公开(公告)号：CN117253029B

公开(公告)日：2024-07-09

申请号：CN202311153275.4

申请日：2023-09-07

Applicant: 北京自动化控制设备研究所

Inventor： 尚克军 ,  赵亮 ,  明丽 ,  赵宇飞 ,  焦浩 ,  李至 ,  王大元 ,  李茜茜 ,  张伟建 ,  王洪枫 ,  魏永树 ,  刘崇亮 ,  徐策 ,  扈光锋

IPC: G06V10/24 ,  G06V20/17 ,  G06V10/75 ,  G06V20/13

Abstract: 本发明提供了一种基于深度学习的图像匹配定位方法及计算机设备，该定位方法包括：步骤一、基于捕获的无人机姿态信息对无人机航拍帧间图像进行正射矫正以转换为正射图像，并统一帧间图像的尺度；步骤二、将卫星地图库中的图像和步骤一所得图像共同作为网络输入，通过ResPoint残差点网络提取二者的关键点和描述子；步骤三、根据步骤二所得结果计算相应单应矩阵；步骤四、根据所述单应矩阵计算出航拍图像中心像素坐标对应的位置信息。本发明解决了传统图像匹配算法视觉定位精度低、鲁棒性较差的问题。

公开(公告)号：CN118196498A

公开(公告)日：2024-06-14

申请号：CN202410318659.5

申请日：2024-03-20

Applicant: 北京自动化控制设备研究所

Inventor： 赵亮 ,  张伟建 ,  明丽 ,  王康 ,  赵宇飞 ,  王洪枫 ,  李至 ,  王大元 ,  李茜茜 ,  魏永树 ,  尚克军 ,  刘崇亮 ,  徐策 ,  扈光锋

IPC: G06V10/764 ,  G06V10/75 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/09

Abstract: 本发明提供一种基于深度学习的视觉导航品质因子分类方法及计算机设备，该方法包括：采集图像数据和导航数据，并对采集的数据采用图像匹配算法进行预处理，构建视觉导航品质因子分类数据集，作为原始训练数据；构建基于深度学习的品质因子分类网络，包括：品质因子分类网络采用卷积神经网络架构以完成二分类任务，其包括主干网络模块和全连接层模块，其中，主干网络模块用于将输入数据映射到网络的特征空间，学习网络的特征图，全连接层对主干网络的特征图进行解码，通过将主干网络学习到的各类模式和特征进行非线性组合以输出分类的置信度和类别；将原始训练数据集输入到品质因子分类网络中进行视觉导航品质分类训练，使训练后的品质因子分类网络输出视觉导航品质等级和置信度；实时采集图像数据和导航数据，将实时采集的数据采用图像匹配算法处理后输入训练后的品质因子分类网络进行视觉导航品质的自动分类。

公开(公告)号：CN117834071A

公开(公告)日：2024-04-05

申请号：CN202311713381.3

申请日：2023-12-13

Applicant: 北京自动化控制设备研究所

Inventor： 尚克军 ,  明丽 ,  王康 ,  王大元 ,  李至 ,  焦浩 ,  李茜茜 ,  赵亮 ,  赵宇飞 ,  王洪枫 ,  刘崇亮 ,  徐策 ,  扈光峰

IPC: H04J3/06 ,  G01C21/16 ,  H04N5/04

Abstract: 本发明提出一种飞行器惯性视觉导航系统时间同步方法，该同步方法步骤如下：步骤一，惯性测量模块以频率f1向核心处理器发送INS数据，以频率f2向数据处理电路发送同步输入信号；步骤二，数据处理电路启动同步计数；步骤三，数据处理电路每收到一次同步输入信号后，则以f3的频率向视觉成像模块发送同步输出信号，视觉成像模块将收到的时间戳信息记录在所成图像信息中；步骤四，核心处理器读取一帧INS数据，并给该帧INS打上时间戳信息；步骤五，核心处理器对带有时间戳的INS数据和图像数据进行对齐，时间戳差值最小的数据为同一时刻INS数据和图像数据。本发明解决了线程阻塞和低空飞行场景下光惯高精度同步的技术问题。

公开(公告)号：CN117115598A

公开(公告)日：2023-11-24

申请号：CN202311037205.2

申请日：2023-08-17

Applicant: 北京自动化控制设备研究所

Inventor： 尚克军 ,  李茜茜 ,  刘崇亮 ,  明丽 ,  王大元 ,  李至 ,  焦浩 ,  赵宇飞 ,  王洪枫 ,  赵亮 ,  扈光锋 ,  徐策

IPC: G06V10/776 ,  G06V20/17 ,  G06V10/44 ,  G06V10/56

Abstract: 本发明提供一种视觉线特征提取精度评价方法，评价方法包括：根据当前帧图像中跑道边线两端点的像素坐标和前后两个成像时刻相机的位姿变化，基于对极几何约束以在下一帧图像中确定两条极线，并根据跑道边线两端点到对极线的垂直距离建立跑道边线的评价指标qi；基于提取的当前帧图像中跑道边线邻域内相对灰度梯度统计建立评价指标qg；将评价指标qi和qg的乘积作为可靠度评价因子以实现对跑道边线提取效果的定量评价。本发明能够解决现有评价方法未能在图像层面客观评价边线提取效果的技术问题。

公开(公告)号：CN117109568A

公开(公告)日：2023-11-24

申请号：CN202311075535.0

申请日：2023-08-24

Applicant: 北京自动化控制设备研究所

Inventor： 尚克军 ,  李至 ,  焦浩 ,  李茜茜 ,  明丽 ,  王大元 ,  赵亮 ,  赵宇飞 ,  扈光锋 ,  徐策 ,  刘崇亮

IPC: G01C21/16 ,  G01C21/20 ,  G01C21/00

Abstract: 本发明提供一种惯性/多维视觉联合定位方法，该联合定位方法包括：提取点特征并完成点特征匹配；提取线特征完成线特征匹配；构造最小化重投影模型，根据所述点特征和线特征的匹配，获取相机位姿；进行惯性预积分计算，构造视觉点线‑惯性联合优化模型；完成视觉点线‑惯性联合优化模型的雅克比矩阵计算和状态更新，更新相机位姿、三维地图点坐标。采用该技术方案能在视觉丢失场景维持导航定位，进一步提升了城市场景下自主导航的鲁棒性。