CN116026342B - 一种基于集群弹性分散的空间目标位姿测量方法 - Google Patents
一种基于集群弹性分散的空间目标位姿测量方法 Download PDFInfo
- Publication number
- CN116026342B CN116026342B CN202310321740.4A CN202310321740A CN116026342B CN 116026342 B CN116026342 B CN 116026342B CN 202310321740 A CN202310321740 A CN 202310321740A CN 116026342 B CN116026342 B CN 116026342B
- Authority
- CN
- China
- Prior art keywords
- target
- coordinate system
- space
- micro
- tracking
- 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
- 239000006185 dispersion Substances 0.000 title claims abstract description 18
- 238000000691 measurement method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims abstract description 9
- 238000005286 illumination Methods 0.000 claims abstract description 8
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 6
- 230000004927 fusion Effects 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 5
- 230000007613 environmental effect Effects 0.000 abstract description 3
- 230000008447 perception Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Classifications
-
- 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
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于集群弹性分散的空间目标位姿测量方法,用于解决现有空间目标位姿信息获取方法存在的目标大、造价高、感知视点及范围有限且对大型目标测量耗时长、任务响应速度慢、易受光照等环境因素影响的技术问题。本方法包括:通过微纳卫星的编队,获得多个视角的目标图像;提取多个视角的目标图像中稳定的特征点,进行高精度立体匹配;根据匹配结果得到立体匹配深度图,再根据视差原理重构特征点位置信息;通过三个特征点构建的空间目标坐标系O w ‑X w Y w Z w 和追踪航天器坐标系O c ‑X c Y c Z c 计算姿态变换矩阵,进而获得姿态角;本发明提供的空间目标位姿测量方法具有容错率及鲁棒性高、响应速度快、观测效能高、观测范围大的优点。
Description
技术领域
本发明涉及航天器领域,尤其涉及一种基于集群弹性分散的空间目标位姿测量方法。
背景技术
随着航天技术的发展,精确测量空间目标之间的相互位置和姿态关系是完成在轨维修等航天任务的关键技术之一,国内外在该领域开展了大量研究工作。然而,现有的研究和技术往往针对单个卫星装载的单一载荷来获取目标航天器的位姿信息。而单个卫星目标大、造价高、感知视点及范围有限、对大型目标测量耗时长、任务响应速度慢,而且易受光照等环境因素影响,可靠性不高,往往无法满足日益复杂环境下空间任务中对空间目标位姿测量的需求。
发明内容
本发明的目的在于解决现有空间目标(目标航天器)位姿信息获取方法存在的目标大、造价高、感知视点及范围有限且对大型目标测量耗时长、任务响应速度慢、易受光照等环境因素影响导致可靠性不高、无法满足日益复杂环境下空间任务中对空间目标位姿测量需求的技术问题,而提供一种基于集群弹性分散的空间目标位姿测量方法。
为了实现上述目的,本发明的技术解决方案如下:
一种基于集群弹性分散的空间目标位姿测量方法,其特殊之处在于,包括以下步骤:
1】通过多个位于空间目标不同视角的微纳卫星实现不同空间任务需求,获得多个视角的目标图像;微纳卫星分别装载有红外摄像机、可见光摄像机或微光摄像机;
