視覺定位的案例
RoadMap:一種用于自動駕駛視覺定位的輕質(zhì)語義地圖（ICRA2021）
Localization Accuracy
對于自主駕駛?cè)蝿?wù)，我們重點(diǎn)關(guān)注X、Y方向和偏航（航向）角度的定位精度。與激光雷達(dá)比較的詳細(xì)結(jié)果如下。可以看出，所提出的基于視覺的定位比基于激光雷達(dá)的解決方案更好。
Conclusion & Future work
在本文中，我們提出了一個新穎的語義定位系統(tǒng)，它充分利用了傳感器豐富的車輛（如機(jī)器人出租車），使低成本的生產(chǎn)汽車受益。整個框架由車上建圖、云上更新和用戶端定位程序組成。我們強(qiáng)調(diào)，這是一個可靠而實(shí)用的自主駕駛定位解決方案。
建議的系統(tǒng)利用了路面上的標(biāo)記。事實(shí)上，三維空間中更多的交通元素可用于定位，如交通燈、交通標(biāo)志和電線桿。在未來，我們將把更多的三維語義特征擴(kuò)展到地圖中。
展開 CMRNet++：在激光雷達(dá)地圖中與地圖和相機(jī)無關(guān)的單目視覺定位
摘要
定位是自主機(jī)器人的一個關(guān)鍵要素.雖然深度學(xué)習(xí)在許多計(jì)算機(jī)視覺任務(wù)中取得了較大進(jìn)步,但它仍然沒有較大改進(jìn)提高度量視覺定位.主要障礙之一是現(xiàn)有的基于卷積神經(jīng)網(wǎng)絡(luò)的姿態(tài)回歸方法不能推廣到以前看不到的地方,我們最近推出的CMRNet通過在激光雷達(dá)地圖中啟用地圖獨(dú)立單目定位有效地解決了這一限制.在本文中,我們現(xiàn)在通過引入CMRNet++.
CMRNet++是一個顯著更魯棒的模型,它不僅有效地推廣到新的地方,而且獨(dú)立于相機(jī)參數(shù).我們通過將深度學(xué)習(xí)與幾何技術(shù)相結(jié)合,并將度量推理移出學(xué)習(xí)過程來實(shí)現(xiàn)這一能力.這樣網(wǎng)絡(luò)的權(quán)重就不會綁定到特定的攝像頭.在三個具有挑戰(zhàn)性的自主駕駛數(shù)據(jù)集(即KITTI、Argoverse和Lyft5)上對CMRNet++進(jìn)行的廣泛評估表明,CMRNet++的性能遠(yuǎn)遠(yuǎn)優(yōu)于CMRNet以及其他系統(tǒng).更重要的是,我們首次展示了深度學(xué)習(xí)方法的能力,無需在全新的環(huán)境中進(jìn)行任何再訓(xùn)練或微調(diào),就能準(zhǔn)確定位,并且不受攝像機(jī)參數(shù)的影響.
