CN103136525B - 一种利用广义Hough变换的异型扩展目标高精度定位方法 - Google Patents
一种利用广义Hough变换的异型扩展目标高精度定位方法 Download PDFInfo
- Publication number
- CN103136525B CN103136525B CN201310064392.3A CN201310064392A CN103136525B CN 103136525 B CN103136525 B CN 103136525B CN 201310064392 A CN201310064392 A CN 201310064392A CN 103136525 B CN103136525 B CN 103136525B
- Authority
- CN
- China
- Prior art keywords
- point
- hough transform
- anchor point
- image
- coordinate
- 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
Landscapes
- Image Analysis (AREA)
Abstract
一种利用广义Hough变换的异型扩展目标高精度定位方法,首先采样高斯平滑滤波对待处理图像进行预处理以去除噪声对后续算法的影响,然后采用最大类间方差法选取阈值并用canny算子提取目标边缘,得到单像素的二值边缘,其次利用广义Hough变换对待处理图像粗定位跟踪点,最后利用松弛迭代法精确定位上一步得到的跟踪点。与传统基于惯量椭圆方法相比,本发明定位精度更高,为高精度跟踪提供基础。
Description
技术领域
本发明涉及一种目标定位方法,特别是一种利用广义Hough变换的异型扩展目标高精度定位方法,用于图像处理、计算机视觉和目标检测跟踪定位。属于光电捕获跟踪瞄准***中目标探测跟踪技术领域。
背景技术
在光电捕获瞄准***中,为了提高跟踪精度,精探测器的视场都比较小,目标尺寸又偏大。因此在精探测器中,目标呈现扩展的形态。远距离目标成像,由于大气湍流、***抖动和光学***的像差等降质因素导致目标在***的成像非常模糊,表现为一团目标外观轮廓形状的光斑;此外,目标无纹理信息,形状各异,无表征和识别目标的特征信息。目标还存在姿态变化明显的特点,随着目标姿态的变化,跟踪点也会随之发生漂移。选取稳定的特征点进行锁定跟踪,是扩展目标定位面临的一大难题。
目前,常用的针对扩展目标的算法是匹配,包括灰度、特征等方面的匹配。由于目标的运动,目标可能出现大小、形状、姿态等变化,加上背景、光照等各种干扰,以及图像处理最小计量单位的精度问题,匹配跟踪得不到绝对最佳的匹配位置,这会带来跟踪点的漂移。本***中,目标形状各异,无表征和识别目标的特征信息,而传统的基于几何特征的提取算法提取点的误差较大,不能满足本***的高精度定位要求,因此迫切需要研究新的方法以兼并适应跟踪与定位的工程应用需求。
发明内容
本发明技术解决问题:针对现有技术的不足,提供一种利用广义Hough变换进行异型扩展目标高精度定位的方法,定位精度达到亚像素级,进一步提高了扩展目标的定位精度。
为实现这样的目的,本发明的技术方案:一种利用广义Hough变换的异型扩展目标高精度定位方法包含以下步骤:
步骤一、图像预处理。为了去除噪声对后续图像处理的影响,因此在处理之前应先对原图像进行去噪。本发明采用高斯平滑滤波来去除噪声的影响,得到平滑后的图像;
步骤二、边缘轮廓提取。为了使分割的边缘更加接近真实边缘,同时使算法具有一定的自适应性,本发明首先采用最大类间方差法将目标分割出来,然后对分割处理的二值图像利用canny算子进行边缘提取,得到目标轮廓的单像素边缘;
步骤三、利用广义Hough变换粗定位跟踪点。在提取了目标轮廓的单像素边缘之后,利用广义Hough变换进行整像素级定位,得到整像素定位点,具体步骤如下:
(31)对步骤二得到的单像素边缘点计算其梯度方向角,以一定的梯度间隔对梯度进行量化,得到的量化值为索引,参考点(定位点)与边缘点之间的相对位置关系作为表项建立R-table;
(32)下一帧图像到来时,同样先进行步骤一和步骤二的处理,得到下一帧的单像素边缘点,计算其梯度,根据梯度索引搜索当前帧图像建立的R-table,得到候选定位点的位置,不考虑旋转和尺度变化,求取方法如式(2-1);
式中(x0,y0)为待检测图像中参考点(候选定位点)O的坐标,(x,y)为待检测图像边缘坐标,θ为矢量角,为表1中索引为i、边缘点与参考点的相对矢量为r的入口项所对应的梯度方向角,r为边缘点与参考点的相对矢量;
