融合曲率信息的点云配准方法

针对点云配准时受原始位姿局限及配准效率、鲁棒性低的问题,提出一种融合曲率信息的点云配准方法。首先,将海量点云进行重心邻近点体素下采样,采用融合曲率信息的提取算法提取特征点;其次,通过三维形状上下描述符进行特征描述并利用改进的随机抽样一致性算法进行粗配准;最后,在具有较好位姿的情况下采用Symm-ICP进行精配准。试验结果表明,该算法对于不同位姿的点云数据均保持较高的配准精度。本文提出的算法配准效率优于其他算法,并具有较好的鲁棒性。     

TOF激光相机六自由度位姿变换估计

相对位姿估计是机器人视觉领域的研究热点。通过两帧数据来估计相机的六自由度位姿变换。充分挖掘TOF相机优势, 提出了多个有效算法, 用以保证估计精度。采用迭代最近点(ICP)算法估计位姿变换, 为了克服ICP算法迭代发散问题, 利用尺度不变特征点对估计初始值。为了提取有效特征点, 根据统计学原理尺度化灰度图像, 提高图像对比度。为了提高相机的测量精度, 根据曝光时间越长, 测量精度越高的原理, 提出了融合多帧数据算法, 使得融合后的数据帧中每个像素值均是在最长合理曝光时间下采集得到。同时提出了度量两个六自由度位姿变换差异的算法, 并首次利用其跟踪ICP迭代过程。实验证明提出的算法可以有效估计相机六自由度位姿变换。     

基于超体素与几何特征融合的点云配准优化

针对点云配准过程中点云数据冗余、易出现误匹配点对和配准精度低的问题,提出了一种融合超体素及几何特征的点云配准方法。首先使用超体素与法向量信息相结合的方法提取特征点;其次,在粗配准中,通过使用快速特征点直方图(Fast Point Feature Histograms,FPFH)进行特征描述,采用双向最近邻比获取初始特征点对应关系,基于法向量夹角策略和随机采样一致性(Random Sample Consensus,RANSAC)算法进行对应关系的优化,获取良好的初始位姿;最后,在精配准中,基于初始位姿与改进的迭代最近点算法(Iterative Closest Point,ICP)算法完成点云配准。通过在斯坦福数据集中进行配准实验,验证了所提算法具有更好的鲁棒性,能高效且精准的完成点云配准。     

改进TrICP算法的多源点云配准研究

针对建筑物多源点云数据配准时出现配准精度低和效率不高的问题,提出一种基于主成分分析(PCA)的改进修剪迭代最近点(TrICP)多源数据配准方法。首先采用PCA算法对点云计算主轴方向,并基于方向反向问题创建校正矩阵进行校正,从而得到两组点云的初始良好位姿转换,完成点云的粗配准步骤;然后针对修剪迭代最近点中搜索点对和迭代次数问题,采用赋权的改进修剪迭代最近点算法完成两种点云数据的精配准。实验数据结果表明,改进的配准算法可以有效地减少多源点云数据迭代次数,提高配准精度并且保证了点云的完整性,相较于其他三种对比算法,精度分别提高56.75%、39.60%、28.08%,有效提升了配准的效率。     

采用主成分分析的迭代最近点算法优化与验证

通过分析算法配准过程提出一种基于主成分分析（PCA）的点云配准策略,对迭代最近点（ICP）算法迭代过程加入PCA配准设计,以解决ICP算法易陷入局部最小值、配准耗时高的问题。首先,利用重心法在首次迭代开始前使参考点云与待配准点云重心重合以达到初始位姿确定;然后,在ICP算法每次进行迭代时,先对待配准点云与参考点云进行PCA,选取其中前三主成分特征向量,通过姿态变换进行对应匹配,使两点云完成初始配准后再利用欧氏距离寻找最近点,完成后续配准过程。选取了经典ICP算法及3种初始位姿确定方法、文献主流算法与提出的迭代PCA算法及3种初始位姿确定方法进行对比分析,结果表明,在前述两种方法都无法配准的情况下,提出算法不仅成功避免算法陷入局部最小,而且获得了较优的速度与精度,迭代次数为10次,耗时19.427939 s,配准误差为2.1932,综合提高了配准性能。     