以微纳卫星装载的摄像机为基础,建立微纳卫星运动学模型;依靠微纳卫星提取的多个视角的目标图像实现微纳卫星的编队生成、保持以及重构;
2】提取多个视角的目标图像中稳定的特征点,并将多个视角的目标图像中稳定的特征点进行高精度立体匹配,获得视差图;其中,同一视角的目标图像中提取的稳定的特征点至少为三个;
3】根据视差图得到立体匹配深度图,再根据视差原理从立体匹配深度图中重构特征点的位置信息;
4】位姿解算:
4.1】选取三个特征点,分别记作P 1、P 2、P 3,根据P 1、P 2、P 3构建空间目标坐标系O w -X w Y w Z w 和追踪航天器坐标系O c -X c Y c Z c ;所述空间目标坐标系O w -X w Y w Z w 的原点为P 1, 轴方向为/>,且P 3在/>平面上;所述追踪航天器坐标系O c -X c Y c Z c 与空间目标坐标系O w -X w Y w Z w 的位置和姿态关系为:
,
其中,为特征点P i 在追踪航天器坐标系O c -X c Y c Z c 中的坐标,为特征点P i 在空间目标坐标系O w -X w Y w Z w 中的坐标,i=1,2,3,i为特征点的序号;R为姿态变换矩阵;T为空间目标坐标系O w -X w Y w Z w 相对于追踪航天器坐标系O c -X c Y c Z c 的平移矩阵;
4.2】根据构建的空间目标坐标系O w -X w Y w Z w 和追踪航天器坐标系O c -X c Y c Z c 计算姿态变换矩阵R,进而获得姿态角;
4.3】结合步骤3】获得的特征点的位置信息和步骤4.2】获得的姿态角,解算空间目标的位姿信息。
进一步地,步骤4.2】中,姿态变换矩阵
其中,通过下式获得:
,
上式中,为特征点P 3在追踪航天器坐标系O c -X c Y c Z c 中的坐标;/>为特征点P 1在追踪航天器坐标系O c -X c Y c Z c 中的坐标;
,/>为/>在/>轴上的分量,/>为/>在/>轴上的分量,/>为/>的单位向量;
通过下式获得:
,
上式中,为特征点P 2在追踪航天器坐标系O c -X c Y c Z c 中的坐标;,/>为空间目标坐标系O w -X w Y w Z w 的/>轴方向;
通过下式获得:/>。
进一步地,在步骤1】和步骤2】之间,还包括多源异类信息融合的步骤:
微纳卫星编队完成后,将同一时刻红外摄像机获得的目标红外图像、可见光摄像机获得的目标可见光图像以及微光摄像机获得的目标微光图像进行图像融合,获得高质量目标图像。
进一步地,步骤2】具体为:
2.1】特征点提取:
先基于DoP-K滤波和色度归一化对多个视角的目标图像进行预处理,去除光照、噪声因素的影响;再结合SURF描述符来检测多个视角的目标图像中稳定的特征点,并对其进行提取;
2.2】使用NCC算法对提取的稳定的特征点进行高精度立体匹配;
2.3】完成匹配后,记录其视差,最终得到与原始目标图像尺寸相同的视差图。
进一步地,步骤2.2】具体为:
在待匹配像素位置构建3×3邻域匹配窗口,在目标像素位置同样构建3×3邻域匹配窗口;通过建立目标函数来对两个邻域匹配窗口进行相关性的度量,以相邻视角图像待测像素同一水平线上相关性最高的像素为最优的立体匹配。
本发明相比于现有技术的有益效果为:
1、本发明提供的一种基于集群弹性分散的空间目标位姿测量方法,根据不同空间任务需求,将不同的微纳卫星装载的各种载荷(摄像机)进行自由组合和重构,实现空间复杂光照环境下空间目标快速高鲁棒性观测,通过特征点重构获取目标相对位姿信息;该方法具有系统容错率及鲁棒性高、响应速度快、观测效能高、观测范围大的优点,且其应用灵活、适用范围广,具有很高的实用性。
2、本发明提供的一种基于集群弹性分散的空间目标位姿测量方法,微纳卫星集群中的微纳卫星分别装载红外摄像机、可见光摄像机、微光摄像机等小型低成本载荷,大大降低了目标位姿测量的测量成本。
附图说明
图1为本发明一种基于集群弹性分散的空间目标位姿测量方法的流程图;
图2为本发明一种基于集群弹性分散的空间目标位姿测量方法的原理示意图;
图3为本发明中位姿解算原理示意图。
具体实施方式
为使本发明的优点和特征更加清楚,以下结合附图和具体实施例对本发明作进一步详细说明。
本发明以空间在轨维修等航天任务应用为需求,以提高近场的空间目标位姿及测量能力为目标,研究基于微纳卫星集群弹性分散的空间目标位姿高鲁棒性测量技术。
一种基于集群弹性分散的空间目标位姿测量方法,如图1所示,具体包括以下步骤:
1】根据任务特点,完成微纳卫星的编队:
如图2所示,根据不同空间任务需求,本发明在空间目标周围不同观测距离处设置n个微纳卫星以进行n个不同视角的目标图像获取(即微纳卫星集群弹性分散)。微纳卫星分别装载不同的摄像机,具体包括红外摄像机、可见光摄像机以及微光摄像机。以微纳卫星装载的摄像机为基础,建立微纳卫星运动学模型,仅依靠微纳卫星提取的多个视角的目标图像实现微纳卫星的编队生成、保持以及重构。
