CN107796391A - 一种捷联惯性导航***/视觉里程计组合导航方法 - Google Patents
一种捷联惯性导航***/视觉里程计组合导航方法 Download PDFInfo
- Publication number
- CN107796391A CN107796391A CN201711026822.7A CN201711026822A CN107796391A CN 107796391 A CN107796391 A CN 107796391A CN 201711026822 A CN201711026822 A CN 201711026822A CN 107796391 A CN107796391 A CN 107796391A
- Authority
- CN
- China
- Prior art keywords
- navigation system
- visual odometry
- inertial navigation
- strapdown inertial
- matching
- 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.)
- Pending
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 239000013307 optical fiber Substances 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 9
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000009416 shuttering Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
一种捷联惯性导航***/视觉里程计组合导航方法，包括以下步骤：在运载体上安装双目视觉里程计、光纤陀螺惯性导航***，并采集各个传感器的数据；利用FAST方法对图像序列中的特征进行提取，并利用基于随机抽样一致的特征匹配方法完成特征匹配，计算出运载体的运动信息；建立捷联惯性导航***/视觉里程计组合导航***的非线性状态方程和量测方程；利用非线性滤波器容积卡尔曼滤波完成捷联惯性导航***/视觉里程计组合导航***的时间更新和量测更新，对***状态进行估计，实现捷联惯性导航***/视觉里程计组合导航***的导航定位。本发明方法优化了特征匹配算法，并利用非线性容积卡尔曼滤波算法，提高了组合导航***的定位精度和鲁棒性。
Description
技术领域
本发明属于组合导航领域，具体涉及一种捷联惯性导航***/视觉里程计组合导航方法。
背景技术
近年来，导航领域中单独的导航子设备或者子***不断的发展，其性能日趋完善，各自 的优势和局限性日趋明显。随着科学技术的飞速发展，而任何一种单独的导航子设备或者子 ***不可能完全实现日益增长的导航需求的目的，因此可以实现优势互补的组合导航技术的 应用正在不断扩展，并受到了越来越广泛的重视。
由于捷联惯性导航***(Strapdown Inertial Navigation System，SINS)具有低成本、小体 积、全自主、隐蔽性好、采样频率高等优势，被广泛应用于多种领域；而全球导航卫星*** 具有单点定位精度高、误差不随时间发散等优点，因此将捷联惯性导航***与全球导航卫星 ***进行组合可以实现优势互补，从而提高整个导航***的精度。目前捷联惯性导航***/全 球导航卫星***组合导航是应用最为广泛的一种组合导航形式。然而捷联惯性导航***/全球 导航卫星***组合导航***对全球导航卫星***信息的依赖程度过大，而全球导航卫星*** 信息又绝对依赖于外部卫星信号。因此在森林覆盖区、建筑物密集区、室内、水下等环境中 时，全球导航卫星***信号就很容易受到干扰而产生信号拥堵或堵塞，从而造成全球导航卫 星***定位精度严重下降，进而大幅度降低整个组合导航***的定位精度，因此需要寻求一 种新的组合导航方式。
基于视觉传感器的视觉里程计(Visual Odometer，VO)是目前新兴的一种导航设备，具 有价格低、耗能少、信息量丰富等优势，因此视觉里程计迅速得到了广泛的关注与应用，基 于捷联惯性导航***/视觉里程计的组合导航技术也称为导航领域内的一个十分重要的研究 方向。
