CN117392227A - 一种头部姿态零位掉电保持方法及系统 - Google Patents
一种头部姿态零位掉电保持方法及系统 Download PDFInfo
- Publication number
- CN117392227A CN117392227A CN202311695374.5A CN202311695374A CN117392227A CN 117392227 A CN117392227 A CN 117392227A CN 202311695374 A CN202311695374 A CN 202311695374A CN 117392227 A CN117392227 A CN 117392227A
- Authority
- CN
- China
- Prior art keywords
- helmet
- cabin
- calibration
- zero
- parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000000605 extraction Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 210000003128 head Anatomy 0.000 claims description 37
- 238000001914 filtration Methods 0.000 claims description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000014759 maintenance of location Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- 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
- G06T7/68—Analysis of geometric attributes of symmetry
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种头部姿态零位掉电保持方法及系统,所述方法包括:在座舱内布置若干第一标识点,基于所述第一标识点对所述座舱进行环境特征提取与特征建模,以得到所述座舱的中轴线零位信息;在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息;将所述中轴线零位信息与所述眼中零位信息存储在掉电易失模块内,以使在掉电再次上电后所述头盔与所述座舱能够使用所述中轴线零位信息与所述眼中零位信息,本发明通过可使头盔初次上电和掉电重新上电能保证其定位精度,同时在掉电重新上电无需进行重复标定,降低了头盔的使用难度。
Description
技术领域
本发明属于掉电保持的技术领域,具体地涉及一种头部姿态零位掉电保持方法及系统。
背景技术
当头盔首次在出厂校准和在座舱环境校准后,其初始精度需要驻留在环境中,如没有掉电保持功能,则设备掉电后需要重新在校准环境下进行校准,才能有效保证头盔的定位精度,在外场环境或使用过程中不具备校准条件,掉电后要迅速上电使用头盔,如无初始校准值,则系统将无法使用。
而在现有技术中,在掉电后迅速上电,系统无初始校准值,因此需要通过重复对头盔以及座舱进行重复标定,如此会大幅度增加头盔使用的难度,同时也无法保证头盔使用的定位精度。
发明内容
为了解决上述技术问题,本发明提供了一种头部姿态零位掉电保持方法及系统,用于解决现有技术中存在的技术问题。
第一方面,该发明提供以下技术方案,一种头部姿态零位掉电保持方法,所述方法包括:
在座舱内布置若干第一标识点,基于所述第一标识点对所述座舱进行环境特征提取与特征建模,以得到所述座舱的中轴线零位信息;
在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息;
将所述中轴线零位信息与所述眼中零位信息存储在掉电易失模块内,以使在掉电再次上电后所述头盔与所述座舱能够使用所述中轴线零位信息与所述眼中零位信息;
所述在座舱内布置若干第一标识点,基于所述第一标识点对所述座舱进行环境特征提取与特征建模,以得到所述座舱的中轴线零位信息的步骤包括:
基于所述座舱的环境,在所述座舱内布置若干第一标识点;
通过第一图像传感器获取所述座舱的座舱环境图像,基于所述第一标识点与所述座舱环境图像对所述第一图像传感器依次进行内参数标定与外参数标定,以得到第一标定内参数与第一标定外参数;
基于所述第一标定内参数与所述第一标定外参数,对所述座舱进行特征建模,以得到所述座舱的中轴线零位信息。
相比现有技术,本申请的有益效果为:本申请首先在座舱内布置若干第一标识点,基于第一标识点对座舱进行环境特征提取与特征建模,以得到座舱的中轴线零位信息;而后在设于座舱内的头盔上布置若干第二标识点,基于第二标识点对头盔在其活动范围内进行位姿解算,以得到头盔的眼中零位信息;最后将中轴线零位信息与眼中零位信息存储在掉电易失模块内,以使在掉电再次上电后头盔与座舱能够使用中轴线零位信息与眼中零位信息,本发明通过计算头盔在座舱环境中进行姿态和位置运动,不断进行建模计算形成相对于座舱环境初始位置精度,并将此数据作为中轴线零位信息与眼中零位信息保存下来,以供头盔初次上电和掉电重新上电能保证其定位精度,同时在掉电重新上电无需进行重复标定,降低了头盔的使用难度。
