二值加权正交迭代相机位姿估计算法

在相机位姿估计算法的实际应用中,由于2D像点与3D参考点的错误匹配,参考点中往往含有异常值。针对现有算法抗异常值能力较弱的问题,提出了一种基于正交迭代的二值加权算法。该算法在正交迭代算法的基础上,引入包含两个阈值的加权系统来衡量参考点的可靠性。选取重投影误差的四分位数中的最大值作为阈值之一,另外引入一个与重投影误差和焦距相关的阈值来加速异常值比例较低时的收敛速度。最终选取两阈值的最大值对目标函数进行二值加权,降低了异常值对估计结果的影响。实验表明,该方法提升了正交迭代算法的抗异常值能力,具有较强的鲁棒性。     

基于扩展正交迭代的快速加权的相机位姿估计

相机位姿估计算法多基于参考点而较少利用图像中的直线信息,本文对于相机位姿估计算法的抗干扰性和实时性,在扩展正交迭代的基础上,提出了一种基于点和直线段结合的快速加权的相机位姿估计算法,该算法以加权共线性误差和加权共面性误差之和为误差函数,根据计算初值的深度信息和重投影误差确定权重系数,并对整体进行加速优化,将每次迭代计算的时间复杂度从O(n)降到了O(1)。仿真实验结果表明算法可以抑制异常点的干扰,减少计算时间,旋转矩阵计算误差比传统正交迭代算法减少48.31%,平移向量计算误差减少48.79%,加速优化后的计算时间为加速前的47.11%。实物实验表明该算法可以充分利用检测到的参考点和参考直线信息,提高计算精度,有较高的实际应用价值。     

基于测量误差不确定性加权的快速相机位姿估计算法

在相机位姿估计任务中,参考点位置的测量容易受测量仪器或者所处环境影响,出现一定程度的测量误差,其中误差较大的点对最终求解精度的影响很大,被称为野值点。文章针对现有算法抗野值点能力较弱的问题,提出一种基于测量误差不确定性加权的快速相机位姿估计算法。该算法以经典的正交迭代算法为基础,引入M估计方法,对目标函数根据参考点的测量误差赋予相应大小的权值,最大程度地将野值点的影响排除,并引入Kronecker积对计算过程进行优化,减少了迭代过程中的冗余计算,提高运算速度。仿真实验结果表明,改进后的算法提升了原算法的抗野值点能力,且计算速度更快。     

基于特征点不确定性加权误差的位姿估计新方法

计算机视觉中一般是利用优化技术最小化目标函数来估计位姿,目标函数通常是由图像平面上特征点重投影误差构成,并且假设测量噪声是各向同性且独立同分布的高斯噪声,所得到的位姿是在该假设条件下的极大似然最优估计。然而,在实际应用中这种假设并不总是成立,测量噪声通常是各向异性且非独立同分布,而且常常具有很强的方向性。为此,本文提出了一种新的特征点位姿估计方法,首先对特征点的方向不确定性建模,然后将方向不确定性融入到重投影误差中,构造基于不确定性加权误差的新目标函数,最后利用Levenberg-Marquardt算法优化目标函数求解位姿。大量实验结果表明,本方法可以适应不同程度的方向不确定性,精度优于现有迭代方法。而且随着不确定性的增加,位姿解的精度并没有明显变差。     

多特征点拓扑确定位姿测量算法研究

为解决单目视觉位姿测量时,由目标特征点较多导致图像点与目标点拓扑关系未知的问题,提出了一种多特征点拓扑确定位姿测量算法。较多特征点可在目标进行大角度运动时保证足够的特征点进行位姿解算,与较少特征点相比提高测量精度。该算法将拓扑确定的过程和位姿求解的迭代过程进行嵌套,同时进行拓扑确定和位姿计算。位姿计算的迭代过程基于平行透视投影模型,不需要目标重心投影点坐标作为迭代初始值。拓扑确定的过程转化为分配问题的求解过程。每次位姿迭代的过程中进行一次拓扑确定,拓扑确定的结果可以计算更优的位姿估计。通过多位姿测量实验和精度对比实验结果证明:该算法适合大范围、高精度的位姿测量,在-120~120范围内,位姿测量均方根误差为0。272。     

基于全局位姿评估的条纹反向视觉测量

提出基于全局位姿评估的条纹反向视觉测量。利用带测头的摄像机拍摄二维正弦条纹,根据傅里叶分析提取的平面特征点全局评估摄像机位姿,进而测量测头的球心坐标。摄像机的位姿评估是条纹反向视觉测量的关键技术,在测头标定和坐标测量中均需要进行位姿评估。位姿评估的误差函数包括重投影误差和物空间误差两类,两者在基于平面的位姿评估中均存在两个局部极小值,采用全局位姿评估算法可以避免误差函数陷入局部极小以高精度获取摄像机位姿,完成测头标定和坐标测量。实验结果表明,该方法可以高精度测量物体的三维坐标。     

基于动态特征剔除的图像与点云融合的机器人位姿估计方法

针对动态物体影响传感器进行机器人位姿估计的问题,本文提出了一种基于动态特征剔除点云与图像融合的位姿估计方法。首先,YOLOv4和PointRCNN分别被用于识别图像和点云中的潜在运动目标并提取候选框。其次,在视觉定位方面,双目视觉与稀疏光流被用于路标点的构建与追踪,并根据候选框剔除动态特征点,随后构建重投影误差函数,通过基于RANSAC剔除的非线性优化方法求解相机位姿;在激光定位方面,提取前后帧的直线与平面特征点,并根据候选框进行筛选,基于特征点到直线或平面的距离构建误差函数,进而求解激光雷达位姿。为使系统不再局限于单一传感器的使用环境限制,通过自适应加权方法,有效融合了两种位姿结果。最后,通过KITTI数据集和动态场景采集的数据进行定量实验对比,验证了剔除动态特征后的位姿估计的精确性以及融合算法的有效性。     

基于凸松弛全局优化算法的视觉测量位姿估计

针对参考点存在较大噪声时基于光束法平差的视觉测量位姿估计无法确保目标函数在全局极小处收敛,本文提出利用凸松弛（LMI）全局优化算法进行视觉测量全局最优位姿估计。利用归一化图像点和摄像机光心组成的正交投影矩阵,构造以旋转矩阵四元数为参数的物空间误差目标非凸多项式函数。对非凸多项式进行LMI,可以逼近其全局极小值,进而求解...     

基于几何约束的视觉闭环检测和位姿优化

为实现视觉里程计在大规模复杂环境下的准确导航,消除载体位姿估计的累计误差,提出了一种基于几何约束的视觉闭环检测和位姿优化方法。首先建立基于LATCH二进制描述子的视觉词袋(Bo VW),并采用视觉单词向量描述图像进而归一化相似度的闭环检测方法,然后对闭环候选关键帧和当前关键帧进行基于RANSAC-HORN运动估计的闭环验证,最后将闭环关键帧的局部地图点投影到当前帧并最小化重投影误差以使得位姿得到优化。数据集实验表明,提出的闭环检测和位姿优化算法能够有效地对闭环进行准确检测和验证,并对视觉里程计的误差积累进行闭环位姿优化,提高了视觉导航精度。     

圆柱度误差快速最优化评定方法

使用迭代重加权最小二乘算法(IRLS)进行圆柱度误差评定。经过实际计算将所得到的误差评定值与其他方法相比较,在测量数据点集满足"小误差、小偏差"两点假设的条件下,迭代重加权最小二乘法可以得到精确的最小区域解,但是在运算时间上由于受迭代次数的影响,对不同的误差限运算时间会相差很大。总体来说,迭代重加权最小二乘法实现简便,有较高的使用价值。     

基于虚拟控制点的像机姿态测量算法

像机姿态测量,包括确定像机的旋转矩阵与平移向量,在机器视觉领域中有着非常广泛的应用。针对控制点异面分布的情况,提出了一种基于虚拟控制点的像机姿态测量算法。算法的主要思想是利用少量虚拟控制点实现像机姿态的短时间迅速求解,然后通过目前非常成熟的正交迭代算法,对求解结果进行精细调节,从而在整体上提高测量算法的精确度与稳定性。实验结果表明,算法在性能上优于目前比较流行的几种像机姿态迭代求解算法,而且具有较强的抗噪声干扰和抗控制点误匹配的能力,可以应用在实际的测量环境当中,是一种有效的像机姿态测量算法。     

基于最小二乘融合估计的双星时频差定位

针对单参考站条件下具有测量误差和星历误差时定位精度不高的特点,提出了一种基于多次观测数据的最小二乘融合估计定位算法,该算法无需增加观测条件即可有效提高辐射源定位精度.分析了测量误差、星历误差对单参考站单次定位及融合定位精度的影响,推导了测量误差、星历误差对定位误差的传递公式,提出了含星历误差影响的最小二乘融合估计加权算法.通过Monte-Carlo仿真验证了误差分析结果和定位算法,并比较了加权最小二乘估计定位和单次定位的性能.仿真试验表明:在相同观测精度条件下,加权最小二乘融合定位可极大地提高辐射源定位精度,最大提高10倍以上.     

机械臂双目视觉系统内外参高精度标定

在空间站机械臂中,双目视觉系统作为其重要组成部分,能够引导机械臂自主完成对目标的定位和捕获。内外参标定技术是双目相机高精度获取合作目标位置、方向等运动信息进而进行三维重建的首要前提和重要保障。文中提出了一种基于光束法平差算法的双目视觉系统内外参标定技术,采用三维靶标场作为标定目标,并将高精度测角设备经纬仪作为精测基准,通过坐标转换解算分步得到相机的内、外参数。实验表明,该方法标定的相机内参重投影误差小于0.5个像元,外参测试误差为±0.19 mm,有较高的测试精度和鲁棒性,为机械臂实施视觉闭环自主捕获合作目标提供可靠依据。     

无线传感器网络分布式迭代定位误差控制算法

针对无线传感器网络分布式迭代定位中误差的传播和累积问题,该文首先分析了锚节点几何形状对定位误差的影响,提出了基于几何精度因子的误差控制算法,巧妙设计了加权策略,将锚节点几何形状对定位精度的影响以权值的形式定量体现在迭代定位过程中,在每一轮迭代中有效控制了误差的传递,进而提高了整个网络的分布式定位精度。与传统的最小二乘定位算法和基于轮数的误差控制算法进行了仿真比较,结果表明,基于几何精度因子的误差控制算法定位性能最优,网络定位精度分别提高了25%和15%。     

反向重投影多线结构光立体视觉测量方法

研究了多线结构光立体视觉测量系统中激光条纹中心点的匹配问题。系统测量过程中,将两幅图像的激光条纹中心点通过重投影相互匹配,计算对应的三维空间点。针对一个激光条纹中心点存在多个匹配点的问题,提出了反向重投影的方法。该方法将匹配点反向重投影到原激光条纹图像,利用光路一致性,筛选出唯一匹配点。另外,分析了在重投影和反向重投影时采用不同大小的匹配窗口对测量结果的影响。实验表明,该方法能够充分利用激光条纹中心点,同时又有较高的唯一匹配率,明显提高了系统的测量效率。     

基于RSSI的室内无线网络定位技术研究

基于信号强度（RSSI）的测距是一项低成本和低复杂度的距离测量技术,被广泛应用于无线传感器网络基于距离的定位技术中。基于RSSI测距的定位技术,通过线性回归分析对参数进行优化,引入高斯滤波模型,对RSSI值进行修正,提高了测距精度。采用泰勒级数展开对位置进行迭代计算,最后在TI的ZigBee平台上进行实验验证,通过仿真和实验验证了算法的可行性和优越性。与CC2431算法相比,该算法减小了定位误差,提高了定位精度。     

基于单目视觉和固定靶标的位姿测量系统

利用计算机视觉进行位姿测量的方法广泛应用于机器人系统、运动体控制系统和精密检测系统。研究和设计了一种基于固定靶标的单目视觉定位系统和方法,用最少硬件资源实现精密定位。首先,利用图像匹配的方法检测出平面靶标在图像中的坐标,图像匹配采用SIFT算法和映射匹配方法,之后利用固定靶标的特性求取中心点。实验利用多幅图像样本验证了图像匹配的准确性和鲁棒性。然后,针对呈矩形分布的PnP问题,提出了一种新的求解方法,以靶标控制点的图像坐标和空间坐标作为输入,得到了移动物体与摄像机的三维相对位姿。实验利用五维精密位移台移动目标物体并拍摄多副图像,结果表明位姿测量系统在800 mm范围内达到mm级精度,可以满足应用需求。