基于点特征的单目视觉位姿测量算法

针对位姿求解过程中存在的解不唯一、选解难和解的精度不高等问题,提出一种基于点特征的单目视觉位姿测量算法。首先,根据共面4个特征点之间的位置关系,分别对平行和相交两种情况进行分析;其次,根据特征点的空间坐标、图像坐标和空间位置关系,推导出世界坐标系中3个坐标轴上的向量变换到摄像机坐标系中的单位向量,进而求解出物体相对于摄像机的初始位姿;最后,用LM算法对初始位姿进行优化,得到最终位姿。实验结果表明:文中算法的合成误差为0.54 mm;现有的EPnP算法、两点一线算法和P3P算法的合成误差分别为1.28、1.52和4.26 mm;文中算法的合成误差分别减小了57.8%、64.4%和87.3%,优于现有的EPnP算法、两点一线算法和P3P算法。     

直线匹配的四元数位姿估计算法

摄像机的位姿估计在计算机视觉和机器人学等领域得到了广泛的研究与应用。通过已知的3D几何特征和其对应的2D几何特征获得摄像机的旋转和平移参数是实现摄像机位姿估计的一种重要方法。在此基础上,文中针对单目相机位姿估计提出了一种新的基于3D~2D对应几何特征实现摄像机位姿估计的算法。该算法利用单位四元数表示旋转矩阵,通过建立位姿参数约束方程解出旋转和平移参数。相对于Ansar的NLL算法,该算法能更好地克服图像噪声对位姿计算精度的影响,且能保证其计算出的旋转矩阵具有正交性。模拟实验将该算法同NLL算法进行了比较,结果表明:该算法在鲁棒性、计算精度及复杂度等方面具有明显的优势,实验结果验证了该算法的有效性。     

智能坐标测量中零件位姿的单目立体识别

为了使三坐标测量机快速准确地识别出被测零件的位姿,提出了一种基于三坐标测量机平动的单目立体视觉识别方法,对该方法的原理、位姿参数的求解和识别过程进行了研究。根据双目立体视觉原理,以三坐标测量机带动摄像机沿x轴或y轴平移,在两个不同位置分别拍摄被测零件的一幅图像,经过同名像点的匹配实现单摄像机立体视觉测量,得到被测零件上各特征点在摄像机坐标系中的三维坐标;由摄像机标定参数,进一步计算出各特征点在机器坐标系中的三维坐标;再结合各特征点在零件CAD坐标系中的对应坐标,求解出被测零件的位姿参数。进行了识别实验,实验数据表明该识别方法是可行的,满足实时测量要求。     

基于正交消隐点无穷单应的摄像机内参数自标定方法

利用正交消隐点的几何特性和不同位姿摄像机图像平面中对应消隐点间的无穷单应关系,提出了一种摄像机内参数的自标定方法。该方法在任意两个位置下拍摄两组正交平行线,获取两幅图像上共四个消隐点后,设计了判定算法确定其间的对应情况。利用对应消隐点之间的无穷单应关系,结合正交消隐点与摄像机光心连线的正交性建立约束方程,实现了对摄像机内参数的线性求解。为了抑制噪声对标定结果的影响,建立基于矩形成像反演点特性的指标函数,利用LM寻优算法实现了对内参数的非线性优化。实验结果表明,该算法具有对应消隐点判断简单有效,标定结果精度高、实时性强、适用范围广的优点,而且参数优化能够有效地抑制图像噪声,提高了标定算法的稳健性。     

基于凸松弛全局优化算法的视觉测量位姿估计

针对参考点存在较大噪声时基于光束法平差的视觉测量位姿估计无法确保目标函数在全局极小处收敛,本文提出利用凸松弛（LMI）全局优化算法进行视觉测量全局最优位姿估计。利用归一化图像点和摄像机光心组成的正交投影矩阵,构造以旋转矩阵四元数为参数的物空间误差目标非凸多项式函数。对非凸多项式进行LMI,可以逼近其全局极小值,进而求解...     

