241000127225 Enceliopsis nudicaulis Species 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 241001424688 Enceliopsis Species 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000011664 nicotinic acid Substances 0.000 description 2
- 241001061260 Emmelichthys struhsakeri Species 0.000 description 1
- 206010064127 Solar lentigo Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G01C21/203—Specially adapted for sailing ships
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C1/00—Measuring angles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/05—Underwater scenes
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种水下太阳光斑和偏振场自适应融合的罗盘计算方法。首先通过微阵列偏振相机获取水下图像和偏振方位角,图像方面提取太阳光斑中心估计太阳矢量,并计算图像自适应融合因子;偏振方面由水下偏振方位角反演大气偏振E‑矢量,根据瑞利散射模型估计太阳矢量,并计算偏振自适应融合因子。最后,根据自适应融合因子融合太阳光斑和偏振场两种信息计算相机系下的太阳矢量,在水平面进行投影,并结合太阳年历获取地理系下的太阳方位角,最终得到相机的罗盘信息。本发明综合利用水下太阳光斑和偏振场信息进行自适应融合,可在不同水深下获取准确可靠的航向信息,可推广于水下图像式偏振传感器辅助导航应用场景。
Description
技术领域
本发明属于水下光学导航领域,具体涉及一种水下太阳光斑和偏振场自适应融合的罗盘计算方法。
背景技术
相比于陆地和空中,水下环境复杂且可用于导航的信息匮乏。目前已有的导航技术有惯性导航、卫星导航、声学导航等,它们应用于不同的环境具有各自的缺陷,惯性导航误差会随着时间积累,卫星导航在水下环境拒止,声学导航需预先布置信标等,难以满足在陌生复杂海洋环境下的导航要求。因此,科学家从水下环境信息中提取导航信息来满足导航需求。
水下环境中包含太阳光经水面折射后的光,可以提供导航信息,并且在大气环境中通过感知太阳光强获取导航信息的方法已相当成熟,如太阳敏感器技术,中国发明专利CN201210405372.3提出了超大视场太阳敏感器和提取图像太阳光斑中心获取太阳角度的方法,中国发明专利CN200810116807.6提出了获取太阳罗盘进行月球车位姿自主确定方法。但是通过感知太阳光提取导航信息的方法应用在水下还要考虑折射、水面波动等影响,仅依靠该方法解算太阳矢量精度易受干扰,还需考虑水下其他环境信息进行提取导航信息。
仿生偏振导航技术是一种基于大气偏振现象及生物视觉信息导航机理的新型导航技术,具有无源、自主的优点。仿生偏振导航在大气环境下导航定位的研究已经取得很大进展,水下偏振光同样具有与太阳位置有关的偏振特性分布规律,针对水下环境研究在水下生物偏振感知机理和水下偏振场方面等已有初步成果。例如,中国发明专利CN201911252040.4提出了基于水下偏振分布模式解算太阳矢量的方法,中国实用新型专利CN201921710541.8公开了一种近海水下实时偏振成像系统。在上述专利中,仅用水下偏振场信息解算太阳矢量,易受水下深度影响,并未充分利用水下环境信息。
因此,如何在不同水深的实际水下场景下充分利用水下太阳光斑和偏振场信息获得稳定可靠的导航信息以提高偏振传感器的水下环境适应性是一项亟待解决的问题。
发明内容
本发明要解决的技术问题是:现有图像式偏振传感器不能充分利用实际水下场景的环境信息,不能适应不同水下深度带来的影响,难以获取准确可靠的导航信息。
为达到上述目的,本发明采用的技术方案为:
一种水下太阳光斑和偏振场自适应融合的罗盘计算方法,其实现步骤如下:
步骤(1)、首先通过水下水平放置的微阵列偏振相机获取原始图像,对原始图像进行噪声滤波、阈值处理及二值化后得到太阳光斑图像,提取太阳光斑中心坐标(xs,ys),由相机成像几何模型和折射定律得到图像估计太阳矢量SF;
步骤(2)、根据步骤(1)得到的太阳光斑图像,由像素点个数计算太阳光斑的周长LF和面积AF,根据面积和周长评估当前水深采集的太阳光斑信息质量,反映受水面波动等影响程度,计算图像自适应融合因子ωF;
步骤(3)、获取微阵列偏振相机的偏振方位角图像,取偏振方位角图像中n个像素点,结合相机成像几何模型和菲涅尔折射公式,由水下偏振方位角反演其对应的大气偏振E-矢量根据大气偏振E-矢量与太阳矢量垂直关系解算得到偏振估计太阳矢量SP;其中n≥10;
