一种新型的本质矩阵解析分解算法

为了由本质矩阵分解出两摄像机的相对位姿,提出了一种新型的本质矩阵解析分解算法。首先,利用本质矩阵秩2的属性求出两摄像机间的平移量;然后,利用求解旋转矩阵方程组的方法求出两摄像机间的旋转量;最后,利用直接求取空间3D点成像深度的方法快速从四组分解结果中确定出满足空间3D点可见性约束的惟一正确解。实验结果表明,本文提出的分解算法不仅避免了对本质矩阵进行复杂耗时的奇异值分解运算,而且分解出的四组解析解具有直观且明确的几何意义,同时因为完全避免了景物结构的3D重建,大大简化了惟一解确定过程,降低了惟一解确定难度。

弱标定立体图像对的欧氏极线校正框架

为了快速且直观地对相机弱标定(即相机内参数已知而外参数未知)情况下的立体图像对进行欧氏极线校正,提出了一套完整的欧氏极线校正框架。首先,针对两视图对应相机的位姿信息估计问题,提出一种新的不依赖矩阵奇异值分解运算的本质矩阵分解和唯一解确定算法。然后,对传统欧氏极线校正问题进行推广,并利用估计出的相机位姿构造出具有明确几何意义的无穷单应变换对,进而将其施加到立体图像对来完成欧氏极线校正。最后,利用8组SYNTIM立体图像对验证了所提出校正框架的正确性和校正精度。实验结果表明:该欧氏极线校正框架不仅形式直观,计算简单,易于实现,而且具有明确的几何意义。与其他欧氏极线校正方法比较,提出的方法能够获得更高的校正精度,且更好地消除了立体图像对的水平或垂直视差。

移动机器人车载摄像机位姿的高精度快速求解

在分析移动机器人车载摄像机位姿的特殊性质的基础上,根据摄像机的等效转轴构造辅助旋转矩阵,利用该旋转矩阵将原始待分解本质矩阵和单应矩阵转换为一类简单的、可通过初等数学运算进行分解的本质矩阵和单应矩阵。仿真实验的结果表明,该车载摄像机位姿估计算法较传统方法具有更高的精度和更快的运算速度,对摄像机等效转轴的扰动也具有很好的鲁棒性。此外,分解出的可能解的数目较传统算法减少了一半,且在除诱导单应阵的空间景物平面与地面垂直的情况下,均能直接得到移动机器人的唯一转角,为移动机器人姿态控制提供了极大的便利。

单目视觉SLAM车载摄像机快速位姿估计及景物重构

针对单目视觉同时定位与地图构建(simultaneous localization and mapping,SLAM)应用,提出一种快速车载摄像机位姿估计及景物结构3D重构算法。在无具体标定物的情况下,利用移动机器人二自由度运动导致摄像机采集视图中对应极点的特殊性质,标定出真实摄像机与虚拟摄像机间的相对姿态,并利用主动视觉方法进一步标定出移动机器人坐标系与虚拟摄像机坐标系间的相对位移;构造无穷单应变换,将真实视图中通过SIFT算法得到的假设欧氏匹配点集转换为对应虚拟摄像机的虚拟假设欧氏匹配点集,并利用基于RANSAC的归一化三点算法快速地对本质矩阵进行估计和分解;利用已观测到的路标三维信息,递归地剔除本质矩阵分解出的平移量的尺度不确定性,并利用线性三角形法重构出景物结构。实验结果表明:该算法在保证运算精度的同时,具有更快的运算速度。