-
公开(公告)号：CN104331907B
公开(公告)日：2018-03-16
申请号：CN201410629762.8
申请日：2014-11-10
申请人： 东南大学
IPC分类号： G06T7/246
摘要： 本发明公开一种基于ORB特征检测来测量载体速度的方法，通过对摄像机获取的连续两帧图像进行ORB特征提取并匹配，从而得到载体的位移和速度。所述方法包括：对当前帧和下一帧进行灰度化并设定感兴趣区域；利用Oriented FAST算子对特征点检测；利用Rotated BRIEF特征描述子对特征点进行特征匹配；对匹配出来的特征点对进行筛选并剔除误匹配点；然后对得到的特征点对的像素位移进行分析和计算；通过系统模型得到比例转换系数，从而得到载体的实际位移和速度。本方法简单易实现，对图像特征点检测和匹配的速度提高明显，特别适用于对实时性要求高的视觉辅助系统中。
-
公开(公告)号：CN103411621B
公开(公告)日：2016-02-10
申请号：CN201310369354.9
申请日：2013-08-09
申请人： 东南大学
IPC分类号： G01C21/28
摘要： 一种面向室内移动机器人的光流场视觉导航/INS组合导航方法，其采用基于光流场的视觉导航和INS两种导航方式，移动机器人通过车载摄像头采集车辆的动态视频，在视频中获取视频光流特征，根据特征计算移动机器人在载体坐标系下的横向速度（Vx）、纵向速度（Vy），并与INS测量得到的航向角计算机器人的东向速度（VE）和北向速度（VN）。将计算得到的VE、VN和INS测量得到的航向角变化量ωZ共同输入到扩展卡尔曼滤波器中进行数据融合，得到比基于光流场导航和INS两种导航方式精度更高的移动机器人的东向和北向的速度和加速度的最优预估。通过本发明的方法可为移动机器人提供更加精确的导航信息，扩大了室内机器人定位的范围。
-
公开(公告)号：CN102494685B
公开(公告)日：2015-02-04
申请号：CN201110359094.8
申请日：2011-11-14
申请人： 东南大学
IPC分类号： G01C21/20
摘要： 本发明公布了一种用于WSN/INS高精度实时组合导航的H无穷信息融合方法，该方法以每个时刻未知节点的在两个方向上的位置误差和速度误差作为状态向量，以每一时刻根据两种系统采集得到的数据计算出的位置误差和速度误差作为观测向量输出，由状态向量和观测向量输出重新构建一个渐近稳定的系统，即H无穷滤波器。通过H∞滤波器来预估每一时刻最优的状态向量。与此同时，在构建H∞滤波器的系统方程中加入了对数据采集周期的不确定度描述，更加逼近实际中采用周期由于硬件原因导致每一时刻的采集周期有小幅不确定的情形。这种滤波器得到的状态预估比传统的滤波方法精度更高，滤波器的鲁棒性更强。
-
公开(公告)号：CN103148855A
公开(公告)日：2013-06-12
申请号：CN201310060409.8
申请日：2013-02-27
申请人： 东南大学
摘要： 本发明公开了一种INS辅助的室内移动机器人无线定位方法，属于机器人无线定位技术领域。该定位方法分为培训阶段和预估阶段两部分。培训阶段是在本地相对坐标系中将INS(惯性导航系统)、WSN(无线传感器网络)进行集成。通过扩展卡尔曼滤波对得到的同步导航数据进行数据融合，得到持续稳定的导航信息。预估阶段是将INS测量得到的位置和速度信息输入培训阶段通过神经网络培训的INS误差模型进行误差补偿，以得到最优的导航信息。本发明的方法提高了INS定位的精度，同时在减少WSN网络规模的基础上扩大了室内机器人定位的范围。
-
公开(公告)号：CN102692223A
公开(公告)日：2012-09-26
申请号：CN201210213414.3
申请日：2012-06-27
申请人： 东南大学
摘要： 一种用于WSN/INS组合导航的多级非线性滤波器的控制方法，属于多传感器数据融合领域。本发明是在WSN/INS组合导航模型中使用两组滤波器。一组滤波器（滤波器1）对WSN测量的载体在两个方向（东向和北向）的位置和速度做预估，用预估的速度计算这一时刻载体运动的航向角并输入到下一滤波器中。另一组滤波器（滤波器2）则对每个时刻INS测量的载体在两个方向的位置误差、速度误差和航向角进行预估。INS测量位置、速度信息与预估出的位置误差、速度误差作差，最终得到最优的导航信息。该方法通过两组滤波器的设计，将传统INS航向角的误差由累积误差转变为随机误差，使滤波精度得到明显的提高。
-
公开(公告)号：CN106845552B
公开(公告)日：2019-11-08
申请号：CN201710062178.2
申请日：2017-01-31
申请人： 东南大学
摘要： 本发明公开了一种在光强分布不均匀环境下的融合光流和SIFT特征点匹配的低动态载体速度计算方法，通过安装在移动载体上的车载摄像机采集载体的动态图像，采用金字塔Lucas‑Kanade光流和SIFT特征点匹配两种算法分别检测出当前帧和下一帧图像中的特征点并对其进行匹配，然后根据匹配成功的若干对特征点所对应的像素位移计算出在载体坐标系下的速度V光流、VSIFT，并将两者的差值ΔV以及加速度差值Δa输入到改进的自适应卡尔曼滤波器,对光流法计算得到的载体速度VSIFT进行直接校正。通过本发明求取速度精度高和求取速度快，显著提高了低动态载体速度的估计精度和实时性。
-
-
公开(公告)号：CN102494685A
公开(公告)日：2012-06-13
申请号：CN201110359094.8
申请日：2011-11-14
申请人： 东南大学
IPC分类号： G01C21/20
摘要： 本发明公布了一种用于WSN/INS高精度实时组合导航的H无穷信息融合方法，该方法以每个时刻未知节点的在两个方向上的位置误差和速度误差作为状态向量，以每一时刻根据两种系统采集得到的数据计算出的位置误差和速度误差作为观测向量输出，由状态向量和观测向量输出重新构建一个渐近稳定的系统，即H无穷滤波器。通过H∞滤波器来预估每一时刻最优的状态向量。与此同时，在构建H∞滤波器的系统方程中加入了对数据采集周期的不确定度描述，更加逼近实际中采用周期由于硬件原因导致每一时刻的采集周期有小幅不确定的情形。这种滤波器得到的状态预估比传统的滤波方法精度更高，滤波器的鲁棒性更强。
-
公开(公告)号：CN106845552A
公开(公告)日：2017-06-13
申请号：CN201710062178.2
申请日：2017-01-31
申请人： 东南大学
摘要： 本发明公开了一种在光强分布不均匀环境下的融合光流和SIFT特征点匹配的低动态载体速度计算方法，通过安装在移动载体上的车载摄像机采集载体的动态图像，采用金字塔Lucas‑Kanade光流和SIFT特征点匹配两种算法分别检测出当前帧和下一帧图像中的特征点并对其进行匹配，然后根据匹配成功的若干对特征点所对应的像素位移计算出在载体坐标系下的速度V光流、VSIFT，并将两者的差值ΔV以及加速度差值Δa输入到改进的自适应卡尔曼滤波器,对光流法计算得到的载体速度VSIFT进行直接校正。通过本发明求取速度精度高和求取速度快，显著提高了低动态载体速度的估计精度和实时性。
-
公开(公告)号：CN103148855B
公开(公告)日：2015-07-08
申请号：CN201310060409.8
申请日：2013-02-27
申请人： 东南大学
摘要： 本发明公开了一种INS辅助的室内移动机器人无线定位方法，属于机器人无线定位技术领域。该定位方法分为培训阶段和预估阶段两部分。培训阶段是在本地相对坐标系中将INS(惯性导航系统)、WSN(无线传感器网络)进行集成。通过扩展卡尔曼滤波对得到的同步导航数据进行数据融合，得到持续稳定的导航信息。预估阶段是将INS测量得到的位置和速度信息输入培训阶段通过神经网络培训的INS误差模型进行误差补偿，以得到最优的导航信息。本发明的方法提高了INS定位的精度，同时在减少WSN网络规模的基础上扩大了室内机器人定位的范围。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.03 秒)