较佳的,所述基于所述第一标定内参数与所述第一标定外参数,对所述座舱进行特征建模,以得到所述座舱的中轴线零位信息的步骤包括:
提取所述座舱环境图像中的第一标识点的第一质心;
根据所述第一质心对座舱环境进行特征点空间坐标测量,以得到若干图像环境特征点;
通过所述第一标定内参数、所述第一标定外参数以及所述图像环境特征点对所述第一质心进行图像畸变校正,并利用图像位姿解算算法对所述座舱的中轴线位姿进行解算,以得到所述座舱的中轴线零位信息。
较佳的,所述在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息的步骤包括:
基于所述头盔的形状,在所述头盔的外部布置若干第二标识点;
通过第二图像传感器获取所述头盔的头盔环境图像,基于所述第二标识点与所述头盔环境图像对所述第二图像传感器依次进行外参数标定、内参数标定,以得到第二外标定参数与第二内标定参数;
基于所述第二外标定参数、所述第二内标定参数对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息。
较佳的,所述基于所述第二外标定参数、所述第二内标定参数对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息的步骤包括:
提取所述头盔环境图像中的第二标识点的第二质心;
基于所述第二质心对所述第二标识点依次进行标识点内参数标定、标识点外参数标定,以得到标识点内参数与标识点外参数,并利用所述第二内标定参数对所述第二质心进行畸变校正;
根据所述第二外标定参数、所述标识点内参数以及所述标识点外参数并利用头部位姿跟踪算法对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息。
较佳的,所述提取所述头盔环境图像中的第二标识点的第二质心的步骤包括:
对所述头盔环境图像进行区域划分,以得到标识点图像以及背景图像;
对所述标识点图像进行标识点粗提取,以得到所述第二标识点的粗提取图像;
对所述粗提取图像依次进行局部子定义生成、全局子区域亚像素边界提取以及亚像素边界拟合,以得到第二质心。
较佳的,在所述在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息的步骤之后,所述方法还包括:
基于所述眼中零位信息确定所述头盔相对于所述座舱的相对位姿关系,根据所述相对位姿关系建立相对位姿误差状态运动学方程并推导出卡尔曼滤波的状态方程,将所述相对位姿关系作为观测信息建立线性观测方程,根据滤波相对误差值的取值范围使用强跟踪卡尔曼滤波算法对所述眼中零位信息进行组合滤波。
第二方面,该发明提供以下技术方案,一种头部姿态零位掉电保持系统,所述系统包括:
第一零位信息确定模块,在座舱内布置若干第一标识点,基于所述第一标识点对所述座舱进行环境特征提取与特征建模,以得到所述座舱的中轴线零位信息;
第二零位信息确定模块,用于在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息;
零位信息存储模块,用于将所述中轴线零位信息与所述眼中零位信息存储在掉电易失模块内,以使在掉电再次上电后所述头盔与所述座舱能够使用所述中轴线零位信息与所述眼中零位信息;
其中,所述第一零位信息确定模块包括:
第一标识点布置子模块,用于基于所述座舱的环境,在所述座舱内布置若干第一标识点;
第一标定子模块,用于通过第一图像传感器获取所述座舱的座舱环境图像,基于所述第一标识点与所述座舱环境图像对所述第一图像传感器依次进行内参数标定与外参数标定,以得到第一标定内参数与第一标定外参数;
第一零位信息确定子模块,用于基于所述第一标定内参数与所述第一标定外参数,对所述座舱进行特征建模,以得到所述座舱的中轴线零位信息。
较佳的,所述第一零位信息确定子模块包括:
第一提取单元,提取所述座舱环境图像中的第一标识点的第一质心;
特征点确定单元,用于根据所述第一质心对座舱环境进行特征点空间坐标测量,以得到若干图像环境特征点;
第一位姿解算单元,用于通过所述第一标定内参数、所述第一标定外参数以及所述图像环境特征点对所述第一质心进行图像畸变校正,并利用图像位姿解算算法对所述座舱的中轴线位姿进行解算,以得到所述座舱的中轴线零位信息。
较佳的,所述第二零位信息确定模块包括:
第二标识点布置子模块,用于基于所述头盔的形状,在所述头盔的外部布置若干第二标识点;
第二标定子模块,用于通过第二图像传感器获取所述头盔的头盔环境图像,基于所述第二标识点与所述头盔环境图像对所述第二图像传感器依次进行外参数标定、内参数标定,以得到第二外标定参数与第二内标定参数;
第二零位信息确定子模块,用于基于所述第二外标定参数、所述第二内标定参数对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息。
较佳的,所述系统还包括:
滤波模块,用于基于所述眼中零位信息确定所述头盔相对于所述座舱的相对位姿关系,根据所述相对位姿关系建立相对位姿误差状态运动学方程并推导出卡尔曼滤波的状态方程,将所述相对位姿关系作为观测信息建立线性观测方程,根据滤波相对误差值的取值范围使用强跟踪卡尔曼滤波算法对所述眼中零位信息进行组合滤波。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明第一实施例提供的头部姿态零位掉电保持方法的流程图;
图2为本发明第一实施例提供的头部姿态零位掉电保持方法中步骤S1的详细流程图;
