一种基于双目立体视觉的虚拟轨道列车路径识别方法

为了克服单目视觉的局限性和提高虚拟轨道列车的路径感知能力,文章提出一种基于双目立体视觉的虚拟轨道列车路径识别方法。针对虚拟轨道列车车道块明显、外形完整、形状独特等特点,提出了基于Mask R-CNN的车道检测模型。同时,针对通用的双目匹配算法计算量大和对重复物体匹配较难的缺点,提出了融合多目标跟踪的双目匹配算法。该方法通过左右相机各自检测车道块,进行多目标跟踪来分配ID,对左右图像中的各车道块实现有序、定向的双目匹配,并重建出车辆坐标系下路径的三维坐标,有效提升了车辆系统路径感知能力,为其循迹控制、自主定位、相对位姿估计等提供了更加直接准确的输入信息。试验结果表明,本文方法对路径的三维重建具有较高的准确性,并且在不同路况场景下具有较强的适应性。

构建虚拟立体靶标的大视场高精度视觉标定

为了提高立体视觉系统在大视场下的测量精度,基于误差溯源思想提出了一种构建虚拟立体靶标的大视场高精度视觉系统标定方法,克服了大尺寸高精度标定物难以制造等问题。对影响立体视觉系统测量精度的主要因素进行分析,列出视觉测量系统的误差溯源链,解析了大视场视觉系统精度瓶颈的原因。借助激光跟踪仪,运用非线性最小二乘单位四元数算法求解坐标系刚体变换,获取大范围高精度的空间点阵,构建虚拟靶标。在相机畸变模型中考虑了三阶径向畸变和二阶切向畸变参数,并使用Levenberg-Marquardt迭代算法进行标定参数求解,进一步提高系统精度。实验构建了一套测量空间约为4m×3m×2m的双目立体视觉系统,通过对某型号高精度直线导轨进行点距测量,在测量距离3m处,152组不同长度的横向距离测量的误差算术均值为-0.003mm,误差标准差为0.08mm。测量精度相较于传统的平面标定法有较大提升。

基于多源点云与图像数据的车辆定位与再识别方法

针对大型桥梁车辆移动荷载监测场合中车辆的重心估计能力不足和车辆再识别困难等问题,提出一种基于点云灰度图的彩色图像与点云快速融合方法,以提高对车辆的空间定位能力和对目标的辨识能力。首先利用立体标定靶对不同视角相机和点云采集装置的位姿进行标定,获取它们彼此间的相对位置和姿态;然后利用标定的结果对不同视角采集到的点云进行拼接,得到完整的车辆点云;再将完整点云转换至彩色相机坐标系并投影,提取点云灰度图,实现彩色图像与点云灰度图的配准,将其姿态调整至与车辆实体在彩色相机坐标系内的位置和姿态一致。进一步建立彩色像素点与三维点云间的映射关系,并将颜色信息与点云相关联,从而实现彩色图像与点云的融合。利用融合后的彩色点云和相机成像模型,可以得到车辆在彩色相机坐标系中的虚拟图像,为车辆的再识别提供依据。结果显示,相比于采样一致性算法,所提配准算法缩短了约74.1%的耗时。实验表明,所提算法实现数据融合后生成的彩色点云具有较高的还原度,证明了所提算法的可行性,为解决类似的问题提供了新的思路和方法。