共查询到19条相似文献,搜索用时 153 毫秒
1.
针对机器人混合视觉伺服控制中的摄像机位姿估计问题,分析欧氏单应矩阵的基本性质,提出一种景物平面法向已知情况下的欧氏单应矩阵快速分解算法.仿真实验结果表明,所提出的算法实现简单,避免了矩阵奇异值分解运算和从多组分解结果中确定惟一解的过程,能够较好地满足视觉伺服控制系统的实时性要求. 相似文献
2.
单应矩阵的鲁棒性和精度直接决定了其应用效果,如何利用RANSAC算法估计出鲁棒、精确的单应矩阵,仍是一个有待研究的热点问题。针对传统RANSAC算法迭代次数多、运行时间长、单应矩阵估计精度较低的问题,在SIFT特征匹配算法的基础上,从剔除样本集中不符合图像几何特性的部分外点、快速舍弃不合理单应矩阵和迭代精炼单应矩阵等方面对RANSAC算法进行改进,提出一种基于改进RANSAC算法的单应矩阵估计方法,提高了单应矩阵估计的精度和效率。实验结果表明,该方法有效解决了传统RANSAC算法存在的问题,能够快速、精确估计单应矩阵。另外,对于不同视角和大小的图像,该方法均具有较好的鲁棒性。 相似文献
3.
针对深度相机,提出了估计位姿变换精度的闭式解算法.相对位姿由6自由度向量T=[x,y,z,α,β,γ]表示,计算该向量的协方差矩阵来表征相对位姿精度.定义3维点对到相对位姿的隐式函数,利用隐式定理计算该隐式函数相对于点对集合的偏导数,从而根据隐式函数变化趋势和深度相机测量误差来计算协方差矩阵.该方法要求3维点对匹配准确无误,所以本文同时提出在给定相对位姿情况下匹配3维点对算法,该算法充分利用深度相机可以同时返回深度信息和灰度信息的特点.最后在随机生成数据和真实数据上验证了相对位姿精度估计算法的有效性. 相似文献
4.
基于单应矩阵的摄像机标定方法及应用 总被引:1,自引:0,他引:1
提出了一种基于单应矩阵的摄像机标定方法,并应用标定结果成功完成了移动机器人的视觉伺服任务。该方法首先根据图像平面和标定板平面之间特征点的对应关系,对单应矩阵进行了估计,进而利用旋转矩阵的单位正交性得到了其对摄像机内参数的约束条件。然后把摄像机内参数矩阵分解为有效焦距与主点位置两部分,并利用最小二乘法分别对其进行求解。针对镜头的径向畸变,恰当地选取了一种畸变模型,并由此得到了一种新的目标函数来对摄像机的所有参数进行非线性优化,从而使获得的畸变系数更适合于从二维图像信号中提取三维位姿信息。最后将标定结果成功应用于移动机器人视觉伺服系统之中,实验结果验证了该标定算法具有简单易用、精度较高等优良性能。 相似文献
5.
针对视觉SLAM中由于视觉里程计存在累积误差导致难以构建全局一致的地图的问题,提出一种基于改进闭环检测的视觉SLAM算法。通过差分信息熵删除冗余关键帧;利用基于词袋模型(bag of words, BoW)改进的金字塔得分函数检测闭环,提高闭环的识别率,并通过改进的感知哈希算法对提取的闭环候选帧进行几何验证,剔除差别较大的候选帧。整个闭环检测算法结合ORB-SLAM2框架进行特征点提取、相机位姿估计和g2o图优化。利用标准RGBD SLAM数据集进行算法验证,实验结果表明,该算法能够有效降低SLAM系统的累积误差,实现更加准确的位姿估计,并且满足机器人建图的实时性要求。 相似文献
6.
针对大范围室外场景和具有重复、高频纹理特征(例如水泥地、草坪)的场景,提出了一种鲁棒性强、定位精度高、速度更快的视觉定位算法。采用8级图像金字塔的ORB (Oriented FAST and Rotated BRIEF)特征描述子提取图像特征点,通过K近邻(KNN)匹配相邻图像序列的特征点对,依次解算基础矩阵F和本质矩阵E,采用自适应法利用单应矩阵和本质矩阵进行位姿估计,最后解算两帧图像间相机刚体运动的旋转R和平移t,利用三角测量法则求解出匹配点的三维坐标,重建相机运动轨迹。为了提高算法性能,提出采用最小化基于点特征的非线性重投影误差优化三维点。通过调用OpenCV在C++中实现,对所采集的数据集进行测试,测试结果表明,该方法比传统的3D位姿估计更优,实时可行。由于其基于单目而实现,因此无法得到尺度信息。 相似文献
7.
为解决双目视觉末端位姿检测中光照、噪声干扰等外部因素造成的检测精度降低问题,提出一种改进PROSAC (Progressive Sample Consensus)算法的水果分拣并联机器人双目视觉末端位姿检测方法。基于ORB算法进行特征提取和立体匹配;采用改进的PROSAC算法对立体匹配进行提纯,该改进通过穿插取点和预检验候选模型克服PROSAC算法存在的模型参数估计精度不高和验证错误候选模型耗时问题;将提纯后的匹配点对代入双目视觉模型求出末端位姿。实验结果表明,与未改进PROSAC算法的末端位姿检测方法相比,改进PROSAC算法的并联机器人末端位姿检测方法,其位姿各分量x、y、z、γ的误差平均绝对值分别降低了53.9%、65.5%、66.9%、47%,误差标准差分别降低了53.2%、67%、66.6%、56.6%,验证了所提出方法的有效性。 相似文献
8.
基于线对应的单应矩阵估计及其在视觉测量中的应用 总被引:1,自引:0,他引:1
单应矩阵估计在视觉测量、摄像机标定、三维重建等领域有重要的应用价值, 但是在具体应用中如何鲁棒、精确地估计单应矩阵仍是一个没有很好解决的问题. 在研究和实际应用中我们发现,直接线性方法在基于线对应的单应矩阵估计中会出现在某些特殊的摄像机姿态下误差较大的情况. 针对这一情况, 我们提出了一种基于线对应的归一化单应矩阵估计方法并将其应用到视觉测量中,即通过简单的归一化操作使测量矩阵元素的大小分布尽量均匀, 从而降低了测量矩阵的条件数, 提高了算法的鲁棒性, 同时又保持了直接线性方法简单、快速、易实现等优点. 模拟实验和真实图像实验均验证了该方法的有效性. 相似文献
9.
提出一种基于单应矩阵的摄像机自动标定算法。讨论摄像机焦距为恒定和任意变化两种情况下求解摄像机内参数的计算方法:论证空间平面诱导单应矩阵的性质,利用该性质不但能求出摄像机外参数,还可得到空间平面法向量和单应矩阵方程的比例因子。该算法在求解过程中不需要非线性迭代,可以直接获得解析解,实验表明该算法具有很好的准确性、普遍性。 相似文献
10.
基于直接解算与迭代优化的相对定向方法 总被引:2,自引:0,他引:2
为了提高相对定向的鲁棒性和精度,提出了一种直接解算与迭代优化相结合的相对定向方法。该方法首先由同名点估计本征矩阵;然后,通过分解本征矩阵得到两相机的初始相对位姿,详细介绍了确定唯一初始位姿参数的过程;最后,通过建立水平核线坐标系,基于共面约束由同名点构建约束方程组,对初始位姿参数进行迭代优化。通过在直接解算时采用随机采样一致性(RANSAC)策略及迭代优化中进行动态剔点,使算法对外点具有极高的抗性。仿真实验结果表明,在引入各种随机误差的条件下,所提方法的解算效率和精度均优于传统方法。实际数据实验证明所提算法可有效应用于三维重建中的相对位姿估计。 相似文献
11.
We present a new analytical method for solving the problem of relative camera pose estimation. This method first calculates the homography matrix between two calibrated views using unknown coplanar points, and then, it decomposes the matrix to estimate the relative camera pose. We derive a set of new analytical expressions that are more concise than other homography decomposition methods. These analytical expressions are also used to improve the efficiency of a traditional SVD-based homography decomposition method. The performance of our analytical method is studied in terms of both efficiency and accuracy, and it is compared with other homography decomposition methods. Furthermore, the accuracy of our analytical method is tested under different conditions and compared with that of the five-point method through simulations and real image experiments. The experimental results demonstrate that our method is faster and more accurate than other homography decomposition methods and more accurate than the five-point method. 相似文献
12.
XU De TU Zhi-Guo TAN Min 《自动化学报》2005,(3)
Monocular visual positioning for indoor mobile robot is concerned in this paper.A new visual positioning method based on homography matrix in Euclidean space is proposed.It can calculate the position and pose of the mobile robot according to the intrinsic parameters of camera and two position-known points in a plane.It is very simple and low cost in computation.The experimental results show its effectiveness. 相似文献
13.
基于单应性矩阵的室内移动机器人视觉定位研究 总被引:1,自引:0,他引:1
Monocular visual positioning for indoor mobile robot is concerned in this paper. A new visual positioning method based on homography matrix in Euclidean space is proposed. It can calculate the position and pose of the mobile robot according to the intrinsic parameters of camera and two position-known points in a plane. It is very simple and low cost in computation. The experimental results show its effectiveness. 相似文献
14.
针对如何准确获取位姿信息来实现移动机器人的避障问题,提出一种可用于实时获取移动机器人位姿的单目视觉里程计算法。该算法利用单目摄像机获取连续帧间图像路面SURF(Speeded Up Robust Features)特征点;并结合极线几何约束来解决路面特征点匹配较难的问题,通过计算平面单应性矩阵获取移动机器人的位姿变化。实验结果表明该算法具有较高的精度和实时性。 相似文献
15.
