基于改进ArUco标签的位姿估计方法

针对使用ArUco标签在远距离测量时精度不高的问题,提出改进ArUco标签的位姿估计方法。该方法在ArUco标签的基础上设计了阵列特征圆环,提取圆环的中心点并对其进行排序,根据交比不变特性判断出圆心检测的准确性;利用加权最小二乘法建立ArUco标签角点与阵列圆环圆心之间的直线拟合关系,实现角点修正;采用EPnP算法解算出改进ArUco标签的位姿参数,并利用LM算法对位姿进行优化,提高位姿测量精度。设计了机械臂视觉定位系统验证所提出方法的可行性和有效性。实验结果表明,此改进方法在2.5～4 m范围内测量的最大平移误差为8.72 mm,最大旋转误差为1.78°。所提出的方法在4 m处纵向距离测量的相对误差降低0.69%,提高了测量精度。     

基于改进SIFT-ICP算法的物体点云建模方法

为了实现对任意摆放的物体的识别与位姿估计,需要得到物体的三维模型,提出了一种高效准确的物体三维点云模型构建方法。首先通过RGB-D传感器获取物体多角度数据,然后利用尺度不变特征变换(SIFT)特征点匹配和改进的迭代最近点(ICP)算法计算出各角度下传感器的相对位姿,进而生成目标物体所在场景的完整点云,并通过物体分割和点云后处理得到目标物体的三维点云模型。实验结果显示,构建的物体点云模型清晰且不失真,并保留了表面完整的特征信息。     

飞机大部件位姿调整的关键测量特征点误差控制权值计算方法

为了实现飞机大部件的最佳位姿调整,基于层次分析-误差评定组合方法,研究了一种应用于综合评估数字化装配中关键测量特征点的误差控制权值的计算方法。采用引入权值的最小二乘法求解大部件位姿调整量,提高装配精度。通过层次分析(AHP)方法确定关键测量特征点主观权值,误差评定法确定关键测量特征点客观权值,两者结合综合评定关键测量特征点权值。以最小装配误差为优化目标,利用权值实现多个关键测量特征点的误差分配优化。实例分析中,将超差的对接交点误差由1.23 mm降低到了0.72 mm,满足各个测量点的容差要求。以奇异值分解算法求解目标优化初值,采用牛顿法迭代求解,得到部件的最优位姿,并以中后机身对接为对象分析验证权值分配的合理性。     

基于视觉的内窥镜端部位姿模型分析

针对在假设内窥镜端部固定不变的条件下进行基于光纤光栅传感阵列的内窥镜柔性杆的三维重建存在的问题,提出了基于标志点的内窥镜端部位姿视觉检测模型;利用视觉技术和通过标志点的空间位置信息来获取内窥镜端部位姿的方法,建立了基于主元分析方法及最小二乘法分析标志点位置信息误差对内窥镜端部姿态的影响的方法.模拟分析结果表明,当三个标志点的位置信息误差满足高斯分布且方差在0～3mm之间时,其姿态的最大误差角度为0.59°.通过实验证实了理论计算方法能够有效地利用带有误差的位置信息求解内窥镜端部位姿及误差的大小,为微创手术器具的位姿检测提供了理论和实验基础.     

渐速膛线缠角检测方法的探讨与应用

火炮身管渐速膛线一直没有比较精密的测量方法,我们随着设备改进,首次采用激光干涉仪、准直仪、24面棱体等检测仪器,配以必要的专用量具、辅具,在深孔数控螺旋拉线机上对膛线多个点进行实测,计算出各测量点轴向坐标值;采用24面棱体对每旋转15°角进行定位,再根据膛线方程计算出各点之间的理论转角;通过膛线各点的理论转角与实际转角进行比较,计算出最大转角误差,间接反映出膛线缠角的精度误差,而且在生产中应用效果较好。     

基于立体机器视觉的动目标空间位姿测试研究

针对动态目标振动位姿测试问题,研究平行光轴立体视觉测试及标定模型,建立非接触动态目标空间位姿测试系统。通过双CCD拍摄目标靶振动图像,据目标点像素位置信息获得目标点空间坐标,再由像素始末位置变化求解点偏移量,进而求出动目标空间位姿。通过静、动态试验验证,测量精度约为0.1 mm,相对误差小于5%,满足工程测试要求。结果表明,测试系统结构紧凑,测量精度高,适用性强,能实现位姿测试智能化及数据分析处理自动化,可用于测量三维空间中目标的运动参数及空间姿态等。     

