CN110779496B - 三维地图构建***、方法、设备和存储介质 - Google Patents

三维地图构建***、方法、设备和存储介质 Download PDF

Info

Publication number
CN110779496B
CN110779496B CN201810882469.0A CN201810882469A CN110779496B CN 110779496 B CN110779496 B CN 110779496B CN 201810882469 A CN201810882469 A CN 201810882469A CN 110779496 B CN110779496 B CN 110779496B
Authority
CN
China
Prior art keywords
vehicle
navigation positioning
observation
satellite navigation
image
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
Application number
CN201810882469.0A
Other languages
English (en)
Other versions
CN110779496A (zh
Inventor
刘欣
吴兴昊
刘进锋
詹中伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Banma Zhixing Network Hongkong Co Ltd
Original Assignee
Banma Zhixing Network Hongkong Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Banma Zhixing Network Hongkong Co Ltd filed Critical Banma Zhixing Network Hongkong Co Ltd
Priority to CN201810882469.0A priority Critical patent/CN110779496B/zh
Publication of CN110779496A publication Critical patent/CN110779496A/zh
Application granted granted Critical
Publication of CN110779496B publication Critical patent/CN110779496B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • 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
    • G01S19/40—Correcting position, velocity or attitude
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种三维地图构建***、方法、设备和存储介质。该***包括：观测数据获取模块，用于获取通过车辆搭载导航定位设备采集的车辆的车载卫星导航定位数据；图像处理模块，用于对车载图像进行特征提取，确定观测对象的车载图像特征点；图像融合模块，用于从车载图像特征点和机载图像的图像特征点中，获取观测对象的相同图像特征点，并利用车载卫星导航定位数据，确定观测对象的相同图像特征点的三维位置；地图构建模块，用于利用观测对象的相同特征点的三维位置，构建观测对象的三维地图。根据本发明实施例提供的三维地图构建***，可以提高构建三维地图准确性和稳定性，节约测量和维护成本。

