CN109631887B - 基于双目、加速度与陀螺仪的惯性导航高精度定位方法 - Google Patents
基于双目、加速度与陀螺仪的惯性导航高精度定位方法 Download PDFInfo
- Publication number
- CN109631887B CN109631887B CN201811632825.XA CN201811632825A CN109631887B CN 109631887 B CN109631887 B CN 109631887B CN 201811632825 A CN201811632825 A CN 201811632825A CN 109631887 B CN109631887 B CN 109631887B
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- inertial navigation
- binocular
- vehicle
- point
- 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
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本发明请求保护一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法,本发明设计基于双目定位+高精度GPS信息确定惯性导航参考位置特征点三维坐标,通过特征点坐标值作为参考点来实时更新惯性导航三维坐标,来消除惯性导航由于积分产生的累计误差,实现基于惯性导航和双目定位结合辅助室内停车场车辆的高精确定位。本发明结构框图包括以下几个部分:一、高精度惯性导航***组成及参考坐标系结构;二、惯性导航导航起始坐标的获取方法;三、双目高精度定位参考点的选择方法;四、高精度惯性导航坐标系的选择与设计;五、高精度惯性导航坐标系的转换方法;六、惯性导航累计误差的消除方法。
Description
技术领域
本发明属于组合导航高精度定位领域,具体涉及一种基于室内停车的视觉导航辅助惯性导航高精度定位的方法。
背景技术
GPS作为一种流行的定位方法,在陆地车辆定位中得到了广泛的应用,但对于室内停车GPS的信号往往会受到阻塞。室内的高精度定位利于车辆快速的通过导航路线找到合适的停车位,在现在室内停车场分布众多的情形下,这种技术是非常有必要的。
惯性导航***(Inertial Navigation System,INS)以牛顿力学定律为工作原理,利用安装在载体上的惯性测量元件(Inertial Mcasurement Unit,IMU)来测量载体的角速度和加速度信息,通过积分运算得到载体的位置、速度和姿态等导航参数。惯性导航具有完全的自主性和抗干扰性,短时间内具有高精度,但是由于积分原理,其误差随时间累积,因此长时间工作的精度较差。为了减少误差累积,要引入外部观测值来对惯导***进行修正。
视觉辅助惯性导航***(INS)的常见形式是将单目或双目摄像***与低成本的IMU相结合,后者已广泛应用于机器人技术和自主车辆导航。该方法在很大程度上可以减小空间中视觉特征提取的不确定性所造成的定位误差,减小漂移现象,克服惯性测量定位中积累的误差。视觉辅助惯性导航方法主要是利用前视摄像机捕捉突出特征,利用各种特征辅助人造建筑的导航。本文利用双目视觉***获得的三维特征;因此,将双目视觉***与惯性导航***相结合的方法可以应用于角特征较为普遍的环境中。
现如今有很多关于视觉导航和惯性导航的数据融合算法,但是这些融合算法始终不能很好的消除惯性导航的累计误差,且相关算法比较复杂。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种消除惯性导航由于积分产生的累计误差、大大的提高了匹配的精度、速度和准确率,匹配的稳定性和鲁棒性也有很大提高,在更新惯性导航位置信息时实时性好的基于双目、加速度与陀螺仪的惯性导航高精度定位方法。本发明的技术方案如下:
一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法,其包括以下步骤:
步骤1、建立基于惯性导航模组、双目立体视觉***与车辆的高精度惯性***,及建立参考坐标系结构;
步骤2、惯性导航起始坐标的获取:车辆以起始坐标点作为起始点进行惯性导航,并采用基于SIFT算法的改进立体匹配法,根据角点特征显著的点在图像中的位置关系选定感兴趣的区域,车辆在行驶过程中通过不断位置累积完成对感兴趣区域的定位和跟踪,在此后的过程中可以仅对感兴趣的区域进行图像匹配,完成初始时刻双目视觉的特征点提取,达到匹配精度高、速度快的目的;
步骤3、双目高精度定位参考点的选择:选择在室内停车场的角点特征显著的角落或者拐角作为双目高精度定位的参考点以参考点为原点建立参考坐标系;
步骤4、高精度惯性导航坐标系的选择与设计:选择在导航过程中包括地球坐标系、导航坐标系、载体坐标系、摄像机坐标系、世界坐标系在内的坐标系,满足最后对相关坐标的解算;
步骤5、高精度惯性导航坐标系的转换:得到特征点在世界坐标系的位置信息,车辆在惯性导航导航坐标系中的位置信息,以及世界坐标系与惯性导航导航坐标系之间的转换关系;
步骤6、惯性导航累计误差的消除:基于双目定位和高精度GPS信息确定惯性导航参考位置特征点三维坐标,通过特征点坐标值作为参考点来实时更新惯性导航三维坐标,来消除惯性导航由于积分产生的累计误差,实现基于惯性导航和双目定位结合辅助室内停车场车辆的精确定位。
进一步的,所述步骤1的惯性导航模组由三轴加速度传感器、三轴陀螺仪和三轴磁力计组成,测量得到各传感器的参数,通过四元数算法解算得到惯性导航***中的坐标系转换,通过速度积分和位置积分得到搭载惯性导航模组载体的位置参数,利用双目视觉的图像信息,通过视觉相关算法确定惯性导航参考位置特征点三维坐标,通过将当前时刻与上一时刻特征点坐标值差值作为参考点来实时更新惯性导航三维坐标,来消除惯性导航由积分产生的累计误差。
进一步的,所述步骤2起始坐标点的获取具体包括:在进入无GPS信号或者GPS信号非常微弱的室内车库时,车辆以最后获得的有效GPS信息基础,判断在起始点处车辆上双目立体视觉***是否能获取到特征角点的位置信息,将这个过程的延迟时间和车辆的速度、航向角信息等,进行位置信息插补,得到惯性导航导航起始坐标,车辆以起始坐标为初始位置进行惯性导航。
