CN108596980A - 圆形目标视觉定位精度评估方法、装置、存储介质和处理设备 - Google Patents
圆形目标视觉定位精度评估方法、装置、存储介质和处理设备 Download PDFInfo
- Publication number
- CN108596980A CN108596980A CN201810273909.2A CN201810273909A CN108596980A CN 108596980 A CN108596980 A CN 108596980A CN 201810273909 A CN201810273909 A CN 201810273909A CN 108596980 A CN108596980 A CN 108596980A
- Authority
- CN
- China
- Prior art keywords
- circular target
- error
- discrete
- curve
- circular
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种圆形目标视觉定位精度评估方法、装置、存储介质和处理设备。方法包括:设定圆形目标相对于相机的初始状态;将圆形目标的连续圆形曲线投影到图像平面,得到椭圆曲线;按照图像分辨率对椭圆曲线进行栅格离散化,利用蒙特卡洛方法对成像误差进行模拟叠加,生成带有随机误差的离散像素点集曲线;对离散像素点集曲线进行弧段提取、椭圆拟合和空间圆位姿识别,获得圆形目标的偏差空间位姿状态;通过对比获得圆形目标的偏差空间位姿状态和初始状态的误差量,根据所述误差量确定定位精度。本发明解决了圆形目标视觉定位中多误差源耦合难以分离分析和定量评估的困难,可为单目视觉测量***设计中对圆形目标特征的选取与利用提供重要支撑。
Description
技术领域
本发明涉及视觉定位技术领域,尤其涉及一种圆形目标视觉定位精度评估方法、装置、存储介质和处理设备。
背景技术
单目视觉位姿测量作为一种重要的位姿测量手段,具有结构简单、测量准确度高等优点,测量时需已知测量目标的几何模型,如目标的点、直线、曲线等特征。其中圆是一种重要的曲线特征,在目标识别、跟踪、定位等领域均有重要应用,特别是在目标定位中,通过预先标定圆形目标的尺寸,通过单个圆形特征或者附加少量特征信息即可实现目标的定位,且由于圆形本身的对称特性,能够平衡掉部分随机误差,使得定位精度一般会优于基于点特征或线特征的定位方法。在工业、航天、医疗等领域的大量中,如果能够巧妙地利用圆形特征开展视觉感知与测量的***设计,将对整个***的简化和稳定运行起到至关重要作用。
由于工业、航天和医疗等领域的应用中,通常会因任务需求不同,对视觉感知与测量***的精度提出不同的要求,这就要求在***设计方案阶段能够对视觉***的感知和测量精度进行评估。而基于圆形特征的视觉测量***,由于成像投影的复杂性,其精度难以通过解析法进行评估,而且测量解算的误差与图像处理的误差紧密耦合,难以分离考虑,这使得测量精度的定量评估更加困难。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种圆形目标视觉定位精度评估方法、装置、存储介质和处理设备。
本发明解决上述技术问题的技术方案如下:一种圆形目标视觉定位精度评估方法,包括如下步骤:
设定圆形目标相对于相机的初始状态;
通过透视投影原理模拟圆形目标的成像过程,将所述圆形目标的连续圆形曲线投影到图像平面,得到椭圆曲线;
按照图像分辨率对所述椭圆曲线进行栅格离散化,获得离散投影点,在所述离散投影点上利用蒙特卡洛方法对成像误差进行模拟叠加,生成带有随机误差的离散像素点集曲线;
对所述离散像素点集曲线进行弧段提取、椭圆拟合和空间圆位姿识别,获得圆形目标的偏差空间位姿状态;
通过对比获得圆形目标的偏差空间位姿状态和初始状态的误差量,根据所述误差量确定定位精度。
本发明解决上述技术问题的另一技术方案如下:一种圆形目标视觉定位精度评估装置,包括:
设定单元,用于设定圆形目标相对于相机的初始状态;
投影单元,用于通过透视投影原理模拟圆形目标的成像过程,将所述圆形目标的连续圆形曲线投影到图像平面,得到椭圆曲线;
离散单元,用于按照图像分辨率对所述椭圆曲线进行栅格离散化,获得离散投影点,在所述离散投影点上利用蒙特卡洛方法对成像误差进行模拟叠加,生成带有随机误差的离散像素点集曲线;
定位单元,用于对所述离散像素点集曲线进行弧段提取、椭圆拟合和空间圆位姿识别,获得圆形目标的偏差空间位姿状态;
误差计算单元,用于通过对比获得圆形目标的偏差空间位姿状态和初始状态的误差量,根据所述误差量确定定位精度。
本发明解决上述技术问题的另一技术方案如下:一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方案所述的方法。
本发明解决上述技术问题的另一技术方案如下:一种处理设备,所述处理设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述方案所述的方法。
本发明的有益效果是:与现有的精度分析与评估方法相比,本发明不需要推导定位精度与圆形目标距离方位之间的显式表达关系,而是对目标成像与图像处理中的误差源进行模拟,统计误差存在条件下的定位精度。解决了圆形目标视觉定位中多误差源耦合难以分离分析和定量评估的困难,可为单目视觉测量***设计中对圆形目标特征的选取与利用提供重要支撑。
附图说明
图1为本发明实施例提出的圆形目标视觉定位精度评估方法流程图;
图2为本发明实施例中不同初始状态对应的圆形目标与相机的示意图;
图3为本发明实施例中对圆形目标的空间位置、姿态和尺寸采样过程描述的示意图;
图4为本发明实施例中空间圆形目标向图像平面投影的示意图;
图5为本发明实施例中连续弧段变换为叠加随机误差的离散像素点集曲线的过程示意图;
图6为本发明实施例中基于离散像素点集的椭圆曲线拟合示意图;
图7为本发明实施例提出的圆形目标视觉定位精度评估装置框图。
附图中,各标号所代表的部件列表如下:
1、相机,2、圆形目标。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
图1给出了本发明实施例提供的一种圆形目标视觉定位精度评估方法的示意性流程图。如图1所示,该方法包括:
S101,设定圆形目标相对于相机的初始状态;
