基于双更新策略加权差分进化粒子群的双目相机标定

针对空间目标位姿测量下的相机多参数标定问题,提出基于双更新策略加权差分进化粒子群优化的相机参数标定方法。通过引入自适应判断因子来控制每一次迭代过程中加权差分进化(WDE)算法和粒子群优化(PSO)算法的调用比例,根据概率规律考虑对个体使用PSO算法或WDE算法来进行更新,并通过信息交流机制利用WDE操作得到的个体去引导PSO操作中的个体进化过程,所提出的WDEPSO算法能够保证种群个体进化的多样性和有效性,并且与相机非线性标定模型参数进行耦合,同步实现相机内外参数的组合非线性、全局连续优化,克服目标空间背景饱和光强造成的有限特征点失效引发的局部收敛问题。实验表明,文中方法优化得到的目标函数值更小,获得了较高的标定精度;利用标定参数得到的标准杆测量精度优于0.40 mm,目标大幅度角运动状态下的重构姿态误差小于0.30°,可重复性测量结果稳定。     

基于法化矩阵降维的多相机快速光束法平差算法

针对多相机系统的高精度快速光束法平差问题，提出一种采用法化矩阵降维的多相机快速光束法平差新算法。充分考虑多相机系统中主从相机间的固定位姿参数关系，设置维数为3N (相机个数)×4的系统位姿变换矩阵，根据此矩阵可快速由主相机参数得到每个从相机的参数，并将此变换关系带入光束法平差算法中完成为对从相机位姿的求取。从相机的外参优化算法中便只需要对主相机的外参变化进行更新，由此将所有相机捆绑为一个整体，使雅可比矩阵与法化矩阵的维数相对下降，在一次迭代更新中可以完成对多个相机特征图像的运算，因此算法的精度与速度得到了大幅提高。根据仿真实验与实测实验表明，文中算法的优化精度比传统的光束法平差精度提高到了15.5%，运算效率提升了7.8%，能够满足实际工程的应用需求。     

位移矢量一致下的多飞行器三维轨迹跟踪识别

合作靶标点三维轨迹的跟踪识别是实现室内环境中多飞行器位姿估计的关键,为此,提出了一种基于时空一致条件下的多目标三维轨迹跟踪识别算法。该方法包括运动轨迹跟踪与识别两部分,对于合作靶标点三维轨迹跟踪,提出了一种基于运动目标位移矢量一致的数据关联方法,该方法首先利用运动平滑性假设计算得到的数据关联概率值,结合匈牙利算法求解得到目标的数据关联关系,然后在贝叶斯滤波框架下实现合作靶标点的三维轨迹跟踪。对于合作靶标点的三维轨迹识别,又可以分为粗细两部分,利用运动轨迹Hankel矩阵的秩实现运动轨迹的粗识别,利用运动轨迹之间的Hausdorff距离实现运动轨迹的细识别,最终实现对每一个飞行器的轨迹识别与注册。实验结果表明,在三维测量手段为机器视觉,测量空间大小为2 m×2 m×2 m,提出的多目标跟踪算法的三维轨迹跟踪误差小于4 mm（3σ）时,轨迹识别正确率为100%。因此,所提出的算法可以有效地实现多飞行器上合作靶标点三维轨迹的跟踪识别。