基于最小二乘法改进的随机圆检测算法

提出了一种利用最小二乘法迭代修正随机圆检测的改进算法.解决了由于随机圆检测算法中阈值选取不当,造成同一个圆被分割为多个圆的问题.首先根据随机选取四个点求解出的圆参数,得到属于假设圆的点集;然后由当前点集,利用最小二乘法重新计算得到新的圆参数;接着根据新参数,检测集合中属于当前假设圆的新点,加入到当前点集中,重新计算圆参...     

机器人激光扫描式焊缝跟踪测量系统研究

提出了机器人激光扫描式焊缝跟踪系统参数的标定方法和基于数字图像处理的焊缝特征点识别方法.采用中值滤波、自适应阈值分割和孤点滤波法等对激光图像进行预处理,以数字形态学方法获得焊缝特征点坐标;然后以一组平行线为靶标,获得激光平面上无穷远处一点在摄像机中的投影,实现结构光参数的标定;最后以多个机器人位姿对固定目标点进行检测,求解出机器人的手眼矩阵.整个系统标定过程简单,精度可靠,可用于空间曲面的U型焊缝检测.     

先验知识辅助的条纹投影动态三维形貌测量

为改进条纹投影动态三维测量系统性能,根据动态物体三维形貌测量的特点提出了两步法测量方案：1)通过测量运动前物体或CAD模型,获得物体初始三维形貌及二维图像中特征点对应的三维坐标;2)进行物体运动变化过程的三维测量。通过检测动态图像中的特征点,根据二维、三维坐标对应关系计算物体不同时刻的运动参数,再由初始形貌估计出物体的近似形貌,以此来计算该时刻条纹图的近似相位。然后结合该近似相位及实际条纹的截断相位计算得到展开相位,最后获得该时刻物体的三维形貌。与时间相位展开法相比,该方案在相同测量精度下提高了测量速度;而与空间相位展开法相比,该方案在相同测量速度下提高了测量可靠度,并且不受条纹不连续影响。采用DLP投影仪和高速摄像机搭建了静态、动态双模式三维测量系统,实现了1280×1024点及70 f/s的三维形貌测量。实验结果表明该方案不但可以对刚体运动物体进行测量,而且对非刚体运动物体,只要其形变引起的条纹变化不超过半个周期也能够测量。同时,提出的方法对相邻时刻物体位姿变化有较大的容限。     

基于投票策略的图像配准算法(英文)

针对二维刚体图像配准,本文提出了一种由粗到细的图像配准方法.该方法首先由多尺度Harris角点检测算法提取出参考图像和目标图像的特征角点,采用基于投票策略的特征点匹配算法进行初步配准,有效地减少假点和不稳定点,然后对变换矩阵参数进行初估计,采用基于窗的精细算法对变换矩阵参数进行精估计,并得到最终的变换矩阵.实验结果表明,该算法具有高精度,对噪声鲁棒和低计算量的特点.     

红外探测技术对多目标弹道参数的测量

在对多目标探测所用传感器的选择、目标提取和数据处理等三方面技术问题进行分析论证的基础上,提出了一种新的多、弱、小、暗目标近地弹道参数测量方法。采用红外热像仪合理布站,对运动的多个目标进行空间定位;采集多目标近地区域的下落图像,拟合出相应的轨迹,然后根据多条轨迹得到诸如目标空间坐标、轨迹、速度等弹道参数。这种方法可用于测量靶场落点和近地轨迹等;尤其是在对子母弹子弹群的近地弹道参数及落点的测量中,通过后期处理,可快速精确地报出各子弹的落点坐标。     

