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。