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.     

计算机视觉技术测量飞机模型位姿试验

运用计算机视觉技术对测量飞机模型位姿进行研究.通过CCD获取飞机模型姿态变化前后的多幅二维投影图像,运用计算机视觉理论进行特征点的提取、匹配,最后实现特征点的三维重建并通过重建出的空间点计算出飞机模型的位姿.     

基于共面光标提取的空间目标单目测量技术

针对空间目标捕获任务技术需求,设计了一种基于平面靶标特征点提取的单目视觉线性相对位姿解算方法. 提出基于几何指数阈值判别的特征光标提取方法,并采用非线性项变量代换方法,设计了基于特征光标提取的线性相对位姿解算方法,建立了单目视觉相对测量地面实验系统,在模拟目标航天器相对位置和姿态低速动态漂移的条件下进行了试验. 测量结果表明,所提出的特征光标提取算法能够有效避免高亮光斑对特征光标提取的不利影响,且相对位姿解算算法具有较好的精度和实时性,相对于传统非线性迭代求解方法,该方法计算量小,求解过程稳定.      

改进位姿估计环节的ORB-SLAM稠密建图算法

为了提高ORB-SLAM2系统的位姿估计精度并解决仅能生成稀疏地图的问题,提出了一种融合ICP算法与曼哈顿世界假说的位姿估计策略并在ORB-SLAM2系统中加入稠密建图线程来实现稠密建图。首先通过ORB特征点法、LSD算法和AHC方法进行点、线、面特征的提取,其中点、线特征跟上一帧匹配,面特征在全局地图中匹配。然后采用基于surfel的稠密建图策略将图像划分为非平面与平面区域,非平面采用ICP算法计算位姿,平面则通过面与面的正交关系确定曼哈顿世界从而使用不同的位姿估计策略,其中曼哈顿世界场景通过位姿解耦实现基于曼哈顿帧观测的无漂移旋转估计,而曼哈顿世界场景下的平移以及非曼哈顿世界场景位姿采用追踪的点、线、面特征进行估计和优化;最后根据关键帧和相应位姿实现稠密建图。采用TUM数据集对所提建图方法进行验证,实验结果与ORB-SLAM2算法比较,最终均方根误差RMSE平均减少0.24cm,平均定位精度提高7.17%,验证了所提方法进行稠密建图的可行性和有效性。     

基于运动轨迹的单目相机位姿自标定方法

为了减小轨迹图像分析中的透视效应,使用提取出的运动平面目标特征点,基于相机小孔成像模型与目标特征点运动约束,构建了一种相机位姿的自标定模型来标定相机位姿.通过标定的相机位姿,可将轨迹进行重投影,实现了将轨迹图像校正为正投影图像.实验结果表明:本标定模型使用跟踪到的运动目标进行相机标定,相机位姿的标定精度优于张正友标定法.     

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.     

一种基于轮廓匹配的仓储机器人托盘检测方法

对托盘的检测是仓储机器人进行货物搬运的关键步骤.针对当前检测方法光照鲁棒性不强、受托盘与传感器之间相对位姿的约束等问题,提出一种基于点云平面轮廓匹配的检测方法.该方法使用ToF(Time-of-Flight)相机采集点云;点云经预处理后,使用以法线为约束的区域生长算法进行平面分割,并沿其主法线方向投影生成栅格图,解决受相对位姿约束的问题;最后在对栅格图进行轮廓提取后,利用融合Hu不变矩和尺度比例特征的轮廓特征进行目标与模板的匹配,实现对托盘的检测.实验结果表明,该方法在光照不同、托盘位姿不定等场景下均具有高识别率和强鲁棒性.     

基于特征点位置约束的三维激光移动测量位姿改正方法

准确的导航定位信息是激光移动测量系统获取高精度点云的基础,但导航定位系统在短时段失效情况下会导致观测点位置信息不准确,从而无法获得准确的点云数据。为此,提出一种基于特征点位置约束的激光移动测量位姿改正方法,利用导航定位系统失效时段前后测量得到的少量特征点位置信息,构建基于不同时刻特征点配准的位姿改正模型,将导航定位系统失效时刻的观测点位置和姿态作为待估参数进行最小二乘解算,实现位姿参数恢复和点云重构。结果表明,采用基于特征点位置约束的位姿改正方法,导航定位系统短时段失效情况下的点云坐标中误差从米级改正到了分米级,对于提升组合导航系统稳定性和点云移动测量精度有重要的参考价值。     

视觉-激光混合式3D测量方法及自动装配研究

自动化装配作业面临基座螺纹孔位置不固定和大臂工件在搬运过程中位姿变化的问题。该文采用激光测量与视觉检测相结合的方法,实现大臂工件三维位姿测量,解决了工件搬运过程中位姿变化的问题。采用动态阈值方法提取螺纹孔连通域,通过形态学处理,提取出螺纹孔的位置特征,以装配底座为基准确定Y、Z坐标值与R_X欧拉角。以基座螺纹孔轮廓作为特征模板,求取大臂与装配底座位姿的偏移量。激光传感器得到大臂工件的X方向信息,通过几何二面角求解与基准位姿的R_Y、R_Z欧拉角偏差。最后在机器人装配系统上进行30次实验,定位姿态误差小于0.1°,位置误差小于0.2 mm,验证了提出的工件位姿测量方法的有效性。     

基于小波和位平面技术的图像检索方法

提出并实现了一个基于小波和位平面技术的图像检索方法.首先依据二维小波子图的方向性特征,提出了一个兴趣点检测算法,并将该算法与位平面相结合进行图像兴趣点获取.然后将图像特征分为整体特征和局部特征进行提取,最后通过相似度测量实现了图像检索.由于该算法是对小波系数的位平面进行处理,有利于实现网像的压缩域检索.在考虑图像局部特征的同时也考虑了图像的整体特征,因此该算法亦具有较强的不变性.Corel图像库仿真实验表明,该算法具有较高的检索效率和准确率.     

装配式建筑平面激光点云数据线性特征提取方法

提取建筑物线性特征时，由于未对采集到的建筑物点云数据预处理，导致最终提取的建筑物线性特征存在完整度差、提取正确率低的问题，对此，提出装配式建筑平面激光点云数据线性特征提取方法。通过内设激光测距系统获取建筑物在三维向量的有效数据，采用非接触式几何支撑系统建立基于有效数据的空间向量模型，将该模型输入三维激光扫描仪的目标物体表面校正系统中，获取到建筑物的整体点云数据。利用Otsu目标检测法对获取的整体点云数据进行优化处理，采用改进IFFT算法建立基于优化数据的物像空间位姿表征模型，利用连续投影算法提取网格内部特征点并连接成线，完成建筑物点云数据线性特征的提取。实验结果表明，所提方法的装配式建筑平面激光点云数据线性特征提取清晰度高、完整度好，且建筑物线性特征的提取正确率最高可达100%，说明该方法具有实用性。     

线结构光多传感器三维测量系统误差校正方法

针对线结构光多传感器三维轮廓测量系统中多传感器坐标系统一误差及线结构光带特征平面方程求解误差的校正问题,应用一种可进行特征点多分辨率提取的平面靶标,选择两传感器共同测量范围内部分特征点作为参考点,应用迭代求解最近临点算法,求解两标定坐标系精确统一的参数,实现多传感器测量系统中两坐标系统一误差的校正.提出了一种带参数的线结构光带图像特征点亚像素提取算法,通过参数设置改变线结构光带特征平面的位置,对线结构光带特征平面方程求解误差进行校正.实验结果表明,误差校正算法精度高、重复性好,确保测量系统可以获得复杂型面物体高精度的截面测量配准数据.     

机器人加工的映射一致性建模及加工实验研究

机器人加工采用计算机辅助制设计/计算机辅助制造(CAD/CAM)数字化系统产生加工轨迹,由于CAM空间与作业空间中的加工对象与机器人之间的转换矩阵不同,造成CAM空间中的轨迹向作业空间映射的偏差.利用机器人作为测量工具,通过测量加工对象上的特征点,获得CAM空间中加工对象模型相对作业空间中加工对象的位姿误差,从而对加工对象模型以及其上的轨迹点进行调整.通过反复测量特征点并运行机器人轨迹,实现加工对象模型位姿的递归调整,建立CAM空间与作业空间的映射一致性.对一复杂外形雕塑进行多侧加工,雕塑粗加工完成后,其双侧加工的不同侧加工部分偏移量为0.72mm.     

