基于ICP算法的双目标定改进方法研究

双目视觉作为一种非接触三维(3D)测量技术,其位姿标定结果的好坏将直接影响3D物体测量的精度。基于迭代最近点(ICP)算法获得两组点集之间平移和旋转参数的原理,提出了一种在传统双目位姿标定结果的基础上补偿双目标定矩阵改善精度的方法。介绍了摄像机模型、双目视觉测量模型和ICP算法的基本思想。用双目摄像机标定的外参数和相同的靶标坐标系获得双目视觉位姿矩阵,在此提出基于ICP算法获得两组点集的旋转平移矩阵补偿双目位姿矩阵的方法,以及相应的靶标角点坐标投影误差分析模型。双目摄像机采集9组5×7个角点的靶标标定图像,应用ICP算法补偿双目位姿矩阵,并采用误差模型对9组标定结果进行了分析,双目结构光标定改进实验结果表明,应用ICP算法补偿双目标定模型能显著地提高双目标定的精度。     

基于位姿约束的大视场双目视觉标定算法

为了提高大视场、远距离的双目摄像机标定精度,提出一种基于位姿约束的摄像机标定算法。该方法利用双目摄像机之间的三维位姿关系是刚体变换这一属性,标定出左、右摄像机相对位姿的外部参数。利用相对位姿为约束条件求取摄像机的初始内部参数,剔除较大的重投影误差值对应的标定图像组,重复迭代直至重投影误差平均值小于指定值,得到多个待优化的摄像机内部参数。再将最后标定图像组的角点坐标、待优化的摄像机内部参数和相应的外部参数,建立一个以角点三维重构坐标值与实际设定角点三维坐标值的模均值为最小的目标函数,求解出双目摄像机标定参数的最优解。该方法很好地解决了误差大的标定图像造成的影响,且充分利用了双目摄像机之间的位姿约束关系。通过仿真和标定实验可以看出,本文方法可以实现大视场双目摄像机的高精度标定。     

基于改进UKF的加油机位姿预测方法

针对无人机自主空中加油保持阶段加油机位姿跟踪精度不高的问题,提出了一种改进UKF（无损卡尔曼滤波）预测方法。建立了视觉导航系统模型,利用Harris算法检测角点,并用RANSAC（随机序列一致性）算法进行角点匹配。将历史预测数据引入当前时刻UKF预测值,并通过匹配角点所得姿态观测值对改进UKF预测值进行修正,从而实现加油机姿态的高精度预测。仿真结果表明,改进UKF在遭遇突发强干扰时姿态预测性能明显优于标准UKF,所预测误差小于5.8%,满足空中加油精度要求。该算法避免了强干扰引发的预测出错,有效抑制了突发干扰。     

一种无公共视场的多相机系统相对位姿解耦估计方法

自动驾驶应用中,基于视觉的相对位姿估计是实现无人驾驶汽车自动定位的核心技术之一。针对单目视觉系统的视场范围较小以及双目视觉系统需要公共视场等问题,提出一种无公共视场的多相机系统相对位姿解耦估计方法。利用场景中远、近点的不同特性对旋转矩阵和平移向量进行解耦估计。对远处场景特征点采用直方图投票法求解相对旋转矩阵,在相对旋转矩阵已知的条件下,对近处场景特征点采用采样高度法求解相对平移。通过仿真模拟和实际实验对所提方法的可行性、鲁棒性和精度进行验证。实验结果表明,所提方法的相对姿态精度优于0.05°,相对平移向量方向精度优于2.5°,具有较高的精度和较好的鲁棒性。     

多摄像机系统位姿估计的广义正交迭代算法

目前,多摄像机系统的位姿估计还缺乏系统的方法,它通常通过求解透视n点问题或者求解使两组3D点集之间平方和误差最小的刚体变换来解决,这些方法都有局限性.正交迭代算法是基于点特征的单目视觉算法,快速且全局收敛,是目前性能最优的实时位姿估计算法之一,被广泛应用.提出了一种广义正交迭代算法把所有摄像机获取的全部图像作为整体计算得到相对位姿参数,是通用的多目视觉位姿估计算法.算法先把所有摄像机数据进行统一表达,再把所有摄像机观测到的全部特征点的目标空间共线性误差平方和作为误差函数,最后经数学推导得到使该误差函数最小化的迭代求解过程.实验结果验证了算法的有效性以及在多摄像机系统位姿估计中的优越性.     