步骤(4)、根据步骤(3)获取的偏振方位角图像,将图像分块并做主成分分析,评估当前水深采集的偏振场信息质量,反映受水体散射等影响程度,提取图像分块样本矩阵的方差贡献率最大值作为偏振自适应融合因子ωP;
步骤(5)、根据所述步骤(1)-(4)的计算结果,根据图像自适应融合因子和偏振自适应融合因子来融合太阳光斑和偏振场两种信息的结果,得到当前水深融合计算的相机坐标系下的太阳矢量Sb,在水平面进行投影得到相机坐标系下的太阳方位角并结合太阳年历获取地理坐标系下的太阳方位角最终得到相机的罗盘信息。
进一步地,所述步骤(1)的图像估计太阳矢量SF具体步骤如下:
相机参数标定后可以得到相机成像几何模型fcamera(x,y),进而确定图像中任意像素点(x,y)在相机坐标系的观测方向,其中以采集图像中心正上方为方位角零位,顺时针为正,天顶角为从相机天顶方向到观测方向的夹角。因此,通过质心法等方法提取图像中太阳光斑中心坐标,并得到关于相机坐标系下的天顶角和方位角:
其中,nw,na分别为水与空气的折射率;
进一步地,所述步骤(2)根据面积和周长计算图像自适应融合因子ωF,具体实现如下:
步骤(1)获取的光斑图像中光斑包含上万个像素点,围成光斑的像素点数量构成其周长LF,包含的所有像素点个数构成其面积AF,根据面积和周长评估当前水深采集的太阳光斑信息质量,反映受水面波动等影响信息质量的程度,计算图像自适应融合因子为:
进一步地,所述步骤(3)具体包括:
获取微阵列偏振相机的偏振方位角图像,取图像中n个像素点坐标及其水下偏振方位角其中n≥10,且像素点在图像中分布均匀不紧凑,根据相机成像几何模型得到像素点在相机坐标系的水下观测方向在相机坐标系下的天顶角和方位角:
根据折射定律得到大气观测方向的天顶角:
根据菲涅尔折射公式计算其大气偏振E-矢量的偏振方位角为:
则该E-矢量在相机坐标系下表示为:
太阳矢量的最优估计为矩阵EET的最小特征值对应的特征向量SP,作为偏振估计太阳矢量。
进一步地,所述步骤(4)具体包括:
根据步骤(3)获取的偏振方位角图像,由于理想偏振方位角图像具有对称分布特性,将偏振方位角图像分为16块,每个图像块的尺寸为M*N,并将图像块中数据按照从左到右,从上到下的顺序重新排列成一个列向量xk;
对16个图像样本做主成分分析,图像样本矩阵为:
A=(x1,x2,...x16)
构建图像样本的协方差矩阵C:
求解协方差矩阵C的特征值并按从大到小排序为λ1,λ2,...λ16,提取方差贡献率最大的特征值λ1在所有特征值占比计算偏振自适应融合因子ωP:
进一步地,所述步骤(5)具体包括:
本发明与现有技术相比的优点在于:
本发明提出的水下太阳光斑和偏振场自适应融合的罗盘计算方法可以充分利用水下环境信息,综合利用水下太阳光斑和偏振场信息进行自适应融合,二者的优势互补融合可以提供更多维度的信息,获取稳定可靠的导航信息。该方法适用于水下不同深度的应用场景,具有更高的环境适应性。该方法充分利用了水下采集的太阳光斑和偏振场信息进行自适应融合,得到当前深度下融合计算的太阳矢量,结合太阳年历获取相机的罗盘信息,提升了环境适应性,实现了在水下不同深度场景下利用多维度信息获取航向信息。
附图说明
图1为本发明一种水下太阳光斑和偏振场自适应融合的罗盘计算方法的流程图。
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、完整的描述,显然,所描述的实施例仅为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,本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
本发明提出一种水下太阳光斑和偏振场自适应融合的罗盘计算方法,其在水下偏振分布模式解算太阳矢量研究的基础上,基于微阵列偏振传感器获取水下包含太阳光斑和偏振场信息的图像,利用二者的优势互补融合可以提供更多维度的信息,分别从图像和偏振两个角度提取太阳矢量:图像方面由于折射太阳光对水下辐射照度贡献较大,以太阳海面折射方向的光强最强,当太阳处于成像视场时,该方向采集的图像易过曝光形成太阳光斑,可用来提取太阳矢量;偏振方面根据获取的偏振方位角图像,反演到大气偏振E-矢量解算太阳矢量。分别对太阳光斑和偏振场采集信息质量进行评价得到自适应融合因子,融合太阳光斑和偏振场两种信息的估计结果,得到当前水深融合计算的相机坐标系下的太阳矢量,并结合太阳年历获取地理坐标系下的太阳方位角,最终得到相机的罗盘信息。本发明使得微阵列偏振传感器综合利用水下太阳光斑和偏振场信息进行自适应融合,可在不同水深下获取准确可靠的罗盘信息,具有更高的环境适应性。
根据本发明的一个实施例,如图1所示,本发明的一种水下太阳光斑和偏振场自适应融合的罗盘计算方法具体实现步骤为:
步骤1、在水下1~20m内选择一定深度,水平放置微阵列偏振相机来获取原始图像。对原始图像进行噪声滤波、阈值处理及二值化后得到太阳光斑图像,根据质心法或其他方法提取太阳光斑中心坐标(xs,ys),由相机成像几何模型和折射定律得到图像估计太阳矢量SF。
