非合作航天器间相对位姿的单目视觉确定算法

针对非合作航天器接近操作过程中200m以内的相对位姿参数确定问题，该文充分利用目标航天器已知的结构模型信息，推导了利用单个光学相机实现非合作航天器相对位姿参数测量的迭代算法。与传统的交会对接视觉系统不同，该视觉系统不需要在目标航天器上安装光学特征，而是充分利用了目标航天器的自身结构特征，因此更适用于一般航天器间的相对位姿参数测量。为解决相对位姿单目视觉确定的非线性问题，该文选择了求解非线性问题性能优良的Levenberg—Marquardt算法。最后对该文算法进行数学仿真，仿真结果表明算法的有效性和可靠性，适合航天器在轨实时应用。     

用于位姿测量的LED标识点坐标优选方法

单目视觉位姿测量过程中,被测物体与摄像机光轴之间的夹角随着姿态的变化而变化,并受到环境噪声、提取算法和摄像机等因素的影响,像平面的像点坐标存在不可忽略的误差,单目多角度标识点三维坐标测量方法实现了位姿测量过程和坐标测量过程的统一,能够减小图像中心提取误差的影响.本文研究了单目视觉位姿测量的误差传播模型,从摄像机图像误差出发,预测和估计输出姿态误差,选取最适合的单目多角度定位标识点坐标,实验结果证明本文提出的基于误差传播的定位标识点坐标优选方法能够有效地提高单目视觉位姿测量的精度.     

基于滑窗非线性优化的双目视觉SLAM算法

针对双目基于ORB特征的即时定位与地图构建(ORB-SLAM)算法位姿估计精度较低的问题,对其进行了改进,提出了一种基于滑窗非线性优化的双目视觉SLAM算法。该算法引入了滑窗思想,在状态估计过程中对最新多帧图像对应系统的状态进行了解算;重构了位姿估计过程中的代价函数,通过高斯牛顿法优化状态变量;采用边缘化策略,有效限制了待求解状态量的数目,并将其余状态量及与其相关的视觉测量转换为求解当前滑窗内状态的先验约束。通过在公开数据集上测试,验证了算法的精确性和有效性,实验结果表明:该算法能有效估计相机位姿且不发生显著漂移,与双目ORBSLAM算法相比,位姿估计精度有了显著提高。     

基于IMU与单目视觉融合的姿态测量方法

快速准确测量运动目标的姿态,在航天航空、机器人等领域应用广泛.针对惯性姿态测量速度快但精度不足而视觉姿态测量精度高但速度慢的特点,提出了一种基于IMU与单目视觉融合的姿态测量方法.IMU姿态测量时,使用欧拉角迭代公式解算运动目标的姿态;单目视觉姿态测量时,使用POSIT算法求解被测目标的姿态;再使用H?滤波器融合两者的测量结果;用融合结果与惯性测量结果的差值修正并更新漂移误差曲线.根据被测目标的两组匀速转动信息,提出了双矢量正交化标定法标定IMU坐标系到目标坐标系的旋转矩阵;根据单目视觉采集的3幅图像信息,提出了三图快速标定法标定靶标坐标系到目标坐标系的旋转矩阵.实验表明,提出的姿态测量方法能实现快速姿态测量,测量精度高.     

基于单目视觉的平面位姿估算

位姿的测量在航空航天、汽车制造等领域都有着重要的应用价值。基于单目视觉测量系统,通过对平面上已知空间坐标的4个特征点的有效提取以及数据最优化方法,实现平面位姿的测量。本章中被测平面上采用4灰度值对比度大而区域面积较小的特征圆点实现对特征点快速提取,简化了图像处理的过程。实验结果表明该测量结果符合实际的位姿。     

一种多相机视觉测量系统的全局标定方法

提出了一种基于双平面靶标的多相机全局标定方法,要求两靶标之间为刚性联接,绕同一根轴旋转,但它们之间的相对位姿关系可以是未知的.该方法不仅适用于立体视觉测量系统,也适用于基于单目视觉的多相机测量系统,应用于四轮定位仪中多相机相对位姿关系的出厂标定,标定精度满足出厂要求.     

