CN113838140B - 一种基于三维地图辅助的单目视频行人三维定位方法 - Google Patents
一种基于三维地图辅助的单目视频行人三维定位方法 Download PDFInfo
- Publication number
- CN113838140B CN113838140B CN202110936647.5A CN202110936647A CN113838140B CN 113838140 B CN113838140 B CN 113838140B CN 202110936647 A CN202110936647 A CN 202110936647A CN 113838140 B CN113838140 B CN 113838140B
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- dimensional
- video image
- target
- monocular
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本专利公开了一种基于三维地图辅助的单目视频行人三维定位方法:首先,获取包含待定位动态行人的单目视频图像以及视频域范围内的激光雷达点云;其次,通过提取与匹配单目视频图像与激光雷达点云中的特征点,恢复视频相机的位置、姿态和内方位元素;再次,对该视频图像里的待定位行人进行二维检测获取目标特征点像素坐标值,同时对目标所处场景的点云数据进行处理提取地平面,获取地平面在激光雷达坐标系竖直方向上的坐标值;然后,将目标行人始终垂直于地平面这一约束条件引入共线方程,基于上述过程得到的准备数据构建联合求解方程,恢复视频行人特征的三维坐标及身高信息。
Description
技术领域
本发明属于目标追踪领域,特别是涉及到一种基于三维地图辅助的单目视频行人三维定位方法。
背景技术
动态目标三维定位在智能交通、灾害应急服务、数字城市、公共疫情防控等领域都具有很好的实用价值。当前,目标三维定位主要依赖全球定位***(Global PositioningSystem,GPS),但在高大、密集建筑群或密闭空间中(如室内、隧道、地下停车场等)易受多路径效应及信号遮挡等因素影响导致定位失准。近年来无线定位技术,如超宽带(Ultra-WideBand,UWB)、无线网络(WIFI)、蓝牙和红外等也引起广泛关注,但其定位过程对外部条件依赖较大,成本较高、普适性差。
在过去的几十年,基于视觉和基于激光雷达的目标定位方法相继提出,并得到了广泛关注。立体视觉的定位技术相对成熟,但主要集中在车辆的三维位置估计上,而行人的身高和体形各不相同,导致缺乏足够的属性信息。传统的行人三维定位方法大多依赖于场景或行人的已知信息来,例如利用医学统计得到的身高与身体部位、步幅的关系来定位行人;或利用物理约束,通过简单的运动轨迹分析,如跳跃或奔跑,将像素测量值转换为人体高度。该类方法利用其他度量间接获得行人的三维位置,可能导致误差传播。此外,数码相机、激光雷达、无线传感器、惯性陀螺仪等传感器也可作为数据采集平台,同时获取图像数据和地理位置数据,构建三维地图实现多传感器融合定位。然而,这些方法高度依赖于设备或场景条件,不容易集成到所有公共场所。近年来,众多学者尝试利用人工智能的方法解决行人三维定位问题,提出了不同的神经网络结构,用于立体成像、定位或估计人体三维姿态。然而,在这些研究中依赖大量数据集进行训练且大多假设行人高度相同,会导致存在固有的定位误差,精度难以满足要求。
综上基于视觉的技术可以捕捉详细的姿态和纹理属性,但受限于每个空间点有且仅有一条透视投影直线与之对应,缺乏深度信息,需要额外信息实现二维到三维坐标的转换。在此背景下,我们提出了一种实现三维定位的有效替代方案,使用地面激光雷达捕捉三维地图来估计单目相机的参数。行人虽是动态目标但总是垂直于地面,所以我们能够确定其三维位置。该方法旨在解决平面定位的局限性,提高传统摄影测量在三维空间中的应用。
本发明考虑在一般情况下,针对上述单目视频动态目标三维定位存在的问题,提出了一种基于三维地图辅助的单目视频行人三维定位方法。该方法实现思路为:首先利用三维地图对单目视频图像进行标定以恢复相机参数,然后完成行人检测得到包括行人头脚位置的二维边界框,之后从单目视频的对应点云数据中提取地平面竖直方向坐标值,利用行人身体始终垂直于地面这一固有条件实现行人三维定位。本发明不依赖特殊标定物或训练数据集,不限制场景几何条件,计算过程简单高效,可获得比其他方法更准确的定位结果,还能恢复行人较为准确的身高值,同时具有理论和现实意义。
三、发明内容