一种双目立体视觉系统的校准方法

基于双目立体视觉系统的图像分析以及人工神经网络的三维空间建模算法,设计了一种针对双目立体视觉相机的校准方法,并可应用于运动目标点的轨迹追踪。将均匀分布目标点的校准平面放置在有效视野内的不同位置,通过双目立体视觉系统来捕获处于不同位置的校准平面图像。在图像处理之后,使用校准点中心的二维坐标作为人工神经网络训练的输入样本集,通过建立人工神经网络模型结构,实现目标点二维平面坐标到三维空间坐标的映射关系。采用这种具有通用性的方法,可以有效修正系统中存在的失真因子,获得目标三维位置信息,而无需进行复杂的相机校准操作。实验表明,提出的方案具有良好的可行性和鲁棒性。     

一种通用的工业机器人位姿检测方法

为满足带有不同末端执行器的工业机器人系统的绝对位姿检测需求,提出一种通用的检测方法。其基本原理是以激光跟踪仪测量固定在机器人末端的4个参考点从而间接测量机器人的绝对位姿,并与指令位姿比较实现机器人位姿准确度和位姿重复性检测;其中,参考点坐标及机座坐标系通过多姿态约束同步标定,并设计非线性标定算法。通过末端带有制孔执行器的KUKA KR210 R2700工业机器人的位姿检测实验表明：该检测方法的准确性可满足机器人位姿检测的需要,且无需特殊的机械工装,具有良好的通用性;基于多姿态约束的非线性标定方法具有良好的鲁棒性,可有效的减小因机器人运动模型不准确引起的标定误差。     

无人机对地成像定位方法

为解决基于单张图像的传统无人机对地定位方法的精度不能满足精确打击作战需求的问题,本文提出一种新的无人机对地定位方法.该方法通过线性化共线条件方程建立摄像机姿态角和焦距迭代计算模型,根据非共线位置拍摄的多帧图像及至少3个可识别同名像点坐标迭代计算摄像机姿态角和焦距的精确值,然后利用多摄站前方交会法求取地面目标的三维坐标.该方法不依赖于数字高程模型(DEM)及像片内外方位元素的测量值,消除了传统无人机对地定位方法三个定位误差源中的两个,因此具有较高的定位精度.仿真与真实图像实验计算表明:摄站本身坐标误差的大小是决定对地定位精度的主要因素,当采用DGPS定位摄站时,可以获得很高的目标定位精度.     

基于对偶四元数的单目视觉目标位姿测量

目的在机器人视觉应用领域中,为控制机器人能够完成焊接、搬运、跟踪等任务,需要确定摄像机与目标之间的相对位姿关系,提出一种目标位姿测量方法。方法利用单摄像机获取目标特征,坐标变换参数表示为对偶四元数的形式,同时计算旋转矩阵和平移向量,构建位置向量和方向向量的测量值与模型值之间的误差方程,利用Hopfield神经网络实现拉格朗日乘子法,求解目标位姿最优解。结果利用Matlab软件平台,选择SVD,DQ以及文中算法进行比较,仿真实验结果表明,基于Hopfield神经网络和对偶四元数的位姿测量算法计算出的位姿参数误差最小。随着测量点数量的增大,文中提出的算法精度更高。结论对偶四元数同时求解位姿变换矩阵的旋转分量和平移分量,可消除计算误差,基于Hopfield神经网络和拉格朗日乘子法,可快速准确地计算,并收敛至目标位姿最优解。     

Accuracy verification of a simple local three-dimensional displacement measurement method of DIC with two images coordinates

There are two methods applied for three-dimensional digital image correlation method to measure three-dimensional displacement. One is to measure the spatial coordinates of measuring points by analyzing the images. Then, the displacement vectors of these points can be calculated using the spatial coordinates of these points obtained at different stages. The other is to calibrate the parameters for individual measuring points locally. Then, the local displacements of these points can be measured directly. This study proposes a simple local three-dimensional displacement measurement method. Without any complicated distortion correction processes, this method can be used to measure small displacement in the three-dimensional space through a simple calibration process. A laboratory experiment and field experiment are carried out to prove the accuracy of this proposed method. Laboratory test errors of one-dimensional experiment are similar to the accuracy of the XYZ table; the error in Z-direction is only 0.0025% of the object distance. The measurement error of laboratory test is about 0.0033% of the object distance for local three-dimensional displacement measurement test. Test and analysis results of field test display that in-plane displacement error is only 0.12 mm, and the out-of-plane error is 1.1 mm for 20 m × 30 m measuring range. The out-of-plane error is only about 10 PPM of the object distance. These test and analysis results show that this proposed method can achieve very high accuracy under small displacement for both of laboratory and field tests.     