基于改进ICP算法和CAD模型库的单目视觉位姿测量

针对单目视觉条件下测量三维物体的位姿问题,提出一种基于改进迭代最近点(iterative closest point, ICP)算法和CAD(computer aided design)模型库的单目相机位姿测量方法.首先,利用OpenGL绘制物体几何模型,基于一系列虚拟观察点得到物体在虚拟相机下的投影图,提取边缘点集构成模板库;然后,通过改进的Hausdorff距离将待处理图像的边缘点集与模板库的点集模型进行匹配,得到粗略位姿,再在此基础上采用改进的ICP算法对待测图像的边缘点集与物体三维边缘点集进行迭代优化得到精确的位姿参数.实验结果表明,该方法求得的位姿参数误差较小,进而验证了所提方法的有效性.     

基于图优化的单目线特征SLAM算法

提出了基于图优化的单目线特征同时定位和地图构建(SLAM)的方法.首先,针对主流视觉SLAM算法因采用点作为特征而导致构建的点云地图稀疏、难以准确表达环境结构信息等缺点,采用直线作为特征来构建地图.然后,根据现有线特征的SLAM算法都是基于滤波器的SLAM框架、存在线性化及更新效率的问题,采用基于图优化的SLAM解决方案以提高定位精度及地图构建的一致性和准确性.将线特征的Plücker坐标和Cayley参数化方式相结合,一方面采用Plücker坐标便于线性投影计算,另一方面采用Cayley参数化方式有利于线特征参数的非线性优化.仿真实验结果显示:所提出算法的位姿估计误差平方和与均方根误差分别是里程计位姿估计的2.5%和10.5%,是基于EKF线特征SLAM算法估计位姿误差的22.4%和33%,重投影误差仅为45.5像素;实际图像实验中的位姿估计误差平方和为958 cm~2,均方根误差为3.9413 cm,从而证明了所提出算法的有效性和准确性.     

盲环境移动定位(Ⅱ):基于单目视觉系统的定位技术

针对盲环境中移动目标的定位需要,提出了一种基于序列编码图形路标和单目机器视觉系统的盲环境移动目标定位算法.内容包括:在序列编码图形路标模型的基础上,建立包含透镜畸变分析的摄像机针孔成像模型,在移动目标上安装经过标定的单目相机,实时采集包含编码图形路标的图像;根据解码得到的编码标志牌中心点的三维坐标,利用POSIT算法解算出相机的位姿参数,实现盲环境下移动目标的精确定位定姿.实验结果和精度分析表明,该研究为盲环境中移动目标快速精确的自主定位提供了一种可行的新方法.     

四旋翼无人机单目视觉自主着陆系统研究

以基于计算机视觉技术实现四旋翼无人机自主着陆为目标,采用Pixhawk开源飞控和mavros技术,设计黑白相间的正方形分级嵌套地标,然后通过单目摄像头采集图像数据输入机载图像处理上位机NVIDIA TX2中进行图像处理,并结合OpenCV函数库功能完成地标检测识别,最终实现四旋翼无人机位姿解算与自主着陆.     

基于单目序列图像的运动目标跟踪

对于视频监控图像中运动目标位置的检测,现有的定位跟踪系统主要采用双目或结构光立体视觉技术,存在系统设计复杂、检测速度慢等缺点.有鉴于此,文中将地面约束引入到单目视觉监控中,提出了一种单目序列图像运动目标跟踪方法.该方法利用摄像机安装信息和几何成像原理,结合非线性补偿,推导出单目不对称非线性成像的地面运动目标实际位置计算公式.通过搭建室内监控测试平台,在序列图像中进行了寻找步行者足印位置的实验,结果验证了文中方法的有效性.     

基于平面靶标的相机内部参数标定精度分析

相机内部参数标定是实现机器视觉测量的必要环节.目前常用的标定方法有Tsai两步法、DLT方法以及基于平面标靶的张正友法等.张正友法简单易行,因而得到广泛应用,标定精度取决于平面靶标的制作精度、图像特征点坐标的提取精度、镜头畸变、靶标摆放数目以及位姿分布等.对张正友标定方法的精度进行探讨,分析各影响因素对标定精度的影响,提出基于均匀设计的思想进行靶标位姿分布的设计思想.仿真和实际测试证明,采用均匀设计的靶标布局明显提高相机内部参数标定精度.     