针对ORB-SLAM2系统中随机抽样一致(RANSAC)算法在误匹配剔除时因其算法本身的随机性而导致效率较低的问题和在ORB-SLAM2系统里未能构建稠密点云地图的问题,采用渐进一致采样(PROSAC)算法来改进ORB-SLAM2系统中的误匹配剔除,并在系统中添加稠密点云地图和八叉树地图构建线程。首先,与RANSAC算法相比,PROSAC算法依据评价函数对特征点进行预排序,并选取评价质量较高的特征点求解单应性矩阵,根据单应性矩阵的解与匹配误差阈值进行误匹配剔除;然后,根据ORB-SLAM2系统进行相机的位姿估计与重定位;最后,根据所选关键帧进行稠密点云地图与八叉树地图的构建。根据TUM数据集上的实验结果,PROSAC算法在进行相同图像的误匹配剔除时所用时间是RANSAC算法的50%左右,并且所提系统的绝对轨迹误差与相对位姿误差与ORB-SLAM2系统基本一致,表现出良好的鲁棒性;另外,与稀疏点云地图相比,提出的新构建地图可以直接用于机器人的导航与路径规划。 相似文献
16.
针对ORB-SLAM2系统中随机抽样一致(RANSAC)算法在误匹配剔除时因其算法本身的随机性而导致效率较低的问题和在ORB-SLAM2系统里未能构建稠密点云地图的问题,采用渐进一致采样(PROSAC)算法来改进ORB-SLAM2系统中的误匹配剔除,并在系统中添加稠密点云地图和八叉树地图构建线程。首先,与RANSAC算法相比,PROSAC算法依据评价函数对特征点进行预排序,并选取评价质量较高的特征点求解单应性矩阵,根据单应性矩阵的解与匹配误差阈值进行误匹配剔除;然后,根据ORB-SLAM2系统进行相机的位姿估计与重定位;最后,根据所选关键帧进行稠密点云地图与八叉树地图的构建。根据TUM数据集上的实验结果,PROSAC算法在进行相同图像的误匹配剔除时所用时间是RANSAC算法的50%左右,并且所提系统的绝对轨迹误差与相对位姿误差与ORB-SLAM2系统基本一致,表现出良好的鲁棒性;另外,与稀疏点云地图相比,提出的新构建地图可以直接用于机器人的导航与路径规划。 相似文献
17.
针对KLT跟踪方法抗光照变化和抗遮挡较差的问题,提出一种使用局部特征描述改进的LK跟踪注册方法(DF-LK)。使用ORB特征点求解初始位姿,通过自适应非极大值抑制重新划分特征点,选择均匀分布的特征点作为LK方法跟踪的控制点集。相邻帧图像之间的单应性矩阵通过在DF描述后的图像上使用LK方法进行求解,跟踪的结果由向前向后错误检测进行评估,由单应性矩阵和初始位姿求解出当前帧的摄像机位姿,并叠加虚拟信息。实验结果表明,该方法在光照变化、部分遮挡和透视变化时均有较好的稳定性和鲁棒性。 相似文献
18.
Estimating the pose of a plane given a set of point correspondences is a core problem in computer vision with many applications including Augmented Reality (AR), camera calibration and 3D scene reconstruction and interpretation. Despite much progress over recent years there is still the need for a more efficient and more accurate solution, particularly in mobile applications where the run-time budget is critical. We present a new analytic solution to the problem which is far faster than current methods based on solving Pose from \(n\) Points (PnP) and is in most cases more accurate. Our approach involves a new way to exploit redundancy in the homography coefficients. This uses the fact that when the homography is noisy it will estimate the true transform between the model plane and the image better at some regions on the plane than at others. Our method is based on locating a point where the transform is best estimated, and using only the local transformation at that point to constrain pose. This involves solving pose with a local non-redundant 1st-order PDE. We call this framework Infinitesimal Plane-based Pose Estimation (IPPE), because one can think of it as solving pose using the transform about an infinitesimally small region on the surface. We show experimentally that IPPE leads to very accurate pose estimates. Because IPPE is analytic it is both extremely fast and allows us to fully characterise the method in terms of degeneracies, number of returned solutions, and the geometric relationship of these solutions. This characterisation is not possible with state-of-the-art PnP methods. 相似文献
19.
Fiducial markers provide better-defined features than the ones naturally available in the scene. For this reason, they are widely utilized in computer vision applications where reliable pose estimation is required. Factors such as imaging noise and subtle changes in illumination induce jitter on the estimated pose. Jitter impairs robustness in vision and robotics applications, and deteriorates the sense of presence and immersion in AR/VR applications. In this paper, we propose STag, a fiducial marker system that provides stable pose estimation. STag is designed to be robust against jitter factors, thus sustains pose stability better than the existing solutions. This is achieved by utilizing geometric features that can be localized more repeatably. The outer square border of the marker is used for detection and homography estimation. This is followed by a novel homography refinement step using the inner circular border. After refinement, the pose can be estimated stably and robustly across viewing conditions. These features are demonstrated with a comprehensive set of experiments, including comparisons with the state of the art fiducial marker systems. 相似文献