基于改进ICP算法的室内环境三维地图创建研究

提出一种基于离散选取机制的改进特征点ICP算法,并设计了基于该算法的三维地图创建方法.该方法分为3个阶段,首先提取并匹配相机运动过程中采集的RGB彩色图像中的SURF特征点;然后结合RANSAC算法进行初始配准,优化特征点集初始位姿、去除误匹配,并结合基于离散选取机制的特征点ICP算法进行精确配准;最后利用g2o图优化算法结合关键帧实现对相机运动轨迹的优化,减少累计误差,并将相机采集到的点云数据根据相机当前位姿构建三维点云地图.经过在5个公开数据集环境下进行实验对比,证明本方法的可行性和有效性,在相机运动长度为15.989 m的情况下误差仅为0.059 m,且能够准确地创建实验环境的三维地图.     

基于模型的增强现实无标识三维注册追踪方法

为了克服物体表面缺少足够的纹理特征且算法搜索空间太大的缺陷,提出了一种基于模型与自然特征点相融合的三维注册追踪方法.采用保持旋转和尺度不变性的线性并行多模态(LINE-MOD)模板匹配方法快速识别目标物体、获取与当前视角接近的参考视图而完成相机位姿的粗略估计,并缩小算法的搜索空间;采用基于自然特征点的方法完成相机位姿的精确计算;为了避免因特征点较少而引起的位姿抖动或扰动,引入了有效的非迭代透视n点问题(RPnP)算法以提高注册追踪的精度和速度.结果表明,所提出的注册追踪方法能够进行快速三维注册,具有良好的实时性和鲁棒性,其运算速度可达30帧/s.     

基于单目运动摄像机的三维物体运动参数估计

针对单目视觉监测系统摄像机和目标物体同时运动时,如何有效测量物体三维运动参数的难题,提出一种基于单目序列图像对插入虚拟视点的算法确定运动物体位姿及运动参数的方法。动摄像机连续采集运动物体的图像序列,根据摄影几何原理对摄像机和运动物体进行分析,结合本质矩阵的特性,估算空间物体运动参数。实验结果表明,该方法能够在为摄像机与目标物体同时运动的情况下,有效地估测出物体三维运动参数,且该方法简单有效,具有较高的精确度和准确性。     

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.     

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.     

面向三维人体重建的前、后片配准算法

针对传统三维图像配准算法需要获取目标物体多个模型数据的不便,以及三维重建过程耗时较长的不足,提出了一种基于三维人体表面前、后片模型的配准算法.该算法首先使用Kinect三维扫描设备获取的人体表面前、后片模型点云数据,作为配准过程的参考点集和目标点集;然后,选取前、后片模型的边缘轮廓信息作为配准特征点,通过迭代优化过程,使得前、后片能够较好地配准;最后,通过空间曲线插值方法填充模型边缘缝隙,得到完整的三维人体模型.试验结果表明,该算法只需要获取目标物体的前、后片三维数据,模型采集及配准效率高,配准精度好,即使针对初始位置相差较大的两个模型片也能得到准确的配准效果.     

采用仿射迭代最近点的晶圆分割方法

针对依赖硬件设施的晶圆分割方法存在生产成本高、工艺复杂且分割效果不稳定的问题,提出以仿射迭代最近点(ICP)算法为核心的基于图像形状配准思想的晶圆分割方法。该方法采用Canny算子提取图像边缘,建立晶圆模板图像与目标图像的特征点集;对目标图像的边缘图像进行基于Hough的直线检测,得到粗略的晶圆矩形边框信息;以矩形左上角的点坐标作为匹配搜索区域的初始值进行基于仿射ICP算法的精确配准,通过晶圆产品图像与模板图像的特征匹配,实现晶圆的快速、准确分割。理论分析及实验结果表明:该方法计算复杂度较低,单独样本分割时间约为0.9s,样本分割精度明显高于其他算法,满足自动化生产线的实时在线检测需求。     

基于RGB-D相机的移动机器人三维SLAM

针对室内复杂环境三维建模问题,提出一种移动机器人快速三维同时定位与地图创建(SLAM)方法.利用RGB-D相机分别获取环境纹理和三维信息,通过图像特征提取与匹配,结合相机标定模型,建立三维点云对应关系,运用随机抽样一致性(RANSAC)算法作为位姿估计的策略求解基于对应点迭代最临近点的模型,有效解决机器人精确定位问题;引入keyframe-to-frame关键帧选取机制,结合立体栅格法及空间点云法向唯一特征,实现三维地图的更新与维护.室内环境下的实验结果验证了所提方法的可行性与有效性.     

