CN112381884B - 基于rgbd相机的空间圆目标位姿测量方法 - Google Patents
基于rgbd相机的空间圆目标位姿测量方法 Download PDFInfo
- Publication number
- CN112381884B CN112381884B CN202011262357.9A CN202011262357A CN112381884B CN 112381884 B CN112381884 B CN 112381884B CN 202011262357 A CN202011262357 A CN 202011262357A CN 112381884 B CN112381884 B CN 112381884B
- Authority
- CN
- China
- Prior art keywords
- rgb
- coordinate system
- matrix
- camera
- plane
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于RGBD相机的空间圆目标位姿测量方法,首先从RGBD深度相机中获取RGB图像、深度数据、内参和外参数据;然后检测目标空间圆在RGB相机拍摄的RGB图像中投影形成的目标椭圆,并得到对应候选区域的像素点坐标集合;然后根据内参数据解算出两组平面法向向量解;再利用内参数据、外参数据和像素点坐标集合获得对应的空间三维点云数据;之后根据三维点云数据和两组平面法向向量解算出精确的空间圆的真实法向向量;最后利用真实法向向量结合椭圆的拟合矩阵对空间圆位置进行精确定位。
Description
技术领域
本发明涉及计算机视觉技术领域,更具体的说是涉及一种基于RGBD相机的空间圆目标位姿测量方法。
背景技术
空间圆的位姿测量一直是计算机视觉中的关键研究问题,主要任务是解算出目标圆在相机坐标系下的空间位置和法向。位姿估计可以广泛应用于空间卫星的对接环对接,发动机尾部跟踪,无人机导航,空地协同等多种前瞻性应用。空间圆的位姿测量主要分为单目测量和多目测量两种情况。其中,单目测量往往要求目标提供少许合作信息,比如目标实际半径或直线、圆的位置等信息。此外由于单目位姿精度直接与目标椭圆精度相关,因此会导致位姿跟踪过程中存在位姿不稳定的问题。而基于多目的测量则可以缓解上述问题,并且不需要目标位置尺度等合作信息。
多目相机分为多目和结构光相机,统称为RGBD深度相机。多数基于多目相机的圆位姿估计方法主要是在每个相机上检测目标圆,之后利用双目之间的变换矩阵去除圆位姿二义性并确定中心点。但这种方法要求两边均检测出椭圆且形状相似。因此这类方法尽管精度较高,但是很容易丢失目标。
因此,如何提高空间圆位姿测量的准确性和稳定性是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于RGBD相机的空间圆目标位姿测量方法,首先从RGBD深度相机中采集RGB图像、深度数据、内参和外参数据,内参数据包括红外IR相机下的深度数据DIR和相机标定后得到的内参矩阵KRGB、KIR,外参数据包括红外IR相机到RGB相机的旋转矩阵与平移向量然后检测目标空间圆在RGB相机拍摄的RGB图像中投影形成的目标椭圆,并得到对应候选区域的像素点坐标集合;然后根据内参数据解算出两组平面法向向量虚解;再利用内参数据、外参数据和像素点坐标集合获得对应的空间三维点云数据;之后根据三维点云数据和两组平面法向向量解算出精确的空间圆的最终法向向量;最后利用最终法向向量结合椭圆的拟合矩阵对空间圆位置进行精确定位。
为了实现上述目的,本发明采用如下技术方案:
一种基于RGBD相机的空间圆目标位姿测量方法,包括以下步骤:
步骤1:从RGBD深度相机采集数据,所述数据包括RGB相机下的RGB图像IRGB、左红外IR相机下的深度数据DIR和相机标定后得到的内参矩阵KRGB、KIR,以及所述左红外IR相机到所述RGB相机的旋转矩阵与平移向量定义RGB图像坐标系为{I}RGB,RGB相机坐标系为{C}RGB,定义左IR图像坐标系为{I}IR,左IR相机坐标系为{C}IR;定义坐标系{I}RGB下的坐标为(uRGB,vRGB),坐标系{C}RGB下的坐标为(xRGB,yRGB,zRGB),坐标系{I}IR下的坐标为(uIR,vIR),坐标系{C}IR下的坐标为(xIR,yIR,zIR);
步骤4:利用所述内参矩阵KRGB和KIR、所述旋转矩阵所述平移向量将所述深度数据DIR对齐到所述RGB图像IRGB上,从所述步骤2中得到的候所述像素点坐标集合中,提取出对应的在左IR图像坐标系{I}IR下空间点集
优选的,所述步骤2的具体实现过程为:
优选的,所述步骤3的具体实现过程为:
步骤31:根据所述目标椭圆的中心点(x0,y0)、半长短轴(a,b)和旋转角θ,得到椭圆二次型方程为其中所述RGB相机坐标系{C}RGB下的坐标为(xRGB,yRGB,zRGB),其中ai的计算方式为:
步骤32:以所述RGB相机坐标系{C}RGB的原点为顶点,根据所述目标椭圆确定空间椭圆锥在所述RGB相机坐标系{C}RGB的椭圆锥方程,利用所述椭圆二次型方程和所述内参矩阵KRGB确定所述空间椭圆锥,所述椭圆锥方程表示为其中p=(x,y,z)T;
步骤33:所述椭圆锥方程的二次型矩阵表示为 计算矩阵QΓ的特征值λ1,λ2,λ3和特征向量e1,e2,e3,满足|λ1|≥|λ2|,e3|Z>0,e3*(0,0,1)>0,则两组所述平面法向向量为其中P=[e1,e2,e3]。
优选的,所述步骤4的具体实现过程为:
步骤41:在所述左IR图像坐标系{I}IR下,利用所述深度数据DIR得到所述左IR图像坐标系{I}IR下的坐标(uIR,vIR)对应的深度值zc=d,利用所述内参矩阵KIR得到左IR相机坐标系{C}IR下的坐标(xIR,yIR,zIR)和所述坐标(uIR,vIR)之间的变换关系:
步骤44:根据步骤41-步骤43获得所述RGB图像坐标系{I}RGB下像素点坐标(uRGB,vRGB)和所述左IR图像坐标系{I}IR下坐标(uIR,vIR)之间的变换关系,结合所述候选区域的所述像素点坐标集合获得对应的在所述左IR图像坐标系{I}IR下的空间点集
优选的,所述步骤5的具体实现过程为:
步骤52:对滤波后的所述点集使用K-means算法进行聚类,得到K组深度点集合{pi,i=1,2,...,K},其中K值较大,以保证聚类片较小以去除错误平面片;对每组深度点集合pi利用最小距离方法拟合平面,采用最小化误差函数约束得到每个深度点对应的平面参数ai及单位法向ni;
步骤53:对K组所述深度点集pi构建邻接矩阵M,所述邻接矩阵M为对称矩阵,对于点集pi和点集pj,i表示矩阵行数,j表示矩阵列数,当满足所述点集pi和所述点集pj之间最短距离接近于0,且所述单位法向ni≈nj,则所述邻接矩阵M中表示所述点集pi和所述点集pj的邻接关系的Mi,j=1,否则Mi,j=-1;
步骤54:设定一个在IR相机坐标系下的椭圆法向量nIR,计算每个所述深度点集pi的法向量ni与所述椭圆法向量nIR的角度差异若所述角度差异大于设定阈值,则对应的所述深度点集pi为无效点集,并将所述邻接矩阵M的第i行和第i列所有元素设置为-1;否则为有效点集;
步骤55:查找在所述目标椭圆上的有效点集{pki,i=1,2,...,m},对每个有效点集进行平面生长,生长过程中不断更新当前点集的平面法向,若更新前的点集法向和更新后的点集法向之间的所述角度差异小于所述阈值,则使用更新后的点集继续生长,否则使用更新前的点集继续搜索新的平面,直至无法组合新的平面,最终每个所述有效点集对应的生长区域为
步骤57:对每个所述点集进行生长,统计最终生长点集的个数Mi,并拟合出对应的平面法向和平面方程的常数项Ti,计算最终法向得分选择最高得分的平面法向作为输入椭圆法向量的最终结果,并提取出对应平面方程的常数项
步骤58:根据所述步骤33计算出的所述法向向量和所述步骤43给出的相机之间的转换关系得到所述法向向量在所述IR相机下的椭圆法向量其中根据当前所述椭圆法向量重复所述步骤54至所述步骤57,获得平面法向及对应的最高得分选择最大分数对应的所述平面法向作为最终法向结果获得精确的所述空间圆的所述真实法向向量和所述空间圆所在所述平面方程的常数项
优选的,所述步骤6的具体实现过程为:
步骤61:令所述空间圆的所述中心点为世界坐标系原点,所述空间圆的法向为坐标系的Z轴的方向,则所述空间圆在所述RGB图像坐标系{I}RGB下的方程表达式如下:
根据步骤5算出的所述真实法向向量nC,构造一个所述旋转矩阵R,
步骤62:结合所述内参矩阵KRGB和KIR,令A=RK,则得到约束矩阵B如下:
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于RGBD相机的空间圆目标位姿测量方法,基于RGBD深度相机实现空间圆在线位姿测量,融合目标空间圆的深度信息,实现更高精度的测量。使用RGB彩色图像和深度图像检测空间圆的位姿,利用彩色图确定空间圆,利用深度数据对姿态进行进一步修正与优化,以提高位姿的准确性。此外,本发明仅利用空间圆算位姿,无需目标实际半径和直线等合作信息,因此降低了测量数据采集的要求,提高了位姿测算的稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的基于RGBD相机的空间圆目标位姿测量方法流程图。
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、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种基于RGBD相机的空间圆目标位姿测量方法,包括以下步骤:
S1:从RGBD深度相机采集的数据包含以下几个内容,彩色相机下的RGB图像IRGB、左红外IR相机下的深度数据DIR和相机标定后得到的内参矩阵KRGB、KIR和左IR相机到RGB相机的旋转矩阵与平移向量
S23:查找所有满足的像素点,其中RGB图像坐标系{I}RGB下的坐标为(uRGB,vRGB),并构成像素点坐标集合其中ci表示在RGB图像坐标系{I}RGB下候选区域内的坐标;因为拟合出的椭圆误差较大,此刻旋转角基本无用,只能确定最大的一个圆环区域,因此不需要考虑倾角;
S32:以RGB相机坐标系{C}RGB的原点为顶点,根据目标椭圆确定空间椭圆锥在RGB相机坐标系{C}RGB的椭圆锥方程,利用椭圆二次型方程和内参矩阵KRGB确定空间椭圆锥,椭圆锥方程表示为其中p=(x,y,z)T;
S33:椭圆锥方程的二次型矩阵表示为计算矩阵QΓ的特征值λ1,λ2,λ3和特征向量e1,e2,e3,满足|λ1|≥|λ2|,e3|Z>0,e3*(0,0,1)>0,则两组平面法向向量为其中P=[e1,e2,e3];每个向量对应的元素用l,m,n表示,i取值范围为1和2,1表示公式中正号的情况,2表示公式中负号的情况;
S41:在左IR图像坐标系{I}IR下,利用深度数据DIR得到左IR图像坐标系{I}IR下的坐标(uIR,vIR)对应的深度值zc=d,利用内参矩阵KIR得到左IR相机坐标系{C}IR下的坐标(xIR,yIR,zIR)和坐标(uIR,vIR)之间的变换关系:
S44:根据S41-S43获得RGB图像坐标系{I}RGB下像素点坐标(uRGB,vRGB)和左IR图像坐标系{I}IR下坐标(uIR,vIR)之间的变换关系,结合候选区域的像素点坐标集合获得对应的在左IR图像坐标系{I}IR下的空间点集
S52:对滤波后的点集使用K-means算法进行聚类,得到K组深度点集合{pi,i=1,2,...,K},其中K值较大,以保证聚类片较小以去除错误平面片。对每组深度点集合利用最小距离的方法拟合平面,即最小化误差函数约束得到每个深度点对应的平面参数ai及其单位法向ni;
S53:对K组深度点集pi构建邻接矩阵M,邻接矩阵M为对称矩阵,对于点集pi和pj,i表示矩阵行数,j表示矩阵列数,当其满足点集pi和pj之间最短距离接近于0,且单位法向ni≈nj,则邻接矩阵M中表示点集pi和点集pj的邻接关系的Mi,j=1,否则Mi,j=-1;
S54:设定一个在IR相机坐标系下的椭圆法向量nIR,计算每个深度点集pi的法向量ni与椭圆法向量nIR的角度差异若角度差异过大,大于设定阈值则认为对应的深度点集pi为无效点集,将邻接矩阵M的第i行和第i列所有元素设置为-1;否则为有效点集;
S55:查找在目标椭圆上的有效点集对每个有效点集进行平面生长,生长过程中不断更新当前点集的平面法向,若若更新前的点集法向和更新后的点集法向之间的角度差异小于阈值,则使用更新后的点集继续生长,否则使用更新前的点集继续搜索新的平面,直至无法组合新的平面,最终每个有效点集对应的生长区域为