图3为本发明第一实施例提供的头部姿态零位掉电保持方法中步骤S13的详细流程图;
图4为本发明第一实施例提供的头部姿态零位掉电保持方法中步骤S2的详细流程图;
图5为本发明第一实施例提供的头部姿态零位掉电保持方法中步骤S23的详细流程图;
图6为本发明第一实施例提供的头部姿态零位掉电保持方法中步骤S231的详细流程图;
图7为本发明第二实施例提供的头部姿态零位掉电保持方法的流程图;
图8为本发明第三实施例提供的头部姿态零位掉电保持系统的结构框图;
图9为本发明另一实施例提供的计算机的设备硬件结构框图。
以下将结合附图对本发明实施例作进一步说明。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明的实施例,而不能理解为对本发明的限制。
实施例一
如图1所示,在本发明的第一个实施例中,该发明提供以下技术方案,一种头部姿态零位掉电保持方法,所述方法包括:
S1、在座舱内布置若干第一标识点,基于所述第一标识点对所述座舱进行环境特征提取与特征建模,以得到所述座舱的中轴线零位信息;
具体的,在步骤S1中的座舱可为飞机座舱、装甲车座舱以及其他带驾驶位的座舱,通过在座舱内布置若干第一标识点,便可通过图像传感器获取到座舱的环境图像,且在环境图像中含有第一标识点的图像,通过第一标识点的坐标、位置以及数量,便可对座舱进行特征建模,该过程类似于通过标识点进行三维建模的过程,同时,在本实施例中的第一标识点为发光LED标识点,其能够在通电后发光,以便于在座舱的环境图像中提取出第一标识点的位置。
如图2所示,其中,所述步骤S1包括:
S11、基于所述座舱的环境,在所述座舱内布置若干第一标识点;
具体的,在步骤S11中,第一标识点的布置与座舱的环境对应,要求第一标识点能够布满整个座舱内部,且第一标识点的数量会影响座舱建模的精度,第一标识点的数量越多,则座舱建模的精度越高。
S12、通过第一图像传感器获取所述座舱的座舱环境图像,基于所述第一标识点与所述座舱环境图像对所述第一图像传感器依次进行内参数标定与外参数标定,以得到第一标定内参数与第一标定外参数;
具体的,通过所述第一标识点与所述座舱环境图像对所述第一图像传感器依次进行内参数标定与外参数标定,便可确定第一图像传感器与第一标识点之间的位姿关系,以便于后续进行位姿解算。
S13、基于所述第一标定内参数与所述第一标定外参数,对所述座舱进行特征建模,以得到所述座舱的中轴线零位信息;
如图3所示,其中,所述步骤S13包括:
S131、提取所述座舱环境图像中的第一标识点的第一质心;
具体的,由于座舱环境图像有多张,对应的在多张座舱环境图像中均包含有一定数量的第一标识点,在步骤S131中,则通过提取每一张座舱图像中的所有第一标识点的共同的第一质心即可。
S132、根据所述第一质心对座舱环境进行特征点空间坐标测量,以得到若干图像环境特征点;
具体的,提取出第一质心之后,由于拍摄的座舱环境图像需要从多个角度进行拍摄,因此座舱环境图像包含了整个座舱的局部图像,因此通过确定若干图像环境特征点,并结合第一质心与第一图像传感器之间的位姿关系,便可解算处座舱的中轴线的位姿。
S133、通过所述第一标定内参数、所述第一标定外参数以及所述图像环境特征点对所述第一质心进行图像畸变校正,并利用图像位姿解算算法对所述座舱的中轴线位姿进行解算,以得到所述座舱的中轴线零位信息;
具体的,通过将若干环境特征点,以及所述第一标定内参数、所述第一标定外参数中包含的第一图像传感器与若干第一标识点之间的位姿关系,便可联合解算出座舱的中轴线位姿,进而得到所述座舱的中轴线零位信息。
S2、在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息;
具体的,同理在获取到座舱的中轴线位姿之后,需要确定头盔的位姿,在本实施例中采用头盔的眼中零位信息,其中的眼中零位即为头盔在佩戴之后人双眼之间的竖直轴线零位。
如图4所示,其中,所述步骤S2包括:
S21、基于所述头盔的形状,在所述头盔的外部布置若干第二标识点;
具体的,第二标识点位于头盔的外部,由于第二图像传感器安装在座舱内,其可用于拍摄第二标识点,因此将第二标识点设置在头盔外部,确保第二图像传感器能够获取到含有第二标识点的头盔环境图像。
S22、通过第二图像传感器获取所述头盔的头盔环境图像,基于所述第二标识点与所述头盔环境图像对所述第二图像传感器依次进行外参数标定、内参数标定,以得到第二外标定参数与第二内标定参数;
具体的,与步骤S12类似的,基于所述第二标识点与所述头盔环境图像对所述第二图像传感器依次进行外参数标定、内参数标定,便可确定第二图像传感器与第二标识点之间的位姿关系,以便于后续进行位姿解算。
S23、基于所述第二外标定参数、所述第二内标定参数对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息;
如图5所示,其中,所述步骤S23包括以下步骤:
S231、提取所述头盔环境图像中的第二标识点的第二质心;
具体的,与步骤S131类似的,由于头盔环境图像有多张,对应的在多张头盔环境图像中均包含有一定数量的第二标识点,因此通过提取每一张座舱图像中的所有第二标识点的共同的第二质心,便可辅助确定头盔的位姿关系;
如图6所示,其中,所述步骤S231包括:
S2311、对所述头盔环境图像进行区域划分,以得到标识点图像以及背景图像;
S2312、对所述标识点图像进行标识点粗提取,以得到所述第二标识点的粗提取图像;
S2313、对所述粗提取图像依次进行局部子定义生成、全局子区域亚像素边界提取以及亚像素边界拟合,以得到第二质心。
S232、基于所述第二质心对所述第二标识点依次进行标识点内参数标定、标识点外参数标定,以得到标识点内参数与标识点外参数,并利用所述第二内标定参数对所述第二质心进行畸变校正;
具体的,通过第二标识点依次进行标识点内参数标定、标识点外参数标定,可进一步确定每个第二标识点相对于第二图像传感器之间的位姿关系,并通过第二内标定参数对所述第二质心进行畸变校正,以此可以得到无畸变的第二质心的具体坐标。
S233、根据所述第二外标定参数、所述标识点内参数以及所述标识点外参数并利用头部位姿跟踪算法对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息。
S3、将所述中轴线零位信息与所述眼中零位信息存储在掉电易失模块内,以使在掉电再次上电后所述头盔与所述座舱能够使用所述中轴线零位信息与所述眼中零位信息;
具体的,通过计算头盔在座舱环境中进行姿态和位置运动,不断进行建模计算形成相对于座舱环境初始位置精度,并将此数据作为中轴线零位信息与眼中零位信息保存下来,以供头盔初次上电和掉电重新上电能保证其定位精度,同时在掉电重新上电无需进行重复标定,降低了头盔的使用难度。
本实施例一的好处在于:首先在座舱内布置若干第一标识点,基于第一标识点对座舱进行环境特征提取与特征建模,以得到座舱的中轴线零位信息;而后在设于座舱内的头盔上布置若干第二标识点,基于第二标识点对头盔在其活动范围内进行位姿解算,以得到头盔的眼中零位信息;最后将中轴线零位信息与眼中零位信息存储在掉电易失模块内,以使在掉电再次上电后头盔与座舱能够使用中轴线零位信息与眼中零位信息,本发明通过计算头盔在座舱环境中进行姿态和位置运动,不断进行建模计算形成相对于座舱环境初始位置精度,并将此数据作为中轴线零位信息与眼中零位信息保存下来,以供头盔初次上电和掉电重新上电能保证其定位精度,同时在掉电重新上电无需进行重复标定,降低了头盔的使用难度。
实施例二
如图7所示,在本发明的第二个实施例提供了一种头部姿态零位掉电保持方法,所述方法包括:
S10、在座舱内布置若干第一标识点,基于所述第一标识点对所述座舱进行环境特征提取与特征建模,以得到所述座舱的中轴线零位信息;
S20、在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息;
S30、基于所述眼中零位信息确定所述头盔相对于所述座舱的相对位姿关系,根据所述相对位姿关系建立相对位姿误差状态运动学方程并推导出卡尔曼滤波的状态方程,将所述相对位姿关系作为观测信息建立线性观测方程,根据滤波相对误差值的取值范围使用强跟踪卡尔曼滤波算法对所述眼中零位信息进行组合滤波;
具体的,通过使用强跟踪卡尔曼滤波算法对所述眼中零位信息进行组合滤波,由于头盔相对于座舱是运动的,因此通过对头盔的眼中零位信息进行组合滤波,便可使得眼中零位信息更加精确;
S40、将所述中轴线零位信息与所述眼中零位信息存储在掉电易失模块内,以使在掉电再次上电后所述头盔与所述座舱能够使用所述中轴线零位信息与所述眼中零位信息。
与实施例一相比,本实施例二的好处在于:通过增加使用强跟踪卡尔曼滤波算法对所述眼中零位信息进行组合滤波的方式,可使得眼中零位信息更加精确,进一步保证了头盔初次上电和掉电重新上电后的定位精度。
实施例三
如图8所示,在本发明的第三个实施例提供了一种头部姿态零位掉电保持系统,所述系统包括:
第一零位信息确定模块1,在座舱内布置若干第一标识点,基于所述第一标识点对所述座舱进行环境特征提取与特征建模,以得到所述座舱的中轴线零位信息;
第二零位信息确定模块2,用于在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息;
滤波模块3,用于基于所述眼中零位信息确定所述头盔相对于所述座舱的相对位姿关系,根据所述相对位姿关系建立相对位姿误差状态运动学方程并推导出卡尔曼滤波的状态方程,将所述相对位姿关系作为观测信息建立线性观测方程,根据滤波相对误差值的取值范围使用强跟踪卡尔曼滤波算法对所述眼中零位信息进行组合滤波。
零位信息存储模块4,用于将所述中轴线零位信息与所述眼中零位信息存储在掉电易失模块内,以使在掉电再次上电后所述头盔与所述座舱能够使用所述中轴线零位信息与所述眼中零位信息。
其中,所述第一零位信息确定模块1包括:
第一标识点布置子模块,用于基于所述座舱的环境,在所述座舱内布置若干第一标识点;
第一标定子模块,用于通过第一图像传感器获取所述座舱的座舱环境图像,基于所述第一标识点与所述座舱环境图像对所述第一图像传感器依次进行内参数标定与外参数标定,以得到第一标定内参数与第一标定外参数;
第一零位信息确定子模块,用于基于所述第一标定内参数与所述第一标定外参数,对所述座舱进行特征建模,以得到所述座舱的中轴线零位信息。
第一零位信息确定子模块包括:
第一提取单元,提取所述座舱环境图像中的第一标识点的第一质心;
特征点确定单元,用于根据所述第一质心对座舱环境进行特征点空间坐标测量,以得到若干图像环境特征点;
第一位姿解算单元,用于通过所述第一标定内参数、所述第一标定外参数以及所述图像环境特征点对所述第一质心进行图像畸变校正,并利用图像位姿解算算法对所述座舱的中轴线位姿进行解算,以得到所述座舱的中轴线零位信息。
所述第二零位信息确定模块2包括:
第二标识点布置子模块,用于基于所述头盔的形状,在所述头盔的外部布置若干第二标识点;
第二标定子模块,用于通过第二图像传感器获取所述头盔的头盔环境图像,基于所述第二标识点与所述头盔环境图像对所述第二图像传感器依次进行外参数标定、内参数标定,以得到第二外标定参数与第二内标定参数;
第二零位信息确定子模块,用于基于所述第二外标定参数、所述第二内标定参数对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息。
所述第二零位信息确定子模块包括:
第二提取单元,用于提取所述头盔环境图像中的第二标识点的第二质心;
标定单元,用于基于所述第二质心对所述第二标识点依次进行标识点内参数标定、标识点外参数标定,以得到标识点内参数与标识点外参数,并利用所述第二内标定参数对所述第二质心进行畸变校正;
第二位姿解算单元,用于根据所述第二外标定参数、所述标识点内参数以及所述标识点外参数并利用头部位姿跟踪算法对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息。
所述第二提取单元包括:
划分子单元,用于对所述头盔环境图像进行区域划分,以得到标识点图像以及背景图像;
提取子单元,用于对所述标识点图像进行标识点粗提取,以得到所述第二标识点的粗提取图像;
拟合子单元,用于对所述粗提取图像依次进行局部子定义生成、全局子区域亚像素边界提取以及亚像素边界拟合,以得到第二质心。
在本发明的另一些实施例中,本发明实施例提供以下技术方案,一种计算机,包括存储器102、处理器101以及存储在所述存储器102上并可在所述处理器101上运行的计算机程序,所述处理器101执行所述计算机程序时实现上所述的头部姿态零位掉电保持方法。
具体的,上述处理器101可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器102可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器102可包括硬盘驱动器(Hard Disk Drive,简称为HDD)、软盘驱动器、固态驱动器(Solid State Drive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerial Bus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器102可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器102可在数据处理装置的内部或外部。在特定实施例中,存储器102是非易失性(Non-Volatile)存储器。在特定实施例中,存储器102包括只读存储器(Read-Only Memory,简称为ROM)和随机存取存储器(Random Access Memory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory,简称为PROM)、可擦除PROM(ErasableProgrammable Read-Only Memory,简称为EPROM)、电可擦除PROM(Electrically ErasableProgrammable Read-Only Memory,简称为EEPROM)、电可改写ROM(ElectricallyAlterable Read-Only Memory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(Static Random-AccessMemory,简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode DynamicRandom Access Memory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDate Out Dynamic Random Access Memory,简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory,简称SDRAM)等。
存储器102可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器101所执行的可能的计算机程序指令。
处理器101通过读取并执行存储器102中存储的计算机程序指令,以实现上述头部姿态零位掉电保持方法。
在其中一些实施例中,计算机还可包括通信接口103和总线100。其中,如图9所示,处理器101、存储器102、通信接口103通过总线100连接并完成相互间的通信。
通信接口103用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口103还可以实现与其他部件例如:外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线100包括硬件、软件或两者,将计算机设备的部件彼此耦接在一起。总线100包括但不限于以下至少之一:数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制,总线100可包括图形加速接口(Accelerated Graphics Port,简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,简称为EISA)总线、前端总线(Front Side Bus,简称为FSB)、超传输(Hyper Transport,简称为HT)互连、工业标准架构(Industry Standard Architecture,简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count,简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture,简称为MCA)总线、外围组件互连(Peripheral Component Interconnect,简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment,简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus,简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线100可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该计算机可以基于获取到头部姿态零位掉电保持系统,执行本申请的头部姿态零位掉电保持方法,从而实现车辆行驶过程中的预警。
在本发明的再一些实施例中,结合上述的头部姿态零位掉电保持方法,本发明实施例提供以下技术方案,一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的头部姿态零位掉电保持方法。
本领域技术人员可以理解,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或它们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
以上所述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 (10)
1.一种头部姿态零位掉电保持方法,其特征在于,所述方法包括:
在座舱内布置若干第一标识点,基于所述第一标识点对所述座舱进行环境特征提取与特征建模,以得到所述座舱的中轴线零位信息;
在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息;
将所述中轴线零位信息与所述眼中零位信息存储在掉电易失模块内,以使在掉电再次上电后所述头盔与所述座舱能够使用所述中轴线零位信息与所述眼中零位信息;
其中,所述在座舱内布置若干第一标识点,基于所述第一标识点对所述座舱进行环境特征提取与特征建模,以得到所述座舱的中轴线零位信息的步骤包括:
基于所述座舱的环境,在所述座舱内布置若干第一标识点;
通过第一图像传感器获取所述座舱的座舱环境图像,基于所述第一标识点与所述座舱环境图像对所述第一图像传感器依次进行内参数标定与外参数标定,以得到第一标定内参数与第一标定外参数;
基于所述第一标定内参数与所述第一标定外参数,对所述座舱进行特征建模,以得到所述座舱的中轴线零位信息。
2.根据权利要求1所述的头部姿态零位掉电保持方法,其特征在于,所述基于所述第一标定内参数与所述第一标定外参数,对所述座舱进行特征建模,以得到所述座舱的中轴线零位信息的步骤包括:
提取所述座舱环境图像中的第一标识点的第一质心;
根据所述第一质心对座舱环境进行特征点空间坐标测量,以得到若干图像环境特征点;
通过所述第一标定内参数、所述第一标定外参数以及所述图像环境特征点对所述第一质心进行图像畸变校正,并利用图像位姿解算算法对所述座舱的中轴线位姿进行解算,以得到所述座舱的中轴线零位信息。
3.根据权利要求1所述的头部姿态零位掉电保持方法,其特征在于,所述在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息的步骤包括:
基于所述头盔的形状,在所述头盔的外部布置若干第二标识点;
通过第二图像传感器获取所述头盔的头盔环境图像,基于所述第二标识点与所述头盔环境图像对所述第二图像传感器依次进行外参数标定、内参数标定,以得到第二外标定参数与第二内标定参数;
基于所述第二外标定参数、所述第二内标定参数对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息。
4.根据权利要求3所述的头部姿态零位掉电保持方法,其特征在于,所述基于所述第二外标定参数、所述第二内标定参数对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息的步骤包括:
提取所述头盔环境图像中的第二标识点的第二质心;
基于所述第二质心对所述第二标识点依次进行标识点内参数标定、标识点外参数标定,以得到标识点内参数与标识点外参数,并利用所述第二内标定参数对所述第二质心进行畸变校正;
根据所述第二外标定参数、所述标识点内参数以及所述标识点外参数并利用头部位姿跟踪算法对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息。
5.根据权利要求4所述的头部姿态零位掉电保持方法,其特征在于,所述提取所述头盔环境图像中的第二标识点的第二质心的步骤包括:
对所述头盔环境图像进行区域划分,以得到标识点图像以及背景图像;
对所述标识点图像进行标识点粗提取,以得到所述第二标识点的粗提取图像;
对所述粗提取图像依次进行局部子定义生成、全局子区域亚像素边界提取以及亚像素边界拟合,以得到第二质心。
6.根据权利要求1所述的头部姿态零位掉电保持方法,其特征在于,在所述在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息的步骤之后,所述方法还包括:
基于所述眼中零位信息确定所述头盔相对于所述座舱的相对位姿关系,根据所述相对位姿关系建立相对位姿误差状态运动学方程并推导出卡尔曼滤波的状态方程,将所述相对位姿关系作为观测信息建立线性观测方程,根据滤波相对误差值的取值范围使用强跟踪卡尔曼滤波算法对所述眼中零位信息进行组合滤波。
7.一种头部姿态零位掉电保持系统,其特征在于,所述系统包括:
第一零位信息确定模块,在座舱内布置若干第一标识点,基于所述第一标识点对所述座舱进行环境特征提取与特征建模,以得到所述座舱的中轴线零位信息;
第二零位信息确定模块,用于在设于所述座舱内的头盔上布置若干第二标识点,基于所述第二标识点对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息;
零位信息存储模块,用于将所述中轴线零位信息与所述眼中零位信息存储在掉电易失模块内,以使在掉电再次上电后所述头盔与所述座舱能够使用所述中轴线零位信息与所述眼中零位信息;
其中,所述第一零位信息确定模块包括:
第一标识点布置子模块,用于基于所述座舱的环境,在所述座舱内布置若干第一标识点;
第一标定子模块,用于通过第一图像传感器获取所述座舱的座舱环境图像,基于所述第一标识点与所述座舱环境图像对所述第一图像传感器依次进行内参数标定与外参数标定,以得到第一标定内参数与第一标定外参数;
第一零位信息确定子模块,用于基于所述第一标定内参数与所述第一标定外参数,对所述座舱进行特征建模,以得到所述座舱的中轴线零位信息。
8.根据权利要求7所述的头部姿态零位掉电保持系统,其特征在于,所述第一零位信息确定子模块包括:
第一提取单元,提取所述座舱环境图像中的第一标识点的第一质心;
特征点确定单元,用于根据所述第一质心对座舱环境进行特征点空间坐标测量,以得到若干图像环境特征点;
第一位姿解算单元,用于通过所述第一标定内参数、所述第一标定外参数以及所述图像环境特征点对所述第一质心进行图像畸变校正,并利用图像位姿解算算法对所述座舱的中轴线位姿进行解算,以得到所述座舱的中轴线零位信息。
9.根据权利要求7所述的头部姿态零位掉电保持系统,其特征在于,所述第二零位信息确定模块包括:
第二标识点布置子模块,用于基于所述头盔的形状,在所述头盔的外部布置若干第二标识点;
第二标定子模块,用于通过第二图像传感器获取所述头盔的头盔环境图像,基于所述第二标识点与所述头盔环境图像对所述第二图像传感器依次进行外参数标定、内参数标定,以得到第二外标定参数与第二内标定参数;
第二零位信息确定子模块,用于基于所述第二外标定参数、所述第二内标定参数对所述头盔在其活动范围内进行位姿解算,以得到所述头盔的眼中零位信息。
10.根据权利要求7所述的头部姿态零位掉电保持系统,其特征在于,所述系统还包括:
滤波模块,用于基于所述眼中零位信息确定所述头盔相对于所述座舱的相对位姿关系,根据所述相对位姿关系建立相对位姿误差状态运动学方程并推导出卡尔曼滤波的状态方程,将所述相对位姿关系作为观测信息建立线性观测方程,根据滤波相对误差值的取值范围使用强跟踪卡尔曼滤波算法对所述眼中零位信息进行组合滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311695374.5A CN117392227B (zh) | 2023-12-12 | 2023-12-12 | 一种头部姿态零位掉电保持方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311695374.5A CN117392227B (zh) | 2023-12-12 | 2023-12-12 | 一种头部姿态零位掉电保持方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117392227A true CN117392227A (zh) | 2024-01-12 |
CN117392227B CN117392227B (zh) | 2024-04-09 |
Family
ID=89468712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311695374.5A Active CN117392227B (zh) | 2023-12-12 | 2023-12-12 | 一种头部姿态零位掉电保持方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117392227B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019216975A1 (en) * | 2018-05-07 | 2019-11-14 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial internet of things |
WO2021108680A1 (en) * | 2019-11-25 | 2021-06-03 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
CN113017580A (zh) * | 2019-12-25 | 2021-06-25 | 浙江吉利汽车研究院有限公司 | 一种乘员安全的处理方法、装置、车载终端及存储介质 |
CN115039045A (zh) * | 2019-11-25 | 2022-09-09 | 强力物联网投资组合2016有限公司 | 用于工业环境的智能振动数字孪生系统和方法 |
-
2023
- 2023-12-12 CN CN202311695374.5A patent/CN117392227B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019216975A1 (en) * | 2018-05-07 | 2019-11-14 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial internet of things |
WO2021108680A1 (en) * | 2019-11-25 | 2021-06-03 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
CN115039045A (zh) * | 2019-11-25 | 2022-09-09 | 强力物联网投资组合2016有限公司 | 用于工业环境的智能振动数字孪生系统和方法 |
CN113017580A (zh) * | 2019-12-25 | 2021-06-25 | 浙江吉利汽车研究院有限公司 | 一种乘员安全的处理方法、装置、车载终端及存储介质 |
Non-Patent Citations (2)
Title |
---|
张虎龙;冯巧宁;李娟妮;: "基于摄影测量法的头盔运动姿态测量技术", 光电工程, no. 10 * |
沈文波;周武;: "基于双目视觉的飞行头盔动载特性测试技术研究", 计算机测量与控制, no. 06 * |
Also Published As
Publication number | Publication date |
---|---|
CN117392227B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163930B (zh) | 车道线生成方法、装置、设备、系统及可读存储介质 | |
US8649583B2 (en) | Pupil detection device and pupil detection method | |
CN106709475B (zh) | 障碍物识别方法及装置、计算机设备及可读存储介质 | |
CN108279670B (zh) | 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质 | |
CN110135318B (zh) | 过车记录的确定方法、装置、设备及存储介质 | |
CN113170079A (zh) | 用于校准车载摄像头的系统和方法 | |
CN109741241B (zh) | 鱼眼图像的处理方法、装置、设备和存储介质 | |
US11276243B2 (en) | Traffic simulation method, device and storage medium | |
CN111222417A (zh) | 一种用于提高基于车载图像车道线提取精度的方法及装置 | |
CN110097108B (zh) | 非机动车的识别方法、装置、设备及存储介质 | |
CN110766760A (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
CN110751693A (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
CN111192329A (zh) | 传感器标定结果的验证方法、装置及存储介质 | |
CN110728720A (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
US10404565B2 (en) | Simulation latency indication | |
JP7528928B2 (ja) | 画像処理装置、及び画像処理方法 | |
CN108629246B (zh) | 车载图像处理方法、装置以及车辆 | |
CN114140533A (zh) | 摄像头外参标定的方法与装置 | |
CN117392227B (zh) | 一种头部姿态零位掉电保持方法及系统 | |
US10467486B2 (en) | Method for evaluating credibility of obstacle detection | |
CN109376653B (zh) | 用于定位车辆的方法、装置、设备和介质 | |
US11205289B2 (en) | Method, device and terminal for data augmentation | |
CN113359117A (zh) | 一种静态标定系统及方法 | |
CN116403080B (zh) | 一种人脸聚类评价方法、系统、计算机及可读存储介质 | |
CN109764838B (zh) | 确定自动驾驶系统的安装位的方法、装置及设备 |
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 |