Description

三维地图构建***、方法、设备和存储介质
技术领域
本发明涉及三维制图领域，尤其涉及一种三维地图构建***、方法、设备和存储介质。
背景技术
随着地图制图行业的不断发展，三维(Three Dimensional，3D)地图的需求越来越旺盛，3D地图相较于传统2D地图，表现形式更加丰富。3D地图代表了一个地图厂商的技术能力，同时又能极大的丰富他们的商业模式。从使用者的角度来看，3D地图非常直观的提升了用户体验，并在城市规划、环境监测、旅游、VR、智能导航、智慧城市建设、科研等等诸多领域内发挥重要作用。
由于3D地图的制作本身存在诸多难点，传统的航空摄影测量虽然给移动测图带了质的飞跃，但是需要耗费大量的人力财力。因此，随着日新月异的城市建设，频繁地通过航空摄影测量来构建和维护地图数据是不切实际的。
随着硬件技术的飞速发展，可以使用无人机技术构建3D地图，相比较于传统的航空摄影测量使用的飞行设备，无人机成本较低且更加灵活，具有更低的飞行高度和飞行速度，从而保证所采集的空间数据的高覆盖率。
但是，无人机上使用的传感器无法和航空摄影测量时飞机上的传感器相比，无论是惯导器件还是图像感知器件，单独使用无人机进行3D地图构建时，3D地图的精度和***稳定性上都无法满足应用需求。
发明内容
本发明实施例提供一种三维地图构建***、方法、设备和存储介质，可以提高构建三维地图准确性和稳定性。
根据本发明实施例的一方面，提供一种三维地图构建***，包括：
观测数据获取模块，用于获取通过车辆搭载导航定位设备采集的车辆的车载卫星导航定位数据、通过车辆搭载相机采集的观测对象的车载图像、以及通过无人机搭载相机采集的观测对象的机载图像的图像特征点；
图像处理模块，用于基于车载卫星导航定位数据，对观测对象的车载图像进行图像特征提取，确定观测对象的车载图像特征点；
图像融合模块，用于从车载图像特征点和机载图像的图像特征点中，获取观测对象的相同图像特征点，并利用车载卫星导航定位数据，确定观测对象的相同图像特征点的三维位置；
地图构建模块，用于利用观测对象的相同图像特征点的三维位置，构建观测对象的三维地图。
根据本发明实施例的另一方面，提供一种三维地图构建方法，包括：
获取通过车辆搭载导航定位设备采集的车辆的车载卫星导航定位数据、通过车辆搭载相机采集的观测对象的车载图像、以及通过无人机搭载相机采集的观测对象的机载图像的图像特征点；
基于车载卫星导航定位数据，对观测对象的车载图像进行图像特征提取，确定观测对象的车载图像特征点；
从车载图像特征点和机载图像的图像特征点中，获取观测对象的相同图像特征点，并利用车载卫星导航定位数据，确定观测对象的相同图像特征点的三维位置；
利用观测对象的相同图像特征点的三维位置，构建观测对象的三维地图。
根据本发明实施例的再一方面，提供一种三维地图构建设备，包括：存储器和处理器；该存储器用于存储程序；该处理器用于读取存储器中存储的可执行程序代码以执行上述的三维地图构建方法。
根据本发明实施例的又一方面，提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当指令在计算机上运行时，使得计算机执行上述各方面的三维地图构建方法。
根据本发明实施例中的三维地图构建***、方法、设备和存储介质，可以利用车辆定位和无人机定位的优势，利用无人机的卫星导航定位数据修正车载卫星导航定位数据，提高车载卫星导航定位数据的精度，并对无人机的观测数据和车辆的观测数据进行数据融合，以确定观测点的三维坐标，相比传统的航空摄影测量构建三维地图的方法，提高了构建三维地图的准确性和稳定性，并节约测量和维护成本。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是示出根据本发明实施例的三维地图构建***的框架示意图；
图2是示出根据本发明实施例机载子***中的数据处理逻辑流向示意图；
图3是示出根据本发明实施例的车载子***中的数据处理逻辑流向示意图；
图4是示出根据本发明实施例中车载卫星导航定位数据的多路径效应信号的处理方法示意图；
图5是示出根据本发明实施例的求解图像特征点对应三维空间点的三维坐标的示意图；
图6是示出根据本发明一个实施例的观测点与图像特征点的环路约束示意图；
图7是示出根据本发明另一实施例的观测点与图像特征点的环路约束示意图；
图8是示出根据本发明一实施例提供的三维地图构建***的结构示意图；
图9是示出根据本发明实施例的三维地图构建方法的流程图；
图10是示出能够实现根据本发明实施例的方法和装置的计算设备的示例性硬件架构的结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本发明实施例中，三维地图是指利用实际应用场景中观测对象(例如地面建筑)的位置信息例如经度和纬度，以及该观测对象的高度信息来表示的地图。为了确定观测对象的位置信息和高度信息，可以将导航定位设备和图像感知器件装载于指定的载体，并通过导航定位设备的测量数据确定载体的位置、速度和姿态等导航定位信息，以及通过图像感知器件获取与上述导航定位信息对应的观测对象的图像数据，对获取的观测对象的该图像数据进行处理，确定观测对象特征点的三维位置，以用于构建三维地图。
在本发明实施例中，导航定位设备可以包括卫星导航定位设备，还可以包括惯性***件、里程计、地磁传感器、气压计等辅助定位设备中的一种或多种。下面以搭载在无人机的导航定位设备为例，介绍通过导航定位设备进行数据采集和测量原理。
在一个实施例中，卫星导航定位设备可以是基于全球卫星导航定位***(GlobalNavigation Satellite System，GNSS)的传感器或芯片，例如卫星导航定位芯片GNSS芯片。GNSS是一种以导航定位卫星为基础的无线电导航定位***，通过接收导航电文中的卫星星历，确定导航定位卫星的瞬时位置，以及通过无线电波从卫星到卫星导航接收机的传播延时，得到卫星导航信号接收机到导航定位卫星的直线距离，即提供一种利用到达时间进行测距的方式。
在该实施例中，GNSS定位的原理为利用空间分布的卫星、以及卫星与信号接收机的距离，根据三点定位的位置交会原理，确定信号接收机的位置信息和姿态信息，从而确定信号接收机所在无人机或车辆的位置信息和姿态信息。
在下面实施例的描述中，可以将位于无人机的GNSS芯片和卫星导航信号接收机确定的观测卫星的瞬时位置以及卫星导航信号接收机到卫星的直线距离，称为是机载卫星导航定位数据；以及可以将位于车辆的GNSS芯片和卫星导航信号接收机确定的观测卫星的瞬时位置以及卫星导航信号接收机到卫星的直线距离，称为是车载卫星导航定位数据。
并且，在下面实施例的描述中，可以将车辆搭载导航定位设备称为车载导航定位设备，将无人机搭载导航定位设备称为机载导航定位设备，将车辆搭载相机称为车载相机，以及将无人机搭载相机称为机载相机。
目前，在建和运行的GNSS包括全球卫星定位***(Global Positioning System，GPS)、伽利略卫星定位***(Galileo Satellite Navigation System，Galileo)、格洛纳斯卫星导航***(Global Navigation Satellite System，Glonass)以及北斗卫星导航***(BeiDou Navigation Satellite System，BDS)。
在一个实施例中，GNSS可以是GPS、Galileo、GLONASS以及BDS等单个卫星导航定位***的统一称谓，也可以包括GPS、Galileo、Glonass以及BDS等单个卫星导航定位***中的一种或多种。
在一个实施例中，惯性***件可以包括加速度计和陀螺仪。其中，加速度计可以用于测量载体的加速度，陀螺仪可以用于测量载体的姿态角或载体的姿态角速度。
作为一个示例，通过加速度计连续测量载体在三维空间的一个坐标方向的加速度，对加速度进行积分运算以得到速度分量，再次对速度分量进行积分运算以得到该坐标方向的位置坐标，利用三维空间的三个坐标方向的位置坐标，进行载体的运行曲线拟合，从而根据拟合的运行曲线确定每个瞬时载体的空间位置。
作为一个示例，基于角动量守恒原理，通过陀螺仪测量载体的三轴姿态角或三轴姿态角速度，例如方向角速度、翻滚角速度和高度角速度。
在一个实施例中，惯性测量单元(Inertial Measurement Unit，IMU)是测量载体三轴姿态角(或角速度)以及载体加速度的装置。惯性导航***(InertialNavigationSystem，INS)，即惯导***，是一种可以利用惯性测量单元测量物体的运动状态变化，并通过物体在上一时刻的位置和姿态，推算该物体在当前时刻的位置和姿态的***。
在一个实施例中，里程计可以用于测量载体的行程；地磁传感器可以用于通过检测三个指定轴的地磁向量以获取方位信息；气压计用于利用气压与高度的关系，通过观测气压测量载体的海拔高度。
在一个实施例中，辅助定位设备可以用于提高定位的精度。作为一个示例，在没有GNSS信号的隧道、桥梁或高楼附近，陀螺仪通过测量载体的运动方向和速度，辅助GNSS***实现精确定位导航。