S102,通过透视投影原理模拟圆形目标的成像过程,将所述圆形目标的连续圆形曲线投影到图像平面,得到椭圆曲线;
S103,按照图像分辨率对所述椭圆曲线进行栅格离散化,获得离散投影点,在所述离散投影点上利用蒙特卡洛方法对成像误差进行模拟叠加,生成带有随机误差的离散像素点集曲线;
S104,对所述离散像素点集曲线进行弧段提取、椭圆拟合和空间圆位姿识别,获得圆形目标的偏差空间位姿状态;
S105,通过对比获得圆形目标的偏差空间位姿状态和初始状态的误差量,根据所述误差量确定定位精度。
需要说明的是,在步骤S101中可以设置多组圆形目标相对于相机的初始状态,对于每组初始状态分别执行步骤S102至S105,分别得到每一组圆形目标初始状态对应的定位误差。如图2所示,每组初始状态对应的圆形目标2相对于相机1具有不同距离、不同方向和不同尺寸。
上述实施例提供的方法,不需要推导定位精度与圆形目标距离方位之间的显式表达关系,而是对目标成像与图像处理中的误差源进行模拟,统计误差存在条件下的定位精度。解决了圆形目标视觉定位中多误差源耦合难以分离分析和定量评估的困难,可为单目视觉测量***设计中对圆形目标特征的选取与利用提供重要支撑。
可选地,作为本发明一个实施例,S101,设定圆形目标相对于相机的初始状态,具体包括:
以相机光心为中心,以相机视场角为边界,确定过相机光心的四个平面构成的封闭棱锥区域,对圆形目标的圆心位置在所述封闭棱锥区域内均匀采样,对圆形目标的法向在预设角度范围内均匀采样,设定圆形目标的尺寸,获得包括圆形目标空间位姿和尺寸的初始状态,其中,圆形目标空间位姿包括圆形目标的空间位置和法向。其中,圆形目标的法向包括偏航角和俯仰角。
图3为对圆形目标的空间位置、姿态和尺寸采样过程描述的示意图。首先对圆形目标的圆心位置在封闭棱锥内均匀采样,将封闭棱锥按照一定的间隔进行切割划分,切割面的交点作为圆心位置的采样点,设置坐标为(x,y,z)。其次,对任意一个位置采样点(x,y,z),对该点圆形目标的法向按照偏航角α和俯仰角β两个维度进行采样,对偏航角α在[0,180°]范围内均匀采样,对俯仰角β在[0,90°]范围内均匀采样,获得(x,y,z,α,β)的五维采样状态。再考虑圆形目标尺寸的设定,即对圆形目标的半径R在一定范围内设定取值,形成大量的六维空间采样状态(R,x,y,z,α,β)。
该实施例中,设置相机为静止、圆形目标在相机视场内移动,这将实际中相机移动与圆形目标静止的移动关系进行颠倒设定,这一方面将相机和圆形目标相对位姿的设定局限在相机视场内表示,使得遍历所有可能的相机和圆形目标相对位姿更加直观、明确;另一方面,更利于根据位置、姿态和尺寸等设定的不同,分析出相机对圆形目标测量精度随距离、姿态和尺寸的变化。
可选地,作为本发明一个实施例,S102,通过透视投影原理模拟圆形目标的成像过程,将所述圆形目标的连续圆形曲线投影到图像平面,得到椭圆曲线。该实施例中,圆形目标的空间位置、法向和尺寸已知。
图4呈现了空间圆形目标向图像平面投影的示意图。在空间中尺寸相等的两个圆形目标能够投影到图像平面中形成同一椭圆图像,因此利用图像椭圆方程和圆形目标尺寸求解圆形目标位姿可得到两组解。下面结合图2对S102步骤中圆形目标相机之间的相对位置和轴向关系的解算过程进行介绍。首先,圆形目标在图像中成像满足透视投影原理,设u为图像中椭圆弧线上的点,则满足以下公式:
u=MpXc=Mp[R(θ)-R(θ)t]Xw, (2-1)
其中,u=(u,v,1)T表示曲线上任意一点投影到相机图像平面的点坐标,Ω=(t,θ)表示相机坐标系相对于世界坐标系的平移和旋转,t=[tx ty tz]表示相机坐标系相对于世界坐标系的平移,θ=[α,β,γ]表示相机坐标系相对于世界坐标系的旋转,R(θ)表示相机坐标系相对于世界坐标系的旋转矩阵,Xc=(Xc,Yc,Zc)T,Xw=(Xw,Yw,Zw,1)T分别表示圆形目标任意一点在相机坐标系和世界坐标系中的齐次坐标,Mp∈R3×3表示从月面观测点到图像的透视投影变换矩阵,
其中,f表示以像素为单位的相机焦距,(u0,v0)为图像主点坐标。假设世界坐标系建立在目标圆的中心,Z轴方向垂直于圆面指向相机光心,则θ=[α,β,0],从而可得
其中,cα、cβ、sα、sβ分别表示cosα、cosβ、sinα、sinβ,@表示将等式前面的矩阵定义为等式后面的符号表示,即矩阵内部对应元素相等。
设圆形目标的半径尺寸为r0,则在世界坐标系中的圆形曲线方程为
令x=Xw-tx,y=Yw-ty,z=Zw-tz=-tz,则可得圆形目标在图像平面的投影点u的表达:
其中,C1=a1tx+b1ty+c1tz,C2=a2tx+b2ty+c2tz,C3=a3tx+c3tz。
联立(2-3)和(2-4)可得:
其中,u′=u-u0、v′=v-v0。将公式(2-5)带入公式(2-3)得:
A0u′2+B0u′v′+C0v′2+D0u′+E0v′+F0=0,(2-6)
其中A0、B0、C0、D0、E0和F0分别为:
式(2-6)描述的二元二次曲线方程在图像平面中对应的续曲线即为投影到图像平面的椭圆曲线。
该实施例中,通过推导三维空间曲线到二维平面的投影关系,形成了空间圆形目标在二维图像中投影的连续曲线方程,从而将空间圆形目标成像及离散化表达中的随机误差设定限定在二维图像平面内进行,有效地简化了问题,为成像随机误差的模拟准备条件。
可选地,作为本发明一个实施例,S103,按照图像分辨率对所述椭圆曲线进行栅格离散化,利用蒙特卡洛方法对成像误差进行模拟叠加,生成带有随机误差的离散像素点集曲线具体包括:按照图像分辨率M×N将图像平面划分为(M-1)×(N-1)个栅格,以栅格为单元对所述椭圆曲线进行分段处理,将所述椭圆曲线划分成多个弧段单元,将每条弧段单元的中点定义为圆形目标的连续圆形曲线的离散投影点,在所述离散投影点上利用蒙特卡洛模拟方法叠加满足概率分布的随机误差,对应分配到所述离散投影点周围的四个像素上,生成带有随机误差的离散像素点集曲线。
图5是连续弧段变换为叠加随机误差的离散像素点集曲线的过程示意图。图中的方格时图像中相邻四个像素围成的一个栅格单元,整幅图像按照分辨率划分为(M-1)×(N-1)的栅格。以栅格为单元对椭圆曲线进行分段处理,将椭圆曲线划分成多个微小弧段单元。其实现方法为:1)按照图像分辨率将图像平面划分为(M-1)×(N-1)的栅格,其中M为图像像素行数,N为图像像素列数,相邻行和相邻列围成的区域为1个栅格单元;2)如图5的第①步,以栅格为单元对椭圆曲线进行分段处理,落入单个栅格单元内的微小弧段为一个弧段单元,将椭圆曲线划分成椭圆曲线的微小弧段单元,每条微小弧段的中点定义为圆形曲线的离散投影点。每个微小弧段单元的端点可通过下列方式求解:
1)在图像平面中,每条栅格直线采用一直线方程描述,例如,横向栅格直线方程为u=i(i∈[1,M]),其与椭圆曲线相交,交点位于两个相邻的纵向栅格之间,假设在v∈[j1,j1+1)之间,其中j1∈[1,N];纵向栅格直线方程为v=j(j∈[1,N]),其与椭圆曲线相交,交点位于两个相邻的横向栅格之间,假设在u∈[i1,i1+1)之间,其中i1∈[1,M]。
2)计算栅格直线方程与公式(2-6)描述的的椭圆曲线方程的相交关系,将u=i和v=j代入到公式(2-6)中,可得到关于v和u的一元二次方程,分别为:
C0v′2+[B0(i-u0)+E0]v′+A0(i-u0)2+D0(i-u0)+F0=0,
A0u′2+[B0(j-v0)+D0]u′+C0(j-v0)2+E0(j-v0)+F0=0.
求解上述方程可分别得到2组解,即为栅格直线与椭圆曲线的两个交点。变换i和j的取值,求得所有的栅格直线与椭圆的交点点集。
3)从任何一个交点出发,沿着椭圆曲线依次搜索所有的交点,两个相邻交点之间的弧段即为一个微小的弧段单元,相邻交点即为微小弧段单元的两个端点。
在离散投影点上利用蒙特卡洛模拟方法叠加满足某一概率分布(如正态分布)的随机误差,对应分配到离散投影点周围的四个像素上,生成带有随机误差的离散像素点集曲线,其实现方法如下:考虑图像中单个像素的灰度(或亮度)受到像元位置偏差、感光能力及暗噪声的影响,对图像平面离散投影点周围的四个像素点的灰度按照如下方法取值:
1)如图5的第②步,考虑像元位置偏差的影响,当离散投影点(ui,vi)的位置偏差满足正态分布P(x,y),按照正态分布P(x,y)产生误差的随机序列(Δxij,Δyij),将(Δxij,Δyij)叠加到对应离散投影点(ui,vi)得到新的离散投影点位置(xi,yi)=(ui,vi)+(Δxij,Δyij)。
2)如图5的第③步,将新的离散投影点(xi,yi)处的亮度按照双线性变换关系分配给周围的四个像素,记新的离散投影点(xi,yi)的灰度取值为Ii,周围的四个像素的坐标为(ui,v)、(ui+1,v)、(ui,v+1)、(ui+1,vi+1),则四个像素点的灰度取值分别为:(ui+1-xi)(vi+1-yi)Ii、(xi-ui)(vi+1-yi)Ii、(ui+1-xi)(yi-vi)Ii、(xi-ui)(yi-vi)Ii。
3)如图5的第④步,考虑像元感光能力及暗噪声的影响,对四个像素分别进行灰度的随机性叠加与衰减,设定暗噪声w满足[0,Ib]范围内的正态分布,感光衰减率η满足[ηr,1]的均匀分布,则各个像素的灰度取值变为:wi1+ηi1(ui+1-xi)(vi+1-yi)Ii、wi2+ηi2(xi-ui)(vi+1-yi)Ii、wi3+ηi3(ui+1-xi)(yi-vi)Ii、wi4+ηi4(xi-ui)(yi-vi)Ii。
图5的第①步,表示以栅格为单元对椭圆曲线进行分段处理,落入单个栅格单元内的微小弧段为一个弧段单元,将椭圆曲线划分成椭圆曲线的微小弧段单元,每条微小弧段的中点定义为圆形曲线的离散投影点;
图5的第②步,表示离散投影点叠加误差后的平移,平移后得到栅格内的黑点;
图5的第③步,表示栅格内的黑点向周围四个像素点的分配,四个像素点距离中间点越近,亮度越高(对应点尺寸越大);
图5的第④步,表示周围四个像素点亮度分别进行灰度的随机性叠加与衰减,亮度改变后对应点的尺寸发生变化。
基于上述步骤,最终得到带有随机误差的离散像素点集曲线,误差的叠加主要体现在了像素点的灰度取值上。为此要对离散点集进行细化,采用图像边缘追踪方法保留相邻像素中灰度取值较大的像素,剔除灰度取值较小的像素,得到单像素的细化边缘点集。
可选地,作为本发明一个实施例,S104,对所述离散像素点集曲线进行弧段提取、椭圆拟合和空间圆位姿识别,获得圆形目标的偏差空间位姿状态包括:
对所述离散像素点集曲线进行边缘单像素细化,得到单像素的细化边缘点集;对所述单像素的细化边缘点集进行椭圆拟合,获取图像平面中拟合的椭圆曲线方程;基于所述椭圆曲线方程建立以相机光心为顶点、经过椭圆曲线的椭锥面标准方程,利用所述椭锥面标准方程求取与所述圆形目标尺寸相同的两个截面,根据所述两个截面确定圆形目标相对于相机的两组空间位姿,根据已知的圆形目标的初始状态,选取差别小的一组为圆形目的的偏差空间位姿状态。
S104中首先对S103步骤中的离散像素点集曲线进行边缘单像素细化,细化方法为采用图像边缘追踪方法保留相邻像素中灰度取值较大的像素,剔除灰度取值较小的像素,得到单像素的细化边缘点集。
然后再分别进行椭圆特征提取与基于椭圆特征的空间圆形目标定位两个步骤,后面依次介绍这两个步骤。
图6是基于离散像素点集的椭圆曲线拟合示意图。图中仅给出了用于椭圆曲线拟合的部分离散像素点。该实施例中采用最小二乘曲线拟合算法对离散像素点击进行椭圆拟合,其思想是对所有参与拟合的像素点的整体平均,拟合精度能够达到亚像素级。对离散像素点进行最小二乘拟合求取椭圆方程描述参数的方法描述如下。
椭圆方程可通过带约束的二次曲线进行描述,其一般形式为:
令Θ=[A B C D E F],u=[x2 2xy y2 2x 2y 1],上述公式中的系数Θ可以根据比例因子不同产生无数组解,均不影响u的取值。为了实现Θ解的唯一性,可指定一个尺度因子,如F=1或者||Θ||=1。拟合求解过程给出如下。
令i=1,2,...,N,表示图像上的第i个像素点,则根据公式(4-1)可得优化问题:
其中表示所有像素点集,H是由AC-B2>0得出的约束矩阵,定义为:
对公式(4-2)中的优化问题进行求解,通过引入拉格朗日因子λ,将带约束的优化问题转化为无约束问题,并对二次目标函数进行求导运算可得:
令S=UTU,考虑U、S和H的特殊性,我们进行矩阵分块得:
根据上述分块关系,可重新构建矩阵方程:
S1Θ1+S2Θ2=λH1Θ1, (4-5)
由公式(4-6)可知,当S3为非奇异矩阵时,Θ2可表示为Θ1的线性变换,即将其带入公式(4-5)可得:
由于H1为非奇异矩阵,公式(4-7)可写成:
公式(4-4)中的等式约束重写为:
Θ1H1Θ1=1. (4-9)
令则椭圆拟合求解问题转化为求解MΘ1=λΘ1的问题,即求取矩阵M的特征值的问题。考虑到Θ1H1Θ1=1对特征值非负性的约束,取M的非负特征值对应的特征向量作为Θ1的解。根据求得Θ2,从而得到椭圆曲线一般方程的系数Θ,即得到二次曲线椭圆方程的描述参数A,B,C,D,E,F。
