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...     

未标定相机的高精度位姿估计方法

针对未标定相机的位姿估计问题,提出了一种焦距和位姿同时迭代的高精度位姿估计算法。现有的未标定相机的位姿估计算法是焦距和相机位姿单独求解,焦距估计精度较差。提出的算法首先通过现有算法得到相机焦距和位姿的初始参数;然后在正交迭代的基础上推导了焦距和位姿最小化函数,将焦距和位姿同时作为初始值进行迭代计算;最后得到高精度的焦距和位姿参数。仿真实验表明提出的算法在点数为10,噪声标准差为2的情况下,角度相对误差小于1%,平移相对误差小于4%,焦距相对误差小于3%;真实实验表明提出的算法与棋盘标定方法的精度相当。与现有算法相比,能够对未标定相机进行高精度的焦距和位姿估计。     

一种高精度的非迭代位姿估计方法

针对增量式运动结构恢复中相机内参数未标定情况下位姿估计问题,提出一种高精度的非迭代位姿求解方法。根据针孔成像模型,构建了相机内参数未标定位姿估计问题描述方程,使用单位四元数对旋转矩阵进行参数化,并根据四重轴对称现象对旋转矩阵进行分解,通过最小二乘原理构建目标函数后,利用一阶最优化条件建立了关于旋转矩阵参数的二元多项式方程组,使用Gr9bner基求解该方程组得到旋转参数的闭合解,进而获得相机的位姿参数和焦距。该算法的计算复杂度为O(n),实验验证了其有效性、高精度和高数值稳定性。     

单目相机位姿估计的稳健正交迭代方法

单目位姿估计是计算机视觉中一个基础而重要的问题,在机器人定位、虚拟现实、图像精密测量等领域应用广泛。在实际应用中,参考点坐标不可避免地含有粗差点,导致估计结果偏离真值,为此,提出自适应加权的稳健正交迭代算法。该算法采用稳健估计方法自动识别粗差点,并赋予其较小权值,以提高算法的稳健性。实验结果表明,稳健正交迭代算法求解精度高、稳健性好,可有效抑制不同个数、不同水平的粗差影响。当20个观测点中存在8个水平为60 pixel的粗差点时,本文解算精度分别比经典正交迭代算法和加权正交迭代算法高2个和1个数量级。     

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.     

噪声方差未知时的分布式量化估计融合方法

为了解决观观测噪声和信道噪声概率分布不完全已知时的多传感器分布式量化估计融合问题,提出了一种期望极大化算法(EM算法)的分布式量化估计融合方法。该方法将未知的噪声参数以及局部量化器量化概率建模为EM算法中二元高斯混合模型参数,利用极大似然估计方法的估计不变性得到目标参数的估计融合结果。仿真实验结果表明:该方法在局部传感器观测样本数目大于6000和信噪比大于6 dB时与已有理想信道条件下的估计方法性能相当。本文方法对水下分布式协同探测问题提供了一种简化的估计融合实现途径。     

光学耦合CT系统几何位姿参数标定方法

利用光学耦合CT系统对样品进行高分辨清晰成像的前提是准确求取系统的几何位姿参数.为求取系统几何位姿参数,针对光学耦合CT系统,提出一种数学参数定标模型.该模型利用由两个微球组成的双微球模体,通过对模体进行圆周扫描成像,获取双微球投影构成的椭圆轨迹,建立椭圆方程与几何位姿参数之间的数学关系,从而求解几何位姿参数.实验结果...     

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.     

交会对接航天器间相对位姿参数单目视觉测量的解析算法

利用四个非共面设置的特征光标和单个CCD相机,采用单位四元素来描述航天器相对姿态,基于比例正交投影近似假设,建立目标航天器已知特征光标物理坐标和对应图像点图像坐标之间的简化数学模型,以解析的形式给出了航天器间相对位姿参数(相对位置和姿态),并对解析解进行修正。对该算法进行数学仿真,仿真结果表明,算法简单可靠,能够满足航天器确定精度和实时计算的要求。     

视觉与倾角传感器组合相对位姿测量方法

针对视觉相对位姿测量问题,提出了一种视觉与倾角传感器组合的相对位姿测量方法,通过在相机和被测物上各放置一个倾角传感器,利用固定倾角传感器所提供的角度信息提供额外的约束来求解n点透视定位(Pn P)问题。介绍了组合相对位姿测量方法的原理,通过仿真实验验证了该方法的正确性,并与现存的Pn P问题求解方法比较,表明提出的方法具有较高精度,并且对噪声具有较强的稳健性,实验结果表明提出的方法对空间15个特征点在x方向和y方向的平均反投影误差均小于0.1 pixel,能够满足高精度位姿测量需求。     

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.     