基于IVCCS的三维点云配准算法

针对传统迭代最近点(ICP)算法在数据丢失以及存在噪声点的情况下配准时间过长、精度较低等问题,提出了一种基于改进的体素云连通性分割(IVCCS)与加权最近邻距离比相结合的配准算法。利用双阈值体素去噪剔除初始种子体素中的噪声体素,解决原本体素云连通性分割算法(VCCS)中因单一约束条件导致种子体素错误剔除的问题,同时将体素云分层去噪来加快配准的运算速度;利用流约束聚类提取点云中的特征点,并依据最近邻距离比验证特征点是否为重合点,赋予不同的权重优化ICP最小目标函数,从而加快配准速度。实验结果表明,该算法相对于传统ICP算法迭代次数减少,在精度与速度方面均有显著提升,相比于基于快速点特征直方图(FPFH)的ICP算法配准精度提高了8.5%~24.7%,速度上提高了65.6%~92.3%,迭代次数减少了16.6%~38%。     

融合特征点提取的三维点云配准方法

为了改进传统迭代最近点云配准方法配准精度低,需要较好的初始输入变换矩阵等问题,提出一种基于分块思想结合点云平面拟合提取特征点的改进型点云配准方法。首先,对点云进行分块,结合随机采样一致性定理进行块状点云的平面拟合和特征点提取。其次,采用快速点对直方图来描述点云特征,利用采样一致性配准算法进行初始配准,为精配准奠定良好的基础。精配准通过K-D树改进加速迭代最近点算法,实现点云的整体配准。试验结果表明,所提出的点云配准方法在两种测试集上相较于传统最近迭代点方法,在配准精度上提升89.23%和31.45%,相较于其他点云配准方法,提出的方法也有一定的优势。     

多特征点拓扑确定位姿测量算法研究

为解决单目视觉位姿测量时,由目标特征点较多导致图像点与目标点拓扑关系未知的问题,提出了一种多特征点拓扑确定位姿测量算法。较多特征点可在目标进行大角度运动时保证足够的特征点进行位姿解算,与较少特征点相比提高测量精度。该算法将拓扑确定的过程和位姿求解的迭代过程进行嵌套,同时进行拓扑确定和位姿计算。位姿计算的迭代过程基于平行透视投影模型,不需要目标重心投影点坐标作为迭代初始值。拓扑确定的过程转化为分配问题的求解过程。每次位姿迭代的过程中进行一次拓扑确定,拓扑确定的结果可以计算更优的位姿估计。通过多位姿测量实验和精度对比实验结果证明:该算法适合大范围、高精度的位姿测量,在-120~120范围内,位姿测量均方根误差为0。272。     

面向狭窄场景的鲁棒多视角配准方法

多视角点云配准是逆向工程中的关键步骤之一,具有重要的研究意义和工程应用价值。而对于狭窄场景(如口腔或机械结构内部)获取的点云数据,多视角配准算法的精度直接影响重建精度的好坏。为了提升狭窄场景多视角点云配准的速度和鲁棒性,提出一种基于位姿图优化的增量式多视角点云配准方法。首先针对相邻视角的点云,结合迭代最近点法(ICP)和基于特征的配准方法,提出一种多策略融合的成对点云配准算法,用于求解相邻视角点云的配准结果;然后在增量式相邻视角点云配准的基础上,进一步提出一种基于距离约束的回环检测方法,并依据相邻视角点云的配准结果和回环检测的结果构建位姿图;最后采用实时优化策略对位姿图进行优化,消除累计误差,实现鲁棒的多视角配准。实验结果表明,提出的多策略融合配准算法和基于距离约束的回环检测方法是有效的。经典ICP算法和基于FPFH特征的配准算法在实验中存在失效的现象,而提出的多策略融合配准算法并无失效。基于距离筛选的回环检测方法较常规的回环检测方法效率提高。提出的多视角配准算法在配准牙齿模型数据时精度可达到0.0357 mm。为了验证算法的普适性,采用多个狭窄场景下连续采集的模型点云进行验证,结果表明:提出的算法取得了不错的效果,表明该方法是一种有效的狭窄场景多视角配准方法。     