2】多源异类信息融合:
微纳卫星编队完成后,将同一时刻红外摄像机获得的目标红外图像、可见光摄像机获得的目标可见光图像以及微光摄像机获得的目标微光图像进行多源异类信息图像融合,从而获取高质量目标图像。本发明中采用现有技术实现本步骤的多源异类信息融合。
3】特征匹配:
提取多个视角的高质量目标图像中稳定的特征点,在此基础上将这些稳定的特征点进行高精度立体匹配,获得视差图。具体过程如下:
3.1】特征点提取:
本发明需要一种尺度、平移、旋转均不变且对光照、噪声鲁棒的特征描述符来表述局部特征。具体的,首先基于DoP-K滤波和色度归一化对多个视角的目标图像进行预处理,去除光照、噪声等因素的影响,然后结合SURF描述符来检测特征点,从而实现基于尺度、仿射、光度不变特征描述符的特征点提取;需要说明的是,采集的目标图像的视角越多,视角之间的变化越小,相似性越高,匹配越准确,但匹配速度相应变慢;采集的目标图像的视角越少,匹配速度快,但匹配特征可靠性降低。在实际中,一般要求场景中尽量多的特征可以在至少三帧图像中同时被观测,以保证立体匹配的可靠性。而且为了步骤5】中可以实现三个特征点的选取,本发明中需要保证同一视角的目标图像中提取的稳定的特征点至少为三个,即需要重构至少三个特征点的位置信息。
3.2】使用NCC(归一化相关性)算法对提取的稳定的特征点进行高精度立体匹配,具体为通过在待匹配像素位置构建3×3邻域匹配窗口,在目标像素位置同样构建3×3邻域匹配窗口;通过建立目标函数来对两个邻域匹配窗口进行相关性的度量,相邻视角图像待测像素同一水平线上相关性最高的像素即为最优的立体匹配。
3.3】完成匹配后,记录其视差,即相邻视角图像待测像素水平方向像素差值,最终得到一个与原始目标图像尺寸相同的视差图。
4】特征点位置信息重构:
根据立体匹配结果,即步骤3.3】获得的视差图,得到立体匹配深度图,再根据视差原理从立体匹配深度图中重构特征点的位置信息。
5】位姿解算:
5.1】选取三个特征点,分别记作P 1、P 2、P 3,根据P 1、P 2、P 3构建空间目标坐标系O w -X w Y w Z w 和追踪航天器坐标系O c -X c Y c Z c ;空间目标坐标系O w -X w Y w Z w 和追踪航天器坐标系O c -X c Y c Z c 的位置关系如图3所示,且追踪航天器坐标系O c -X c Y c Z c 与空间目标坐标系O w -X w Y w Z w 的位置姿态关系可表示为:
(1)
其中,为特征点P i 在追踪航天器坐标系O c -X c Y c Z c 中的坐标;
为特征点P i 在空间目标坐标系O w -X w Y w Z w 中的坐标,i=1,2,3,i为特征点的序号;
R为姿态变换矩阵,;
T为空间目标坐标系O w -X w Y w Z w 相对于追踪航天器坐标系O c -X c Y c Z c 的平移矩阵,,/>分别为平移矩阵的三个分量。
即公式(1)可以表示为:
(2)
定义特征点P i 为空间目标坐标系O w -X w Y w Z w 的原点,此时特征点P 1 在追踪航天器坐标系O c -X c Y c Z c 中的坐标为,在空间目标坐标系O w -X w Y w Z w 中的坐标为(0,0,0),代入式(2)中得:
通过公式(2)可以得知,为坐标系/>相对于坐标系/>的平移矩阵。
定义为空间目标坐标系O w -X w Y w Z w 的/>轴方向,即特征点P 2在/>轴上,此时特征点P 2在追踪航天器坐标系O c -X c Y c Z c 中的坐标为/>,在空间目标坐标系O w -X w Y w Z w 中的坐标为/>,代入式(2)中可得:
即为:
其中,可通过下式计算获得:
定义特征点P 3 在平面,此时特征点P 3 在追踪航天器坐标系O c -X c Y c Z c 中的坐标为/>,在空间目标坐标系O w -X w Y w Z w 中的坐标为/>,代入式(2)中得到/>为:
其中,和/>求解如下:
其中为/>在/>轴上的分量,/>为/>在/>轴上的分量,/>为/>的单位向量。
5.2】通过步骤5.1】获得的和/>,根据下式确定/>:
再通过、/>以及/>,得到姿态变换矩阵R=/>;根据姿态变换矩阵R计算相应的姿态角/>,其中/>为俯仰角、/>为偏航角,/>为滚转角。
5.3】根据步骤4】中获得的特征点的位置信息和步骤5.2】获得的姿态角,进而获得整个空间目标的全部位姿信息。
以上所述,仅用以说明本发明的技术方案,而非对其限制,对于本领域的普通专业技术人员来说,可以对上述实施例所记载的具体技术方案进行修改,或者对其中部分技术特征进行等同替换,而这些修改或者替换,并不使相应技术方案的本质脱离本发明所保护技术方案的范围。
Claims (5)