太阳光斑中心(xs,ys)可作为图像中的太阳矢量信息。相机参数标定后可以得到相机成像几何模型fcamera(x,y),可以确定图像中任意像素点(x,y)在相机坐标系的观测方向,其中以采集图像中心正上方为方位角零位,顺时针为正,天顶角为从相机天顶方向到观测方向的夹角。因此,可以得到水下太阳光斑中心关于相机的天顶角和方位角:
其中,nw,na分别为水与空气的折射率;
步骤2、根据步骤1获取的太阳光斑图像中光斑包含上万个像素点,围成太阳光斑的像素点数量构成其周长LF,包含的所有像素点个数构成其面积AF,根据面积和周长评估当前水深采集的太阳光斑信息质量,计算图像自适应融合因子为:
该参数用于评估当前水深的图像太阳光斑信息,如太阳受遮挡或水面波动等情况会导致参数降低,根据太阳光斑计算的太阳矢量不可靠。
步骤3、获取微阵列偏振相机的偏振方位角图像,取图像中n个像素点坐标,结合相机成像几何模型和菲涅尔折射公式反演其对应的大气偏振E-矢量根据大气偏振E-矢量与太阳矢量垂直关系解算得到偏振估计太阳矢量SP;其中n≥10,且所取像素点在图像上分布均匀不紧凑。
根据折射定律得到大气观测方向的天顶角:
根据菲涅尔折射公式计算其大气偏振E-矢量的偏振方位角为:
太阳矢量的最优估计为矩阵EET的最小特征值对应的特征向量SP,作为偏振估计太阳矢量。
步骤4、根据步骤3获取的偏振方位角图像,由于理想的偏振方位角图像有对称分布特性,偏振方位角图像中每4*4像素小方块中各提取1个像素,将偏振方位角图像分为16块作为图像样本,也可以分为其他数量,满足原始图像尺寸长宽可整除即可。然后对图像样本做主成分分析,提取协方差矩阵最大特征值在所有特征值占比计算方差贡献率最大值作为偏振自适应融合因子ωP;
每个图像块的尺寸为M*N,并将图像块中数据按照从左到右,从上到下的顺序重新排列成一个列向量xk。对16个图像样本做主成分分析,图像样本矩阵为:
A=(x1,x2,...x16)
构建图像样本的协方差矩阵C:
求解协方差矩阵C的特征值并按从大到小排序为λ1,λ2,...λ16,提取协方差矩阵最大特征值在所有特征值占比,计算方差贡献率最大值作为偏振自适应融合因子ωP:
该参数用于对偏振场信息的判断,如水深度增加偏振光受散射作用而消偏,对称分布特性不明显导致参数降低,使得偏振场计算的太阳矢量不可靠。并且可根据实际特征信息对参数进行比例调整,大于某阈值时给予更高评价,低于某阈值时给予更低评价,从而调整偏振场估计太阳矢量在融合计算中的占比。
步骤5、根据所述步骤1-4的计算结果,根据图像和偏振两种角度估计的太阳矢量和自适应融合因子,以自适应融合因子为权重取加权平均,综合考虑太阳光斑和偏振场信息的估计结果,进而得到当前水深融合计算的相机坐标系下的太阳矢量Sb:
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,且应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (6)
1.一种水下太阳光斑和偏振场自适应融合的罗盘计算方法,其特征在于,具体步骤如下:
步骤(1)、首先通过水下水平放置的微阵列偏振相机获取原始图像,对原始图像进行噪声滤波、阈值处理及二值化后得到太阳光斑图像,提取太阳光斑中心坐标(xs,ys),由相机成像几何模型和折射定律得到图像估计太阳矢量SF;
步骤(2)、根据步骤(1)得到的太阳光斑图像,由像素点个数计算太阳光斑的周长LF和面积AF,根据面积和周长评估当前水深采集的太阳光斑信息质量,反映受水面波动等影响程度,计算图像自适应融合因子ωF;
步骤(3)、获取微阵列偏振相机的偏振方位角图像,取偏振方位角图像中n个像素点,结合相机成像几何模型和菲涅尔折射公式,由水下偏振方位角反演其对应的大气偏振E-矢量根据大气偏振E-矢量与太阳矢量垂直关系解算得到偏振估计太阳矢量SP;其中n≥10;
步骤(4)、根据步骤(3)获取的偏振方位角图像,将图像分块并做主成分分析,评估当前水深采集的偏振场信息质量,反映受水体散射等影响程度,提取图像分块样本矩阵的方差贡献率最大值作为偏振自适应融合因子ωP;
2.根据权利要求1所述的一种水下太阳光斑和偏振场自适应融合的罗盘计算方法,其特征在于:
所述步骤(1)的图像估计太阳矢量SF具体步骤如下:
相机参数标定后可以得到相机成像几何模型fcamera(x,y),进而确定图像中任意像素点(x,y)在相机坐标系的观测方向,其中以采集图像中心正上方为方位角零位,顺时针为正,天顶角为从相机天顶方向到观测方向的夹角,因此,通过质心法等方法提取图像中太阳光斑中心坐标,并得到关于相机坐标系下的天顶角和方位角:
其中,nw,na分别为水与空气的折射率;
4.根据权利要求3所述的一种水下太阳光斑和偏振场自适应融合的罗盘计算方法,其特征在于:
所述步骤(3)具体包括:
获取微阵列偏振相机的偏振方位角图像,取图像中n个像素点坐标及其水下偏振方位角其中n≥10,且像素点在图像中分布均匀不紧凑,根据相机成像几何模型得到像素点在相机坐标系的水下观测方向在相机坐标系下的天顶角和方位角:
根据折射定律得到大气观测方向的天顶角:
根据菲涅尔折射公式计算其大气偏振E-矢量的偏振方位角为:
则该E-矢量在相机坐标系下表示为:
太阳矢量的最优估计为矩阵EET的最小特征值对应的特征向量SP,作为偏振估计太阳矢量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210661758.4A CN115014354B (zh) | 2022-06-13 | 2022-06-13 | 一种水下太阳光斑和偏振场自适应融合的罗盘计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210661758.4A CN115014354B (zh) | 2022-06-13 | 2022-06-13 | 一种水下太阳光斑和偏振场自适应融合的罗盘计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115014354A true CN115014354A (zh) | 2022-09-06 |
CN115014354B CN115014354B (zh) | 2024-04-09 |
Family
ID=83074268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210661758.4A Active CN115014354B (zh) | 2022-06-13 | 2022-06-13 | 一种水下太阳光斑和偏振场自适应融合的罗盘计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115014354B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116222550A (zh) * | 2023-05-08 | 2023-06-06 | 北京航空航天大学 | 一种具有深度适应性的水下偏振太阳计算方法 |
CN117308926A (zh) * | 2023-11-30 | 2023-12-29 | 北京航空航天大学 | 一种基于太阳敏感器和偏振传感器的太阳矢量寻优方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030174328A1 (en) * | 2002-03-11 | 2003-09-18 | Edgar Russell | Calibration system and method for calibration of various types of polarimeters |
CN110887472A (zh) * | 2019-12-09 | 2020-03-17 | 北京航空航天大学 | 一种偏振-地磁信息深度融合全自主姿态解算方法 |
US10656497B1 (en) * | 2019-02-06 | 2020-05-19 | The Government Of The United States As Represented By The Secretary Of The Air Force | Polarization scene projector |
CN111220150A (zh) * | 2019-12-09 | 2020-06-02 | 北京航空航天大学 | 一种基于水下偏振分布模式的太阳矢量解算方法 |
CN111412916A (zh) * | 2020-04-23 | 2020-07-14 | 大连理工大学 | 一种基于大气偏振光场的天文航海船位计算方法 |
-
2022
- 2022-06-13 CN CN202210661758.4A patent/CN115014354B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030174328A1 (en) * | 2002-03-11 | 2003-09-18 | Edgar Russell | Calibration system and method for calibration of various types of polarimeters |
US10656497B1 (en) * | 2019-02-06 | 2020-05-19 | The Government Of The United States As Represented By The Secretary Of The Air Force | Polarization scene projector |
CN110887472A (zh) * | 2019-12-09 | 2020-03-17 | 北京航空航天大学 | 一种偏振-地磁信息深度融合全自主姿态解算方法 |
CN111220150A (zh) * | 2019-12-09 | 2020-06-02 | 北京航空航天大学 | 一种基于水下偏振分布模式的太阳矢量解算方法 |
CN111412916A (zh) * | 2020-04-23 | 2020-07-14 | 大连理工大学 | 一种基于大气偏振光场的天文航海船位计算方法 |
Non-Patent Citations (2)
Title |
---|