在本发明实施例中，由于传统航空摄影测量构建和维护三维地图的成本较高，需要耗费大量的人力财力。随着硬件技术的飞速发展，无人驾驶飞行器技术得到了巨大突破，无人驾驶飞行器相比较于传统的航空摄影测量使用的飞行设备更加灵活，更低的飞行高度和飞行速度保证了所采集的空间数据的质量和高覆盖率，并且成本更加低廉。因此，可以使用无人机代替传统的航空摄影测量使用的飞行设备，进行三维地图构建时的数据采集。
在一个实施例中，无人驾驶飞行器是可以利用无线电遥控设备或自备的程序控制装置操纵的不载人飞行器。本领域技术人员可以理解到，可以使用不同类型的无人驾驶飞行器完成空间数据的采集。例如，可以使用无人固定翼飞机、无人垂直起降飞机、无人飞艇、无人直升机、无人多旋翼飞行器、无人伞翼机等无人驾驶飞行器来采集观测对象的空间数据。为了简化起见，本文下述的多个实施例将不同类型的无人驾驶飞行器统一简称为无人机，利用搭载在无人机上的硬件层的导航定位传感器和图像感知器件，实现构建三维地图时对实际应用场景中观测对象的相关数据采集。
由于无人机上使用的传感器通常无法和传统航空摄影测量使用的传感器比拟，为了增加三维地图的精度和提高摄影测量***的稳定性，本发明实施例提供一种三维地图构建***、方法和存储介质，可以利用装载在车辆的导航定位设备和图像感知器件所获取的测量数据，以及装载在无人机的导航定位设备测量和图像感知器件所获取的测量数据，进行数据分析和数据处理，从而快速准确地构建三维地图。
为了更好的理解本发明，下面结合附图，详细介绍本发明实施例的三维地图构建***、方法和设备。
图1示出了根据本发明实施例的三维地图构建***的框架示意图。如图1所示，该三维构建***100可以包括机载子***110、车载子***120和地图构建子***130。
如图1所示，搭载在无人机上的机载***可以包括机载硬件层、机载中间层和机载功能模块层。其中，机载功能模块层可以包括机载中央控制模块111、飞控模块112、机载导航模块113、机载通信模块114和机载图像处理模块115。
在一个实施例中，机载硬件层的传感器设备可以包括：机载卫星导航定位设备例如机载GNSS芯片，辅助定位设备例如机载惯性测量装置IMU、机载地磁传感器、机载气压计等，机载硬件层还可以包括机载电机和机载图像感知器件。
在图1所示的实施例中，机载中央控制模块111通过机载中间层与机载硬件层交互，例如通过机载中间层得到机载硬件层各设备采集的原始数据，例如获取通过机载卫星导航定位设备、机载辅助定位设备以及机载图像感知器件获取的卫星导航定位数据、辅助定位数据以及图像数据。这些原始数据通过机载中央控制模块111发送至飞控模块112、机载导航模块113、机载通信模块114和机载图像处理模块115以进行相应的数据处理。
继续参考图1，搭载在车辆上的车载***可以包括车载硬件层、车载中间层和车载功能模块层。其中，车载功能模块层可以包括车载中央控制模块121、车载通信模块122、车载导航模块123、车载数据融合模块124和车载图像处理模块125。
在一个实施例中，车载硬件层的传感器设备可以包括：车载卫星导航定位设备例如车载GNSS芯片，辅助定位设备例如车载惯性测量装置IMU、车载地磁传感器、车载气压计等，车载硬件层还可以包括车载图像感知器件。
在图1所示的实施例中，车载中央控制模块121可以通过车载中间层与车载硬件层交互，例如通过车载中间层得到车载硬件层各设备采集的原始数据，例如获取通过车载卫星导航定位设备、车载辅助定位设备以及车载图像感知器件获取的车载卫星导航定位数据、车载辅助定位数据以及车载图像数据。这些原始数据通过车载中央控制模块111发送至车载通信模块122、车载导航模块123、车载数据融合模块124和车载图像处理模块125以进行相应的数据处理。
在一个实施例中，为了提高图像获取的可靠性和精度，无人机上和车辆上可以搭载多个图像感知器件。也就是说，本发明实施例中对无人机和车辆上搭载的图像感知器件的数量不做具体限定。
本发明实施例的三维地图构建***，可以对通过无人机获取的测量数据和通过车辆获取的测量数据进行融合处理，实现快速准确地三维地图构建。在一个实施例中，对测量数据进行融合处理可以理解为是：通过机载硬件层的多个传感器设备获取的测量数据，和通过车载硬件层的多个传感器设备获取的测量数据，在空间和时间上通过可以形成互补信息或冗余信息，这些互补信息和冗余信息，可以获得更精确的观测对象的图像特征点，有助于提升三维测图精度和稳定性。
该三维地图构建***对通过机载硬件层的多个传感器设备获取的测量数据，和通过车载硬件层的多个传感器设备获取的测量数据进行综合分析和处理，可以得到观测对象的精确的三维位置，从而根据观测对象的精确的三维位置，快速准确的构建对应的三维地图。
下面通过图2和图3描述机载子***和车载子***中数据处理流程。图2示出了根据本发明实施例机载子***中的数据处理逻辑流向示意图；图3示出了根据本发明实施例的车载子***中的数据处理逻辑流向示意图。
如图2所示，可以将机载硬件层的传感器设备所获取的测量数据作为无人机的原始观测数据，无人机的原始观测数据例如可以包括：机载卫星导航定位设备获取的无人机的卫星导航定位数据、机载惯性测量装置获取的无人机角速度和无人机加速度、机载图像感知器件获取的观测对象的机载图像数据、机载地磁传感器获取的无人机的运行方向、机载气压计获取的无人机所处海拔高度信息。
在本发明实施例中，机载中间层可以将无人机的原始观测数据发送至机载中央控制模块111，由机载中央控制模块111将无人机的原始观测数据发送至其他模块进行处理。
在一个实施例中，机载中央控制模块111可以将无人机的卫星导航定位数据发送至机载导航模块113，机载导航模块113可以根据无人机的卫星导航定位数据计算得到无人机位置、无人机飞行速度以及无人机姿态。
在一个实施例中，机载中央控制模块111可以将机载导航模块113计算得到的无人机位置、无人机飞行速度以及无人机姿态，以及通过机载图像感知器件获取的观测对象的机载图像数据，发送至机载图像处理模块115，机载图像处理模块115基于无人机位置和无人机姿态，确定机载相机坐标系下的机载图像，从而在机载相机坐标系下对观测对象的机载图像进行特征点提取，得到观测对象的机载图像特征点。
在一个实施例中，机载图像处理模块115具体可以包括：
机载图像坐标变换关系确定单元，用于基于无人机位置、无人机姿态、无人机的定位中心到机载相机的相位中心的位移增量和姿态变化量，确定无人机的机体坐标系和机载相机坐标系的坐标转换关系；
机载图像坐标变换单元，用于利用机体坐标系与机载相机坐标系的坐标变换关系，以及观测对象的机载图像，确定机载相机坐标系下的机载图像；
机载图像特征提取单元，用于对机载相机坐标系下的机载图像进行数字图像处理，得到机载图像的数字图像，对机载图像的数字图像进行特点点提取，得到机载图像中观测对象的特征点信息。
在一个实施例中，机载中央控制模块111可以将机载导航模块113计算得到的无人机位置、无人机飞行速度、无人机姿态、以及无人机的运动指令，发送至飞控模块112；飞控模块112根据接收到的信息生成无人机的控制指令，该无人机的控制指令可以通过机载中间成传输至机载硬件层的机载电机，机载电机可以用于执行无人机控制指令，例如控制无人机运动状态变化的指令信息。
在一个实施例中，如图2所示，机载中央控制模块111可以将机载卫星导航定位数据、无人机位置、无人机飞行速度、无人机姿态、观测对象的机载图像数据、以及机载图像数据中的特征点信息作为无人机的交互数据，发送无人机交互数据至机载通信模块114，以用于结合通过车辆采集的定位数据和图像数据来构建三维地图。
下面结合图3，详细介绍车载子***120中的数据处理流程。如图3所示，车载子***120中的车载通信模块122可以与机载子***110中的机载通信模块114进行数据通信，通过与机载通信模块114的数据通信，获取上述实施例中描述的无人机交互数据。
在一个实施例中，可以将车载硬件层的传感器设备所获取的测量数据作为车辆的原始观测数据，车辆的原始观测数据例如可以包括：车载卫星导航定位设备获取的车辆的卫星导航定位数据、车载惯性测量装置获取的车辆角速度和车辆加速度、车载图像感知器件获取的观测对象的车载图像数据、车载地磁传感器获取的车辆运行方向、车载气压计获取的车辆所处海拔高度信息。
在本发明实施例中，车载中央控制模块121可以负责将车载硬件层采集的原始观测数据分别发送至车载通信模块122、车载导航模块123、车载数据融合模块124、车载图像处理模块125进行处理。
在一个实施例中，车载中央控制模块121可以将车辆的卫星导航定位数据发送至车载导航模块123，车载导航模块123可以根据车辆的卫星导航定位数据计算得到车辆位置、车辆行驶速度以及车辆姿态。
在一个实施例中，车载中央控制模块121可以将车载导航模块123计算得到的车辆位置、车辆行驶速度、车辆姿态、以及通过车载图像感知器件获取的观测对象的车载图像数据，发送至车载图像处理模块125；车载图像处理模块125可以基于车辆位置和车辆姿态，确定车载相机坐标系下的车载图像，从而在车载图像坐标系下对观测对象的车载图像数据进行特征点提取，得到观测对象的车载图像特征点。