(一)解决的技术方案
本发明的目的是对单目视频中的行人进行三维定位。考虑到实际场景中可能并没有可利用的几何约束,此时基于单目视频确定运动目标到摄像机的距离存在困难。针对该问题,本发明设计了一种基于三维地图辅助的单目视频行人三维定位方法,首先对视频域场景采集点云数据构建三维地图,然后利用特征匹配进行相机标定获取单目视频图像的内外方位元素,继而对包含待定位动态目标的单目视频图像进行行人检测获取行人框的像素坐标值,同时基于该视频场景的地面点云数据获取地平面竖直方向坐标,将行人始终垂直于地面这一固有条件引入共线方程,基于此对目标特征点进行联合平差求取三维位置。
(二)技术方案
为实现上述目的,本发明公开了一种基于三维地图辅助的单目视频行人三维定位方法,具体包括以下步骤:
步骤1:分别获取包含待定位动态目标的单目视频图像F和同一场景下未包含该目标的LiDAR点云C;
步骤2:利用单目视频图像F和点云C的特征点2D-3D匹配关系恢复相机的内外方位元素,并将外方位元素作为目标场景的全局变换参数;
步骤3:令Pi(i∈1,2,3,…,n)表示单目视频图像F中待定位行人,n为待定位行人总数,基于目标检测算法获取行人检测框上下边界线中点的像素坐标,分别用ti,bi表示;
步骤4:从该视频图像F所在场景扫描的激光雷达点云C中提取地平面,获取地平面竖直方向坐标值Zg;
步骤5:利用行人Pi(i∈1,2,3,…,n)始终垂直于地面这一固有条件,将步骤4中提取的地平面竖直方向坐标值Zg引入共线方程,与步骤3获取的某一行人像素坐标(ut,vt),(ub,vb)构建联合求解模型;
步骤6:对步骤5构建的模型进行泰勒多项式展开,多次迭代后求取满足一定阈值范围内的解,即可分别得到不同行人Pi(i∈1,2,3,…,n)两几何点ti,bi的三维坐标,实现了单目视频行人三维定位。
(三)有益效果
1、利用本发明,能在目标真实大小未知、场景无特定几何特征的情况下,实现单目视频动态行人的三维定位。
2、本发明可为城市动态行人视频跨境追踪、轨迹分析和行为异常检测等应用提供技术支撑。
四、附图说明
图1一种基于三维地图辅助的单目视频行人三维定位方法流程图。
图2激光雷达点云与包含待定位动态行人的单目视频图像示意图。
图3单目视频图像中待定位动态行人二维检测结果示意图。
图4单目视频图像中待定位动态行人三维定位示意图。
五、具体实施方式
以图2、图3和图4为例,详细说明本发明的实现过程。具体实施方式如下:
步骤1:此处以任一待定位行人Pi(i=1,2,3,…,n)为例进行描述。如图2所示,考虑待定位行人的动态性,首先利用三维激光扫描仪获取不含待定位行人Pi的激光雷达点云C,然后利用场景部署的监控摄像头截取包含该目标Pi的单目视频图像F。
步骤2:分别用OF-XFYFZF和OC-XCYCZC表示单目视频图像F和激光雷达点云C的坐标系,采用直接线性变换算法实现相机标定。从单目视频图像F和地面点云C中选取至少6对特征点,根据它们的2D-3D匹配关系恢复相机的内方位元素矩阵A(u0,v0,f),其中(u0,v0)表示像主点坐标,f为焦距,以及视频图像F获取瞬间的外方位元素矩阵E(包含平移向量T和旋转矩阵R),式(1)中(Xw,Yw,Zw)为待定位目标Pi的物方三维坐标,(u,v)是其像方二维坐标:
步骤3:如图3所示,利用YOLO目标检测器获取单目视频图像F中的行人Pi的二维检测框。YOLO算法将整个图像作为网络的输入,同时预测目标区域及其类别,将行人检测框上边缘的中点t,即行人头部的位置,和下边缘的中点b,即行人脚部的位置,作为标记点,分别用(ut,vt),(ub,vb)表示其像素坐标。
步骤4:在激光雷达中有一个陀螺仪,保证其坐标***中的Z轴总是垂直于地面,因此,从激光雷达点云C中提取地平面,获取其竖直方向坐标值Zg,为后续行人的三维定位提供必要的基础数据。
步骤5:如图4所示,对于仅出现在单目视频图像F中的待定位目标行人Pi,完成步骤2相机标定和姿态恢复后,将步骤4中提取的地平面竖直方向坐标值Zg引入改进的共线方程,如公式(2),求取行人脚点b的三维坐标(Xb,Yb,Zb),其中ai,bi,ci(i=1,2,3)表示旋转矩阵R中的元素值,(XS,YS,ZS)表示平移向量T中的元素值,
步骤6:考虑到单目视觉定位的不适定性,求解过程中引入行人始终垂直于地面作为约束条件,计算待定位目标行人Pi的头部点t的重投影误差(Δut,Δvt):
上式中表示直接从视频图像F中检测得到的点t的像素坐标,则有:
相应地,公式(4)中的重投影误差可以表示为关于行人头部点t竖直方向坐标值Zt的方程:
对式(7)进行矩阵运算计算未知数Zt的改正数ΔZt,经过多次迭代,得到满足精度要求的点t三维坐标,获取行人Pi头和脚的三维坐标后,计算行人身高h:
步骤7:步骤6得到的(Yt,Yt,Zt)和(Xb,Yb,Zb)即为满足所设置的阈值条件下的待定位目标行人Pi的头和脚三维坐标,基于此即可确定视频动态目标所处位置。
上述实施方案以任一目标为例描述了实施步骤,当有多个待定位目标时本方法同样适用。可实现单目视频动态行人的三维定位。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于三维地图辅助的单目视频行人三维定位方法,该方法包括:
步骤1:利用三维激光扫描仪获取不含待定位行人Pi的激光雷达点云C,然后利用场景部署的监控摄像头截取包含该目标Pi的单目视频图像F;
步骤2:分别用OF-XFYFZF和OC-XCYCZC表示单目视频图像F和激光雷达点云C的坐标系,采用直接线性变换算法实现相机标定,即从单目视频图像F和地面点云C中选取至少6对特征点,根据它们的2D-3D匹配关系按式(1)恢复相机的内方位元素矩阵A(u0,v0,f)
式(1)中(u0,v0)表示像主点坐标,f为焦距,E表示视频图像F获取瞬间的外方位元素矩阵,包含平移向量T和旋转矩阵R,(Xw,Yw,Zw)为待定位目标Pi的物方三维坐标,(u,v)是其像方二维坐标;
步骤3:利用YOLO目标检测器获取单目视频图像F中的行人Pi的二维检测框,即将整个图像作为网络的输入,同时预测目标区域及其类别,将行人检测框上边缘的中点t,即行人头部的位置和下边缘的中点b,即行人脚部的位置,作为标记点,分别用(ut,vt),(ub,vb)表示其像素坐标;
步骤4:因激光扫描仪中的陀螺仪可保证点云坐标系中的Z轴始终垂直于地面,从激光雷达点云C中提取地平面,获取其竖直方向坐标值Zg;
步骤5:对于仅出现在单目视频图像F中的待定位目标行人Pi,完成步骤2相机标定和姿态恢复后,将步骤4中提取的地平面竖直方向坐标值Zg引入共线方程求取行人脚点b的三维坐标(Xb,Yb,Zb):
其中ai,bi,ci(i=1,2,3)表示旋转矩阵R中的元素值,(XS,YS,ZS)表示平移向量T中的元素值;
步骤6:考虑到单目视觉定位的不适定性,求解过程中引入行人始终垂直于地面作为约束条件,计算待定位目标行人Pi的头部点t的重投影误差(Δut,Δvt):
上式中表示直接从视频图像F中检测得到的点t的像素坐标,则有:
相应地,公式(4)中的重投影误差可以表示为关于行人头部点t竖直方向坐标值Zt的方程:
对式(7)进行矩阵运算计算未知数Zt的改正数ΔZt,经过多次迭代,得到满足精度要求的点t三维坐标,获取行人Pi头和脚的三维坐标后,计算行人身高h:
步骤7:步骤6得到的(Xt,Yt,Zt)和(Xb,Yb,Zb)即为满足所设置的阈值条件下的待定位目标行人Pi的头和脚三维坐标,基于此即可确定视频动态目标所处位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110936647.5A CN113838140B (zh) | 2021-08-16 | 2021-08-16 | 一种基于三维地图辅助的单目视频行人三维定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110936647.5A CN113838140B (zh) | 2021-08-16 | 2021-08-16 | 一种基于三维地图辅助的单目视频行人三维定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113838140A CN113838140A (zh) | 2021-12-24 |
CN113838140B true CN113838140B (zh) | 2023-07-18 |
Family
ID=78960701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110936647.5A Active CN113838140B (zh) | 2021-08-16 | 2021-08-16 | 一种基于三维地图辅助的单目视频行人三维定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113838140B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018081008A (ja) * | 2016-11-16 | 2018-05-24 | 株式会社岩根研究所 | 基準映像地図を用いた自己位置姿勢標定装置 |
