基于相机位姿估计的局部放电源可视化标注方法研究

局部放电源的准确、快速定位对科学分析电磁干扰成因,开展电磁干扰预警与防护等具有重要意义.本文将场景图像信息与电磁辐射信息相融合,提出了一种基于P3P(pespective-3-point)相机位姿估计的局部放电源可视化标注方法.该方法在获取局部放电源空间三维坐标的基础上,结合场景图像信息可对其进行可视化标注,有利于直观、快速实现局部放电源的排查与定位.通过模拟测试和交叠率计算,对比分析了局部放电源定位误差、相机位姿参数估计误差以及相机重投影误差等对标注结果准确性的影响,并以高压放电形成的瞬态电磁辐射为研究对象,开展了试验测试与验证.研究结果表明:对处于2个不同位置的高压放电源进行可视化标注,利用半径为10 cm的圆形标注框计算得到的交叠率分别为0.67和0.72,标注结果对高压放电所在区域的指向性好,实现了对放电源的可视化标注.

基于三维模型的Android手机端人脸姿态实时估计系统

针对人脸姿态估计对系统性能要求高、在手机上运行无法满足实时性要求等问题,实现了一种Android手机端的人脸姿态实时估计系统。首先,由摄像头获得一幅正面和一幅偏移一定角度的人脸图像,利用从运动中构建结构(Sf M)算法建立简单三维人脸模型;然后,提取实时人脸图像中与三维人脸模型相互对应的特征点,基于缩放正投影位姿估计(POSIT)算法估计人脸姿态角度;最后将三维人脸模型通过开放图形开发库(Open GL)实时显示在手机屏幕上。实验结果表明,实时视频中检测人脸姿态并显示的速度可以达到20 frame/s,接近计算机端的基于仿射对应的三维人脸姿态估计算法,而且针对大量图片序列的检测可以达到50 frame/s,能够满足Android手机端的性能和检测人脸姿态的实时性要求。

基于视觉传感器的半直接SLAM算法

针对目前基于视觉传感器的同时定位和地图构建(SLAM)系统对特征缺失和无结构等特殊环境比较敏感的缺点,提出了一种基于子图特征增强方案的半直接SLAM算法。首先,使用基于子图的特征增强模块以更稳定的提取图像特征点;并在特征点的基础上,考虑加权融合特征点对应像素的光度信息来估计相机位姿,使系统能够在视觉纹理特征信息比较稀缺的环境下仍然可以稳定工作。其次,为了得到更好的建图效果,运用增量式动态协方差缩放算法来最小化相机位姿估计引起的误差。所提出的算法经过测试,在TUM数据集以及室内环境下具有较好的鲁棒性。