基于视点特征直方图的激光点云模型的位姿估计

提出一种基于视点特征直方图的点云模型位姿估计 算法。首先在目标物体周围采 集三维点云,拼接后获得物体的完整点云模型;然后对点云模型计算其视点特征直方图, 构建特征数据 库;对待估计点云同样计算其特征直方图,使用KNN算法在数据库中搜索与之最接近的位 姿作为初始位 姿估计值;最后使用迭代最近点(ICP)算法将待估计点云精确配准到模型点云,从而获得坐 标系之间的相 对位姿。实验表明,这种方法对于物体位姿识别有很强的稳健性,能很好实现目标物体的 三维位姿计算。     

手眼相机位姿测量精度理论分析及验证

从理论和实验上对手眼相机位姿测量精度进行了研究。首先,根据靶标设计形式和P3P 算法介绍位姿测量原理。接着,从理论上分析了位置测量精度和姿态测量精度,即靶标沿X 轴平移位置测量精度和靶标绕X 轴、Y 轴、Z 轴旋转测量精度。然后,对通常的检测方法进行分析,提出了以产生相对位姿实现六维自由度变化的检测方法,提出用中误差对测量精度进行评价,并具体介绍了检测方法。最后,对手眼相机测量精度进行了实际检测,将实验数据与理论数据进行了对比分析。实验结果表明:距离测量精度最大为25.60 mm,旋转测量精度最大为1.4毅,均满足测量精度的要求。     

基于HOURGLASS网络语义关键点提取的光学图像空间目标姿态估计方法

空间目标姿态估计是有效实现各类航天任务的重要前提,基于空间光学观测图像的目标姿态估计关键一环在于快速准确地建立起观测图像与空间目标之间的“二维特征点-三维实体结构”映射关系。传统的方法往往将这一任务分解为特征提取和特征关联两个步骤序贯进行,然而在空间目标光学观测场景中,高动态的光照变化和目标的相对高速运动特点会显著降低图像特征提取的可靠性,影响后续特征关联匹配的正确率并最终降低对空间目标的姿态估计精度。针对这一问题,本文提出了一种基于语义关键点提取的光学图像空间目标姿态估计方法,利用Hourglass网络端到端地提取包含语义信息的关键点,直接实现了光学图像中二维特征点与目标三维实体结构的关联映射,并在此基础上利用EPnP算法求解待估计的目标姿态值。实验结果表明,本文所提的方法能较好地兼顾算法精度与效率,其在仿真数据集上的姿态估计最小误差为0.83°,且在数据降质的情况下平均误差依然优于传统方法。      

基于虚拟相位靶标的光栅投射三维测量系统标定

采用虚拟相位靶标方法实现光栅投射轮廓测量中三维空间坐标的标定,探讨了X、Y方向和高度Z方向标定的原理与关键技术,并对虚拟相位靶标进行了试验研究。实验结果表明：采用该方法只需要1个参考面图像序列就可实现X、Y方向坐标标定,简化了现有标定方法中至少需要采集2个图像序列的繁琐过程,而且标定后X、Y方向误差仅为0．1mm和0．2mm,高度Z方向的误差最大不超过0．2mm,标准偏差不超过0．040mm。     

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。     

一种基于虚拟目标的飞行器姿态测量方法

提出了一种使用虚拟目标代替真实目标对姿态测量系统进行测试和评估的方法,同时给出了由光学成像设备跟踪状态和目标飞行状态计算目标在光学成像设备像面上成像中轴线斜率和截距的算法.根据姿态测量系统的特点,仿真出大量具有针对性的理论数据和图像,并使用其对姿态测量系统中的图像判读精度和姿态交会算法分别进行了测试和评估.实验结果表明,当虚拟目标长度在80 pixel时,提取精度可达0.1°;而当虚拟目标长度在6 pixel时,提取精度仅为5.7°;姿态交会算法对判读误差具有一定放大作用;图像判读误差是姿态测量中的主要误差源.     