进一步的,所述步骤2基于SIFT算法的改进立体匹配法步骤具体包括:首先通过对采集的左右图像进行极线约束,其次从左图中选择ROI(Region ofInterest)区域,在降低特征向量维数来减少耗时,采用基于KD树的BBF(Best Bin First)算法加快匹配速度,最后用RANSAC(Random Sample Consensus)算法去除误匹配。
进一步的,所述步骤3利用角点的特征,即角点是目标轮廓上曲率的局部极大值点,是物体轮廓的决定性特征,并且角点还具有旋转不变性,当车辆从车库进入室内停车场后,车辆上的双目摄像头选取车辆行驶方向上的最近的一个角点特征显著的物体作为双目定位提取特征点的参考对象,将获取的角点作为双目高精度定位参考点。
进一步的,所述步骤5还包括以下坐标系之间的转换:
第二,摄像机坐标系与世界坐标系之间的转换:选择世界坐标系与导航坐标系重合,空间特征点在摄像机坐标系中的坐标(xc,yc,zc)经过转换得到空间特征点在世界坐标系中的坐标(xw,yw,zw),即得到了空间特征点在导航坐标系中的坐标点(xn,yn,zn):
第三,地球坐标系与导航坐标系之间的转换:首先将地球坐标系Oexeyeze绕ze轴旋转λ角,得到Oe1-xe1ye1ze1。然后绕ye1轴旋转90°-L角,得到Oe2-xe2ye2ze2。最后绕ze2轴旋90°,经过以上步骤就可以将地球坐标系Oe-xeyeze,转换到导航坐标系On-xnynzn,两坐标系之间的相互的变换可通过矩阵来表示。
进一步的,所述空间特征点在摄像机坐标系中的坐标(xc,yc,zc)经过转换得到空间特征点在世界坐标系中的坐标(xw,yw,zw),具体包括:
空间特征点在世界坐标系和摄像机坐标系下的齐次坐标分别为(xw,yw,zw,1)和(xc,yc,zc,1),其中齐次坐标系就是把维数为n的向量用n+1维的向量来表示,世界坐标系的原点在摄像机坐标系中的坐标值为t=(tx,ty,tz)T,这个3维的向量为平移向量,方向矢量R为摄像机坐标系在世界坐标系中用来描述二者关系的方向矢量,由三个姿态角的正余弦关系组合起来3×3的正交矩阵,则世界坐标系与摄像头坐标系之间的关系为其中R表示3×3的旋转矩阵,OT=(0,0,0)。
进一步的,所述步骤6惯性导航累计误差的消除:由双目立体视觉定位和高精度GPS信息确定惯性导航起始点坐标,车辆在进入无GPS信号或者GPS信号非常微弱的区域时,开启惯性导航模式,利用双目立体视觉***获取角点特征显著的墙角或者拐点的位置信息,并将特征点的位置信息作为参考点建立三维参考坐标系,根据不同时刻车辆在不同位置获取的同一参考点位置信息,通过坐标转换的到相邻时刻车辆位置的差值,以此来更新车辆位置。车辆在行驶过程中通过判断参考点的距离和设定的参考点最小距离阈值来选择是否更换参照物及参考点。最终实现基于惯性导航和双目定位结合辅助室内停车场车辆的精确定位。
本发明的优点及有益效果如下:
本发明为一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法,利用双目视觉导航***获取参考角点的位置信息更新惯性导航的导航信息,最终实现对室内车辆的高精度定位。本发明中***产生的误差与双目定位的精度有关,与惯性导航没有关系,且车辆在惯性导航过程中,距离参考点越近,双目定位的精度就越高,即整个***的精度就越高,通过设定距离阈值不断更新参考点,以此来消除惯性导航由于积分产生的累计误差。
第二,本发明方法简单可靠,使用工具及流程简单,并且双目视觉导航***基于SIFT算法的改进立体匹配法,大大的提高了匹配的精度、速度和准确率,匹配的稳定性和鲁棒性也有很大提高,在更新惯性导航位置信息时实时性好。
综上所述,本发明使用位置插补算法获取惯性导航起始坐标,通过加速度与陀螺仪的惯性导航在室内得到位置矢量,利用双目视觉数据更新惯性导航在室内导航的位置信息,最终实现对室内车辆的运动轨迹的重建,从而使室内停车场车辆通过导航信息准确到达停车位置。
附图说明
图1是本发明提供优选实施例的惯性导航高精度定位方法总体结构框图。
图2为本发明的高精度惯性导航***组成及参考坐标系结构示意图。
图3为本发明的基于双目视觉的惯性导航坐标更新的结构框图。
图4为本发明的高精度惯性导航***参考点的动态坐标系变换示意图。
图5为本发明的车辆在室内停车场停车平面示意图。
图6为基于SIFT算法的改进立体匹配法步骤示意图。
附图标记说明:
①—搭载九轴惯性导航测量器件、双目摄像头和计算机的测量车辆;
②—导航坐标N;③—室内车库入口点;
④—载体坐标系;⑤—摄像机坐标系;
⑥—下一时刻车辆的位置;⑦—室内停车场角点特征显著的物体;
⑧—参考角点;
⑨—t0时刻双目摄像头获取第一个特征点的位置;
⑩—t1时刻双目摄像头获取第一个特征点的位置;
a—搭载九轴惯性导航测量器件、双目摄像头和计算机的测量车辆;
b—参考点角点特征显著的建筑物的角点;
c—由车主选好车位后在室内车库高精度地图上显示的导航路线;
d—车主选择的停车位置。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
本发明的目的可以通过以下技术方案来实现:
(1)高精度惯性导航***组成及参考坐标系结构
图2为本发明的高精度惯性导航***组成及参考坐标系结构示意图,图中①为搭载九轴惯性导航测量器件、双目摄像头和计算机的测量的车辆,在分布着众多角点特征显著的物体⑦的室内停车场场景,其中室内停车场的高精度地图是已经获得的。坐标系Oe-xeyeze为地球坐标系,为了说明本发明的思路在图2中有说明的作用,并非地球坐标实际位置。图中坐标(λ0,L0,H0)为车辆在室内车库入口点③由高精度GPS获取的坐标信息。建立坐标系②,即导航坐系标On-xnynzn和世界坐标系Ow-xwywzw。车辆进入室内停车场后,双目立体视觉***通过双目摄像头对参考点⑧即第1个角点特征显著建筑物的角点进行特征点的提取和定位,获取参考角点在摄像机坐标系中初始时刻的位置参数⑨(xw0yw0zw0),同时,惯性导航测量器件④开始获取车辆在导航坐标系的位置信息,⑤为载体坐标系Ob-xbybzb。在下一时刻车辆的位置处⑥,双目立体视觉***获取这一时刻特征点的位置信息⑩(xw1yw1zw1),通过将两个时刻特征点坐标值差值作为参考点,来实时更新惯性导航在导航坐标系中的位置信息,并通过地球坐标系和导航坐标系的转换得到在高精度室内停车场地图中位置信息。以达到利用双目立体视觉定位坐标更新惯性导航***导航位置参数消除惯性导航***的位置误差的目的。
