CN117808872A - 一种无人机姿态位置估计方法 - Google Patents
一种无人机姿态位置估计方法 Download PDFInfo
- Publication number
- CN117808872A CN117808872A CN202410231611.0A CN202410231611A CN117808872A CN 117808872 A CN117808872 A CN 117808872A CN 202410231611 A CN202410231611 A CN 202410231611A CN 117808872 A CN117808872 A CN 117808872A
- Authority
- CN
- China
- Prior art keywords
- marker
- aerial vehicle
- unmanned aerial
- image
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000003550 marker Substances 0.000 claims abstract description 74
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical group C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- 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
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种无人机姿态位置估计方法,涉及导航测量技术领域。包括:获取标记体的图像;分析图像,获得标记体和无人机的角度关系和标记体的真实数据,真实数据包括标记体的真实姿态数据和真实位置数据,标记体为立体结构,其上的多个标记面处在相交的平面中;根据角度关系和真实姿态数据确定无人机的估计姿态;根据角度关系和真实位置数据确定无人机的估计位置。本申请采用立体的标记体,仅通过图像中标记体各个标记面之间的相对关系就可以确定无人机的估计姿态和估计位置,无需进行额外的采集操作,降低了无人机位置和姿态估计的数据量。
Description
技术领域
本申请涉及导航测量技术领域,特别涉及一种无人机姿态位置估计方法。
背景技术
无人机是一种通过地面站控制或自动控制在空中飞行并执行任务的设备,其主要分为固定翼和旋翼两种形式,其中固定翼无人机的体积较大,其在军用领域应用较多,固定翼无人机的优势是速度快、航程长、载重量大,旋翼无人机的体积较小,因此在民用领域应用较多,其优势是体积小、控制灵活。
无人机在执行任务过程中,要在需要的时候确定当前的位置和姿态,例如在电力线缆的巡线、林草资源的巡查、森林消防的监控等方面,都需要时刻了解无人机的位置和姿态。目前,对于无人机的位置和姿态检测主要是基于内置的定位单元和三轴陀螺仪,这些传感器虽然能够较为准确和及时的获取需要的数据,但是其本身工作状态也会存在不稳定的情况,例如温度漂移、信号干扰等。为了提高无人机位置和姿态检测的准确性,现有技术提出了多种估计方法,例如CN113237478A公开了一种无人机的姿态和位置估计方法及无人机,其利用机载OpenMV摄像头采集包含有AprilTags标签的图片,解析其中AprilTags标签的信息即可获得较为准确的数据。
然而,上述专利采用了平面形式的AprilTags标签阵列,无人机只能根据其图像信息获得位置信息,无法获得姿态数据,导致无人机仍需要借助其他技术来确定准确的姿态数据。
发明内容
本申请实施例提供了一种无人机姿态位置估计方法,用以解决现有技术中仅能从AprilTags标签获得位置数据的问题。
本申请实施例提供了一种无人机姿态位置估计方法,包括:
获取标记体的图像;
分析图像,获得标记体和无人机的角度关系和标记体的真实数据,真实数据包括标记体的真实姿态数据和真实位置数据,标记体为立体结构,其上的多个标记面处在相交的平面中;
根据角度关系和真实姿态数据确定无人机的估计姿态;
根据角度关系和真实位置数据确定无人机的估计位置。
在一种可能的实现方式中,图像中标记体的每个标记面上均具有标记符号,对标记符号进行解析得到真实数据。
在一种可能的实现方式中,标记符号为图形码或文字码。
在一种可能的实现方式中,在分析图像时,对图像中标记体的每个标记面进行重建,获得重建标记图形,将重建标记图形与多个标准图形进行对比,确定角度关系。
在一种可能的实现方式中,每个标准图形均具有对应的标准角度数据,与重建标记图形相似度最高的标准图形的标准角度数据为角度关系。
在一种可能的实现方式中,图像中包含标记部分和背景部分,在确定角度关系时,根据标记部分在图像中的位置对角度关系进行校正。
在一种可能的实现方式中,在校正角度关系时,还根据标记部分的大小确定无人机和标记体之间的距离,根据距离和标记部分在图像中的位置对角度关系进行校正。
在一种可能的实现方式中,在确定估计位置时,根据角度关系以及无人机和标记体的距离确定无人机和标记体之间的位置关系,根据位置关系和真实位置数据确定估计位置。
在一种可能的实现方式中,在确定估计姿态时,还获取无人机和图像采集单元的相对角度,根据相对角度对估计姿态进行校正。
本申请中的一种无人机姿态位置估计方法,具有以下优点:
采用立体的标记体,仅通过图像中标记体各个标记面之间的相对关系就可以确定无人机的估计姿态和估计位置,无需进行额外的采集操作,降低了无人机位置和姿态估计的数据量。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种无人机姿态位置估计方法的流程图;
图2为本申请实施例提供的无人机和标记单元的相对位置示意图;
图3为本申请实施例提供的标记单元的结构示意图。
附图标号说明:100、无人机;200、图像采集单元;300、标记单元;310、标记体;320、立柱;311、标记面;312、标记符号。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
图1为本申请实施例提供的一种无人机姿态位置估计方法的流程图。本申请实施例提供了一种无人机姿态位置估计方法,包括:
S100,获取标记体310的图像。
示例性地,无人机100在飞行过程中可以通过其底部安装的图像采集单元200获取标记体310的图像。具体地,标记体310可以设置在多处,其设置的位置可以预先存储在无人机100中,无人机100在飞行过程中可以实时采集当前位置,当该当前位置与任意一个标记体310的位置之间的距离在一定距离阈值内时,无人机100可以控制图像采集单元200采集当前朝向上的图像,该图像中则将包含标记体310。
S110,分析图像,获得标记体310和无人机100的角度关系和标记体310的真实数据,真实数据包括标记体310的真实姿态数据和真实位置数据,标记体310为立体结构,其上的多个标记面311处在相交的平面中。
示例性地,在获得图像后,可以首先对其预处理,对图像的预处理包括中值滤波、二值化等处理,然后采用大津法(OTSU)将图像分割为前景部分和背景部分,该前景部分即为仅包含标记体310的部分,也称为标记部分。
如图2所示,本申请实施例中的标记体310设置在立柱320上,二者合称为标记单元300,该标记单元300为一个整体且设置在多个位置,通过立柱320可以使标记体310处在确定的状态下,例如距离地面的高度、水平度、方向等,避免地面状态不佳对标记体310造成影响。
在本申请的一实施例中,标记体310为六面体结构,以便无人机100获取的图像中能够包含至少三个标记面311的信息。在其他实施例中,标记体310还可以采用其他形状的立体结构,例如四面体、八面体等,一旦确定标记体310的结构后,则所有位置设置的标记体310均需要采用相同形状和大小的结构,以使无人机100在分析图像时具有统一且确定的分析规则。
图像中标记体310的每个标记面311上均具有标记符号312,对标记符号312进行解析得到真实数据。标记符号312为图形码或文字码。具体地,标记符号312可以记载当前标记体310的真实姿态数据和真实位置数据,其中真实姿态数据为每个标记面311在三维空间中的平面方程,该三维空间可以为采用大地坐标系,即以东西方向为X轴、南北方向为Y轴、天地方向为Z轴建立的三维空间坐标系。当采用文字码时,可以将平面方程直接刻画在标记面311上,而采用图形码时,则可以将平面方程按照设定的编码规则编码为图形码,在图像采集单元200获取图像后,提取图像中的图形码,并对图形码按照设定的解码规则解码即可得到平面方程。而真实位置数据则为对标记符号312解析后得到的当前标记体310的经纬度和海拔高度数据。
应理解,由于在分析前已经将图像分割为标记部分和背景部分,因此仅需要对标记部分进行分析,即可得到需要的信息,无需对整个图像进行分析。
在分析图像时,对图像中标记体310的每个标记面311进行重建,获得重建标记图形,将重建标记图形与多个标准图形进行对比,确定角度关系。重建处理是对图像中的标记部分进行去除噪声、线条提取等处理,以将标记部分中相邻标记面311之间的界限保留,其他的位置均以统一的颜色,例如白色填充,形成的重建标记图形即为多个黑色线条围成的图形,线条之间的区域采用白色填充。标准图形是预先由图像采集单元200以各种和标记体310的相对角度关系拍摄的图像,该图像也需要经过中值滤波、二值化、前景提取、去除噪声和线条提取等处理,以得到和重建标准图像相同标准的图像。在拍摄标准图形时,无人机100也将记录拍摄时的角度关系,即图像采集单元200的朝向和标记体310中各个标记面311之间的夹角。
在实际处理中,每个标准图形均具有对应的标准角度数据,与重建标记图形相似度最高的标准图形的标准角度数据为角度关系。
进一步地,在确定角度关系时,根据标记部分在图像中的位置对角度关系进行校正。
由于图像采集单元200在获取图像时并不能保证能正对标记体310,而图像采集单元200的朝向由无人机100的姿态决定,因此在得到角度关系后,还需要确定标记部分在图像中的位置,如果标记部分的几何中心和图像的几何中心重叠或距离很小,可以认为图像采集单元200正对标记体310,此时则不需要对角度关系进行校正。如果标记部分的几何中心和图像的几何中心具有较大的距离,则需要根据标记部分的大小确定无人机100和标记体310之间的距离,然后根据距离和标记部分在图像中的位置对角度关系进行校正。具体地,标记部分在图像中的大小遵循透视原理,即近大远小,无人机100和标记体310的距离越近,则标记部分在图像中的面积越大,反之则越小。在确定距离之前,需要预先在无人机100中存储面积和距离的比例关系,然后以像素为单位确定标记部分在图像中的面积,根据比例关系即可确定无人机100和标记体310的距离。
在确定距离后,还需要基于该距离以及标记部分的几何中心和图像的几何中心的距离确定对角度关系的校正角度。具体地,由于标准图形对应的角度关系均为图像采集单元200正对标记体310,即标准图形处在图像的中央时的角度,因此对角度关系校正的过程就是将原本正对标记体310的角度关系进行转动,以使校正后的角度关系达到与标记部分在图像中的位置匹配的状态。在校正时,可以预先在无人机100中存储校正角度、无人机100和标记体310的距离以及标记部分的几何中心和图像的几何中心的距离三者之间的计算关系,在确定后两个参数后,即可得到校正角度,利用该校正角度即可对角度关系进行校正。上述计算关系可以利用预先拍摄的多张图像中提取的数据确定,具体地,可以在无人机100和标记体310的多种不同距离以及标记部分的几何中心和图像的几何中心的多种不同距离下拍摄多张图像,这些图像拍摄时无人机100和标记体310的距离、标记部分的几何中心和图像的几何中心的距离以及相应的校正角度均已知,因此可以提取图像中的这些数据,然后采用最小二乘法拟合得到三个参数之间的函数关系式,在实际应用时,只要获得了三个参数中的两个,就可以通过函数关系式计算得到第三个参数。
S120,根据角度关系和真实姿态数据确定无人机100的估计姿态。
示例性地,由于在确定角度关系时未考虑标记体310每个标记面311在三维空间中的平面方程的差异,即将所有标记面311都认为是相同的平面,因此上述确定的角度关系仅为无人机100和任意角度朝向上的标记体310的角度关系,即标记体310的任意标记面311转动至同一位置时,上述的角度关系都将成立,此时无人机100的姿态会存在多种可能。因此本申请在根据标准图形确定角度关系后,还需要根据分析得到的标记体310的真实姿态数据确定每个标记面311的朝向,然后基于该朝向在众多的角度关系可能性中确定唯一且准确的角度关系,作为估计姿态。
进一步地,在确定估计姿态时,还获取无人机100和图像采集单元200的相对角度,根据相对角度对估计姿态进行校正。具体地,由于图像采集单元200和无人机100可能并不是保持完全相同的姿态,对于具有可转动的图像采集单元200的无人机100来说,还需要预先获取图像采集单元200和无人机100的相对角度,利用该相对角度对估计姿态进行校正,得到表示无人机100姿态的估计姿态。在实际应用中,可以由无人机100的飞行控制单元获取图像采集单元200的转动角度数据,该转动角度数据即为上述相对角度,将该相对角度和估计姿态中的角度进行数学运算,即可得到无人机100的估计姿态。
S130,根据角度关系和真实位置数据确定无人机100的估计位置。
示例性地,在确定估计位置时,根据角度关系以及无人机100和标记体310的距离确定无人机100和标记体310之间的位置关系,根据位置关系和真实位置数据确定估计位置。
具体地,角度关系只能代表无人机100和标记体310的相对角度,这种相对角度不受距离影响,即任意距离下角度关系均成立,因此在确定角度关系后,需要利用无人机100和标记体310的距离确定二者之间确定的位置关系,即二者在三维空间中的相对位置,其中包含了角度和距离。在得到位置关系后,基于标记体310的真实位置数据,即可计算得到无人机100的估计位置,该估计位置包含了经纬度和海拔高度。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (6)
1.一种无人机姿态位置估计方法,其特征在于,包括:
获取标记体(310)的图像;
分析所述图像,获得标记体(310)和无人机(100)的角度关系和标记体(310)的真实数据,所述真实数据包括标记体(310)的真实姿态数据和真实位置数据,所述标记体(310)为立体结构,其上的多个标记面(311)处在相交的平面中;在分析所述图像时,对所述图像中标记体(310)的每个标记面(311)进行重建,获得重建标记图形,将所述重建标记图形与多个标准图形进行对比,确定所述角度关系;所述图像中标记体(310)的每个标记面(311)上均具有标记符号(312),对所述标记符号(312)进行解析得到所述真实数据,所述真实姿态数据为每个所述标记面(311)在三维空间中的平面方程;
根据所述角度关系和真实姿态数据确定无人机(100)的估计姿态;在确定所述估计姿态时,根据所述平面方程确定每个所述标记面(311)的朝向,然后结合该朝向以及所述角度关系确定所述估计姿态;
根据所述角度关系和真实位置数据确定无人机(100)的估计位置;在确定所述估计位置时,根据所述角度关系以及无人机(100)和标记体(310)的距离确定无人机(100)和标记体(310)之间的位置关系,根据所述位置关系和真实位置数据确定所述估计位置。
2.根据权利要求1所述的一种无人机姿态位置估计方法,其特征在于,所述标记符号(312)为图形码或文字码。
3.根据权利要求1所述的一种无人机姿态位置估计方法,其特征在于,每个所述标准图形均具有对应的标准角度数据,与所述重建标记图形相似度最高的所述标准图形的标准角度数据为所述角度关系。
4.根据权利要求1所述的一种无人机姿态位置估计方法,其特征在于,所述图像中包含标记部分和背景部分,在确定所述角度关系时,根据所述标记部分在所述图像中的位置对所述角度关系进行校正。
5.根据权利要求4所述的一种无人机姿态位置估计方法,其特征在于,在校正所述角度关系时,还根据所述标记部分的大小确定无人机(100)和标记体(310)之间的距离,根据所述距离和所述标记部分在所述图像中的位置对所述角度关系进行校正。
6.根据权利要求1所述的一种无人机姿态位置估计方法,其特征在于,在确定所述估计姿态时,还获取无人机(100)和图像采集单元(200)的相对角度,根据所述相对角度对所述估计姿态进行校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410231611.0A CN117808872B (zh) | 2024-03-01 | 2024-03-01 | 一种无人机姿态位置估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410231611.0A CN117808872B (zh) | 2024-03-01 | 2024-03-01 | 一种无人机姿态位置估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117808872A true CN117808872A (zh) | 2024-04-02 |
CN117808872B CN117808872B (zh) | 2024-05-28 |
Family
ID=90425968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410231611.0A Active CN117808872B (zh) | 2024-03-01 | 2024-03-01 | 一种无人机姿态位置估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117808872B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104501779A (zh) * | 2015-01-09 | 2015-04-08 | 中国人民解放军63961部队 | 基于多站测量的无人机高精度目标定位方法 |
US20180150970A1 (en) * | 2016-11-15 | 2018-05-31 | Colorado Seminary Which Owns And Operates The University Of Denver | Image processing for pose estimation |
US20190063932A1 (en) * | 2017-08-28 | 2019-02-28 | Nec Laboratories America, Inc. | Autonomous Vehicle Utilizing Pose Estimation |
CN110246185A (zh) * | 2018-03-07 | 2019-09-17 | 阿里巴巴集团控股有限公司 | 图像处理方法、装置、***、存储介质和标定*** |
CN110827359A (zh) * | 2019-10-29 | 2020-02-21 | 武汉大学 | 基于棋盘格三面体的相机与激光器外参检校方法及装置 |
CN111981982A (zh) * | 2020-08-21 | 2020-11-24 | 北京航空航天大学 | 一种基于加权sfm算法的多向合作靶标光学测量方法 |
CN112419403A (zh) * | 2020-11-30 | 2021-02-26 | 海南大学 | 一种基于二维码阵列的室内无人机定位方法 |
CN112734844A (zh) * | 2021-01-08 | 2021-04-30 | 河北工业大学 | 一种基于正八面体的单目6d位姿估计方法 |
CN114115318A (zh) * | 2021-12-01 | 2022-03-01 | 山东八五信息技术有限公司 | 一种无人机降落到移动车辆顶部的视觉方法 |
CN115857519A (zh) * | 2023-02-14 | 2023-03-28 | 复亚智能科技(太仓)有限公司 | 一种基于视觉定位的无人机曲面平台自主降落方法 |
-
2024
- 2024-03-01 CN CN202410231611.0A patent/CN117808872B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104501779A (zh) * | 2015-01-09 | 2015-04-08 | 中国人民解放军63961部队 | 基于多站测量的无人机高精度目标定位方法 |
US20180150970A1 (en) * | 2016-11-15 | 2018-05-31 | Colorado Seminary Which Owns And Operates The University Of Denver | Image processing for pose estimation |
US20190063932A1 (en) * | 2017-08-28 | 2019-02-28 | Nec Laboratories America, Inc. | Autonomous Vehicle Utilizing Pose Estimation |
CN110246185A (zh) * | 2018-03-07 | 2019-09-17 | 阿里巴巴集团控股有限公司 | 图像处理方法、装置、***、存储介质和标定*** |
CN110827359A (zh) * | 2019-10-29 | 2020-02-21 | 武汉大学 | 基于棋盘格三面体的相机与激光器外参检校方法及装置 |
CN111981982A (zh) * | 2020-08-21 | 2020-11-24 | 北京航空航天大学 | 一种基于加权sfm算法的多向合作靶标光学测量方法 |
CN112419403A (zh) * | 2020-11-30 | 2021-02-26 | 海南大学 | 一种基于二维码阵列的室内无人机定位方法 |
CN112734844A (zh) * | 2021-01-08 | 2021-04-30 | 河北工业大学 | 一种基于正八面体的单目6d位姿估计方法 |
CN114115318A (zh) * | 2021-12-01 | 2022-03-01 | 山东八五信息技术有限公司 | 一种无人机降落到移动车辆顶部的视觉方法 |
CN115857519A (zh) * | 2023-02-14 | 2023-03-28 | 复亚智能科技(太仓)有限公司 | 一种基于视觉定位的无人机曲面平台自主降落方法 |
Non-Patent Citations (1)
Title |
---|
肖晖;柳建锋;田思净;何亮;: "共面条件约束的无人机视觉导航姿态测量", 电光与控制, no. 11 * |
Also Published As
Publication number | Publication date |
---|---|
CN117808872B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Detection, tracking, and geolocation of moving vehicle from uav using monocular camera | |
EP3407294B1 (en) | Information processing method, device, and terminal | |
EP3347789B1 (en) | Systems and methods for detecting and tracking movable objects | |
US10198632B2 (en) | Survey data processing device, survey data processing method, and survey data processing program | |
US9625912B2 (en) | Methods and systems for mobile-agent navigation | |
Merino et al. | Vision-based multi-UAV position estimation | |
US20220383484A1 (en) | Tunnel defect detecting method and system using unmanned aerial vehicle | |
US11625851B2 (en) | Geographic object detection apparatus and geographic object detection method | |
CN107194989A (zh) | 基于无人机飞机航拍的交通事故现场三维重建***及方法 | |
US20200357141A1 (en) | Systems and methods for calibrating an optical system of a movable object | |
CN109460046B (zh) | 一种无人机自然地标识别与自主着陆方法 | |
CN108535789A (zh) | 一种基于机场跑道的异物识别*** | |
CN109871739B (zh) | 基于yolo-sioctl的机动站自动目标检测与空间定位方法 | |
US20220309708A1 (en) | System and method for automated estimation of 3d orientation of a physical asset | |
CN114004977A (zh) | 一种基于深度学习的航拍数据目标定位方法及*** | |
CN113532499B (zh) | 无人***的传感器安全性检测方法、设备及存储介质 | |
Troiani et al. | Low computational-complexity algorithms for vision-aided inertial navigation of micro aerial vehicles | |
CN112740225A (zh) | 一种路面要素确定方法及装置 | |
CN107741233A (zh) | 一种三维室外地图的构建方法 | |
KR20210034253A (ko) | 위치 추정 장치 및 방법 | |
CN207068060U (zh) | 基于无人机飞机航拍的交通事故现场三维重建*** | |
Claro et al. | ArTuga: A novel multimodal fiducial marker for aerial robotics | |
Al-Rawabdeh et al. | A robust registration algorithm for point clouds from UAV images for change detection | |
Del Pizzo et al. | Reliable vessel attitude estimation by wide angle camera | |
CN117808872B (zh) | 一种无人机姿态位置估计方法 |
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 |