S58:根据步骤33计算出的法向向量和步骤43给出的相机之间的转换关系得到法向向量在IR相机下的椭圆法向量其中根据当前椭圆法向量重复步骤54至步骤57,获得平面法向及对应的最高得分选择最大分数对应的平面法向作为最终法向结果获得精确的空间圆的真实法向向量和空间圆所在平面方程的常数项
S61:令空间圆的中心点为世界坐标系原点,空间圆的法向为坐标系的Z轴的方向,则空间圆在RGB图像坐标系{I}RGB下的方程表达式如下:
根据S5算出的真实法向向量nC,构造一个旋转矩阵R,
S62:结合内参矩阵KRGB和KIR,令A=RK,则得到约束矩阵B如下:
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种基于RGBD相机的空间圆目标位姿测量方法,其特征在于,包括以下步骤:
步骤1:从RGBD深度相机采集数据,所述数据包括RGB相机下的RGB图像IRGB、左红外IR相机下的深度数据DIR、相机标定后得到的内参矩阵KRGB和KIR、所述左红外IR相机到所述RGB相机的旋转矩阵与平移向量
步骤4:利用所述内参矩阵KRGB和KIR、所述旋转矩阵所述平移向量将所述深度数据DIR对齐到所述RGB图像IRGB上,从所述步骤2中得到的所述像素点坐标集合中提取出对应的在左IR图像坐标系{I}IR下空间点集
2.根据权利要求1所述的一种基于RGBD相机的空间圆目标位姿测量方法,其特征在于,所述步骤2的具体实现过程为:
3.根据权利要求2所述的一种基于RGBD相机的空间圆目标位姿测量方法,其特征在于,所述步骤3的具体实现过程为:
步骤32:以所述RGB相机坐标系{C}RGB的原点为顶点,根据所述目标椭圆确定空间椭圆锥在所述RGB相机坐标系{C}RGB的椭圆锥方程,利用所述椭圆二次型方程和所述内参矩阵KRGB确定所述空间椭圆锥,所述椭圆锥方程表示为其中p=(xRGB,yRGB,zRGB);
4.根据权利要求3所述的一种基于RGBD相机的空间圆目标位姿测量方法,其特征在于,所述步骤4的具体实现过程为:
步骤41:在所述左IR图像坐标系{I}IR下,利用所述深度数据DIR得到所述左IR图像坐标系{I}IR下的坐标(uIR,vIR)对应的深度值zc=d,利用所述内参矩阵KIR得到左IR相机坐标系{C}IR下的坐标(xIR,yIR,zIR)和所述坐标(uIR,vIR)之间的变换关系:
5.根据权利要求4所述的一种基于RGBD相机的空间圆目标位姿测量方法,其特征在于,所述步骤5的具体实现过程为:
步骤52:对滤波后的所述点集使用K-means算法进行聚类,得到K组深度点集合{pi,i=1,2,...,K};对每组深度点集合pi利用最小距离方法拟合平面,采用最小化误差函数约束得到每个深度点对应的平面参数ai及单位法向ni;
步骤53:对K组所述深度点集pi构建邻接矩阵M,所述邻接矩阵M为对称矩阵,对于点集pi和点集pj,i表示矩阵行数,j表示矩阵列数,当满足所述点集pi和所述点集pj之间最短距离接近于0,且所述单位法向ni≈nj,则所述邻接矩阵M中表示所述点集pi和所述点集pj的邻接关系的Mi,j=1,否则Mi,j=-1;
步骤54:设定一个在IR相机坐标系下的椭圆法向量nIR,计算每个所述深度点集pi的法向量与椭圆法向量nIR的角度差异若所述角度差异大于设定阈值,则对应的所述深度点集pi为无效点集,并将所述邻接矩阵M的第i行和第i列所有元素设置为-1;否则为有效点集;
步骤55:查找在所述目标椭圆上的有效点集对每个有效点集进行平面生长,生长过程中不断更新当前点集的平面法向,若更新前的点集法向和更新后的点集法向之间的所述角度差异小于所述阈值,则使用更新后的点集继续生长,否则使用更新前的点集继续搜索新的平面,直至无法组合新的平面,最终每个所述有效点集对应的生长区域为
步骤57:对每个所述点集进行生长,统计最终生长点集的个数Mi,并拟合出对应的平面法向和平面方程的常数项Ti,计算最终法向得分选择最高得分的平面法向作为输入所述椭圆法向量的最终结果,并提取出对应平面方程的常数项
6.根据权利要求5所述的一种基于RGBD相机的空间圆目标位姿测量方法,其特征在于,所述步骤6的具体实现过程为:
步骤61:令所述空间圆的所述中心点为世界坐标系原点,所述空间圆的法向为坐标系的Z轴的方向,则所述空间圆在所述RGB图像坐标系{I}RGB下的方程表达式如下:
根据算出的所述真实法向向量nC,构造一个所述旋转矩阵R,
步骤62:结合所述内参矩阵KRGB和KIR,令A=RK,则得到约束矩阵B如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011262357.9A CN112381884B (zh) | 2020-11-12 | 2020-11-12 | 基于rgbd相机的空间圆目标位姿测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011262357.9A CN112381884B (zh) | 2020-11-12 | 2020-11-12 | 基于rgbd相机的空间圆目标位姿测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112381884A CN112381884A (zh) | 2021-02-19 |
CN112381884B true CN112381884B (zh) | 2022-04-19 |
Family
ID=74583381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011262357.9A Active CN112381884B (zh) | 2020-11-12 | 2020-11-12 | 基于rgbd相机的空间圆目标位姿测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381884B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113180709B (zh) * | 2021-07-01 | 2021-09-07 | 晓智未来(成都)科技有限公司 | 一种基于摄影测量的人体待检测部位姿态识别方法 |
CN113453009B (zh) * | 2021-07-04 | 2023-02-14 | 西北工业大学 | 基于拟合平面几何误差最小的点云空间可伸缩编码几何重构方法 |
CN113888611B (zh) * | 2021-09-03 | 2023-03-31 | 北京三快在线科技有限公司 | 一种确定图像深度的方法、装置及存储介质 |
CN113744338A (zh) * | 2021-10-29 | 2021-12-03 | 青岛影创信息科技有限公司 | 一种深度视频空间平面检测方法及*** |
CN116664394B (zh) * | 2023-08-01 | 2023-10-03 | 博奥生物集团有限公司 | 一种三维人眼图像生成方法及装置、电子设备、存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517291A (zh) * | 2014-12-15 | 2015-04-15 | 大连理工大学 | 基于目标同轴圆特征的位姿测量方法 |
CN105509733A (zh) * | 2015-11-30 | 2016-04-20 | 上海宇航***工程研究所 | 非合作空间圆目标的相对位姿测量方法 |
CN109163657A (zh) * | 2018-06-26 | 2019-01-08 | 浙江大学 | 一种基于双目视觉三维重建的圆形目标位姿检测方法 |
CN109405835A (zh) * | 2017-08-31 | 2019-03-01 | 北京航空航天大学 | 基于非合作目标直线与圆单目图像的相对位姿测量方法 |
-
2020
- 2020-11-12 CN CN202011262357.9A patent/CN112381884B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517291A (zh) * | 2014-12-15 | 2015-04-15 | 大连理工大学 | 基于目标同轴圆特征的位姿测量方法 |
CN105509733A (zh) * | 2015-11-30 | 2016-04-20 | 上海宇航***工程研究所 | 非合作空间圆目标的相对位姿测量方法 |
CN109405835A (zh) * | 2017-08-31 | 2019-03-01 | 北京航空航天大学 | 基于非合作目标直线与圆单目图像的相对位姿测量方法 |
CN109163657A (zh) * | 2018-06-26 | 2019-01-08 | 浙江大学 | 一种基于双目视觉三维重建的圆形目标位姿检测方法 |
Non-Patent Citations (1)
Title |
---|
Satellite Pose Estimation via Single Perspective Circle and Line;MENG C. 等;《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》;20181231;第54卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112381884A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112381884B (zh) | 基于rgbd相机的空间圆目标位姿测量方法 | |
CN109300162B (zh) | 一种基于精细化雷达扫描边缘点的多线激光雷达和相机联合标定方法 | |
CN109785379B (zh) | 一种对称物体尺寸及重量的测量方法及测量*** | |
CN113436260B (zh) | 基于多传感器紧耦合的移动机器人位姿估计方法和*** | |
CN108986037A (zh) | 基于半直接法的单目视觉里程计定位方法及定位*** | |
CN106683137B (zh) | 基于人工标志的单目多目标识别与定位方法 | |
CN107677274B (zh) | 基于双目视觉的无人机自主着陆导航信息实时解算方法 | |
CN109211198B (zh) | 一种基于三目视觉的智能目标检测和测量***和方法 | |
CN109579825B (zh) | 基于双目视觉和卷积神经网络的机器人定位***及方法 | |
WO2021098079A1 (zh) | 一种利用双目立体相机构建栅格地图的方法 | |
CN107862735B (zh) | 一种基于结构信息的rgbd三维场景重建方法 | |
CN112270698B (zh) | 基于最邻近曲面的非刚性几何配准方法 | |
CN107818598B (zh) | 一种基于视觉矫正的三维点云地图融合方法 | |
CN109523595A (zh) | 一种建筑工程直线棱角间距视觉测量方法 | |
CN108921864A (zh) | 一种光条中心提取方法及装置 | |
CN103278138A (zh) | 一种复杂结构薄部件三维位置及姿态的测量方法 | |
CN113834625B (zh) | 一种飞行器模型表面压力测量方法及*** | |
WO2023178925A1 (zh) | 一种基于icp与多特征数据关联的障碍物预测与跟踪方法 | |
CN106204557A (zh) | 一种基于扩展高斯球与m估计的非完备数据对称特征的提取方法 | |
CN112946679B (zh) | 一种基于人工智能的无人机测绘果冻效应检测方法及*** | |
CN112947526B (zh) | 一种无人机自主降落方法和*** | |
CN115144828B (zh) | 一种智能汽车多传感器时空融合的自动在线标定方法 | |
CN105957107A (zh) | 行人检测与跟踪方法及装置 | |
CN109086350B (zh) | 一种基于WiFi的混合图像检索方法 | |
CN113034614B (zh) | 一种五圆标定板的五圆心标定方法 |
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 |