CN108932475A (zh) * | 2018-05-31 | 2018-12-04 | 中国科学院西安光学精密机械研究所 | 一种基于激光雷达和单目视觉的三维目标识别***及方法 |
CN109100741A (zh) * | 2018-06-11 | 2018-12-28 | 长安大学 | 一种基于3d激光雷达及图像数据的目标检测方法 |
CN110906880A (zh) * | 2019-12-12 | 2020-03-24 | 中国科学院长春光学精密机械与物理研究所 | 一种物体自动化三维激光扫描***和方法 |
CN111951305A (zh) * | 2020-08-20 | 2020-11-17 | 重庆邮电大学 | 一种基于视觉和激光雷达的目标检测和运动状态估计方法 |
CN112396664A (zh) * | 2020-11-24 | 2021-02-23 | 华南理工大学 | 一种单目摄像机与三维激光雷达联合标定及在线优化方法 |
CN113255481A (zh) * | 2021-05-11 | 2021-08-13 | 北方工业大学 | 一种基于无人巡逻车的人群状态检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3926959A4 (en) * | 2019-03-21 | 2022-03-23 | LG Electronics Inc. | POINT CLOUD DATA TRANSMITTER DEVICE, POINT CLOUD DATA TRANSMITTER METHOD, POINT CLOUD DATA RECEIVE DEVICE, AND POINT CLOUD DATA RECEIVE METHOD |
-
2021
- 2021-08-16 CN CN202110936647.5A patent/CN113838140B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018081008A (ja) * | 2016-11-16 | 2018-05-24 | 株式会社岩根研究所 | 基準映像地図を用いた自己位置姿勢標定装置 |
CN108932475A (zh) * | 2018-05-31 | 2018-12-04 | 中国科学院西安光学精密机械研究所 | 一种基于激光雷达和单目视觉的三维目标识别***及方法 |
CN109100741A (zh) * | 2018-06-11 | 2018-12-28 | 长安大学 | 一种基于3d激光雷达及图像数据的目标检测方法 |
CN110906880A (zh) * | 2019-12-12 | 2020-03-24 | 中国科学院长春光学精密机械与物理研究所 | 一种物体自动化三维激光扫描***和方法 |
CN111951305A (zh) * | 2020-08-20 | 2020-11-17 | 重庆邮电大学 | 一种基于视觉和激光雷达的目标检测和运动状态估计方法 |
CN112396664A (zh) * | 2020-11-24 | 2021-02-23 | 华南理工大学 | 一种单目摄像机与三维激光雷达联合标定及在线优化方法 |
CN113255481A (zh) * | 2021-05-11 | 2021-08-13 | 北方工业大学 | 一种基于无人巡逻车的人群状态检测方法 |
Non-Patent Citations (6)
Title |
---|
Monocular 3D Object Detection Leveraging Accurate Proposals and Shape Reconstruction;Jason Ku 等;《Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)》;11867-11876 * |
Monocular Pedestrian 3D Localization for Social Distance Monitoring;Yiru Niu 等;《sensors》;1-16 * |
Pedestrian Detection with Lidar Point Clouds Based on Single Template Matching;Kaiqi Liu 等;《electronics》;1-20 * |
一种新型三维激光扫描隧道测量点云坐标定位方法的精度评估;尤相骏 等;《测绘通报》(第4期);80-84 * |