图3为基于双目视觉的惯性导航坐标更新的结构框图,其中,惯性导航模组由三轴加速度传感器、三轴陀螺仪和三轴磁力计组成,测量得到各传感器的参数,通过四元数算法解算得到惯性导航***中的坐标系转换,通过速度积分和位置积分得到搭载惯性导航模组载体的位置参数。利用双目视觉的图像信息,通过视觉相关算法确定惯性导航参考位置特征点三维坐标,通过将当前时刻特征点坐标值作为参考点来实时更新惯性导航三维坐标,来消除惯性导航由积分产生的累计误差。
(2)惯性导航导航起始坐标的获取方法
根据本发明的对象场景,在车辆进入车库之前,获取还能接受到的有效GPS信息,其中包括车辆在车库入口位置的地球坐标系中的三维坐标,即利用高精度GPS模组获取当前的经度、纬度、高度位置信息。起始点的判断方法,根据发明要求,在本发明中惯性导航导航的起始点需要满足的重要条件为车辆上双目立体视觉***能获取到特征点的位置信息,即车辆从车库入口进入后能够获取得到第一个角点特征显著的建筑物角点的位置信息。在进入无GPS信号或者GPS信号非常微弱的室内车库时,车辆以最后获得的有效GPS信息作为初始位置进行惯性导航。但实际上由于获取最后的有效GPS信息后,由于环境因素和双目视觉***可能不能及时获取特征点的位置信息,存在一段延迟时间。在这个过程中车辆在继续行驶,需要利用最后获取的有效GPS信息(λ′0,L′0,H′0)为基础,根据延迟时间和车辆的车速、航向角等计算车辆惯性导航起始位置坐标(λ0,L0,H0)进行插补。假设延迟时间TX,根据车辆的车速、航向角解算出车辆的准确位置,即插补延迟时间TX内车辆的误差位置(Δλ,ΔL,ΔH),最后得到的惯性导航起始位置坐标为(λ0,L0,H0)=(λ′0+Δλ,L′0+ΔL,H′0+ΔH)。考虑在实际室内停车场中,车辆在进入停车场后双目立体视觉***获取特征点的过程时间一般不是很长,即对应的延迟时间很短,且车辆速度很低,则通过插补方法得到的惯性导航起始位置坐标误差很小。
(3)双目高精度定位参考点的选择方法
角点是图像很重要的特征,对图像图形的理解和分析有很重要的作用。角点在保留图像图形重要特征的同时,可以有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度,有利于图像的可靠匹配,使得实时处理成为可能。角点在三维场景重建运动估计,目标跟踪、目标识别、图像配准与匹配等计算机视觉领域起着非常重要的作用。
室内停车场车辆双目定位的参照物的选取方案有很多,本发明选择在室内停车场普遍存在且容易辨别和特征提取的角点特征显著的角落或者拐角作为双目高精度定位的参考点。当车辆从车库进入室内停车场后,车辆上的双目摄像头选取车辆行驶方向上的最近的一个角点特征显著的物体作为双目定位提取特征点的参考对象,并通过图6所示的基于SIFT算法的改进立体匹配法进行特征点提取,选择特征点中最近的一点作为双目定位参考点,并获取这一点在摄像机坐标系中的三维坐标。在后面利用这一点的坐标信息对惯性导航进行误差校正。
(4)高精度惯性导航坐标系的选择与设计
本发明,一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法中导航坐标系,如图2,由以下几部分组成:
第一,地球坐标系Oe-xeyeze,地球坐标系与地球保持同步旋转,ze轴指向地区自转轴,xe轴指向本初子午线与赤道的交点,ye轴在赤道平面内与xe轴和ze轴构成右手坐标系;
第二,导航坐系标On-xnynzn,其原点O与载体即车辆的重心重合,坐标轴分别指向北向、东向和天向;
第三,载体坐标系Ob-xbybzb,以车辆重心为原点创建的坐标系,其中xb轴指向载体前方,yb轴沿载体纵向方向,zb轴指向载体的竖轴方向;
第四,摄像机坐标系Oc-xcyczc,以相机的光心为坐标原点,zc轴与图像坐标系平面垂直,yc轴垂直向下;
第五,世界坐标系Ow-xwywzw,世界坐标系描述实际环境中物体的相对位置关系,它将图像像素坐标系和物理坐标系、摄像机坐标系以及空间物体关联在一起,本发明中世界坐标系选择与惯性导航***中导航坐标系重合;
此外还包含图像像素坐标系和图像物理坐标系。
(5)高精度惯性导航坐标系的转换方法
一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法中惯性导航坐标变换方法,令刚体围绕固定轴心做一次旋转的运动称为基本旋转,如果将空间坐标系类比为刚体,那么两个坐标系间的角位置关系可以通过多次基本旋转来表示,则坐标系间的转换矩阵可以通过刚体的基本旋转矩阵的连乘得到。
第二,摄像机坐标系与世界坐标系之间的转换:根据发明需求以及方便计算,在本发明中选择世界坐标系与导航坐标系重合,如图2所示。空间特征点在摄像机坐标系中的坐标(xc,yc,zc)经过转换得到空间特征点在世界坐标系中的坐标(xw,yw,zw),即得到了空间特征点在导航坐标系中的坐标点(xn,yn,zn),其转换过程为:空间特征点在世界坐标系和摄像机坐标系下的齐次坐标分别为(xw,yw,zw,1)和(xc,yc,zc,1),其中齐次坐标系就是把维数为n的向量用(n+1)维的向量来表示,世界坐标系的原点在摄像机坐标系中的坐标值为t=(tx,ty,tz)T,这个3维的向量为平移向量,方向矢量R为摄像机坐标系在世界坐标系中用来描述二者关系的方向矢量,由三个姿态角的正余弦关系组合起来3×3的正交矩阵,则世界坐标系与摄像头坐标系之间的关系为其中OT=(0,0,0);
第三,地球坐标系与导航坐标系之间的转换:首先将地球坐标系Oexeyeze绕ze轴旋转λ角,得到Oe1-xe1ye1ze1。然后绕ye1轴旋转90°-L角,得到Oe2-xe2ye2ze2。最后绕ze2轴旋90°。经过以上步骤就可以将地球坐标系Oe-xeyeze,转换到导航坐标系On-xnynzn,两坐标系之间的相互的变换可通过矩阵来表示。
(6)惯性导航累计误差的消除方法:
基于本发明的导航方法的前提是已有室内车库的高精度地图,在室内车库高精度地图中可准确显示每个车位的相关信息,包括车位的位置信息和是否为空车位,车主可通过服务***选择合适的空车位停放自己的车辆。在车主选好车位后,在室内车库高精度地图上显示导航路线。其中模拟停车的过程如图5,图5为室内停车场停车平面示意图。其中a为配备惯性导航传感器和双目摄像头的车辆,b为在室内停车场中分布的角点特征显著的建筑物,c为由车主选好车位后在室内车库高精度地图上显示的导航路线,d为车主选择的停车位置。
