单目视觉坐标测量方法

为了解决现代化生产中对高精度、大尺寸、三维整体现场在线测量技术的需求问题,提出了一种基于光学测头成像的单目视觉坐标测量方法。该方法以光学测头上的光学特征点作为成像目标,利用单个摄像机获取测量信息。测量过程中,通过分析光学测头上光学特征点的二维成像坐标,利用特征点之间已知的几何约束知识和摄像机的透视投影模型,建立特征点与对应像点的求解关系。通过基于奇异值分解的位姿优化算法确定特征点的空间位置坐标。根据特征点与测尖间已知的位置约束关系确定被测点的空间坐标,从而实现坐标测量目的。测试实验结果表明,该方法切实可行,系统的测量不确定度小于0.32mm。     

测头成像视觉坐标测量系统组成,建模及求解

提出了一种新型视觉坐标测量系统－单摄像机测头成像视觉坐标测量系统。系统中采用目标测头作为成像目标,利用测头与被测表面接触,通过分析测头上已知特征点成像变化来实现对被接触点的三维坐标测量。这一测量新思路,不仅可以达到目前大多数视觉测量系统的测量目的,同时还可以实现对被遮挡表面的测量并具有较大测量范围。利用空间坐标变换及光学成像原理建立了这一视觉测量系统的非线性测量方程,并给出了利用Ｎｅｗｔｏｎ非线性     

最小二乘估计方法的大型舰船甲板变形测量

为测量大型舰船甲板的变形,提出了基于多个IMU数据融合的测量方法.利用4个IMU的姿态信息建立了甲板变形测量模型,基于该模型利用最小二乘估计对甲板的变形进行了分析.对舰船甲板的结构进行了简化分析,依据甲板简化结构设计了实验钢板,并在钢板上进行了变形估计实验.结果表明,将该方法用于未安装IMU战位点处甲板变形的实时估计是完全可行的,且能减少武器系统所需IMU的数量,变形估计精度取决于IMU的布局.     

大型数控插齿机在线测量测头标定方法

针对国内大型插齿机在线测量的空缺,对天津第一机床总厂设计的YKW51250大型数控插齿机进行了运动分析。根据插齿机特殊的结构特点及在线测量系统的方案,提出了一套适合该系统的测头标定方法,并进行了实验验证。实验结果表明:该方法能够满足插齿机在线测量系统测头定位的精度要求,对后续测量任务的顺利进行起关键作用。     

测量平差两类估计准则及精度比较

基于未知参数具有先验正态分布的Ｇ－Ｍ模型,谁了极大似然估计与Ｇ－Ｍ模型下的最小二乘估计、极大验后估计与广义最小二乘估计等价,证明了顾及未知参数的先验统计特性能获得精度更高的估值。     

光学测量的飞行器空间姿态测量方法

针对飞行器近景实验中的三维运动姿态参数测量,提出了一种基于序列图像的屏幕光斑成像法的数学模型.通过安装在飞行器表面的激光发射装置向屏幕上投射激光光斑的方法,首先用激光跟踪仪对实验场地内的多方位高速摄像机和固定屏幕进行全局标定并建立各坐标系间的转换关系,利用高速相机同步拍摄记录下屏幕上随飞行器姿态变化而变化的光斑位置,并对拍摄下来的光斑序列图像进行分析以确定飞行器的姿态参数.该方法避开了飞行器运动过程中因喷火等特性对拍摄图像的影响,同时将飞行器的姿态变化进行有效放大,从而使整体测量精度得到提高.实验数据表明,在一定转动范围内,该方法的测量精度不超过0.03°.     

一类中心对称矩阵反问题的总体最小二乘解

总体最小二乘法是求解矩阵反问题的一种常用拟合方法,本文研究了中心对称矩阵反问题AX=B的总体最小二乘解,给出了中心对称矩阵反问题的总体最小二乘解的一般表达式,讨论了给定矩阵在中心对称矩阵总体最小二乘解集合中的最佳逼近解,给出了其具体表达式及数值算法.     