基于多线激光雷达点云的高精度车辆及行人检测;杨孝奎;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》(第2期);C035-438 * |
多运动形式下的行人三维定位方法研究;赵辉 等;《北京信息科技大学学报(自然科学版)》;第31卷(第5期);82-86,96 * |
Also Published As
Publication number | Publication date |
---|---|
CN113838140A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021196294A1 (zh) | 一种跨视频人员定位追踪方法、***及设备 | |
Zhao et al. | A vehicle-borne urban 3-D acquisition system using single-row laser range scanners | |
CN110859044B (zh) | 自然场景中的集成传感器校准 | |
CN103512579B (zh) | 一种基于热红外摄像机和激光测距仪的地图构建方法 | |
CN110033489B (zh) | 一种车辆定位准确性的评估方法、装置及设备 | |
Qu et al. | Vehicle localization using mono-camera and geo-referenced traffic signs | |
Alcantarilla et al. | On combining visual SLAM and dense scene flow to increase the robustness of localization and mapping in dynamic environments | |
CN110345937A (zh) | 一种基于二维码的导航定姿定位方法和*** | |
CN111060924B (zh) | 一种slam与目标跟踪方法 | |
CN103093459B (zh) | 利用机载LiDAR点云数据辅助影像匹配的方法 | |
CN105225482A (zh) | 基于双目立体视觉的车辆检测***和方法 | |
CN112833892B (zh) | 一种基于轨迹对齐的语义建图方法 | |
CN115479598A (zh) | 基于多传感器融合的定位与建图方法及紧耦合*** | |
Pirker et al. | GPSlam: Marrying Sparse Geometric and Dense Probabilistic Visual Mapping. | |
CN115468567A (zh) | 一种面向越野环境的激光视觉融合slam方法 | |
CN114325634A (zh) | 一种基于激光雷达的高鲁棒性野外环境下可通行区域提取方法 | |
CN115265493B (zh) | 一种基于非标定相机的车道级定位方法及装置 | |
Zhang | LILO: A novel LiDAR–IMU SLAM system with loop optimization | |
Khoshelham et al. | Vehicle positioning in the absence of GNSS signals: Potential of visual-inertial odometry | |
CN114413958A (zh) | 无人物流车的单目视觉测距测速方法 | |
CN115355904A (zh) | 一种针对地面移动机器人的Lidar-IMU融合的slam方法 | |
Tao et al. | Automated processing of mobile mapping image sequences | |
CN113221883B (zh) | 无人机飞行导航路线实时修正方法 | |
Qian et al. | Survey on fish-eye cameras and their applications in intelligent vehicles | |
Chenchen et al. | A camera calibration method for obstacle distance measurement based on monocular vision |
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 |