1.一种基于集群弹性分散的空间目标位姿测量方法,其特征在于,包括以下步骤:
1】通过多个位于空间目标不同视角的微纳卫星实现不同空间任务需求,获得多个视角的目标图像;微纳卫星分别装载有红外摄像机、可见光摄像机或微光摄像机;
以微纳卫星装载的摄像机为基础,建立微纳卫星运动学模型;依靠微纳卫星提取的多个视角的目标图像实现微纳卫星的编队生成、保持以及重构;
2】提取多个视角的目标图像中稳定的特征点,并将多个视角的目标图像中稳定的特征点进行立体匹配,获得视差图;其中,同一视角的目标图像中提取的稳定的特征点至少为三个;
3】根据视差图得到立体匹配深度图,再根据视差原理从立体匹配深度图中重构特征点的位置信息;
4】位姿解算:
4.1】选取三个特征点,分别记作P 1、P 2、P 3,根据P 1、P 2、P 3构建空间目标坐标系O w -X w Y w Z w 和追踪航天器坐标系O c -X c Y c Z c ;所述空间目标坐标系O w -X w Y w Z w 的原点为P 1, 轴方向为/>,且P 3在/>平面上;所述追踪航天器坐标系O c -X c Y c Z c 与空间目标坐标系O w -X w Y w Z w 的位置和姿态关系为:
,
其中,为特征点P i 在追踪航天器坐标系O c -X c Y c Z c 中的坐标,为特征点P i 在空间目标坐标系O w -X w Y w Z w 中的坐标,i=1,2,3,i为特征点的序号;R为姿态变换矩阵;T为空间目标坐标系O w -X w Y w Z w 相对于追踪航天器坐标系O c -X c Y c Z c 的平移矩阵;
4.2】根据构建的空间目标坐标系O w -X w Y w Z w 和追踪航天器坐标系O c -X c Y c Z c 计算姿态变换矩阵R,进而获得姿态角;
4.3】结合步骤3】获得的特征点的位置信息和步骤4.2】获得的姿态角,解算空间目标的位姿信息。
2.根据权利要求1所述的一种基于集群弹性分散的空间目标位姿测量方法,其特征在于:
步骤4.2】中,姿态变换矩阵;
其中,通过下式获得:
,
上式中,为特征点P 3在追踪航天器坐标系O c -X c Y c Z c 中的坐标;/>为特征点P 1在追踪航天器坐标系O c -X c Y c Z c 中的坐标;
,/>为/>在/>轴上的分量,/>为/>在/>轴上的分量,/>为/>的单位向量;
通过下式获得:
,
其中,为特征点P 2在追踪航天器坐标系O c -X c Y c Z c 中的坐标;,/>为空间目标坐标系O w -X w Y w Z w 的/>轴方向;
通过下式获得:/>。
3.根据权利要求2所述的一种基于集群弹性分散的空间目标位姿测量方法,其特征在于:
在步骤1】和步骤2】之间,还包括多源异类信息融合的步骤:
微纳卫星编队完成后,将同一时刻红外摄像机获得的目标红外图像、可见光摄像机获得的目标可见光图像以及微光摄像机获得的目标微光图像进行图像融合,获得高质量目标图像。
4.根据权利要求1-3任一所述的一种基于集群弹性分散的空间目标位姿测量方法,其特征在于,步骤2】具体为:
2.1】特征点提取:
先基于DoP-K滤波和色度归一化对多个视角的目标图像进行预处理,去除光照、噪声因素的影响;再结合SURF描述符来检测多个视角的目标图像中稳定的特征点,并对其进行提取;
2.2】使用NCC算法对提取的稳定的特征点进行立体匹配;
2.3】完成匹配后,记录其视差,最终得到与原始目标图像尺寸相同的视差图。
5.根据权利要求4所述的一种基于集群弹性分散的空间目标位姿测量方法,其特征在于,步骤2.2】具体为:
在待匹配像素位置构建3×3邻域匹配窗口,在目标像素位置同样构建3×3邻域匹配窗口;通过建立目标函数来对两个邻域匹配窗口进行相关性的度量,以相邻视角图像待测像素同一水平线上相关性最高的像素为最优的立体匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310321740.4A CN116026342B (zh) | 2023-03-29 | 2023-03-29 | 一种基于集群弹性分散的空间目标位姿测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310321740.4A CN116026342B (zh) | 2023-03-29 | 2023-03-29 | 一种基于集群弹性分散的空间目标位姿测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116026342A CN116026342A (zh) | 2023-04-28 |
CN116026342B true CN116026342B (zh) | 2023-08-18 |
Family