面向板料精准堆垛的线特征位姿标定方法

目的 板料堆垛是现代流程工业生产中常见的生产环节,其堆垛质量影响着包装和运输安全。针对多边形板料自动堆垛中机械手抓取和对齐问题,提出一种基于网格筛选的线特征相机位姿标定方法,给出空间特征点的选择标准,解决因板料纹理不足带来的点特征精度下降的问题。方法 首先通过检测特征点来表示待匹配线,然后利用基于三角网格的线特征构型筛选算法,获得精确的匹配线;再利用单应性矩阵求解获得转换矩阵,最后通过转换在线板料图像,获得实际抓取点和转换角度。结果 通过桌面板料抓取实验和现场验证,重投影误差不超过2像素,1 m板料的堆垛误差为0.5 mm,结论 证明了此方法在板料自动堆垛过程中针对特征检测和位姿估计问题的有效性。     

一种空间匹配的高速飞行目标轨迹估计方法

针对低空高速飞行目标轨迹估计问题,提出了一种利用多阵列进行空间匹配的轨迹估计方法。该方法首先对探测范围内的空间点进行划分,计算其相对于阵列参考坐标的真实方位角与俯仰角并建立字典进行存储。将传感器阵列接收到的信号进行分帧处理,对每一帧数据计算波达方位。理论上,在探测范围内,高速运动目标为直线运动。在理想情况下,对于单个阵列,每一帧数据得到的方向矢量与参考坐标所构成的直线均处于同一平面。对每一帧数据估计得到的波达方位在字典上进行匹配,找到误差最小的N个空间点,进行直线拟合。再对由两帧以上数据得到的直线进行空间平面拟合,得到估计平面。两个阵列所得的估计平面的相交直线即为高速飞行目标的估计轨迹。仿真结果验证了高速飞行目标的轨迹估计算法的有效性。     

A novel algorithm for pose estimation based on generalized orthogonal iteration with uncertainty-weighted measuring error of feature points

In this paper, we investigate the effect of anisotropic and correlated non-identical distributions of feature points’ gray level on pose estimation in stereo vision system. The generalized orthogonal iteration (GOI) algorithm for pose estimation with uncertainty-weighted measuring error of feature target is proposed. In this method, the inverse covariance matrix is applied to describe the uncertainty of feature points, and weighted contribution of uncertainty to the error objective function is analysed. By transforming the uncertainty into the covariance-weighted data space, a novel objective function based on spatial collinear error is constructed. The orthogonal iterative algorithm is extended to stereo vision system for pose estimation and the GOI algorithm is deduced, by which the optimized solution to a novel objective function is given. Finally, simulation and actual experimental results show high accuracy and strong robustness of the proposed approach, and should therefore, have potential for a variety of engineering applications.     

三维点云的两步校准法及其应用研究

针对具有平面特征的工件的位姿识别,提出了一种三维点云两步校准法。首先,对三维点云进行多次随机抽样,每次抽取3个点并计算其所构成平面的单位法向量;经多次抽样后,得到一个平面单位法向量集合,采用密度聚类算法提取主平面的单位法向量,并根据主平面单位法向量与目标向量的轴角变换关系实现点云的倾斜度校正。然后,先将点云投影至主平面,再将各点的高度映射为主平面内的灰度,得到点云灰度图;再利用图像模板匹配算法获取点云在主平面内投影的平移量和旋转角,经平移和旋转后实现点云位姿的最终校准。将所提出的三维点云两步校准法应用于高压输电线塔塔座自动焊接系统,以识别塔座的位姿信息,并与基于采样一致性法识别的塔座位姿信息进行对比。结果表明,相比于采样一致性法,所提出的两步校准法既提高了工件位姿的识别精度,又缩短了约76%的耗时。研究结果可为具有平面特征的工件的位姿快速校准及识别提供参考。三维点云两步校准法在先进制造业中具有广阔的应用前景。