图2为高精度惯性导航***组成及参考坐标系结构示意图,以参考角点⑧为坐标原点建立动态坐标系。假设在t0=0时刻,车辆在车库入口由高精度GPS获取的位置信息为(λ0,L0,H0),并在此时刻由双目视觉***检测到第一个角点特征显著的建筑物的特征角点⑧的位置,同时解算出角点在世界坐标系下的坐标(xw0,yw0,zw0),则在以特征角点为坐标建立的坐标系中,车辆当前的位置为(-xw0,-yw0,-zw0),当前时刻下惯性导航***中,车辆在导航坐标系下的坐标为(xn0,yn0,zn0)。在经过一段时间后,t1时刻下,双目视觉***检测到这个特征角点⑧的位置,并解算出t1时刻下角点在世界坐标系下的坐标(xw1,yw1,zw1),在以特征角点为坐标建立的坐标系中,车辆当前的位置为(-xw1,-yw1,-zw1),在此时刻下惯性导航***得到车辆的位置(xn1,yn1,zn1)。获取了前面t0、t1两个时刻的位置信息,则由双目立体视觉***获取的位置信息得到t1时刻车辆在t0时刻世界坐标系下的位置信息,即(xw1-xw0,yw1-yw0,zw1-zw0)。在本发明中,选择的世界坐标系和导航坐标系是同一坐标系,则由双目视觉***测得车辆在导航坐标系中的坐标为(xn1′,yn1′,zn1′)=(xw1-xw0,yw1-yw0,zw1-zw0)。利用导航坐标系下位置信息(xn1′,yn1′,zn1′)代替惯性导航***车辆在t1时刻导航坐标系中的位置信息(xn1,yn1,zn1),即更新了惯性导航***车辆在导航坐标系中的位置信息,以此来消除从t0时刻t1惯性导航的累计误差。通过地球坐标系与导航坐标系的转换,得到车辆在室内停车场高精度地图中的位置信息(λ1,L1,H1)。车辆继续行驶,在t2时刻,以室内停车场高精度地图中的位置(λ1,L1,H1)为起点,并以(λ1,L1,H1)为原点建立相对的地球坐标系,同样的方法进行消除在t2时刻惯性导航***的累计误差,同样得到在t2时刻车辆在室内停车场高精度地图中的位置(λ2,L2,H2)。后面时刻惯性导航***的累计误差的消除方法跟前面时刻的方法相同,其中t0、t1、t2时刻间隔时间相等。
当在tn时刻双目立体视觉***检测到车辆的位置离第一个角点特征显著的建筑物的距离sn<p,其中p为根据实际要求设定的一个阈值,如图4所示,tn时刻双目立体视觉***检测到第一个角点的位置信息为(xwn,ywn,zwn),并在此时刻获取下一个距离最近的角点特征显著的建筑物的角点位置信息,即第二个角点特征显著的建筑物的位置信息(xwn′,ywn′,zwn′)。在室内高精度地图中的位置信息由前一时刻tn-1时刻的车辆位置信息进行更新得到,为(λn,Ln,Hn)。在tn+1时刻双目立体视觉***获取的第二个角点特征显著的建筑物的角点位置信息(xwn+1,ywn+1,zwn+1)和上一时刻获取的位置信息(xwn′,ywn′,zwn′),更新tn+1时刻车辆的位置信息(λn+1,Ln+1,Hn+1)。后面时刻中,当车辆行驶到离角点特征显著的建筑物小于一个设定的阈值的时候,通过以上算法进行更换参考角点。***产生的误差与双目定位的精度有关,与惯性导航没有关系,且车辆在惯性导航过程中,距离参考点越近,双目定位的精度就越高,即整个***的精度就越高,以此来消除惯性导航由于积分产生的累计误差。
本发明的目的是基于双目定位+高精度GPS信息确定惯性导航参考位置特征点三维坐标,通过特征点坐标值作为参考点来实时更新惯性导航三维坐标,来消除惯性导航由于积分产生的累计误差,实现基于惯性导航和双目定位结合辅助室内停车场车辆的精确定位。为达到此目的,具体的实施方式如下:
根据实际情况,车辆在进入停车场并完成停车的整个动作过程,本发明首先提供了惯性导航导航起始坐标的获取方法。在本发明中惯性导航导航的起始点需要满足的重要条件为车辆上双目立体视觉***能获取到特征点的位置信息,即车辆从车库入口进入后能够获取得到第一个角点的位置信息。在进入无GPS信号或者GPS信号非常微弱的室内车库时,车辆以最后获得的有效GPS信息作为初始位置进行惯性导航。但实际上由于获取最后的有效GPS信息后,由于环境因素和双目视觉***可能不能及时获取特征点的位置信息,存在一段延迟时间。在这个过程中车辆在继续行驶,需要利用最后获取的有效GPS信息(λ′0,L′0,H′0)为基础,根据延迟时间和车辆的车速、航向角等计算车辆惯性导航起始位置坐标(λ0,L0,H0)进行插补。假设延迟时间TX,根据车辆的车速、航向角解算出车辆的准确位置,即插补延迟时间TX内车辆的误差位置(Δλ,ΔL,ΔH),最后得到的惯性导航起始位置坐标为(λ0,L0,H0)=(λ′0+Δλ,L′0+ΔL,H′0+ΔH)。
在车辆获取了导航起点后,针对本发明的惯性导航高精度定位方法中需利用选择参考点建立相对坐标系来实现双目高精度定位,本发明提供双目高精度定位参考点的选择方法。
角点在保留图像图形重要特征的同时,可以有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度,有利于图像的可靠匹配,使得实时处理成为可能。室内停车场车辆双目定位的参照物的选取方案有很多,本发明选择在室内停车场普遍存在且容易辨别和特征提取的角点特征显著的角落或者拐角作为双目高精度定位的参考点。当车辆从车库进入室内停车场后,车辆上的双目摄像头选取车辆行驶方向上的最近的一个角点特征显著的物体作为双目定位提取特征点的参考对象,并通过图6所示的基于SIFT算法的改进立体匹配法进行特征点提取,选择特征点中最近的一点作为双目定位参考点,并获取这一点在摄像机坐标系中的三维坐标。在后面利用这一点的坐标信息对惯性导航进行误差校正。
接着是双目立体视觉***对周围环境的特征点提取并作为本发明中的双目该精度定位的参考点,双目定位特征点的提取与定位方法。本发明应用一种基于室内停车的改进的SIFT匹配方法,即根据墙角在图像中的位置关系以自主限定ROI(Region ofInterest)区域,即以感兴趣区域的方式进行匹配,车辆行驶时通过位置累积,可以完成对ROI区域的定位和跟踪。此后,可以仅对ROI区域内的图像进行匹配,大大的提高了匹配的精度、速度和准确率,匹配的稳定性和鲁棒性也有很大提高。采用一种基于SIFT算法的改进立体匹配法应用于室内停车导航的特征点提取与定位,图6为基于SIFT算法的改进立体匹配法步骤示意图,首先通过对采集的左右图像进行极线约束,其次从左图中选择目标区域ROI,再降低特征向量维数来减少耗时,采用基于KD树的BBF算法加快匹配速度,最后用RANSAC算法去除误匹配。