无人直升机自主着舰的光学3D测量解析算法

推导了一种用于无人直升机自主着舰的相对位姿单目单帧视觉测量算法。设计了基于正方形主特征的着降区域平面特征图案,根据几何透视投影学理论,采用摄像机针孔模型,以特征图案主正方形四角点的物理坐标和图像坐标作为输入,并以正方形邻边的垂直特性作为束缚条件,推导出了位置和姿态6个参数的解析表达式。通过在实验室环境下对真实图像的测量表明,当特征图案主正方形边长为0.1m(等效实际甲板特征图案边长1m)和相对距离为1m(等效实际距离10m)左右时,位置参数RMS误差小于0.2cm(等效为2cm),姿态参数RMS误差小于1.2°,算法具有很好的稳定性,可用于无人直升机着舰过程中的位姿测量。     

空间非合作目标的三目立体视觉测量方法

针对在轨服务任务如何在近距离处获取空间非合作目标的相对位置和姿态的难题,提出一种三目立体视觉测量方法。首先利用三台呈等边三角形布置的大视场可见光相机获取图像;然后采用所提方法对特征点进行匹配;接着采用RANSAC方法解算被测目标在世界坐标系下的位姿参数;最后通过对非合作卫星模型的静止、位置移动和姿态转动进行实验。实验结果表明,静止状态下的相对位置精度优于2.2 mm,相对角度测量精度优于0.3°;当模型位置移动时,绝对位置精度优于3 mm;当模型姿态转动时,相对位置精度优于5.6 mm,相对角度测量精度优于1.7°,说明所提方法可以改善双目立体视觉技术在测量角度大的区域易出现测量盲区、特征点定位误匹配和测量视场有限的不足。     

基于RGB-D的移动机器人三维视觉SLAM

针对移动机器人三维视觉SLAM中存在的实时性不高,匹配误差较大的问题,提出了一种改进的特征匹配算法,提取ORB特征进行特征匹配,并采用基于最小距离与RANSAC结合的方法剔除误匹配。针对位姿估计不准确的问题,将传统的ICP算法与PNP算法结合提高配准成功率,并通过RANSAC与g^2 o优化位姿估计。实验结果表明该方法能有效提高SLAM系统的实时性和位姿估计的准确性     

基于圆特征和异面点特征的位姿测量

通过增加常见的点特征为位姿测量提供空间几何约束,分析利用圆形目标和与之异面的特征点进行单目视觉定位时位姿解个数的情况.以光心和特征点位于圆平面两侧为前提条件,运用几何方法证明了特征点与光心和圆平面的相对位置决定了位姿解的个数,并求出唯一位姿解和两组位姿解时光心、圆平面和特征点的位置关系,提出了基于圆特征和异面点特征的位姿求解算法,实现了6维位姿量测量,仿真实验和实物实验结果验证了算法的有效性和准确性.     

航天验证器运动参数摄影测量方法

针对大多数测量实施试验中测量条件的局限性,提出一种基于双相机联合无同名点的双目视觉运动参数测量方法,采用该方法计算位姿初值并采用全局正交迭代算法优化初值。该测量方法在实现过程中不需要同名点参与,只需要两台相机的视场内有6个以上的目标合作标志点,就可得到验证器在运动过程中的位置和姿态等参数。对航天器悬停、避障和着陆阶段进行试验,将该测量方法与同一工况试验下基于同名点的双目位姿测量方法、基于正交迭代的单目位姿测量方法获取的结果和全站仪打点获得的默认真值进行对比,得到姿态测量误差小于0.5°,位置测量误差小于0.01 m。     

