CN102853835A - 基于尺度不变特征变换的无人飞行器景象匹配定位方法 - Google Patents
基于尺度不变特征变换的无人飞行器景象匹配定位方法 Download PDFInfo
- Publication number
- CN102853835A CN102853835A CN2012102890653A CN201210289065A CN102853835A CN 102853835 A CN102853835 A CN 102853835A CN 2012102890653 A CN2012102890653 A CN 2012102890653A CN 201210289065 A CN201210289065 A CN 201210289065A CN 102853835 A CN102853835 A CN 102853835A
- Authority
- CN
- China
- Prior art keywords
- unmanned vehicle
- delta
- theta
- matching
- aerial vehicle
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种基于尺度不变特征变换的无人飞行器景象匹配定位方法,其特征在于:利用尺度不变特征变换算法提取匹配目标图像和无人飞行器前下视图的特征描述向量,判断该帧前下视图与匹配目标图像是否匹配,如果匹配,则记录匹配点在匹配目标图像和匹配目标所在的卫星图中的坐标,并根据匹配点的坐标在无人飞行器前下视场中计算出无人飞行器在卫星图上现处的位置坐标,对无人飞行器进行定位;如果匹配失败,则读入无人飞行器的下一帧前下视图继续匹配。利用本发明方法,可以准确地对无人飞行器前下视图和卫星图中匹配目标进行匹配,并根据所建立的无人飞行器前下视图模型判断无人飞行器现处的位置坐标,对无人飞行器进行定位。
Description
技术领域
本发明涉及一种基于尺度不变特征变换的无人飞行器景象匹配定位方法,应用于无人飞行器景象匹配定位中。
背景技术
随着航空技术的飞速发展,无人飞行器及其相关技术已经成为各国竞相研究的重点,无人飞行器以其更强的机动性、更小的重量、更好的空气动力性能、更低的成本、更好的环境适应能力。目前,欧美国家除了已经在用的无人飞行器外,还在研究新型的无人飞行器技术,我国也在从事相关技术的研究。
在众多涉及无人飞行器的技术中,无人飞行器定位技术是一项极其关键的技术,这项技术主要用于对无人飞行器实施精确定位和自主导航,是无人飞行器完成任务的保证。现有的无人飞行器定位技术主要是依赖全球定位***,但是,全球定位***的估计精度与参与定位的卫星数目和信号接收装备的质量有关,信号传递过程容易受到无线电干扰,导致信号误差扩大。另外,复杂环境也要求无人飞行器定位技术进行多种定位技术的综合使用,无人飞行器景象匹配定位就是基于这些要求诞生的。所谓无人飞行器景象匹配定位,是指利用无人飞行器上的摄像头采集到的实时图像与卫星图像或者事先存储在无人飞行器中的图像进行匹配,获取位置信息。该技术可以用于全球定位***失效的情况下,作为替代全球定位***的有效定位方式,特别是全球定位***受国外控制,所以,研制低成本、高精度、抗干扰甚至是替代全球定位***的定位技术显得非常重要。
国内外学者也进行了一些景象匹配定位方面的研究,如采用连续多帧进行匹配以减少匹配误差的方法,该方法可以提高匹配效能,但是由于是多帧匹配,会增加匹配耗时;还有一类方法基于单帧进行匹配,匹配耗时少,但是容易造成匹配误差,在这种情况下,寻找准确的图像特征提取方法及相似性度量等方法就成为单帧匹配的关键点。所以,研究一种准确又快速的景象匹配方法对无人飞行器景象匹配定位具有重要意义。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种基于尺度不变特征变换的无人飞行器景象匹配定位方法,可以替代或者辅助全球定位***进行无人飞行器定位的方法,减少无人飞行器对全球定位***导航的依赖。
技术方案
一种基于尺度不变特征变换的无人飞行器景象匹配定位方法,其特征在于步骤如下:
步骤1提取匹配目标图像的特征描述向量Fi:利用尺度不变特征变换方法提取匹配目标图像I1的特征描述向量Fi,i=1,2,...m;其中:Fi表示图像I1的第i个特征描述向量;m表示图像I1中特征描述向量的个数且m∈(0,10000);
步骤2提取无人飞行器前下视图的特征描述向量Fj:利用尺度不变特征变换方法提取无人飞行器拍摄的前下视图I2的特征描述向量Fj,j=1,2,...n;其中:Fj表示图像I2的第j个特征描述向量;n表示图像I2中特征描述向量的个数且n∈(0,10000);