基于OPA的时空约束单目视觉位姿估计算法

针对单目视觉系统中载体纯旋转运动引起的估计退化问题,结合运动参数约束条件,提出了一种基于OPA的时空约束单目视觉位姿估计方法。该方法利用OPA算法在估计本质矩阵和平移方向之前判断载体的运动形式,检测修正估计退化问题,并结合摄像机在运动过程中的时间相关约束及图像特征点在空间中的相关约束,实现单目视觉系统的位姿估计。两组对比实验结果分析表明,新算法相比于传统的估计算法具有更高的精度和稳定性。     

基于特征点不确定性加权误差的位姿估计新方法

计算机视觉中一般是利用优化技术最小化目标函数来估计位姿,目标函数通常是由图像平面上特征点重投影误差构成,并且假设测量噪声是各向同性且独立同分布的高斯噪声,所得到的位姿是在该假设条件下的极大似然最优估计。然而,在实际应用中这种假设并不总是成立,测量噪声通常是各向异性且非独立同分布,而且常常具有很强的方向性。为此,本文提出了一种新的特征点位姿估计方法,首先对特征点的方向不确定性建模,然后将方向不确定性融入到重投影误差中,构造基于不确定性加权误差的新目标函数,最后利用Levenberg-Marquardt算法优化目标函数求解位姿。大量实验结果表明,本方法可以适应不同程度的方向不确定性,精度优于现有迭代方法。而且随着不确定性的增加,位姿解的精度并没有明显变差。     

基于图像特征融合的无人机位姿测量方法

针对实际无人机位姿测量过程中可能出现的特征数不够、测量精度不高等问题,提出了基于图像特征融合的无人机位姿测量方法及系统。测量过程中充分利用提取得到的无人机图像角点、机翼线以及对称轴特征。利用线-线交会最小二乘求解得到无人机图像中同名特征角点的世界坐标;根据各摄像机间的关系及检测到的直线特征,利用奇异值分解方法解算得到机翼线及对称轴在世界系中的单位方向向量;融合检测得到的角点特征、机翼线以及对称轴特征解算得到无人机的位姿参数。仿真试验结果表明:采用2台数字摄像机的合理布站,噪声标准差为1、无人机距离约为1200 m时,位置精度小于0.05 m,姿态测量精度小于0.5°,且摄像机的台数增加有助于提高位姿测量精度,精度对比验证了所提测量方法的正确性、可行性和高精度。     

多特征点拓扑确定位姿测量算法研究

为解决单目视觉位姿测量时,由目标特征点较多导致图像点与目标点拓扑关系未知的问题,提出了一种多特征点拓扑确定位姿测量算法。较多特征点可在目标进行大角度运动时保证足够的特征点进行位姿解算,与较少特征点相比提高测量精度。该算法将拓扑确定的过程和位姿求解的迭代过程进行嵌套,同时进行拓扑确定和位姿计算。位姿计算的迭代过程基于平行透视投影模型,不需要目标重心投影点坐标作为迭代初始值。拓扑确定的过程转化为分配问题的求解过程。每次位姿迭代的过程中进行一次拓扑确定,拓扑确定的结果可以计算更优的位姿估计。通过多位姿测量实验和精度对比实验结果证明:该算法适合大范围、高精度的位姿测量,在-120~120范围内,位姿测量均方根误差为0。272。     

基于机器视觉的图像高维特征智能提取算法

为对图像高维特征完成准确提取,缩小图像的投影向量的偏差量,提出基于机器视觉的图像高维特征智能提取算法。建立视觉坐标系,通过标定图像参数,求解线性摄像机模型表达式,实现基于机器视觉的图像特征匹配。按照尺度空间金字塔构建原则,确定高维图像特征的收敛特性,再联合复杂度参量指标,完成对图像高维特征的提取与智能化处理。实验结果表明,以3D轮毂模型为例,投影向量与真实向量之间的长度差值始终小于0.03 m,与改进SIFT提取方法相比,该方法要符合实际应用要求。     

