球形全景影像位姿估计的改进EPnP算法

球形全景成像可以克服透视成像视场角的局限,实现场景全覆盖的三维重建和量测。本文在普通影像位姿估计的EPnP(efficient perspective-n-point)算法上进行了改进和扩展,提出了一种稳健快速的球形全景影像位姿估计算法。首先,构建球形全景影像的投影模型,将EPnP算法的平面透视成像模型扩展到球面成像模型;然后,采用基于全景球心、像点、控制点共线条件方程的改进EPnP算法求解控制点的球形全景像空间坐标;最后,利用Horn绝对定位算法直接解算全景影像位姿。与球形全景影像位姿估计的后方交会算法的对比试验结果表明,本文提出的方法无须迭代求解,更为稳健快速,即使控制点数目较少也能达到高精度,基于非严格共中心拼接的全景相机,重投影误差可控制在3.00像素左右。

基于改进的YOLOv3与EPnP算法的几何体位姿估计

针对机器人动态几何体模型抓取操作中存在对模型检测和位姿估计的问题,提出了一种基于改进的YOLOv3算法和EPnP算法相结合的几何体模型位姿估计方法。首先为提升YOLOv3算法的检测效果,采用完全交并比损失函数(CIOU)计算位置回归损失,同时引入通道注意力机制(ECAnet),运用网络自适应性注意重要信息,调整特征图。其次预测几何体模型3D虚拟控制点的2D像素坐标,利用EPnP算法求解目标物体的位姿。实验结果表明,与传统的YOLOv3算法相比,改进的YOLOv3算法mAP和F1性能分别提高了约6%和3%,并且能够较好的得到模型的中心和3D边框尺寸,有较好的位姿估计精度,验证了该方法的可行性和有效性。

面向装配对接的双视觉测量试验系统优化标定方法

针对航空航天、轨道交通零部件装配对接测量与定位过程,为解决测量视场范围大、多种测量设备组合使用步骤烦琐等问题,对面向装配对接的双视觉测量系统标定方法进行了研究。通过构建双视觉测量系统模型,分析系统间各相机参数的关系,在单个双目系统中引入闭环约束,结合LM算法对单个双目系统中的相机参数进行优化,另外采用改进的EPnP算法对双视觉系统进行标定,并结合自行设计的双面一维靶标完成了双视觉系统的全局标定和坐标转换。模拟对接试验的结果表明,该优化标定算法在精度上优于传统算法,并在使用过程中简化测量步骤,提高测量效率。

基于2D-3D双目运动估计的立体视觉定位算法

运动估计算法是影响立体视觉定位精度的重要因素,传统的3D-3D运动估计算法受噪声影响很大,计算精度不高。本文提出了一种基于2D-3D双目运动估计的立体视觉定位算法。算法不使用运动后的特征点3D坐标,而直接利用其2D图像投影坐标。首先,利用EPnP运动估计算法确定匹配内点和初始运动参数。接着,利用双目相机之间的2D投影几何约束,提出了基于Levenberg-Marquardt算法的2×2D-3D运动参数优化算法,利用确定的匹配内点和初始运动参数,使特征点在立体相机左右图像上的再投影误差最小,从而达到最优的立体相机2D-3D运动估计。仿真实验和户外真实实验表明:本文算法获得了很高的计算精度、鲁棒性,大大优于传统的基于3D-3D运动估计的立体视觉定位算法。

基于单目视觉的天线副面并联调整机构相对位姿测量方法

为测量天线副面并联调整机构的相对位姿,研究了一种基于单目视觉的位姿测量系统.采用光源照射固定于动平台上的合作目标,结合滤光片等控制手段,利用单目相机采集非共面特征点的图像,获得高对比度的准理想图像.经过图像处理和平方加权质心法,提取出特征点的图像坐标,使用EPnP(Efficient Perspective-n-Point)算法进行位姿解算,最终可以得到并联调整机构的相对位姿测量方法.最后通过实验进行了精度验证,结果表明平移精度为0.1 mm,旋转精度为0.05◦,满足了实验要求,为并联机构的位姿检测提供了可行性思路.

无人机位姿测量的点特征视觉方法

针对无人机在动态环境下快速高精度定位的问题,提出了用单目相机对无人机上的人工特征点进行位姿解算的方法。在无人机上放置一定数量的小型LED灯,并将其作为视觉测量的特征点,并以其中一个点作为原点建立无人机机体坐标系。通过多场景测量确定特征点在机体坐标系下的三维位置,再将三维位置与特征点在图像中的成像位置相匹配,最后使用EpnP算法求解出无人机的位置和姿态。在实验部分,利用三轴移动平台和三维转台,分别对位置解算结果和姿态解算结果进行误差测量。试验结果表明,位置解算误差在2%以下,姿态误差在8%左右。同时,该算法的处理时间在2ms左右,该算法可以满足无人机对定位的实时性和精度的要求。

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。