ID=86079848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310321740.4A Active CN116026342B (zh) | 2023-03-29 | 2023-03-29 | 一种基于集群弹性分散的空间目标位姿测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116026342B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106679634A (zh) * | 2016-06-20 | 2017-05-17 | 山东航天电子技术研究所 | 一种基于立体视觉的空间非合作目标位姿测量方法 |
CN108876825A (zh) * | 2018-05-15 | 2018-11-23 | 北京空间飞行器总体设计部 | 一种空间非合作目标相对导航三维匹配估计方法 |
CN110030979A (zh) * | 2019-03-11 | 2019-07-19 | 北京空间飞行器总体设计部 | 一种基于序列图像的空间非合作目标相对位姿测量方法 |
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 |
AU2020103576A4 (en) * | 2019-12-27 | 2021-02-04 | Wuhan University | Autonomous orbit and attitude determination method of low-orbit satellite based on non-navigation satellite signal |
WO2021057742A1 (zh) * | 2019-09-27 | 2021-04-01 | Oppo广东移动通信有限公司 | 定位方法及装置、设备、存储介质 |
CN113592953A (zh) * | 2021-07-20 | 2021-11-02 | 中国科学院西安光学精密机械研究所 | 一种基于特征点集的双目非合作目标位姿测量方法 |
CN113763423A (zh) * | 2021-08-03 | 2021-12-07 | 中国北方车辆研究所 | 一种基于多模态数据的系统性目标识别与跟踪方法 |
-
2023
- 2023-03-29 CN CN202310321740.4A patent/CN116026342B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106679634A (zh) * | 2016-06-20 | 2017-05-17 | 山东航天电子技术研究所 | 一种基于立体视觉的空间非合作目标位姿测量方法 |
CN108876825A (zh) * | 2018-05-15 | 2018-11-23 | 北京空间飞行器总体设计部 | 一种空间非合作目标相对导航三维匹配估计方法 |
CN110030979A (zh) * | 2019-03-11 | 2019-07-19 | 北京空间飞行器总体设计部 | 一种基于序列图像的空间非合作目标相对位姿测量方法 |
WO2021057742A1 (zh) * | 2019-09-27 | 2021-04-01 | Oppo广东移动通信有限公司 | 定位方法及装置、设备、存储介质 |
AU2020103576A4 (en) * | 2019-12-27 | 2021-02-04 | Wuhan University | Autonomous orbit and attitude determination method of low-orbit satellite based on non-navigation satellite signal |
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 |
CN113592953A (zh) * | 2021-07-20 | 2021-11-02 | 中国科学院西安光学精密机械研究所 | 一种基于特征点集的双目非合作目标位姿测量方法 |
CN113763423A (zh) * | 2021-08-03 | 2021-12-07 | 中国北方车辆研究所 | 一种基于多模态数据的系统性目标识别与跟踪方法 |
Non-Patent Citations (1)
Title |
---|
非合作目标视觉位姿测量与地面验证方法;林婷婷;江晟;李荣华;葛研军;周颖;;大连交通大学学报(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116026342A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107564061B (zh) | 一种基于图像梯度联合优化的双目视觉里程计算方法 | |
