基于视觉信息的航天器位姿估计迭代算法

基于视觉信息的空间目标相对位姿估计问题是未来空间操作的关键所在,正交迭代算法是一种具有实时性好且全局收敛特点的单目位姿估计算法.为了有效利用多个摄像机荻取的数据,进一步提高位姿估计算法的综合性能,提出了一种双目正交迭代融合算法,取两个摄像机获取的所有特征点的目标空间共线性误差平方和作为误差函数,推导得到使两个摄像机总的...     

一种基于直线特征的单目视觉位姿测量方法

提出了一种基于直线特征的单目视觉位姿测量方法SoftNewton。构造了新颖的目标直线与图像直线匹配评价函数,避免检测图像中直线的端点,最终通过软决策技术确定直线特征匹配关系,并采用高斯牛顿迭代算法基于全透视成像模型解算目标位姿。和POSIT算法相比,高斯牛顿迭代算法保持了旋转矩阵的正交性,提高位姿解算精度。仿真图像实验中,在干扰直线和噪声存在的情况下算法经过29次迭代解算得到正确的直线特征匹配矩阵,姿态误差小于0.2°,位移误差小于0.5 mm。仿真图像和实际图像实验结果均表明SoftNew-ton具有较高解算精度和较强的鲁棒性。     

基于平面运动约束的移动机器人位姿估计

针对大部分基于单目相机的位姿估计方法只适用于平面场景的问题,提出了一种同时适用于 平面场景和立体场景的单目位姿估计方法．首先,将所有图像与参考帧进行特征匹配;然后,提取每 帧图像中都出现的特征点的像素坐标,并结合地平面约束和相机内参矩阵构建出观测矩阵;其次, 对观测矩阵进行奇异值分解得到各帧图像的位姿估计,并利用约束矩阵解决奇异值分解不唯一问 题;最后,利用光束平差法优化图像位姿,得到机器人位姿的最优估计．实验结果表明：该方法能准 确对移动机器人进行位姿估计．     

基于最佳几何约束的遥感影像点匹配算法

针对尺度不变特征变换(SIFT)点匹配算法中几何约束缺失问题,提出了一种基于最佳匹配几何约束的点匹配算法.该算法以SIFT匹配算法为基础,首先构建左右影像特征点集的转换模型,然后采用改进的量子粒子群算法对模型参数进行迭代寻优,每次粒子位置更新后,采用基于搜索圆的特征点匹配算法获取新位置下的特征点,并根据获取的特征点情况计算其适宜度与辅助适宜度来对粒子位置进行评价,经过多次迭代,最终获取匹配影像的最佳几何约束与该约束下相应的匹配点,实现了特征点的匹配.选取多幅遥感影像进行点匹配实验,结果表明:相比其它的点匹配算法,该算法在匹配点的数目与精度上都有显著提高,能够获得更好的点匹配结果.     

一种相机位姿鲁棒估计方法

针对位姿估计算法对鲁棒性和精度要求高的特点,提出了一种鲁棒的高精度位姿估计方法:该方法以3个样本点对为基础,首先假设各空间点到投影中心的距离近似相等,然后根据像点与空间点间的几何约束关系建立方程组并推导迭代公式,进而迭代求解各空间点到投影中心的距离;以此为基础,提出了一种最小二乘绝对定向方法来获取相机的初始位姿。最后根据空间点与像点之间的共线约束进行迭代优化,得到最终的相机位姿。测试表明,该方法在满足假设的条件下能很好地收敛,并达到较高的解算精度。     

双目立体视觉的无人机位姿估计算法及验证

针对无人飞行器在未知复杂环境下的导航问题,提出了一种基于双目立体视觉的无人飞行器位置和姿态估计算法。用双目摄像机采集立体图像序列,对图像进行立体校正后使用Harris算法提取特征角点,用NCC算法获取匹配特征点,导出摄像机坐标系下的特征点坐标,得到三维立体特征信息,使用RANSAC算法与L-M迭代算法得到无人飞行器姿态和位置估计值。实验结果表明,基于双目立体视觉的位姿估计算法能适应未知环境变化,计算结果与实际位姿量相比误差小,能满足无人飞行器导航要求,可为无人飞行器的导航实现提供一套新途径。     

基于视觉信息的微型无人直升机位姿估计

采用基于视觉信息的姿态估计方法对微小型无人直升机位姿估计进行了研究.在分析视觉信息与直升机运动关系的基础上,可以看出,稳定解算航拍图像序列之间的单应矩阵是整个方法的关键.而解算单应矩阵需得到序列图像之间的特征匹配点.为了获得稳定的、抗噪性强的同平面特征匹配点,方法采用了基于尺度不变特征变换(SIFT)算法和基于随机抽样一致性(RANSAC)算法的匹配策略.在一套真实的微型无人直升机系统上的实验证明,通过该方法得到的位姿信息可以达到无人直升机自主飞行所需的精度要求.     