针对车辆完成停车的整个过程中双目高精度定位参考点的更新选择,参考图4所示,提供以下具体方式:在t0=0时刻,双目视觉***检测到最近角点特征显著的物体,即第1个角点特征显著的物体的角点在摄像机坐标系中的位置信息(xc0,yc0,zc0);在t0时刻,加速度计、陀螺仪组成的惯性导航***以初始位置(λ0,L0,H0)为起点开始导航,在t1时刻获取得到在载体坐标系下各轴的加速度ax、ay、az和姿态角γ、θ、在t1时刻,双目视觉***检测到第1个角点特征显著的物体的角点在摄像机坐标系中的位置信息(xc1,yc1,zc1);在t2时刻,惯性导航高精度定位***有上一时刻解算得到的车辆在室内停车场高精度地图中的位置信息(λ1,L1,H1)为起点,继续完成以上步骤的数据采集,当在tn时刻双目立体视觉***检测到车辆的位置离第1个角点特征显著的物体的距离sn<p,其中p为根据实际要求设定的一个阈值,tn时刻双目立体视觉***检测到第1个角点特征显著的物体角点的在摄像机坐标系中的位置信息为(xcn,ycn,zcn),并在此时刻获取下一个距离最近的角点特征显著的物体的角点位置信息,即第2个角点特征显著的物体的位置信息(xcn′,ycn′,zcn′)。在室内高精度地图中的位置信息由前一时刻tn-1时刻的车辆位置信息进行更新得到,为(λn,Ln,Hn)。在tn+1时刻双目立体视觉***获取的第二个角点特征显著的物体角点位置信息(xcn+1,ycn+1,zcn+1)和上一时刻获取的位置信息(xcn′,ycn′,zcn′),通过坐标系之间的转换,得到各特征点在世界坐标系(导航坐标系)中的位置信息,并通过数据处理,更新tn+1时刻车辆的位置信息(λn+1,Ln+1,Hn+1)。后面时刻中,当车辆行驶到离角点特征显著的物体小于一个设定的阈值的时候,通过以上算法进行更换角点特征显著的物体参考角点,直到车辆到达目标车位。
参照图2所示,本发明中高精度惯性导航坐标系的选择与设计由以下几部分组成:
第一,地球坐标系Oe-xeyeze,地球坐标系与地球保持同步旋转,ze轴指向地区自转轴,xe轴指向本初子午线与赤道的交点,ye轴在赤道平面内与xe轴和ze轴构成右手坐标系;
第二,导航坐系标On-xnynzn,其原点O与载体即车辆的重心重合,坐标轴分别指向北向、东向和天向;
第三,载体坐标系Ob-xbybzb,以车辆重心为原点创建的坐标系,其中xb轴指向载体前方,yb轴沿载体纵向方向,zb轴指向载体的竖轴方向;
第四,摄像机坐标系Oc-xcyczc,以相机的光心为坐标原点,zc轴与图像坐标系平面垂直,yc轴垂直向下;
第五,世界坐标系Ow-xwywzw,世界坐标系描述实际环境中物体的相对位置关系,它将图像像素坐标系和物理坐标系、摄像机坐标系以及空间物体关联在一起,本发明中世界坐标系选择与惯性导航***中导航坐标系重合。
针对本发明中,各个坐标系之间的转换,提供高精度惯性导航坐标系的转换方法,主要包含:惯性导航***坐标变换,由采集到加速度和姿态角进行姿态解算、速度更新及位置更新:利用积分分别求得载体运动的瞬时速度vx、vy和vz以及瞬时位置x、y和z,载体的姿态就是载体处于机体坐标系下时,其相对于导航坐标系的三个旋转角的大小。本发明采用四元数法进行姿态的更新,通过求解转换矩阵即可实现载体坐标系与导航坐标系的转换,得到在ti(i=0,1,2…)时刻车辆在导航坐标系下的位置信息(xni,yni,zni);双目视觉***摄像机坐标系与世界坐标系的转换,由ti(i=0,1,2…)时刻双目视觉***检测到的角点特征显著的物体角点在摄像机坐标系中的位置信息(xci,yci,zci),得到在世界坐标系Ow-xwywzw下角点的位置(xwi,ywi,zwi)。界坐标系描述实际环境中物体的相对位置关系,它将图像像素坐标系和物理坐标系、摄像机坐标系以及空间物体关联在一起。空间特征点在世界坐标系和摄像机坐标系下的齐次坐标分别为(xw,yw,zw,1)和(xc,yc,zc,1),其中齐次坐标系就是把维数为n的向量用(n+1)维的向量来表示,世界坐标系的原点在摄像机坐标系中的坐标值为t=(tx,ty,tz)T,这个3维的向量为平移向量,方向矢量R为摄像机坐标系在世界坐标系中用来描述二者关系的方向矢量,由三个姿态角的正余弦关系组合起来3×3的正交矩阵,则世界坐标系与摄像头坐标系之间的关系为其中OT=(0,0,0);地球坐标系与导航坐标系的转换,首先将地球坐标系Oexeyeze绕ze轴旋转λ角,得到Oe1-xe1ye1ze1。然后绕ye1轴旋转90°-L角,得到Oe2-xe2ye2ze2。最后绕ze2轴旋90°。经过以上步骤可以实现地球坐标系Oe-xeyeze和导航坐标系On-xnynzn,两坐标系之间的变换可通过矩阵来表示,式中L,λ分别代表当地纬度和当地经度。
针对车辆在室内利用惯性导航***获取的位置误差,本发明提供惯性导航累计误差的消除方法,其实施方案包括以下步骤:
第一,参照图2高精度惯性导航***组成及参考坐标系结构示意图,以参考角点⑧为坐标原点建立动态坐标系。假设在t0=0时刻,车辆在车库入口由高精度GPS获取的位置信息为(λ0,L0,H0),并在此时刻由双目视觉***检测到第一个角点特征显著的物体特征角点⑧的位置,同时解算出角点特征显著的物体角点在世界坐标系下的坐标(xw0,yw0,zw0),则在以特征角点为坐标建立的坐标系中,车辆当前的位置为(-xw0,-yw0,-zw0),当前时刻下惯性导航***中,车辆在导航坐标系下的坐标为(xn0,yn0,zn0)。在经过一段时间后,t1时刻下,双目视觉***检测到这个角点特征显著的物体特征角点⑧的位置,并解算出t1时刻下角点特征显著的物体角点在世界坐标系下的坐标(xw1,yw1,zw1),在以特征角点为坐标建立的坐标系中,车辆当前的位置为(-xw1,-yw1,-zw1),在此时刻下惯性导航***得到车辆的位置(xn1,yn1,zn1)。获取了前面t0、t1两个时刻的位置信息,则由双目立体视觉***获取的位置信息得到t1时刻车辆在t0时刻世界坐标系下的位置信息,即(xw1-xw0,yw1-yw0,zw1-zw0)。在本发明中,选择的世界坐标系和导航坐标系是同一坐标系,则由双目视觉***测得车辆在导航坐标系中的坐标为(xn1′,yn1′,zn1′)=(xw1-xw0,yw1-yw0,zw1-zw0)。利用导航坐标系下位置信息(xn1′,yn1′,zn1′)代替惯性导航***车辆在t1时刻导航坐标系中的位置信息(xn1,yn1,zn1),即更新了惯性导航***车辆在导航坐标系中的位置信息,以此来消除从t0时刻t1惯性导航的累计误差。通过地球坐标系与导航坐标系的转换,得到车辆在室内停车场高精度地图中的位置信息(λ1,L1,H1)。
第二,车辆继续行驶,在t2时刻,以室内停车场高精度地图中的位置(λ1,L1,H1)为起点,并以(λ1,L1,H1)为原点建立相对的地球坐标系,同样的方法进行消除在t2时刻惯性导航***的累计误差,同样得到在t2时刻车辆在室内停车场高精度地图中的位置(λ2,L2,H2)。后面时刻惯性导航***的累计误差的消除方法跟前面时刻的方法相同,其中t0、t1、t2时刻间隔时间相等。
第三,当在tn时刻双目立体视觉***检测到车辆的位置离第一个角点特征显著的物体的距离sn<p,其中p为根据实际要求设定的一个阈值,如图4高精度惯性导航***参考点的动态坐标系变换示意图中所示,tn时刻双目立体视觉***检测到第一个角点特征显著的物体角点的位置信息为(xwn,ywn,zwn),并在此时刻获取下一个距离最近的角点特征显著的物体的角点位置信息,即第二个角点特征显著的物体的位置信息(xwn′,ywn′,zwn′)。在室内高精度地图中的位置信息由前一时刻tn-1时刻的车辆位置信息进行更新得到,为(λn,Ln,Hn)。在tn+1时刻双目立体视觉***获取的第二个角点特征显著的物体角点位置信息(xwn+1,ywn+1,zwn+1)和上一时刻获取的位置信息(xwn′,ywn′,zwn′),更新tn+1时刻车辆的位置信息(λn+1,Ln+1,Hn+1)。后面时刻中,当车辆行驶到离角点特征显著的物体小于一个设定的阈值的时候,通过以上算法进行更换参照物和参考角点。
不断更新ti(i=0,1,2…)时刻车辆在室内高精度地图中的位置,直到车辆到达目标车位。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (6)
1.一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法,其特征在于,包括以下步骤:
步骤1、建立基于惯性导航模组、双目立体视觉***与车辆的高精度惯性***,及建立参考坐标系结构;
步骤2、惯性导航起始坐标的获取:车辆以起始坐标点作为起始点进行惯性导航,并采用基于SIFT算法的改进立体匹配法,根据角点特征显著的点在图像中的位置关系选定感兴趣的区域,车辆在行驶过程中通过不断位置累积完成对感兴趣区域的定位和跟踪,在此后的过程中仅对感兴趣的区域进行图像匹配,完成初始时刻双目视觉的特征点提取,达到匹配精度高、速度快的目的;
步骤3、双目高精度定位参考点的选择:选择在室内停车场的角点特征显著的角落或者拐角作为双目高精度定位的参考点,以参考点为原点建立参考坐标系;
步骤4、高精度惯性导航坐标系的选择与设计:选择在导航过程中包括地球坐标系、导航坐标系、载体坐标系、摄像机坐标系、世界坐标系在内的坐标系,满足最后对相关坐标的解算;
步骤5、高精度惯性导航坐标系的转换:得到特征点在世界坐标系的位置信息,车辆在惯性导航导航坐标系中的位置信息,以及世界坐标系与惯性导航导航坐标系之间的转换关系;
步骤6、惯性导航累计误差的消除:基于双目定位和高精度GPS信息确定惯性导航参考位置特征点三维坐标,通过特征点坐标值作为参考点来实时更新惯性导航三维坐标,来消除惯性导航由于积分产生的累计误差,实现基于惯性导航和双目定位结合辅助室内停车场车辆的精确定位;
所述步骤2基于SIFT算法的改进立体匹配法步骤具体包括:首先通过对采集的左右图像进行极线约束,其次从左图中选择ROI区域,在降低特征向量维数来减少耗时,采用基于KD树的BBF算法加快匹配速度,最后用RANSAC算法去除误匹配;
所述步骤6惯性导航累计误差的消除:由双目立体视觉定位和高精度GPS信息确定惯性导航起始点坐标,车辆在进入无GPS信号或者GPS信号非常微弱的区域时,开启惯性导航模式,利用双目立体视觉***获取角点特征显著的墙角或者拐点的位置信息,并将特征点的位置信息作为参考点建立三维参考坐标系,根据不同时刻车辆在不同位置获取的同一参考点位置信息,通过坐标转换的到相邻时刻车辆位置的差值,以此来更新车辆位置;车辆在行驶过程中通过判断参考点的距离和设定的参考点最小距离阈值来选择是否更换参照物及参考点,最终实现基于惯性导航和双目定位结合辅助室内停车场车辆的精确定位。
2.根据权利要求1所述的一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法,其特征在于,所述步骤1的惯性导航模组由三轴加速度传感器、三轴陀螺仪和三轴磁力计组成,测量得到各传感器的参数,通过四元数算法解算得到惯性导航***中的坐标系转换,通过速度积分和位置积分得到搭载惯性导航模组载体的位置参数,利用双目视觉的图像信息,通过视觉相关算法确定惯性导航参考位置特征点三维坐标,通过将当前时刻与上一时刻特征点坐标值差值作为参考点来实时更新惯性导航三维坐标,来消除惯性导航由积分产生的累计误差。
3.根据权利要求1所述的一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法,其特征在于,所述步骤2起始坐标点的获取具体包括:在进入无GPS信号或者GPS信号非常微弱的室内车库时,车辆以最后获得的有效GPS信息基础,判断在起始点处车辆上双目立体视觉***是否能获取到特征角点的位置信息,将这个过程的延迟时间和车辆的速度、航向角信息等,进行位置信息插补,得到惯性导航导航起始坐标,车辆以起始坐标为初始位置进行惯性导航。
4.根据权利要求3所述的一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法,其特征在于,所述步骤3利用角点的特征,即角点是目标轮廓上曲率的局部极大值点,是物体轮廓的决定性特征,并且角点还具有旋转不变性,当车辆从车库进入室内停车场后,车辆上的双目摄像头选取车辆行驶方向上的最近的一个角点特征显著的物体作为双目定位提取特征点的参考对象,将获取的角点作为双目高精度定位参考点。
5.根据权利要求1所述的一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法,其特征在于,所述步骤5还包括以下坐标系之间的转换:
第二,摄像机坐标系与世界坐标系之间的转换:选择世界坐标系与导航坐标系重合,空间特征点在摄像机坐标系中的坐标(xc,yc,zc)经过转换得到空间特征点在世界坐标系中的坐标(xw,yw,zw),即得到了空间特征点在导航坐标系中的坐标点(xn,yn,zn):
