宽视角相机相对姿态测量方法研究

针对目前相机姿态估计方法都存在视觉局限性的问题,本文使用鱼眼镜头作为视觉传感器进行姿态估计,进而实现宽视角相机相对姿态估计。但鱼眼成像在具有宽视场优点的同时,伴随着严重的非线性畸变导致其在不同的方位和距离下具有不同畸变扩散的问题,为此本文提出了一种直接利用鱼眼图像的非线性进行相机相对姿态测量的方法。首先,构建鱼眼数据集kitti_FE;其次,使用卷积神经网络进行特征提取后结合长短时记忆网络进行双向循环训练,实现相机相对姿态的端对端输出;最后利用迁移学习的方法对实际场景进行相机姿态估计。为了验证本文所提方法的鲁棒性和精确度,在相同实际场景下,利用本文方法分别与现有框架CNN、DeepVO和CNN-LSTM-VO-cons进行对比。实验表明,本文方法分别比现有框架的相机姿态估计精度提高了32%、29%和25%,而且在高速运动下本文方法更具有稳定性。     

鱼眼图像的目标物体角点检测方法

为实现宽视场角图像中目标物体的定位,提出了一种鱼眼图像的目标物体角点检测方法。首先对含有目标物体的鱼眼图像进行等面积切分,利用目标物体即网格图像灰度直方图的明显特征确定目标区域;然后根据实际应用对Harris算法进行改进,并将其应用至目标物体的角点检测中,确定目标物体位置。实验结果表明,能有效确定目标区域,视觉冗余度由90.3%下降到47.8%,目标物体角点检测准确率为83.8%,可以为实现宽视野范围目标的位置与距离同时测量奠定基础。