基于四元数和航天器姿轨信息的相对位姿确定算法

航天器间的相对位姿确定是航天器编队飞行、交会与对接、捕获与维护等重大航天任务的关键技术.基于图像信息的相对位姿确定是目前国内外研究的热点,是解决航天器相对位姿确定问题的有效方法.文中在航天器姿态动力学、机器视觉理论基础上,提出基于四元数和航天器姿轨信息的相对位姿确定算法.在定姿方面,该算法采用了四元数法,与传统的Hall算法相比,降低了雅可比矩阵的阶数,从而减小了计算量;另外,在基于四元数算法的最小二乘估计中,该算法充分利用了航天器姿轨信息作为初始值,减少了计算的迭代次数,提高了算法的效率.     

误差融合技术的移动机器人SLAM算法研究

即时定位与地图构建是移动机器人自主导航的关键技术,利用单一激光雷达提取的原始特征点云求解帧间运动会产生位姿估计失准。将IMU预积分信息通过线性插值的方法对失真激光点云进行运动补偿,矫正移动机器人自身位姿;采用基于线面特征的点云提取与匹配,提高定位精度;增加回环检测模块,利用ICP算法对存在回环的两关键帧建立约束,以减少系统长期运行造成的累计误差;构建整体代价函数,对全局系统误差进行优化。回环检测插值算法降低了位姿估计失准对系统性能的影响,提高了移动机器人的定位精度,绝对位姿误差更小,保证了构建地图的全局一致性。     

基于SVD和SIFT的宽基线立体影像匹配

提出了一种在核线几何约束下基于自适应归一化互相关（NCC）及奇异值分解（SVD）的尺度不变特征变换（SIFT）特征匹配算法（SVD-NCC）.算法首先利用SIFT特征的尺度和方位信息对特征点邻域进行仿射变形改正,然后基于NCC测度和SVD算法生成特征点间匹配矩阵并获得其对应关系.在具体实现策略上,算法首先基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集,并基于SVD-NCC算法获得初始匹配点对用于立体像对的核线几何估计,然后在核线几何约束下对其余特征点进行扩展匹配及误匹配剔除.实际的宽基线序列立体影像匹配试验结果表明该方法可显著提高匹配点的数量和匹配正确率.     

双摄像机结构光三维测量系统自标定方法

针对双摄像机与投影仪结构光三维测量系统的标定问题,提出了极线约束条件下的自标定方法．依据极线约束理论,通过标定物上特征点与对应双摄像机的两个像点确定极线方程,建立了两个摄像机之间的平移和旋转关系矩阵．将多编码周期三角形灰度分布图案投射到标定物,获取特征点在投影仪上对应点的坐标,采用改进8点法建立投影仪与双摄像机关系矩阵的两个估计矩阵,利用对极距离为目标函数进行估计矩阵优化,得到双摄像机和投影仪的参数矩阵．采用该系统对平面和人脸进行了三维测量实验,结果表明平面测量的最大绝对误差不大于1．7mm,相对误差不大于0．18％,表明了该三维测量系统自标定方法的有效性．     

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。     

结合道路结构化特征的语义SLAM算法

视觉SLAM(simultaneous localization and mapping)是智能车辆领域的研究热点,在包含运动目标干扰或近景特征不显著的场景中,容易产生帧间位姿估计结果精度不足或失效问题.为此,本文提出一种结合场景语义信息和路面结构化特征的SLAM算法.首先,针对上述特殊场景中运动目标干扰的情况,设计带...     

面向深度相机位姿优化的帧间点云数据配准算法

TOF相机能够同时采集灰度图像和深度图像从而优化相机位姿的估计值. 应用图结构调整框架优化多帧数据采集时的相机位姿,采用帧间配准决定优化的精度和效率. 从2帧图像上提取并匹配尺度不变特征点对,二维特征点被扩展到三维空间后,利用与特征点的空间位置关系将2帧三维点云配准;逐步应用提出的算法配准参与位姿优化的多帧点云中的任意2帧点云;最后将有效配准的点云帧对作为输入数据,采用图结构算法优化位姿. 实验结果表明,提出的帧间配准算法使得位姿估计值精度显著提高,同时保证了估计效率.     