基于在线重建的遥操作预测显示系统

为了提高遥操作的操作效率,采用一种基于单目视觉的预测显示方法来解决时延导致的视觉反馈滞后问题.该方法通过基于地图的相机位姿估计算法来实时跟踪机器人的状态,在线构建机器人工作环境的三维几何结构模型,并结合多纹理映射技术进行渲染,将模型重投影到预测视点下,得到逼真的预测图像.搭建了一个基于客户端-服务器端模式的系统平台,用于未知环境下的遥操作.结果表明,在总长为7.112 m的摄像机运动轨迹中,位姿跟踪的平均误差约为0.015 m.该系统不仅能提供预测图像,而且支持生成任意视点的图像,有利于操作者从各个角度观察机器人工作场景.     

一种改进的面向SLAM系统的相机位姿估计方法

相机位姿估计是SLAM系统的关键环节,影响着整个SLAM系统的精度和效率.针对SLAM中相机位姿估计存在的问题,提出了一种改进的相机位姿估计方法.该方法的主要思路是将特征点法和直接法结合起来,以此来提升特征点数量不足时相机位姿估计的精度和鲁棒性.首先,提出了一个将相机运动模型和图像划分相结合的特征匹配算法,该算法在保证匹配速度的同时,提高了特征匹配的精度与数量.其次,在特征点的基础上,通过引入光度信息,提出了表观形状加权融合的相机位姿估计方法,该方法在缺乏特征点时依然可以稳定工作.最后,基于优选的关键帧,实现了局部与全局融合的相机位姿优化,其中局部优化通过构建局部关键帧共视关系实现;全局优化通过基于闭环检测构建的位姿图来实现.为验证上述位姿优化方法的性能,构建了基于该方法的SLAM系统,并在当前流行的场景图像数据集上进行了重建实验,重建结果验证了本文方法的有效性.     

基于RGB-D图像的视觉SLAM算法研究

针对主流的RGB-D SLAM系统精度较低并且仅生成稀疏点云地图的问题,提出一种改进的SLAM系统。前端采用改进的ORB特征提取算法,改进特征点簇集的问题;后端综合利用EPnP与ICP算法进行相机位姿优化,提高位姿估计精度;并增加稠密点云地图构建线程,得到场景的稠密点云地图,以用于机器人的导航与路径规划。在TUM数据集上,使用Kinect V2相机将改进的SLAM算法与ORB-SLAM2算法进行实验比对,验证了改进SLAM算法的综合性能优于ORB-SLAM2算法。     

陀螺仪在基于Hash结构的三维重建中的应用

针对3D重建过程中出现深度相机突然运动,导致相机无法正确跟踪重建场景,提出了一种结合陀螺仪与基于Hash结构的Kinect Fusion 3D重建的方法.将陀螺仪得到的位姿与ICP算法得到的位姿通过扩展卡尔曼滤波器(EKF)数据融合,获得更加精确的位姿,改进了原始算法的3D重建效果.实验测试结果表明,该算法可以得到更加精确的系统位姿预测模型,在相机突然运动时仍然能够实现有效跟踪.     

基于关键点的点对特征三维目标识别算法

针对复杂场景下的三维点云目标识别速度慢,准确率低的问题,提出了一种基于关键点的点对特征三维目标识别算法. 通过直接对关键点建立点对特征,避免了周围邻域局部曲面的特征计算,具有空间维度小和计算速度快的特点. 使用哈希表存储,加快了特征匹配的时间. 利用快速投票方案对模型点云和场景点云进行匹配识别,生成候选位姿,利用贪婪算法对候选位姿进行聚类与筛选,采用ICP算法对物体位姿进行优化,基于配准后的点云重叠情况完成目标识别. 对提出的算法在多个数据集以及真实场景下进行了实验,验证了所提出的识别方法具有可行性和有效性,且对噪声的鲁棒性较强,具有一定的实际工程应用价值.      

基于二维码的相机位姿求解

针对视觉机器人定位问题,提出基于二维码的相机位姿求解方法,以实现视觉机器人的精准定位.利用开源计算机视觉库(open source computer vision library,OpenCV),首先对二维码的标准位置和相机进行标定;其次对图像进行预处理,得到二维码准确的边缘轮廓;然后利用循环遍历和最大距离算法求解特征点,对于像素过低导致的边缘失真采用"像素突变"算法进行优化;最后利用特征点通过坐标变换求解出相机位姿.在实际场景中对该方法进行测试,试验结果表明算法的旋转轴误差为±0.18 m,旋转角误差为±2°,平移量总误差为±0.02 m,可以有效地对视觉机器人进行精准定位.     