步骤3查找匹配特征点:在Fi中查找出与Fj欧式距离最近的特征点,当两点的欧式距离小于阈值Q时,则该点为Fj的匹配点;当匹配的特征点数目达到阈值W时,该无人飞行器前下视图与匹配目标图像匹配成功;然后分别在匹配目标图像和该匹配目标图像所在的卫星图像中记录特征点坐标(fx,fy)和(rex,rey),若匹配失败,重复步骤2;
步骤4计算无人飞行器现处位置:利用匹配目标图像和卫星图像上的位置坐标(fx,fy)和(rex,rey)计算无人飞行器当前位置坐标(lxresult,lyresult),具体步骤如下:
步骤a:利用 计算匹配点坐标(fx,fy)与无人飞行器位置的纵坐标之差Δx;其中:h表示无人飞行器的高度参数;c=π/2-a-2b;a表示无人飞行器俯角; b表示无人飞行器视角一半;e=arctan(|Lw-fy|/Lm);||表示取绝对值;Lw=[h/tan(a)-h×tan(c)]×sin(a)/sin(π/2+b);Lm=Lw/2/tan(a);
步骤b:利用Δy=|fx-LL|×Lc/Lcw计算匹配点坐标(fx,fy)与无人飞行器位置的横坐标之差Δy;其中:LL表示匹配目标图像宽度的一半,LL=L/2; Lcw=Lm/cos(e);
步骤c:采用下式计算,得到无人飞行器当前位置坐标(lxresult,lyresult)
其中:lxresult表示无人飞行器在卫星图上的横坐标;lyresult表示无人飞行器在卫星图上的纵坐标;θ为无人飞行器飞行方向与正北方向的夹角。
所述阈值Q∈(0,1)。
所述阈值W∈(1,10000)。
有益效果
本发明提出的一种基于尺度不变特征变换的无人飞行器景象匹配定位方法,利用尺度不变特征变换算法提取无人飞行器前下视图像的特征描述向量,并与卫星图像中匹配目标的特征描述向量进行匹配,根据匹配结果在无人飞行器前下视图模型中计算无人飞行器位置坐标,并与无人飞行器预先设定好的飞行坐标进行比对,判断飞行路径是否正确。
本发明提出的基于尺度不变特征变换的无人飞行器景象匹配定位方法,利用卫星图中匹配目标和无人飞行器前下视图进行无人飞行器定位,可以作为全球定位***的替代和辅助工具,其定位精度高,速度快。
附图说明
图1:本发明方法的基本流程图;
图2:匹配目标图;
图3:无人飞行器前下视图模型;
图4:无人飞行器俯视图;
图5:无人飞行器侧视图;
图6:无人飞行器匹配定位***界面。
具体实施方式
现结合实施例、附图对本发明作进一步描述:
用于实施的硬件环境是:AMD Athlon 64×25000+计算机、2GB内存、256M显卡,运行的软件环境是:Visual Studio 2008和Windows 7。我们用Visual Studio 2008软件实现了本发明提出的定位***。
本发明流程图如图1所示,具体实施如下:
1提取匹配目标的特征描述向量Fi:
利用尺度不变特征变换方法提取匹配目标图像上的特征描述向量,匹配目标图像如附图2所示。具体步骤如下:
首先对匹配目标图像I1进行高斯平滑处理,其中选取σn=0.5,得到图像,选取不同的σ=σ02o+s/S与做卷积形成了一个图像金字塔GSSσ,其中s=0,...S-1,o=0,...O-1,S=3,O=min(log2 row,log2 col),σ0=1.5,row表示图像的垂直方向上像素点的个数,col表示图像的水平方向上像素点的个数。然后对相邻的GSSσ求差分得到DOGσ,对于DOGσ的每个像素点分别与上一尺度对应像素点及周围的八邻域像素点,当前尺度周围的八邻域像素点,以及下一尺度对应像素点及周围的八邻域像素点作比较,如果该像素点为极小值或者极大值点,则该像素点为图像显著点,其周围以σ为半径的区域为显著区域,由此可以得到一系列的图像显著点的坐标X,其相应的σ为其对应的尺度大小λ。对于每个图像显著点,使用的梯度图像与高斯核做卷积得到梯度图像,其中σG=1.5σ,并计算梯度图像中以显著点X的显著区域中的方向直方图,其中每个方向直方图区间的幅值计算是对该方向区域内梯度进行累加,取方向直方图的区间个数L=36,从方向直方图选取幅度超过其最大值80%的方向区域,确定为该特征区域主方向γ,如有多个方向区域,则该特征区域存在多个主方向γ。最后取图像显著点X的显著区域,按主方向及其垂直方向等分成16个区域,在每个小区域中分别统计方向直方图,其中每个方向直方图区间的幅值计算是对该方向区域内梯度赋值进行累加,取方向直方图的区间个数L=8,并将每个方向直方图的幅值量化到[0,255]之间,则得到一个128维的描述向量Fi,i=1,2,...m。其中:Fi表示图像I1的第i个特征描述向量;m表示图像I1中特征描述向量的个数,m∈(0,10000)。