在一个实施例中，车载通信模块122可以用于接收来自无人机的交互数据，即机载卫星导航定位数据、无人机位置、无人机飞行速度、无人机姿态、观测对象的机载图像数据、以及机载图像数据中的特征点信息，并将接收的来自无人机的交互数据发送至车载中央控制模块121。
在该实施例中，可以将车辆位置、车辆行驶速度、车辆姿态、车载图像数据、以及车载图像特征点信息作为车载观测数据，车载中央控制模块121可以将上述车载观测数据与接收的无人机的交互数据，发送至车载数据融合模块124进行数据融合处理，确定机载图像和车载图像中观测对象的相同特征点，并根据确定的相同特征点的特征信息，计算得到该相同特征点的三维坐标，以构建观测对象的三维地图。
下面结合附图，详细介绍本发明实施例中车载数据融合模块124对车载观测数据和无人机的交互数据的数据融合处理。
图4示出了本发明实施例中车载卫星导航定位数据的多路径效应信号的处理方法示意图。如图4所示，在本发明实施例中，利用车载卫星导航定位设备例如车载GNSS芯片进行导航定位时，位于车辆的卫星导航信号接收机除了可以接收到从卫星导航定位卫星经直线传播的电磁波信号之外，还可以接收到一个或多个由该电磁波经车辆周围环境反射后的信号，造成车载GNSS信号接收机的测量数据产生偏离真值，产生多路径误差，车辆GNSS信号的多路径误差将严重影响车载***的导航定位精度。
在该实施例中，由于无人机飞行高度较高，不容易受到环境遮挡。因此，无人机的GNSS芯片受到的多路径干扰可明显低于车辆受到的路径干扰，机载卫星导航定位数据可明显优于车载卫星导航定位数据。
因此，为了提高车辆的定位精度，车载导航模块123可以使用无人机的卫星导航定位数据和车载卫星导航定位数据对车辆进行定位。
在一个实施例中，利用无人机的卫星导航定位数据，确定车辆的卫星导航定位数据中是否存在多路径误差的步骤具体可以包括：
步骤S01，通过无人机的卫星导航定位数据和无人机的姿态，确定无人机和观测卫星之间的第一观测距离和第一观测角度。
步骤S02，确定无人机定位中心和车辆定位中心的相对距离和姿态变化，结合第一观测距离和第一观测角度，确定车辆和该观测卫星之间的理论观测距离；
步骤S03，通过车辆的卫星导航定位数据，计算车辆和观测卫星的第二观测距离，如果车辆和该观测卫星之间的理论观测距离与计算得到的第二观测距离不相符，则可以确定车辆的卫星导航定位数据中包含多路径误差。
在一个实施例中，如果存在已经构建好的三维地图，利用该三维地图和根据车载卫星导航定位数据确定的车辆位置，可以确定车辆头顶朝向的方位角和高度角；并且根据车载卫星导航定位数据所对应的卫星的位置，可以计算出卫星的方位角和高度角；当车辆的GNSS芯片接收到卫星导航定位信号，且卫星的方位角和高度角与车辆头顶朝向的方位角和高度角不一致时，可确定车辆的卫星导航定位数据中存在多路径误差。
在该实施例中，检测出多路径信号后，可以利用已经构建好的三维地图中包含的观测对象特征点的准确三维位置，以及车辆和该观测对象特征点的相对位置和距离，确定车辆的精确三维位置。
在本发明实施例中，无论是车载卫星导航定位数据还是机载卫星导航定位数据，均存在观测误差，例如上述实施例描述的多路径误差、由卫星时钟误差、接收机时钟误差、电离层折射造成的误差、对流层折射造成的误差等***误差。
在一个实施例中，由于实际观测过程中，机载卫星导航定位数据的观测精度优于车载卫星导航定位数据的观测精度，因此，可以以机载卫星导航定位数据作为参考数据，利用指定的估值方法对车载卫星导航定位数据进行估值，使得车载卫星导航定位数据的估计值尽可能减少误差的影响，得到较为精确的车载卫星导航定位数据。
在该实施例中，该估值方法可以是抗差估计方法。具体地，抗差估计法例如可以是方差估计法或假设检验估计法，在车载卫星导航定位数据存在不可避免的误差例如多路径误差、***误差等误差时，对车载卫星导航定位数据的观测值进行估值，以避免多路径效应或其他因素造成的观测误差，提高车载卫星导航定位数据的精确度。
在本发明实施例中，在利用卫星导航定位设备进行卫星导航定位时，两个卫星导航信号接收机的天线可以形成一个基线，将位于无人机的卫星导航信号接收机的天线位置作为无人机定位中心，将位于车辆的卫星导航信号接收机的天线位置作为车辆定位中心，则无人机与车辆之间的相对定位可以是指通过无人机的机载卫星导航定位数据和车辆的车载卫星导航定位数据，确定无人机定位中心和车辆定位中心之间的基线距离和无人机定位中心和车辆定位中心之间的基线方向。为了描述方便，可以简称为无人机与车辆之间的基线长度和无人机与车辆之间的基线方向。
在一个实施例中，利用卫星导航定位设备进行相对定位方法，可以理解为是将两台卫星导航信号接收机分别安置在无人机定位中心和车辆定位中心，即安置在无人机与车辆之间的基线两端，通过无人机的卫星导航信号接收机和车辆的卫星导航信号接收机同步观测相同的卫星以采集对应的卫星导航定位数据，确定无人机与车辆之间的基线长度和无人机与车辆之间的基线方向。
在一个实施例中，由于卫星时钟误差、接收机时钟误差、电离层折射造成的误差、对流层折射造成的误差等***误差具有较强的空间相关性或时间相关性，即车载卫星导航定位数据的不同观测值之间、机载卫星导航定位数据的不同观测值之间、以及车载卫星导航定位数据和机载卫星导航定位数据的不同观测值之间，存在相同误差或相似误差的影响。
因此，当无人机的卫星导航信号接收机和车辆的卫星导航信号接收机同步观测同一组卫星时，可以通过无人机的卫星导航定位数据和车辆卫星导航定位数据，计算无人机与车辆之间的基线长度和基线方向，即无人机与车辆之间的相对位置，再通过较为精确的无人机位置和相对位置即可推算出车辆位置。
在一个实施例中，根据车载卫星导航定位设备的观测值建立的观测方程，可以反映车载卫星导航定位数据的观测值与卫星时钟误差、接收机时钟误差、电离层误差、对流层误差的函数关系。例如，根据车载卫星导航定位设备的观测值建立的观测方程可以表示为卫星导航信号接收机与导航定位卫星的真实距离与***误差的和。
在该实施例中，通过无人机与车辆之间基线两端的卫星导航信号接收机同步观测得到的卫星导航定位数据进行观测值之间的求差，得到求差后的观测值，根据求差后的观测值，可以将联立的观测方程中的绝对位置转换为相对位置，求解转换后的观测方程，确定无人机与车辆之间的相对位置，从而利用机载卫星导航定位数据作为基准参考数据和相对位置，对车载卫星导航定位数据的观测值进行修正，以消除相同或相似误差对车载卫星导航定位数据的观测值的影响，得到修正的车载卫星导航定位数据。
在上述实施例中，可以通过辅助定位设备例如里程计、磁传感器、气压计提高车辆运动数据的准确性。作为一个示例，利用里程计测量车速，相较于通过车载卫星导航定位设备计算得到的车速更加可靠，以利用里程计测量的车速获取较为可靠的车辆行驶距离；作为一个示例，利用磁传感器可以测行驶方向，以改善通过车载卫星导航定位设备计算的得到的方向的精度；作为一个示例，利用气压计可以测量车辆位置的海拔高度，以该改善通过车载卫星导航定位设备计算的得到的车辆高度。
继续参考图3，在一个实施例中，通过无人机的机载卫星导航定位数据进行无人机定位时，可以将上述实施例中解算得到更加精准的车辆位置作为无人机辅助定位数据，以对无人机的定位数据进行修正，以可持续保持车辆和无人机的准确定位。
在一个实施例中，车载中央控制模块121可以将车载导航模块123计算得到的车辆位置、车辆行驶速度以及车辆姿态，以及通过车载图像感知器件获取的观测对象的车载图像数据，发送至车载图像处理模块125，车载图像处理模块125基于车辆位置、车辆姿态，对观测对象的车载图像数据进行特征点提取，得到观测对象的车载图像的特征点信息。
在本发明实施例中，由车辆获取的图像数据与无人机获取的图像数据形成冗余观测，并且在视角上形成良好的互补关系；对车辆获取的图像数据与无人机获取的图像数据进行数据融合处理，可以提升测图精度和稳定性。
在一个实施例中，车载中央控制模块121可以将车辆位置、车辆行驶速度、车辆姿态、观测对象的车载图像数据、以及车载图像特征点信息等车载观测数据；以及机载卫星导航定位数据、无人机位置、无人机飞行速度、无人机姿态、观测对象的机载图像数据等无人机交互数据发送至车载数据融合模块124，车载数据融合模块124根据接收到的上述车载观测数据和无人机交互数据进行数据处理，得到观测对象的三维位置，以构建观测对象的三维地图。
下面通过具体的实施例，详细描述车载数据融合模块124对上述车载观测数据和无人机交互数据进行数据处理过程。
首先，提取车载图像数据所包括的图像特征点与机载图像数据所包括的图像特征点中相同的特征点，将提取的相同的特征点作为匹配的特征点。
其次，利用车辆的车载相机相位中心的位置、车载相机相位中心与车辆定位中心的位移增量和姿态变化量、以及车载图像中与匹配的特征点对应的图像点的位置，计算匹配的特征点的三维坐标，其中，车载相机相位中心、匹配的特征点以及图像点在一条直线上。
下面结合图5，描述本发明实施例中确定特征点三维坐标的原理。图5示出了根据本发明实施例的求解图像特征点对应三维空间点的三维坐标的示意图。