介紹
自動移動機(jī)器人，如自動駕駛汽車，需要精確定位才能安全導(dǎo)航。雖然全球?qū)Ш叫l(wèi)星系統(tǒng)提供全球定位，但其精度和可靠性不足以用于機(jī)器人導(dǎo)航。
展開 機(jī)器視覺定位之零部件尺寸檢測技術(shù)
隨著機(jī)器視覺的應(yīng)用，我們不難發(fā)現(xiàn)，機(jī)器視覺的應(yīng)用大大的提高了產(chǎn)品的質(zhì)量、降低了人口紅利并能在一定程度上降低生產(chǎn)成本，帶動生產(chǎn)加工業(yè)走向自動化、智能化的道路。在機(jī)器視覺的應(yīng)用中，物體特征的提取和尺寸的精確定位及測量是生產(chǎn)線上不可替代的環(huán)節(jié)。
end
計(jì)算機(jī)視覺四大基本任務(wù)(分類、定位、檢測、分割)
本文是該系列文章中的第二篇，旨在介紹深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域四大基本任務(wù)中的應(yīng)用，包括分類(圖a)、定位、檢測(圖b)、語義分割(圖c)、和實(shí)例分割(圖d)。后續(xù)文章將關(guān)注深度學(xué)習(xí)在計(jì)算機(jī)視覺領(lǐng)域的其他任務(wù)的應(yīng)用，以及自然語言處理和語音識別。
計(jì)算機(jī)視覺(computer vision)簡介
計(jì)算機(jī)視覺旨在識別和理解圖像/視頻中的內(nèi)容。其誕生于1966年MIT AI Group的"the summer vision project"。當(dāng)時(shí)，人工智能其他分支的研究已經(jīng)有一些初步成果。由于人類可以很輕易地進(jìn)行視覺認(rèn)知，MIT的教授們希望通過一個暑期項(xiàng)目解決計(jì)算機(jī)視覺問題。當(dāng)然，計(jì)算機(jī)視覺沒有被一個暑期內(nèi)解決，但計(jì)算機(jī)視覺經(jīng)過50余年發(fā)展已成為一個十分活躍的研究領(lǐng)域。如今，互聯(lián)網(wǎng)上超過70%的數(shù)據(jù)是圖像/視頻，全世界的監(jiān)控?cái)z像頭數(shù)目已超過人口數(shù)，每天有超過八億小時(shí)的監(jiān)控視頻數(shù)據(jù)生成。如此大的數(shù)據(jù)量亟待自動化的視覺理解與分析技術(shù)。
計(jì)算機(jī)視覺的難點(diǎn)在于語義鴻溝。這個現(xiàn)象不僅出現(xiàn)在計(jì)算機(jī)視覺領(lǐng)域，Moravec悖論發(fā)現(xiàn)，高級的推理只需要非常少的計(jì)算資源，而低級的對外界的感知卻需要極大的計(jì)算資源。要讓計(jì)算機(jī)如成人般地下棋是相對容易的，但是要讓電腦有如一歲小孩般的感知和行動能力卻是相當(dāng)困難甚至是不可能的。
語義鴻溝(semantic gap) 人類可以輕松地從圖像中識別出目標(biāo)，而計(jì)算機(jī)看到的圖像只是一組0到255之間的整數(shù)。
計(jì)算機(jī)視覺任務(wù)的其他困難 拍攝視角變化、目標(biāo)占據(jù)圖像的比例變化、光照變化、背景融合、目標(biāo)形變、遮擋等。
計(jì)算機(jī)視覺的頂級會議和期刊 頂級會議有CVPR、ICCV、和ECCV，此外ICLR也有不少計(jì)算機(jī)視覺論文。頂級期刊有IJCV和TPAMI。
