积分商城

最新搜索： ide手册 传感器 拼音输入 STM32CubeMX vee使用 STM32入门教程
您现在的位置是：首页 > 技术资料 > 基于即时稠密三维重构的无人机视觉定位
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于即时稠密三维重构的无人机视觉定位

更新时间：2019-12-24 05:04:37 大小：2M 上传用户：zhiyao6查看TA发布的资源 标签：无人机视觉定位 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

传统景象匹配定位方法在用于低空无人机定位时,易因低空航拍图像视场小,且与卫星图像(带有地理信息)的拍摄角度差异大而失败.本文提出了一种基于即时稠密三维重构的无人机视觉定位方法,通过将稠密三维点云与卫星图像匹配以实现无人机定位.首先根据图像序列快速估计摄像机位姿,而后使用多深度图协同去噪与优化算法生成稠密三维点云,随后通过变换观察视角由稠密三维点云生成与卫星图像拍摄视角相近的虚拟视图,最后将虚拟视图与卫星图像匹配并得到无人机的地理坐标.由于稠密三维点云包含多张图像的信息,覆盖面积大,且可变化观察视角,因此能够有效克服上述两个问题.实验证明了本文方法的有效性.


部分文件列表

文件名 大小
基于即时稠密三维重构的无人机视觉定位.pdf 2M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
6
Vol． 45 No． 6  
Jun． 2017  
第
期
电
子
学
报
2017  
6
ACTA ELECTRONICA SINICA  
年
月
基于即时稠密三维重构的  
无人机视觉定位  
， ， ， ，  
陈宝华 邓 磊 陈志祥 段岳圻 周 杰  
(
，
清华大学自动化系 北京  
100084)  
:
， ， (  
传统景象匹配定位方法在用于低空无人机定位时 易因低空航拍图像视场小 且与卫星图像 带有地  
摘
要
) ． ，  
理信息 的拍摄角度差异大而失败 本文提出了一种基于即时稠密三维重构的无人机视觉定位方法 通过将稠密三维  
． ，  
点云与卫星图像匹配以实现无人机定位 首先根据图像序列快速估计摄像机位姿 而后使用多深度图协同去噪与优化  
， ，  
算法生成稠密三维点云 随后通过变换观察视角由稠密三维点云生成与卫星图像拍摄视角相近的虚拟视图 最后将虚  
． ， ，  
拟视图与卫星图像匹配并得到无人机的地理坐标 由于稠密三维点云包含多张图像的信息 覆盖面积大 且可变化观  
， ．  
察视角 因此能够有效克服上述两个问题 实验证明了本文方法的有效性  
．
:
;
;
关键词  
中图分类号  
URL: http: / /www． ejournal． org． cn  
无人机视觉定位 三维重建 即时构图及定位  
:
TP391  
:
A
: 0372-2112 ( 2017) 06-1294-07  
DOI: 10． 3969 /j． issn． 0372-2112． 2017． 06． 003  
文献标识码  
文章编号  
电子学报  
Instant Dense 3D Reconstruction-Based UAV Vision Localization  
CHEN Bao-hua，DENG Lei，CHEN Zhi-xiang，DUAN Yue-qi，ZHOU Jie  
( Department of Automation，Tsinghua University． Beijing 100084，China)  
Abstract: The corresponding matched images are hard to obtain by the convetional scene matching localization meth-  
od applied in UAV ( Unmanned Aerial Vehicle) at a low altitude because of the small viewing coverage and the big captu-  
ring angle difference comparing with the satellite images． We propose a localization method based on instant dense 3D recon-  
struction． Firstly，we use a fast SLAM ( Simultaneous Localization And Mapping) method to retrieve camera poses of image  
sequence captured by UAV． Secondly，cooperative denoising and optimization algorithm across multiple key frames is ap-  
plied to obtain dense depth map and dense point cloud． Thirdly，a virtual view，the angle of which is similar to that of satel-  
lite，is generated by iterative optimizing method． Finally，we estimate the position of UAV by correspondence between the  
satellite map and the previous generated virtual view． Since the dense 3D point cloud integrates the information of multiple  
aerial images with small field of view and the viewing angles of some generated virtual views are close to those of satellite  
images，the proposed method provides a higher success rate and accuracy for localization． Experimental results illustrate the  
effectiveness and applicability of the proposed framework．  
Key words: UAV vision localization; 3D reconstruction; SLAM  
， ．  
降 甚至完全失效 景象匹配定位方法利用机载光学传  
1
引言  
， ， ，  
感器估计无人机的地理坐标 设备要求低 适用性广 可  
，
近年来 无人机在城市环境中的低空飞行任务日  
．
作为卫星定位方法的有效补充  
景象匹配定位方法将光学传感器获得的查询图像  
， 、 ．  
益增多 如城市测绘 空中监控等 完成这些任务都需要  
，
在飞行过程中即时获得无人机地理坐标 以支持飞行  
．
与包含地理信息的参考图像进行匹配以实现定位 一  
、 ．  
控制 航路规划等任务 常用的卫星定位系统在城市低  
［1 ～ 4］  
些研究  
使用近似水平方向拍摄的带有地理坐标的  
，
空环境中易受建筑物遮蔽和回波的影响 导致精度下  
( ) ．  
图像 如街景图像 作为参考图像 在用于无人机定位  
: 2015-09-16;  
: 2016-05-04; :  
责任编辑 覃怀银  
收稿日期  
修回日期  
:
基金项目 国家自然科学基金  
( No． 61225008，No． 61373074，No． 61020106004)  
1295  
6
:
陈宝华 基于即时稠密三维重构的无人机视觉定位  
第
期
， ，  
时 需要克服较大的拍摄角度差异 往往需要借助场景  
，
点云 即可实现无人机定位  
．
，
三维模型来做大视角仿射变换以增强匹配 由于场景  
2
方法框架  
， ．  
三维模型不易获取 限制了这些方法的使用 另一些研  
［5 ～ 8］  
1 ． ， ，  
方法总体框架如图 所示 首先 对于航拍视频 使  
( )  
使用近似垂直方向拍摄的图像 如卫星图 作为  
究
，
用顺序帧间配准方法估计各帧摄像机的位姿 并提取  
． ，  
参考图像进行定位 相比街景图像 卫星图数据更易获  
．
关键帧 图  
1( a)  
给出了一个关键帧摄像机相对位姿估  
， ，  
取 不仅适用于大型城市 也适用于中小城市和野外环  
． ， ，  
计示例 其次 利用已知位姿的图像序列 生成关键帧的  
。
，
在将这些方法用于低空无人机时 由于低空航拍图  
境
，
稠密深度图 并利用多深度图协同去噪与优化算法将  
，
像视场较小 其图像内容与大视场的卫星图存在较大  
， ，  
其融合 得到统一的稠密三维点云 如图  
1( b)  
．
所示 第  
， ，  
不同 且二者拍摄角度也往往存在差异 导致航拍图像  
， ．  
三 虚拟视图生成 对稠密三维点云沿某一方向进行投  
，
与卫星图匹配困难 进而影响了定位成功率  
．
，
影得到虚拟视图 用于实现与卫星图的匹配 图  
， 1( c)  
显
．
本文采用卫星图作为参考图像进行无人机定位  
． ，  
示了虚拟视图与卫星图匹配的效果 第四 迭代变换估  
、
针对低空航拍图像视场小 与卫星图拍摄角度差异大  
． ，  
计 通过不断优化投影方向 得到与卫星图匹配效果最  
，
造成的匹配难题 提出一种基于即时稠密三维重构的  
， (  
佳的虚拟视图 利用这一匹配关系得到摄像机 无人  
，
匹配定位方法 利用序列航拍图像生成的稠密三维点  
) ， ，  
机 在卫星图上的位置 即其全局地理坐标 如图  
1( d)  
．
云代替单张图像与卫星图进行匹配 由于稠密三维点  
云能够生成与卫星图拍摄视角相近的高质量仿射视  
．
所示 由于稠密三维点云能够生成与卫星图拍摄视角  
， ．  
相近的虚拟视图 可以克服视角差异大的问题 且该虚  
， ，  
图 可以降低视角差异大造成的影响 且该视图包含了  
，
拟视图包含了多张图像的信息 具有较大的覆盖范围  
，
， ，  
多张图像的信息 具有与卫星图近似的较大视场 可以  
．
提高了与卫星图匹配的成功率  
． ，  
提高与卫星图匹配的成功率 匹配成功后 利用匹配得  
到的对应点将卫星图所携带的地理信息赋予稠密三维  
， ．  
相对位姿 并提取关键帧 该方法直接基于图像像素  
，
3
即时稠密三维重构  
，
使用最小化光度误差进行位姿估计 省去了基于特征  
( Simultaneous  
本节主要研究基于即时构图及定位  
，
方法提取特征消耗的时间 并且计算光度误差时只计  
［9 ～ 13］  
Localization And Mapping，SLAM)  
技术生成稠密三  
， ．  
算原图像中灰度梯度较大的区域 因此计算速度快 在  
． 2 ，  
维点云的方法 研究内容如图 所示 主要包括摄像机  
，
进行顺序帧间配准的同时 还并行执行闭环检测和位  
，
位姿估计和地图构建两部分 地图构建中的深度图优  
，
姿图优化 以得到较精确的关键帧摄像机位姿  
．
．
化是本节的研究重点  
3． 2  
地图构建  
，
得到关键帧和普通帧的位姿后 在其基础上生成  
3． 1  
即时摄像机位姿估计  
．
为获得无人机低空航拍视频中各帧的相对位姿  
．
稠密的三维点云 方法包括三个步骤  
:
［11］  
使用基于像素的顺序帧间配准算法 估计视频各帧间  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号