| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 21 | 基于九轴惯性传感器的无人机自主返航方法 | CN201710825142.5 | 2017-09-14 | CN107831776A | 2018-03-23 | 向北海 |
| 一种基于九轴惯性传感器的无人机自主返航方法，首先基于IMU九轴惯性测量单元记录无人机起始点的状态信息，通过摄像头等时间间隔记录起点至终点去程过程中的N幅关键帧图像；以起点初始状态为无人机的标准姿态，通过PID控制参数控制对无人机回程过程中当前状态的姿态角进行修正；通过光流法估计航速，并对航速进行积分，得到当前位置距离前一关键帧图像位置的相对位移信息；最后将当前图像帧与前一关键帧进行图像特征点匹配，结合相邻两帧间的相对位移信息控制无人机向目标关键帧位置逼近，当匹配结果非常接近时，更新到下一关键帧图像直至回到去程起点。其能减小光流法对航速进行积分带来的漂移误差，还能减少图像帧的存储量，有效节约存储空间。 | ||||||
| 22 | 可变块匹配运动估算装置 | CN95101684.9 | 1995-01-27 | CN1129322C | 2003-11-26 | 丁海默 |
| 一种根据块匹配运动估算法检测视频信号中的一个当前帧与前一帧之间的运动矢量的装置，包括一个可变块形成部分，用于从当前帧中定义一个可变搜索块，所述可变搜索块是从当前帧内没有目标边线的平滑画面块的一个选择的搜索块扩展的；以及一个运动估算部分，用于估算该可变搜索块相对于包含在前一帧中的各候选块的运动，以提供与之对应的若干运动矢量及误差函数，所述运动矢量表示搜索块与得出最小误差函数的一个候选块之间的象素的位移。 | ||||||
| 23 | 可变块匹配运动估算装置 | CN95101684.9 | 1995-01-27 | CN1127971A | 1996-07-31 | 丁海默 |
| 一种根据块匹配运动估算法检测视频信号中的一个当前帧与前一帧之间的运动矢量的装置，包括一个可变块形成部分，用于从当前帧中定义一个可变搜索块，所述可变搜索块是从当前帧内没有目标边线的平滑画面块的一个选择的搜索块扩展的；以及一个运动估算部分，用于估算该可变搜索块相对于包含在前一帧中的各候选块的运动，以提供与之对应的若干运动矢量及误差函数，所述运动矢量表示搜索块与得出最小误差函数的一个候选块之间的象素的位移。 | ||||||
| 24 | 基于焦距等效和帧流同步的双摄像头深度估计方法和装置 | CN202210794566.0 | 2022-07-05 | CN115396566A | 2022-11-25 | 刘云新; 李元春 |
| 本发明涉及一种基于焦距等效和帧流同步的双摄像头深度估计方法和装置，包括：根据迭代FoV裁剪技术，对所述双摄像头进行焦距等效；基于预设丢帧阈值，对所述异构摄像头进行帧流同步；利用焦距等效和帧流同步后的双摄像头，对目标图像进行深度估计。本发明采用迭代视场裁剪方式，同步移动设备上两个摄像头的焦距，以实现精确的极线矫正。同时，对移动设备上两个摄像头捕捉的帧流进行同步，避免移动物体于同一时刻在两个摄像头上的帧间位移。在此基础上，利用焦距等效和帧流同步后的双摄像头对目标图像进行深度估计，可降低深度估计的误差。 | ||||||
| 25 | 用于检测最优运动矢量的方法和设备 | CN96107173.7 | 1996-06-28 | CN1145007A | 1997-03-12 | 金相昊 |
| 本发明提供了一种确定视频信号的当前帧和其参考帧之间运动矢量的方法和设备。根据其相应搜寻区域来运动估算一搜寻块，由此在包含于相应搜寻区域的候选块中选择一预定数的候选块，其中被选的候选块的误差函数不大于落选候选块的误差函数。然后，获得各所选候选块的误差信号并把它变换为一组变换系数。接着，基于这些组变换系数选出一个最优误差信号，选出在搜寻块和与最优误差信号相应的候选块之间的象素的位移作为搜寻块的运动矢量。 | ||||||
| 26 | 用于检测最优运动矢量的方法和设备 | CN96107173.7 | 1996-06-28 | CN1136728C | 2004-01-28 | 金相昊 |
| 本发明提供了一种确定视频信号的当前帧和其参考帧之间运动矢量的方法和设备。根据其相应搜寻区域来运动估算一搜寻块，由此在包含于相应搜寻区域的候选块中选择一预定数的候选块，其中被选的候选块的误差函数不大于落选候选块的误差函数。然后，获得各所选候选块的误差信号并把它变换为一组变换系数。接着，基于这些组变换系数选出一个最优误差信号，选出在搜寻块和与最优误差信号相应的候选块之间的象素的位移作为搜寻缺的运动矢量。 | ||||||
| 27 | 对二进制图象进行轮廓运动估计的方法和装置 | CN97116879.2 | 1997-09-03 | CN1206299A | 1999-01-27 | 金镇宪 |
| 一种用于估计二进制视频图象的当前和先前帧之间的运动的方法,其中当前帧被分成多个大小相等的搜索块,形成多个具有与搜索块相同的大小的候选块,将每一候选块离开该搜索块的位移提供为每一候选块的位移矢量。随后用每一候选块与该搜索块相重叠以由此确定未匹配区、匹配区边界和搜索块的边界,给未匹配区内的每一象素分配一权,其中该权可能随象素的不同而变化。然后计算每一候选块的加权误差并选择具有最小误差位移矢量作为最佳运动矢量。 | ||||||
| 28 | 一种激光slam自适应自动更新地图的方法及系统 | CN202311789336.6 | 2023-12-25 | CN117451035B | 2024-02-27 | 王运志 |
| 一种激光slam自适应自动更新地图的方法及系统包括加载原始地图，转换成栅格地图，进入定位；接收当前激光数据，确定初始位姿；根据激光帧间匹配计算位姿，并融合里程计数据计算位姿，生成当前位姿；对计算出的当前位姿进行判断，判断是否保存为关键帧，当前位姿与上一关键帧位移、角度差大于设定阈值时，将该帧数据存储为最新关键帧；将最新关键帧和地图进行匹配，若满足匹配要求，则构建误差项ei，位姿图优化；将优化的关键帧位姿作为当前地图坐标系下的准确位姿，将激光点云按照优化后的位姿插入至栅格地图中，更新地图；上述方法及系统通过关键帧累计，图优化计算出一系列关键帧准确位姿，将关键帧的点云插入地图，实现地图的准确自动更新。 | ||||||
| 29 | 一种激光slam自适应自动更新地图的方法及系统 | CN202311789336.6 | 2023-12-25 | CN117451035A | 2024-01-26 | 王运志 |
| 一种激光slam自适应自动更新地图的方法及系统包括加载原始地图，转换成栅格地图，进入定位；接收当前激光数据，确定初始位姿；根据激光帧间匹配计算位姿，并融合里程计数据计算位姿，生成当前位姿；对计算出的当前位姿进行判断，判断是否保存为关键帧，当前位姿与上一关键帧位移、角度差大于设定阈值时，将该帧数据存储为最新关键帧；将最新关键帧和地图进行匹配，若满足匹配要求，则构建误差项ei，位姿图优化；将优化的关键帧位姿作为当前地图坐标系下的准确位姿，将激光点云按照优化后的位姿插入至栅格地图中，更新地图；上述方法及系统通过关键帧累计，图优化计算出一系列关键帧准确位姿，将关键帧的点云插入地图，实现地图的准确自动更新。 | ||||||
| 30 | 一种快速收敛的基于场景非均匀性校正方法 | CN201110457706.7 | 2011-12-31 | CN102538973B | 2014-04-02 | 陈钱; 左超; 顾国华; 隋修宝; 刘宁; 季尔优; 钱惟贤; 何伟基; 张闻文; 路东明; 于雪莲; 毛义伟; 王士绅; 雷晓杰; 冯世杰 |
| 本发明公开了一种快速收敛的基于场景非均匀性校正方法，通过最小化相邻两帧图像的帧间配准误差，达到非均匀性校正的目的。其主要包括：初始化增益与偏置校正参数并采集一帧未校正原始图像；采集一帧新的未校正原始图像，并与上一帧未校正原始图像一同利用当前非均匀性校正参数进行非均匀性校正；利用原点掩蔽相位相关方法获得两帧校正后图像的相对位移，场景相关系数与帧间配准误差；并采用最速下降法沿着负梯度方向更新校正参数。本发明具有校正精度高，收敛速度快，不存在鬼影效应，计算量、存储量低等优点。非常适合集成于红外焦平面成像系统中，达到提高红外焦平面阵列的成像质量、环境适应性、时间稳定性的功效。 | ||||||
| 31 | 一种快速收敛的基于场景非均匀性校正方法 | CN201110457706.7 | 2011-12-31 | CN102538973A | 2012-07-04 | 陈钱; 左超; 顾国华; 隋修宝; 刘宁; 季尔优; 钱惟贤; 何伟基; 张闻文; 路东明; 于雪莲; 毛义伟; 王士绅; 雷晓杰; 冯世杰 |
| 本发明公开了一种快速收敛的基于场景非均匀性校正方法，通过最小化相邻两帧图像的帧间配准误差，达到非均匀性校正的目的。其主要包括：初始化增益与偏置校正参数并采集一帧未校正原始图像；采集一帧新的未校正原始图像，并与上一帧未校正原始图像一同利用当前非均匀性校正参数进行非均匀性校正；利用原点掩蔽相位相关方法获得两帧校正后图像的相对位移，场景相关系数与帧间配准误差；并采用最速下降法沿着负梯度方向更新校正参数。本发明具有校正精度高，收敛速度快，不存在鬼影效应，计算量、存储量低等优点。非常适合集成于红外焦平面成像系统中，达到提高红外焦平面阵列的成像质量、环境适应性、时间稳定性的功效。 | ||||||
| 32 | 一种基于双向SIFT流运动评估的大位移目标稀疏跟踪方法 | CN201610863484.1 | 2016-09-29 | CN106447696A | 2017-02-22 | 张焕龙; 钱晓亮; 陈虎; 吴青娥; 贺振东; 刁智华; 王延峰 |
| 本发明公开了一种基于双向SIFT流运动评估的大位移目标稀疏跟踪方法，其步骤如下：初始化字典；采用双向SIFT流技术评估目标运动位移：对相邻两帧图像中的所有像素点采用SIFT流技术进行特征匹配，采用点轨迹滤波机制，建立跟踪目标中像素点的可靠运动轨迹集合，依据可靠点对的集合，确定跟踪目标的运动状态；获取观测样本集合；依据稀疏表示理论，计算稀疏外观模型的稀疏系数矩阵；获得观测样本的重构误差；字典模板更新；重复上述操作实现大位移运动目标的跟踪。本发明对动态摄像机下目标存在帧间运动大位移时能够有效地实现持续性跟踪，实现了帧间存在大运动位移目标的精确跟踪，提高了在复杂场景下跟踪的适应能力。 | ||||||
| 33 | 一种基于双向SIFT流运动评估的大位移目标稀疏跟踪方法 | CN201610863484.1 | 2016-09-29 | CN106447696B | 2017-08-25 | 张焕龙; 钱晓亮; 陈虎; 吴青娥; 贺振东; 刁智华; 王延峰 |
| 本发明公开了一种基于双向SIFT流运动评估的大位移目标稀疏跟踪方法，其步骤如下：初始化字典；采用双向SIFT流技术评估目标运动位移：对相邻两帧图像中的所有像素点采用SIFT流技术进行特征匹配，采用点轨迹滤波机制，建立跟踪目标中像素点的可靠运动轨迹集合，依据可靠点对的集合，确定跟踪目标的运动状态；获取观测样本集合；依据稀疏表示理论，计算稀疏外观模型的稀疏系数矩阵；获得观测样本的重构误差；字典模板更新；重复上述操作实现大位移运动目标的跟踪。本发明对动态摄像机下目标存在帧间运动大位移时能够有效地实现持续性跟踪，实现了帧间存在大运动位移目标的精确跟踪，提高了在复杂场景下跟踪的适应能力。 | ||||||
| 34 | 运动估测方法 | CN200810002216.6 | 2008-01-02 | CN101309407B | 2010-08-11 | 张芳甄 |
| 一种运动估测方法，用以参考一先前帧中的数个参考区块来估测一目前帧图像的目前区块的移动向量。此方法包括：首先，依据一加权绝对差值和(sum of absolute differences，SAD)运算决定一目前帧的目前区块与先前帧的每个参考区块的误差值。此加权SAD运算强调目前区块的高频像素所对应的绝对差值。接着，决定具有最小误差值的参考区块为一相符区块。最后，决定依据此目前区块与相符区块间的位移为目前区块的一移动向量。 | ||||||
| 35 | 运动估测方法 | CN200810002216.6 | 2008-01-02 | CN101309407A | 2008-11-19 | 张芳甄 |
| 一种运动估测方法，用以参考一先前帧中的数个参考区块来估测一目前帧图像的目前区块的移动向量。此方法包括：首先，依据一加权绝对差值和(sum of absolute differences，SAD)运算决定一目前帧的目前区块与先前帧的每个参考区块的误差值。此加权SAD运算强调目前区块的高频像素所对应的绝对差值。接着，决定具有最小误差值的参考区块为一相符区块。最后，决定依据此目前区块与相符区块间的位移为目前区块的一移动向量。 | ||||||
| 36 | 利用一个权函数的块匹配运动估算装置 | CN95101341.6 | 1995-01-26 | CN1127967A | 1996-07-31 | 丁海默 |
| 一种块匹配运动估算装置，估算当前帧中的一搜索块相对于一个前面的帧中各候选块的位移，以生成运动矢量与表示该搜索块与一候选块间的相似性的误差函数。该运动估算装置利用一权函数来加权根据MSE测定的若干误差函数，并选择最小误差的一个加权误差函数以生成一与之对应的运动矢量。该权函数包括一定义在该搜索块中的局限的子块的局部方差。权函数的另一例子包括经过一个二维梯度滤波器滤波的搜索块中的象素的梯度。 | ||||||
| 37 | 用于室外特征稀疏环境下的机器人SLAM方法及系统 | CN202110350778.5 | 2021-03-31 | CN113155140B | 2022-08-02 | 陈卫东; 田琛晟; 王景川 |
| 本发明提供了一种用于室外特征稀疏环境下的移动机器人视觉惯性SLAM方法及系统，包括：获取室外特征稀疏环境下的环境图像，并对环境图像进行预处理，得到预处理后的环境图像；通过分块SIFT特征提取算法提取预处理后的环境图像的稀疏特征；通过惯性单元IMU的预积分量对机器人帧间运动进行估计，并估计匹配点的帧间位移，通过位移的大小对稀疏特征的重要性进行评判，计算得到视觉重投影误差；根据IMU预积分过程中的方差累计得到IMU误差；根据视觉重投影误差以及IMU误差共同构建损失函数；通过非线性优化方法最小化损失函数，求解机器人的位姿变换和地图点空间坐标。本发明可以降低光照剧烈变化和特征稀疏等困难对定位性能的影响，提高移动机器人在复杂室外环境下的自主性。 | ||||||
| 38 | 用于室外特征稀疏环境下的机器人SLAM方法及系统 | CN202110350778.5 | 2021-03-31 | CN113155140A | 2021-07-23 | 陈卫东; 田琛晟; 王景川 |
| 本发明提供了一种用于室外特征稀疏环境下的移动机器人视觉惯性SLAM方法及系统，包括：获取室外特征稀疏环境下的环境图像，并对环境图像进行预处理，得到预处理后的环境图像；通过分块SIFT特征提取算法提取预处理后的环境图像的稀疏特征；通过惯性单元IMU的预积分量对机器人帧间运动进行估计，并估计匹配点的帧间位移，通过位移的大小对稀疏特征的重要性进行评判，计算得到视觉重投影误差；根据IMU预积分过程中的方差累计得到IMU误差；根据视觉重投影误差以及IMU误差共同构建损失函数；通过非线性优化方法最小化损失函数，求解机器人的位姿变换和地图点空间坐标。本发明可以降低光照剧烈变化和特征稀疏等困难对定位性能的影响，提高移动机器人在复杂室外环境下的自主性。 | ||||||
| 39 | 一种基于PCA的加权融合室内定位方法 | CN201910636664.X | 2019-07-15 | CN110458887A | 2019-11-15 | 徐岩; 李宁宁 |
| 本发明公开了一种基于PCA的加权融合室内定位方法，包括：初始化ELM模型，将训练样本集输入到ELM神经网络中，利用ELM回归算法对训练样本集建立神经网络模型；将测试样本集输入到训练好的神经网络模型中，获取相邻帧图像间的相对位移，对相对位移结果进行积分，得到帧图像的位置；引入图像模糊判断，利用惯性信息和上一帧图像的位置计算当前帧图像的位置作为帧图像定位结果；利用视觉信息对原始加速度测量信号进行漂移校正，将漂移校正后的加速度进行二次积分，得到惯性定位结果；利用PCA对帧图像、惯性定位结果进行权重分配，得到最终的定位结果。本方法可有效控制INS的累积误差，有效解决VNS易受外部干扰的问题。 | ||||||
| 40 | 一种基于PCA的加权融合室内定位方法 | CN201910636664.X | 2019-07-15 | CN110458887B | 2022-12-06 | 徐岩; 李宁宁 |
| 本发明公开了一种基于PCA的加权融合室内定位方法，包括：初始化ELM模型，将训练样本集输入到ELM神经网络中，利用ELM回归算法对训练样本集建立神经网络模型；将测试样本集输入到训练好的神经网络模型中，获取相邻帧图像间的相对位移，对相对位移结果进行积分，得到帧图像的位置；引入图像模糊判断，利用惯性信息和上一帧图像的位置计算当前帧图像的位置作为帧图像定位结果；利用视觉信息对原始加速度测量信号进行漂移校正，将漂移校正后的加速度进行二次积分，得到惯性定位结果；利用PCA对帧图像、惯性定位结果进行权重分配，得到最终的定位结果。本方法可有效控制INS的累积误差，有效解决VNS易受外部干扰的问题。 | ||||||
QQ群二维码
意见反馈
意见反馈