基于视觉目标跟踪的侦察机器人导航方法

针对未知环境下侦察机器人的自主导航问题,提出了一种基于视觉目标跟踪的侦察机器人导航方法.首先利用二进制鲁棒独立元素特征(BRIEF)提取方法来检测和描述待跟踪视觉目标的局部不变特征点,在快速的特征匹配计算基础上提出由粗到精的目标定位两步法实现机器人导航过程中视觉目标的实时准确跟踪.其次对基于视觉目标跟踪的自主导航任务进行行为分解和实现,在行为中集成视觉目标跟踪算法.最后利用基于宏行为的机器人事务执行机制实现移向视觉目标的自主导航控制.实验结果表明,提出的方法能够使侦察机器人实时准确地跟踪视觉引导目标,在复杂障碍物环境下可靠地完成移向目标的自主导航任务.     

多媒体传感器网络中被动目标定位算法

针对被动目标定位问题,提出了一种多视觉感知节点协同定位算法.与传统的视觉目标定位方法不同,该算法无需进行训练或特征识别,而是各个节点基于机器视觉理论,将目标投影为定位平面上的一条直线,并使用Hough变换将该直线映射为Hough空间中的一个离散点,最后对离散点进行正弦曲线拟合,拟合参数即为目标的最终位置估计.根据视觉感...     

改进RetinaNet的无人机小目标检测

无人机技术的不断成熟,使得搭载高效视觉系统的无人机应用也更加广泛。针对无人机航拍图像中小目标较多、分辨率低等原因导致的检测精度不高的问题,提出了一种改进RetinaNet的无人机航拍目标检测算法。算法针对特征图中小目标信息提取不足的问题,设计了多阶段特征融合方法,并将其与注意力机制串联设计了特征挖掘模块,可以在浅层特征图中融入深层的语义信息,丰富小目标特征;设计了基于中心点检测的无锚框(Anchor-free)方法,网络通过对中心点的回归来定位目标,而不是通过固定大小的锚框去匹配,这样做可以使网络对小目标的回归更加灵活,提高了算法的整体性能;且通过深度可分离卷积方法对网络进行轻量化设计,以压缩模型大小并提高检测速度。实验结果表明,改进算法较原RetinaNet算法平均精度提升了8.5%,检测速度提升了6帧/s,且与其他先进算法相比也具有性能优势,达到了检测精度与检测速度的均衡。     

空间机器人自主视觉伺服控制策略

针对传统的空间机器人遥操作控制方法受时延影响严重的问题,基于最新研制的4自由度空间机器人,提出一种基于多目相机的自主复合控制策略.该策略包含了眼在手和眼到手2种相机配置结构,每个相机均具有独立的位姿计算能力,前者保证了伺服控制的精度以及操作的灵活性,后者能够在观察到全局视景的情况下做出伺服控制.为满足机器人视觉实时控制的需求,对视觉处理算法进行了特别考虑.首先,设计了基于多边形形状拟合的特征识别方法,提出曲线矢量数据贪婪算法来处理图像遍历拟合过程中计算密集的问题;其次,结合特征识别结果和模型目标的空间信息,提出基于弱透视模型的单目位姿估算及优化算法;最后,依据所提策略在实验室环境中完成了自主导航及捕获任务,验证了在较低层次进行这种复合控制的可行性和有效性.     

基于单目视觉的Delta机器人零点标定方法

针对实际工程应用中少自由度高速抓放并联机器人的精度问题,提出了一种基于视觉测量的快速标定方法.以Delta机器人为例,通过系统分析和机构合理简化,建立了零点误差模型.构造出基于单目视觉平面测量的零点误差辨识模型,借助单目视觉仅检测机器人动平台沿水平面运动时末端x、y向的位置误差,识别出零点误差,进而修改零点位置实现末端位置误差补偿.标定实验结果表明该方法简单、有效、实用性强.     

基于多尺度特征提取的单目图像深度估计

在目前基于深度学习的单目图像深度估计方法中，由于网络提取特征不够充分、边缘信息丢失从而导致深度图整体精度不足。因此提出了一种基于多尺度特征提取的单目图像深度估计方法。该方法首先使用Res2Net101作为编码器，通过在单个残差块中进行通道分组，使用阶梯型卷积方式来提取更细粒度的多尺度特征，加强特征提取能力；其次使用高通滤波器提取图像中的物体边缘来保留边缘信息；最后引入结构相似性损失函数，使得网络在训练过程中更加关注图像局部区域，提高网络的特征提取能力。在NYU Depth V2室内场景深度数据集上对本文方法进行验证，实验结果表明所提方法是有效的，提升了深度图的整体精度，其均方根误差（RMSE）达到0.508，并且在阈值为1.25时的准确率达到0.875。