展開 
基于圖優(yōu)化的GNSS/慣性/視覺/激光雷達(dá)多源融合導(dǎo)航定位
來源 |
衛(wèi)星導(dǎo)航國際期刊
無人機(jī)導(dǎo)航定位系統(tǒng)關(guān)鍵技術(shù)研究
低質(zhì)量的圖像不利于視覺定位的準(zhǔn)確性。在圖像匹配階段，通過特征點(diǎn)描述符對兩幅圖像進(jìn)行匹配可能會產(chǎn)生錯誤的匹配點(diǎn)，從而影響視覺數(shù)據(jù)的可靠性和準(zhǔn)確性。因此，圖像匹配篩選算法需要一種方法來判斷匹配的好壞，更好地消除不匹配的點(diǎn)和噪聲。
定位精度和實(shí)時(shí)性
四旋翼無人機(jī)的最快飛行速度可以達(dá)到每秒8米。如果視覺定位算法不能實(shí)現(xiàn)實(shí)時(shí)定位，無人機(jī)可以獲得延遲的位置信息，那么視覺定位的功能就沒有多大用處了。定位延遲和定位誤差不僅不能實(shí)現(xiàn)無人機(jī)的自主定位功能，還會大大降低無人機(jī)的安全性。定位精度也是無人機(jī)自主定位算法的關(guān)鍵問題。目前無人機(jī)的視覺圖像處理是基于像素的，圖像質(zhì)量的好壞將直接影響圖像特征點(diǎn)的代表性和準(zhǔn)確性。圖像處理和計(jì)算也是算法中最耗時(shí)的部分。
視覺導(dǎo)航技術(shù)是指利用計(jì)算機(jī)視覺技術(shù)對無人機(jī)航拍圖像進(jìn)行處理和分析，根據(jù)視覺定位算法可以估計(jì)無人機(jī)的當(dāng)前位置。目前，無人機(jī)的視覺導(dǎo)航算法主要分為以下幾類：基于圖像序列或自然景觀的匹配定位或跟蹤、IMU慣性導(dǎo)航與卡爾曼濾波器的集成、視覺測量（V0）方法和視覺SLAM算法構(gòu)建環(huán)境圖。
基于特征點(diǎn)的定位可以有效地表達(dá)圖像信息。特征點(diǎn)通常具有一些數(shù)學(xué)特征。特征，例如局部最大或最小灰度，以及一些梯度特征，在圖像中也有特定的坐標(biāo)。角可以簡單地認(rèn)為是兩條邊的交點(diǎn)。更嚴(yán)格的定義是在主方向附近有兩個特征點(diǎn)，即灰度在兩個不同方向發(fā)生劇烈變化。
展開 紅旗全新智能工廠，這些技術(shù)都是國內(nèi)首創(chuàng)！
視覺引導(dǎo)系統(tǒng)，提高了裝配速度和裝配精度。
6.底盤模塊化自動合裝
該系統(tǒng)由輸送系統(tǒng)、定位托盤、機(jī)器人擰緊系統(tǒng)、視覺定位系統(tǒng)、電氣控制系統(tǒng)組成。
底盤模塊與車身采用整體自動合裝工藝，最大程度保證了車身、底盤的裝配質(zhì)量。地面全部擰緊點(diǎn)，均采用機(jī)器人自動追蹤擰緊。兩個機(jī)器人工作站，不但可以滿足當(dāng)前車型的工藝需求，對于后續(xù)電動車等不同平臺的擰緊工藝也能充分適應(yīng)。視覺拍照定位引導(dǎo)系統(tǒng)的使用，進(jìn)一步保證了擰緊質(zhì)量。
整個定位托盤采用雙層結(jié)構(gòu)，通過支點(diǎn)切換，在國內(nèi)首次實(shí)現(xiàn)一個托盤兼容兩種不同平臺底盤，大幅降低設(shè)備投資與占地面積。
7.國內(nèi)首創(chuàng)高精度輪胎裝配
新H平臺總裝車間的車輪裝配，采用全自動設(shè)備，由五軸電動擰緊機(jī)、物料輸送系統(tǒng)、視覺定位系統(tǒng)組成。
