摄像机未标定的P5P问题研究

该文比较系统地研究了未标定的 P5 P问题 .主要结论有 :当 5个控制点中任意 4点不共面 ,或者存在 4点共面但任意 3个图像点不共线时 ,未标定的 P5 P问题的解仅有两种可能 :( 1)至多有 4个解 ;( 2 )有无穷多解 .文中同时给出了至多有 4个解和有无穷多解的代数条件以及求解未标定的 P5 P问题的具体算法 .

适用于SfM点云的未标定摄像机注册方法

无标注册是增强现实技术(AR)领域的研究热点,本文提出并实现了一种对未标定摄像机进行内外参数估计的完整方法。该方法采用单幅图像作为输入,三维物体的SfM重建点云作为数据表,进行匹配并采用RANSAC方法去除误匹配得到单应矩阵,结合Kruppa方程得到焦距估计值,并采用PnP问题的Levenberg-Marquardt最优化法得到外参矩阵的非线性最小二乘解。为便于观察结果,另建立基于显卡计算的粒子系统进行验证。实验结果表明,该方法对于摄像机的内外参数估计具有较好的效果。

摄像机位姿的高精度快速求解

目的针对对应点个数大于等于6的摄像机位姿估计问题,提出一种既适用于已标定也适用于未标定摄像机的时间复杂度为O(n)的高精度快速算法。方法首先选取4个非共面虚拟控制点,并根据空间点和虚拟控制点的空间关系以及空间点的图像建立线性方程组,以此求解虚拟控制点的图像坐标及摄像机内参,再由POSIT(pose from orthography and scaling with iterations)算法根据虚拟控制点及其图像坐标求解旋转矩阵和平移向量。结果模拟数据实验和真实图像实验表明该算法时间复杂度和计算精度均优于现有的已标定摄像机位姿的高精度快速求解算法EPnP(efficient perspective-n-point)。结论该算法能够同时估计摄像机内外参数,而且比现有算法具有更好的速度和精度。

微小无人直升机自适应视觉伺服

针对摄像机未标定和特征点坐标未知的情况,本文提出一种新颖的基于图像的无人直升机自适应视觉伺服方法.控制器是基于反推法设计的,但是和已有的基于反推法的视觉伺服不同的是,它利用与深度无关矩阵将图像误差映射到执行器空间,从而可以避免估计特征点的深度.这种设计方法可以线性化未知的摄像机参数和特征点坐标,所以能方便地设计自适应算法来在线估计这些未知参数,同时为了保证图像误差收敛和避免估计参数收敛至零解而引入了两个势函数.利用Lyapunov方法证明了基于非线性动力学的控制器的稳定性,并给出了仿真验证.