(33)以上述得到的候选定位点位置坐标建立累加器,在上述得到的候选跟踪点对应位置处累加器加1;
(34)对上述得到的累加器求其峰值,峰值对应的位置即为定位点坐标;
(35)将上述得到的定位点坐标作为上一帧的定位点,下一帧到来时重复以上步骤。
步骤四、利用松弛迭代法对步骤三所得到的整像素定位点进行精确定位,以获得亚像素定位点,具体步骤如下:
(41)对步骤三得到的整像素定位点,取其左右、上下各1.5个像素范围;
(42)在上述范围内以一定步长(本发明中取0.1)按照一定的度量规则进行搜索,其中度量规则如式(2-3)和(2-4),
式中(zhixinx,zhixiny)为实际参考点坐标,dx为沿x方向的步长,dy为沿y方向的步长,(x0,y0)为所述步骤三得到的整像素定位点,sx和sy分别为沿x方向和沿y方向的度量值;
(43)经过以上迭代搜索后直至度量值收敛,将得到的搜索位置作为最后的亚像素定位点坐标。
所述步骤(32)中,考虑轮廓的平移、缩放和旋转,增加轮廓的取向参数β即轮廓主方向与x轴的夹角和尺度变换系数S,此时的参考点即候选定位点的求取方法只需将式(2-1)改为式(2-2),
式中(x0,y0)为待检测图像中参考点(候选定位点)O的坐标,(x,y)为待检测图像边缘坐标,θ为矢量角,为表1中索引为i、边缘点与参考点的相对矢量为r的入口项所对应的梯度方向角,s为尺度因子,β为轮廓主方向与x轴的夹角,r为边缘点与参考点的相对矢量。
本发明与现有技术相比的有益效果在于:
(1)本发明对平滑后的图像采用最大类间方差法(自动选取阈值)将目标分割出来,然后对分割处理的二值图像利用canny算子进行边缘提取,得到目标轮廓的单像素边缘,与传统的简单人为选取阈值的方法相比,当背景较单一时,本发明方法不需要人为事先计算阈值,增强了自适应性;
(2)本发明利用广义Hough变换对天空背景下的异型扩展目标进行整像素定位,与传统的基于惯量椭圆的定位方法相比,本发明方法对目标的形状没有任何限制,极大地增强了普适性;
(3)本发明采用的广义Hough变换方法考虑平移、尺度和旋转的影响,与传统广义Hough变换用于形状检测相比,本发明方法将其应用于异型扩展目标的高精度定位中,具有平移、尺度和旋转不变性,保证了定位精度;
(4)本发明对利用广义Hough变换得到的整像素点再用松弛迭代法得到亚像素定位点,与传统的基于形状匹配的定位方法相比,本发明方法进一步提高了定位精度,减小了跟踪漂移带来的误差。
附图说明
图1为本发明方法实现流程图;
图2为本发明采用简单阈值分割对所用序列的第一帧图像进行边缘提取得到的边缘图像;
图3为本发明采用最大类间方差法对所用序列的第一帧图像进行边缘提取得到的边缘图像;
图4为本发明采用的广义Hough变换模型图;
图5为本发明对所用序列的第1帧图像进行跟踪定位的结果;
图6为本发明对所用序列的第36帧图像进行跟踪定位的结果;
图7为本发明对所用序列的第58帧图像进行跟踪定位的结果;
图8为本发明对100帧的图像序列进行跟踪定位得到的误差曲线。
具体实施方式
下面结合附图对本发明的实施例作详细说明。本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于以下的实施例。
自从Hough于1962年提出Hough变换以来,它就很快发展为可检测直线/椭圆等其他图形的一种方法。最初的Hough变换只能用来检测形状有解析表达式的目标。为了检测形状任意的、没有解析表达式的目标,Ballard提出了广义Hough变换(GHT)算法。在计算机视觉领域,Hough变换已成为目标识别的最有效方法之一。本发明将广义Hough变换应用到光电探测与跟踪***中,实现对远距离天空背景下的异型扩展目标进行精确定位。
本发明基于目标定位的实现,输入图像为模拟的天空背景下的异型扩展目标图像。
如图1所示,本发明提供了一种利用广义Hough变换方法进行扩展目标高精度定位方法,包括如下步骤:
步骤一、图像预处理。由于光照或成像***的缺陷,获取的待处理图像会受到噪声的影响,从而影响后续的处理。因此,在执行后续的处理算法之前,对待处理图像进行预处理。本方法采用高斯平滑滤波来去除噪声的影响,得到滤波后的平滑图像。
