基于TEASER算法的空间非合作目标位姿估计

基于点云的空间非合作目标位姿估计,常受到噪声影响.提出截断最小二乘估计与半定松弛(truncated least squares estimation and semidefinite relaxation,TEASER)与迭代最近点(iterative closest point,ICP)的结合算法,提升空间非合作目标位姿估计精度与鲁棒性.该方法包括粗配准与精配准两个环节:在粗配准环节中,基于局部点云与模型点云的方向直方图特征(signature of histogram of orientation,SHOT)确定匹配对,利用TEASER算法求解初始位姿;在精配准环节中,可结合ICP算法优化位姿估计结果.北斗卫星仿真实验表明:在连续帧位姿估计中,噪声标准差为3倍点云分辨率时,基于TEASER的周期关键帧配准方法的平移误差小于3.33 cm,旋转误差小于2.18°;与传统ICP方法相比,平均平移误差与平均旋转误差均有所降低.这表明所提出的空间非合作目标位姿估计方法具有良好的精度和鲁棒性.

农业无人机动态降落方法研究

为实现农业无人机高速、准确降落于地面移动机械设备(自走式施肥机构、农业无人车等)上,基于Aruco码设计了一种复合视觉识别标志,并基于该视觉识别标志提出了农业无人机动态降落控制策略。降落策略主要分为两个阶段:阶段一为标识识别阶段,使用Aruco标识检测算法进行标识识别;阶段二为对带标识地面移动机械设备的稳定跟踪。工作时,利用PnP类算法求解无人机当前位姿,使用PD轨迹追踪算法实现农业无人机对地面移动平台的追踪。为了验证该控制策略的有效性与准确性,利用开源仿真平台Prometheus进行仿真验证,并使用MatLab进行数据分析,结果表明:该控制策略可实现农业无人机的自主降落。

基于Kinect相机的多视角RGB-D信息融合的 甜椒姿态估计研究

针对在复杂环境中由于存在遮挡导致果蔬姿态计算不准甚至无法识别这一问题,提出一种基于Kinect相机的甜椒姿态估计研究方法,通过融合多视角下的甜椒点云信息,结合PCA算法估计出甜椒在空间中的三维姿态。基于Kinect相机的多视角RGB-D信息融合的甜椒姿态估计研究方法是将两间隔为60°的视角下Kinect相机采集甜椒的点云信息融合,并在ICP精配准过程中引入对应点对局部法向量夹角与平均曲率阈值双约束项提高点云配准精度,以解决两视角点云配准效果差、重叠度不高从而造成的由PCA算法估计点云姿态偏差大的技术问题。试验结果表明在无遮挡情况下,本文算法的误差均值为5.15°,在双视角中其中某一视角有遮挡情况下的综合均值误差为5.67°,双视角均有遮挡情况下综合平均误差为7.86°,满足实际作业时的技术要求。本研究不仅适用于甜椒的空间三维姿态识别,同时为其他智能采摘机器人姿态识别系统搭建提供技术参考。

工业钣金件视觉检测中的一种2D-3D自动定位算法

利用图像计算目标物体空间方位一直是计算机视觉领域的重要任务。利用单幅图像结合CAD三维模型实现钣金零件空间方位的2D-3D自动定位。沿CAD三维模型在影像上投影的外轮廓统计影像边缘特征点的数目,根据极值位置确定零件方位的初始参数;提出基于广义点理论的最邻近直线迭代的算法求取零件方位的精确值。为加快轮廓跟踪速度,也对经典的8-领域轮廓跟踪串行算法进行了并行优化。

基于红外图像分析的跟踪注册算法研究

在基于红外图像分析的跟踪设备中,标志点布置方案对于系统的注册精度和响应时间等性能指标至关重要。针对基于红外标志点的光学跟踪系统,对系统中安放红外标志点的数目和安装位置进行了理论分析和试验,得出了空间n点方案优于共面4点方案的结论,具有注册精度高、延迟小、环境适应性强、通用性好的优点。

基于双平面DR的骨折股骨三维姿态估计

针对骨折股骨DR缺少三维模态下空间信息的问题,提出一种基于双平面DR进行2D-3D非刚性配准的姿态估计方法,实现骨外科手术术前骨折股骨的三维可视化。本文提出的方法相比于单纯的DR或CT成像诊断方式,具有成本低、成像快、有害辐射小、精度高等优点。该方法首先利用正、侧位骨折股骨DR获得与通用模型投影轮廓的二维配准参数;然后利用基于针孔相机模型的标定法确定二维平面到三维空间的变换关系,最后将通用模型分成骨折的两段,确定每段的姿态,获得患者股骨个体化骨折姿态。实验结果为平均旋转误差小于1.5°,平均平移误差小于2 mm,配准成功率大于90%,表明该方法具有较高的精度和鲁棒性,可为骨外科手术的术前诊断及手术计划制定提供更为有效的三维影像信息。

基于改进的ORB算法与姿态估计的跟踪注册方法研究

针对传统的特征提取算法在图像匹配过程中易出现误匹配现象,提出在ORB算法的基础上融入一种最小平方上值估计法——LMedS方法。利用ORB算法的特点和LMedS方法去除可能存在的外点,消除误匹配现象,从而得到正确的匹配特征对,使特征匹配率有很大的提高;同时采用基于非线性最小二乘进行姿态估计,通过迭代算法估算相机姿态完成虚实注册。实验结果表明,该方法无论是在特征点匹配还是在实际场景中都具有很好的鲁棒性,在不同尺度、部分遮挡的情况下同样具有良好的性能,准确、实时地完成了跟踪注册。

子空间中的克隆选择人体运动分析方法

将基于视频的人体运动分析归结为高维空间中的优化问题,提出一种基于子空间构造和克隆选择的人体运动分析方法.该方法首先采用等距映射算法建立人体运动的低维流形空间,其次采用克隆选择算法在流形空间中进行姿态优化,最后通过引入时序信息提出序列克隆选择方法实现运动跟踪.该方法能准确分析视频中的人体运动,具有良好的计算效率和精度.

基于点云的非合作航天器位姿测量方法研究

针对已有基于二维影像的非合作航天器定位定姿方法在目标适应性和稳定性方面的不足,研究了一种基于三维点云的位姿测量方法。提出一种考虑累积误差的参数传递法进行序列点云的配准,用参数传递法获得初始值,在初始值的引导下与基准模型进行快速精确配准,实现了基于实时三维点云的相对运动跟踪,获得了较高的解算精度,方法利用目标的几何形状信息,有更好的普适性和稳健性。分别以仿真模型和现场模型作为测量对象进行位姿跟踪实验,用扫描仪获取动态卫星模型的三维点云并进行位姿解算,测量的运动轨迹与设计值吻合度较好,表明所提方法有较好的稳健性和较高的精度。

一种自适应子空间追踪的基于配准补偿方法

先验信息失配(如速度误差、偏航角等)和孔径损失使得基于配准补偿方法的杂波距离相关性补偿性能下降.此外,基于配准补偿方法的运算量大,在大天线阵情况下实现困难.针对上述问题,将最大似然自适应子空间估计算法引入到杂波距离相关性补偿之中,并对最大似然自适应子空间估计算法的迭代过程进行改进,提出了一种新的杂波距离相关性补偿方法,称为基于改进最大似然自适应子空间估计算法的基于配准补偿(MRBC)方法.与基于配准补偿方法相比,MRBC方法无须子孔径平滑、协方差矩阵估计和特征值分解等过程,直接利用最大似然自适应子空间估计方法迭代估计杂波协方差矩阵的瞬时特征向量矩阵和特征值矩阵,能够在保证杂波距离相关性补偿性能的基础上大幅减少运算量.且由于MRBC方法没有利用先验信息,完全基于雷达回波数据,因此不受误差影响.

基于子空间构造和克隆选择的人体运动分析

针对人体运动分析中高维姿态空间难题,提出了一种基于子空间构造和克隆选择的人体运动分析方法。该方法首先利用等距映射方法学习得到反映人体运动本质的低维姿态流形空间,并在低维空间中进行运动分析,提高了运动分析的效率和精度;其次,将克隆选择算法(CSA)应用于姿态优化,并通过引入运动时序信息提出序列克隆选择(S-CSA),实现了基于单幅图像的姿态估计和图像序列的姿态跟踪。试验结果表明,该方法具有良好的计算效率、良好的收敛性和局部优化能力,从而能准确分析视频中的人体运动。

一种基于点云场景分割与改进配准算法的物体位姿估计方法

为了解决低分辨率深度相机获取复杂场景下物体精确位姿信息困难的问题,提出一种基于点云场景分割与改进配准算法的物体位姿估计方法。首先,提出采用结构光三维扫描仪来扫描制作目标物体模板,以消除由理论模型直接生成模板所带来的差异性。而后,提出了一种基于两步法的物体分割方式,能够快速准确地完成场景点云中目标物体的分割。最后,提出一种结合法线夹角约束与邻域数约束的关键点提取算法,能够有效提取模板与场景点云中具有大曲率特征且非噪声的关键点,紧接着在关键点处计算FPFH特征描述,并基于随机采样一致性完成物体粗配准与初始位姿估计。为提高位姿估计精度,进一步采用带法线夹角约束的改进ICP算法,完成物体初始位姿估计的精确修正。通过试验对所提方法进行了验证,对比现有基于点云配准的位姿估计方法,位姿估计误差明显减小,有效证明了所提方法的可行性。

基于语义目标匹配的三维跟踪注册方法

提出了一种基于语义目标匹配的三维跟踪注册方法。通过改进的单发多框检测(SSD)深度卷积神经网络对图像进行语义分割,获取场景中不同目标的像素级语义分割结果。在求取相机姿态的目标函数时,融合了图像的灰度约束与几何约束对相机的姿态进行估计。所提方法减小了特征点的缺乏或误匹配问题对三维跟踪注册算法性能的影响,且能够适应不同结构的场景。研究结果表明,该方法的误差不超过2.2pixel,基本满足了实时性的要求。

基于点云配准的室内移动机器人6自由度位姿估计

针对移动机器人在室内环境下难以获取GPS定位信息,仅靠自身惯导不能得到精确位姿的问题,提出了一种基于RGB-D传感器获取三维环境点云,对连续点云提取特征并进行配准的移动机器人6自由度位姿估计方法。首先通过RGB-D传感器获取环境深度图像,根据特征提取算法提取点云特征;然后以特征点为配准点,运用随机一致性采样(RANdom SAmple Consensus,RANSAC)算法对点云进行初配准,剔除部分错误匹配点,获得初始变换矩阵;最后采用改进的迭代最近点(Iterative Closet Point,ICP)算法进行精配准,获得点云间的最终变换矩阵,实现位姿估计。实验结果表明:该方法有效地提高了大规模点云配准效率,得到了较精确的位姿估计信息。