视觉里程计是利用视觉传感器捕获周围环境的图像信息，然后通过计算机视觉处理算法 对图像或者图像序列进行处理，从而实现对周围环境的理解，实现对运载体的导航与定位。 因此如何高效的从图像序列中提取出有效的周围环境信息，即特征提取与匹配问题，成为视 觉辅助导航技术研究中极为重要的内容之一。为提高视觉里程计的计算效率，特征提取与匹 配方法需要具有高效性，而加速分割检测特征(Feature from AcceleratedSegment Test，FAST) 方法由于具有简单有效、计算速度快等优势，被应用于视觉特征与匹配过程中。但是FAST 仅仅对一小部分像素进行了处理，所以其对噪声特别敏感，极易受到周围环境的影响。针对 这一问题，本发明提出了一种改进的FAST特征提取方法，通过降低误匹配率来抑制环境噪 声对视觉里程计算法精度的影响，利用非线性滤波器容积卡尔曼滤波(Cubature Kalman Filter， CKF)完成对捷联惯性导航***/视觉里程计组合导航***状态的估计，从而提高捷联惯性导 航***/视觉里程计组合导航***的定位精度和鲁棒性。
发明内容
本发明的目的是提供一种能够同时定位精度更高和鲁棒性更好的捷联惯性导航***/视 觉里程计组合导航方法。
本发明的目的是通过以下步骤来实现的：
步骤1：在运载体上安装双目视觉里程计、光纤陀螺惯性导航***，对捷联惯性导航系 统/视觉里程计组合导航***进行预热，并采集各个传感器的数据；
步骤2：根据视觉里程计中的双目摄像头采集到的图像序列，利用FAST方法对图像序列 中的特征进行提取，并利用基于随机抽样一致的特征匹配方法完成特征匹配，并根据视觉里 程计原理计算出运载体的运动信息；
步骤3：建立捷联惯性导航***/视觉里程计组合导航***的非线性状态方程；
步骤4：以捷联惯性导航***与视觉里程计测得的速度误差为观测量，建立捷联惯性导 航***/视觉里程计组合导航***的量测方程；
步骤5：利用非线性滤波器容积卡尔曼滤波完成捷联惯性导航***/视觉里程计组合导航 ***的时间更新和量测更新，对***状态进行估计，实现捷联惯性导航***/视觉里程计组合 导航***的导航定位。
进一步地，在步骤2中，利用FAST方法对图像序列中的特征进行提取，并利用基于随 机抽样一致的特征匹配方法完成特征匹配，并根据视觉里程计原理计算出运载体的运动信息， 其具体方法为：
1)通过视觉里程计的双目视觉里程计获取运载体周围环境的图像对，并对图像序列进行 校正；
2)对校正后的图像序列利用FAST进行图像特征提取，并生成特征向量；
3)对从图像对中所提取的特征点，利用最近邻和次最近邻的距离比方法进行图像特征粗 匹配；
4)利用随机抽样一致方法对完成粗匹配后的特征点对进一步提纯，完成图像特征的精匹 配；
5)根据三角测量原理和左右两张图像中成功匹配的特征点对信息，计算得到每个匹配特 征点的3D坐标；
6)对当前帧和下一帧两相邻时刻的左侧图像中的3D特征点进行匹配，计算出双目视觉 的运动信息，包括旋转矩阵和平移矩阵；
7)根据运载体与视觉里程计之间的坐标系变换，计算出运载体相对初始时刻的位移和姿 态变化，得到运载体的运动信息。
本发明的优势在于：(1)由于利用改进的特征匹配方法，对特征点进行了粗匹配和精匹 配两次匹配过程，有效剔除了误匹配点对，减小了由外界干扰引起的误匹配点对对视觉里程 计定位精度的影响，从而提高了捷联惯性导航***/视觉里程计组合导航***的定位精度和鲁 棒性；(2)利用非线性滤波器容积卡尔曼滤波完成对捷联惯性导航***/视觉里程计组合导航 ***状态的估计，进一步提高了组合导航***的精度。
附图说明
图1为本发明的流程图；
图2为本发明中改进的双目视觉里程计算法的流程图；
图3运载体的真实运动轨迹；
图4为利用本发明方法和传统方法时运载体的运动轨迹对比图；
图5为利用本发明方法和传统方法时运载***置误差对比曲线。
具体实施方式
以下结合具体实施案例，对本发明进行详细说明。
本发明是一种基于随机抽样一致的改进的捷联惯性导航***/视觉里程计组合导航方法， 结合图1～2所示的算法流程框图，其具体实施方式为：
步骤1：在运载体上安装双目视觉里程计、光纤陀螺惯性导航***以及全球定位***， 其中捷联惯性导航***与全球定位***工作于组合导航模式并作为数据基准。对运载体上的 各传感器和设备进行预热，并采集各个传感器和设备的数据；
步骤2：利用视觉里程计中的双目摄像头采集到运载体周围环境的图像序列，并完成对 图像序列的校正；对校正后的图像序列利用FAST方法对图像进行分割测试提取候选特征点， 其中每个像素p点，其周围以3个像素为半径的圆上的像素点可以分为三类：
其中Ip为中心采样点p的像素值，Ip→x为p点周围圆形模板上的点x的像素值，t是比较阈值。 随后，利用迭代决策算法来选择具有最大信息增益的像素点作为特征点。
设Kp为一参数，当p为特征点，Kp为true，否则为false。而参数Kp的熵可以用公式(3-9) 来表示：
其中c＝|{p|Kp is true}|表示特征点的数目，表示非特征点的数目。
那么，图像中某一个特定像素的信息增益的计算公式为：
H(P)-H(Pd)-H(Ps)-H(Pb)
对上述三类像素依次进行反复计算，直到熵为0，即可提取出候选特征点。
随后，利用非极大值抑制方法精确确定特征点，定义一个特征点响应函数
根据定义的特征点响应函数计算每个候选特征点的响应函数值，然后利用非极大值抑制 方法对非特征点进行排除，筛选出真正的特征点。
利用小波响应分配特征点方向并生成特征描述向量，计算相应特征点的欧式距离，设两 幅图中的特征点对的坐标分别为A(xA,yA)、B(xB,yB)，则两点之间的欧氏距离为：
分别计算两幅图中特征点之间的欧氏距离的最小值与次最小值，即最近邻dest和次最近邻 dnd，设定的阈值为r，则
若dest/dnd＜r，则最近邻距离对应的两个特征点相互匹配；
若dest/dnd＞r，则最近邻距离对应的两个特征点相互不匹配。
从而完成特征点对的粗匹配，在此基础上，利用随机抽样一致算法对进行粗匹配后的特 征点对进一步提纯，剔除误匹配点对，减少误匹配点对的干扰和影响，使得特征点的匹配更 加精确，这样就可以减小误匹配特征点，提高匹配精度，从而减小噪声或者图片质量降低对 特征提取与匹配的影响，从而完成特征点对的精确匹配。
然后根据三角测量原理计算成功匹配的特征点的3D坐标(xi,yi,zi)，对当前帧和下一帧 两相邻时刻的左侧图像中的3D特征点进行匹配，同样是先进行粗匹配再进行精匹配。最后， 计算出双目视觉传感器的旋转矩阵R(k→k+1)和平移矩阵T(k→k+1)，根据运载体与视觉 里程计之间的坐标系变换，计算出运载体相对初始时刻的位移和姿态变化，从而得到运载体 的运动信息，包括位置(Xi,Yi,Zi)和姿态
步骤3：充分考虑实际***的非线性特征，以捷联惯性导航***为主***，捷联惯性导 航***的速度误差、姿态误差、位置误差以及器件误差微分方程为：
其中，是载体系(b)到计算导航坐标系(n′)之间的方向余弦矩阵；是导航坐标系(n) 到计算导航坐标系(n′)之间的方向余弦矩阵；是陀螺仪的量测误差；和分别是n 系相对惯性坐标系(i)的旋转角速率及其测量误差；和δfb分别是加速度计测量值及测量 误差；是地球自转角速率；是计算的位置速率；和δvn分别是速度和速度误差；δλ和 分别为经度和纬度误差；RM和RN分别为地球子午面和卯酉面的曲率半径，Cω为中间变量。
考虑运载体的经纬度误差东向和北向速度误差(δvx,δvy)，平台角误差(αx,αy,αz)以及加速度计零偏(▽x,▽y)和陀螺常值漂移(εx,εy,εz)，则***的状态变量为12维向量：
则***的非线性状态方程为：
Xk+1＝f(Xk,wk)
其中wk为***的过程噪声矩阵：W＝[02×1 wax way wgx wgy wgz 05×1]T。
步骤4：根据捷联惯性导航***和视觉里程计测量的运载体的运动信息，以捷联惯性导 航***与视觉里程计测得的速度误差为观测量，建立捷联惯性导航***/视觉里程计组合导航 ***的量测方程
其中量测噪声为η＝[ηx ηy]T。
步骤5：利用非线性滤波器容积卡尔曼滤波完成捷联惯性导航***/视觉里程计组合导航 ***的时间更新和量测更新，对***状态进行估计，从而完成捷联惯性导航***/视觉里程计 组合导航***的导航过程。
0
本发明的效果通过如下方法得到验证：
利用德国卡尔斯鲁厄理工学院和丰田技术研究所(Karlsruhe Institute ofTechnology and Toyota Technological Institute，KITTI)的开源数据对本发明的性能进行验证。KITTI研究所的 车载实验是以一辆名为Annieway的自主车为平台，搭载有多种传感器来采集周围环境中的数 据，传感器设备如表1所示：
表1KITTI实验室的车载实验设备
本发明仅采用IMU/全球定位***组合导航***以及灰度摄像机的数据即可，其中Point Grey Flea 2摄像机是由加拿大Point Grey公司生产的单目摄像机，因此需要两个摄像机组成 摄像机对来代替双目视觉***。摄像机对均安装在自主车的顶部，安装平面与地面近似水平， 两灰度相机之间的安装基线近似为54cm，相机的采样频率为10帧/秒，图像的大小约为 1382*512像素。OXTS RT 3003***是IMU/GPS组合导航***，它被安装在自主车的后部， 其采样频率为0.1Hz，其输出的位置和姿态可以作为自主车的真实值。
使用的数据采集环境为住宅区，图像序列共1106对，试验时间约为110.6s左右，试验自 主车的真实运行轨迹如图3所示。试验环境中树木和房屋比较多，所获取的图像中光照变化 比较大，图像质量会受到影响，为验证改进特征匹配算法的性能，从图像序列中任选一对图 像，传统最近邻匹配方法作为对照方法，则FAST特征提取与匹配结果如表1所示。利用基 于未改进特征匹配方法的传统捷联惯性导航***/视觉里程计组合导航方法作为参考对照，采 用本发明对该次试验数据进行分析，试验结果如图4和图5所示。
表1两种特征提取算法与匹配结果对比
从表1可以看出，采用本发明所提改进的FAST特征提取与匹配方法对图像特征进行提 取与匹配，误匹配率从11.3％下降到了4.7％，因此，本发明所提匹配算法可以有效提高特征 匹配的匹配精度，抑制环境对视觉里程计定位的影响。从图4和图5可以看出，与传统方法 相比，利用本发明方法所取得到的运动轨迹更接近运载体的真实运动轨迹，捷联惯性导航系 统/视觉里程计组合导航***的定位误差最大值约为12m，而传统方法的定位误差最大值约为 17m左右。综上所述，本发明提供的方法具有更加精确的估计精度和鲁棒性，可以有效地提 高捷联惯性导航***/视觉里程计组合导航***的导航定位能力。
Claims (2)
1.一种捷联惯性导航***/视觉里程计组合导航方法，其特征在于，包括以下步骤：
步骤1：在运载体上安装双目视觉里程计、光纤陀螺惯性导航***，对捷联惯性导航***/视觉里程计组合导航***进行预热，并采集各个传感器的数据；
步骤2：根据视觉里程计中的双目摄像头采集到的图像序列，利用FAST方法对图像序列中的特征进行提取，并利用基于随机抽样一致的特征匹配方法完成特征匹配，并根据视觉里程计原理计算出运载体的运动信息；
步骤3：建立捷联惯性导航***/视觉里程计组合导航***的非线性状态方程；
步骤4：以捷联惯性导航***与视觉里程计测得的速度误差为观测量，建立捷联惯性导航***/视觉里程计组合导航***的量测方程；
步骤5：利用非线性滤波器容积卡尔曼滤波完成捷联惯性导航***/视觉里程计组合导航***的时间更新和量测更新，对***状态进行估计，实现捷联惯性导航***/视觉里程计组合导航***的导航定位。
2.如权利要求1所述的一种捷联惯性导航***/视觉里程计组合导航方法，其特征在于，在步骤2中利用FAST方法对图像序列中的特征进行提取，并利用基于随机抽样一致的特征匹配方法完成特征匹配，并根据视觉里程计原理计算出运载体的运动信息，其具体方法为：
1)通过视觉里程计的双目视觉里程计获取运载体周围环境的图像对，并对图像序列进行校正；
2)对校正后的图像序列利用FAST进行图像特征提取，并生成特征向量；
3)对从图像对中所提取的特征点，利用最近邻和次最近邻的距离比方法进行图像特征粗匹配；
4)利用随机抽样一致方法对完成粗匹配后的特征点对进一步提纯，完成图像特征的精匹配；
5)根据三角测量原理和左右两张图像中成功匹配的特征点对信息，计算得到每个匹配特征点的3D坐标；
6)对当前帧和下一帧两相邻时刻的左侧图像中的3D特征点进行匹配，计算出双目视觉的运动信息，包括旋转矩阵和平移矩阵；
7)根据运载体与视觉里程计之间的坐标系变换，计算出运载体相对初始时刻的位移和姿态变化，得到运载体的运动信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711026822.7A CN107796391A (zh) | 2017-10-27 | 2017-10-27 | 一种捷联惯性导航***/视觉里程计组合导航方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711026822.7A CN107796391A (zh) | 2017-10-27 | 2017-10-27 | 一种捷联惯性导航***/视觉里程计组合导航方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107796391A true CN107796391A (zh) | 2018-03-13 |
Family
ID=61547425
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711026822.7A Pending CN107796391A (zh) | 2017-10-27 | 2017-10-27 | 一种捷联惯性导航***/视觉里程计组合导航方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107796391A (zh) |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108759823A (zh) * | 2018-05-28 | 2018-11-06 | 浙江大学 | 基于图像匹配的指定道路上低速自动驾驶车辆定位及纠偏方法 |
| CN108827287A (zh) * | 2018-04-10 | 2018-11-16 | 南京航空航天大学 | 一种复杂环境下的鲁棒视觉slam*** |
| CN108981692A (zh) * | 2018-06-14 | 2018-12-11 | 兰州晨阳启创信息科技有限公司 | 一种基于惯导/视觉里程计的列车定位方法及*** |
| CN109085840A (zh) * | 2018-09-21 | 2018-12-25 | 大连维德智能视觉技术创新中心有限公司 | 一种基于双目视觉的车辆导航控制***及控制方法 |
| CN109084785A (zh) * | 2018-07-25 | 2018-12-25 | 吉林大学 | 多车辆协同定位与地图构建方法、装置、设备及存储介质 |
| CN109211277A (zh) * | 2018-10-31 | 2019-01-15 | 北京旷视科技有限公司 | 视觉惯性里程计的状态确定方法、装置和电子设备 |
| CN109443354A (zh) * | 2018-12-25 | 2019-03-08 | 中北大学 | 基于萤火虫群优化pf的视觉-惯性紧耦合组合导航方法 |
| CN109443355A (zh) * | 2018-12-25 | 2019-03-08 | 中北大学 | 基于自适应高斯pf的视觉-惯性紧耦合组合导航方法 |
| CN109443353A (zh) * | 2018-12-25 | 2019-03-08 | 中北大学 | 基于模糊自适应ickf的视觉-惯性紧耦合组合导航方法 |
| CN109655058A (zh) * | 2018-12-24 | 2019-04-19 | 中国电子科技集团公司第二十研究所 | 一种惯性/视觉智能化组合导航方法 |
| CN110542415A (zh) * | 2018-05-28 | 2019-12-06 | 北京京东尚科信息技术有限公司 | 用于导航***的导航方法和装置 |
| CN110567468A (zh) * | 2018-06-06 | 2019-12-13 | 百度在线网络技术（北京）有限公司 | 道路轨迹获取方法、设备及存储介质 |
| CN110567486A (zh) * | 2019-08-15 | 2019-12-13 | 深圳市瑞立视多媒体科技有限公司 | 校准3d旋转差异的数学模型构建方法、校准方法及其装置 |
| CN110751123A (zh) * | 2019-06-25 | 2020-02-04 | 北京机械设备研究所 | 一种单目视觉惯性里程计***及方法 |
| CN111024072A (zh) * | 2019-12-27 | 2020-04-17 | 浙江大学 | 一种基于深度学习的卫星地图辅助导航定位方法 |
| CN111238486A (zh) * | 2020-03-12 | 2020-06-05 | 北京三快在线科技有限公司 | 用于无人设备的导航方法、装置、存储介质及无人设备 |
| CN111811506A (zh) * | 2020-09-15 | 2020-10-23 | 中国人民解放军国防科技大学 | 视觉/惯性里程计组合导航方法、电子设备及存储介质 |
| CN111982103A (zh) * | 2020-08-14 | 2020-11-24 | 北京航空航天大学 | 一种权值优化的点线综合视觉惯性里程计方法 |
| CN115790282A (zh) * | 2022-10-11 | 2023-03-14 | 西安岳恒机电工程有限责任公司 | 一种无人驾驶靶车方向控制***和控制方法 |
| CN117058430A (zh) * | 2023-10-12 | 2023-11-14 | 北京万龙精益科技有限公司 | 用于视场匹配的方法、装置、电子设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
| CN103033189A (zh) * | 2012-12-26 | 2013-04-10 | 北京航空航天大学 | 一种深空探测巡视器惯性/视觉组合导航方法 |
| CN103063212A (zh) * | 2013-01-04 | 2013-04-24 | 哈尔滨工程大学 | 一种基于非线性映射自适应混合Kalman/H∞滤波器的组合导航方法 |
| CN106679648A (zh) * | 2016-12-08 | 2017-05-17 | 东南大学 | 一种基于遗传算法的视觉惯性组合的slam方法 |
-
2017
- 2017-10-27 CN CN201711026822.7A patent/CN107796391A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
| CN103033189A (zh) * | 2012-12-26 | 2013-04-10 | 北京航空航天大学 | 一种深空探测巡视器惯性/视觉组合导航方法 |
| CN103063212A (zh) * | 2013-01-04 | 2013-04-24 | 哈尔滨工程大学 | 一种基于非线性映射自适应混合Kalman/H∞滤波器的组合导航方法 |
| CN106679648A (zh) * | 2016-12-08 | 2017-05-17 | 东南大学 | 一种基于遗传算法的视觉惯性组合的slam方法 |
Non-Patent Citations (2)
| Title |
|---|
| 周莉莉等: "基于FAST和BRIEF的图像匹配算法", 《计算机工程与设计》 * |
| 路丹晖: "融合视觉与惯性导航的机器人自主定位", 《中国优秀硕士学位论文全文数据库·信息科技辑》 * |
Cited By (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108827287A (zh) * | 2018-04-10 | 2018-11-16 | 南京航空航天大学 | 一种复杂环境下的鲁棒视觉slam*** |
| CN108827287B (zh) * | 2018-04-10 | 2021-12-21 | 南京航空航天大学 | 一种复杂环境下的鲁棒视觉slam*** |
| CN110542415A (zh) * | 2018-05-28 | 2019-12-06 | 北京京东尚科信息技术有限公司 | 用于导航***的导航方法和装置 |
| CN108759823B (zh) * | 2018-05-28 | 2020-06-30 | 浙江大学 | 基于图像匹配的指定道路上低速自动驾驶车辆定位及纠偏方法 |
| CN108759823A (zh) * | 2018-05-28 | 2018-11-06 | 浙江大学 | 基于图像匹配的指定道路上低速自动驾驶车辆定位及纠偏方法 |
| CN110567468A (zh) * | 2018-06-06 | 2019-12-13 | 百度在线网络技术（北京）有限公司 | 道路轨迹获取方法、设备及存储介质 |
| US11307038B2 (en) | 2018-06-06 | 2022-04-19 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for acquiring road track, and storage medium |
| CN108981692A (zh) * | 2018-06-14 | 2018-12-11 | 兰州晨阳启创信息科技有限公司 | 一种基于惯导/视觉里程计的列车定位方法及*** |
| CN109084785A (zh) * | 2018-07-25 | 2018-12-25 | 吉林大学 | 多车辆协同定位与地图构建方法、装置、设备及存储介质 |
| CN109085840B (zh) * | 2018-09-21 | 2022-05-27 | 大连维德集成电路有限公司 | 一种基于双目视觉的车辆导航控制***及控制方法 |
| CN109085840A (zh) * | 2018-09-21 | 2018-12-25 | 大连维德智能视觉技术创新中心有限公司 | 一种基于双目视觉的车辆导航控制***及控制方法 |
| CN109211277A (zh) * | 2018-10-31 | 2019-01-15 | 北京旷视科技有限公司 | 视觉惯性里程计的状态确定方法、装置和电子设备 |
| CN109211277B (zh) * | 2018-10-31 | 2021-11-16 | 北京旷视科技有限公司 | 视觉惯性里程计的状态确定方法、装置和电子设备 |
| CN109655058A (zh) * | 2018-12-24 | 2019-04-19 | 中国电子科技集团公司第二十研究所 | 一种惯性/视觉智能化组合导航方法 |
| CN109443353A (zh) * | 2018-12-25 | 2019-03-08 | 中北大学 | 基于模糊自适应ickf的视觉-惯性紧耦合组合导航方法 |
| CN109443354A (zh) * | 2018-12-25 | 2019-03-08 | 中北大学 | 基于萤火虫群优化pf的视觉-惯性紧耦合组合导航方法 |
| CN109443355A (zh) * | 2018-12-25 | 2019-03-08 | 中北大学 | 基于自适应高斯pf的视觉-惯性紧耦合组合导航方法 |
| CN109443353B (zh) * | 2018-12-25 | 2020-11-06 | 中北大学 | 基于模糊自适应ickf的视觉-惯性紧耦合组合导航方法 |
| CN109443355B (zh) * | 2018-12-25 | 2020-10-27 | 中北大学 | 基于自适应高斯pf的视觉-惯性紧耦合组合导航方法 |
| CN110751123A (zh) * | 2019-06-25 | 2020-02-04 | 北京机械设备研究所 | 一种单目视觉惯性里程计***及方法 |
| CN110567486B (zh) * | 2019-08-15 | 2021-04-13 | 深圳市瑞立视多媒体科技有限公司 | 校准3d旋转差异的数学模型构建方法、校准方法及其装置 |
| CN110567486A (zh) * | 2019-08-15 | 2019-12-13 | 深圳市瑞立视多媒体科技有限公司 | 校准3d旋转差异的数学模型构建方法、校准方法及其装置 |
| CN111024072A (zh) * | 2019-12-27 | 2020-04-17 | 浙江大学 | 一种基于深度学习的卫星地图辅助导航定位方法 |
| WO2021180094A1 (zh) * | 2020-03-12 | 2021-09-16 | 北京三快在线科技有限公司 | 无人设备的导航 |
| CN111238486B (zh) * | 2020-03-12 | 2021-11-19 | 北京三快在线科技有限公司 | 用于无人设备的导航方法、装置、存储介质及无人设备 |
| CN111238486A (zh) * | 2020-03-12 | 2020-06-05 | 北京三快在线科技有限公司 | 用于无人设备的导航方法、装置、存储介质及无人设备 |
| CN111982103A (zh) * | 2020-08-14 | 2020-11-24 | 北京航空航天大学 | 一种权值优化的点线综合视觉惯性里程计方法 |
| CN111811506A (zh) * | 2020-09-15 | 2020-10-23 | 中国人民解放军国防科技大学 | 视觉/惯性里程计组合导航方法、电子设备及存储介质 |
| CN115790282A (zh) * | 2022-10-11 | 2023-03-14 | 西安岳恒机电工程有限责任公司 | 一种无人驾驶靶车方向控制***和控制方法 |
| CN115790282B (zh) * | 2022-10-11 | 2023-08-22 | 西安岳恒机电工程有限责任公司 | 一种无人驾驶靶车方向控制***和控制方法 |
| CN117058430A (zh) * | 2023-10-12 | 2023-11-14 | 北京万龙精益科技有限公司 | 用于视场匹配的方法、装置、电子设备和存储介质 |
| CN117058430B (zh) * | 2023-10-12 | 2023-12-22 | 北京万龙精益科技有限公司 | 用于视场匹配的方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107796391A (zh) | 一种捷联惯性导航***/视觉里程计组合导航方法 | |
| CN106780699B (zh) | 一种基于sins/gps和里程计辅助的视觉slam方法 | |
| CN108731670A (zh) | 基于量测模型优化的惯性/视觉里程计组合导航定位方法 | |
| CN104729506B (zh) | 一种视觉信息辅助的无人机自主导航定位方法 | |
| Noureldin et al. | Performance enhancement of MEMS-based INS/GPS integration for low-cost navigation applications | |
| CN103033189B (zh) | 一种深空探测巡视器惯性/视觉组合导航方法 | |
| CN114199259B (zh) | 一种基于运动状态与环境感知的多源融合导航定位方法 | |
| CN110221328A (zh) | 一种组合导航方法和装置 | |
| CN109991636A (zh) | 基于gps、imu以及双目视觉的地图构建方法及*** | |
| CN109540126A (zh) | 一种基于光流法的惯性视觉组合导航方法 | |
| CN107229063A (zh) | 一种基于gnss和视觉里程计融合的无人驾驶汽车导航定位精度矫正方法 | |
| CN109459019A (zh) | 一种基于级联自适应鲁棒联邦滤波的车载导航计算方法 | |
| CN105953796A (zh) | 智能手机单目和imu融合的稳定运动跟踪方法和装置 | |
| CN103674021A (zh) | 基于捷联惯导与星敏感器的组合导航***及方法 | |
| CN107402012A (zh) | 一种车辆的组合导航方法 | |
| CN101344391A (zh) | 基于全功能太阳罗盘的月球车位姿自主确定方法 | |
| CN109945860A (zh) | 一种基于卫星紧组合的ins和dr惯性导航方法与*** | |
| CN111880207A (zh) | 一种基于小波神经网络的视觉惯性卫星紧耦合定位方法 | |
| CN106840211A (zh) | 一种基于kf和stupf组合滤波的sins大方位失准角初始对准方法 | |
| CN114693754B (zh) | 一种基于单目视觉惯导融合的无人机自主定位方法与*** | |
| Dumble et al. | Airborne vision-aided navigation using road intersection features | |
| CN111024072A (zh) | 一种基于深度学习的卫星地图辅助导航定位方法 | |
| CN106352897B (zh) | 一种基于单目视觉传感器的硅mems陀螺误差估计与校正方法 | |
| CN105910623B (zh) | 利用磁强计辅助gnss/mins紧组合***进行航向校正的方法 | |
| Wang et al. | Land vehicle navigation using odometry/INS/vision integrated system |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180313 |
|
| RJ01 | Rejection of invention patent application after publication |