步骤二、边缘轮廓提取。分析原图像序列发现,图像的对比度较差、灰度层次单一、信息量少。而边缘轮廓是图像的重要特征,其能够体现目标的形状信息,从而大大减少所要处理的信息量。一般情况下,扩展目标在空间结构上具有刚性目标的先验紧致特性,轮廓复杂且面积较大,但内部可能有小块的均匀区域,直接采用经典的边缘检测算法如Sobel、Canny、LOG算子等可能会受到局部细节的干扰而无法提取出体现结构特征的轮廓信息,且易出现边缘断裂和中空现象,不利于后续的处理。
实验发现,如果仅根据灰度值进行简单的阈值分割来获取目标的轮廓,得到的轮廓点出现边缘断裂的现象,结果如图2所示,在某些地方目标边缘出现断裂,而在另一些地方边缘点出现扎堆以致形成突刺。这是由于目标与背景的分界不是非常清晰,仅根据灰度值来判断会产生较大误差,并且这种分割方法不具有自适应性。为了使分割的边缘更加接近真实边缘,同时使算法具有一定的自适应性,本发明实施例首先采用最大类间方差法来将目标分割出来,然后对分割处理的二值图像利用Canny算子进行边缘提取,得到的结果图像如图3所示,可以看到边缘轮廓清晰连续,没有断裂或扎堆现象。这是由于当背景比较单一时,采用最大类间方差法能根据目标与背景的最大类间方差自动选择合适的阈值,与人为选取阈值相比,本方法得到的阈值更加接近真实值,从而能将目标与背景更准确的分离开来。经过上述方法提取出目标后,利用Canny算子进行边缘提取,得到的是单像素连续平滑的边缘。
步骤三、利用广义Hough变换粗定位跟踪点。广义Hough变换利用边缘信息定义了一个从边缘点方向到目标形状参考点的映射。通常选择目标的质心作为参考点。本发明中应实际应用要求,将定位点作为参考点。根据广义Hough变换原理,找到了参考点的位置也即确定了定位点的位置。广义Hough变换的算法如下:
(1)对目标轮廓进行“编码”,即建立参考点与轮廓点的联系,从而不用解析式而用表格来离散的表达目标轮廓。
(2)如图4所示,先在所给轮廓内部取一个参考点O(p,q),对任意一个轮廓点pi(x,y),φr为pi的梯度角,ri为pi相对参考点的矢量。R-table(查找表)的建立如表1所示。
表1广义Hough变换的R-table
表中r为边缘点相对参考点(定位点)的矢量,a为参考点(定位点)坐标,B为目标轮廓边缘点集合,Δφ为梯度量化间隔。
(3)由表1可见,给定一个Δφ,就可以确定一个可能的参考点位置(相当于建立了一个方程),将轮廓依次进行编码表示后就可以利用Hough变换进行检测了。
利用广义Hough变换进行目标定位的方法步骤如下:
(1)提取待当前帧图像的边缘,设置初始参考点O(定位点);
(2)计算每个边缘点x的梯度方向角φ(x),按Δφ的量化间隔进行量化建立R-table即查找表,如表1所示;
(3)提取下一帧图像的边缘点;
(4)对当前帧的边缘点,在R-table的对应索引下搜索存放的r,由式(3-1)得到估计的参考点(定位点)坐标ar,并在参数空间Acc的对应坐标下累计投票,如式(3-2);
(5)Acc中累加峰值处对应的坐标即为检测出得参考点(定位点)坐标;
ar=x+r,r∈Rφ(x)(3-1)
Acc(ar)=Acc(ar)+1(3-2)
其中x为边缘点,ar为参考点(本发明中为定位点)坐标,r为该边缘点相对参考点的矢量,Rφ(x)为表1中边缘点x的梯度方向角φ(x)所对应表项集合,Acc(ar)为参考点对应的累加器阵列。
步骤四、广义Hough变换的改进。一般的广义Hough变换没有考虑目标发生旋转和尺度缩放的变化,而实际中,不仅要考虑轮廓的平移还要考虑轮廓的缩放和旋转,此时参数空间会从2D增加到4D,即需要增加轮廓的取向参数β(轮廓主方向与x轴的夹角)和尺度变换系数S,但广义Hough变换的方法不变。此时的参考点求取方法如式(4-1)。
式中(x0,y0)为待检测图像中参考点(跟踪点)O的坐标,(x,y)为待检测图像边缘坐标,θ为矢量角,为表1中索引为i、边缘点与参考点相对矢量为r的入口项所对应的梯度方向角s为尺度因子,β为轮廓主方向与x轴的夹角,r为边缘点与参考点相对矢量。利用上式即可计算出所有参考点的坐标,并在累积矩阵累加,求取峰值,进而得到参数S缩放因子与旋转角度,并确定了整个轮廓点坐标,从而跟踪点位置便确定了。
步骤五、利用松弛迭代法进行精定位。由于通过广义Hough变换得到的定位点为整像素点,为了亚像素的定位精度,本发明采用松弛迭代法进行精确定位。
利用松弛迭代法精确定位跟踪点的步骤如下:
(1)以上述广义Hough变换得到的跟踪点为中心,分别选取上下左右1.5个像素的邻域,以0.1个像素作为步长,按从左到右、从上到下的方式搜索;
(2)以公式(5-1)和(5-2)作为度量,分别沿x方向和y方向进行搜索。若式值增大,则按原来方向进行搜索,反之若式值减小,则按与原来方向的反方向进行搜索;
(3)重复进行上述步骤,当迭代到一定次数后,求取式(5-3)得到的极大值所对应的dx和dy值,精确定位跟踪点的位置为式(5-4)和(5-5)。
s=sx+sy(5-3)
x′0=x0+dxm(5-4)
y′0=y0+dym(5-5)
式中(zhixinx,zhixiny)为实际参考点坐标,dx为沿x方向的步长,dy为沿y方向的步长,(x0,y0)为所述步骤三得到的整像素定位点,dxm为s取极大值时对应的x方向的步长,dym为s取极大值时对应y方向的步长。(x′0,y′0)为最后得到的亚像素级跟踪点位置。
截取模拟序列的三帧图像得到的定位结果分别如图5、6、7,图5、6、7分别为模拟序列中的第1帧、第30帧和第70帧,图中白色亮点为验证定位误差的参考点,矩形框为跟踪框,矩形中心点即为跟踪定位点。可以看到,当目标做轻微的旋转和尺度变化(第30帧)、平移(第70帧)变化时,跟踪点能定位在亮点的中心内,实现了对平移、旋转和尺度变化的不变性以及定位的稳定性和准确性。对100帧图像序列进行跟踪定位,得到的定位误差曲线如图8所示,十字为定位点与参考点沿x方向的误差,星号为定位点与参考点沿y方向的误差,可以看到,亚像素定位精度达到一个像素以内,X方向和Y方向的标准差如表2所示。
表2X和Y方向的标准差
σx | σy | |
粗定位 | 0.4936 | 0.4759 |
精定位 | 0.3222 | 0.4870 |
本发明未详细阐述部分属于本领域技术人员的公知技术。
本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本发明,而并非用作为对本发明的限定,只要在本发明的实质精神范围内,对以上所述实施例变化,变型都将落在本发明权利要求书的范围内。
Claims (4)
1.一种利用广义Hough变换的异型扩展目标高精度定位方法,其特征包括如下步骤:
步骤一、图像预处理:采用高斯平滑滤波来去除噪声的影响,得到滤波后的平滑图像;
步骤二、对步骤一中得到的平滑图像进行边缘轮廓提取:首先采用最大类间方差法将目标分割出来,然后对分割处理的二值图像利用canny算子进行边缘提取,得到目标轮廓的单像素边缘;
步骤三、利用广义Hough变换粗定位跟踪点:提取了目标轮廓的单像素边缘之后,利用广义Hough变换进行整像素级定位,得到整像素定位点,具体步骤如下:
(31)对步骤二得到的单像素边缘点计算其梯度方向角,以一定的梯度间隔对梯度进行量化,得到的量化值为索引,参考点即定位点与边缘点之间的相对位置关系作为表项建立查找表即R-table;
(32)下一帧图像到来时,同样先进行步骤一和步骤二的处理,得到下一帧的单像素边缘点,计算其梯度,根据梯度索引搜索当前帧图像建立的R-table,得到候选定位点的位置,不考虑旋转和尺度变化,求取方法如式(2-1);
式中(x0,y0)为待检测图像中参考点即候选定位点O的坐标,(x,y)为待检测图像边缘坐标,θ为矢量角,为查找表中索引为i、边缘点与参考点相对矢量为r的入口项所对应的梯度方向角,r为边缘点相对参考点的矢量长度;
(33)以候选定位点位置坐标建立累加器,在上述得到的候选定位点对应位置处累加器加1;
(34)对上述得到的累加器求其峰值,峰值对应的位置即为定位点坐标;
(35)将上述得到的定位点坐标作为上一帧的定位点,下一帧到来时重复以上步骤;
步骤四、利用松弛迭代法对步骤三所得到的整像素定位点进行精确定位,以获得亚像素定位点,具体步骤如下:
(41)对步骤三得到的整像素定位点,取其左右、上下各1.5个像素范围;
(42)在上述范围内以一定步长按照一定的度量规则进行搜索;
(43)经过以上迭代搜索后直至度量值收敛,将得到的搜索位置作为最后的亚像素定位点坐标。
2.根据权利要求1所述的利用广义Hough变换的异型扩展目标高精度定位方法,其特征在于:所述步骤(32)中,考虑轮廓的平移、缩放和旋转,增加轮廓的取向参数β即轮廓主方向与x轴的夹角和尺度变换系数S,此时的参考点即候选定位点的求取方法只需将式(2-1)改为式(2-2),
式中(x0,y0)为待检测图像中参考点即候选定位点O的坐标,(x,y)为待检测图像边缘坐标,θ为矢量角,为查找表中索引为i、边缘点与参考点的相对矢量为r的入口项所对应的梯度方向角,s为尺度因子,β为轮廓主方向与x轴的夹角,r为边缘点与参考点的相对矢量。
3.根据权利要求1所述的利用广义Hough变换的异型扩展目标高精度定位方法,其特征在于:所述步骤(42)中的步长取0.1。
4.根据权利要求1所述的利用广义Hough变换的异型扩展目标高精度定位方法,其特征在于:所述(42)中的度量准则如式(2-3)和(2-4):
式中(zhixinx,zhixiny)为实际参考点坐标,dx为沿x方向的步长,dy为沿y方向的步长,(x0,y0)为所述步骤三得到的整像素定位点,sx和sy分别为沿x方向和沿y方向的度量值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310064392.3A CN103136525B (zh) | 2013-02-28 | 2013-02-28 | 一种利用广义Hough变换的异型扩展目标高精度定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310064392.3A CN103136525B (zh) | 2013-02-28 | 2013-02-28 | 一种利用广义Hough变换的异型扩展目标高精度定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103136525A CN103136525A (zh) | 2013-06-05 |
CN103136525B true CN103136525B (zh) | 2016-01-20 |
Family
ID=48496333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310064392.3A Active CN103136525B (zh) | 2013-02-28 | 2013-02-28 | 一种利用广义Hough变换的异型扩展目标高精度定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103136525B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530891B (zh) * | 2013-10-12 | 2016-03-30 | 中国科学院光电技术研究所 | 一种基于头部最小内切圆的扩展目标稳定跟踪点提取方法 |
CN103617328B (zh) * | 2013-12-08 | 2016-10-12 | 中国科学院光电技术研究所 | 一种飞机三维姿态解算方法 |
JP6248208B2 (ja) * | 2014-02-04 | 2017-12-13 | フラウンホーファー−ゲゼルシャフト・ツール・フェルデルング・デル・アンゲヴァンテン・フォルシュング・アインゲトラーゲネル・フェライン | 視線方向を決定するための3d画像分析装置 |
CN104077774A (zh) * | 2014-06-28 | 2014-10-01 | 中国科学院光电技术研究所 | 一种结合骨架和广义Hough变换的扩展目标跟踪方法及装置 |
CN104463920B (zh) * | 2014-11-05 | 2018-02-09 | 西北工业大学 | 面向圆形标志符的两级优化霍夫变换快速检测定位方法 |
CN105740876B (zh) * | 2014-12-10 | 2019-11-22 | 阿里巴巴集团控股有限公司 | 一种图像预处理方法及装置 |
CN106022337B (zh) * | 2016-05-22 | 2019-10-15 | 复旦大学 | 一种基于连续边缘特征的平面目标检测方法 |
CN108257155B (zh) * | 2018-01-17 | 2022-03-25 | 中国科学院光电技术研究所 | 一种基于局部和全局耦合的扩展目标稳定跟踪点提取方法 |
CN108682011B (zh) * | 2018-05-15 | 2021-07-16 | 齐鲁工业大学 | 亚像素级别的实时动态肿瘤图像的定位与匹配方法 |
CN112183473B (zh) * | 2020-10-28 | 2023-03-24 | 电子科技大学 | 一种地质曲面视觉语义特征提取方法 |
CN113191210B (zh) * | 2021-04-09 | 2023-08-29 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法、装置及设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609702A (zh) * | 2012-02-03 | 2012-07-25 | 中山大学 | 一种道路指路标志的快速定位方法以及*** |
-
2013
- 2013-02-28 CN CN201310064392.3A patent/CN103136525B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609702A (zh) * | 2012-02-03 | 2012-07-25 | 中山大学 | 一种道路指路标志的快速定位方法以及*** |
Non-Patent Citations (2)
Title |
---|
Adaptive Hough transform for the detection of natural shapes under weak affine transformations;Olivier Ecabert等;《pattern recognition letters》;20041231;第1411-1419页 * |
基于关键特征点决策的广义Hough变换目标定位快速算法;胡正平等;《信号处理》;20091130;第1748-1753页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103136525A (zh) | 2013-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN103714541B (zh) | 一种利用山体轮廓区域约束识别定位建筑物的方法 | |
Chen et al. | The Comparison and Application of Corner Detection Algorithms. | |
CN104200495B (zh) | 一种视频监控中的多目标跟踪方法 | |
Yang et al. | Fast and accurate vanishing point detection and its application in inverse perspective mapping of structured road | |
CN102865859B (zh) | 一种基于surf特征的航空序列图像位置估计方法 | |
CN103839265A (zh) | 基于sift和归一化互信息的sar图像配准方法 | |
CN109903313A (zh) | 一种基于目标三维模型的实时位姿跟踪方法 | |
CN101398886A (zh) | 一种基于双目被动立体视觉的快速三维人脸识别方法 | |
CN103295239A (zh) | 一种基于平面基准影像的激光点云数据的自动配准方法 | |
CN104536009A (zh) | 一种激光红外复合的地面建筑物识别及导航方法 | |
CN102903109B (zh) | 一种光学影像和sar影像一体化分割配准方法 | |
CN108257155B (zh) | 一种基于局部和全局耦合的扩展目标稳定跟踪点提取方法 | |
Huang et al. | Correlation and local feature based cloud motion estimation | |
CN102938147A (zh) | 一种基于快速鲁棒特征的低空无人机视觉定位方法 | |
CN110569861A (zh) | 一种基于点特征和轮廓特征融合的图像匹配定位方法 | |
CN103247032B (zh) | 一种基于姿态补偿的微弱扩展目标定位方法 | |
CN102446356A (zh) | 一种获取均匀分布匹配点的遥感影像并行自适应匹配方法 | |
CN111768447A (zh) | 一种基于模板匹配的单目相机物***姿估计方法及*** | |
CN103854290A (zh) | 一种结合骨架特征点和分布场描述子的扩展目标跟踪方法 | |
CN116310098A (zh) | 一种基于注意力机制与可变卷积深度网络的多视图三维重建方法 | |
CN110472651A (zh) | 一种基于边缘点局部特征值的目标匹配与定位方法 | |
CN117870659A (zh) | 基于点线特征的视觉惯性组合导航算法 | |
Wang et al. | Multi-features visual odometry for indoor mapping of UAV | |
CN106780511A (zh) | 基于单目视觉的慢旋非合作目标相对测量***和方法 |
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 |