基于动态特征剔除的图像与点云融合的机器人位姿估计方法

针对动态物体影响传感器进行机器人位姿估计的问题,本文提出了一种基于动态特征剔除点云与图像融合的位姿估计方法。首先,YOLOv4和PointRCNN分别被用于识别图像和点云中的潜在运动目标并提取候选框。其次,在视觉定位方面,双目视觉与稀疏光流被用于路标点的构建与追踪,并根据候选框剔除动态特征点,随后构建重投影误差函数,通过基于RANSAC剔除的非线性优化方法求解相机位姿;在激光定位方面,提取前后帧的直线与平面特征点,并根据候选框进行筛选,基于特征点到直线或平面的距离构建误差函数,进而求解激光雷达位姿。为使系统不再局限于单一传感器的使用环境限制,通过自适应加权方法,有效融合了两种位姿结果。最后,通过KITTI数据集和动态场景采集的数据进行定量实验对比,验证了剔除动态特征后的位姿估计的精确性以及融合算法的有效性。     

基于图模型的小尺寸飞行器地面试验中位姿估计方法

在多飞行器地面试验位姿估计中,由于跟踪算法导致的跟踪轨迹不连续会使得位姿估计产生累积误差,为了实现位姿的精确估计,提出了一种基于图模型的全局位姿估计非线性优化方法。首先,建立了一个飞行器地面视觉位姿估计系统。然后根据飞行器上特征点的数目提出了一种向量交叉式的飞行器位姿解算方法,求解得到数据已关联飞行器位姿估计值。利用中介坐标系法求解得到轨迹段初始位姿节点在测量坐标系下的值,最后,在图模型基础上下,对整个量测过程中飞行器的位姿估计结果进行非线性全局优化减小线性算法的累积误差,并通过仿真与实际实验对飞行器位姿估计算法的可行性与精度进行验证。实验结果表明:在测量范围为6 000 mm×6 000 mm×3 000 mm的范围内,飞行器尺寸约为400 mm,特征点三维定位精度为2.9 mm的条件下,基于非线性优化的飞行器位姿估计算法的理论精度分别可达0.5°(3σ)与3 mm (3σ),实际绝对测量精度分别可达1.3°(3σ)与4 mm (3σ),基本满足地面试验对多飞行器编队算法开发以及制导控制系统性能长时间评估稳定可靠、精度高、抗干扰能力强等要求。     

基于全局位姿评估的条纹反向视觉测量

提出基于全局位姿评估的条纹反向视觉测量。利用带测头的摄像机拍摄二维正弦条纹,根据傅里叶分析提取的平面特征点全局评估摄像机位姿,进而测量测头的球心坐标。摄像机的位姿评估是条纹反向视觉测量的关键技术,在测头标定和坐标测量中均需要进行位姿评估。位姿评估的误差函数包括重投影误差和物空间误差两类,两者在基于平面的位姿评估中均存在两个局部极小值,采用全局位姿评估算法可以避免误差函数陷入局部极小以高精度获取摄像机位姿,完成测头标定和坐标测量。实验结果表明,该方法可以高精度测量物体的三维坐标。     

一种基于特征点三维信息的自然路标提取与快速匹配方法

自然路标提取与匹配是vSLAM的基础。文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法。采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配。建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤。在此基础上基于改进的MeanShift聚类算法进行自然路标提取。提出一种路标描述符,可以快速进行两个聚类的匹配。该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低。     

基于单目视觉和固定靶标的位姿测量系统

利用计算机视觉进行位姿测量的方法广泛应用于机器人系统、运动体控制系统和精密检测系统。研究和设计了一种基于固定靶标的单目视觉定位系统和方法,用最少硬件资源实现精密定位。首先,利用图像匹配的方法检测出平面靶标在图像中的坐标,图像匹配采用SIFT算法和映射匹配方法,之后利用固定靶标的特性求取中心点。实验利用多幅图像样本验证了图像匹配的准确性和鲁棒性。然后,针对呈矩形分布的PnP问题,提出了一种新的求解方法,以靶标控制点的图像坐标和空间坐标作为输入,得到了移动物体与摄像机的三维相对位姿。实验利用五维精密位移台移动目标物体并拍摄多副图像,结果表明位姿测量系统在800 mm范围内达到mm级精度,可以满足应用需求。     