奇异值分解技术在加权残数法中应用

本文试图将奇异值分解技术(SVD—Singular Value Decomposition)引入计算结构力学的加权残数法中。利用最小二乘配点法得到连续体的残数方程后,本文采用了SVD技术求出这些方程的最小二乘解。文中还给出了在微机上用SVD技术求解薄板弯曲最小二乘解的若干算例。计算结果表明,它具有计算精度高,结果稳定,取点少,点的布局限制小等优点。     

时间渐消递推最小二乘估计的矩阵QR分解方法

给出了当数据下更新时，利用矩阵ＱＲ分解进行最小二乘估计的直接递推形式。与利用Ｇｉｖｅｎｓ旋转变换进行参数递推估计的方法相比，该方法直接表征了被辨识参数的递推计算关系，因而可直接判定递推估计算法的收敛性。     

用增测法解决状态估计中的病态问题

为了解决电力系统 WLS 法状态估计中的病态问题,本文对 L—M 增测方法进行分析和讨论,并根据数值相关性理论,提出了一种新的方法——QR-增测法,这种方法对于解决电力系统状态估计中的病态问题有较好的效果。     

Accurate mirror-based camera pose estimation with explicit geometric meanings

An accurate closed form solution is proposed to estimate camera pose by several mirrored reference object images acquired via a planar mirror under different unknown poses. Compared with state-of-the-art methods, our method is more accurate when there are more than three images and has explicit geometric meanings. This method also properly handles cases in which some of the mirror poses are parallel. The central idea is to minimize an error metric based on all reflections of rotation, which enables the camera rotation to be estimated directly by SVD of sum of mirrored camera rotations. After that, the camera translation is computed by solving a large system of linear equations to minimize object space collinearity error. Both synthesized data and real data experiments show the advantages of our approach.     

堆叠散乱目标的6D位姿估计和无序分拣

针对目标散乱堆叠场景下的机器人分拣问题,建立一种从目标筛选、识别到6D位姿估计的无序分拣系统。利用局部凸性连接方法将Kinect V2相机采集的堆叠散乱目标点云数据分割成单独的点云子集,定义抓取分数从中筛选出最上层未被遮挡的目标作为待抓取目标,保证机器人分拣目标时能从上至下进行抓取;针对不同种类目标的分拣需求,基于匹配相似度函数对三维目标进行识别并定位抓取点;融合截断最小二乘-半定松弛算法和最近点迭代算法,建立目标6D位姿估计模型,保证目标点云和模型点云重合率低情况下的精确配准。在自采数据上进行目标6D位姿估计实验以及机器人无序分拣实验,结果表明：提出的6D位姿估计方法相较于流行的几种方法,可以更快速、精确地获取目标的6D位姿,均方根距离误差<3.3 mm,均方根角度误差<5.6°;视觉处理时间远小于机械臂运动的时间,在实际场景中实现了机器人实时抓取的全过程。     

一种基于深度卷积网络的鲁棒头部姿态估计方法

针对头部姿态估计方法受特征提取限制导致姿态估计效果不佳的问题,提出使用深度卷积网络自动学习有效特征并进行分类的头部姿态估计方法。首先,利用DCNN非线性映射和自动提取图像结构信息的能力,设计一个深度卷积网络实现对姿态鲁棒特征的提取;然后再将提取的特征用于分类器训练并最终实现头部姿态估计。在Pointing’04和FacePix数据库上的测试结果表明,本文设计的深度卷积网络能有效的进行特征学习,避免了人工设计特征的不足,与现有的基于人工设计特征方法相比,本文方法在两个数据库上达到的预测平均绝对误差分别为4.05〫和2.04〫,充分证实了本文算法的稳定性和可靠性。     

色彩梯度恒常性的光流场估计算法

为提高光流估计的鲁棒性,在彩色图像光流场计算中色彩恒常假定的基础上,进一步假定色彩梯度在运动中保持不变,据此提出了一种基于色彩梯度恒常性假设的光流求解方法,以色彩梯度构成光流基本方程,并对其施加全局平滑约束,以Gauss-Seidel迭代求解光流场,并用中值滤波去除光流场中的异常分量.实验表明,该方法相对于灰度图像序列及彩色图像序列的经典光流场估计算法可取得更好的估计效果.     

基于层叠的部件轨迹片段模型的视频人体姿态估计

为解决单目视频中的人体姿态估计问题,从人体的部件模型出发,以人体部件轨迹片段为实体构建时空概率图模型,通过逐步缩减轨迹片段在时域上的覆盖度,形成多级层叠模型,采用迭代的时域和空域交替解析的策略,从完整轨迹的推理开始,逐级过滤状态空间,直至获取人体各部件在每帧图像中的最优状态。为提供高质量的状态候选,引入全局运动信息,将单帧图像中人体姿态检测结果传播到整个视频形成轨迹,构成原始状态空间。在3个数据集上的对比试验表明,该方法较其他视频人体姿态估计方法达到了更高的估计精度。     

大型工件位姿估计中的稀疏点云配准方法

针对飞机、轮船、汽车等大型设备制造领域中大尺寸工件的精确位姿检测的问题,提出了一种用于估计具有自由曲面特征的工件空间位姿的稀疏点云数据自动配准算法。为了提高点云配准的精度和速度,着重将配准过程分为粗略配准和精确配准两个阶段实现。鉴于稀疏点云数据中的各点曲率具有旋转平移不变性,设计基于曲率特征的点云粗略配准算法;为弥补现有ICP算法的不足,提出基于距离约束的四叉树逼近算法。仿真实验表明,完成点云配准后,稀疏点云中各个点位的平均误差为0.0168 mm,均方差为0.0095 mm,说明该算法能够自动、准确、快速地实现点云数据配准。     

基于树形图结构模型的人体姿态估计

讨论计算机视觉领域的人体姿态估计问题,基于树形图结构模型提出一种人体姿态估计算法。根据人体目标前景分割图的形状特征给出人体部位外观模型后,利用高斯分布确定人体部位间的结构先验分布,再采用置信传播算法进行人体姿态估计。仿真结果表明新算法有效。     

一种非结构环境下目标识别和3D位姿估计方法

为提高非结构环境下目标识别准确率和位姿估计精度,提出一种利用Kinect V2 RGB-D传感器并基于目标的CAD模型进行不同类型目标自动识别和3D位姿估计的新方法.利用虚拟相机获取目标CAD模型的深度图像,并将目标的模型转化为点云图,采用体素栅格滤波减少场景点云中的点数;利用点对特征描述子(PPF)作为CAD模型的全局描述子,并将相似的PPF划分成一组放进一个hash表,用于识别和定位目标,所有目标的hash表组成了3D模型数据库;利用基于投票策略的方法对不同类型目标进行检测识别和3D位姿估计,并采用位姿聚类的方法和ICP配准进行位姿修正,再通过奇异值滤波剔除误匹配位姿,从而提高位姿估计精度.在虚拟机器人实验平台仿真环境中分析了3种管接头的识别率和位姿估计误差,结果表明:3种管接头平均识别率96%,位置误差4 mm,姿态误差2°,能够满足机械臂抓取要求.将提出的方法与两种主流位姿估计方法进行了对比实验,结果表明,提出的方法无论是识别率还是F1分数都要优于其他两种方法.     

基于栅格粒子滤波的人体头肩三维姿态估计

为了实现单目视频中人体头部和肩部位置的自动跟踪,并估算出人体头肩部的三维姿态.提出了一种新的基于头-肩三维模型的栅格粒子滤波方法,使用Chamfer距离进行边缘相似性度量.算法使用一个预先生成的离散化的栅格状态空间,在每一个时间步将该状态空间的一个较小的子空间作为粒子的搜索空间,有效地限制了所用粒子数量,提高了粒子滤波过程的执行效率.由于三维信息的缺失,单目视频中人体三维姿态估计一直是一个难点问题.而实验结果表明,本方法能够有效并准确地估计出人体头肩部的三维姿态,为人体姿态分析和行为理解的研究提供了一个新的基础.