如图5所示，A(X，Y，Z)表示真实场景中观测对象的三维点，S1和S2表示车辆的两个不同观测点。根据成像原理，观测对象的三维点A、观测点S1、车辆在观测点S1采集的车载图像中与三维点A对应的图像点a1在一条直线上；观测对象的三维点A、观测点S2、车辆在观测点S2采集的车载图像中与三维点A对应的图像点a2在一条直线上。
因此，如图5所示，可以根据方位角前方交汇原理，在确定观测点S1的车辆位置、观测点S2的车辆位置、在观测点S1对三维点A的第一观测方位角θ1、在观测点S2对三维点A的第二观测方位角θ2，即可计算得到三维点A的三维位置。
其中，第一观测方位角可以通过在观测点S1时车辆定位中心与车载相机的相位中心的姿态变化量确定，第二观测方位角可以通过在观测点S2时车辆定位中心与车载相机的相位中心的姿态变化量确定。
在该实施例中，如果直接求解三维点A的三维位置往往存在一定误差，为了提高观测对象的三维点A的三维位置的准确率，可以对观测点的位置、图像特征点对应的观测对象的三维点的位置增加三角形环路约束。
在本发明实施例中，车辆、无人机和第一图像特征点对应的观测对象的三维点满足三角形环路约束条件，三角形环路约束条件包括如下项中的至少一项：
车辆在第一时刻所在的第一车辆观测点、无人机在第一时刻所在的第一无人机观测点、与第一图像特征点对应的观测对象的三维点形成三角形环路；
车辆在第二时刻所在的第二车辆观测点、无人机在第二时刻所在的第二无人机观测点、与第一图像特征点对应的观测对象的三维点形成三角形环路；
车辆在第一时刻所在的第一车辆观测点、车辆在第二时刻所在的第二车辆观测点、与第一图像特征点对应的观测对象的三维点形成三角形环路；以及
无人机在第一时刻所在的第一无人机观测点、无人机在第二时刻所在的第二无人机观测点、与第一图像特征点对应的观测对象的三维点形成三角形环路。
为了便于理解，图6示出了根据本发明一个实施例的观测点与图像特征点对应的观测对象的三维点的环路约束示意图。
如图6所示，车辆在第一时刻所在的车辆观测点、无人机在该第一时刻所在的第一无人机观测点、与第一图像特征点对应的观测对象的三维点中任意两点之间的连线，可以构成三角形环路1，且该三角形环路1中三角形的内角和为180度。
继续参考图6，车辆在该第一时刻所在的车辆观测点、无人机在该第一时刻所在的第一无人机观测点、与第二图像特征点对应的观测对象的三维点中任意两点之间的连线，可以构成三角形环路2，且该三角形环路2中三角形的内角和为180度。
为了便于理解，图7示出了根据本发明另一实施例的观测点与图像特征点的环路约束示意图。
如图7所示，车辆在T1时刻所处的观测点、车辆在T2时刻所处的观测点、以及第三图像特征点对应的观测对象的三维点形成三角形环路，且三角形环路的内角和等于180度。
在本发明实施例中，环路约束为了满足无人机与车辆的基线，车辆与第一图像特征点对应的观测对象的三维点的基线，无人机与第一图像特征点对应的观测对象的三维点的基线，这三条线满足构成一个三角形，以保证利用前方交汇原理计算得到的特征点对应的三维坐标的准确性。
在本发明实施例的三维地图构建***中，图像融合模块可以设置在车辆上，也可以设置在车辆或无人机以外的数据处理服务器，将无人机的交互数据和车辆的观测数据发送至该数据处理服务器进行数据融合处理，提高三维地图的准确性，以及三维地图构建***稳定性。
在本发明实施例中，将车载数据与机载数据的进行融合，实现快速构建3D地图数据，降低了3D地图数据获取的硬件门槛，提高了地图构建效率。
为了更好的理解本发明，下面将结合附图，详细描述根据本发明实施例的，应注意，这些实施例并不是用来限制本发明公开的范围。
图8示出了根据本发明一实施例提供的三维地图构建***的结构示意图。如图8所示，三维地图构建***800包括：
观测数据获取模块810，用于获取通过车辆搭载导航定位设备采集的车辆的车载卫星导航定位数据、通过车辆搭载相机采集的观测对象的车载图像、以及通过无人机搭载相机采集的观测对象的机载图像的图像特征点；
图像处理模块820，用于基于车载卫星导航定位数据，对观测对象的车载图像进行图像特征提取，确定观测对象的车载图像特征点；
图像融合模块830，用于从车载图像特征点和机载图像的图像特征点中，获取观测对象的相同图像特征点，并利用车载卫星导航定位数据，确定观测对象的相同图像特征点的三维位置；
地图构建模块840，用于利用观测对象的相同图像特征点的三维位置，构建观测对象的三维地图。
在一个实施例中，三维地图构建***800还可以包括：
车辆定位修正模块，用于利用无人机搭载导航定位设备采集的无人机的机载卫星导航定位数据，修正车载卫星导航定位数据，得到修正的车载卫星导航定位数据；
图像融合模块830，还用于从车载图像特征点和机载图像的图像特征点中，获取观测对象的相同图像特征点，并利用修正的车载卫星导航定位数据，确定观测对象的相同图像特征点的三维位置。
在一个实施例中，车辆定位修正模块，具体可以包括：
多路径误差检测单元，用于检测车载卫星导航定位数据中是否存在多路径误差。
第一误差修正单元，用于如果车载卫星导航定位数据中存在多路径误差，利用观测对象的三维地图数据，修正该多路径误差，得到修正的车载卫星导航定位数据。
在该实施例中，可以利用预见构建的较为精确的三维地图，对车辆采集的车载卫星导航定位数据进行修正，以提高车载卫星导航定位数据的精确度。
在一个实施例中，车辆定位修正模块，具体可以包括：
第二误差修正单元，用于基于机载卫星导航定位数据，选择指定的估值方法，对车载卫星导航定位数据进行估值，将估值得到的车载卫星导航定位数据作为修正的车载卫星导航定位数据。
在该实施例中，可以通过抗差估计的方法，以机载卫星导航定位数据作为基准，对车载卫星导航定位数据进行估值，以提高车载卫星导航定位数据的精确度。
在一个实施例中，车辆定位修正模块，具体可以包括：
观测点数据获取单元，用于获取车辆搭载导航定位设备和无人机搭载导航定位设备对同一组卫星进行观测得到的车载卫星导航定位数据和机载卫星导航定位数据。
相对位置确定单元，用于利用对同一组卫星进行观测得到的车载卫星导航定位数据和机载卫星导航定位数据，确定无人机与车辆之间的相对位置。
***误差修正单元，用于根据无人机与车辆之间的相对位置，以及机载卫星导航定位数据，计算车载卫星导航定位数据，将计算得到的车载卫星导航定位数据作为修正的车载卫星导航定位数据。
在该实施例中，利用GNSS观测值受到的电离层，对流层，时钟误差等***误差的时空相关性，通过观测量之间进行求差的方法，去除或抵消上述***误差的影响，提高车辆定位的精确程度。
在一个实施例中，三维地图构建***800，还可以包括：
辅助定位模块，用于利用辅助定位设备获取与辅助定位设备对应的车辆运行数据，其中，辅助定位设备包括位于车辆的里程计、磁传感器、气压计中的一种或多种；车辆运行数据包括车辆的行驶距离、车辆的行驶方向、车辆的海拔高度中的至少一种。
车辆位置确定模块，用于利用车辆运行数据，确定车辆的位置。
无人机定位修正模块，用于根据车辆的位置、以及无人机与车辆之间的相对位置，计算无人机的位置，将计算的无人机的位置和无人机的姿态作为修正的无人机的卫星导航定位数据。
在该实施例中，里程计，磁传感器，气压计等可以用于辅助定位，提高车辆观测数据的准确性，以确定更为准确的车辆的位置信息，并根据该车辆的位置信息，以及无人机与车辆之间的相对位置，利用相对定位的方法，计算无人机的位置，对无人机的位置进行修正，并根据修正的无人机的位置和无人机的姿态，确定修正的无人机的卫星导航定位数据。
在一个实施例中，观测对象的机载图像的图像特征点，是基于机载卫星导航定位数据，对观测对象的机载图像进行图像特征提取得到的。
也就是说，可以利用修正的无人机的卫星导航定位数据，对观测对象的机载图像的图像特征进行提取，得到观测对象的机载图像特征点，提高观测对象的机载图像特征点的准确度。
在一个实施例中，图像处理模块820具体可以包括：
空间变换关系确定单元，用于利用车载卫星导航定位数据中车辆的位置和车辆的三维姿态、以及车辆的定位中心到车辆的车辆搭载相机相位中心的位移增量和姿态变化量，确定车辆对应的车体坐标系与车辆搭载相机对应的相机坐标系的坐标变换关系；
车载图像坐标变换单元，用于利用通过车辆搭载相机采集的观测对象的车载图像和坐标变换关系，确定车辆搭载相机对应的相机坐标系下的车载图像；
车载图像特征提取单元，用于对相机坐标系下的车载图像进行特征提取，得到车载图像的图像特征点。
在该实施例中，根据车辆的定位定姿结果以及预先测量好的车辆定位中心到相机相位中心的位移增量和姿态变化量，可以准确提取图像中的特征点信息。
在一个实施例中，图像融合模块830具体可以包括：
车辆观测点确定单元，用于针对观测对象的相同图像特征点中的第一图像特征点，确定车辆所在的第一车辆观测点和第二车辆观测点，车辆搭载相机在第一车辆观测点采集的观测对象的车载图像和在第二车辆观测点采集的观测对象的车载图像中，均包含第一图像特征点；
