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.     

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.     

硬管式无人机AAR双目视觉导航算法研究

针对硬管式无人机自主空中加油近距编队阶段的相对位置和姿态估计问题,研究了基于双目视觉的相对位姿估计算法。该算法采用Harris方法提取特征点,并对其进行快速匹配,通过Sampson方法三维重构获得特征点在摄像机坐标系下的三维坐标,以重构误差平方和最小为准则建立目标函数,利用单位四元数法求解位姿参数。最后利用仿真平台验证双目视觉位姿估计算法的有效性。结果表明:相对位置误差低于0.1 m,相对姿态误差小于0.5°,其精度满足自主空中加油相对导航性能要求。     

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。     

面向奇异构型目标点分布的相机位姿估计算法

为了提高平面、近平面和近线等奇异构型目标点的位姿估计精度和稳定性,提出了面向奇异构型目标点分布的位姿估计算法。首先,选择距离最远的两个点作为基本目标点,将n点划分为n-2个三点子集。其次,根据三点子集的几何关系构建辅助点,旨在增加透射相似三角形法的几何约束,进而求得较为准确的相机位姿初值。最后,结合EPnP算法和高斯牛顿算法进行迭代优化,通过奇异值分解求得最终位姿。测量实验结果表明,当平面目标点数n=4时,正交迭代算法、EPnP算法和IEPnP算法的像方平均重投影误差分别为0.062 mm、0.324 mm和2.238 mm,本文算法的像方平均重投影误差为0.003 mm,有效提高了奇异构型下目标点的位姿估计精度和稳定性。     

单目视觉的同时三维场景构建和定位算法

同时场景构建和定位算法是机器人自主导航的重要组成部分.针对传统算法不能应用于室外环境和缺乏定量分析的缺点,提出了一种单摄像机恢复场景三维结构和摄像机位姿的新算法.提出了视频序列关键帧提取方法,降低了运算复杂度;利用特征点对和摄像机内参量计算场景三维结构和关键帧的位姿并提出一种估计关键帧位姿的简便方法;最后,提出一种兼顾优化效果和运算复杂度的自适应光束法平差算法优化场景结构和摄像机位姿,并生成适于机器人导航的数字高程图.室内和室外多种场景下的定量和定性实验结果表明,绕行误差低于4%,该算法能够接近实时准确实现同时场景构建和摄像机定位.     

基于去离群点策略提高目标位姿测量精度

针对在单目视觉目标位姿测量过程中,特征点提取出现离群点的情况,提出一种基于去除离群点策略的位姿测量方法(ORPE).建立了以特征点误差极大极小为原则的最优化目标函数,通过确定特征点最大观测误差值边界,判定并去除离群点,由此可消除离群点误差对位姿测量的影响.仿真实验使用ORPE对1 m×1 m × 1 m的立方体目标进行位姿测量,验证了算法的正确性;使用ORPE测量Boeing飞机模型的位姿,平均姿态角误差2.07°,平均位移误差1.6%.通过和最小二乘测姿法(LSPE)结果对比分析可得ORPE法误差小于LSPE法误差.表明ORPE能有效去除离群点,同时提高佗姿测量精度.     

基于直线段对应的相机位姿估计直接最小二乘法

为了实现高精度的基于直线段对应的相机位姿估计,提出一种直接最小二乘法。通过提出并利用一种直线段之间的距离测度,将原问题转化为最小化一个姿态旋转矩阵的二次目标函数,该距离测度综合考虑了线段的端点距离、中点距离、夹角和线段的长度,通过旋转矩阵的CGR参数表达获得一个修正的目标函数,此修正目标函数的最优解条件组成了一个三元三次方程组,利用代数多项式方法在不需要迭代的情况下直接求解这个方程组,从而得到了旋转矩阵的全局最优解。该算法的计算复杂度为O(n)。仿真和真实实验验证了该方法的有效性和高精度。