6.根据权利要求5所述的一种基于双目、加速度与陀螺仪的惯性导航高精度定位方法,其特征在于,所述空间特征点在摄像机坐标系中的坐标(xc,yc,zc)经过转换得到空间特征点在世界坐标系中的坐标(xw,yw,zw),具体包括:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811632825.XA CN109631887B (zh) | 2018-12-29 | 2018-12-29 | 基于双目、加速度与陀螺仪的惯性导航高精度定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811632825.XA CN109631887B (zh) | 2018-12-29 | 2018-12-29 | 基于双目、加速度与陀螺仪的惯性导航高精度定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109631887A CN109631887A (zh) | 2019-04-16 |
CN109631887B true CN109631887B (zh) | 2022-10-18 |
Family
ID=66079243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811632825.XA Active CN109631887B (zh) | 2018-12-29 | 2018-12-29 | 基于双目、加速度与陀螺仪的惯性导航高精度定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109631887B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110118987A (zh) * | 2019-04-28 | 2019-08-13 | 桂林电子科技大学 | 一种定位导航方法、装置及存储介质 |
CN113390420A (zh) * | 2019-05-27 | 2021-09-14 | 深圳市海柔创新科技有限公司 | 导航方法、移动载体及导航*** |
CN112179336B (zh) * | 2019-07-02 | 2023-08-18 | 南京理工大学 | 基于双目视觉和惯导组合定位的自动行李运输方法 |
CN112304302B (zh) * | 2019-07-26 | 2023-05-12 | 北京魔门塔科技有限公司 | 一种多场景高精度车辆定位方法、装置及车载终端 |
CN112556720B (zh) * | 2019-09-25 | 2023-08-18 | 上海汽车集团股份有限公司 | 一种车辆惯性导航校准方法、***及车辆 |
CN110823225A (zh) * | 2019-10-29 | 2020-02-21 | 北京影谱科技股份有限公司 | 室内动态情景下的定位方法和装置 |
CN111121768B (zh) * | 2019-12-23 | 2021-10-29 | 深圳市优必选科技股份有限公司 | 一种机器人位姿估计方法、装置、可读存储介质及机器人 |
CN111220118B (zh) * | 2020-03-09 | 2021-03-02 | 燕山大学 | 基于视觉惯性导航***的激光测距仪及测距方法 |
CN111721282B (zh) * | 2020-05-09 | 2022-05-03 | 中国人民解放军63686部队 | 一种基于天文导航原理的捷联惯导坐标系动态取齐方法 |
CN111795695B (zh) * | 2020-05-15 | 2022-06-03 | 阿波罗智联(北京)科技有限公司 | 位置信息确定方法、装置及设备 |
CN112249089A (zh) * | 2020-09-27 | 2021-01-22 | 卡斯柯信号有限公司 | 一种轨道交通应急定位***及方法 |
CN112097767B (zh) * | 2020-10-15 | 2022-07-12 | 杭州知路科技有限公司 | 一种惯性导航的预积分辅助组件及数据处理方法 |
CN112614219B (zh) * | 2020-12-07 | 2024-06-11 | 灵鹿科技(嘉兴)股份有限公司 | 一种用于地图导航定位的基于标识点的空间坐标转换方法 |
CN112598705B (zh) * | 2020-12-17 | 2024-05-03 | 太原理工大学 | 一种基于双目视觉的车身姿态检测方法 |
CN112697131B (zh) * | 2020-12-17 | 2024-07-23 | 中国矿业大学 | 基于视觉和惯性导航***的井下移动装备定位方法及*** |
CN112550377A (zh) * | 2020-12-18 | 2021-03-26 | 卡斯柯信号有限公司 | 基于视频识别和imu设备的轨道交通应急定位方法和*** |
CN112698051B (zh) * | 2021-03-23 | 2021-06-18 | 天津所托瑞安汽车科技有限公司 | 一种车速确定方法及装置、设备、介质 |
CN115372659A (zh) * | 2022-08-05 | 2022-11-22 | 东莞市汇能电子有限公司 | 一种通过三轴陀螺仪进行电池运动轨迹和速度计算的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278177A (zh) * | 2013-04-27 | 2013-09-04 | 中国人民解放军国防科学技术大学 | 基于摄像组网测量的惯性测量组合标定方法 |
CN108481327A (zh) * | 2018-05-31 | 2018-09-04 | 珠海市微半导体有限公司 | 一种增强视觉的定位装置、定位方法及机器人 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5128874A (en) * | 1990-01-02 | 1992-07-07 | Honeywell Inc. | Inertial navigation sensor integrated obstacle detection system |
