基于ICP算法的非合作目标特征点云配准优化

针对视觉测量中非合作目标无法提供合作信息从而引起的位姿测量问题,采用ICP(Iterative Closest Point)算法配准不同时刻获取的点云降采样数据来完成目标的相对位姿测量。利用运动恢复结构算法获取了目标当前时刻的点云数据并比较了基于阈值匹配与光流匹配的特征点匹配算法,利用三角测量法对提取到的特征点进行重建,同时将点云数据进行降采样处理,根据降采样后的点云数据计算出不同时刻目标的相对位姿关系。实验表明当物体发生旋转运动时,对降采样数据利用ICP算法计算得到的目标绕坐标轴旋转角度最大误差不超过0.11º。     

基于多适应值全参数自主变异粒子群的立体相机标定

基于视觉测量的目标参数获取为仿真系统的性能分析与评估提供可信的数据支持,相机参数标定的精度又决定着测量结果的可靠性。提出采用多适应值全参数自主变异粒子群的相机标定方法,利用传统标定法获取相机的初始内参,通过惯性系数收缩调整、给出基于粒距的全局因子学习调节策略、引入多适应值函数以及设计自主变异律,实现基于粒子群优化标定算法的快速和全局化收敛。实验结果显示本文方法在一定程度上提高了相机的标定精度并可以应用于实际工程之中。