一种改进的PnP问题求解算法研究

透视n点投影问题是计算机视觉领域的一个经典问题,有着广泛的应用前景。针对Pn P问题中存在的位姿计算结果精度不高、稳定性不好,易受噪声干扰等问题,提出一种改进的Pn P问题求解算法,该算法考虑了参考点的不确定性因素对位姿计算结果的影响,将不确定性描述矩阵加入到位姿求解等式中。采用模拟场景和真实场景进行实验验证,模拟场景中旋转角度误差小于0.2,平移向量误差小于0.1%;真实场景中平移向量平均误差为0.16 m。实验结果表明,该算法进一步提高了位姿求解精度,且具有良好的稳定性、鲁棒性和抗噪能力。

PnP算法在室内定位中的应用

基于视觉的定位技术是近年来室内定位研究领域的热点之一,有着广泛的应用前景。针对基于视觉的定位算法中存在的定位结果稳定性不高、易受噪声干扰等问题,对国内外现有方法进行总结分析,提出一种结合空间参考点不确定性的相机位姿估计算法。采用模拟数据和真实数据分别进行测试,实验结果表明,该算法具有精度高、稳定性好等优点,平均误差在0.08 m,70%的点定位误差小于0.1 m,90%的点定位误差小于0.2 m,最大定位误差为0.3 m,达到室内定位精度的标准。

场景识别与PnP结合的视觉室内定位技术研究

基于视觉的定位技术是近年来室内定位研究领域的热点之一,有着广泛的应用前景。针对基于视觉的定位算法中存在的定位结果稳定性不高、易受噪声干扰等问题,对国内外现有方法进行总结分析,提出一种利用卷积神经网络进行场景识别、利用空间参考点进行定位的方法,并进行真实场景实验。实验结果表明,该方法具有精度高、稳定性好等优点,场景识别正确率约为90%,定位平均误差为0.10 m,最大定位误差为0.30 m,达到室内定位精度的标准。

基于点特征的单目视觉位姿测量算法

针对位姿求解过程中存在的解不唯一、选解难和解的精度不高等问题,提出一种基于点特征的单目视觉位姿测量算法。首先,根据共面4个特征点之间的位置关系,分别对平行和相交两种情况进行分析;其次,根据特征点的空间坐标、图像坐标和空间位置关系,推导出世界坐标系中3个坐标轴上的向量变换到摄像机坐标系中的单位向量,进而求解出物体相对于摄像机的初始位姿;最后,用LM算法对初始位姿进行优化,得到最终位姿。实验结果表明:文中算法的合成误差为0.54 mm;现有的EPnP算法、两点一线算法和P3P算法的合成误差分别为1.28、1.52和4.26 mm;文中算法的合成误差分别减小了57.8%、64.4%和87.3%,优于现有的EPnP算法、两点一线算法和P3P算法。

基于图象的人体运动追踪系统研究

首先介绍了运动测量的几种主要方法,讨论了基于图象的运动追踪研究中要考虑的时间延迟问题及多摄像机的采集同步问题,最后介绍了一个能较好地完成大尺度空间人体无约束追踪的基于透视四点投影(P4P)问题的单摄像机运动追踪实验系统,包括摄像机标定、图象处理、特征提取、特征匹配、深度估计和姿态估计等等技术。

基于虚拟控制点的像机姿态测量算法

像机姿态测量,包括确定像机的旋转矩阵与平移向量,在机器视觉领域中有着非常广泛的应用。针对控制点异面分布的情况,提出了一种基于虚拟控制点的像机姿态测量算法。算法的主要思想是利用少量虚拟控制点实现像机姿态的短时间迅速求解,然后通过目前非常成熟的正交迭代算法,对求解结果进行精细调节,从而在整体上提高测量算法的精确度与稳定性。实验结果表明,算法在性能上优于目前比较流行的几种像机姿态迭代求解算法,而且具有较强的抗噪声干扰和抗控制点误匹配的能力,可以应用在实际的测量环境当中,是一种有效的像机姿态测量算法。

激光跟踪测距三维坐标视觉测量系统建模

提出了一种激光跟踪测距视觉坐标测量系统,主要由摄像机、激光测距仪、计算机和光笔组成。测量时摄像机测量光笔上各光反射点的方向,激光测距仪跟踪捕捉并测量出某一光反射点到激光测距仪的距离,由测得的方向和距离计算出光笔笔尖接触点的三维坐标。根据n点透视问题(PnP)原理建立了系统的数学模型,激光测距仪测得的距离参数的引入,使得该数学模型可以线性求解,而且解具有唯一性。依据冗余技术给出了被测点三维坐标的求解方程组及其解法。和单摄像机视觉坐标测量系统的比对实验结果表明:在Z、Y和X轴方向上的测量稳定性精度可分别提高0.366、0.031和0.011 mm。

基于二维码识别的P4P算法研究

研究了基于二维(QR)码识别的P4P算法,提出利用QR码中存储的四个共面顶点的坐标和QR码图像中的像素坐标进行定位.通过相机标定和图像校正得到校正的QR码四个共面顶点的像素坐标,通过译码程序解析得到四个共面顶点的实际位置坐标,将P4P算法解算输出的旋转矩阵和平移向量作为下一步算法的迭代初始值.在透视N点投影算法中,借助李群和李代数之间的局部同构关系,将流形上的寻优转化为切空间中的寻优,利用线性空间中的最优化手段对目标值进行优化.在切空间的任何梯度方向,参数值都在该空间内,即所求矩阵都在流形上.实验结果表明,在导航运动过程中,相机坐标位置误差小于±2mm,旋转角度误差小于±0.5°,算法具有较高的定位精度及稳定性.