通過自動送釘機(jī)構(gòu)，可實(shí)現(xiàn)兩種螺栓的自動輸送、上料;通過安裝在夾具上的氣動機(jī)構(gòu)，可實(shí)現(xiàn)兩種車型不同直徑分度圓的切換，屬國內(nèi)首創(chuàng);通過視覺拍照定位裝置，能夠精確識別擰緊點(diǎn)位置狀態(tài)，引導(dǎo)機(jī)器人對準(zhǔn)、擰緊，精度達(dá)0.05mm;擰緊結(jié)果即時(shí)上傳擰緊系統(tǒng)，實(shí)現(xiàn)信息可控、問題可溯。
輪胎裝配采用供貨廠家收取生產(chǎn)計(jì)劃、同步配送的順引方式，使輪胎從進(jìn)廠到輸送、抓取、定位、擰緊，實(shí)現(xiàn)全自動化，節(jié)約了時(shí)間、空間成本。
展開 基于視覺的無人機(jī)導(dǎo)航綜述
?視覺定位與制圖
考慮到導(dǎo)航、視覺定位和地圖系統(tǒng)中使用的環(huán)境和先驗(yàn)信息，可以大致分為三類：無地圖系統(tǒng)、基于地圖的系統(tǒng)和地圖構(gòu)建系統(tǒng)（圖3）。
圖3 視覺定位和地圖繪制系統(tǒng)
無地圖系統(tǒng)在沒有已知地圖的情況下執(zhí)行導(dǎo)航，而無人機(jī)僅通過提取已觀察到的環(huán)境中的不同特征來導(dǎo)航。目前，無地圖系統(tǒng)中最常用的方法是光流方法和特征跟蹤方法。
基于地圖的系統(tǒng)在地圖中預(yù)先定義環(huán)境的空間布局，使無人機(jī)具有繞行行為和運(yùn)動規(guī)劃能力進(jìn)行導(dǎo)航。通常，有兩種類型的地圖：八叉樹地圖和占用網(wǎng)格地圖。不同類型的地圖可能包含不同程度的細(xì)節(jié)，從完整環(huán)境的 3D 模型到環(huán)境元素的互連。
有時(shí)，由于環(huán)境限制，很難使用預(yù)先存在的準(zhǔn)確環(huán)境地圖進(jìn)行導(dǎo)航。而且，在一些緊急情況下（如救災(zāi)），事先獲得目標(biāo)區(qū)域的地圖是不切實(shí)際的。因此在這種情況下，在飛行的同時(shí)構(gòu)建地圖將是一個更具吸引力和效率的解決方案。地圖構(gòu)建系統(tǒng)已廣泛應(yīng)用于自主和半自主領(lǐng)域，并且隨著視覺同步定位和建圖（visual SLAM）技術(shù)的快速發(fā)展而變得越來越流行。
?障礙物檢測與避障
避障是自主導(dǎo)航不可或缺的模塊，因?yàn)樗梢詸z測并提供附近障礙物的基本信息，減少碰撞風(fēng)險(xiǎn)以及飛行員的操作錯誤。
展開 安全問題推動食品加工行業(yè)升級 機(jī)器人提供轉(zhuǎn)型新動力
在該方案中，由并聯(lián)機(jī)器人、工業(yè)相機(jī)CCD、安裝架、吸盤、環(huán)形流水線、視覺操作系統(tǒng)屏等組成的工作站，結(jié)合了機(jī)器人視覺抓取、流水線編碼器跟隨、運(yùn)動控制等技術(shù)實(shí)現(xiàn)快速分揀搬運(yùn)、裝箱。
而沃迪智能裝備則研發(fā)設(shè)計(jì)了食品藥品包裝智能生產(chǎn)線，采用機(jī)器人替代傳統(tǒng)自動化裝置，建立機(jī)器人“數(shù)字車間”，不但解決了機(jī)器人智能包裝系統(tǒng)和ERP管理系統(tǒng)之間的數(shù)據(jù)交互與通信，還增強(qiáng)了智能化生產(chǎn)線的高度柔性化。
此外，元達(dá)精工也研發(fā)并應(yīng)用了“餅干快速分揀”技術(shù)，利用視覺定位，并以整個吸盤為治具的創(chuàng)新思路，解決了餅干易碎和殘?jiān)膯栴}。該視覺定位技術(shù)應(yīng)用到機(jī)器人身上之后，不僅讓整個分揀過程的速度和精準(zhǔn)度大大的提升，更有效解決了食品行業(yè)勞動力下滑的問題。
這些企業(yè)的新技術(shù)研發(fā)和應(yīng)用，大大加速我國食品加工行業(yè)對國際化發(fā)展的融入。目前，韓國等國家出于對食品加工衛(wèi)生環(huán)境與工藝精度的高要求保證，普遍不允許食品直接與人接觸，紛紛選擇使用機(jī)器人。我國當(dāng)前的升級發(fā)展思路，與此國際發(fā)展趨勢不謀而合。
未來，不管是國內(nèi)還是國際間的食品市場競爭壓力還將不斷增高，食品加工設(shè)備的先進(jìn)性、食品加工模式的創(chuàng)新性、食品加工技術(shù)的前導(dǎo)性，將成為提升企業(yè)競爭力的關(guān)鍵所在。因此，加大普及機(jī)器人智能技術(shù)，積極遵循智能化、自動化升級發(fā)展，將是我國產(chǎn)業(yè)進(jìn)步、企業(yè)崛起的有效途徑。
展開 設(shè)備 | 百倍杠桿賦能智能制造，機(jī)器視覺行業(yè)迎來爆發(fā)式增長
排名第一的華興源創(chuàng)為科創(chuàng)板首家上市企業(yè)，是蘋果供應(yīng)鏈企業(yè)，也是國內(nèi)面板龍頭京東方AMOLED點(diǎn)燈檢測設(shè)備核心供應(yīng)商；排名第二的凌云光作為國內(nèi)少數(shù)以機(jī)器視覺算法和核心器件底層技術(shù)為基礎(chǔ)，向下游智能裝備領(lǐng)域拓展的設(shè)備制造商，其相關(guān)設(shè)備也已廣泛應(yīng)用于京東方、華星光電、夏普等主要面板制造商生產(chǎn)線，而且獲得了顯示面板領(lǐng)域顯智鏈基金的6000萬投資。韓國ANI則主要受益于韓國AMOLED產(chǎn)業(yè)鏈的成熟，國內(nèi)AMOLED產(chǎn)業(yè)在發(fā)展早期大量采用韓國成熟設(shè)備供應(yīng)商。
機(jī)器視覺在3C電子行業(yè)的應(yīng)用
在先進(jìn)的工業(yè)4.0智能制造生產(chǎn)中，使用機(jī)器視覺定位功能的自動搬運(yùn)車將物料自動運(yùn)輸?shù)较鄳?yīng)站點(diǎn)，機(jī)械臂通過機(jī)器視覺定位自動完成物料組裝，安裝機(jī)器視覺產(chǎn)品的傳輸帶可以自動識別物料并自動傳輸，各站點(diǎn)通過配置機(jī)器視覺和智能算法的自動檢測設(shè)備完成對產(chǎn)品的自動檢測和尺寸測量，最后通過傳輸帶和自動搬運(yùn)車完成物料良品與不良品的自動分揀和出貨。全程以MES系統(tǒng)為大腦進(jìn)行統(tǒng)一指揮調(diào)度，各單元配置機(jī)器視覺及相應(yīng)算法作為眼睛與大腦，反饋信息上報(bào)MES系統(tǒng)，并指揮相應(yīng)動作機(jī)構(gòu)完成各項(xiàng)操作，大大減少人力需求，并且解決了人和人之間操作的不一致性，大大改善了良率品質(zhì)。
不同于顯示面板和半導(dǎo)體行業(yè)，3C電子行業(yè)特征是工藝站點(diǎn)多樣且數(shù)量眾多， 而且3C電子代工大廠如富士康等均具有強(qiáng)大的自動化設(shè)備組裝能力。因此，該行業(yè)對機(jī)器視覺最大量的需求，是通用型、可配置的視覺系統(tǒng)，電子代工大廠結(jié)合自身的自動化設(shè)備，加工組裝成相應(yīng)的機(jī)器視覺定位、測量與檢測整機(jī)。目前該市場長期被美國康耐視和日本基恩士壟斷。
展開 一汽新紅旗智能工廠曝光！十項(xiàng)智能技術(shù)詳細(xì)解讀！
05 全自動風(fēng)擋涂膠裝配
該系統(tǒng)由伺服定量供膠系統(tǒng)、視覺引導(dǎo)及裝配機(jī)器人、自動玻璃輸送臺組成。
通過使用該系統(tǒng)，可實(shí)現(xiàn)自動供膠、涂膠、定位和裝配。自帶的掃描系統(tǒng)，便于及時(shí)發(fā)現(xiàn)并解決短膠等不良現(xiàn)象。
機(jī)器人自動裝配，具有質(zhì)量穩(wěn)定、可靠性高等特點(diǎn)。視覺引導(dǎo)系統(tǒng)，提高了裝配速度和裝配精度。
06 底盤模塊化自動合裝
該系統(tǒng)由輸送系統(tǒng)、定位托盤、機(jī)器人擰緊系統(tǒng)、視覺定位系統(tǒng)、電氣控制系統(tǒng)組成。
底盤模塊與車身采用整體自動合裝工藝，最大程度保證了車身、底盤的裝配質(zhì)量。地面全部擰緊點(diǎn)，均采用機(jī)器人自動追蹤擰緊。兩個機(jī)器人工作站，不但可以滿足當(dāng)前車型的工藝需求，對于后續(xù)電動車等不同平臺的擰緊工藝也能充分適應(yīng)。視覺拍照定位引導(dǎo)系統(tǒng)的使用，進(jìn)一步保證了擰緊質(zhì)量。
整個定位托盤采用雙層結(jié)構(gòu)，通過支點(diǎn)切換，在國內(nèi)首次實(shí)現(xiàn)一個托盤兼容兩種不同平臺底盤，大幅降低設(shè)備投資與占地面積。
展開 
自動駕駛汽車是如何利用高精度地圖和高精度定位來進(jìn)行“導(dǎo)航”的
高精度定位相對定位
絕對位置定位是以地球?yàn)閰⒖枷担鄬ξ恢?em>定位以當(dāng)前駕駛場景為參考系，相對位置定位思路和人類駕駛過程更為類似：人類駕駛員在駕駛過程中，通過視覺觀察周圍場景中的物體，包括建筑、路緣、標(biāo)志線等，經(jīng)過對比判斷車輛在當(dāng)前場景中的位置。
類似的，自動駕駛汽車通過高清攝像頭、激光雷達(dá)等感知設(shè)備獲取周圍場景內(nèi)物體的圖像或反射信號，將其與事先采集的高精度地圖數(shù)據(jù)進(jìn)行匹配，從而獲得車輛當(dāng)前位置的精確估計(jì)。
相對位置定位可以分為（激光雷達(dá)）點(diǎn)云匹配和視覺定位兩大技術(shù)路線。點(diǎn)云匹配以激光雷達(dá)為核心；激光雷達(dá)向外發(fā)射激光脈沖，從地面或者物體表面發(fā)射形成多個回波返回進(jìn)行匹配，實(shí)現(xiàn)汽車當(dāng)前場景的高精度定位。目前主流的匹配算法包括概率地圖與NDT（正太分布變換）算法兩種，代表玩家如google、HERE、TomTom。
視覺定位以攝像頭為核心，分為兩種路徑：視覺匹配和視覺里程定位，視覺匹配通過提取圖像中的道路標(biāo)識、車道線等參照物體與高精度地圖進(jìn)行匹配，實(shí)現(xiàn)精準(zhǔn)定位，代表玩家如特斯拉、Mobileye、英偉達(dá)。基于視覺里程算法的定位技術(shù)以雙目攝像頭為主，通過圖像識別以及前后兩幀圖像之間的特征關(guān)系來計(jì)算車輛當(dāng)前的位置，但該方案依賴攝像頭的成像質(zhì)量，在光線不佳、視線遮擋等環(huán)境下定位可靠性有待考量，一般不會單獨(dú)使用。
如何利用高精度地圖和高精度定位來進(jìn)行“導(dǎo)航”
當(dāng)前自動駕駛導(dǎo)航過程可以簡要分為三個階段：路線級規(guī)劃、車道級規(guī)劃、自動駕駛控制。路線級規(guī)劃通過導(dǎo)航地圖確定具體行駛路線，考慮交通方式、路線距離、交通狀況、途徑地點(diǎn)等，是點(diǎn)到點(diǎn)的粗略規(guī)劃。
展開 一文了解自動駕駛汽車“定位”
實(shí)際上，攝像頭圖像通常與來自其他傳感器的數(shù)據(jù)相結(jié)合，用以準(zhǔn)確定位車。但將攝像頭數(shù)據(jù)與地圖和 GPS 數(shù)據(jù)相結(jié)合比單獨(dú)使用攝像頭圖像進(jìn)行定位的效果更好。
假設(shè)一輛車正在路上行駛，它感知到右邊有一棵樹，但是地圖顯示道路右側(cè)有幾棵樹，全部位于不通的位置，我們?nèi)绾沃儡囕v現(xiàn)在“看”到的是哪棵樹？
我們可以用概率來解決這個問題。想象一下，我們正位于道路上許多不同點(diǎn)中的任意一點(diǎn)處，使用概率能確定哪個點(diǎn)最可能代表我們的實(shí)際位置。
已知車輛右側(cè)有一棵樹，我們假設(shè)從一些點(diǎn)可以看到右邊有一棵樹，而從另一些點(diǎn)則看不到。我們可以在開車的同時(shí)繼續(xù)觀察周邊世界。
想象一下，我們開車前行，觀察到車輛右邊的另一棵樹，在觀察到地圖上的其余點(diǎn)之后，我們發(fā)現(xiàn)僅在少數(shù)幾個位置會發(fā)現(xiàn)車輛右側(cè)有成排的兩棵樹，我們當(dāng)然最有可能位于這些位置之一，所以我們可以排除所有其他位置。
過程繼續(xù)，通過觀察結(jié)果、概率和地圖來確定我們最可能的位置，該過程被稱為粒子濾波。因?yàn)槲覀兪褂昧Ｗ踊螯c(diǎn)來估計(jì)最可能的位置，當(dāng)然，樹木在許多道路上比較稀少，但是車道線在許多道路上卻很常見，可以使用相同的粒子濾波原理對車道線進(jìn)行拍照。使用拍攝的圖像來確定車輛在道路中的位置，可以將道路攝像頭圖像與地圖進(jìn)行比較。我們的攝像頭圖像與地圖的某些部分匹配得很好，但與地圖的其他部分匹配得沒那么好。
視覺車道線示例
上圖是視覺車道線的一個示例，藍(lán)色代表地圖上兩個不同位置的車道線，紅色代表車輛攝像頭觀察到的車道線，紅線與右側(cè)藍(lán)線的匹配度要比與左側(cè)藍(lán)線的匹配度高得多，因此我們更有可能位于與右側(cè)圖像對應(yīng)的地圖位置上。
總結(jié)：視覺定位的優(yōu)點(diǎn)在于圖像數(shù)據(jù)很容易獲得，缺點(diǎn)在于缺乏三維信息和對三維地圖的依賴。
展開 詳述機(jī)器人的5種定位技術(shù)
移動機(jī)器人視覺導(dǎo)航定位技術(shù)
在視覺導(dǎo)航定位系統(tǒng)中，目前國內(nèi)外應(yīng)用較多的是基于局部視覺的在機(jī)器人中安裝車載攝像機(jī)的導(dǎo)航方式。在這種導(dǎo)航方式中，控制設(shè)備和傳感裝置裝載在機(jī)器人車體上，圖像識別、路徑規(guī)劃等高層決策都由車載控制計(jì)算機(jī)完成。
視覺導(dǎo)航定位系統(tǒng)主要包括：攝像機(jī)（或CCD圖像傳感器）、視頻信號數(shù)字化設(shè)備、基于DSP的快速信號處理器、計(jì)算機(jī)及其外設(shè)等。現(xiàn)在有很多機(jī)器人系統(tǒng)采用CCD圖像傳感器，其基本元件是一行硅成像元素，在一個襯底上配置光敏元件和電荷轉(zhuǎn)移器件，通過電荷的依次轉(zhuǎn)移，將多個像素的視頻信號分時(shí)、順序地取出來，如面陣CCD傳感器采集的圖像的分辨率可以從32×32到1024×1024像素等。
視覺導(dǎo)航定位系統(tǒng)的工作原理簡單說來就是對機(jī)器人周邊的環(huán)境進(jìn)行光學(xué)處理，先用攝像頭進(jìn)行圖像信息采集，將采集的信息進(jìn)行壓縮，然后將它反饋到一個由神經(jīng)網(wǎng)絡(luò)和統(tǒng)計(jì)學(xué)方法構(gòu)成的學(xué)習(xí)子系統(tǒng)，再由學(xué)習(xí)子系統(tǒng)將采集到的圖像信息和機(jī)器人的實(shí)際位置聯(lián)系起來，完成機(jī)器人的自主導(dǎo)航定位功能。
GPS全球定位系統(tǒng)
如今，在智能機(jī)器人的導(dǎo)航定位技術(shù)應(yīng)用中，一般采用偽距差分動態(tài)定位法，用基準(zhǔn)接收機(jī)和動態(tài)接收機(jī)共同觀測4顆GPS衛(wèi)星，按照一定的算法即可求出某時(shí)某刻機(jī)器人的三維位置坐標(biāo)。差分動態(tài)定位消除了星鐘誤差，對于在距離基準(zhǔn)站1000km的用戶，可以消除星鐘誤差和對流層引起的誤差，因而可以顯著提高動態(tài)定位精度。
展開 尺寸公差分析軟件-DTAS 3D-如何提高工作效率？
特征點(diǎn)導(dǎo)出復(fù)用導(dǎo)出的特征點(diǎn)數(shù)據(jù)可直接用于編輯測量計(jì)劃或構(gòu)建新公差模型，避免重復(fù)定義幾何關(guān)系（如手機(jī)裝配案例中視覺對齊點(diǎn)的復(fù)用）。
三、智能分析與優(yōu)化能力
蒙特卡洛仿真與根源分析基于蒙特卡洛方法預(yù)測產(chǎn)品合格率，并通過貢獻(xiàn)度、靈敏度計(jì)算快速定位關(guān)鍵公差因素。例如懸架分析中，直接識別影響四輪定位參數(shù)的敏感公差項(xiàng)。
三維可視化與交互優(yōu)化提供直觀的三維建模環(huán)境，結(jié)合數(shù)模與尺寸鏈模型，實(shí)時(shí)驗(yàn)證設(shè)計(jì)合理性。相比傳統(tǒng)二維軟件，減少分析盲區(qū)并加速決策。
四、行業(yè)定制化解決方案
跨領(lǐng)域應(yīng)用適配在智能手機(jī)裝配中，通過控制雙面膠厚度公差和視覺定位偏差（±0.075mm），顯著降低次品率；在汽車領(lǐng)域（如麥弗遜懸架）快速評估多約束裝配對性能的影響。
報(bào)告自動生成分析結(jié)果可一鍵生成包含統(tǒng)計(jì)參數(shù)、合格率預(yù)測等數(shù)據(jù)的報(bào)告，替代人工整理步驟。
五、國產(chǎn)化自主可控優(yōu)勢
作為全棧自研軟件，DTAS 3D 避免了國外工具的數(shù)據(jù)兼容性問題，同時(shí)提供本土化技術(shù)支持，進(jìn)一步減少溝通與調(diào)試成本。
通過上述功能，DTAS 3D 實(shí)現(xiàn)了從建模、分析到優(yōu)化的全流程效率提升，尤其適合高復(fù)雜度產(chǎn)品的公差設(shè)計(jì)與工藝驗(yàn)證場景。
展開 