基于改进形状上下文的双焦图像深度估计

针对深度估计时两幅双焦图像特征点的误匹配问题,提出了一种基于改进形状上下文特征点的校正方法。首先引入了对尺度、视角、光照等具有不变性的SSURF特征向量,利用SSURF特征向量匹配算法在双焦单目视觉系统采集的焦距不同的两幅图像之间进行目标SSURF特征点的匹配。提出一种改进的形状上下文描述符,对局部特征匹配点对进行误匹配的校正。然后根据空间物点与所成像点距图像中心矢量大小及摄像机的焦距值之间的几何关系,利用校正后的特征点完成相关的计算从而获取目标物的深度信息。实验表明,校正后的方法进行深度估计具有较小的误差和较好的估计效果。该深度估计方法有较大的实用价值。     

New method for camera pose estimation based on line correspondence

The key technology of the measuring method of pose shaking of unstable platform based on CCD lies in the camera pose estimation.A new method for camera pose estimation based on line correspondence is put forward in this paper.First,two appropriate lines are selected in the space to establish a local coordinate system,the remaining lines form three-line sets with these two lines respectively and then the angle depth of the lines of the local coordinate system can be obtained by using the linearity of interpretation plane;then the invariance of included angle between spatial coordinate system and camera coordinate system during rigid transformation is used to establish a constraint equation set of angle depth of three lines similar to traditional P3P,and the corresponding angle depth of the third line in the set can be obtained linearly by variable substitution;finally,the rotation matrix can be expressed with quaternion and the pose parameters of camera in the space can be calculated by singular value decomposition(SVD).The static experiment and dynamic experiment verify the accuracy and stability of the algorithm and that the camera pose shocking is within 1°and the 3σ error is superior to 0.3′.The method in this paper can be directly used in the micro-vibration measurement of experimental platform and robot navigation and other fields and is of important theoretical significance and engineering application prospect.     

基于SIFT特征的视频内头部姿态估计

基于对头部左右转动时脸部图像上点之间距离变化特性的分析,提出基于SIFT特征的单摄像头近距离视频图像序列内头部姿态估计算法。该方法首先在脸部图像上提取SIFT特征点,然后对两幅图像进行SIFT特征匹配,基于匹配的特征点之间距离的变化性质判断两幅图像内头部的相对转向与转动程度,得到头部姿态估计结果。在人脸库和视频图像上的实验表明,该方法使用简单,且具有较高的正确度。     

视觉测量中光学测头姿态估计方法

基于光学测头特征点成像的单机视觉坐标测量系统具有测量空间大、测量精度高及可进行现场测量等优点,是替代传统的大型坐标测量机的最有发展前途的技术方案之一.为实现该测量方法,必须先解决光学测头姿态估计问题,为此,提取一种利用SVD与矢量观测值的姿态确定方法.首先,通过基于SVD的5点优化算法确定特征点的空间坐标;然后,利用特征点的测头坐标和空间坐标建立关于测头坐标矢量、像机坐标矢量的矩阵方程,优化求解矩阵方程确定光学测头(测头坐标系)相对于像机坐标系的姿态.该算法利用所有数据冗余信息,提高了测量系统的精度和稳定性.实验证明,该算法切实可行,系统的单点重复性及测量不确定度<0.1 mm.     

Optimization algorithm for estimating the human pose by using the morphable model

An optimization algorithm is proposed utilizing the video data and point cloud data captured by the depth camera to solve the problems such as error-proneness and incoherence of motion sequence caused by the existing human pose estimation algorithms based on the morphable model. For video data, the neural network is first used in extracting the model parameters from each color image frame. Next, the human key-points and contour constraint are considered to optimize the above parameters. Then the coherence between every two consecutive frames is utilized to correct the error of pose estimation, thus making the resulting motion sequence smoother. In addition, the point cloud and the model obtained from the corresponding color image frame are used as the joint input to further improve the estimation accuracy. Finally, the distance between the point cloud and the corresponding point of the model is constrained to be as small as possible to obtain a more reasonable solution. The proposed algorithm and the state-of-the-art algorithms are compared qualitatively and quantitatively on the data set and real video set. Experimental results show that the algorithm can effectively correct the error and incoherence in the single-frame pose estimation results and greatly improve the accuracy when using point cloud data optimization.