基于OPA的时空约束单目视觉位姿估计算法

针对单目视觉系统中载体纯旋转运动引起的估计退化问题,结合运动参数约束条件,提出了一种基于OPA的时空约束单目视觉位姿估计方法。该方法利用OPA算法在估计本质矩阵和平移方向之前判断载体的运动形式,检测修正估计退化问题,并结合摄像机在运动过程中的时间相关约束及图像特征点在空间中的相关约束,实现单目视觉系统的位姿估计。两组对比实验结果分析表明,新算法相比于传统的估计算法具有更高的精度和稳定性。     

结构光内参数和机器人手眼关系的同时标定

为实现对复杂工件的快速在线测量,构建了基于结构光的机器人视觉测量系统,提出一种该系统中结构光测头内参数和手眼关系同时标定的方法。标定时,在机器人工作空间内固定一个平面靶标作为参考物,精确控制机器人末端带动结构光测头做平移运动和变位姿运动,获取不同位姿下的靶标图像。通过平移运动,同时标定结构光测头内参数和手眼关系中的旋转矩阵;通过变位姿运动,同时标定摄像机内参数和手眼关系中的平移向量。考虑到旋转矩阵和平移向量分离标定会存在误差累积,采用非线性优化方法对手眼关系做进一步优化。对标准球及工件进行扫描测量实验,实验结果表明该标定方法简单高效,能保证测量系统具有较高的测量精度,适用于工业现场。     

基于多传感器融合的航天器间位姿参数估计

提出了利用单目视觉与激光测距仪混合的航天器间相对位置和姿态参数测量的解析算法。首先利用四元数测量算法,采用5个非共面特征光点和单目视觉获取航天器间相对位置和姿态参数的解析解,并对解析解进行修正;然后,将上述6D位姿参数与激光测距仪获取的1D距离进行融合,以进一步对6D位姿参数进行修正。最后,通过计算实例对该算法进行数学仿真,仿真结果表明:该算法保证了在相机标定和特征光点提取及匹配较大误差下的位姿参数的估计精度,能够满足航天器相对位姿确定精度和实时计算要求。     

基于双摄像机的位姿估计迭代融合算法研究

提出了采用双摄像机配置实现的正交迭代算法.把两个摄像机作为整体实现迭代计算旋转矩阵R,使两个相机总的目标空间误差最小,将单相机每次迭代解算出的平移向量t进行均值融合,能进一步提高测量精度和鲁棒性.仿真结果表明,该算法能大大缩短运行时间,在计算精度,实时性,抗噪声性能方面对于共面标志点情况大大提高,对于非共面标志点情况也略有提高.     

基于矩形几何特性的小型无人机快速位姿估计方法

为了更加实时、精确地实现小型无人机视觉导航,利用矩形的几何特性以及空间点、线的共面特征,提出了一种基于单目视觉的位姿分步估计方法。该方法在任意位置对空间矩形进行拍摄,通过获取的一对正交消隐点,确立无穷远点在像平面的投影关系,完成姿态估计;利用光心、空间矩形以及其投影的共面性特征建立约束方程,求解空间矩形在摄像机坐标系下的法向量,结合欧氏空间线性变换的不变性,实现摄像机坐标系中矩形4顶点坐标的线性求解,并根据空间点在世界坐标系与摄像机坐标系间的转换关系,完成位置估计。为了抑制图像噪声对位姿估计的影响,建立基于空间点、线共面特征的指标函数,利用NM寻优算法实现对位姿参数的非线性优化。实验结果表明,该算法具有计算精度高、实时性强、适用范围广的优点,设计的优化算法能够有效地抑制图像噪声,提高了位姿估计的稳健性。     

基于改进的DLT算法的PnP问题求解

摄像机绝对位姿估计问题,即透视n点问题(Perspective-n-point Problem,Pn P)在计算机视觉、摄影测量、机器人技术与增强现实等领域具有重要应用。解决该问题的经典算法直接线性转换(Direct Linear Transform,DLT)算法与其他高精度算法相比计算速度快但估计结果误差较大。文中提出通过充分利用旋转矩阵的约束改进DLT算法,仿真实验测试表明:新算法显著地降低了DLT算法的位姿估计误差,且与高精度算法相当,同时保留了计算效率高的特性。     

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。     

智能坐标测量中零件位姿的单目立体识别

为了使三坐标测量机快速准确地识别出被测零件的位姿,提出了一种基于三坐标测量机平动的单目立体视觉识别方法,对该方法的原理、位姿参数的求解和识别过程进行了研究。根据双目立体视觉原理,以三坐标测量机带动摄像机沿x轴或y轴平移,在两个不同位置分别拍摄被测零件的一幅图像,经过同名像点的匹配实现单摄像机立体视觉测量,得到被测零件上各特征点在摄像机坐标系中的三维坐标;由摄像机标定参数,进一步计算出各特征点在机器坐标系中的三维坐标;再结合各特征点在零件CAD坐标系中的对应坐标,求解出被测零件的位姿参数。进行了识别实验,实验数据表明该识别方法是可行的,满足实时测量要求。     

基于投影矩阵的摄像机标定新方法

提出一种基于投影矩阵的摄像机标定新方法。该算法根据旋转矩阵的单位正交性结合Cholesky分解,由投影矩阵直接估算内参数矩阵;然后由旋转矩阵行列式约束排除误解,获得摄像机位置和方位矩阵,并以最小化反投影残差为代价函数对估计参数实现优化。该标定方法在针孔相机模型下进行,整个过程无需求解非线性方程,简单可靠。模拟数据和真实图像实验均证明了此算法的可行性与鲁棒性。通过误差分析得出结论,随着已知空间点数量的增加和拍摄距离的减小,标定精度能进一步得到提高。     

双模态信息融合的飞行目标位姿估计方法

针对在飞行目标位姿估计中背景复杂、目标提取及位姿解算精度低、速度实时性差等问题,提出了一种激光与图像信息融合的飞行目标位姿估计方法。首先,建立彩色相机和激光雷达间的坐标变换模型实现两传感器像素级匹配,对同一时刻的图像和点云进行融合处理;其次,采用Vi Be算法与深度信息融合对图像中运动目标进行提取,并根据图像目标的位置框选出对应的点云;最后,利用PnP算法进行特征点粗配准,获取点云间初始旋转平移矩阵,并采用迭代最近点算法进行精配准,利用IK-D Tree加速临近点搜索,提高配准速度。使用仿真试验和半实物仿真试验对方法准确性和稳定性进行了验证,结果显示：二维图像目标检测算法正确率为97%,错误分类比为0.011 2%;位姿估计算法与传统迭代最近点算法相比精度提高了53.2%,单次耗时从261 ms降低至132 ms,效率提升约49.4%,与其他算法相比也具有一定优势。为飞行目标落点精准预测和制导控制提供解决思路。