利用平行透视投影模型的位姿迭代估计

提出了一种利用平行透视投影模型的高效位姿迭代估计方法来提高单目视觉测量系统的精度和鲁棒性。通过引入齐次坐标表示,避免了现有算法对平行透视投影参考点选择的限制。首先,研究了平行透视投影模型下使用齐次坐标求解目标位姿的方法,阐述了它的几何意义。然后,通过迭代的方式将其应用于一般透视模型下目标位姿的高精度估计。仿真实验结果表明,本文方法提高了基于平行透视投影模型的位姿迭代估计的精度、速度和抗噪性能。实物测量结果表明,本文方法的平移测量精度优于0.1mm,旋转测量精度优于0.1°,可以满足各种视觉检测系统的要求。另外,使用标志点和图像特征亚像素定位技术还可进一步提高该算法的精度。

梯度点对约束的结构化车道检测

车道检测是无人驾驶车辆及车道偏离预警等系统的关键技术。针对复杂道路环境中,阴影、路面破损及车辆遮挡等常造成车道检测不准确的问题,提出利用结构化道路两侧车道线上常具有相反方向梯度的性质,将两侧车道线的检测转化为梯度点对约束下的车道中线及宽度检测。然后分别采用平行透视投影模型及线性双曲线模型,通过Hough变换获得了对车道消失点、宽度及车道中线等参数的估计,最终实现了对不同形状结构化车道的检测。比较了本文算法与其他两种车道检测算法在不同复杂道路环境下的车道线检测性能,结果表明了本文算法的有效性。