基于EPNP算法的单目视觉测量系统研究

利用计算机视觉进行姿态测量的方法已广泛应用于现代控制、导航、跟踪等多个领域中。研究并设计了一种基于P4P矩形分布的平面靶标和EPNP算法结合的单目视觉姿态测量方法。首先,利用单相机获取平面靶标图像,经图像处理后得到四个特征点的像素坐标,并使用EPNP算法进行姿态解算;其次,对姿态角测量误差进行了仿真分析,为提高姿态测量精度提供了理论指导和依据;最后,提出一种与高精度二维转台结合的坐标系配准方法,利用该方法对三个方向姿态角精度进行验证。实验结果表明:当绕x和y轴的转动角度在[-6,6]时,姿态测量误差小于0.1,可以满足测量应用需求。     

基于关机点状态的弹道导弹落点估计及误差分析

反导系统中,如何准确快速地估计导弹落点为目标威胁估计提供了重要依据,也是提高拦截概率的关键步骤。根据弹道目标关机点状态估计信息,利用椭圆弹道理论进行落点估计研究,克服了现有方法的弊端,通过误差传播矩阵研究了关机点状态估计信息对落点估计的影响,利用误差估计模型对落点估计的误差进行了分析,对落点估计精度的改善具有一定的实际意义。     

基于虚拟控制点的像机姿态测量算法

像机姿态测量,包括确定像机的旋转矩阵与平移向量,在机器视觉领域中有着非常广泛的应用。针对控制点异面分布的情况,提出了一种基于虚拟控制点的像机姿态测量算法。算法的主要思想是利用少量虚拟控制点实现像机姿态的短时间迅速求解,然后通过目前非常成熟的正交迭代算法,对求解结果进行精细调节,从而在整体上提高测量算法的精确度与稳定性。实验结果表明,算法在性能上优于目前比较流行的几种像机姿态迭代求解算法,而且具有较强的抗噪声干扰和抗控制点误匹配的能力,可以应用在实际的测量环境当中,是一种有效的像机姿态测量算法。     

基于Rao-Blackwellised粒子滤波的相控阵导引头指向误差斜率在线估计

针对相控阵导引头指向误差斜率对导弹制导系统带来的寄生回路振荡问题,该文提出一种指向误差斜率在线估计的算法,并能同步估计出目标状态。基于Rao-Blackwellised粒子滤波(RBPF),将指向误差斜率和目标状态同步估计问题分解为两个问题：一个是指向误差斜率的后验估计问题,另一个是以指向误差斜率估计为条件的目标状态估计问题。该文给出了算法的推导过程,并进行了数字仿真验证。仿真结果表明,该文所提算法对于相控阵导引头指向误差斜率的估计性能优良;并能同时准确估计出目标状态信息。采用此信息形成导引指令,可以消除指向误差斜率对制导系统的不利影响,提高系统的稳定性和制导精度。     

基于点特征的单目视觉位姿测量算法

针对位姿求解过程中存在的解不唯一、选解难和解的精度不高等问题,提出一种基于点特征的单目视觉位姿测量算法。首先,根据共面4个特征点之间的位置关系,分别对平行和相交两种情况进行分析;其次,根据特征点的空间坐标、图像坐标和空间位置关系,推导出世界坐标系中3个坐标轴上的向量变换到摄像机坐标系中的单位向量,进而求解出物体相对于摄像机的初始位姿;最后,用LM算法对初始位姿进行优化,得到最终位姿。实验结果表明:文中算法的合成误差为0.54 mm;现有的EPnP算法、两点一线算法和P3P算法的合成误差分别为1.28、1.52和4.26 mm;文中算法的合成误差分别减小了57.8%、64.4%和87.3%,优于现有的EPnP算法、两点一线算法和P3P算法。