JP6768156B2 (ja) | 仮想的に拡張された視覚的同時位置特定及びマッピングのシステム及び方法 | |
CN109360240B (zh) | 一种基于双目视觉的小型无人机定位方法 | |
Qin et al. | Relocalization, global optimization and map merging for monocular visual-inertial SLAM | |
Clipp et al. | Robust 6dof motion estimation for non-overlapping, multi-camera systems | |
CN107680159B (zh) | 一种基于投影矩阵的空间非合作目标三维重建方法 | |
CN112649016A (zh) | 一种基于点线初始化的视觉惯性里程计方法 | |
Liu et al. | Direct visual odometry for a fisheye-stereo camera | |
Zhao et al. | RTSfM: Real-time structure from motion for mosaicing and DSM mapping of sequential aerial images with low overlap | |
CN114494150A (zh) | 一种基于半直接法的单目视觉里程计的设计方法 | |
Guan et al. | Minimal solutions for the rotational alignment of IMU-camera systems using homography constraints | |
CN115471748A (zh) | 一种面向动态环境的单目视觉slam方法 | |
Guan et al. | Minimal cases for computing the generalized relative pose using affine correspondences | |
Kleinschmidt et al. | Visual multimodal odometry: Robust visual odometry in harsh environments | |
CN116026342B (zh) | 一种基于集群弹性分散的空间目标位姿测量方法 | |
CN112508999A (zh) | 一种基于协作观测图像序列的空间目标运动状态辨识方法 | |
CN110634160B (zh) | 二维图形中目标三维关键点提取模型构建及姿态识别方法 | |
Shen et al. | Plant image mosaic based on depth and color dual information feature source from Kinect | |
CN111667413A (zh) | 一种基于多源传感数据融合处理的图像消旋方法和系统 | |
CN111609794A (zh) | 一种基于双机械臂抓捕的目标卫星星箭对接环抓捕点定位方法 | |
Chen et al. | Unsupervised monocular depth learning with integrated intrinsics and spatio-temporal constraints | |
Zhang et al. | Hybrid iteration and optimization-based three-dimensional reconstruction for space non-cooperative targets with monocular vision and sparse lidar fusion | |
Kim et al. | Environment modelling using spherical stereo imaging | |
Bazin et al. | Dynamic programming and skyline extraction in catadioptric infrared images | |
Miao et al. | Pose estimation of non-cooperative spacecraft based on collaboration of space-ground and rectangle feature |
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 |