Particle filter-based relative rolling estimation algorithm for non-cooperative infrared spacecraft

The issue of feature point mismatching among infrared image sequence would bring big challenge to estimating the relative motion of non-cooperative spacecraft for it couldn’t provide the prior knowledge about its geometric structure and motion pattern. The paper introduces particle filter to precisely match the feature points within a desired region predicted by a kinetic equation, and presents a least square estimation-based algorithm to measure the relative rolling motion of non-cooperative spacecraft. The state transition equation and the measurement update equation of non-cooperative spacecraft are represented by establishing its kinetic equations, and then the relative pose measurement is converted to the maximum posteriori probability estimation via assuming the uncertainties about geometric structure and motion pattern as random and time-varying variables. These uncertainties would be interpreted and even solved through continuously measuring the image feature points of the rotating non-cooperative infrared spacecraft. Subsequently, the feature point is matched within a predicted region among sequence infrared image using particle filter algorithm to overcome the position estimation noise caused by the uncertainties of geometric structure and motion pattern. Finally, the position parameters including rotation motion are estimated by means of solving the minimum error of feature point mismatching using least square estimate theory. Both simulated and real infrared image sequences are induced in the experiment to evaluate the performance of the relative rolling estimation, and the experimental data show that the rolling motion estimated by the proposed algorithm is more robust to the feature extraction noise and various rotation speed. Meanwhile, the relative rolling estimation error would increase dramatically with distance and rotation speed increasing.     

基于角度约束的目标位姿测量二义性剔除方法

为了有效解决单圆特征目标位姿解存在二义性的问题,提出了基于角度约束的目标位姿虚假解的消除方法。在相机标定好的前提下,在水平面上平移相机系统获得两幅或两幅以上具有圆特征的目标物图像,以圆形特征目标物的真实姿态角在相机坐标系下保持不变作为约束,可以有效剔除虚假解。可将该方法应用于末端安装摄像机的工业机器人,操控机器人做已知的平移运动从而有效剔除圆特征目标位姿的虚假解。通过实验验证,圆特征目标姿态角的绝对误差小于0.5°,然后可通过真实姿态选出对应目标的真实位置。该方法简单易行,不需要额外的高昂设备就能精确地定位出物体的真实位姿,成功率可达100%。     

基于点线对应的多摄像机全局位姿估计迭代算法

为了解决工业视觉场景中点和直线段共存情况下的多摄像机位姿估计问题,提出了基于点线特征对应的多摄像机全局位姿估计算法.以正交迭代算法为基础,使用多个固定在平台上的已标定摄像机间的几何约束,以全局方式处理多摄像机的重叠和非重叠视图的点和直线段特征,获得更加稳定精确的位姿估计.该算法先把所有摄像机数据进行统一表达,再把摄像机观测到的全部点特征的目标空间共线性误差和直线段特征的目标空间共面性误差之和作为误差函数,最后经数学推导得到使该误差函数最小化的迭代求解过程.实验结果验证了该算法的有效性以及优越性.     

基于单目视觉的航天器间相对位姿测量算法

对航天器间相对位姿的光学测量问题进行了研究,提出了一种新的单目视觉测量算法——相似迭代算法。该算法根据三角形相似原理提出了一种新的深度迭代机制,并通过引入深度变量,将求解2D-3D问题转化为迭代求解3D-3D问题。对数值仿真与两种现有的测量算法进行了比较。仿真结果表明,该算法具有精度高、抗噪声能力强和实时性较好等优点,可以应用于航天器间相对位姿测量等任务。     

基于点和直线段对应的扩展正交迭代位姿估计算法

正交迭代算法是基于点特征,全局且快速收敛的位姿估计算法,是目前性能最优的实时位姿估计算法之一.对摄像机观测到的直线段提出了其不确定性描述的新方法:目标空间直线段误差,并把该误差融入到正交迭代算法的位姿计算过程中,形成扩展正交迭代算法.该算法可以同时利用点和直线段特征.算法先把点共面性方程表达为与正交迭代算法中点共线性方程一致的数学形式,再根据目标空间点共面性误差定义了目标空间直线段共面性误差.接着把目标空间点共线性误差和直线段共面性误差二者之和作为误差函数.最后推导出使该函数最小化的迭代求解过程.实验结果表明,本文算法是有效的,精确的.与正交迭代算法的计算结果对比,由于可以同时利用直线段特征,扩展正交迭代算法的位姿估计误差更低,抗噪声性能更强,算法更稳定.     

单目移动机器人相对位姿估计方法

针对单目机器人在运动过程中，相邻关键帧之间基线过短造成的相机相对位姿无法恢复的问题，提出了一种利用已知特定参照物迭代优化本质矩阵，从而快速分解出机器人相对位姿的方法。该方法首先利用已知特定参照信息获取本质矩阵估计值，然后通过相邻关键帧之间匹配的特征点组和本质矩阵估计值对本质矩阵迭代优化，最后通过本质矩阵的约束关系求得平移向量估计值，利用基于李群的姿态表示得到旋转矩阵估计值，并进一步优化得到唯一解。该方法避免了由于基线过短而无法恢复相机相对位姿的弊端。实验结果表明，该方法可快速解算并优化机器人相对位姿关系，且相对位移估计绝对误差小于0.03 m，优于传统方法。     

一种单目视觉位姿测量系统的误差分析方法

针对单目视觉位姿测量传统误差分析方法中只考虑单一误差因素，分析结果与工程实际有较大差异的问题，提出一种考虑多误差因素共同作用的误差分析方法。根据单目视觉系统的测量范围和相机参数建立其位姿测量模型；综合考虑相机内参、镜头畸变、图像点、靶标三维点等误差因素，将其同时引入位姿测量模型进行分析；分析抑制不同参数误差及提高相机分辨率等在多误差因素共同作用下对位姿测量结果的影响，找到最有效的精度优化方法。采用小型机械臂手眼定位中的单目视觉位姿测量系统进行实验，结果表明通过抑制相机径向畸变误差和提高相机分辨率，能够有效地提升该系统的位姿测量精度，位姿精度分别提升6.57%、4.21%和5.88%、5.54%。     

一种鲁棒的目标跟踪方法

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题,基于一种新的Harris-SIFT特征点表示方法,提出基于预测帧与关键帧的算法框架,实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量,使用运动矢量直方图获取目标的运动矢量,并剔除误匹配点;当特征点数量小于5个时,关键帧使用Harris-SIFT特征点进行局部特征匹配,利用仿射模型对目标精确定位及姿态修正.实验结果表明,本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好,在背景复杂、目标遮挡或暂时丢失情况下,仍可以继续完成目标的可靠跟踪.     

一种鲁棒的目标跟踪方法

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题,基于一种新的Harris-SIFT特征点表示方法,提出基于预测帧与关键帧的算法框架,实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量,使用运动矢量直方图获取目标的运动矢量,并剔除误匹配点;当特征点数量小于5个时,关键帧使用Harris-SIFT特征点进行局部特征匹配,利用仿射模型对目标精确定位及姿态修正.实验结果表明,本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好,在背景复杂、目标遮挡或暂时丢失情况下,仍可以继续完成目标的可靠跟踪.     

一种面向空间非合作目标位姿测量应用的三维点云滤波算法

针对激光位姿敏感器获得的原始点云有噪声和直接参与解算消耗星上计算资源过大问题,给出一种适用于空间非合作目标位姿测量的点云滤波和特征提取算法。应用仿真的方法分别验证了算法滤除空间随机噪声和点云降采样的有效性,验证了特征点对目标位姿变化和高斯测量噪声的鲁棒性。在非合作目标绕飞、抵近、捕获全物理试验平台上,以扫描激光位姿敏感器获得的原始点云数据为输入,验证了算法在实际空间目标位姿测量中的性能。试验结果表明,该算法实现了原始点云93.1%的降采样,节省了92.9%的位姿解算时间,可有效提升星上数据处理的效率和姿态解算的实时性。