一种基于双平面镜的相机标定算法

为了从物体的二维图像得到三维重构模型,需要通过相机内部参数,建立已知物点、像点对应的关系模型.提出一种基于双平面镜的相机标定算法,用两个普通平面镜取得物体5个不同角度的二维图像,通过基于颜色信息和基于区域背景差的方法获取目标轮廓,用多边形动态规划算法获取轮廓的特征点以确定各个物体轮廓的对应点,最后根据特征点得到相机内部参数.多边形动态规划算法将时间复杂度从O(n3)降低到O(n2),算法的效率得到提高.     

用于三维重构的相机标定算法

为了从物体的二维图像参数中得到三维重构模型,需要通过相机内部参数,建立真实物体与对应成像物体的关系模型,提出一种借助双平面镜进行三维重构的相机自动标定算法.通过两个普通平面镜获取被摄物体的5个不同角度二维图像投影,自动标定算法依赖物体的投影轮廓线计算相机内部参数.试验结果表明,通过相机自动标定算法获取轮廓和相机的参数信息,能有效地实现基于视觉外壳算法的三维重构.     

动态环境下改进ICP算法的RGB-D SLAM研究

针对传统的ICP(Iterative Closest Points)算法,无法满足室内动态环境下SLAM(Simultaneous Localization and Mapping)算法的准确性要求,提出了一种融合特征点结构相似性判断的ICP改进算法;通过在特征点集中引入三角形结构约束,实现两组点集中的动态匹配点与误匹配点的剔除,进而提高ORB特征点匹配的准确性;与传统的SLAM算法相比,改进后的算法对相机位姿的估计更加准确;通过在Linux系统下的仿真实验,结合特征点三角几何约束的ICP算法能够有效解决动态对象对相机位姿估计的影响,提高RGB-D SLAM在动态场景下的定位精度。     

基于RGB-D图像的具有滤波处理和位姿优化的同时定位与建图

RGB-D相机能够同时获得彩色图像和深度图像,广泛用于同时定位与建图(SLAM)的研究.本研究针对RGB-D SLAM方法进行了两方面的改进:一方面,改进点云滤波方法,从而更有效地去除RGB-D相机数据中的噪声和冗余;另一方面,采用ICP算法提高相机位姿估计的精度,从而提高估计的相机运动轨迹的精度.在公开的数据集上对提出的RGB-D SLAM方法进行实验验证,结果表明,该方法能够有效提高移动机器人自主定位与建图的精度.     

2D-3D配准中的初始位姿估计方法

针对2D-3D医学图像配准过程中存在的初始参数变换范围小和配准对象单一等局限性,提出了一种基于参数映射和图像分割的初始位姿估计方法,扩大了三维物体空间参数的起始运动偏差范围,解决了骨科手术导航系统在配准过程中可估计参数少和多骨块图像配准难等问题.首先,使用区域生长算法对多骨块影像进行图像分割与感兴趣目标的提取,完成待配准目标数据的获取.其次,基于正交融合投影原理构建投影成像模型,将空间刚体变换参数分解到正侧位平面上,建立空间参数与平面参数间的映射关系.然后,将投影生成的正交双平面模板与对应目标图像进行匹配,并将得到的正侧位平面配准参数转换为空间参数,从而完成三维物体初始位姿的有效估计.最后基于颅骨、完整股骨和骨折股骨的CT数据对该方法进行验证,并与传统2D-3D图像配准方法进行对比研究.实验结果表明,所述方法可使5个空间参数的初始变换范围达到±30 mm或±20°,并且对在该范围内的不同研究对象都展现出良好的初始位姿估计效果.与传统图像配准方法相比,基于上述方法进行2D-3D迭代优化的整体配准时间平均缩短46.5%,单个平移参数配准精度最高提升69.2%,单个旋转参数配准精度最高提升9...     

无人飞行器双目视觉位姿估计算法改进与验证

针对无人飞行器(UAV)在未知复杂环境下的导航问题,提出一种基于双目视觉的UAV位置和姿态估计算法.利用基于非线性尺度空间的KAZE特征构建立体图像对的特征点检测与描述,用Knn算法进行特征点匹配,导出相机坐标系下特征点三维坐标,用随机抽样一致(RANSAC)算法与L-M迭代算法获得UAV姿态和位置估计值.实验验证结果表明,基于KAZE特征的UAV双目视觉位姿估计算法的准确性、实时性与可重复性好,能满足UAV实时导航要求.