基于椭圆特征的定位算法解算圆形目标的空间位置与法向的算法给出如下:椭圆弧线点uj在图像平面内满足椭圆方程:
转换成矩阵的形式:
将公式(2-1)带入公式(4-11)可得过相机光心和空间圆形成的椭圆锥的曲面方程:
令则椭圆锥曲面方程可写作:
在相机坐标系下,圆锥的表达式比较复杂,切割平面不变描述和计算。因此先将相机坐标系空间转换到标准空间计算,计算结果再转换到相机坐标系中。旋转过程固定椭圆锥原点仍在摄像机光心处。由Q为对称矩阵可知,存在正交矩阵P将Q对角化得:
PTQP=diag(λ1,λ2,λ3),
其中λ1,λ,2λ3为Q的特征值,则可得在新的坐标空间中的点从而得到旋转轴为Zcs轴的标准椭圆锥曲面方程:
λ1Xcs+λ2Ycs+λ3Zcs=0. (4-14)
由公式(4-14)可知,三个系数λ1,λ2,λ3必然有两个同号,且与另一个异号。由于λ1,λ2,λ3和特征向量矩阵P的正负取值的问题,使得λ1,λ2,λ3有多组解。设Q的特征值为κ1,κ2,κ3,与只对应的特征向量为v1,v2,v3。设κ1,κ2同号且|κ1|>|κ2|,则λ1=κ1,λ2=κ2,λ3=κ3。令P=[p,1p2,p3],若则p1=v1,否则p1=-v1。p2=v2,p2=v2×v3。
基于标准空间中的椭圆锥曲面方程,可求得圆心位置和圆所在平面的法向量为:
将公式(4-15)和公式(4-16)的结果转换到摄像机坐标系得圆形目标的空间位置和法向:
即为圆形目标相机之间的相对位置和轴向关系。
该实施例中,基于图像中离散像素点采用最小二乘法拟合椭圆曲线,能够通过整体平均的方式减小曲线成像离散化表达中的随机性误差,使得椭圆曲线在图像中的位置精度达到亚像素级。另一方面,通过椭圆锥面解析表达的方式,求取与椭圆锥面相交的固定尺寸的圆形截面,进而得到圆形目标空间位置的方法,为解析求解方法,不引入不确定性误差,因此能够最大程度上提高从图像平面椭圆曲线反演空间目标位姿的定位精度。
可选地,作为本发明一个实施例,S105,通过对比获得圆形目标的偏差空间位姿状态和初始状态的误差量,根据所述误差量确定定位精度。
可选地,作为本发明一实施例,还包括重复执行预设次数S103和S104的步骤,以获得圆形目标的偏差空间位姿状态和初始状态的多个误差量,并计算所述多个误差量的数学期望,将所述数学期望作为当前空间位姿对应的定位误差。
具体地,计算误差量的数学期望为当前空间位姿对应的定位误差。假设进行了M次模拟计算,每次空间位置误差ep和法向姿态误差en的计算方法分别为:
其中,和Δnk分别表示第k次空间位姿识别算法得到的圆形目标空间位置和法向的误差,表示第k次空间圆位姿识别算法得到的圆形目标空间位置,表示第k次空间圆位姿识别算法得到的圆形目标空间法向,为初始设定的圆形目标空间位置,初始设定的圆形目标空间法向。
该实施例中,通过获取足够多个误差量,能够很大程度上覆盖各种椭圆拟合和位姿定位的误差情况,通过计算误差量的数学期望,能够对各种随机误差情况进行平均,获得空间位姿计算的平均误差。通过模拟选择足够多数量的误差量,能够实现空间位姿平均误差的准确计算。
上文结合图1至图6详细描述了根据本发明实施例提供的圆形目标视觉定位精度评估方法。下面结合图7详细描述本发明实施例提供的圆形目标视觉定位精度评估装置。该装置包括设定单元、投影单元、离散单元、定位单元和误差计算单元。
其中,设定单元设定圆形目标相对于相机的初始状态;投影单元通过透视投影原理模拟圆形目标的成像过程,将所述圆形目标的连续圆形曲线投影到图像平面,得到椭圆曲线;离散单元按照图像分辨率对所述椭圆曲线进行栅格离散化,获得离散投影点,在所述离散投影点上利用蒙特卡洛方法对成像误差进行模拟叠加,生成带有随机误差的离散像素点集曲线;定位单元对所述离散像素点集曲线进行弧段提取、椭圆拟合和空间圆位姿识别,获得圆形目标的偏差空间位姿状态;误差计算单元通过对比获得圆形目标的偏差空间位姿状态和初始状态的误差量,根据所述误差量确定定位精度。
需要说明的是,设定单元可以设置多组圆形目标相对于相机的初始状态,对于每组初始状态分别调用投影单元、离散单元、定位单元和误差计算单元,分别得到每一组圆形目标初始状态对应的定位误差。其中,每组初始状态对应的圆形目标相对于相机具有不同距离、不同方向和不同尺寸。
上述实施例提供的装置,不需要推导定位精度与圆形目标距离方位之间的显式表达关系,而是对目标成像与图像处理中的误差源进行模拟,统计误差存在条件下的定位精度。解决了圆形目标视觉定位中多误差源耦合难以分离分析和定量评估的困难,可为单目视觉测量***设计中对圆形目标特征的选取与利用提供重要支撑。
可选地,作为本发明一个实施例,设定单元具有用于,以相机光心为中心,以相机视场角为边界,确定过相机光心的四个平面构成的封闭棱锥区域,对圆形目标的圆心位置在所述封闭棱锥区域内均匀采样,对圆形目标的法向在预设角度范围内均匀采样,设定圆形目标的尺寸,获得包括圆形目标空间位姿和尺寸的初始状态,其中,圆形目标空间位姿包括圆形目标的空间位置和法向。
可选地,作为本发明一个实施例,离散单元具有用于,按照图像分辨率M×N将图像平面划分为(M-1)×(N-1)个栅格,以栅格为单元对所述椭圆曲线进行分段处理,将所述椭圆曲线划分成多个弧段单元,将每条弧段单元的中点定义为圆形目标的连续圆形曲线的离散投影点,在所述离散投影点上利用蒙特卡洛模拟方法叠加满足概率分布的随机误差,对应分配到所述离散投影点周围的四个像素上,生成带有随机误差的离散像素点集曲线。
可选地,作为本发明一个实施例,离散单元具有用于:
离散投影点(ui,vi)的位置偏差满足概率分布P(x,y),按照概率分布P(x,y)产生误差的随机序列(Δxij,Δyij),将(Δxij,Δyij)叠加到对应离散投影点(ui,vi)得到新的离散投影点位置(xi,yi)=(ui,vi)+(Δxij,Δyij)。
将新的离散投影点(xi,yi)处的亮度按照双线性变换关系分配给周围的四个像素,记新的离散投影点(xi,yi)的灰度取值为Ii,周围的四个像素的坐标为(ui,vi)、(ui+1,vi)、(ui,vi+1)、(ui+1,vi+1),则四个像素点的灰度取值分别为:(ui+1-xi)(vi+1-yi)Ii、(xi-ui)(vi+1-yi)Ii、(ui+1-xi)(yi-vi)Ii、(xi-ui)(yi-vi)Ii。