CN102435172A (zh) * | 2011-09-02 | 2012-05-02 | 北京邮电大学 | 一种球形机器人视觉定位***及视觉定位方法 |
CN102538781B (zh) * | 2011-12-14 | 2014-12-17 | 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 |
CN102768042B (zh) * | 2012-07-11 | 2015-06-24 | 清华大学 | 一种视觉-惯性组合导航方法 |
CN103438904B (zh) * | 2013-08-29 | 2016-12-28 | 深圳市宇恒互动科技开发有限公司 | 一种使用视觉辅助校正的惯性定位方法及*** |
US9406171B2 (en) * | 2014-08-25 | 2016-08-02 | Daqri, Llc | Distributed aperture visual inertia navigation |
CN104848858B (zh) * | 2015-06-01 | 2018-07-20 | 北京极智嘉科技有限公司 | 二维码以及用于机器人的视觉-惯性组合导航***及方法 |
CN105652305B (zh) * | 2016-01-08 | 2018-02-06 | 深圳大学 | 一种动态环境下轨道检测平台的三维定位定姿方法及*** |
CN106525049B (zh) * | 2016-11-08 | 2019-06-28 | 山东大学 | 一种基于计算机视觉的四足机器人本***姿跟踪方法 |
US20180365900A1 (en) * | 2017-06-20 | 2018-12-20 | Immerex Inc. | Mixed Reality Head Mounted Display Device |
CN107600067B (zh) * | 2017-09-08 | 2019-09-20 | 中山大学 | 一种基于多视觉惯导融合的自主泊车***及方法 |
CN107590827A (zh) * | 2017-09-15 | 2018-01-16 | 重庆邮电大学 | 一种基于Kinect的室内移动机器人视觉SLAM方法 |
-
2018
- 2018-12-29 CN CN201811632825.XA patent/CN109631887B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278177A (zh) * | 2013-04-27 | 2013-09-04 | 中国人民解放军国防科学技术大学 | 基于摄像组网测量的惯性测量组合标定方法 |
CN108481327A (zh) * | 2018-05-31 | 2018-09-04 | 珠海市微半导体有限公司 | 一种增强视觉的定位装置、定位方法及机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN109631887A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109631887B (zh) | 基于双目、加速度与陀螺仪的惯性导航高精度定位方法 | |
CN106780699B (zh) | 一种基于sins/gps和里程计辅助的视觉slam方法 | |
CN107451593B (zh) | 一种基于图像特征点的高精度gps定位方法 | |
CN111830953B (zh) | 车辆自定位方法、装置及*** | |
CN108534782B (zh) | 一种基于双目视觉***的地标地图车辆即时定位方法 | |
CN109991636A (zh) | 基于gps、imu以及双目视觉的地图构建方法及*** | |
CN106447585A (zh) | 城市地区和室内高精度视觉定位***及方法 | |
CN110411457B (zh) | 基于行程感知与视觉融合的定位方法、***、终端和存储介质 | |
CN112005079B (zh) | 用于更新高清地图的***和方法 | |
CN106767785B (zh) | 一种双回路无人机的导航方法及装置 | |
CN108759823B (zh) | 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 | |
CN109596121B (zh) | 一种机动站自动目标检测与空间定位方法 | |
CN109443348A (zh) | 一种基于环视视觉和惯导融合的地下车库库位跟踪方法 | |
CN111862673A (zh) | 基于顶视图的停车场车辆自定位及地图构建方法 | |
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*** | |
CN110458885B (zh) | 基于行程感知与视觉融合的定位***和移动终端 | |
CN109871739B (zh) | 基于yolo-sioctl的机动站自动目标检测与空间定位方法 | |
CN111426320A (zh) | 一种基于图像匹配/惯导/里程计的车辆自主导航方法 | |
CN115183762A (zh) | 一种机场仓库内外建图方法、***、电子设备及介质 | |
CN113580134A (zh) | 视觉定位方法、设备、机器人、存储介质及程序产品 | |
CN115574816A (zh) | 仿生视觉多源信息智能感知无人平台 | |
CN116097128A (zh) | 用于对车辆位置进行确定的方法和设备 | |
Xian et al. | Fusing stereo camera and low-cost inertial measurement unit for autonomous navigation in a tightly-coupled approach | |
Gupta et al. | Terrain‐based vehicle orientation estimation combining vision and inertial measurements | |
CN116182855A (zh) | 一种弱光强环境下仿复眼偏振视觉无人机组合导航方法 |
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 |