基于深度语义模型的双目位姿估计

位姿估计是现阶段智能和自动化控制领域最热门的研究方向之一，在无人驾驶汽车、智能工业机械臂、民用家政机器人等领域有着诸多应用。但传统方法大多具有计算复杂，实时性困难等问题。提出了一种利用卷积神经网络来做双目相机图像输入端的尺寸压缩和信息提取，并将特征向量通过双向长短时神经网络与激光雷达计算的标准结果进行回归学习的位姿解算方案。训练得到的深度学习方案在精度和速度方面相对于传统方案都有一定的提升。     

相机位姿估计的加速正交迭代算法

面对需要实时计算的相机位姿估计问题,针对经典的广泛应用的正交迭代算法,提出了一种加速正交迭代算法。其关键思想是将每一次迭代过程规整化,从而提炼出每一次迭代的重复计算,若将此重复计算在迭代开始前提前计算,则可以大幅度的减少迭代过程中的计算量,使得每一次迭代的计算复杂度从O(n)降低为O(1)。因此,可以在更短的时间内迭代更多的次数,从而获得更高的精度。进行了对比实验,结果显示本加速算法计算精度更高,速度更快。并通过实验提出了选择稳健n点透视(RPn P)计算初值,再使用加速正交迭代算法进行迭代运算的方法,在控制点不多的情况下,是一种精度接近最大似然估计,计算速度最快的算法。     

相机位姿估计的加权正交迭代算法

在相机位姿估计的实际应用中,参考点的坐标数据不可避免地包含了测量误差,其量值大小通常不会完全一致,如果不区别测量误差直接进行相机位姿估计,将可能导致估计结果与真值相差甚远。为此,在广泛应用的正交迭代算法基础上,提出了相机位姿估计的加权正交迭代算法,该方法以加权共线误差为目标函数,根据像面重投影误差确定权重系数取值,优化相机位姿估计结果,具有精度高、稳健性好等优点,且满足全局收敛条件。数值仿真实验与风洞迎角实验的结果表明,本文算法更加有效,能够抑制不同程度测量误差对相机位姿估计结果的影响,所得结果明显优于正交迭代算法,具有较强的工程实用价值。     

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。     

激光束空间位姿高精度标定方法

关节型激光传感器是新型的跨尺度空间、非接触三维坐标测量仪器。为使关节型激光传感器实现精密测量,需要精确标定其系统参数,尤其是标定激光束的空间位姿。提出一种基于平面靶标和球靶标相结合的激光束空间位姿标定方法。通过建立像素坐标系和世界坐标系的矩阵关系,得到激光点的三维坐标,进而通过直线拟合得到激光束的空间位姿。转台旋转轴的空间位姿通过最小区域圆拟合得到。实验结果表明,在1 m的测量范围内,传感器系统的最大距离测量误差约为0.05 mm,新标定方法准确有效。     

基于机器视觉的最大似然位姿估计算法

针对现有位姿估计算法对采样数据不做任何的统计假设,缺少评判标准等问题,从信号的概率密度函数出发,推导了基于机器视觉的最大似然位姿估计的一般形式,并证明利用单幅图像时,在各向同性高斯噪声情况下传统迭代算法与最大似然估计等效。推导了位姿估计的克拉美-罗界,给出了位姿估计的方差下限。根据仿真结果可以看出,利用10张图像时,最大似然算法在噪声功率大于5dB的情况下,性能明显优于传统迭代算法,证明适当增加图像数可有效提高估计性能。     

基于多传感器的三维目标位姿测量方法

提出了一种基于多传感器的三维目标位姿测量方法,该方法利用多传感器技术,充分发挥深度相机和高分辨率电荷耦合器件(CCD)相机各自的优势,提高了测量的稳健性和效率。利用物体与其固定平面之间的关系,在点云中粗略定位出目标区域,通过预先标定信息将目标区域转换至灰度图像空间。在灰度图像中,利用线段检测器(LSD)算法外加特征约束,筛选出4条目标直线,利用透视4点(P4P)算法求解出目标的六维位姿。实验验证了该算法的有效性,其测量效率远优于经典模板匹配方法。