对四个像素分别进行灰度的随机性叠加与衰减,设定暗噪声w满足[0,Ib]范围内的概率分布,感光衰减率η满足[ηr,1]的均匀分布,则各个像素的灰度取值变为:wi1+ηi1(ui+1-xi)(vi+1-yi)Ii、wi2+ηi2(xi-ui)(vi+1-yi)Ii、wi3+ηi3(ui+1-xi)(yi-vi)Ii、wi4+ηi4(xi-ui)(yi-vi)Ii。
可选地,作为本发明一个实施例,定位单元具体用于:对所述离散像素点集曲线进行边缘单像素细化,得到单像素的细化边缘点集;对所述单像素的细化边缘点集进行椭圆拟合,获取图像平面中拟合的椭圆曲线方程;基于所述椭圆曲线方程建立以相机光心为顶点、经过椭圆曲线的椭锥面标准方程,利用所述椭锥面标准方程求取与所述圆形目标尺寸相同的两个截面,根据所述两个截面确定圆形目标相对于相机的两组空间位姿,根据已知的圆形目标的初始状态,选取差别小的一组为圆形目的的偏差空间位姿状态。
可选地,作为本发明另一实施例,误差计算单元还用于重复调用离散单元和定位单元,以获得圆形目标的偏差空间位姿状态和初始状态的多个误差量,并计算所述多个误差量的数学期望,将所述数学期望作为当前空间位姿对应的定位误差。
本发明实施例还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例提供的圆形目标视觉定位精度评估方法。
在该实施例中,计算机可读存储介质,该程序被处理器执行时实现上述实施例提供的圆形目标视觉定位精度评估方法的步骤,因此具有上述发明的实施例提出的任一项的圆形目标视觉定位精度评估方法的全部有益效果,在此不再赘述。
本发明实施例还提供一种处理设备,所述处理设备包括:一个或多个处理器;存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述实施例提供的圆形目标视觉定位精度评估方法。
该实施例中,处理设备包括处理器,处理器用于执行存储器中存储的计算机程序时实现如上述实施例提供的圆形目标视觉定位精度评估方法的步骤,因此具有上述发明的实施例提出的任一项的圆形目标视觉定位精度评估方法的全部有益效果,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种圆形目标视觉定位精度评估方法,其特征在于,包括如下步骤:
设定圆形目标相对于相机的初始状态;
通过透视投影原理模拟圆形目标的成像过程,将所述圆形目标的连续圆形曲线投影到图像平面,得到椭圆曲线;
按照图像分辨率对所述椭圆曲线进行栅格离散化,获得离散投影点,在所述离散投影点上利用蒙特卡洛方法对成像误差进行模拟叠加,生成带有随机误差的离散像素点集曲线;
对所述离散像素点集曲线进行弧段提取、椭圆拟合和空间圆位姿识别,获得圆形目标的偏差空间位姿状态;
通过对比获得圆形目标的偏差空间位姿状态和初始状态的误差量,根据所述误差量确定定位精度。
2.根据权利要求1所述的方法,其特征在于,所述设定圆形目标相对于相机的初始状态包括:
以相机光心为中心,以相机视场角为边界,确定过相机光心的四个平面构成的封闭棱锥区域,对圆形目标的圆心位置在所述封闭棱锥区域内均匀采样,对圆形目标的法向在预设角度范围内均匀采样,设定圆形目标的尺寸,获得包括圆形目标空间位姿和尺寸的初始状态,其中,圆形目标空间位姿包括圆形目标的空间位置和法向。
3.根据权利要求1所述的方法,其特征在于,所述按照图像分辨率对所述椭圆曲线进行栅格离散化,获得离散投影点,在所述离散投影点上利用蒙特卡洛方法对成像误差进行模拟叠加,生成带有随机误差的离散像素点集曲线包括:
按照图像分辨率M×N将图像平面划分为(M-1)×(N-1)个栅格,以栅格为单元对所述椭圆曲线进行分段处理,将所述椭圆曲线划分成多个弧段单元,将每条弧段单元的中点定义为圆形目标的连续圆形曲线的离散投影点,在所述离散投影点上利用蒙特卡洛模拟方法叠加满足概率分布的随机误差,对应分配到所述离散投影点周围的四个像素上,生成带有随机误差的离散像素点集曲线。
4.根据权利要求3所述的方法,其特征在于,在所述离散投影点上利用蒙特卡洛模拟方法叠加满足概率分布的随机误差,对应分配到所述离散投影点周围的四个像素上,生成带有随机误差的离散像素点集曲线包括:
离散投影点(ui,vi)的位置偏差满足概率分布P(x,y),按照概率分布P(x,y)产生误差的随机序列(Δxij,Δyij),将(Δxij,Δyij)叠加到对应离散投影点(ui,vi)得到新的离散投影点位置(xi,yi)=(ui,vi)+(Δxij,Δyij);
将新的离散投影点(xi,yi)处的亮度按照双线性变换关系分配给周围的四个像素,记新的离散投影点(xi,yi)的灰度取值为Ii,周围的四个像素的坐标为(ui,vi)、(ui+1,vi)、(ui,vi+1)、(ui+1,vi+1),则四个像素点的灰度取值分别为:(ui+1-xi)(vi+1-yi)Ii、(xi-ui)(vi+1-yi)Ii、(ui+1-xi)(yi-vi)Ii、(xi-ui)(yi-vi)Ii;
对四个像素分别进行灰度的随机性叠加与衰减,设定暗噪声w满足[0,Ib]范围内的概率分布,感光衰减率η满足[ηr,1]的均匀分布,则各个像素的灰度取值变为:wi1+ηi1(ui+1-xi)(vi+1-yi)Ii、wi2+ηi2(xi-ui)(vi+1-yi)Ii、wi3+ηi3(ui+1-xi)(yi-vi)Ii、wi4+ηi4(xi-ui)(yi-vi)Ii。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述对所述离散像素点集曲线进行弧段提取、椭圆拟合和空间圆位姿识别,获得圆形目标的偏差空间位姿状态包括:
对所述离散像素点集曲线进行边缘单像素细化,得到单像素的细化边缘点集;
对所述单像素的细化边缘点集进行椭圆拟合,获取图像平面中拟合的椭圆曲线方程;
基于所述椭圆曲线方程建立以相机光心为顶点、经过椭圆曲线的椭锥面标准方程,利用所述椭锥面标准方程求取与所述圆形目标尺寸相同的两个截面,根据所述两个截面确定圆形目标相对于相机的两组空间位姿,根据已知的圆形目标的初始状态,选取差别小的一组为圆形目的的偏差空间位姿状态。
6.根据权利要求1至4任一项所述的方法,其特征在于,还包括重复执行预设次数的按照图像分辨率对所述椭圆曲线进行栅格离散化,获得离散投影点,在所述离散投影点上利用蒙特卡洛方法对成像误差进行模拟叠加,生成带有随机误差的离散像素点集曲线,以及对所述离散像素点集曲线进行弧段提取、椭圆拟合和空间圆位姿识别,获得圆形目标的偏差空间位姿状态的步骤,以获得圆形目标的偏差空间位姿状态和初始状态的多个误差量,并计算所述多个误差量的数学期望,将所述数学期望作为当前空间位姿对应的定位误差。
