双目面结构光三重扫描测量系统温漂补偿方法

双目面结构光三重扫描是在条纹投影双目视觉重建的基础上,追加左、右相机与投影仪构成的单目视觉系统重建点云,在反光和凹凸起伏等表面测量应用上具有更好的点云完整性优势。但由于环境温度变化影响,投影仪产生较大温度漂移,导致双目重建点云与单目重建点云发生“分层”现象。为此,文中提出了一种基于正交条纹投影的三重扫描系统温漂在线补偿方法,通过投影仪投射正交条纹来构建双目重建点在投影仪图像中准确的映射关系,并基于双目重建点在投影仪图像中的重投影误差最小化目标函数来求解温漂补偿后的投影仪最优外参数。最后,以金属球和汽车零件作为被测对象进行实验验证,在不依靠标定板等先验信息及繁琐标定流程基础上,所提在线快速补偿方法可以使得双目点云与单目点云温漂量分别减小78.2%和94.3%,极大减轻了温度变化对于三重扫描点云数据拼接影响。     

基于关键点距离表征网络的物体位姿估计方法

提出一种新型的关键点距离表征学习网络，该网络利用位姿变换过程的几何不变性信息，在网络中引入距离量的估计，进而推导出稳健关键点，以此来提升基于深度学习的六自由度物体位姿估计方法的精度。所提方法包含两个阶段。首先，设计了关键点距离表征网络，通过一种骨干网络模块和特征融合结构实现RGB-D图像特征提取，并结合多层感知机预测物体逐点相对于关键点的距离量、语义和置信度。其次，根据可视点投票法及四点距离定位法，利用网络输出的多维信息推理计算关键点坐标，并最终通过最小二乘拟合算法得到物体位姿。为了证明所提方法的有效性，在公开数据集LineMOD和YCB-Video上进行了测试，实验结果表明，所提方法相比于原PSPNet框架中的ResNet参数量减少一半且精度有所提升，在两个数据集上精度分别提升了1.1个百分点和5.8个百分点。     

基于扫摆式多相机跟踪的六自由度测量方法

目前视觉测量技术针对工业目标的六自由度测量，存在难以兼顾测量效率、精度与范围的问题。为此，本文提出了一种基于扫摆式多相机跟踪的六自由度测量方法，通过同站位不同角度多图像观测联合构成大尺寸坐标计算的冗余约束量，来实现高效率、高精度、大范围位姿测量。首先，提出相机旋转扫摆运动模型，快速估计相机位姿，并作为先验信息进行图像匹配与空间后方交会，得到精确相机位姿，进行空间前方交会；然后，提出了基于像点平差的位姿估计方法，直接利用物体移动前后的像点信息作为观测值，进行物体位姿的最优化估计。实验结果表明，测量效率提高了4倍，单点精度的最大误差不超过0.2 mm，姿态精度的最大误差不超过0.043°，证实提出方法能有效测量物体的六自由度位姿，一定程度上平衡了测量效率、精度与范围的矛盾。