车载定位数据获取单元，用于从车载卫星导航定位数据中获取第一车辆观测点的三维位置、第一车辆观测点对应的车辆定位中心与车辆搭载相机的相位中心的第一姿态变化量、第二车辆观测点的三维位置、第二车辆观测点对应的车辆定位中心与车辆搭载相机的相位中心的第二姿态变化量；
车载观测方位确定单元，用于利用第一姿态变化量，确定在第一车辆观测点时车辆搭载相机对观测对象的第一观测方位角，以及利用第二姿态变化量，确定在第二车辆观测点时车辆搭载相机对观测对象的第二观测方位角；
特征点位置确定单元，用于利用第一车辆观测点的三维位置、第二车辆观测点的三维位置、第一观测方位角和第二观测方位角，利用前方交会法计算观测对象的第一图像特征点的三维坐标。
在一个实施例中，车辆、无人机和第一图像特征点对应的观测对象的三维点满足三角形环路约束条件，三角形环路约束条件包括如下项中的至少一项：
车辆在第一时刻所在的第一车辆观测点、无人机在第一时刻所在的第一无人机观测点、与第一图像特征点形成三角形环路；
车辆在第二时刻所在的第二车辆观测点、无人机在第二时刻所在的第二无人机观测点、与第一图像特征点形成三角形环路；
车辆在第一时刻所在的第一车辆观测点、车辆在第二时刻所在的第二车辆观测点、与第一图像特征点形成三角形环路；以及
无人机在第一时刻所在的第一无人机观测点、无人机在第二时刻所在的第二无人机观测点、与第一图像特征点形成三角形环路。
根据本发明实施例的三维地图的构建***，车辆获取的图像数据与无人机获取的图像数据在视角上形成良好的互补关系，对车辆获取的图像数据与无人机获取的图像数据的进行融合，实现快速构建三维地图，提高构建三维地图的准确程度和稳定性。
图9是示出根据本发明实施例的三维地图构建方法的流程图。如图1所示，本发明实施例中的三维地图构建方法900包括以下步骤：
步骤S910，获取通过车辆搭载导航定位设备采集的车辆的车载卫星导航定位数据、通过车辆搭载相机采集的观测对象的车载图像、以及通过无人机搭载相机采集的观测对象的机载图像的图像特征点。
步骤S920，基于车载卫星导航定位数据，对观测对象的车载图像进行图像特征提取，确定观测对象的车载图像特征点。
步骤S930，从车载图像特征点和机载图像的图像特征点中，获取观测对象的相同图像特征点，并利用车载卫星导航定位数据，确定观测对象的相同图像特征点的三维位置。
步骤S940，根据利用观测对象的相同图像特征点的三维位置，构建观测对象的三维地图。
根据本发明实施例的三维地图构建方法，可以提高构建三维地图的准确性和稳定性。
在一个实施例中，步骤S930中利用车载卫星导航定位数据，确定观测对象的相同图像特征点的三维位置的步骤，具体可以包括：
步骤S931，利用无人机搭载导航定位设备采集的无人机的机载卫星导航定位数据，修正车载卫星导航定位数据，得到修正的车载卫星导航定位数据；
步骤S932，利用修正的车载卫星导航定位数据，确定观测对象的相同图像特征点的三维位置。
在一个实施例中，步骤S931具体可以包括：
步骤S11，检测车载卫星导航定位数据中是否存在多路径误差。
步骤S12，如果车载卫星导航定位数据中存在多路径误差，利用观测对象的三维地图数据，修正多路径误差，得到修正的车载卫星导航定位数据。
在一个实施例中，步骤S931具体可以包括：
基于机载卫星导航定位数据，选择指定的估值方法，对车载卫星导航定位数据进行估值，将估值得到的车载卫星导航定位数据作为修正的车载卫星导航定位数据。
在一个实施例中，步骤S931具体可以包括：
步骤S21，获取车辆搭载导航定位设备和无人机搭载导航定位设备对同一组卫星进行观测得到的车载卫星导航定位数据和机载卫星导航定位数据。
步骤S22，利用对同一组卫星进行观测得到的车载卫星导航定位数据和机载卫星导航定位数据，确定无人机与车辆之间的相对位置。
步骤S23，根据无人机与车辆之间的相对位置，以及机载卫星导航定位数据，计算车载卫星导航定位数据，将计算得到的车载卫星导航定位数据作为修正的车载卫星导航定位数据。
在一个实施例中，三维地图的构建方法900还可以包括：
步骤S950，利用辅助定位设备获取与辅助定位设备对应的车辆运行数据。其中，辅助定位设备包括位于车辆的里程计、磁传感器、气压计中的一种或多种；车辆运行数据包括车辆的行驶距离、车辆的行驶方向、车辆的海拔高度中的一种或多种。
步骤S951，利用车辆运行数据，确定车辆的位置。
步骤S952，根据车辆的位置和无人机与车辆之间的相对位置，计算无人机的位置，将计算的无人机的位置和无人机的姿态作为修正的无人机的位置。
在一个实施例中，观测对象的机载图像的图像特征点，是基于机载卫星导航定位数据，对观测对象的机载图像进行图像特征提取得到的。
在一个实施例中，步骤S920具体可以包括：
步骤S921，利用车载卫星导航定位数据中车辆的位置和车辆的三维姿态、以及车辆的定位中心到车辆的车辆搭载相机相位中心的位移增量和姿态变化量，确定车辆对应的车体坐标系与车辆搭载相机对应的相机坐标系的坐标变换关系。
步骤S922，利用通过车辆搭载相机采集的观测对象的车载图像和坐标变换关系，确定车辆搭载相机对应的相机坐标系下的车载图像。
步骤S923，对相机坐标系下的车载图像进行特征提取，得到车载图像的图像特征点。
在一个实施例中，步骤S930中从车载图像特征点和机载图像的图像特征点中，获取观测对象的相同图像特征点的步骤，具体可以包括：
步骤S31，针对观测对象的相同图像特征点中的第一图像特征点，确定车辆所在的第一车辆观测点和第二车辆观测点，车辆搭载相机在第一车辆观测点采集的观测对象的车载图像和在第二车辆观测点采集的观测对象的车载图像中，均包含第一图像特征点
步骤S32，从车载卫星导航定位数据中获取第一车辆观测点的三维位置、第一车辆观测点对应的车辆定位中心与车辆搭载相机的相位中心的第一姿态变化量、第二车辆观测点的三维位置、第二车辆观测点对应的车辆定位中心与车辆搭载相机的相位中心的第二姿态变化量；
步骤S33，利用第一姿态变化量，确定在第一车辆观测点时车辆搭载相机对观测对象的第一观测方位角，以及利用第二姿态变化量，确定在第二车辆观测点时车辆搭载相机对观测对象的第二观测方位角；
步骤S34，利用第一车辆观测点的三维位置、第二车辆观测点的三维位置、第一观测方位角和第二观测方位角，利用前方交会法计算观测对象的第一图像特征点的三维坐标。
在该实施例中，车辆、无人机和第一图像特征点满足三角形环路约束条件，三角形环路约束条件包括如下项中的至少一项：
车辆在第一时刻所在的第一车辆观测点、无人机在第一时刻所在的第一无人机观测点、与第一图像特征点形成三角形环路；
车辆在第二时刻所在的第二车辆观测点、无人机在第二时刻所在的第二无人机观测点、与第一图像特征点形成三角形环路；
车辆在第一时刻所在的第一车辆观测点、车辆在第二时刻所在的第二车辆观测点、与第一图像特征点形成三角形环路；以及
无人机在第一时刻所在的第一无人机观测点、无人机在第二时刻所在的第二无人机观测点、与第一图像特征点形成三角形环路。
根据本发明实施例的方法的其他细节与以上结合图1至图8描述的根据本发明实施例的装置类似，在此不再赘述。
结合图1至图9描述的根据本发明实施例的三维地图的构建***和方法可以由可拆卸地或者固定地安装在服务器上的计算设备实现。
图10是示出能够实现根据本发明实施例的方法和装置的计算设备的示例性硬件架构的结构图。
如图10所示，计算设备1000包括输入设备1001、输入接口1002、处理器1003、存储器1004、输出接口1005、以及输出设备1006。其中，输入接口1002、处理器1003、存储器1004、以及输出接口1005通过总线1010相互连接，输入设备1001和输出设备1006分别通过输入接口1002和输出接口1005与总线1010连接，进而与计算设备1000的其他组件连接。具体地，输入设备1001接收来自外部(例如，车辆上安装的硬件传感器)的输入信息，并通过输入接口1002将输入信息传送到处理器1003；处理器1003基于存储器1004中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器1004中，然后通过输出接口1005将输出信息传送到输出设备1006；输出设备1006将输出信息输出到计算设备1000的外部供用户使用。
也就是说，图10所示的计算设备也可以被实现为一种三维地图构建设备包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图1至图9描述的三维地图构建***和方法。这里，处理器可以与安装在车辆上的通信模块或硬件传感器通信，从而基于来自通信模块和/或硬件传感器的相关信息执行计算机可执行指令，从而实现结合图1至图9描述的三维地图构建***和方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品或计算机可读存储介质的形式实现。所述计算机程序产品或计算机可读存储介质包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的***、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (22)