一种基于特征点三维信息的自然路标提取与快速匹配方法

自然路标提取与匹配是vSLAM的基础。文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法。采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配。建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤。在此基础上基于改进的MeanShift聚类算法进行自然路标提取。提出一种路标描述符,可以快速进行两个聚类的匹配。该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低。     

基于非线性模型的摄像机标定技术研究

摄像机标定的目的是确定摄像机的图像坐标系与物体空间中的三维参考坐标系之间的对应关系。研究非线性模型下摄像机标定两步法的算法实现,并提出用两步法在进行摄像机标定实验时对于算法初步进行的改进。即对于未标定图像在算法初步设定畸变系数初值来校正标定实验所提取的角点,通过实验标定摄像机参数并进行验证,实验表明可以降低重投影误差,使算法精度进一步提高。     

基于几何约束的视觉闭环检测和位姿优化

为实现视觉里程计在大规模复杂环境下的准确导航,消除载体位姿估计的累计误差,提出了一种基于几何约束的视觉闭环检测和位姿优化方法。首先建立基于LATCH二进制描述子的视觉词袋(Bo VW),并采用视觉单词向量描述图像进而归一化相似度的闭环检测方法,然后对闭环候选关键帧和当前关键帧进行基于RANSAC-HORN运动估计的闭环验证,最后将闭环关键帧的局部地图点投影到当前帧并最小化重投影误差以使得位姿得到优化。数据集实验表明,提出的闭环检测和位姿优化算法能够有效地对闭环进行准确检测和验证,并对视觉里程计的误差积累进行闭环位姿优化,提高了视觉导航精度。     

激光雷达SLAM下移动机器人双目视觉全局定位

移动机器人在未知环境中执行任务时,需精准感知地图环境和其他物体位置,确定其自身位置。为了提高移动机器人的全局定位精度,提出激光雷达SLAM下移动机器人双目视觉全局定位方法。依据双目视觉系统测距原理,选取双目摄像机中的任意一个相机建立主坐标系,构建双目摄像机模型,结合棋盘图与张正友标定法,标定双目摄像机中参数。在此基础上,计算单帧图像特征点的尺度,完成双目视觉初始化,利用权重函数计算任意一个特征点与线、与面之间的加权值和距离值,估计移动机器人的位置,引入非迭代畸变补偿方法,完成对移动机器人的全局定位。测试结果表明,所提方法的定位结果与实际运动位置之间的最小误差为0.1 m,该方法可以精准定位到移动机器人位置,指导移动机器人更好地执行作业任务。     

激光再制造机器人待加工零件形貌三维重建

采用双目摄像机结合结构光组成主动视觉测量系统,并与机器人耦合,构建了一种具有视觉功能的智能激光加工机器人,能够感知各种复杂曲面轮廓,重建三维形貌。系统由六自由度机器人、双目摄像机和结构光发射器组成。机器人带动双目摄像机和结构光发射器运动,既实现多视角测量,消除测量中的"死角",重建工件的完整三维形貌,又将测量到的点云数据转换到机器人坐标系。阐述了测量原理和数学模型,进行了单摄像机内外参数的标定,双目摄像机相对关系的标定,双目摄像机与机器人之间的手眼关系标定,得到摄像机内参数矩阵,手眼关系矩阵,机器人与世界坐标系关系矩阵。对双目图像进行大步距图像分割,提取目标区域,平滑降低图像噪声,重心法提取亚像素级结构光条纹中心,根据极线约束进行左右条纹配准,三维算法得到空间点坐标,可方便地转换到世界坐标系,实现全局坐标的统一。