2提取无人飞行器前下视图的特征描述向量Fj:
与步骤1中提取匹配目标图像的特征描述向量一样,当无人飞行器摄像头拍摄到前下视图后,要对该图像进行特征描述向量提取,以便与匹配目标图像的特征描述向量进行匹配,具体步骤如下:
对无人飞行器拍摄的前下视图I2进行高斯平滑处理,其中选取σn=0.5,得到图像,选取不同的σ=σ02o+s/S与做卷积形成了一个图像金字塔GSSσ,其中s=0,...S-1,o=0,...O-1,S=3,O=min(log2 row,log2 col),σ0=1.5,row表示图像的垂直方向上像素点的个数,col表示图像的水平方向上像素点的个数。然后对相邻的GSSσ求差分得到DOGσ,对于DOGσ的每个像素点分别与上一尺度对应像素点及周围的八邻域像素点,当前尺度周围的八邻域像素点,以及下一尺度对应像素点及周围的八邻域像素点作比较,如果该像素点为极小值或者极大值点,则该像素点为图像显著点,其周围以σ为半径的区域为显著区域,由此可以得到一系列的图像显著点的坐标X,其相应的σ为其对应的尺度大小λ。对于每个图像显著点X,使的梯度图像与高斯核做卷积得到梯度图像,其中σG=1.5σ,并计算梯度图像中以显著点X的显著区域中的方向直方图,其中每个方向直方图区间的幅值计算是对该方向区域内梯度进行累加,取方向直方图的区间个数L=36,从方向直方图选取幅度超过其最大值80%的方向区域,确定为该特征区域主方向γ,如有多个方向区域,则该特征区域存在多个主方向γ。最后取图像显著点X的显著区域,按主方向及其垂直方向等分成16个区域,在每个小区域中分别统计方向直方图,其中每个方向直方图区间的幅值计算是对该方向区域内梯度赋值进行累加,取方向直方图的区间个数L=8,并将每个方向直方图的幅值量化到[0,255]之间,则得到一个128维的描述向量Fj,j=1,2,...n。其中:Fj表示图像I2的第j个特征描述向量;n表示图像I2中特征描述向量的个数,n∈(0,10000)。
3查找匹配特征点:
在Fi中查找出与Fj欧式距离最近的特征点,当两点的欧式距离小于阈值Q时,Q∈(0,1),则该点为Fj的匹配点;当匹配的特征点数目达到阈值W时,W∈(1,10000),该无人飞行器前下视图与匹配目标图像匹配成功,分别在匹配目标图像和该匹配目标图像所在的卫星图像中记录特征点坐标(fx,fy)和(rex,rey),若匹配失败,重复步骤2;
4计算无人飞行器现处坐标:
利用无人飞行器摄像头的视场角b,视场宽度L,俯角a及无人飞行器的高度参数h建立无人飞行器前下视图模型,如附图3所示;该模型利用匹配目标图和卫星图上匹配点的位置坐标(fx,fy)和(rex,rey)来计算无人飞行器当前位置坐标(lxresult,lyresult)。
lxresult和lyresult的坐标计算公式如下:
其中,lxresult表示无人飞行器在卫星图上的横坐标;lyresult表示无人飞行器在卫星图上的纵坐标;Δy表示匹配点与无人飞行器位置的横坐标之差,如附图4中所示;Δx表示匹配点与无人飞行器位置的纵坐标之差,如附图4中所示;θ为无人飞行器飞行方向与正北方向的夹角,如附图4所示;rex表示匹配点在卫星图中的横坐标位置;rey表示匹配点在卫星图中的纵坐标位置;fx表示在匹配目标图中匹配点的横坐标位置,如附图2中所示;fy表示在匹配目标图中匹配点的纵坐标位置,如附图2中所示;LL表示匹配目标图的宽度的一半,LL=L/2,如附图2中所示;
对于Δx,利用 计算;
其中,h表示无人飞行器的高度参数;c=π/2-a-2b;a表示无人飞行器俯角,如图5中所示;b表示视角一半,如图5中所示;e=arctan(|Lw-fy|/Lm),如图5中所示;其中,Lw=[h/tan(a)-h×tan(c)]×sin(a)/sin(π/2+b);Lm=Lw/2/tan(a),如图5中所示;
对于Δy,利用Δy=abs(fx-LL)×Lc/Lcw计算;
其中, Lcw=Lm/cos(e);
计算该位置坐标和预先规划的飞行坐标的欧式距离,判断飞行路径是否正确,同时在匹配***中显示无人飞行器现处的位置和轨迹,便于直观判断,如图6所示。
利用本文建立的无人飞行器景象匹配定位***可以准确的对无人飞行器前下视图和卫星图中的匹配目标进行匹配,并根据所建立的无人飞行器前下视图模型判断无人飞行器现处的位置和飞行轨迹,结果显示,该***可以准确地在卫星图中判断无人飞行器的位置坐标,与预先设定的坐标偏差不超过3个像素。
Claims (3)
1.一种基于尺度不变特征变换的无人飞行器景象匹配定位方法,其特征在于步骤如下:
步骤1提取匹配目标图像的特征描述向量Fi:利用尺度不变特征变换方法提取匹配目标图像I1的特征描述向量Fi,i=1,2,...m;其中:Fi表示图像I1的第i个特征描述向量;m表示图像I1中特征描述向量的个数且m∈(0,10000);
步骤2提取无人飞行器前下视图的特征描述向量Fj:利用尺度不变特征变换方法提取无人飞行器拍摄的前下视图I2的特征描述向量Fj,j=1,2,...n;其中:Fj表示图像I2的第j个特征描述向量;n表示图像I2中特征描述向量的个数且n∈(0,10000);
步骤3查找匹配特征点:在Fi中查找出与Fj欧式距离最近的特征点,当两点的欧式距离小于阈值Q时,则该点为Fj的匹配点;当匹配的特征点数目达到阈值W时,该无人飞行器前下视图与匹配目标图像匹配成功;然后分别在匹配目标图像和该匹配目标图像所在的卫星图像中记录特征点坐标(fx,fy)和(rex,rey),若匹配失败,重复步骤2;
步骤4计算无人飞行器现处位置:利用匹配目标图像和卫星图像上的位置坐标(fx,fy)和(rex,rey)计算无人飞行器当前位置坐标(lxresult,lyresult),具体步骤如下:
步骤a:利用 计算匹配点坐标(fx,fy)与无人飞行器位置的纵坐标之差Δx;其中:h表示无人飞行器的高度参数;c=π/2-a-2b;a表示无人飞行器俯角;b表示无人飞行器视角一半;e=arctan(|Lw-fy|/Lm);||表示取绝对值;Lw=[h/tan(a)-h×tan(c)]×sin(a)/sin(π/2+b);Lm=Lw/2/tan(a);
步骤b:利用Δy=|fx-LL|×Lc/Lcw计算匹配点坐标(fx,fy)与无人飞行器位置的横坐标之差Δy;其中:LL表示匹配目标图像宽度的一半,LL=L/2; Lcw=Lm/cos(e);
步骤c:采用下式计算,得到无人飞行器当前位置坐标(lxresult,lyresult)
其中:lxresult表示无人飞行器在卫星图上的横坐标;lyresult表示无人飞行器在卫星图上的纵坐标;θ为无人飞行器飞行方向与正北方向的夹角。
2.根据权利要求1所述基于尺度不变特征变换的无人飞行器景象匹配定位方法,其特征在于:所述阈值Q∈(0,1)。
3.根据权利要求1所述基于尺度不变特征变换的无人飞行器景象匹配定位方法,其特征在于:所述阈值W∈(1,10000)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210289065.3A CN102853835B (zh) | 2012-08-15 | 2012-08-15 | 基于尺度不变特征变换的无人飞行器景象匹配定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210289065.3A CN102853835B (zh) | 2012-08-15 | 2012-08-15 | 基于尺度不变特征变换的无人飞行器景象匹配定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102853835A true CN102853835A (zh) | 2013-01-02 |
CN102853835B CN102853835B (zh) | 2014-12-31 |
Family
ID=47400636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210289065.3A Active CN102853835B (zh) | 2012-08-15 | 2012-08-15 | 基于尺度不变特征变换的无人飞行器景象匹配定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102853835B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103822635A (zh) * | 2014-03-05 | 2014-05-28 | 北京航空航天大学 | 基于视觉信息的无人机飞行中空间位置实时计算方法 |
CN105046686A (zh) * | 2015-06-19 | 2015-11-11 | 奇瑞汽车股份有限公司 | 定位方法及装置 |
WO2018027451A1 (zh) * | 2016-08-08 | 2018-02-15 | 深圳市道通智能航空技术有限公司 | 一种飞行定位的方法及装置 |
CN107885231A (zh) * | 2016-09-30 | 2018-04-06 | 成都紫瑞青云航空宇航技术有限公司 | 一种基于可见光图像识别的无人机捕获方法及*** |