1.一种三维地图构建***，包括：
观测数据获取模块，用于获取通过车辆搭载导航定位设备采集的车辆的车载卫星导航定位数据、通过车辆搭载相机采集的观测对象的车载图像、以及通过无人机搭载相机采集的所述观测对象的机载图像的图像特征点；
图像处理模块，用于基于所述车载卫星导航定位数据，对所述观测对象的车载图像进行图像特征提取，确定所述观测对象的车载图像特征点；
图像融合模块，用于从所述车载图像特征点和所述机载图像的图像特征点中，获取所述观测对象的相同图像特征点，并利用所述车载卫星导航定位数据，确定所述观测对象的相同图像特征点的三维位置；
地图构建模块，用于利用所述观测对象的相同图像特征点的三维位置，构建所述观测对象的三维地图；
车辆定位修正模块，用于利用无人机搭载导航定位设备采集的所述无人机的机载卫星导航定位数据，修正所述车载卫星导航定位数据，得到修正的车载卫星导航定位数据。
2.根据权利要求1所述的三维地图构建***，还包括：
所述图像融合模块，还用于从所述车载图像特征点和所述机载图像的图像特征点中，获取所述观测对象的相同图像特征点，并利用所述修正的车载卫星导航定位数据，确定所述观测对象的相同图像特征点的三维位置。
3.根据权利要求2所述的三维地图构建***，其中，所述车辆定位修正模块，包括：
多路径误差检测单元，用于检测所述车载卫星导航定位数据中是否存在多路径误差；
第一误差修正单元，用于如果所述车载卫星导航定位数据中存在所述多路径误差，利用所述观测对象的三维地图数据，修正所述多路径误差，得到所述修正的车载卫星导航定位数据。
4.根据权利要求2所述的三维地图构建***，其中，所述车辆定位修正模块，包括：
第二误差修正单元，用于基于所述机载卫星导航定位数据，选择估值方法，对所述车载卫星导航定位数据进行估值，将估值得到的车载卫星导航定位数据作为所述修正的车载导航定位数据。
5.根据权利要求2所述的三维地图构建***，其中，所述车辆定位修正模块，包括：
观测点数据获取单元，用于获取所述车辆搭载导航定位设备和所述无人机搭载导航定位设备对同一组卫星进行观测得到的车载卫星导航定位数据和机载卫星导航定位数据；
相对位置确定单元，用于利用所述对同一组卫星进行观测得到的车载卫星导航定位数据和机载卫星导航定位数据，确定所述无人机与所述车辆之间的相对位置；
***误差修正单元，用于根据所述无人机与所述车辆之间的相对位置，以及所述机载卫星导航定位数据，计算车载卫星导航定位数据，将计算得到的车载卫星导航定位数据作为所述修正的车载卫星导航定位数据。
6.根据权利要求1所述的三维地图构建***，还包括：
辅助定位模块，用于利用辅助定位设备获取车辆运行数据，其中，所述辅助定位设备包括位于所述车辆的里程计、磁传感器、气压计中的一种或多种，所述车辆运行数据包括所述车辆的行驶距离、所述车辆的行驶方向、所述车辆的海拔高度中的至少一种；
车辆位置确定模块，用于利用所述车辆运行数据，确定所述车辆的位置；
无人机定位修正模块，用于根据所述车辆的位置、以及所述无人机与所述车辆之间的相对位置，计算所述无人机的位置，将计算的所述无人机的位置和所述无人机的姿态作为修正的所述无人机的卫星导航定位数据。
7.根据权利要求6所述的三维地图构建***，其中，
所述观测对象的机载图像的图像特征点，是基于机载卫星导航定位数据，对所述观测对象的机载图像进行图像特征提取得到的。
8.根据权利要求1所述的三维地图构建***，其中，所述图像处理模块包括：
空间变换关系确定单元，用于利用所述车载卫星导航定位数据中所述车辆的位置和所述车辆的三维姿态、以及所述车辆的定位中心到所述车辆的车辆搭载相机相位中心的位移增量和姿态变化量，确定所述车辆对应的车体坐标系与所述车辆搭载相机对应的相机坐标系的坐标变换关系；
车载图像坐标变换单元，用于利用所述通过车辆搭载相机采集的所述观测对象的车载图像和所述坐标变换关系，确定所述车辆搭载相机对应的相机坐标系下的车载图像；
车载图像特征提取单元，用于对所述相机坐标系下的车载图像进行特征提取，得到所述车载图像的图像特征点。
9.根据权利要求1所述的三维地图构建***，其中，所述图像融合模块包括：
车辆观测点确定单元，用于针对所述观测对象的相同图像特征点中的第一图像特征点，确定所述车辆所在的第一车辆观测点和第二车辆观测点，所述车辆搭载相机在所述第一车辆观测点采集的观测对象的车载图像和在所述第二车辆观测点采集的观测对象的车载图像中，均包含所述第一图像特征点；
车载定位数据获取单元，用于从所述车载卫星导航定位数据中获取所述第一车辆观测点的三维位置、所述第一车辆观测点对应的车辆定位中心与所述车辆搭载相机的相位中心的第一姿态变化量、所述第二车辆观测点的三维位置、所述第二车辆观测点对应的车辆定位中心与所述车辆搭载相机的相位中心的第二姿态变化量；
车载观测方位确定单元，用于利用所述第一姿态变化量，确定在所述第一车辆观测点时所述车辆搭载相机对所述观测对象的第一观测方位角，以及利用所述第二姿态变化量，确定在所述第二车辆观测点时所述车辆搭载相机对所述观测对象的第二观测方位角；
特征点位置确定单元，用于利用所述第一车辆观测点的三维位置、所述第二车辆观测点的三维位置、所述第一观测方位角和所述第二观测方位角，利用前方交会法计算所述观测对象的第一图像特征点的三维坐标。
10.根据权利要求9所述的三维地图构建***，其中，
所述车辆、所述无人机和所述第一图像特征点对应的所述观测对象的三维点满足三角形环路约束条件，所述三角形环路约束条件包括如下项中的至少一项：
所述车辆在第一时刻所在的第一车辆观测点、所述无人机在所述第一时刻所在的第一无人机观测点、与所述第一图像特征点对应的所述观测对象的三维点形成三角形环路；
所述车辆在第二时刻所在的第二车辆观测点、所述无人机在所述第二时刻所在的第二无人机观测点、与所述第一图像特征点对应的所述观测对象的三维点形成三角形环路；
所述车辆在第一时刻所在的第一车辆观测点、所述车辆在第二时刻所在的第二车辆观测点、与所述第一图像特征点对应的所述观测对象的三维点形成三角形环路；以及
所述无人机在所述第一时刻所在的第一无人机观测点、所述无人机在所述第二时刻所在的第二无人机观测点、与所述第一图像特征点对应的所述观测对象的三维点形成三角形环路。
11.一种三维地图的构建方法，包括：
获取通过车辆搭载导航定位设备采集的车辆的车载卫星导航定位数据、通过车辆搭载相机采集的观测对象的车载图像、以及通过无人机搭载相机采集的所述观测对象的机载图像的图像特征点；
基于所述车载卫星导航定位数据，对所述观测对象的车载图像进行图像特征提取，确定所述观测对象的车载图像特征点；
从所述车载图像特征点和所述机载图像的图像特征点中，获取所述观测对象的相同图像特征点，并利用所述车载卫星导航定位数据，确定所述观测对象的相同图像特征点的三维位置；
利用所述观测对象的相同图像特征点的三维位置，构建所述观测对象的三维地图；
利用无人机搭载导航定位设备采集的所述无人机的机载卫星导航定位数据，修正所述车载卫星导航定位数据，得到修正的车载卫星导航定位数据。
12.根据权利要求11所述的三维地图的构建方法，其中，所述利用所述车载卫星导航定位数据，确定所述观测对象的相同图像特征点的三维位置，包括：
利用所述修正的车载卫星导航定位数据，确定所述观测对象的相同图像特征点的三维位置。
13.根据权利要求12所述的三维地图的构建方法，其中，所述利用所述无人机搭载导航定位设备采集的所述无人机的机载卫星导航定位数据，修正所述车载卫星导航定位数据，得到修正的车载卫星导航定位数据，包括：
检测所述车载卫星导航定位数据中是否存在多路径误差；
如果所述车载卫星导航定位数据中存在所述多路径误差，利用所述观测对象的三维地图数据，修正所述多路径误差，得到所述修正的车载卫星导航定位数据。
14.根据权利要求12所述的三维地图的构建方法，其中，所述利用所述无人机搭载导航定位设备采集的所述无人机的机载卫星导航定位数据，修正所述车载卫星导航定位数据，得到修正的车载卫星导航定位数据，包括：
基于所述机载卫星导航定位数据，选择指定的估值方法，对所述车载卫星导航定位数据进行估值，将估值得到的车载卫星导航定位数据作为所述修正的车载卫星导航定位数据。
15.根据权利要求12所述的三维地图的构建方法，其中，所述利用所述无人机搭载导航定位设备采集的所述无人机的机载卫星导航定位数据，修正所述车载卫星导航定位数据，得到修正的车载卫星导航定位数据，包括：
观测点数据获取单元，用于获取所述车辆搭载导航定位设备和所述无人机搭载导航定位设备对同一组卫星进行观测得到的车载卫星导航定位数据和机载卫星导航定位数据；
相对位置确定单元，用于利用所述对同一组卫星进行观测得到的车载卫星导航定位数据和机载卫星导航定位数据，确定所述无人机与所述车辆之间的相对位置；
***误差修正单元，用于根据所述无人机与所述车辆之间的相对位置，以及所述机载卫星导航定位数据，计算车载卫星导航定位数据，将计算得到的车载卫星导航定位数据作为所述修正的车载卫星导航定位数据。
16.根据权利要求11所述的三维地图的构建方法，还包括：
利用辅助定位设备获取与所述辅助定位设备对应的车辆运行数据，其中，所述辅助定位设备包括位于所述车辆的里程计、磁传感器、气压计中的一种或多种，所述车辆运行数据包括所述车辆的行驶距离、所述车辆的行驶方向、所述车辆的海拔高度中的至少一种；
利用所述车辆运行数据，确定所述车辆的位置；
根据所述车辆的位置、以及所述无人机与所述车辆之间的相对位置，计算所述无人机的位置，将计算的所述无人机的位置和所述无人机的姿态作为修正的所述无人机的卫星导航定位数据。
17.根据权利要求16所述的三维地图的构建方法，其中，
所述观测对象的机载图像的图像特征点，是基于机载卫星导航定位数据，对所述观测对象的机载图像进行图像特征提取得到的。
18.根据权利要求11所述的三维地图的构建方法，其中，所述基于所述车载卫星导航定位数据，对所述观测对象的车载图像进行图像特征提取，确定所述观测对象的车载图像特征点，包括：
利用所述车载卫星导航定位数据中所述车辆的位置和所述车辆的三维姿态、以及所述车辆的定位中心到所述车辆的车辆搭载相机相位中心的位移增量和姿态变化量，确定所述车辆对应的车体坐标系与所述车辆搭载相机对应的相机坐标系的坐标变换关系；
利用所述通过车辆搭载相机采集的所述观测对象的车载图像和所述坐标变换关系，确定所述车辆搭载相机对应的相机坐标系下的车载图像；
对所述相机坐标系下的车载图像进行特征提取，得到所述车载图像的图像特征点。
19.根据权利要求11所述的三维地图的构建方法，其中，所述从所述车载图像特征点和所述机载图像的图像特征点中，获取所述观测对象的相同图像特征点，包括：
针对所述观测对象的相同图像特征点中的第一图像特征点，确定所述车辆所在的第一车辆观测点和第二车辆观测点，所述车辆搭载相机在所述第一车辆观测点采集的观测对象的车载图像和在所述第二车辆观测点采集的观测对象的车载图像中，均包含所述第一图像特征点；
从所述车载卫星导航定位数据中获取所述第一车辆观测点的三维位置、所述第一车辆观测点对应的车辆定位中心与所述车辆搭载相机的相位中心的第一姿态变化量、所述第二车辆观测点的三维位置、所述第二车辆观测点对应的车辆定位中心与所述车辆搭载相机的相位中心的第二姿态变化量；
利用所述第一姿态变化量，确定在所述第一车辆观测点时所述车辆搭载相机对所述观测对象的第一观测方位角，以及利用所述第二姿态变化量，确定在所述第二车辆观测点时所述车辆搭载相机对所述观测对象的第二观测方位角；
利用所述第一车辆观测点的三维位置、所述第二车辆观测点的三维位置、所述第一观测方位角和所述第二观测方位角，利用前方交会法计算所述观测对象的第一图像特征点的三维坐标。
20.根据权利要求19所述的三维地图的构建方法，其中，
所述车辆、所述无人机和所述第一图像特征点对应的所述观测对象的三维点满足三角形环路约束条件，所述三角形环路约束条件包括如下项中的至少一项：
所述车辆在第一时刻所在的第一车辆观测点、所述无人机在所述第一时刻所在的第一无人机观测点、与所述第一图像特征点对应的所述观测对象的三维点形成三角形环路；
所述车辆在第二时刻所在的第二车辆观测点、所述无人机在所述第二时刻所在的第二无人机观测点、与所述第一图像特征点对应的所述观测对象的三维点形成三角形环路；
所述车辆在第一时刻所在的第一车辆观测点、所述车辆在第二时刻所在的第二车辆观测点、与所述第一图像特征点对应的所述观测对象的三维点形成三角形环路；以及
所述无人机在所述第一时刻所在的第一无人机观测点、所述无人机在所述第二时刻所在的第二无人机观测点、与所述第一图像特征点对应的所述观测对象的三维点形成三角形环路。
21.一种三维地图构建设备，其特征在于，包括存储器和处理器；
所述存储器用于储存有可执行程序代码；
所述处理器用于读取所述存储器中存储的可执行程序代码以执行权利要求11至20任一项所述的三维地图的构建方法。
22.一种非暂态存储介质，其特征在于，所述非暂态存储介质包括指令集，当所述指令集在计算机上运行时，使得计算机执行如权利要求11至20任意一项所述的三维地图的构建方法。
CN201810882469.0A 2018-07-30 2018-07-30 三维地图构建***、方法、设备和存储介质 Active CN110779496B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810882469.0A CN110779496B (zh) 2018-07-30 2018-07-30 三维地图构建***、方法、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810882469.0A CN110779496B (zh) 2018-07-30 2018-07-30 三维地图构建***、方法、设备和存储介质

Publications (2)

Publication Number Publication Date
CN110779496A CN110779496A (zh) 2020-02-11
CN110779496B true CN110779496B (zh) 2022-03-22

Family

ID=69383126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810882469.0A Active CN110779496B (zh) 2018-07-30 2018-07-30 三维地图构建***、方法、设备和存储介质

Country Status (1)

Country Link
CN (1) CN110779496B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111862308A (zh) * 2020-07-16 2020-10-30 广州安廷数字技术有限公司 一种城市建模***和方法
CN112269202A (zh) * 2020-10-15 2021-01-26 武汉大学 一种运动载体辅助的空间基准传递***及方法
CN113610991B (zh) * 2021-10-09 2022-02-22 创泽智能机器人集团股份有限公司 一种基于三维地图确定观测位置的方法、设备
CN113920263A (zh) * 2021-10-18 2022-01-11 浙江商汤科技开发有限公司 地图构建方法、装置、设备及存储介质
CN114935939A (zh) * 2022-05-09 2022-08-23 北京航天发射技术研究所 一种基于伴飞无人机的实时路径规划***及规划方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106097304A (zh) * 2016-05-31 2016-11-09 西北工业大学 一种无人机实时在线地图生成方法
CN106595659A (zh) * 2016-11-03 2017-04-26 南京航空航天大学 城市复杂环境下多无人机视觉slam的地图融合方法
CN107547792A (zh) * 2016-06-29 2018-01-05 常州市测绘院 一种面向三维建模的车载移动影像采集***及其工作方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110137547A1 (en) * 2009-12-03 2011-06-09 Electronics And Telecommunications Research Institute System and method for generating spatial information
EP3855276A1 (en) * 2014-09-05 2021-07-28 SZ DJI Technology Co., Ltd. Multi-sensor environmental mapping
CN105678754B (zh) * 2015-12-31 2018-08-07 西北工业大学 一种无人机实时地图重建方法
CN106441319B (zh) * 2016-09-23 2019-07-16 中国科学院合肥物质科学研究院 一种无人驾驶车辆车道级导航地图的生成***及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106097304A (zh) * 2016-05-31 2016-11-09 西北工业大学 一种无人机实时在线地图生成方法
CN107547792A (zh) * 2016-06-29 2018-01-05 常州市测绘院 一种面向三维建模的车载移动影像采集***及其工作方法
CN106595659A (zh) * 2016-11-03 2017-04-26 南京航空航天大学 城市复杂环境下多无人机视觉slam的地图融合方法

Also Published As

Publication number Publication date
CN110779496A (zh) 2020-02-11

Similar Documents

Publication Publication Date Title
CN110779496B (zh) 三维地图构建***、方法、设备和存储介质
US11585951B1 (en) Heading or pitch determination systems and methods with high confidence error bounds
CN106772493B (zh) 基于北斗差分定位的无人机航向测算***及其测算方法
CN106093994B (zh) 一种基于自适应加权混合卡尔曼滤波的多源联合定位方法
CN110274588A (zh) 基于无人机集群信息的双层嵌套因子图多源融合导航方法
US11550067B2 (en) System and method for fusing dead reckoning and GNSS data streams
US20180274920A1 (en) Device, method, and system for processing survey data, and program therefor
CN106842271B (zh) 导航定位方法及装置
US20150234055A1 (en) Aerial and close-range photogrammetry
CN111426320B (zh) 一种基于图像匹配/惯导/里程计的车辆自主导航方法
JP5602070B2 (ja) 位置標定装置、位置標定装置の位置標定方法および位置標定プログラム
CN102901977B (zh) 一种飞行器的初始姿态角的确定方法
US11875519B2 (en) Method and system for positioning using optical sensor and motion sensors
CN111854740B (zh) 能够在交通工具中进行航位推算的惯性导航***
US9857179B2 (en) Magnetic anomaly tracking for an inertial navigation system
CN107966145B (zh) 一种基于稀疏长基线紧组合的auv水下导航方法
CN109937341A (zh) 自己的位置的估计
CN110849360B (zh) 面向多机协同编队飞行的分布式相对导航方法
RU109553U1 (ru) Интегрированная система на основе бесплатформенной инерциальной навигационной системы и спутниковой навигационной системы
CN108205151B (zh) 一种低成本gps单天线姿态测量方法
CN109596127A (zh) 一种无线电辅助航位推算的导航方法
CN105466423A (zh) 一种无人机导航***及其运行方法
Huang et al. Research on UAV flight performance test method based on dual antenna GPS/ins integrated system
JP5994237B2 (ja) 測位装置及びプログラム
CN103675867B (zh) 定位单元及其方法

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40023177

Country of ref document: HK

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201215

Address after: Room 603, 6 / F, Roche Plaza, 788 Cheung Sha Wan Road, Kowloon, China

Applicant after: Zebra smart travel network (Hong Kong) Limited

Address before: Grand Cayman Islands

Applicant before: Alibaba Group Holding Ltd.

GR01 Patent grant
GR01 Patent grant