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。

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。

基于误差传播理论的PnP问题姿态精度分析

提出了一种在辨识一组典型特征点误差关系的基础上,建立间接测量值与直接测量值之间的最有利函数关系,并根据误差传播理论综合其他特征点的误差影响,最终获得完整的方位、俯仰和倾斜角误差数学模型的PnP问题误差分步分析新方法。以P4P问题研究为例,推导得到了单目视觉测量中相关参数和变量的误差函数解析式,揭示了影响姿态测量精度的误差规律。经P4P姿态解算仿真,验证了误差数学模型的正确性,以及基于误差传播理论的误差分步方法的有效性。分析误差数学模型可以看出:在单目视觉测量参数确定的条件下,方位角测量误差与方位角值无关,与相机高度和合作标志尺寸的比值成正比,在较大范围内俯仰和倾斜角变化对方位角测量误差影响小;俯仰/倾斜角的测量误差与俯仰/倾斜角值有关,与相机高度和合作标志尺寸比值的平方成正比;方位角测量误差小于俯仰/倾斜角测量误差。给出的分析方法和误差解析数学模型对单目视觉测量系统设计有指导作用。

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kinect的改进RGB-D视觉里程计

针对RGB-D视觉里程计中kinect相机所捕获的图像深度区域缺失的问题,提出了一种基于PnP(perspective-n-point)和ICP(iterative closest point)的融合优化算法。传统ICP算法迭代相机位姿时由于深度缺失,经常出现特征点丢失导致算法无法收敛或误差过大。本算法通过对特征点的深度值判定,建立BA优化模型,并利用g2o求解器进行特征点与相机位姿的优化。实验证明了该方法的有效性,提高了相机位姿估计的精度及算法的收敛成功率,从而提高了RGB-D视觉里程计的精确性和鲁棒性。

基于改进YOLO6D的单目位姿估计算法研究

针对当前基于单目RGB图像的杂乱场景中低纹理物体6D位姿估计算法精度不高、实时性不强、模型复杂等问题,提出了一种基于改进YOLO6D的物体位姿估计算法。用纯卷积神经网络ConvNeXt替换原算法的主干网络DarkNet—19,将网络输出经过空间金字塔池化(SPP)处理后上采样,与低层特征图拼接实现特征融合,以提高网络的特征提取能力和多尺度能力。基于Focal Loss改进损失函数以提升网络的学习能力。根据物体的先验尺寸信息和几何特征,推导出更多的2D—3D点对以提高透视投影变换PnP算法的解算精度。在LINEMOD数据集上进行了实验,实验结果表明:以2D重投影5像素阈值为指标,本文算法在12个实验对象上的平均精度达到了95.60%,相较原算法提升了8.14个百分点,耗时约为60ms,性能显著提升。

基于机器视觉的汽车车门三维定位引导

目前车间中常通过预先示教机械臂运动轨迹的方式对夹具上位姿固定的零部件进行引导抓取,存在人机工程性差且智能化程度较低等问题。机器视觉作为非接触感知测量的有效手段已在工业场景中有所应用。基于单目视觉位姿测量技术建立多相机n点透视定位模型和机械臂引导模型,实现了对零部件的空间感知和引导抓取。提出一种用于补偿机械臂和视觉模块系统误差的多零位锚点的预标定方法,有效减小了大尺寸零部件的定位引导误差。

可用于双足导航系统的视觉位姿测量研究

以惯性传感器为主、其它传感器为辅的导航方式是室内导航领域的研究热点。文中以双足行人导航系统为研究背景,以足部固定标志物为标靶,设计了基于透视n点(Perspective-n-Point,PnP)问题的视觉位姿测量算法。针对双足行人导航系统中的位姿测量问题进行了仿真和实验,评估了单目相机估算位姿的精确性,实验结果验证了文中方法的有效性。

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。

点阵测头成像视觉坐标测量系统的研究

柔性三维坐标测量在工业现场测量有较多应用.分析多目标点透视成像原理的基础上,提出了点阵测头成像视觉坐标测量的概念,给出系统完整的三种数学模型及求解方法.设计了一种实用测头,基于单台面阵CCD摄像机实现由三种类型测头组成的视觉测量样机.在距离摄像机1 000 mm,样机进行实际测量,并与三坐标测量机的检测结果进行比对.测试结果表明在摄像机成像面平行的两个方向的测量精度高于摄像机轴向测量精度.