7.一种圆形目标视觉定位精度评估装置,其特征在于,包括:
设定单元,用于设定圆形目标相对于相机的初始状态;
投影单元,用于通过透视投影原理模拟圆形目标的成像过程,将所述圆形目标的连续圆形曲线投影到图像平面,得到椭圆曲线;
离散单元,用于按照图像分辨率对所述椭圆曲线进行栅格离散化,获得离散投影点,在所述离散投影点上利用蒙特卡洛方法对成像误差进行模拟叠加,生成带有随机误差的离散像素点集曲线;
定位单元,用于对所述离散像素点集曲线进行弧段提取、椭圆拟合和空间圆位姿识别,获得圆形目标的偏差空间位姿状态;
误差计算单元,用于通过对比获得圆形目标的偏差空间位姿状态和初始状态的误差量,根据所述误差量确定定位精度。
8.根据权利要求7所述的装置,其特征在于,所述设定单元具有用于,以相机光心为中心,以相机视场角为边界,确定过相机光心的四个平面构成的封闭棱锥区域,对圆形目标的圆心位置在所述封闭棱锥区域内均匀采样,对圆形目标的法向在预设角度范围内均匀采样,设定圆形目标的尺寸,获得包括圆形目标空间位姿和尺寸的初始状态,其中,圆形目标空间位姿包括圆形目标的空间位置和法向。
9.根据权利要求7所述的装置,其特征在于,所述离散单元具有用于,按照图像分辨率M×N将图像平面划分为(M-1)×(N-1)个栅格,以栅格为单元对所述椭圆曲线进行分段处理,将所述椭圆曲线划分成多个弧段单元,将每条弧段单元的中点定义为圆形目标的连续圆形曲线的离散投影点,在所述离散投影点上利用蒙特卡洛模拟方法叠加满足概率分布的随机误差,对应分配到所述离散投影点周围的四个像素上,生成带有随机误差的离散像素点集曲线。
10.根据权利要求8所述的装置,其特征在于,所述离散单元具有用于:
离散投影点(ui,vi)的位置偏差满足概率分布P(x,y),按照概率分布P(x,y)产生误差的随机序列(Δxij,Δyij),将(Δxij,Δyij)叠加到对应离散投影点(ui,vi)得到新的离散投影点位置(xi,yi)=(ui,vi)+(Δxij,Δyij);
将新的离散投影点(xi,yi)处的亮度按照双线性变换关系分配给周围的四个像素,记新的离散投影点(xi,yi)的灰度取值为Ii,周围的四个像素的坐标为(ui,vi)、(ui+1,vi)、(ui,vi+1)、(ui+1,vi+1),则四个像素点的灰度取值分别为:(ui+1-xi)(vi+1-yi)Ii、(xi-ui)(vi+1-yi)Ii、(ui+1-xi)(yi-vi)Ii、(xi-ui)(yi-vi)Ii;
对四个像素分别进行灰度的随机性叠加与衰减,设定暗噪声w满足[0,Ib]范围内的概率分布,感光衰减率η满足[ηr,1]的均匀分布,则各个像素的灰度取值变为:wi1+ηi1(ui+1-xi)(vi+1-yi)Ii、wi2+ηi2(xi-ui)(vi+1-yi)Ii、wi3+ηi3(ui+1-xi)(yi-vi)Ii、wi4+ηi4(xi-ui)(yi-vi)Ii。
11.根据权利要求7至10任一项所述的装置,其特征在于,所述所述定位单元具体用于:
对所述离散像素点集曲线进行边缘单像素细化,得到单像素的细化边缘点集;
对所述单像素的细化边缘点集进行椭圆拟合,获取图像平面中拟合的椭圆曲线方程;
基于所述椭圆曲线方程建立以相机光心为顶点、经过椭圆曲线的椭锥面标准方程,利用所述椭锥面标准方程求取与所述圆形目标尺寸相同的两个截面,根据所述两个截面确定圆形目标相对于相机的两组空间位姿,根据已知的圆形目标的初始状态,选取差别小的一组为圆形目的的偏差空间位姿状态。
12.根据权利要求7至10任一项所述的装置,其特征在于,误差计算单元还用于重复调用离散单元和定位单元,以获得圆形目标的偏差空间位姿状态和初始状态的多个误差量,并计算所述多个误差量的数学期望,将所述数学期望作为当前空间位姿对应的定位误差。
13.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6中任一项所述的方法。
14.一种处理设备,其特征在于,所述处理设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810273909.2A CN108596980B (zh) | 2018-03-29 | 2018-03-29 | 圆形目标视觉定位精度评估方法、装置、存储介质和处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810273909.2A CN108596980B (zh) | 2018-03-29 | 2018-03-29 | 圆形目标视觉定位精度评估方法、装置、存储介质和处理设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108596980A true CN108596980A (zh) | 2018-09-28 |
CN108596980B CN108596980B (zh) | 2021-12-07 |
Family
ID=63624022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810273909.2A Active CN108596980B (zh) | 2018-03-29 | 2018-03-29 | 圆形目标视觉定位精度评估方法、装置、存储介质和处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596980B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109760107A (zh) * | 2019-01-22 | 2019-05-17 | 广东工业大学 | 一种基于单目视觉的机器人定位精度评价方法 |
CN109949367A (zh) * | 2019-03-11 | 2019-06-28 | 中山大学 | 一种基于圆形投影的可见光成像定位方法 |
CN110378970A (zh) * | 2019-07-08 | 2019-10-25 | 武汉理工大学 | 一种用于agv的单目视觉偏差检测方法及装置 |
CN110674810A (zh) * | 2019-08-30 | 2020-01-10 | 苏州悦谱半导体有限公司 | 一种应用于半导体光学ccd视觉的优化算法 |
CN110782492A (zh) * | 2019-10-08 | 2020-02-11 | 三星(中国)半导体有限公司 | 位姿跟踪方法及装置 |
CN111210413A (zh) * | 2020-01-02 | 2020-05-29 | 北京机科国创轻量化科学研究院有限公司 | 一种送丝机构运动过程中的位姿检测方法 |
CN111380503A (zh) * | 2020-05-29 | 2020-07-07 | 电子科技大学 | 一种采用激光辅助标定的单目相机测距方法 |
CN111780745A (zh) * | 2020-06-29 | 2020-10-16 | 南京航空航天大学 | 一种面向深空探测光学导航的短弧椭圆拟合优化方法 |
CN112255869A (zh) * | 2020-11-03 | 2021-01-22 | 成都景中教育软件有限公司 | 一种基于参数的三维图形动态投影实现方法 |
CN112365531A (zh) * | 2020-10-13 | 2021-02-12 | 西安理工大学 | 一种自动上卷***椭圆检测结果可信度评估方法 |
CN112381880A (zh) * | 2020-11-27 | 2021-02-19 | 航天科工智能机器人有限责任公司 | 一种基于圆特征的双目视觉位姿估计方法 |
CN112505671A (zh) * | 2021-02-07 | 2021-03-16 | 北方工业大学 | Gnss信号缺失环境下毫米波雷达目标定位方法及装置 |
CN113064272A (zh) * | 2021-03-04 | 2021-07-02 | 武汉大学 | 半离散最优传输下的光学自由曲面构造方法及*** |
CN115493499A (zh) * | 2021-12-30 | 2022-12-20 | 北京航天飞行控制中心 | 一种圆柱体或类圆柱体的装配方法及*** |
US11610330B2 (en) | 2019-10-08 | 2023-03-21 | Samsung Electronics Co., Ltd. | Method and apparatus with pose tracking |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715471A (zh) * | 2014-01-03 | 2015-06-17 | 杭州海康威视数字技术股份有限公司 | 目标定位跟踪方法及其装置 |
CN104729481A (zh) * | 2015-03-12 | 2015-06-24 | 北京空间飞行器总体设计部 | 一种基于pnp透视模型的合作目标位姿精度测量方法 |
CN107167116A (zh) * | 2017-03-13 | 2017-09-15 | 湖北汽车工业学院 | 一种空间圆弧位姿的视觉检测方法 |
-
2018
- 2018-03-29 CN CN201810273909.2A patent/CN108596980B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715471A (zh) * | 2014-01-03 | 2015-06-17 | 杭州海康威视数字技术股份有限公司 | 目标定位跟踪方法及其装置 |
CN104729481A (zh) * | 2015-03-12 | 2015-06-24 | 北京空间飞行器总体设计部 | 一种基于pnp透视模型的合作目标位姿精度测量方法 |
CN107167116A (zh) * | 2017-03-13 | 2017-09-15 | 湖北汽车工业学院 | 一种空间圆弧位姿的视觉检测方法 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109760107A (zh) * | 2019-01-22 | 2019-05-17 | 广东工业大学 | 一种基于单目视觉的机器人定位精度评价方法 |
CN109760107B (zh) * | 2019-01-22 | 2022-04-12 | 九天创新(广东)智能科技有限公司 | 一种基于单目视觉的机器人定位精度评价方法 |
CN109949367A (zh) * | 2019-03-11 | 2019-06-28 | 中山大学 | 一种基于圆形投影的可见光成像定位方法 |
CN109949367B (zh) * | 2019-03-11 | 2023-01-20 | 中山大学 | 一种基于圆形投影的可见光成像定位方法 |
CN110378970A (zh) * | 2019-07-08 | 2019-10-25 | 武汉理工大学 | 一种用于agv的单目视觉偏差检测方法及装置 |
CN110378970B (zh) * | 2019-07-08 | 2023-03-10 | 武汉理工大学 | 一种用于agv的单目视觉偏差检测方法及装置 |
CN110674810A (zh) * | 2019-08-30 | 2020-01-10 | 苏州悦谱半导体有限公司 | 一种应用于半导体光学ccd视觉的优化算法 |
CN110674810B (zh) * | 2019-08-30 | 2023-04-18 | 苏州悦谱半导体有限公司 | 一种应用于半导体光学ccd视觉的优化方法 |
CN110782492B (zh) * | 2019-10-08 | 2023-03-28 | 三星(中国)半导体有限公司 | 位姿跟踪方法及装置 |
US11610330B2 (en) | 2019-10-08 | 2023-03-21 | Samsung Electronics Co., Ltd. | Method and apparatus with pose tracking |
CN110782492A (zh) * | 2019-10-08 | 2020-02-11 | 三星(中国)半导体有限公司 | 位姿跟踪方法及装置 |
CN111210413B (zh) * | 2020-01-02 | 2023-10-03 | 北京机科国创轻量化科学研究院有限公司 | 一种送丝机构运动过程中的位姿检测方法 |
CN111210413A (zh) * | 2020-01-02 | 2020-05-29 | 北京机科国创轻量化科学研究院有限公司 | 一种送丝机构运动过程中的位姿检测方法 |
CN111380503A (zh) * | 2020-05-29 | 2020-07-07 | 电子科技大学 | 一种采用激光辅助标定的单目相机测距方法 |
CN111780745A (zh) * | 2020-06-29 | 2020-10-16 | 南京航空航天大学 | 一种面向深空探测光学导航的短弧椭圆拟合优化方法 |
CN112365531B (zh) * | 2020-10-13 | 2022-08-12 | 西安理工大学 | 一种自动上卷***椭圆检测结果可信度评估方法 |
CN112365531A (zh) * | 2020-10-13 | 2021-02-12 | 西安理工大学 | 一种自动上卷***椭圆检测结果可信度评估方法 |
CN112255869B (zh) * | 2020-11-03 | 2021-09-14 | 成都景中教育软件有限公司 | 一种基于参数的三维图形动态投影实现方法 |
CN112255869A (zh) * | 2020-11-03 | 2021-01-22 | 成都景中教育软件有限公司 | 一种基于参数的三维图形动态投影实现方法 |
CN112381880A (zh) * | 2020-11-27 | 2021-02-19 | 航天科工智能机器人有限责任公司 | 一种基于圆特征的双目视觉位姿估计方法 |
CN112505671B (zh) * | 2021-02-07 | 2021-05-25 | 北方工业大学 | Gnss信号缺失环境下毫米波雷达目标定位方法及装置 |
CN112505671A (zh) * | 2021-02-07 | 2021-03-16 | 北方工业大学 | Gnss信号缺失环境下毫米波雷达目标定位方法及装置 |
CN113064272A (zh) * | 2021-03-04 | 2021-07-02 | 武汉大学 | 半离散最优传输下的光学自由曲面构造方法及*** |
CN115493499A (zh) * | 2021-12-30 | 2022-12-20 | 北京航天飞行控制中心 | 一种圆柱体或类圆柱体的装配方法及*** |
CN115493499B (zh) * | 2021-12-30 | 2024-04-19 | 北京航天飞行控制中心 | 一种圆柱体或类圆柱体的装配方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN108596980B (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596980A (zh) | 圆形目标视觉定位精度评估方法、装置、存储介质和处理设备 | |
CN110443885B (zh) | 基于随机人脸图像的三维人头脸模型重建方法 | |
JP6681729B2 (ja) | オブジェクトの3d姿勢およびオブジェクトのランドマーク点の3dロケーションを求める方法、およびオブジェクトの3d姿勢およびオブジェクトのランドマークの3dロケーションを求めるシステム | |
CN107179768B (zh) | 一种障碍物识别方法及装置 | |
CN105913489B (zh) | 一种利用平面特征的室内三维场景重构方法 | |
CN106780619B (zh) | 一种基于Kinect深度相机的人体尺寸测量方法 | |
JP6740033B2 (ja) | 情報処理装置、計測システム、情報処理方法及びプログラム | |
KR102068419B1 (ko) | 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체 | |
US7190826B2 (en) | Measuring the location of objects arranged on a surface, using multi-camera photogrammetry | |
CN105069743A (zh) | 探测器拼接实时图像配准的方法 | |
CN110136178B (zh) | 一种基于端点拟合的三维激光点云配准方法及装置 | |
CN108154104A (zh) | 一种基于深度图像超像素联合特征的人体姿态估计方法 | |
Kroemer et al. | Point cloud completion using extrusions | |
Hu et al. | Pipe pose estimation based on machine vision | |
CN107025647A (zh) | 图像篡改取证方法及装置 | |
CN112581511A (zh) | 基于近似直立扫描点云快速配准的三维重建方法及*** | |
CN110136179B (zh) | 一种基于直线拟合的三维激光点云配准方法及装置 | |
EP4004488A1 (en) | Improvements in or relating to photogrammetry | |
CN110458951A (zh) | 一种电网杆塔的建模数据获取方法及相关装置 | |
Będkowski et al. | Towards terrestrial 3D data registration improved by parallel programming and evaluated with geodetic precision | |
CN115937466A (zh) | 一种融合gis的三维模型生成方法、***及存储介质 | |
Chen et al. | The trajectory planning system for spraying robot based on k-means clustering and NURBS curve optimization | |
CN105740851A (zh) | 三维人脸的自动定位方法、曲面配准方法和*** | |
Strubel et al. | Analytic calibration of cone-beam scanners | |
CN108230377A (zh) | 点云数据的拟合方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |