由2D点对应进行刚体运动参数估计的鲁棒算法

本文提出一种根据刚体运动前后生成的2D点对 应数据集合估计其运动参数的方法，考虑到集合中存在部分匹配错误的对应点，文中利用最 小截平方和估计和递归残差分析的方法来剔除这些出格数据，从而获得刚体空间运动的正确 参数，并且不需要任何先验知识．实验结果表明了算法的有效性．     

多个三维刚体运动参数的鲁棒估计算法

本文提出了一种估计多个三维刚体运动参数的鲁棒算法，可以处理包含高斯噪声和出格点的对应点数据，根据贝叶斯统计决策规则和蕴含在问题中的启发式规则，我们将运动参数估计问题转化为极大似然估计过程，实现部分模型拟合。因此，这种优化算法就是估计一组三维运动参数，使对应点数据最大限度地拟合似然函数，从而保证算法的鲁棒性。     

基于雷达复杂1维距离数据的3维重建算法

基于刚体目标3维运动过程中的几何不变性,可以利用目标上多个散射点在单天线雷达1维距离像序列中的1维距离数据,重建出目标未知的3维结构和运动路径。针对此1维到3维的几何重构问题,提出了一种雷达刚体目标结构和运动的3维重建算法,该算法可利用散射点复杂的1维距离数据进行重建,并且采用非线性优化技术实现了对目标重建参数的捆绑调整(bundle adjustment)。另外,该算法中引入了目标的平移模型,使目标的平移参数能够与旋转参数一并求解,从而避免了距离对准操作的误差对重建精度的影响。仿真实验结果表明,由于重建数据中散射点的数量以及目标3维运动的丰富性得到了显著提高,尤其是最优化技术在算法中的成功应用,重建算法的鲁棒性得到了有效增强。     

单快拍二维波达方向估计算法

在双平行均匀线阵的基础上,提出了一种利用单快拍数据进行二维波达方向估计的算法.该算法利用单次快拍数据构造出两个具有特定关系的矩阵,再构造一个波达方向矩阵,根据该矩阵的特征值和特征向量,可以估计出入射信号的二维波达方向.该算法无需多项式搜索和参数的配对过程,计算量小,且不论信号源的相关性如何都同样适用.因此,该算法适合于瞬时信号和快速运动信号的波达方向估计.     

利用直线对应计算纯旋转运动参数的一种线性方法

从单镜头序列图象确定运动刚体的3维运动参数是计算机视觉中一个重要的问题.本文提出了一个利用直线对应计算纯旋转运动参数的线性方法.在该算法中,仅用图象中直线的两个不变量.假设两帧图象中已经抽取和匹配出4对以上的对应直线,则可以唯一地确定旋转运动参数,该算法适用予旋转轴过投影中心的情况.本文同时给出了实验结果.     

基于SURF特征的航空序列图像位置估计算法

视觉传感器在航空无人机导航和定位任务中应用越来越广泛。针对无人机位置参数估计问题,提出了一种基于SURF特征的图像配准算法,该算法能够适应航空序列图像的旋转、尺度变换及噪声干扰,实现无人机位置的精确估计。构建了SURF尺度空间,运用快速Hessian矩阵定位极值点,计算出航空图像的64维SURF特征描述子;基于Hessian矩阵迹完成特征点匹配;使用RANSAC算法剔除出格点,实现位置参数的精确估计。通过航空图像序列实测数据位置估计实验,验证了该算法的有效性。     

刚体空间运动参数估计

本文发展了一种模型匹配估计算法,它具有较高的鲁棒性.根据已做的总数达一千二百万个不同空间点的实验显示:在采样总数N≤30时,只要有4到5对匹配正确的点就可以准确地估计出刚体空间运动的参数.这种高鲁棒性使得该方法能够用于多个刚体运动的分析.     

基于随机采样的多量测目标跟踪算法

在多目标跟踪领域,传统算法假设目标是点源辐射体,至多产生一个量测点,随着现代 传感器技术的发展,可以获得一个目标的多个量测. 本文研究当目标具有一定刚体几何形状并产生 多量测的问题,这类目标称为多量测目标.首先,通过建立目标形状的刚体参数模型,提出采用参数马 尔科夫链采样的方法,估计目标的形状参数.其次,采用等效量测方法,获得目标形心 点的运动状态. 针对目标个数未知情况,在形状目标量测满足泊松分布假设条件下,采用泊松强度比方法获得目标的个数估计. 本文定义了目标类型概率并给出 了目标类型概率的递推算法. 最后,通过三个具有不同形状和分布的多量测目标在二维平面的匀速(Constant velocity, CV)运动进行验证说明,实验表明: 所给方法在目标运动状态估计方面能够获得比较高的估计精度,目标形状估计能够比较稳定精确地估计目标形状的变化. 此外, 500次蒙特卡洛(Monte Carlo, MC)仿真实验表明,多量测目标的跟踪丢失率约为1.4%.     

基于最小冗余子集的单视图鲁棒精确复原目标三维位姿

基于随机采样最小冗余子集新概念,本文开发了一个从目标的单视图特征点集合鲁棒精确地复原其三维位姿的新算法.在强噪声高出格点率的恶劣条件下,该算法仍能高精度地复原目标的三维位姿.实验表明,对于由100个点组成的单视图特征点集合而言,当出格点率高达90%并且内点信噪比低达28db时,它仍能以1%的相对误差复原目标特征点的三维坐标.     

基于刚体运动学的坐标系配准理论及算法

为避免公共点的误差及不一致性对坐标系转换精度的影响,研究了一种基于刚体运动理论的坐标系配准方法.将公共点组合成刚体,根据刚体上的点相互之间位置关系在两个坐标系下不变的特征,采用最小二乘法求解出最优变换矩阵.指出公共点空间布局方法对转换精度的影响,研究并实现了剔除超差公共点的算法.实验结果证明了该方法的正确性,为高精度测量的坐标系转换提供了理论依据.     

自由角度显示系统下的运动向量算法

为了解决三维运动矢量计算的问题,提出一种算法,这种算法是在静态三维重建的基础上用二维图片计算刚体运动的线性方法,利用QR分解求解线性方程的最小均方误差解,迭代来消除离群值,来得到运动矢量.这种算法不需要摄像机标定,实时性好,有利于视频的流畅显示,实验结果表明,此种算法具有一定的鲁棒性.     

无对应点三维运动参灵敏估计

本文提出了一种不依赖于对应点数据的三维运动参数估计算法,可以处理包含高以处理包含高斯噪声和出格点(outlier)的观察数据.首先,我们构造一个代价函数来表达三维点集间的部分匹配,将运动参数估计问题转化为一个全局最优化问题,求最大部分匹配.在优化过程中,我们采用了函数逼近技术.大量计算机模拟实验结果充分证明了算法的有效性和鲁棒性.     

基于引力模型的三维运动点集的非精确匹配

本文提出了一种基于引力模型(attractive model)的非精确匹配算法,应用于三维空间运动点集的对应点匹配问题.根据引力模型,我们将匹配和运动估计问题转化为一个代价函数的全局优化问题,实现了无对应点的运动估计和总体匹配.这种算法是一个鲁棒(robust)估计和匹配方法,可以处理包含非匹配点对的三维运动点集.大量计算机模拟实验结果充分证明了算法的鲁棒性和有效性.     

Detecting 3-D motion field from range image sequences

An algorithm for computing three-dimensional (3-D) velocity field and motion parameters from a range image sequence is presented. It is based on a new integral 3-D rigid motion invariant feature-the trace of a 3x3 "feature matrix" related to the moment of inertia tensor. This trace can be computed at every point of a moving surface and provides a quantitative measure of the local shape of the surface. Based on the feature's conservation along the trajectory of every moving point, a 3-D Flow Constraint Equation is formulated and solved for the velocity field. The robustness of the feature in presence of noise and discontinuity is analyzed.     

A general aperture problem for direct estimation of 3-D motionparameters

The necessary and sufficient conditions that an object should satisfy so that motion can be uniquely determined by a direct method are discussed. This direct method, based on the temporal-spatial gradient scheme, can estimate the three-dimensional (3-) motion parameters of a rigid moving object from an image sequence, by utilizing depth information of the object. It is shown that the 3-D motion cannot be uniquely determined for only eight kinds of objects with special geometric structure and surface pattern     

Vision-based 3-D trajectory tracking for unknown environments

This paper describes a vision-based system for 3-D localization of a mobile robot in a natural environment. The system includes a mountable head with three on-board charge-coupled device cameras that can be installed on the robot. The main emphasis of this paper is on the ability to estimate the motion of the robot independently from any prior scene knowledge, landmark, or extra sensory devices. Distinctive scene features are identified using a novel algorithm, and their 3-D locations are estimated with high accuracy by a stereo algorithm. Using new two-stage feature tracking and iterative motion estimation in a symbiotic manner, precise motion vectors are obtained. The 3-D positions of scene features and the robot are refined by a Kalman filtering approach with a complete error-propagation modeling scheme. Experimental results show that good tracking and localization can be achieved using the proposed vision system.     

基于遗传算法的直线光流刚体运动重建

建立一种新的基于直线光流场从单目图像序列恢复刚体运动和结构的模型,推导出直线光流场与刚体的运动参数之间的关系,用2个二阶线性微分方程表达这种关系,并提出一种求解刚体运动参数的遗传算法,只需要获得图像平面的2条直线光流即可求解刚体的旋转参数,并用合成图像测试了该算法的有效性。     

Determination of camera location from 2-D to 3-D line and pointcorrespondences

A method for the determination of camera location from two-dimensional (2-D) to three-dimensional (3-D) straight line or point correspondences is presented. With this method, the computations of the rotation matrix and the translation vector of the camera are separable. First, the rotation matrix is found by a linear algorithm using eight or more line correspondences, or by a nonlinear algorithm using three or more line correspondences, where the line correspondences are either given or derived from point correspondences. Then, the translation vector is obtained by solving a set of linear equations based on three or more line correspondences, or two or more point correspondences. Eight 2-D to 3-D line correspondences or six 2-D to 3-D point correspondences are needed for the linear approach; three 2-D to 3-D line or point correspondences for the nonlinear approach. Good results can be obtained in the presence of noise if more than the minimum required number of correspondences are used