CN108073184A (zh) * | 2017-11-27 | 2018-05-25 | 天脉聚源(北京)传媒科技有限公司 | 无人机飞行控制方法及装置 |
CN109782012A (zh) * | 2018-12-29 | 2019-05-21 | 中国电子科技集团公司第二十研究所 | 一种基于光电图像特征关联的测速方法 |
CN111902851A (zh) * | 2018-03-15 | 2020-11-06 | 日本音响工程株式会社 | 学习用数据生成方法、学习用数据生成装置以及学习用数据生成程序 |
CN112461204A (zh) * | 2019-08-19 | 2021-03-09 | 中国科学院长春光学精密机械与物理研究所 | 卫星对动态飞行目标多视角成像联合计算航行高度的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004333243A (ja) * | 2003-05-06 | 2004-11-25 | Pasuko:Kk | 画像マッチング方法 |
US20070127101A1 (en) * | 2004-04-02 | 2007-06-07 | Oldroyd Lawrence A | Method for automatic stereo measurement of a point of interest in a scene |
CN101598556A (zh) * | 2009-07-15 | 2009-12-09 | 北京航空航天大学 | 一种未知环境下无人机视觉/惯性组合导航方法 |
CN101629827A (zh) * | 2009-08-14 | 2010-01-20 | 华中科技大学 | 一种飞行器前视末制导导航定位方法 |
CN101839722A (zh) * | 2010-05-06 | 2010-09-22 | 南京航空航天大学 | 一种中低空下目标自动识别及载体高精度定位方法 |
CN102426019A (zh) * | 2011-08-25 | 2012-04-25 | 航天恒星科技有限公司 | 一种无人机景象匹配辅助导航方法及*** |
-
2012
- 2012-08-15 CN CN201210289065.3A patent/CN102853835B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004333243A (ja) * | 2003-05-06 | 2004-11-25 | Pasuko:Kk | 画像マッチング方法 |
US20070127101A1 (en) * | 2004-04-02 | 2007-06-07 | Oldroyd Lawrence A | Method for automatic stereo measurement of a point of interest in a scene |
CN101598556A (zh) * | 2009-07-15 | 2009-12-09 | 北京航空航天大学 | 一种未知环境下无人机视觉/惯性组合导航方法 |
CN101629827A (zh) * | 2009-08-14 | 2010-01-20 | 华中科技大学 | 一种飞行器前视末制导导航定位方法 |
CN101839722A (zh) * | 2010-05-06 | 2010-09-22 | 南京航空航天大学 | 一种中低空下目标自动识别及载体高精度定位方法 |
CN102426019A (zh) * | 2011-08-25 | 2012-04-25 | 航天恒星科技有限公司 | 一种无人机景象匹配辅助导航方法及*** |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103822635A (zh) * | 2014-03-05 | 2014-05-28 | 北京航空航天大学 | 基于视觉信息的无人机飞行中空间位置实时计算方法 |
CN105046686A (zh) * | 2015-06-19 | 2015-11-11 | 奇瑞汽车股份有限公司 | 定位方法及装置 |
WO2018027451A1 (zh) * | 2016-08-08 | 2018-02-15 | 深圳市道通智能航空技术有限公司 | 一种飞行定位的方法及装置 |
CN107885231A (zh) * | 2016-09-30 | 2018-04-06 | 成都紫瑞青云航空宇航技术有限公司 | 一种基于可见光图像识别的无人机捕获方法及*** |
CN108073184A (zh) * | 2017-11-27 | 2018-05-25 | 天脉聚源(北京)传媒科技有限公司 | 无人机飞行控制方法及装置 |
CN108073184B (zh) * | 2017-11-27 | 2024-02-20 | 北京拉近众博科技有限公司 | 无人机飞行控制方法及装置 |
CN111902851A (zh) * | 2018-03-15 | 2020-11-06 | 日本音响工程株式会社 | 学习用数据生成方法、学习用数据生成装置以及学习用数据生成程序 |
CN111902851B (zh) * | 2018-03-15 | 2023-01-17 | 日本音响工程株式会社 | 学习用数据生成方法、学习用数据生成装置以及学习用数据生成程序 |
CN109782012A (zh) * | 2018-12-29 | 2019-05-21 | 中国电子科技集团公司第二十研究所 | 一种基于光电图像特征关联的测速方法 |
CN112461204A (zh) * | 2019-08-19 | 2021-03-09 | 中国科学院长春光学精密机械与物理研究所 | 卫星对动态飞行目标多视角成像联合计算航行高度的方法 |
CN112461204B (zh) * | 2019-08-19 | 2022-08-16 | 中国科学院长春光学精密机械与物理研究所 | 卫星对动态飞行目标多视角成像联合计算航行高度的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102853835B (zh) | 2014-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102853835A (zh) | 基于尺度不变特征变换的无人飞行器景象匹配定位方法 | |
CN103697855B (zh) | 一种基于海天线检测的船体水平姿态测量方法 | |
CN103593832A (zh) | 一种基于高斯二阶差分特征检测算子的图像拼接方法 | |
CN105469405A (zh) | 基于视觉测程的同时定位与地图构建方法 | |
CN104700414A (zh) | 一种基于车载双目相机的前方道路行人快速测距方法 | |
CN103791902B (zh) | 适用于高机动载体的星敏感器自主导航方法 | |
CN103824080B (zh) | 动态稀疏环境下机器人slam物体状态检测方法 | |
CN102426019A (zh) | 一种无人机景象匹配辅助导航方法及*** | |
CN103020945A (zh) | 一种多源传感器的遥感图像配准方法 | |
CN103822616A (zh) | 一种图分割与地形起伏约束相结合的遥感影像匹配方法 | |
CN101957203B (zh) | 一种星敏感器高精确度的星跟踪方法 | |
CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN103065135A (zh) | 基于数字图像处理的车牌号码匹配算法 | |
CN101839722A (zh) | 一种中低空下目标自动识别及载体高精度定位方法 | |
CN103093459A (zh) | 利用机载LiDAR点云数据辅助影像匹配的方法 | |
CN107677274A (zh) | 基于双目视觉的无人机自主着陆导航信息实时解算方法 | |
CN103489191B (zh) | 一种遥感图像显著目标变化检测方法 | |
CN109614859B (zh) | 视觉定位特征提取和匹配方法及装置 | |
CN105354841A (zh) | 一种快速遥感影像匹配方法及*** | |
CN102865859A (zh) | 一种基于surf特征的航空序列图像位置估计方法 | |
CN103994765A (zh) | 一种惯性传感器的定位方法 | |
CN107798691B (zh) | 一种基于视觉的无人机自主着陆地标实时检测跟踪方法 | |
CN112833892B (zh) | 一种基于轨迹对齐的语义建图方法 | |
Qu et al. | Evaluation of SIFT and SURF for vision based localization | |
US20220164603A1 (en) | Data processing method, data processing apparatus, electronic device and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |