-
Patent Agency Ranking
公开(公告)号：CN119011745B
公开(公告)日：2025-02-14
申请号：CN202411476568.0
申请日：2024-10-22
Applicant: 上海交通大学四川研究院
Abstract: 本申请公开了一种无人机IMU辅助校正单目相机的时间同步方法及装置，涉及时间同步技术领域，标定惯性测量单元和单目相机，将时钟源产生时间信号作为数据采集同步点，对惯性测量单元和单目相机进行时间同步，在单目相机前放置目标或使得单目相机指向目标，拍摄目标得到N帧目标图像及相应的IMU数据，使用插值算法按照时间戳对齐每帧图像和对应的IMU数据，生成具有相同时间戳的数据集，最后分析数据集中的目标图像，追踪特征点在像素平面内的运动速度，根据IMU数据计算出无人机速度，基于运动速度和无人机速度之间的差异估计并校正单目相机的时间偏差，实施动态补偿，利用任意目标计算并补偿IMU与单目相机之间的同步时间误差。
-
公开(公告)号：CN119011745A
公开(公告)日：2024-11-22
申请号：CN202411476568.0
申请日：2024-10-22
Applicant: 上海交通大学四川研究院
Abstract: 本申请公开了一种无人机IMU辅助校正单目相机的时间同步方法及装置，涉及时间同步技术领域，标定惯性测量单元和单目相机，将时钟源产生时间信号作为数据采集同步点，对惯性测量单元和单目相机进行时间同步，在单目相机前放置目标或使得单目相机指向目标，拍摄目标得到N帧目标图像及相应的IMU数据，使用插值算法按照时间戳对齐每帧图像和对应的IMU数据，生成具有相同时间戳的数据集，最后分析数据集中的目标图像，追踪特征点在像素平面内的运动速度，根据IMU数据计算出无人机速度，基于运动速度和无人机速度之间的差异估计并校正单目相机的时间偏差，实施动态补偿，利用任意目标计算并补偿IMU与单目相机之间的同步时间误差。
-
公开(公告)号：CN118967841A
公开(公告)日：2024-11-15
申请号：CN202411468617.6
申请日：2024-10-21
Applicant: 上海交通大学四川研究院
Abstract: 本申请公开了一种视觉导航无人机的单目相机与IMU联合标定方法及装置，涉及机器视觉技术领域，首先初始化相机和IMU设备，并通过相机和IMU设备分别采集图像数据和IMU数据，将图像数据与IMU设备进行时间同步，再利用加速方式对相机和IMU设备进行内参标定，利用加速方式对内参标定后的相机和IMU设备进行在线联合标定获得相机内参、相机外参、IMU内参以及IMU外参，传入至SLAM系统进行位姿解算得到无人机位姿和速度。对采集的视惯数据进行联合标定，加速系统的运行，并通过视惯融合的SLAM定位方法获得鲁棒性高的无人机位姿、速度数据，整个过程不依赖GNSS卫星数据，具有成本低、对极端环境忍耐较好的特点。
-
公开(公告)号：CN119043376A
公开(公告)日：2024-11-29
申请号：CN202411524036.X
申请日：2024-10-30
Applicant: 上海交通大学四川研究院
IPC: G01C25/00
Abstract: 本申请公开了一种无人机MEMS传感器阵列的自校准方法及装置，涉及故障检测及补偿技术领域，首先采集传感器数据，利用传感器数据结合主成分分析训练基于PCA的故障检测模型，之后利用训练后的故障检测模型进行故障检测，识别故障传感器，在单一故障的情况下将数据重构对故障传感器中的错误数据进行替换得到恢复后的数据，在多故障的情况下使用置信区间预测法求解故障传感器中的多故障问题得到恢复后的数据，最后对正常数据和恢复后的数据进行在线动态漂移补偿。采用数据重构和置信区间预测实现对单一故障和多故障的隔离恢复，同时对MEMS传感器阵列的长期漂移信号进行实时补偿，能提高传感器阵列的稳定性以及无人机的性能和可靠性。
-
公开(公告)号：CN118711057A
公开(公告)日：2024-09-27
申请号：CN202410760292.2
申请日：2024-06-13
Applicant: 上海交通大学四川研究院
IPC: G06V20/10 , G06V20/17 , G06V10/26 , G06V10/30 , G06V10/24 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了基于多层置信特征的深度学习河湖水域岸线遥感监测方法，涉及河湖水域岸线监测领域，包括：首先获取河湖水域岸线的遥感图像数据集；然后基于Opencv进行影像处理，生成河湖水域岸线的多源异构遥感样本集；然后基于多层置信卷积神经网络对多源异构遥感样本集中的样本数据进行分割；再构建基于多层置信特征的深度学习模型；然后完成深度学习模型训练；再通过深度学习模型进行河湖水域岸线的监测，并基于监测结果与历史获取的河湖海岸线监测结果进行分析比较；最后基于分析比较结果，通过数据统计分析及数据可视化手段，描述“四乱”点信息；本发明，可以有效区分“四乱”目标及其干扰物，显著提高目标解译的效率和准确性。
-
-
-
-
Search Results
5
records
(took 0.028 seconds)