褚金奎;关乐;李世奇;张然;金仁成;崔岩;王立鼎;: "大气偏振模式图分布及仿生偏振导航技术", 遥感学报, no. 06, 25 November 2018 (2018-11-25) * |
陈伟;李延飞;吴太夏;关桂霞;: "全天空偏振模式及其影响因素初探", 遥感学报, no. 06, 25 November 2018 (2018-11-25) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116222550A (zh) * | 2023-05-08 | 2023-06-06 | 北京航空航天大学 | 一种具有深度适应性的水下偏振太阳计算方法 |
CN117308926A (zh) * | 2023-11-30 | 2023-12-29 | 北京航空航天大学 | 一种基于太阳敏感器和偏振传感器的太阳矢量寻优方法 |
CN117308926B (zh) * | 2023-11-30 | 2024-01-30 | 北京航空航天大学 | 一种基于太阳敏感器和偏振传感器的太阳矢量寻优方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115014354B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105667518B (zh) | 车道检测的方法及装置 | |
CN115014354B (zh) | 一种水下太阳光斑和偏振场自适应融合的罗盘计算方法 | |
Roman et al. | Application of structured light imaging for high resolution mapping of underwater archaeological sites | |
CN105046251B (zh) | 一种基于环境一号卫星遥感影像的自动正射校正方法 | |
CN111220150B (zh) | 一种基于水下偏振分布模式的太阳矢量解算方法 | |
US9285460B2 (en) | Method and system for estimating information related to a vehicle pitch and/or roll angle | |
CN108107462B (zh) | Rtk与高速相机组合的交通标志杆姿态监测装置及方法 | |
WO2015096508A1 (zh) | 一种模型约束下的在轨三维空间目标姿态估计方法及系统 | |
CN109934891B (zh) | 一种基于无人船的水域岸线构建方法及系统 | |
Chen et al. | Transforming a 3-d lidar point cloud into a 2-d dense depth map through a parameter self-adaptive framework | |
CN111915678B (zh) | 一种基于深度学习的水下单目视觉目标深度定位融合估计方法 | |
CN112666588B (zh) | 一种城市峡谷环境下基于景象匹配与机器学习的定位方法 | |
CN114755662B (zh) | 一种路车融合感知的激光雷达和gps的标定方法和装置 | |
CN107492107A (zh) | 基于平面与空间信息融合的物体识别与重建方法 | |
Babaee et al. | 3-D object modeling from 2-D occluding contour correspondences by opti-acoustic stereo imaging | |
RU2571300C2 (ru) | Способ дистанционного определения абсолютного азимута целевой точки | |
CN117422753A (zh) | 一种联合光学和sar图像的高精度场景实时三维重建方法 | |
CN116957360A (zh) | 一种基于无人机的空间观测与重建方法及系统 | |
CN116310901A (zh) | 一种基于低空遥感的泥石流物源动态运移识别方法 | |
CN113066161B (zh) | 一种城市电波传播模型的建模方法 | |
CN113971699A (zh) | 目标物识别方法、装置、电子设备和存储介质 | |
Ye et al. | Research on reef bathymetric survey of uav stereopair based on two-medium photogrammetry | |
CN112053402A (zh) | 利用偏振地理信息数据库获取航向角的方法 | |
CN111121781A (zh) | 基于地基云图的太阳定位和太阳光干扰判别方法 | |
CN117968669B (zh) | 一种日月交替时刻基于天空显著光强区域的航向确定方法 |
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 |