SLAM过程中的机器人位姿估计优化算法研究

为了在图像位姿估计过程中充分利用更多空间点信息及减少噪声的影响,本文提出了一种基于EPnP算法的相机位姿估计优化方法。该方法先基于EPnP算法估计相机位姿,再把得到的相机位姿和空间点位置都作为优化变量,与相机的观测数据一起构建关于相机位姿的最小二乘优化问题,进行BA优化,来提高位姿的精确度。同时在SLAM后端对不同时刻视觉里程计的位姿和回环检测的信息进行优化,再把优化后的相机位姿作为观测数据和激光雷达信息进行融合,从而进一步提高SLAM过程的可靠性。实验结果证明了本文所提出的算法在机器人室内自定位和建图方面的准确性和可靠性。

光笔式三坐标视觉测量中的六点透视问题建模

为了提高光笔式三坐标视觉测量的正确性和有效性,对六点透视问题的理论渊源、数学模型及其数学模型的正确性和有效性进行了研究。以视觉测量的经典理论——"N点透视问题"的原理为依据,建立了光笔式三坐标视觉测量的通用数学模型。在充分分析和研究该通用数学模型解的性态的基础上,得出了光笔式三坐标视觉测量中的六点透视问题具有唯一解,而且可线性求解的结论,建立了六点透视问题的数学模型,并开发出对应该数学模型的实验测量系统,在三坐标测量机上进行了比对测量实验。比对测量结果表明:在300mm测量范围内,六点透视问题实验测量系统和三坐标测量机在X、Y、Z轴方向上的测量数据最大差值分别为0.06mm、0.07mm和0.09mm。六点透视问题的数学模型能基本满足现场测量精度的要求。

P3P问题多解的几个判定条件

PNP问题是计算机视觉和摄影测量学中经典而重要的问题之一,在姿态定位中有着广泛的应用.本文主要针对P3P问题,对其自身存在的多解现象进行了研究,给出了一些简单的判定条件,这为实际运用奠定了理论基础.

非透视3点问题的解析解

由于在机器人导航等领域新的图像装置不符合透视规则,无法运用传统的透视位置估计方法,采用吴氏零点分解方法,给出非透视3点问题的解析解.利用新图像装置的几何条件,建立了非透视3点方程系统.

光笔式三坐标视觉测量系统的多点透视模型

为了提高光笔式三坐标视觉测量的正确性和有效性,对其多点透视模型进行了研究。以经典的"N点透视问题"理论为依据,将世界坐标系的原点巧妙地构建在光笔笔尖处,使坐标测量变为传统的摄像机外部参数标定问题,采用坐标变换方法,建立了光笔式三坐标视觉测量系统的多点透视数学模型,得出光笔上点光源的个数应大于等于3。结合光笔参数的自标定,采用十点透视模型,开发出光笔式三坐标视觉测量实验系统,在三坐标测量机上进行了比对测量实验。比对测量结果表明:在300mm测量范围内,实验测量系统和三坐标测量机在x、y、z轴方向上的测量数据最大差值分别为0.13、0.14和0.2mm。

一种结合ORB特征和视觉词典的RGB-D SLAM算法

同时定位与建图(Simultaneous Localization and Mapping,SLAM)是机器人领域的研究热点,被认为是实现机器人自主运动的关键。传统的基于RGB-D摄像头的SLAM算法(RGB-D SLAM)采用SIFT(Scale-Invariant Feature Transform)特征描述符来计算相机位姿,采用GPU加速的siftGPU算法克服SITF特征提取慢的缺点,但多数嵌入式设备缺乏足够的GPU运算能力,使其应用性受到局限。此外,常规算法在闭环检测时效率较低,实时性不强。针对上述问题,提出了一种结合ORB(oriented FAST and rotated BRIEF)特征与视觉词典的SLAM算法。在算法前端,首先提取相邻图像的ORB特征,然后利用k近邻(k-Nearest Neighbor,kNN)匹配找到对应的最临近与次临近匹配,接着采用比值检测与交叉检测剔除误匹配点,最后采用改进的PROSAC-PnP(Progressive Sample Consensus based Perspective-N-Point)算法进行相机姿态计算,得到对相机位姿的高精度估计。在后端,提出了一种基于视觉词典的闭环检测算法来消除机器人运动中的累计误差。通过闭环检测增加帧间约束,利用通用图优化工具进行位姿图优化,得到全局一致的相机位姿与点云。通过对标准fr1数据集的测试和对比,表明了该算法具有较强的鲁棒性。

基于视觉测量的目标定位技术及结构参数优化

针对大尺寸、长距离、非接触条件下的目标定位技术需求,提出了一种基于视觉测量的目标定位技术。许多视觉测量方法寻求在PnP算法改进上得到更高精度,而没有考虑到特征点数目增加对测量精度造成的影响,基于此,通过引入测量基线的概念设计出一种精度可定量提高的合作式靶标。首先通过测量模型的建立和精度分析,利用误差传播理论得出了n点式靶标测量精度的函数解析式,进一步详细分析与验证了各影响项所带来的影响,并讨论了合作靶标特征点排布形式对精度的影响情况,在此基础上进行了靶标布局以及结构参数的优化以进一步提高测量精度。实验结果表明,以所设计的16点环阵式靶标为例,其重投影误差较同尺寸P4P靶标减少了约50.3%,立体靶标则进一步将重投影误差降低了39.2%。该技术不仅可用于特殊环境下的目标定位识别,更适用于复杂系统中的单元状态监测。

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.