棋盘格图像角点坐标亚像素提取方法

针对基于视觉测量的物体位姿测量系统要求标定系统精度较高的需求,提出了一种自动识别和亚像素提取黑白平面棋盘格模板图像内部角点的方法.该方法在详细分析了棋盘格图像局部特性的基础上,建立了准确高效的改进SUSAN角点检测算法和精确的亚像素级提取角点坐标的方法,计算出总体标定误差为0.2个像素.通过实验验证了该算法的可行性和有效性,能够为高精度标定系统提供可靠数据.     

一种改进SIFT算法的单目视觉里程计

针对如何准确获取位姿信息来实现移动机器人的避障问题,提出一种改进SIFT特征点匹配的单目车载视觉里程计算法.首先,为了提高特征点匹配的正确率和实时性,结合主成分分析法和平面极线几何约束,改进了传统SIFI匹配算法,其次,建立合理的移动机器人运动数学模型,得到连续帧间图像信息和移动机器人运动位姿变化的转换关系.试验结果表明,误差仅为1.6%,算法运行时间缩短0.022 s.     

结合车道线检测的智能车辆位姿估计方法

基于视觉的智能车辆定位问题是自动驾驶领域研究的一大热点。在某些有效近景特征不显著的场景中,由于参与计算的特征数量不足,会导致位姿估计精度下降甚至失效。为此,本文提出一种结合车道线检测的相机位姿估计方法来提高位姿估计精度。首先,设计了一套基于自适应感兴趣区域和几何结构筛选法的车道线检测算法,精确检测到了左右车道线的内、外侧线;其次,对车道线区域内的点进行帧间匹配,得到新的匹配点对,并根据V视差图拟合出地面视差方程,求解出属于车道线匹配点对的准确视差值;最后,将这些匹配点对与ORB方法提取得到的匹配点对融合,共同参与相机的位姿计算。经实验验证,本文提出的算法提高了位姿估计结果的精度,解决了某些场景中有效特征点不足导致的位姿估计失效问题,具有良好的环境适应性。     

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.     

基于目标检测的室内动态场景SLAM

室内动态场景下的同步定位与地图构建(simultaneous localization and mapping, SLAM)系统容易受到运动障碍物的影响，从而导致其位姿估计精度和视觉里程计的稳定性降低。本文提出一种基于YOLOv4目标检测网络的视觉SLAM算法，获取语义信息，并利用LK光流法判断动态特征，在传统的ORB-SLAM2系统上将动态特征点剔除，只使用静态特征点来估计相机的位姿；建立稠密点云地图，并转化成节约内存空间的八叉树地图。在TUM公开数据集上对该方法进行测试和评估，实验结果表明：在动态环境下，该系统与ORB-SLAM2相比，相机位姿估计精度提高83%，且减少了生成的环境地图的存储空间，为后续实现机器人导航具有重要意义。     

基于Kinect骨骼信息的三维轨迹特征稳定性研究

为了提高步态识别应用的广泛性,寻找稳定的人体动态特征,提出一种基于Kinect骨骼信息的步态特征提取方法,以验证骨骼点三维轨迹特征在步态识别中的稳定性。在分析深度相机Kinect工作原理的基础上,对Kinect有效范围进行测量并对其深度数据进行校准,通过18组实验对同一个体在不同行走模式、不同相机位姿下的人体骨骼点三维轨迹进行数据提取,并在固定相机位姿和行走模式的条件下对10组不同个体的行走数据进行提取,最后将同组骨骼点轨迹曲线在同一空间坐标系中进行绘制,同时使用动态时间规整算法(DTW)对实验个体骨骼点轨迹曲线相似度进行评价。实验结果表明,该特征在同一个体中表现出较好的稳定性,可用于步态识别的同一认定。     

基于立体视觉的机器人位姿标定技术研究

针对机器人位姿的测量,建立双目立体视觉传感器三坐标的数学模型。匹配相关的特征点,采用最小二乘法得到空间特征点的三维坐标。利用外部位姿线性方程的建立与求解确立机器人基坐标与工件坐标的矩阵关系。通过靶标法来确定机器人在某一位姿时工件坐标系和视觉传感器坐标系之间的齐次坐标变换矩阵的关系。实验结果显示,在没有噪声因素情况下,利用线性方法求解机器人外部位姿是可行的,能够满足系统精度要求。